Phụ lục C — Bộ dữ liệu

Dữ liệu giả định

Cả 21 bộ dữ liệu trong sách đều là giả định: mô phỏng từ các mô hình có tham số đã biết, để bài học nào cũng hiện ra rõ ràng và để các chương về sai lệch đặt được “sự thật” cạnh “điều quan sát được”. Không có dữ liệu nào thuộc về người thật. Tỉnh Lục Vân, tỉnh Bạch Hải, các xã, phường, bệnh viện, trung tâm kiểm soát bệnh tật và công ty khai thác đá nhắc đến ở đây đều là hư cấu, nên xin đừng dùng các con số này để kết luận về sức khỏe của bất kỳ quần thể nào.

Phụ lục này là sổ tay tra cứu mọi bộ dữ liệu của sách. Mỗi bộ mở đầu bằng vài câu tóm tắt bằng lời thường: ai, ở đâu, khi nào, đo gì. Sau đó mới đến các chi tiết cho người muốn tra kỹ: bộ dữ liệu dùng để dạy điều gì, ở chương nào, được thu thập ra sao, sinh từ mô hình nào, gồm những cột nào, tải về ở đâu, và có cho thấy đúng điều nó được dựng để cho thấy hay không.

Vài từ dùng nhiều trong phụ lục:

• Sổ mã (codebook) là bảng liệt kê từng cột (biến) của bộ dữ liệu: cột ấy ghi gì, kiểu dữ liệu gì, mỗi giá trị nghĩa là gì.
• Mô hình sinh dữ liệu là bộ quy tắc máy tính dùng để rút ngẫu nhiên ra từng người, từng ca bệnh. Các con số cố định trong bộ quy tắc ấy, chẳng hạn tỷ lệ tăng huyết áp (THA) ở mỗi nhóm tuổi, là tham số (parameter) thật. Ngoài đời không ai biết tham số thật; ở đây ta biết, nên đem so được điều phân tích tìm ra với sự thật.
• Đặc tả là bản thiết kế ban đầu, ghi mỗi bộ dữ liệu phải cho thấy điều gì. Có khi phải chỉnh mô hình cho khác đặc tả thì điều ấy mới hiện rõ; mục “Ghi chú mô hình hóa” của từng bộ ghi lại các chỗ chỉnh và lý do.
• Khuôn mẫu là một điều bộ dữ liệu được dựng để cho thấy, chẳng hạn Bạch Hải có tỷ suất tử vong thô cao hơn Lục Vân chỉ vì dân già hơn. Mỗi khuôn mẫu có giá trị đích, là giá trị hay khoảng giá trị mà thiết kế nhắm tới, và giá trị quan sát, là con số tính được từ dữ liệu. Khuôn mẫu đạt khi giá trị quan sát nằm trong khoảng cho phép quanh giá trị đích; khoảng cho phép ấy gọi là dung sai.
• Hạt giống ngẫu nhiên (seed) là con số khởi đầu cho mọi phép rút ngẫu nhiên. Giữ nguyên hạt giống thì chạy lại bao nhiêu lần cũng ra đúng chính bộ dữ liệu ấy.

Mỗi lần dựng sách, sổ mã và khuôn mẫu đều được đọc và tính lại từ chính các tệp dữ liệu, nên không thể lệch khỏi dữ liệu.

C.1 Tải dữ liệu và dựng lại từ đầu

Mỗi bộ dữ liệu là một tệp CSV, tức bảng số liệu lưu dưới dạng văn bản, các cột cách nhau bằng dấu phẩy. Các tệp nằm trong thư mục data/ của kho mã nguồn và đọc thẳng từ GitHub được, không cần tải cả kho về:

library(readr)
url <- "https://youcan-e64.pages.dev/nckh/data/doan_he_tim_mach.csv"
doan_he <- read_csv(url)

Các tệp được ghi bằng readr::write_excel_csv(), theo bảng mã UTF-8 có thêm dấu BOM ở đầu tệp, nên mở bằng Excel vẫn hiện đúng chữ tiếng Việt. Ô trống là giá trị thiếu. Thư mục data/ còn có codebook.csv (sổ mã của mọi biến) và danh_muc.csv (danh sách mọi bộ dữ liệu, kèm tham số thật của mô hình).

Mỗi bộ dữ liệu do một script trong data-raw/ sinh ra, với hạt giống ngẫu nhiên cố định. Lệnh sau dựng lại toàn bộ dữ liệu, rồi chạy data-raw/validate.R để kiểm tra mọi khuôn mẫu; có khuôn mẫu nào không đạt thì lệnh dừng và báo lỗi:

Rscript data-raw/build_all.R

C.2 Danh mục

danh_muc |>
  transmute(`Bộ dữ liệu` = paste0("`", dataset, "`"), `Nội dung` = ten, `Chương` = chuong,
            `Đơn vị` = don_vi, `Số dòng` = so(so_dong, 0)) |>
  knitr::kable()

Bảng C.1: Danh mục các bộ dữ liệu. Dữ liệu giả định.

Bộ dữ liệu	Nội dung	Chương	Đơn vị	Số dòng
hai_tinh	Tử vong và đái tháo đường ở hai tỉnh	1, 2, 5, 7, 8	tỉnh x giới x nhóm tuổi, năm 2024	24
dan_so_chuan	Ba dân số chuẩn	2	nhóm tuổi	6
quan_the_mo	Quần thể mở phường D	1	người	4.216
quan_the_mo_dot	Các đợt trầm cảm	1	đợt bệnh	695
cong_nhan_mo_da	Đoàn hệ công nhân mỏ đá X	2, 5, 9	công nhân (4.000 nam)	4.000
cong_nhan_ng_nam	Người-năm công nhân theo khu vực x tuổi	2, 5, 9	khu vực x nhóm tuổi đạt được	8
doan_he_tim_mach	Đoàn hệ tim mạch Bạch Hải	1, 3–10	người (20.000 người 40–74 tuổi, khám nền 2015)	20.000
doan_he_tiem_nang	Kết cục tiềm năng của đoàn hệ	6	người	20.000
doan_he_mat_dau	Đoàn hệ có người mất theo dõi	9	người	20.000
doan_he_sai_phan_loai	Đoàn hệ với THA đo một lần	10	người	20.000
bc_tich_luy	Bệnh–chứng, chứng tích lũy	4, 7, 10	người (ca + 4 chứng/ca)	8.140
bc_mat_do	Bệnh–chứng, chứng theo mật độ	4, 7	người trong bộ ghép (1 ca + 4 chứng)	8.140
ca_benh_doan_he	Ca bệnh–đoàn hệ con	4	người	3.469
bc_benh_vien	Bệnh–chứng, chứng bệnh viện	4, 9	người	8.083
thu_nghiem_sms	Thử nghiệm SMS kiểm soát huyết áp	3, 4, 5, 8, 9, 10	người tham gia (600 người, 12 trạm y tế xã)	600
sang_loc_dtd	Sàng lọc ĐTĐ bằng HbA1c tại chỗ	10, 11	người (3.000 người, ba bối cảnh)	3.000
tien_trien_ung_thu	Bệnh sử tự nhiên u và sàng lọc	11	người có u tiền lâm sàng (20.000)	20.000
o_dich_tiec_cuoi	Ổ dịch sau tiệc cưới xã E	1, 12	khách được phỏng vấn (310)	310
giam_sat_sxh	Giám sát sốt xuất huyết hằng tuần	12	xã x tuần (4 xã/phường x 5 năm x 52 tuần)	1.040
sinh_thai_xa	Ngụy biện sinh thái: cấp xã	4	xã (30)	30
sinh_thai_ca_nhan	Ngụy biện sinh thái: cấp cá nhân	4	người (30 x 1.000)	30.000

C.3 Sổ mã và khuôn mẫu của từng bộ dữ liệu

Mỗi bộ dữ liệu dưới đây được trình bày theo cùng một thứ tự:

• Tóm tắt: ai, ở đâu, khi nào, đo gì, nói bằng lời thường.
• Dùng để dạy: bộ dữ liệu minh họa điều gì, ở những chương nào.
• Mỗi dòng là: mỗi dòng của bảng ứng với cái gì (một người, một tỉnh trong một nhóm tuổi…), có bao nhiêu dòng, và script nào sinh ra.
• Bối cảnh và giả định: ai được chọn, ở đâu, khi nào, đo thế nào, và dữ liệu giả định coi điều gì là đúng.
• Tham số thật của mô hình sinh dữ liệu: các con số dùng để sinh dữ liệu. Cách đọc ký hiệu ở phần này có trong khung ngay dưới đây.
• Ghi chú mô hình hóa: chỗ nào mô hình lệch khỏi đặc tả, và vì sao.
• Địa chỉ tải về, sổ mã, rồi năm dòng đầu của dữ liệu in bằng dplyr::glimpse(): mỗi dòng in ra là một biến, kèm kiểu và vài giá trị đầu tiên.
• Bảng khuôn mẫu, với giá trị đích, giá trị quan sát và kết quả kiểm tra. Dung sai nào đánh dấu (*) là do người dựng dữ liệu tự đặt, vì thiết kế chỉ ghi giá trị đích.

Phần bối cảnh, tham số và ghi chú cũng có trong data/README.md.

Có những bộ không sinh riêng mà rút ra từ chính đoàn hệ doan_he_tim_mach: ba phiên bản doan_he_tiem_nang, doan_he_mat_dau, doan_he_sai_phan_loai và bốn mẫu bc_tich_luy, bc_mat_do, ca_benh_doan_he, bc_benh_vien. Vì thế các bộ này chung một sự thật với đoàn hệ, và mỗi người mang cùng một mã id ở mọi bộ. Trong bốn mẫu ấy, ca bệnh là mọi người trong đoàn hệ gặp biến cố tim mạch lớn đầu tiên trong thời gian theo dõi.

Cách đọc phần tham số

• Xác suất và tỷ lệ thường viết gọn theo kiểu của R: dấu chấm thập phân, bỏ chữ số không đứng trước. Các số khác viết theo kiểu Việt Nam, với dấu phẩy thập phân.
• Dấu x là phép nhân, dấu ^ là lũy thừa. Viết /1.000 nghĩa là tính trên một nghìn người hoặc người-năm.
• Dấu ~ đọc là “có phân phối”, tức các giá trị được rút ngẫu nhiên theo kiểu nêu ngay sau dấu ấy.
• N(a, b) là phân phối chuẩn (normal distribution): hình chuông, có trung bình a và độ lệch chuẩn (standard deviation) b. Độ lệch chuẩn đo mức các giá trị tản ra quanh trung bình.
• U(a, b) là phân phối đều: mọi giá trị từ a đến b đều có khả năng như nhau. Chữ U hay U_L đứng một mình là một số ngẫu nhiên đều trong khoảng từ không đến một.
• “Mũ” là phân phối mũ, dùng cho thời gian chờ đến một biến cố khi khả năng xảy ra biến cố không đổi theo thời gian. “Trung bình …” là thời gian chờ trung bình.
• “Log-chuẩn” là phân phối của một biến mà logarit của nó có phân phối chuẩn. Phân phối này lệch về bên phải, hợp với thời kỳ ủ bệnh; sdlog là độ lệch chuẩn tính trên thang logarit.
• Poisson và nhị thức âm là các phân phối của số đếm, như số ca hay số tử vong. Số đếm theo phân phối nhị thức âm dao động mạnh hơn theo Poisson, và size càng nhỏ thì dao động càng mạnh.
• Bernoulli là rút “có” hay “không” cho từng người, như tung một đồng xu méo, với xác suất cho trước.
• Hazard là nguy cơ tức thời (hazard): tỷ suất biến cố tại một thời điểm, tính ở những người chưa có biến cố đến lúc ấy.
• Se và Sp là độ nhạy (sensitivity) và độ đặc hiệu (specificity) của một cách đo, so với cách đo chuẩn. Se là tỷ lệ người thật sự có bệnh (hay có phơi nhiễm) được cách đo ấy xếp đúng vào nhóm có; Sp là tỷ lệ người thật sự không có được xếp đúng vào nhóm không.
• Quan sát bị chặn (censoring) là khi một người rời quan sát lúc chưa biết kết cục cuối cùng, nên ngày kết thúc của họ để trống.
• Tách Lexis là chia thời gian theo dõi của mỗi người thành từng đoạn theo tuổi đạt được, để mỗi đoạn người-năm rơi đúng vào nhóm tuổi của nó.

Các ký hiệu khác có ở Phụ lục B, còn tên tiếng Anh của các số đo (RR, OR, SMR…) có ở Phụ lục A.

C.3.1 hai_tinh: Tử vong và đái tháo đường ở hai tỉnh

Tóm tắt. Năm 2024, ở hai tỉnh Lục Vân và Bạch Hải: số dân, số người chết (chung, và riêng do bệnh hô hấp mạn tính hay ung thư phổi) và số người mới được chẩn đoán đái tháo đường (ĐTĐ) típ 2. Mỗi dòng là một nhóm dân của một tỉnh theo giới và nhóm tuổi, chứ không phải một người. Lục Vân là tỉnh miền núi, dân trẻ; Bạch Hải là tỉnh ven biển, đô thị, dân già hơn.

Dùng để dạy. So sánh tỷ suất thô và chuẩn hóa: Bạch Hải có tỷ suất tử vong thô cao hơn chỉ vì dân già hơn; tỷ số ĐTĐ đổi chiều theo dân số chuẩn. Dùng ở chương 1, 2, 5, 7, 8.

Mỗi dòng là: tỉnh x giới x nhóm tuổi, năm 2024. Số dòng: 24. Script sinh dữ liệu: data-raw/01_hai_tinh.R, hạt giống 263.

Bối cảnh và giả định

• Số tử vong lấy từ hệ thống đăng ký hộ tịch, mà dữ liệu giả định coi là ghi nhận đầy đủ mọi ca
• Ca ĐTĐ típ 2 mới chẩn đoán lấy từ sổ đăng ký; dữ liệu giả định coi sổ ghi đủ mọi ca, và hai tỉnh ghi theo cùng một cách

Tham số thật của mô hình sinh dữ liệu

• Dân số: Lục Vân 800.000, Bạch Hải 1.200.000; tỷ trọng tuổi LV (.26, .25, .21, .15, .09, .04), BH (.16, .18, .21, .21, .16, .08); tỷ lệ nữ theo tuổi (.49, .49, .50, .51, .54, .60)
• Tử vong chung BH (/1.000 người-năm, hai giới): 0,8; 1,0; 2,0; 6; 18; 60; nam = 1,3 x nữ trong mỗi nhóm tuổi; LV = BH x (1,20; 1,25; 1,25; 1,25; 1,25; 1,30)
• Tử vong hô hấp nam BH (/1.000): 0,005; 0,02; 0,08; 0,40; 1,8; 6,0; nữ = 0,5 x nam; LV = 1,25 x BH
• ĐTĐ típ 2 mới mắc BH (/1.000): 0,02; 0,4; 2,5; 7; 11; 12; nam = 1,1 x nữ; LV/BH theo tuổi 1,0; 2,2; 1,9; 1,15; 0,6; 0,5 (cố ý cắt qua 1)
• Số ca ~ Poisson quanh kỳ vọng

Ghi chú mô hình hóa

• Chuẩn nội bộ (gộp hai tỉnh) được tính trong mã, không lưu

Tải về: https://youcan-e64.pages.dev/nckh/data/hai_tinh.csv

Sổ mã của hai_tinh. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
tinh	chuỗi	Tỉnh	luc_van = tỉnh Lục Vân (trẻ, miền núi, nông thôn); bach_hai = tỉnh Bạch Hải (già, ven biển, đô thị)
nam	số nguyên	Năm dương lịch	2024
gioi	chuỗi	Giới	nam; nu
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi (năm)	0-14; 15-29; 30-44; 45-59; 60-74; 75+
dan_so	số nguyên	Dân số giữa năm, dùng làm người-năm của năm 2024	người
so_tu_vong	số nguyên	Số tử vong do mọi nguyên nhân	ca
so_tu_vong_ho_hap	số nguyên	Số tử vong do bệnh hô hấp mạn tính và ung thư phổi (tỷ suất tham chiếu cho SMR)	ca
so_ca_moi_dtd	số nguyên	Số ca đái tháo đường típ 2 mới chẩn đoán (sổ đăng ký); mẫu số xấp xỉ bằng dan_so (đơn giản hóa)	ca

Rows: 5
Columns: 8
$ tinh              <chr> "luc_van", "luc_van", "luc_van", "luc_van", "luc_v…
$ nam               <dbl> 2024, 2024, 2024, 2024, 2024
$ gioi              <chr> "nam", "nam", "nam", "nam", "nam"
$ nhom_tuoi         <chr> "0-14", "15-29", "30-44", "45-59", "60-74"
$ dan_so            <dbl> 106080, 102000, 84000, 58800, 33120
$ so_tu_vong        <dbl> 111, 143, 234, 498, 875
$ so_tu_vong_ho_hap <dbl> 0, 2, 9, 37, 80
$ so_ca_moi_dtd     <dbl> 4, 97, 423, 488, 224

Khuôn mẫu của hai_tinh, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tỷ suất tử vong thô Lục Vân /1.000	7,36 (7,1–7,6)	7,322	có
Tỷ suất tử vong thô Bạch Hải /1.000	9,67 (9,4–9,9)	9,719	có
Tỷ số tử vong thô BH/LV	1,31 (1,26–1,37)	1,327	có
Tỷ số chuẩn hóa trực tiếp BH/LV, chuẩn nội bộ	0,79 (0,75–0,83)	0,794	có
Tỷ số chuẩn hóa BH/LV, chuan_quoc_gia_gd	0,75–0,83	0,795	có
Tỷ số chuẩn hóa BH/LV, chuan_tre	0,75–0,83	0,797	có
Tỷ số chuẩn hóa BH/LV, chuan_gia	0,75–0,83	0,793	có
Tỷ số BH/LV theo tuổi, nhóm >= 30 (nhỏ nhất)	0,70–0,90 mọi nhóm	0,776	có
Tỷ số BH/LV theo tuổi, nhóm >= 30 (lớn nhất)	0,70–0,90 mọi nhóm	0,823	có
Tỷ số BH/LV theo tuổi, nhóm < 30 (nhỏ nhất)	0,60–1,00	0,783	có
Tỷ số BH/LV theo tuổi, nhóm < 30 (lớn nhất)	0,60–1,00	0,843	có
Nam > nữ: số nhóm tuổi x tỉnh (thô + theo tuổi) đạt	14/14	14,000	có
ĐTĐ: tỷ số chuẩn hóa LV/BH, chuan_tre	1,16 (1,08–1,25)	1,159	có
ĐTĐ: tỷ số chuẩn hóa LV/BH, chuan_gia	0,83 (0,77–0,89)	0,825	có
ĐTĐ: tỷ số chuẩn hóa LV/BH, chuẩn nội bộ	0,95 (0,88–1,02)	0,951	có
ĐTĐ: tỷ suất thô Lục Vân /1.000	3,26 (±0,3)	3,286	có
ĐTĐ: tỷ suất thô Bạch Hải /1.000	4,79 (±0,3)	4,827	có

C.3.2 dan_so_chuan: Ba dân số chuẩn

Tóm tắt. Không phải dữ liệu về người: đây là ba bộ trọng số theo nhóm tuổi, tức ba dân số chuẩn. Một bộ đóng vai dân số chuẩn của cả nước, một bộ trẻ và một bộ già. Đem tỷ suất của hai tỉnh chuẩn hóa theo từng bộ, ta thấy kết quả đổi theo dân số chuẩn được chọn.

Dùng để dạy. Cho thấy kết quả chuẩn hóa trực tiếp phụ thuộc lựa chọn dân số chuẩn. Dùng ở chương 2.

Mỗi dòng là: nhóm tuổi. Số dòng: 6. Script sinh dữ liệu: data-raw/01_hai_tinh.R, hạt giống 263.

Tham số thật của mô hình sinh dữ liệu

• chuan_quoc_gia_gd (.22, .22, .22, .18, .11, .05); chuan_tre (.30, .28, .22, .12, .06, .02); chuan_gia (.10, .12, .18, .24, .22, .14)

Tải về: https://youcan-e64.pages.dev/nckh/data/dan_so_chuan.csv

Sổ mã của dan_so_chuan. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	0-14 … 75+
chuan_quoc_gia_gd	số thực	Tỷ trọng tuổi của dân số chuẩn ‘quốc gia’ giả định	tổng = 1
chuan_tre	số thực	Tỷ trọng tuổi của một dân số chuẩn trẻ	tổng = 1
chuan_gia	số thực	Tỷ trọng tuổi của một dân số chuẩn già	tổng = 1

Rows: 5
Columns: 4
$ nhom_tuoi         <chr> "0-14", "15-29", "30-44", "45-59", "60-74"
$ chuan_quoc_gia_gd <dbl> 0.22, 0.22, 0.22, 0.18, 0.11
$ chuan_tre         <dbl> 0.30, 0.28, 0.22, 0.12, 0.06
$ chuan_gia         <dbl> 0.10, 0.12, 0.18, 0.24, 0.22

C.3.3 quan_the_mo: Quần thể mở phường D

Tóm tắt. Mọi người trưởng thành sống ở phường D trong 2020–2024; mỗi dòng là một người, kèm ngày bắt đầu, ngày kết thúc quan sát và lý do. Suốt thời gian ấy luôn có người chuyển đến, chuyển đi hay qua đời, nên đây là quần thể mở. Bệnh được đếm là trầm cảm có điều trị tại trạm y tế phường; các đợt bệnh nằm ở bộ quan_the_mo_dot.

Dùng để dạy. Quần thể mở ở trạng thái ổn định: người-thời gian nguy cơ, đợt bệnh tái phát, quan hệ hiện mắc–mới mắc–thời gian mắc. Dùng ở chương 1.

Mỗi dòng là: người. Số dòng: 4.216. Script sinh dữ liệu: data-raw/02_quan_the_mo.R, hạt giống 40.

Bối cảnh và giả định

• Quần thể gồm người từ 18 tuổi trở lên cư trú ở phường D, quan sát trong 2020–2024
• Chỉ đếm những đợt trầm cảm được điều trị tại trạm y tế phường

Tham số thật của mô hình sinh dữ liệu

• Khoảng 3.000 người cư trú tại mọi thời điểm; vào và ra mỗi dòng 8%/năm (chuyển đi 7%, tử vong 1%)
• Tỷ suất khởi phát đợt trầm cảm ở người không đang trong đợt 40/1.000 người-năm
• Thời gian đợt ~ mũ, trung bình 0,5 năm; được tái phát sau khi khỏi

Ghi chú mô hình hóa

• Người có mặt đầu kỳ hoặc chuyển đến có thể đang trong đợt lúc vào (xác suất hiện mắc dừng I d/(1 + I d)); đợt đó có ngày bắt đầu trước ngay_vao
• Đợt chưa khỏi khi rời quan sát có ngay_ket_thuc trống (kiểm duyệt); thời gian đợt trung bình được kiểm bằng ước lượng người-thời gian (tổng thời gian trong đợt / số lần khỏi)
• Khuôn mẫu ‘>= 5% có >= 2 đợt’ được hiểu là trong số người có >= 1 đợt: với mô hình của đặc tả, tỷ lệ này trên toàn bộ người chỉ khoảng 1%

Tải về: https://youcan-e64.pages.dev/nckh/data/quan_the_mo.csv

Sổ mã của quan_the_mo. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
gioi	chuỗi	Giới	nam; nu
nam_sinh	số nguyên	Năm sinh
ngay_vao	ngày	Ngày bắt đầu được quan sát	YYYY-MM-DD
ly_do_vao	chuỗi	Lý do vào quần thể quan sát	co_mat_dau_ky = có mặt ngày 2020-01-01; du_18_tuoi = sinh nhật thứ 18; chuyen_den = chuyển đến
ngay_ra	ngày	Ngày kết thúc quan sát	YYYY-MM-DD
ly_do_ra	chuỗi	Lý do ra	chuyen_di; tu_vong; het_theo_doi = còn ở phường ngày 2024-12-31

Rows: 5
Columns: 7
$ id        <dbl> 1, 2, 3, 4, 5
$ gioi      <chr> "nam", "nam", "nam", "nu", "nu"
$ nam_sinh  <dbl> 1985, 1999, 1981, 1997, 1973
$ ngay_vao  <date> 2020-01-01, 2020-01-01, 2020-01-01, 2020-01-01, 2020-01-01
$ ly_do_vao <chr> "co_mat_dau_ky", "co_mat_dau_ky", "co_mat_dau_ky", "co_mat…
$ ngay_ra   <date> 2024-12-31, 2024-12-31, 2023-06-06, 2024-12-31, 2024-12-31
$ ly_do_ra  <chr> "het_theo_doi", "het_theo_doi", "chuyen_di", "het_theo_doi…

Khuôn mẫu của quan_the_mo, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tỷ suất mới mắc /1.000 người-năm nguy cơ	40 (35–45)	41,189	có
Thời gian đợt trung bình (năm)	0,50 (0,42–0,58)	0,464	có
Hiện mắc điểm 2023-01-01	0,020 (0,012–0,028)	0,019	có
Odds hiện mắc / (I x d̄)	trong ±25%	1,027	có
Tỷ lệ có >= 2 đợt, trong số người có >= 1 đợt	>= 0,05	0,098	có
Dân số mỗi 1/1 lệch tối đa so với trung bình 5 năm	<= 5%	0,009	có
Dân số trung bình mỗi 1/1	~3.000 (2.700–3.300)	3.022	có

C.3.4 quan_the_mo_dot: Các đợt trầm cảm

Tóm tắt. Các đợt trầm cảm của chính những người dân phường D trong bộ quan_the_mo; mỗi dòng là một đợt, kèm ngày bắt đầu và ngày khỏi. Khỏi rồi vẫn có thể tái phát, nên một người có thể có nhiều đợt.

Dùng để dạy. Đếm biến cố (đợt) thay vì người; đợt tái phát. Dùng ở chương 1.

Mỗi dòng là: đợt bệnh. Số dòng: 695. Script sinh dữ liệu: data-raw/02_quan_the_mo.R, hạt giống 40.

Tham số thật của mô hình sinh dữ liệu

• Xem quan_the_mo

Tải về: https://youcan-e64.pages.dev/nckh/data/quan_the_mo_dot.csv

Sổ mã của quan_the_mo_dot. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id_dot	số nguyên	Mã đợt trầm cảm
id	số nguyên	Mã người (nối với quan_the_mo)
ngay_bat_dau	ngày	Ngày bắt đầu đợt; có thể trước ngay_vao nếu người đó đang trong đợt lúc vào quan sát	YYYY-MM-DD
ngay_ket_thuc	ngày	Ngày khỏi; để trống nếu đợt chưa kết thúc khi người đó rời quan sát (bị kiểm duyệt)	YYYY-MM-DD hoặc trống

Rows: 5
Columns: 4
$ id_dot        <dbl> 1, 2, 3, 4, 5
$ id            <dbl> 11, 12, 13, 13, 14
$ ngay_bat_dau  <date> 2024-07-07, 2023-07-22, 2020-04-05, 2022-10-25, 2022-0…
$ ngay_ket_thuc <date> NA, 2023-10-27, 2020-04-10, 2023-06-07, 2023-01-18

C.3.5 cong_nhan_mo_da: Đoàn hệ công nhân mỏ đá X

Tóm tắt. Nam công nhân của Công ty Khai thác Đá X ở tỉnh Bạch Hải, vào làm trong 2005–2015; mỗi dòng là một người. Mỗi người được theo dõi từ ngày vào làm cho đến khi chết hoặc đến đầu năm 2025, kể cả sau khi nghỉ việc. Dữ liệu ghi khu vực làm việc (khai thác hay văn phòng), người ấy còn sống hay đã chết, và chết vì nguyên nhân gì. Tỷ suất tử vong của công nhân được đem so với tỷ suất của nam giới toàn tỉnh.

Dùng để dạy. Tỷ số tử vong chuẩn hóa (SMR) với tỷ suất tham chiếu là nam tỉnh Bạch Hải; hiệu ứng công nhân khỏe mạnh. Dùng ở chương 2, 5, 9.

Mỗi dòng là: công nhân (4.000 nam). Số dòng: 4.000. Script sinh dữ liệu: data-raw/03_cong_nhan_mo_da.R, hạt giống 231.

Bối cảnh và giả định

• Công ty Khai thác Đá X ở tỉnh Bạch Hải; công nhân vào đoàn hệ từ ngày được tuyển, theo hồ sơ nhân sự của công ty
• Tình trạng sống và nguyên nhân tử vong lấy từ liên kết với đăng ký hộ tịch, kể cả sau khi nghỉ việc; dữ liệu giả định coi liên kết ấy là đầy đủ
• Tỷ suất tham chiếu chỉ lấy năm 2024 nhưng áp cho cả giai đoạn theo dõi: một cách đơn giản hóa, vì tỷ suất thật đổi theo năm lịch

Tham số thật của mô hình sinh dữ liệu

• Vào đoàn hệ đều trong 2005–2015; 70% khai_thac, 30% van_phong; theo dõi tình trạng sống đến 2025,0
• Hazard theo tuổi đạt được = tỷ suất THẬT của nam Bạch Hải (hai_tinh), với tử vong không do hô hấp x 0,75 (hiệu ứng công nhân khỏe mạnh) ở cả hai khu vực, tử vong hô hấp x 3,0 ở khai_thac và x 1,0 ở van_phong

Ghi chú mô hình hóa

• Tuổi vào 20–55 (trung bình khoảng 36) thay vì 18–45 (trung bình 28) của đặc tả: với lực lượng trẻ như đặc tả, số tử vong hô hấp kỳ vọng chỉ khoảng 5 (đặc tả cần 12–16) và cận trên KTC 95% của SMR chung sát hoặc vượt 1
• Tổng người-năm khoảng 58.600 (đặc tả ghi khoảng 55.000; khoảng chấp nhận 50.000–60.000): 4.000 người x 15 năm trung bình

Tải về: https://youcan-e64.pages.dev/nckh/data/cong_nhan_mo_da.csv

Sổ mã của cong_nhan_mo_da. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã công nhân
khu_vuc	chuỗi	Khu vực làm việc	khai_thac = khai thác, nghiền đá; van_phong = văn phòng
nam_sinh	số nguyên	Năm sinh
nam_vao	số thực	Thời điểm vào đoàn hệ (năm thập phân)	2005-2015
tuoi_vao	số thực	Tuổi lúc vào	năm
nam_ra	số thực	Thời điểm ra: tử vong hoặc 2025,0 (tiếp tục liên kết tình trạng sống sau khi nghỉ việc; không mất theo dõi)	năm thập phân
tu_vong	0/1	Tử vong trong thời gian theo dõi	1 = có
nguyen_nhan	chuỗi	Nguyên nhân tử vong	ho_hap = hô hấp mạn tính hoặc ung thư phổi; khac; trống nếu còn sống

Rows: 5
Columns: 8
$ id          <dbl> 1, 2, 3, 4, 5
$ khu_vuc     <chr> "khai_thac", "khai_thac", "khai_thac", "khai_thac", "kha…
$ nam_sinh    <dbl> 1960, 1975, 1974, 1966, 1969
$ nam_vao     <dbl> 2013.662, 2012.464, 2007.757, 2006.288, 2010.195
$ tuoi_vao    <dbl> 53.545, 37.338, 33.708, 39.952, 40.791
$ nam_ra      <dbl> 2025, 2025, 2025, 2025, 2025
$ tu_vong     <dbl> 0, 0, 0, 0, 0
$ nguyen_nhan <chr> NA, NA, NA, NA, NA

Khuôn mẫu của cong_nhan_mo_da, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tổng người-năm	~55.000 (50.000–60.000)	58.202	có
Người-năm: bảng tổng hợp khớp dữ liệu cá nhân	chênh < 1	0,129	có
SMR tử vong chung	0,83 (0,78–0,88)	0,814	có
SMR tử vong chung: cận trên KTC 95%	< 1	0,933	có
SMR hô hấp, chung	2,4 (2,0–2,8)	2,466	có
SMR hô hấp, khai_thac	3,0 (2,5–3,6)	3,001	có
SMR hô hấp, khai_thac: cận dưới KTC	> 1,5	2,072	có
SMR hô hấp, van_phong	1,0 (0,5–1,6)	1,234	có
SMR hô hấp, van_phong: KTC chứa 1	cận dưới < 1 < cận trên	0,514	có
Số tử vong hô hấp kỳ vọng, chung	12–16	13,380	có

C.3.6 cong_nhan_ng_nam: Người-năm công nhân theo khu vực x tuổi

Tóm tắt. Bảng tổng hợp từ cong_nhan_mo_da: người-năm theo dõi và số tử vong của công nhân, chia theo khu vực làm việc và nhóm tuổi đạt được. Tuổi đạt được là tuổi của công nhân ở từng năm theo dõi, chứ không phải tuổi lúc vào làm. Mỗi dòng là một khu vực trong một nhóm tuổi.

Dùng để dạy. Bảng tổng hợp (tách Lexis theo tuổi đạt được) dùng trực tiếp để tính số tử vong kỳ vọng. Dùng ở chương 2, 5, 9.

Mỗi dòng là: khu vực x nhóm tuổi đạt được. Số dòng: 8. Script sinh dữ liệu: data-raw/03_cong_nhan_mo_da.R, hạt giống 231.

Tham số thật của mô hình sinh dữ liệu

• Xem cong_nhan_mo_da

Tải về: https://youcan-e64.pages.dev/nckh/data/cong_nhan_ng_nam.csv

Sổ mã của cong_nhan_ng_nam. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
khu_vuc	chuỗi	Khu vực làm việc	khai_thac; van_phong
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi đạt được (tách Lexis)	15-29; 30-44; 45-59; 60-74
nguoi_nam	số thực	Người-năm	năm
so_tu_vong	số nguyên	Số tử vong mọi nguyên nhân	ca
so_tu_vong_ho_hap	số nguyên	Số tử vong hô hấp	ca

Rows: 5
Columns: 5
$ khu_vuc           <chr> "khai_thac", "khai_thac", "khai_thac", "khai_thac"…
$ nhom_tuoi         <chr> "15-29", "30-44", "45-59", "60-74", "15-29"
$ nguoi_nam         <dbl> 2645.6, 21493.1, 15505.3, 1096.7, 1247.0
$ so_tu_vong        <dbl> 1, 42, 87, 19, 1
$ so_tu_vong_ho_hap <dbl> 1, 5, 18, 4, 0

C.3.7 doan_he_tim_mach: Đoàn hệ tim mạch Bạch Hải

Tóm tắt. Năm 2015, nhóm nghiên cứu khám 20.000 người 40–74 tuổi ở tỉnh Bạch Hải, chưa ai từng bị đột quỵ, nhồi máu cơ tim hay bệnh mạch vành, rồi theo dõi họ 10 năm. Lần khám đầu tiên ấy gọi là khám nền; lúc đó ghi tuổi, giới, THA, hút thuốc, uống rượu bia nhiều và phì đại thất trái. Trong thời gian theo dõi, nhóm nghiên cứu ghi lại ai gặp biến cố tim mạch lớn (đột quỵ, nhồi máu cơ tim hay tử vong do tim mạch) và ai chết vì nguyên nhân khác. Người tham gia được rút ngẫu nhiên từ sổ đăng ký dân cư, riêng cho từng nhóm tuổi và giới. Mỗi nhóm lấy đúng theo tỷ lệ của nhóm ấy trong dân số tỉnh, nên đoàn hệ đại diện cho người 40–74 tuổi của tỉnh.

Dùng để dạy. Đoàn hệ chính: nguy cơ, tỷ suất, odds, biến cố cạnh tranh; nhiễu do tuổi; thay đổi tác động theo giới trên thang cộng; biến trung gian; không gộp được của OR. Dùng ở chương 1, 3–10.

Mỗi dòng là: người (20.000 người 40–74 tuổi, khám nền 2015). Số dòng: 20.000. Script sinh dữ liệu: data-raw/04_doan_he_tim_mach.R, hạt giống 38.

Bối cảnh và giả định

• Mẫu ngẫu nhiên phân tầng theo nhóm tuổi và giới, rút từ sổ đăng ký dân cư của tỉnh Bạch Hải; dữ liệu giả định coi như ai được mời cũng nhận lời tham gia
• Người có tiền sử đột quỵ, nhồi máu cơ tim hay bệnh mạch vành không được đưa vào đoàn hệ, nên dữ liệu không có biến tiền sử
• Mỗi năm, nhóm nghiên cứu liên lạc lại với từng người, đồng thời tra hồ sơ bệnh viện và sổ đăng ký tử vong để tìm biến cố; dữ liệu giả định coi mọi biến cố đều được phát hiện và xếp loại đúng, và không ai mất theo dõi
• Hút thuốc (đang hút) và uống rượu bia nhiều (từ 14 đơn vị cồn chuẩn mỗi tuần trở lên) đều do người tham gia tự khai lúc khám nền

Tham số thật của mô hình sinh dữ liệu

• Nhóm tuổi 45% / 33% / 22%; nam 48%
• THA: .15 / .35 / .55 theo nhóm tuổi, độc lập với giới, hút thuốc, rượu
• Hút thuốc: nam .45, nữ .02
• Rượu nhiều: nam .40, nữ .03, nhân 1,0 / 0,75 / 0,50 theo nhóm tuổi
• Phì đại thất trái: U_L chung; LVH^0 = U_L < .05, LVH^1 = U_L < .30
• Nguy cơ 10 năm khi không có tử vong cạnh tranh r = min(0,9; b x 1,5^hút thuốc x 1,3^rượu x 1,615^THA x 2,0^LVH), b nữ .02/.04/.07, nam .035/.07/.12: tác động toàn phần của THA lên r là RR = 2,0 trong mọi tầng
• Thời gian đến biến cố tim mạch: -ln(U)/h, h = -ln(1 - r)/10 (cùng U cho hai trạng thái tiềm năng)
• Tử vong khác ~ mũ, hazard .003/.008/.02 mỗi năm, x 1,5 ở nam
• Tử vong trong 28 ngày: .20/.25/.35

Ghi chú mô hình hóa

• Vì có tử vong cạnh tranh, RR quan sát (kể cả khi đã chuẩn hóa) hơi lớn hơn 2,0: kỳ vọng khoảng 2,03 (mô phỏng 10^6 người)

Tải về: https://youcan-e64.pages.dev/nckh/data/doan_he_tim_mach.csv

Sổ mã của doan_he_tim_mach. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người (dùng chung cho mọi phiên bản suy ra và mẫu bệnh–chứng)
tuoi	số nguyên	Tuổi lúc khám nền 2015	năm
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi lúc khám nền	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
tha	0/1	Tăng huyết áp lúc nền (tình trạng thật: trung bình 3 lần đo chuẩn >= 140/90 hoặc đang điều trị)	1 = có
hut_thuoc	0/1	Đang hút thuốc	1 = có
uong_ruou	0/1	Uống rượu bia nhiều	1 = có
phi_dai_that_trai	0/1	Phì đại thất trái trên điện tim lúc nền (hậu quả của THA lâu năm: biến trung gian)	1 = có
bien_co_tm	0/1	Biến cố tim mạch lớn đầu tiên trong 10 năm (đột quỵ, nhồi máu cơ tim, tử vong tim mạch)	1 = có
tu_vong_tm	0/1	Biến cố gây tử vong trong 28 ngày (tập con của bien_co_tm)	1 = có
tu_vong_khac	0/1	Tử vong không do tim mạch trước mọi biến cố tim mạch (biến cố cạnh tranh)	1 = có
thoi_gian	số thực	Thời gian đến biến cố tim mạch, tử vong khác, hoặc 10 năm (cái nào đến trước)	năm

Rows: 5
Columns: 12
$ id                <dbl> 1, 2, 3, 4, 5
$ tuoi              <dbl> 40, 45, 45, 51, 59
$ nhom_tuoi         <chr> "40-54", "40-54", "40-54", "40-54", "55-64"
$ gioi              <chr> "nu", "nu", "nam", "nam", "nu"
$ tha               <dbl> 0, 0, 0, 0, 1
$ hut_thuoc         <dbl> 0, 0, 1, 1, 0
$ uong_ruou         <dbl> 1, 0, 0, 1, 0
$ phi_dai_that_trai <dbl> 0, 0, 0, 0, 0
$ bien_co_tm        <dbl> 0, 0, 0, 0, 1
$ tu_vong_tm        <dbl> 0, 0, 0, 0, 0
$ tu_vong_khac      <dbl> 0, 0, 0, 0, 0
$ thoi_gian         <dbl> 10.000, 10.000, 10.000, 10.000, 1.826

Khuôn mẫu của doan_he_tim_mach, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Hiện mắc THA	0,30 (0,28–0,32)	0,300	có
Hiện mắc THA, 40-54	0,15 (±0,03)	0,146	có
Hiện mắc THA, 55-64	0,35 (±0,03)	0,339	có
Hiện mắc THA, 65-74	0,55 (±0,03)	0,545	có
Tỷ lệ mới mắc tích lũy 10 năm (biến cố TM)	0,082 (0,075–0,090)	0,081	có
Tỷ suất mới mắc /1.000 người-năm	9,1 (8,3–9,9)	8,960	có
Tỷ lệ tử vong không do TM	0,089 (0,080–0,098)	0,092	có
Tỷ lệ tử vong trong số ca (case fatality)	0,25–0,30	0,266	có
RR thô (THA)	2,74 (2,50–2,95)	2,820	có
RR MH hiệu chỉnh tuổi	2,00 (1,85–2,15)	2,046	có
RR theo từng nhóm tuổi (nhỏ nhất)	mỗi nhóm 1,65–2,40	1,940	có
RR theo từng nhóm tuổi (lớn nhất)	mỗi nhóm 1,65–2,40	2,170	có
IRR MH hiệu chỉnh tuổi	2,11 (1,95–2,30)	2,160	có
IRR MH - RR MH	> 0	0,115	có
OR nguy cơ MH hiệu chỉnh tuổi	2,19 (2,00–2,40)	2,240	có
OR MH - IRR MH	> 0	0,080	có
OR nguy cơ thô	3,04 (2,75–3,35)	3,138	có
RR chuẩn hóa tuổi, nữ	2,03 (1,75–2,30)	2,071	có
RR chuẩn hóa tuổi, nam	1,99 (1,75–2,30)	2,014	có
Tỷ số RR nữ / RR nam	0,85–1,18	1,028	có
RD chuẩn hóa tuổi, nữ	0,039 (0,030–0,048)	0,039	có
RD chuẩn hóa tuổi, nam	0,083 (0,070–0,097)	0,083	có
RERI (THA x nam)	1,19 (0,70–1,70)	1,225	có
Hiện mắc phì đại thất trái	0,126 (0,11–0,14)	0,123	có
RR MH hiệu chỉnh tuổi + phì đại thất trái	1,62 (1,45–1,80)	1,675	có
RR MH với tuổi gộp 2 nhóm	2,16 (2,05–2,35)	2,241	có
RR MH 2 nhóm tuổi - RR MH 3 nhóm tuổi	> 0	0,195	có
OR MH (tuổi x giới x hút thuốc) - OR MH (tuổi)	>= 0,02	0,039	có
|RR MH (tuổi x giới x hút thuốc) - RR MH (tuổi)|	< 0,01	0,002	có
RR hút thuốc (hiệu chỉnh tuổi, giới)	1,50 (1,30–1,70)	1,490	có
RR của THA theo hút thuốc (thô)	0,90–1,10	1,028	có
Uống rượu: RR thô	1,52 (1,35–1,70)	1,528	có
Uống rượu: RR hiệu chỉnh tuổi	1,83 (1,60–2,05)	1,863	có
Uống rượu: RR hiệu chỉnh giới	1,06 (0,92–1,20)	1,058	có
Uống rượu: RR hiệu chỉnh tuổi + giới	1,31 (1,15–1,48)	1,343	có
PAF nhân quả (từ kết cục tiềm năng)	0,27 (0,24–0,30)*	0,264	có
AF trong nhóm phơi nhiễm (nhân quả)	0,50 (0,47–0,53)*	0,498	có

C.3.8 doan_he_tiem_nang: Kết cục tiềm năng của đoàn hệ

Tóm tắt. Chính những người của đoàn hệ doan_he_tim_mach, kèm hai kết cục tiềm năng của mỗi người: có gặp biến cố tim mạch hay không nếu bị THA, và nếu không bị THA. Ngoài đời chỉ thấy được một trong hai kết cục ấy; ở đây thấy cả hai, nên tính được tác động nhân quả thật. Bộ này có thêm một nhóm nhỏ người được chọn sẵn để minh họa.

Dùng để dạy. Hiệu ứng nhân quả so với liên quan; bốn kiểu đáp ứng; trao đổi được có điều kiện theo tuổi. Dùng ở chương 6.

Mỗi dòng là: người. Số dòng: 20.000. Script sinh dữ liệu: data-raw/04_doan_he_tim_mach.R, hạt giống 38.

Tham số thật của mô hình sinh dữ liệu

• y0, y1 sinh từ cùng U, U_L và thời điểm tử vong khác của doan_he_tim_mach; đơn điệu theo cấu trúc (không có kiểu phòng ngừa)
• 12 người minh họa: THA = 1 gồm 2 chắc chắn mắc, 2 nhân quả, 2 miễn nhiễm; THA = 0 gồm 1 chắc chắn mắc, 1 nhân quả, 4 miễn nhiễm: RR quan sát = 4, RR nhân quả = 2

Tải về: https://youcan-e64.pages.dev/nckh/data/doan_he_tiem_nang.csv

Sổ mã của doan_he_tiem_nang. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người (như doan_he_tim_mach)
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
tha	0/1	Tăng huyết áp quan sát được	1 = có
y0	0/1	Kết cục tiềm năng nếu THA được đặt bằng 0	1 = có biến cố
y1	0/1	Kết cục tiềm năng nếu THA được đặt bằng 1	1 = có biến cố
y	0/1	Kết cục quan sát (= bien_co_tm; = y1 nếu tha = 1, y0 nếu tha = 0)	1 = có biến cố
kieu_dap_ung	chuỗi	Kiểu đáp ứng nhân quả	chac_chan_mac (y0 = y1 = 1); nhan_qua (y0 = 0, y1 = 1); phong_ngua (y0 = 1, y1 = 0); mien_nhiem (y0 = y1 = 0)
nhom_minh_hoa	0/1	Thuộc nhóm 12 người minh họa	1 = có

Rows: 5
Columns: 9
$ id            <dbl> 1, 2, 3, 4, 5
$ nhom_tuoi     <chr> "40-54", "40-54", "40-54", "40-54", "55-64"
$ gioi          <chr> "nu", "nu", "nam", "nam", "nu"
$ tha           <dbl> 0, 0, 0, 0, 1
$ y0            <dbl> 0, 0, 0, 0, 1
$ y1            <dbl> 0, 1, 0, 0, 1
$ y             <dbl> 0, 0, 0, 0, 1
$ kieu_dap_ung  <chr> "mien_nhiem", "nhan_qua", "mien_nhiem", "mien_nhiem", …
$ nhom_minh_hoa <dbl> 0, 1, 0, 0, 0

Khuôn mẫu của doan_he_tiem_nang, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Nhất quán: y = y1 nếu THA, y0 nếu không; y = bien_co_tm	đúng	1,000	có
E[Y^0]	0,060 (0,056–0,064)	0,060	có
E[Y^1]	0,120 (0,114–0,126)	0,119	có
RR nhân quả	2,01 (1,93–2,08)	1,991	có
RD nhân quả	0,060 (0,054–0,066)*	0,059	có
Tỷ lệ ‘chắc chắn mắc’	≈ 0,060 (0,054–0,066)*	0,060	có
Tỷ lệ ‘nhân quả’	≈ 0,060 (0,054–0,066)*	0,059	có
Tỷ lệ ‘phòng ngừa’	= 0	0,000	có
Tỷ lệ ‘miễn nhiễm’	≈ 0,88 (0,86–0,90)*	0,881	có
RR liên quan thô (≠ nhân quả)	≈ 2,74 (2,50–2,95)	2,820	có
Max |RR liên quan - RR nhân quả| trong nhóm tuổi	< 0,25*	0,183	có
12 người minh họa: 3 chắc chắn mắc, 3 nhân quả, 6 miễn nhiễm, 6 THA	đúng	12,000	có
12 người: RR quan sát	>= 3	4,000	có
12 người: RR nhân quả	= 2,0	2,000	có

C.3.9 doan_he_mat_dau: Đoàn hệ có người mất theo dõi

Tóm tắt. Chính đoàn hệ doan_he_tim_mach, nhưng có thêm người mất theo dõi, tức nhóm nghiên cứu không còn liên lạc được nên không biết về sau họ ra sao. Người THA gặp biến cố dễ bị mất theo dõi hơn người khác, nên phân tích chỉ trên những biến cố ghi nhận được sẽ cho kết quả sai lệch.

Dùng để dạy. Sai lệch chọn lựa do mất theo dõi phụ thuộc cả phơi nhiễm và biến cố. Dùng ở chương 9.

Mỗi dòng là: người. Số dòng: 20.000. Script sinh dữ liệu: data-raw/04_doan_he_tim_mach.R, hạt giống 38.

Tham số thật của mô hình sinh dữ liệu

• Người THA có biến cố bị mất theo dõi với xác suất .40 ĐÚNG lúc biến cố (chuyển viện ra ngoài vùng giám sát, biến cố không được ghi)
• Mọi người khác mất theo dõi với xác suất .10 tại một thời điểm đều trong thời gian theo dõi của họ

Tải về: https://youcan-e64.pages.dev/nckh/data/doan_he_mat_dau.csv

Sổ mã của doan_he_mat_dau. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
tha	0/1	Tăng huyết áp	1 = có
bien_co_tm	0/1	Biến cố thật (chỉ để đối chiếu; nhà nghiên cứu không thấy)	1 = có
mat_dau	0/1	Mất theo dõi trước khi kết thúc theo dõi	1 = có
thoi_gian_qs	số thực	Thời gian theo dõi quan sát được	năm
bien_co_qs	0/1	Biến cố được ghi nhận	1 = có

Rows: 5
Columns: 8
$ id           <dbl> 1, 2, 3, 4, 5
$ nhom_tuoi    <chr> "40-54", "40-54", "40-54", "40-54", "55-64"
$ gioi         <chr> "nu", "nu", "nam", "nam", "nu"
$ tha          <dbl> 0, 0, 0, 0, 1
$ bien_co_tm   <dbl> 0, 0, 0, 0, 1
$ mat_dau      <dbl> 0, 0, 0, 0, 1
$ thoi_gian_qs <dbl> 10.000, 10.000, 10.000, 10.000, 1.826
$ bien_co_qs   <dbl> 0, 0, 0, 0, 0

Khuôn mẫu của doan_he_mat_dau, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tỷ lệ mất theo dõi chung	0,11 (0,10–0,13)	0,114	có
Tỷ lệ mất theo dõi, THA = 1	≈ 0,14 (0,12–0,16)*	0,150	có
Tỷ lệ mất theo dõi, THA = 0	≈ 0,10 (0,09–0,11)*	0,099	có
RR MH tuổi, phân tích ca đầy đủ	1,42 (1,25–1,60)	1,356	có
IRR MH tuổi, kiểm duyệt lúc mất theo dõi	1,41 (1,25–1,60)	1,340	có

C.3.10 doan_he_sai_phan_loai: Đoàn hệ với THA đo một lần

Tóm tắt. Chính đoàn hệ doan_he_tim_mach, thêm cột tha_do_mot_lan: THA xác định chỉ bằng một lần đo huyết áp lúc khám nền, thay vì theo trung bình 3 lần đo chuẩn hoặc đang điều trị như cột tha. Một lần đo dễ sai, nên có người bị xếp nhầm nhóm.

Dùng để dạy. Phân loại sai không phân biệt ở phơi nhiễm làm RR lệch về 1; hiệu chỉnh ngược bằng Se/Sp. Dùng ở chương 10.

Mỗi dòng là: người. Số dòng: 20.000. Script sinh dữ liệu: data-raw/04_doan_he_tim_mach.R, hạt giống 38.

Bối cảnh và giả định

• Lần đo duy nhất của tha_do_mot_lan diễn ra lúc khám nền, với cùng ngưỡng 140/90 mmHg như tha

Tham số thật của mô hình sinh dữ liệu

• tha_do_mot_lan: Se .70, Sp .95 so với tha, độc lập với kết cục khi biết tha

Tải về: https://youcan-e64.pages.dev/nckh/data/doan_he_sai_phan_loai.csv

Sổ mã của doan_he_sai_phan_loai. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
tha	0/1	Tăng huyết áp thật (chỉ để đối chiếu)	1 = có
tha_do_mot_lan	0/1	Tăng huyết áp theo một lần đo tại phòng khám	1 = có
bien_co_tm	0/1	Biến cố tim mạch trong 10 năm	1 = có
thoi_gian	số thực	Thời gian theo dõi	năm

Rows: 5
Columns: 7
$ id             <dbl> 1, 2, 3, 4, 5
$ nhom_tuoi      <chr> "40-54", "40-54", "40-54", "40-54", "55-64"
$ gioi           <chr> "nu", "nu", "nam", "nam", "nu"
$ tha            <dbl> 0, 0, 0, 0, 1
$ tha_do_mot_lan <dbl> 0, 0, 0, 1, 1
$ bien_co_tm     <dbl> 0, 0, 0, 0, 1
$ thoi_gian      <dbl> 10.000, 10.000, 10.000, 10.000, 1.826

Khuôn mẫu của doan_he_sai_phan_loai, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Hiện mắc THA đo một lần	0,25 (0,23–0,27)	0,243	có
Se quan sát (so với THA thật)	0,67–0,73	0,692	có
Sp quan sát	0,94–0,96	0,949	có
RR MH tuổi với THA đo một lần	1,57 (1,42–1,72)	1,599	có
RR MH sau hiệu chỉnh ngược Se/Sp	1,85–2,15	2,027	có

C.3.11 bc_tich_luy: Bệnh–chứng, chứng tích lũy

Tóm tắt. Mẫu bệnh–chứng rút từ đoàn hệ doan_he_tim_mach. Ca bệnh là mọi người gặp biến cố tim mạch; nhóm chứng là một số người chọn ngẫu nhiên trong những người còn sống và chưa gặp biến cố ở cuối thời gian theo dõi. Cả hai nhóm được phỏng vấn và tự kể mình có THA hay không.

Dùng để dạy. Thiết kế bệnh–chứng cổ điển; sai lệch nhớ lại khi THA do người bệnh tự kể. Dùng ở chương 4, 7, 10.

Mỗi dòng là: người (ca + 4 chứng/ca). Số dòng: 8.140. Script sinh dữ liệu: data-raw/05_benh_chung.R, hạt giống 1.

Bối cảnh và giả định

• Phỏng vấn ca bệnh sau biến cố, còn chứng thì vào cuối năm theo dõi thứ 10

Tham số thật của mô hình sinh dữ liệu

• Ca = mọi bien_co_tm = 1; chứng = mẫu ngẫu nhiên không hoàn lại 4 chứng/ca từ người còn sống, không biến cố ở năm 10
• THA tự báo cáo: Se/Sp ở ca .95/.90, ở chứng .75/.97

Tải về: https://youcan-e64.pages.dev/nckh/data/bc_tich_luy.csv

Sổ mã của bc_tich_luy. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người trong đoàn hệ
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
hut_thuoc	0/1	Đang hút thuốc	1 = có
uong_ruou	0/1	Uống rượu bia nhiều	1 = có
tha	0/1	Tăng huyết áp theo hồ sơ khám nền	1 = có
ca_benh	0/1	Ca bệnh (1) hay chứng (0)	1 = ca
tha_tu_bao_cao	0/1	Tăng huyết áp theo lời kể khi phỏng vấn	1 = có

Rows: 5
Columns: 8
$ id             <dbl> 3, 5, 6, 9, 11
$ nhom_tuoi      <chr> "40-54", "55-64", "55-64", "40-54", "40-54"
$ gioi           <chr> "nam", "nu", "nu", "nam", "nu"
$ hut_thuoc      <dbl> 1, 0, 0, 0, 1
$ uong_ruou      <dbl> 0, 0, 0, 1, 0
$ tha            <dbl> 0, 1, 1, 0, 0
$ ca_benh        <dbl> 0, 1, 1, 0, 0
$ tha_tu_bao_cao <dbl> 0, 1, 1, 0, 0

Khuôn mẫu của bc_tich_luy, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Số ca bệnh	≈ 1.650 (1.500–1.800)*	1.628	có
4 chứng / ca	= 4	4,000	có
OR MH tuổi (THA theo hồ sơ)	2,18 (1,95–2,45)	2,251	có
OR MH tuổi (THA tự báo cáo, sai lệch nhớ lại)	3,28 (2,90–3,70)	3,309	có

C.3.12 bc_mat_do: Bệnh–chứng, chứng theo mật độ

Tóm tắt. Mẫu bệnh–chứng khác, cũng rút từ đoàn hệ. Mỗi khi có một người gặp biến cố, chọn ngẫu nhiên vài người cùng nhóm tuổi và giới mà đến đúng lúc ấy chưa gặp biến cố để làm chứng. Mỗi ca cùng các chứng của mình lập thành một bộ ghép; người làm chứng lúc trước có thể về sau trở thành ca.

Dùng để dạy. Chọn chứng theo tập nguy cơ: OR ước lượng tỷ số tỷ suất; phân tích ghép cặp. Dùng ở chương 4, 7.

Mỗi dòng là: người trong bộ ghép (1 ca + 4 chứng). Số dòng: 8.140. Script sinh dữ liệu: data-raw/05_benh_chung.R, hạt giống 1.

Bối cảnh và giả định

• Phỏng vấn ca bệnh sau biến cố

Tham số thật của mô hình sinh dữ liệu

• Với mỗi ca tại thời điểm biến cố, 4 chứng ngẫu nhiên từ người còn nguy cơ khi đó (thoi_gian lớn hơn), cùng nhóm tuổi x giới; một chứng có thể về sau trở thành ca

Tải về: https://youcan-e64.pages.dev/nckh/data/bc_mat_do.csv

Sổ mã của bc_mat_do. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
bo_ghep	số nguyên	Mã bộ ghép (1 ca + 4 chứng)
id	số nguyên	Mã người trong đoàn hệ (một người có thể xuất hiện nhiều lần)
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi (biến ghép)	40-54; 55-64; 65-74
gioi	chuỗi	Giới (biến ghép)	nam; nu
hut_thuoc	0/1	Đang hút thuốc	1 = có
uong_ruou	0/1	Uống rượu bia nhiều	1 = có
tha	0/1	Tăng huyết áp lúc nền	1 = có
ca_benh	0/1	Ca bệnh (1) hay chứng (0) trong bộ ghép này	1 = ca
thoi_diem	số thực	Thời điểm biến cố của ca trong bộ ghép (năm kể từ nền)	năm

Rows: 5
Columns: 9
$ bo_ghep   <dbl> 1, 1, 1, 1, 1
$ id        <dbl> 13665, 938, 15150, 2796, 7745
$ nhom_tuoi <chr> "40-54", "40-54", "40-54", "40-54", "40-54"
$ gioi      <chr> "nam", "nam", "nam", "nam", "nam"
$ hut_thuoc <dbl> 1, 1, 1, 0, 1
$ uong_ruou <dbl> 1, 0, 0, 0, 0
$ tha       <dbl> 0, 1, 0, 0, 1
$ ca_benh   <dbl> 1, 0, 0, 0, 0
$ thoi_diem <dbl> 0.005, 0.005, 0.005, 0.005, 0.005

Khuôn mẫu của bc_mat_do, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
OR MH theo bộ ghép	2,11 (1,90–2,35)	2,191	có
Chứng ghép đúng nhóm tuổi x giới và còn nguy cơ	đúng	1,000	có

C.3.13 ca_benh_doan_he: Ca bệnh–đoàn hệ con

Tóm tắt. Mẫu bệnh–đoàn hệ rút từ đoàn hệ: một nhóm nhỏ chọn ngẫu nhiên ngay lúc khám nền (đoàn hệ con), cộng với mọi ca bệnh của cả đoàn hệ. Ca bệnh nào tình cờ nằm trong đoàn hệ con thì chỉ có mặt một lần, mang cả hai dấu đánh dấu.

Dùng để dạy. Đoàn hệ con chọn lúc nền: OR (ca so với đoàn hệ con) ước lượng tỷ số nguy cơ. Dùng ở chương 4.

Mỗi dòng là: người. Số dòng: 3.469. Script sinh dữ liệu: data-raw/05_benh_chung.R, hạt giống 1.

Tham số thật của mô hình sinh dữ liệu

• Đoàn hệ con ngẫu nhiên 10% (2.000 người) + mọi ca; ca nằm trong đoàn hệ con xuất hiện một lần với cả hai cờ

Tải về: https://youcan-e64.pages.dev/nckh/data/ca_benh_doan_he.csv

Sổ mã của ca_benh_doan_he. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người trong đoàn hệ
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
hut_thuoc	0/1	Đang hút thuốc	1 = có
uong_ruou	0/1	Uống rượu bia nhiều	1 = có
tha	0/1	Tăng huyết áp lúc nền	1 = có
trong_doan_he_con	0/1	Thuộc đoàn hệ con ngẫu nhiên lúc nền	1 = có
ca_benh	0/1	Có biến cố tim mạch trong 10 năm	1 = ca
thoi_gian	số thực	Thời gian theo dõi	năm

Rows: 5
Columns: 9
$ id                <dbl> 2, 5, 6, 8, 12
$ nhom_tuoi         <chr> "40-54", "55-64", "55-64", "40-54", "55-64"
$ gioi              <chr> "nu", "nu", "nu", "nu", "nu"
$ hut_thuoc         <dbl> 0, 0, 0, 0, 0
$ uong_ruou         <dbl> 0, 0, 0, 0, 0
$ tha               <dbl> 0, 1, 1, 0, 0
$ trong_doan_he_con <dbl> 1, 0, 0, 1, 1
$ ca_benh           <dbl> 0, 1, 1, 0, 0
$ thoi_gian         <dbl> 10.000, 1.826, 7.933, 10.000, 10.000

Khuôn mẫu của ca_benh_doan_he, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Cỡ đoàn hệ con	= 2.000	2.000	có
OR MH tuổi (ca so với đoàn hệ con)	1,98 (1,75–2,25)	1,976	có

C.3.14 bc_benh_vien: Bệnh–chứng, chứng bệnh viện

Tóm tắt. Mẫu bệnh–chứng rút từ đoàn hệ, nhưng nhóm chứng lấy trong bệnh viện: những người của đoàn hệ, chưa gặp biến cố, đang nằm Bệnh viện Đa khoa tỉnh Bạch Hải vì một bệnh khác vào cuối thời gian theo dõi. Người THA dễ phải nằm viện hơn, nên nhóm chứng này có nhiều người THA hơn quần thể mà ca bệnh xuất phát.

Dùng để dạy. Sai lệch chọn lựa do chứng bệnh viện có tỷ lệ THA cao hơn quần thể nguồn. Dùng ở chương 4, 9.

Mỗi dòng là: người. Số dòng: 8.083. Script sinh dữ liệu: data-raw/05_benh_chung.R, hạt giống 1.

Bối cảnh và giả định

• Phỏng vấn ca bệnh sau biến cố
• Chứng là người trong đoàn hệ nằm Bệnh viện Đa khoa tỉnh Bạch Hải vào năm thứ 10 vì một bệnh khác, và được phỏng vấn lúc ấy

Tham số thật của mô hình sinh dữ liệu

• Chứng: chọn Bernoulli độc lập trong số người còn sống, không biến cố ở năm 10, xác suất s1 = 1,6 x s0 ở người THA; s0 sao cho kỳ vọng 4 chứng/ca
• Lý do nhập viện ở chứng: THA (.25 thận, .25 ĐTĐ, .20 mắt, .12 tiêu hóa, .10 chấn thương, .08 hô hấp); không THA (.12, .12, .10, .25, .23, .18)

Ghi chú mô hình hóa

• Ca được gán ly_do_nhap_vien = tim_mach (đặc tả chỉ liệt kê lý do của chứng)
• Tỷ lệ THA kỳ vọng ở chứng bệnh viện khoảng 0,374 và ở người không bệnh trong quần thể khoảng 0,272 (đặc tả ghi 0,39 và 0,28); cả hai vẫn trong khoảng chấp nhận

Tải về: https://youcan-e64.pages.dev/nckh/data/bc_benh_vien.csv

Sổ mã của bc_benh_vien. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người trong đoàn hệ
nhom_tuoi	chuỗi (thứ bậc)	Nhóm tuổi	40-54; 55-64; 65-74
gioi	chuỗi	Giới	nam; nu
hut_thuoc	0/1	Đang hút thuốc	1 = có
uong_ruou	0/1	Uống rượu bia nhiều	1 = có
tha	0/1	Tăng huyết áp lúc nền	1 = có
ca_benh	0/1	Ca bệnh (1) hay chứng bệnh viện (0)	1 = ca
ly_do_nhap_vien	chuỗi	Lý do nhập Bệnh viện Đa khoa tỉnh Bạch Hải	tim_mach (ca); than; dai_thao_duong; mat; tieu_hoa; chan_thuong; ho_hap

Rows: 5
Columns: 8
$ id              <dbl> 4, 5, 6, 17, 20
$ nhom_tuoi       <chr> "40-54", "55-64", "55-64", "65-74", "55-64"
$ gioi            <chr> "nam", "nu", "nu", "nu", "nam"
$ hut_thuoc       <dbl> 1, 0, 0, 0, 1
$ uong_ruou       <dbl> 1, 0, 0, 0, 1
$ tha             <dbl> 0, 1, 1, 1, 0
$ ca_benh         <dbl> 0, 1, 1, 0, 1
$ ly_do_nhap_vien <chr> "tieu_hoa", "tim_mach", "tim_mach", "than", "tim_mac…

Khuôn mẫu của bc_benh_vien, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Hiện mắc THA ở chứng bệnh viện	0,39 (0,36–0,42)	0,371	có
Hiện mắc THA ở người không bệnh trong quần thể	≈ 0,28 (0,25–0,30)*	0,265	có
OR MH tuổi (chứng bệnh viện)	1,36 (1,18–1,55)	1,375	có
OR MH x 1,6 (hiệu chỉnh xác suất chọn)	≈ 2,2 (1,95–2,45)*	2,200	có
Chứng / ca	≈ 4 (3,8–4,2)*	3,965	có

C.3.15 thu_nghiem_sms: Thử nghiệm SMS kiểm soát huyết áp

Tóm tắt. Năm 2023, 12 trạm y tế xã ở tỉnh Lục Vân tuyển những người THA đang được trạm quản lý mà huyết áp tâm thu lúc tuyển còn cao. Người tham gia được chia ngẫu nhiên vào hai nhóm: một nhóm nhận tin nhắn SMS nhắc nhở và cuộc gọi hằng tháng, nhóm kia được chăm sóc như thường lệ. Sau một năm, đo lại huyết áp để xem ai đã kiểm soát được huyết áp, tức huyết áp tâm thu dưới 140 mmHg.

Dùng để dạy. Thử nghiệm ngẫu nhiên: RD, RR, NNT, KTC và kiểm định; thí điểm thiếu lực; phân nhóm giả; ITT so với theo phác đồ; hồi quy về trung bình. Dùng ở chương 3, 4, 5, 8, 9, 10.

Mỗi dòng là: người tham gia (600 người, 12 trạm y tế xã). Số dòng: 600. Script sinh dữ liệu: data-raw/06_thu_nghiem_sms.R, hạt giống 21906.

Bối cảnh và giả định

• Năm 2023, ở tỉnh Lục Vân, các trạm tuyển người trong 6 tháng: người THA đang được trạm quản lý mà lần đo lúc tuyển cho huyết áp tâm thu từ 145 mmHg trở lên
• Tuân thủ nghĩa là nhận tin nhắn và trả lời phần lớn các cuộc gọi hằng tháng
• Mất theo dõi hoàn toàn ngẫu nhiên, không liên quan đến nhánh hay huyết áp

Tham số thật của mô hình sinh dữ liệu

• HA tâm thu thường ngày thật của người THA đang quản lý ~ N(128, 10); một lần đo = thật + N(0, 8); tuyển nếu lần đo >= 145
• Ngẫu nhiên hóa 1:1, khối 4, phân tầng theo trạm (cỡ trạm 40–60, bội số của 4)
• HA tháng 12 = thật - 0,5 - hiệu quả + N(0, 13); hiệu quả trung bình 5 mmHg ở nhánh can thiệp
• Tuân thủ .75; người tuân thủ có HA kỳ vọng thấp hơn người không tuân thủ 7 mmHg (trung bình nhánh giữ ở -5)
• Mất theo dõi 8% mỗi nhánh, ngẫu nhiên
• Sự thật: tác động đồng nhất theo giới

Ghi chú mô hình hóa

• Đặc tả gốc (nguồn N(148, 10), sai số tháng 12 SD 12, chênh tuân thủ 2 mmHg) mâu thuẫn nội tại: với nó, HA nhóm chứng giảm khoảng 14 mmHg từ lúc tuyển (đặc tả cần 7–11) và RD theo phác đồ chỉ hơn ITT khoảng 0,015 (cần 0,03–0,07). Mô hình đã chỉnh cho: nhóm chứng giảm khoảng 9 mmHg, gần như toàn bộ là hồi quy về trung bình (khoảng 8,8 mmHg)
• Các khuôn mẫu ‘thí điểm RD 0,08–0,18 với p > 0,20’ và ‘phân nhóm giới chênh >= 0,08 với p tương tác > 0,20’ là kết quả NGẪU NHIÊN có chủ đích: hạt giống được chọn để mẫu này thể hiện chúng (dưới 1% hạt giống đạt mọi khuôn mẫu)

Tải về: https://youcan-e64.pages.dev/nckh/data/thu_nghiem_sms.csv

Sổ mã của thu_nghiem_sms. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người tham gia (theo thứ tự tuyển)
tram_y_te	số nguyên	Trạm y tế xã (tầng ngẫu nhiên hóa)	1-12
thu_tu_tuyen	số nguyên	Thứ tự tuyển chung	1-600
dot_thi_diem	0/1	Thuộc 60 người tuyển đầu tiên (đợt thí điểm)	1 = có
nhom	chuỗi	Nhánh được phân bổ	can_thiep = SMS nhắc + gọi điện hằng tháng; chung = chăm sóc thường quy
tuoi	số nguyên	Tuổi	năm
gioi	chuỗi	Giới	nam; nu
ha_thuc	số thực	HA tâm thu ‘thường ngày’ thật: CỘT CHỈ DÙNG ĐỂ DẠY, không đo được trong thực tế	mmHg
ha_tam_thu_0	số nguyên	HA tâm thu đo lúc tuyển (tiêu chí tuyển: >= 145)	mmHg
ha_tam_thu_12	số nguyên	HA tâm thu ở tháng 12; trống nếu mất theo dõi	mmHg
kiem_soat_ha	0/1	Kết cục chính: ha_tam_thu_12 < 140; trống nếu mất theo dõi	1 = kiểm soát
mat_dau	0/1	Mất theo dõi trước tháng 12	1 = có
tuan_thu	0/1	Tuân thủ can thiệp (chỉ nhánh can thiệp; trống ở nhánh chứng)	1 = có

Rows: 5
Columns: 13
$ id            <dbl> 1, 2, 3, 4, 5
$ tram_y_te     <dbl> 1, 6, 2, 6, 5
$ thu_tu_tuyen  <dbl> 1, 2, 3, 4, 5
$ dot_thi_diem  <dbl> 1, 1, 1, 1, 1
$ nhom          <chr> "can_thiep", "chung", "chung", "chung", "chung"
$ tuoi          <dbl> 57, 47, 51, 45, 53
$ gioi          <chr> "nam", "nu", "nam", "nu", "nu"
$ ha_thuc       <dbl> 126.4, 153.0, 141.7, 141.5, 137.2
$ ha_tam_thu_0  <dbl> 145, 151, 150, 150, 156
$ ha_tam_thu_12 <dbl> 124, 158, 131, 138, 152
$ kiem_soat_ha  <dbl> 1, 0, 1, 1, 0
$ mat_dau       <dbl> 0, 0, 0, 0, 0
$ tuan_thu      <dbl> 1, NA, NA, NA, NA

Khuôn mẫu của thu_nghiem_sms, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tỷ lệ kiểm soát HA, nhóm chứng	0,45 (0,40–0,50)	0,462	có
Tỷ lệ kiểm soát HA, nhóm can thiệp	0,58 (0,53–0,63)	0,593	có
RD (ITT, ca đầy đủ)	0,13 (0,10–0,16)	0,130	có
RD: giá trị p	< 0,01	0,002	có
RR	1,29 (1,18–1,40)	1,282	có
NNT	8 (6–10)	7,671	có
Chênh lệch HA tâm thu trung bình tháng 12	-5 (-7 đến -3)	−4,898	có
Nhóm chứng: HA giảm từ lúc tuyển (mmHg)	7–11	9,039	có
Phần do hồi quy về trung bình: TB(ha_tam_thu_0 - ha_thuc)	>= 3	8,794	có
|Chênh HA lúc tuyển giữa hai nhánh|	< 2	0,683	có
Mất theo dõi, nhánh can thiệp	6–10%	0,083	có
Mất theo dõi, nhánh chứng	6–10%	0,070	có
Đợt thí điểm (60 người đầu): RD	0,08–0,18	0,110	có
Đợt thí điểm: giá trị p	> 0,20	0,407	có
Phân nhóm giới: |RD nam - RD nữ|	>= 0,08	0,092	có
Phân nhóm giới: p tương tác (thang cộng)	> 0,20	0,275	có
RD theo phác đồ - RD ITT	0,03–0,07	0,045	có

C.3.16 sang_loc_dtd: Sàng lọc ĐTĐ bằng HbA1c tại chỗ

Tóm tắt. Năm 2024, ở tỉnh Lục Vân, người ta làm xét nghiệm HbA1c nhanh tại chỗ để tìm người mắc ĐTĐ mà chưa được chẩn đoán, ở ba nơi: một chiến dịch cộng đồng, phòng khám ngoại trú tuyến huyện và khoa nội tiết tuyến tỉnh. Ai cũng làm thêm nghiệm pháp dung nạp glucose, cách xác định bệnh được coi là đúng, nên biết chắc ai có bệnh. Mọi người còn được thử đường huyết mao mạch lúc đói, và một số người được đo HbA1c lần hai.

Dùng để dạy. Se, Sp, PPV/NPV theo độ lưu hành, ROC, LR, xét nghiệm nối tiếp/song song, độ tin cậy (kappa), hồi quy về trung bình. Dùng ở chương 10, 11.

Mỗi dòng là: người (3.000 người, ba bối cảnh). Số dòng: 3.000. Script sinh dữ liệu: data-raw/07_sang_loc_dtd.R, hạt giống 308.

Bối cảnh và giả định

• Năm 2024, ở tỉnh Lục Vân: chiến dịch cộng đồng xét nghiệm mọi người đến tham gia, trừ người đã được chẩn đoán hoặc đang điều trị ĐTĐ; phòng khám ngoại trú tuyến huyện lấy liên tiếp mọi bệnh nhân đến khám; khoa nội tiết tuyến tỉnh lấy liên tiếp mọi người được chuyển đến
• Ai cũng làm nghiệm pháp dung nạp glucose (tiêu chuẩn 2 giờ của WHO) ngay trong lần khám có HbA1c tại chỗ, nên mọi người đều có kết quả tiêu chuẩn vàng để đối chiếu
• HbA1c lần 2 đo trong vòng một tuần, khi tình trạng bệnh thật chưa đổi
• Tỷ lệ hiện mắc chỉ tính ĐTĐ chưa được chẩn đoán

Tham số thật của mô hình sinh dữ liệu

• Cỡ và độ lưu hành: cộng đồng 2.000 (.06), phòng khám 600 (.20), bệnh viện 400 (.45)
• HbA1c thật: có ĐTĐ N(7,4; 1,05), không ĐTĐ N(5,45; 0,52)
• Mỗi lần đo = thật + N(0; 0,30), làm tròn 1 chữ số thập phân
• Đo lặp lại: cộng đồng 600, phòng khám 300, bệnh viện 300
• Đường mao mạch: Se .70, Sp .90, độc lập có điều kiện với HbA1c
• Cùng Se/Sp ở mọi bối cảnh

Ghi chú mô hình hóa

• Trung bình HbA1c ở người không ĐTĐ 5,45 thay vì 5,5 (đặc tả) để bù việc làm tròn: sau làm tròn, ‘>= 6,5’ tương đương giá trị thô >= 6,45, nên với 5,5 Sp chỉ khoảng 0,94
• Sai số đo SD 0,30 thay vì 0,25: với 0,25, hồi quy về trung bình ở nhóm lần 1 >= 7,5 chỉ khoảng 0,046 (cần 0,05–0,20). Hệ quả: kappa cộng đồng kỳ vọng khoảng 0,68 (đặc tả 0,72), bệnh viện khoảng 0,86 (đặc tả 0,88), vẫn trong khoảng chấp nhận

Tải về: https://youcan-e64.pages.dev/nckh/data/sang_loc_dtd.csv

Sổ mã của sang_loc_dtd. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
boi_canh	chuỗi	Bối cảnh xét nghiệm	cong_dong = chiến dịch cộng đồng; phong_kham = phòng khám ngoại trú; benh_vien = khoa nội tiết tuyến trên
tuoi	số nguyên	Tuổi	năm
gioi	chuỗi	Giới	nam; nu
dtd_ogtt	0/1	Đái tháo đường típ 2 theo nghiệm pháp dung nạp glucose (tiêu chuẩn vàng)	1 = có
hba1c_nhanh	số thực	HbA1c tại chỗ, lần 1	%, 1 chữ số thập phân
hba1c_lan2	số thực	HbA1c tại chỗ, lần 2 (một tập con ngẫu nhiên); trống nếu không đo lại	%
duong_mao_mach_duong	0/1	Đường huyết mao mạch lúc đói >= 7,0 mmol/L	1 = dương tính

Rows: 5
Columns: 8
$ id                   <dbl> 1, 2, 3, 4, 5
$ boi_canh             <chr> "cong_dong", "cong_dong", "cong_dong", "cong_do…
$ tuoi                 <dbl> 50, 42, 30, 62, 38
$ gioi                 <chr> "nu", "nam", "nu", "nam", "nam"
$ dtd_ogtt             <dbl> 0, 0, 1, 0, 0
$ hba1c_nhanh          <dbl> 5.7, 6.7, 7.3, 5.4, 5.9
$ hba1c_lan2           <dbl> NA, 6.4, NA, NA, 5.2
$ duong_mao_mach_duong <dbl> 1, 0, 1, 0, 0

Khuôn mẫu của sang_loc_dtd, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Se tại 6,5% (gộp)	0,80 (0,76–0,84)	0,813	có
Sp tại 6,5% (gộp)	0,95 (0,94–0,96)	0,954	có
PPV cộng đồng	0,51 (0,42–0,60)	0,477	có
PPV phòng khám	0,80 (0,73–0,87)	0,821	có
PPV bệnh viện	0,93 (0,89–0,97)	0,914	có
NPV cộng đồng	>= 0,98	0,987	có
NPV bệnh viện	0,85 (0,80–0,90)	0,845	có
AUC	0,94 (0,92–0,96)	0,945	có
LR+ tại 6,5%	≈ 16 (11–24)	17,462	có
LR+ tại 6,0%	≈ 4,4 (3,5–5,5)	4,365	có
Nối tiếp (cả hai dương): Se	0,56 (0,50–0,62)	0,552	có
Nối tiếp: Sp	>= 0,99	0,994	có
Song song (một trong hai dương): Se	0,94 (0,91–0,97)	0,938	có
Song song: Sp	0,855 (0,83–0,88)	0,857	có
Kappa lặp lại tại 6,5%, cộng đồng	0,72 (0,60–0,82)	0,697	có
Kappa lặp lại tại 6,5%, bệnh viện	0,88 (0,82–0,94)	0,859	có
Kappa bệnh viện - cộng đồng	>= 0,08	0,162	có
Lần 1 >= 7,5%: TB(lần 1 - lần 2)	0,05–0,20	0,142	có

C.3.17 tien_trien_ung_thu: Bệnh sử tự nhiên u và sàng lọc

Tóm tắt. Một quần thể trừu tượng, cố ý không gắn với nơi chốn hay năm lịch nào: chỉ gồm những người mang khối u chưa gây triệu chứng, mỗi dòng là một người. Dữ liệu ghi các mốc của từng người, từ lúc u bắt đầu phát hiện được qua sàng lọc, lúc u gây triệu chứng, đến lúc chết, và ai được phát hiện nhờ một đợt sàng lọc duy nhất.

Dùng để dạy. Sai lệch thời gian dẫn trước, sai lệch độ dài, chẩn đoán quá mức; sàng lọc không làm thay đổi thời điểm tử vong. Dùng ở chương 11.

Mỗi dòng là: người có u tiền lâm sàng (20.000). Số dòng: 20.000. Script sinh dữ liệu: data-raw/08_tien_trien_ung_thu.R, hạt giống 30.

Bối cảnh và giả định

• Quần thể trừu tượng, có chủ ý: chỉ gồm người mang u, không gắn với nơi chốn hay năm lịch nào; trục thời gian 0–25 là năm mô phỏng

Tham số thật của mô hình sinh dữ liệu

• Loại u: chậm .55, nhanh .42, không tiến triển .03
• Khởi phát ~ U(0, 20)
• Thời gian tiền lâm sàng ~ mũ, trung bình 6 năm (chậm), 1 năm (nhanh)
• Sống sau lâm sàng ~ mũ, trung bình 8 / 2 năm
• Tử vong khác = khởi phát + mũ (trung bình 40 năm)
• Một vòng sàng lọc năm 10, Se .85 ở người đang trong giai đoạn tiền lâm sàng và còn sống

Ghi chú mô hình hóa

• Tỷ lệ loại u 55/42/3 thay vì 50/40/10 và tử vong khác trung bình 40 thay vì 25 năm: với tham số của đặc tả, tỷ lệ chẩn đoán quá mức trong ca phát hiện qua sàng lọc khoảng 0,38 (đặc tả cần 0,10–0,25)
• Mọi mốc thời gian đều được lưu (kể cả mốc tiềm ẩn sau khi đã chết vì nguyên nhân khác); không cắt ở năm 25

Tải về: https://youcan-e64.pages.dev/nckh/data/tien_trien_ung_thu.csv

Sổ mã của tien_trien_ung_thu. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
loai_u	chuỗi	Kiểu tiến triển của u	cham = chậm; nhanh; khong_tien_trien = không tiến triển
t_khoi_phat	số thực	Khởi phát giai đoạn tiền lâm sàng phát hiện được	năm (lịch 0-25)
t_lam_sang	số thực	Thời điểm u biểu hiện lâm sàng (tiềm ẩn nếu chết trước); trống nếu u không tiến triển	năm
t_tu_vong_ung_thu	số thực	Thời điểm sẽ tử vong do u (tiềm ẩn nếu chết vì nguyên nhân khác trước); trống nếu u không tiến triển	năm
t_tu_vong_khac	số thực	Thời điểm tử vong do nguyên nhân khác	năm
phat_hien_sang_loc	0/1	Được phát hiện ở vòng sàng lọc năm 10	1 = có
t_chan_doan	số thực	Thời điểm chẩn đoán: 10 nếu phát hiện qua sàng lọc; t_lam_sang nếu biểu hiện trước khi chết vì nguyên nhân khác; trống nếu không bao giờ được chẩn đoán	năm

Rows: 5
Columns: 8
$ id                 <dbl> 1, 2, 3, 4, 5
$ loai_u             <chr> "cham", "cham", "cham", "cham", "cham"
$ t_khoi_phat        <dbl> 19.958, 12.361, 9.705, 8.980, 15.666
$ t_lam_sang         <dbl> 20.217, 23.562, 13.270, 11.473, 21.969
$ t_tu_vong_ung_thu  <dbl> 21.414, 23.851, 18.890, 15.858, 36.104
$ t_tu_vong_khac     <dbl> 67.528, 33.291, 70.004, 24.720, 100.991
$ phat_hien_sang_loc <dbl> 0, 0, 1, 0, 0
$ t_chan_doan        <dbl> 20.217, 23.562, 10.000, 11.473, 21.969

Khuôn mẫu của tien_trien_ung_thu, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tỷ lệ u ‘nhanh’ trong ca phát hiện qua sàng lọc	<= 0,15	0,120	có
Tỷ lệ u ‘nhanh’ trong ca chẩn đoán lâm sàng	>= 0,35	0,509	có
Thời gian chẩn đoán -> tử vong do u: sàng lọc - lâm sàng (năm)	>= 3	7,475	có
Chẩn đoán quá mức: tỷ lệ trong ca sàng lọc	0,10–0,25	0,190	có

C.3.18 o_dich_tiec_cuoi: Ổ dịch sau tiệc cưới xã E

Tóm tắt. Ngày 15/11/2025, sau bữa trưa tiệc cưới ở xã E, tỉnh Lục Vân, nhiều khách bị tiêu chảy và nôn. Tiệc có 350 khách; 310 người liên lạc được và được phỏng vấn về các món đã ăn, triệu chứng và giờ khởi phát, mỗi dòng là một người. Dữ liệu còn ghi ai nhập viện, ai được cấy phân, và ca nào được báo cáo qua hệ thống báo cáo thường quy.

Dùng để dạy. Điều tra ổ dịch nguồn chung: định nghĩa ca, tỷ lệ tấn công theo món ăn, đường cong dịch, nhiễu giữa các món, độ nhạy và PPV của báo cáo thường quy. Dùng ở chương 1, 12.

Mỗi dòng là: khách được phỏng vấn (310). Số dòng: 310. Script sinh dữ liệu: data-raw/09_o_dich_tiec_cuoi.R, hạt giống 146.

Bối cảnh và giả định

• Tiệc cưới ở xã E, tỉnh Lục Vân, có 350 khách; 310 khách liên lạc được và được phỏng vấn, và tỷ lệ tấn công tính trên số khách ấy, với giả định họ đại diện cho mọi khách
• Định nghĩa ca bệnh: khách bị tiêu chảy (từ 3 lần phân lỏng trong 24 giờ) hoặc nôn, kèm đau bụng hoặc sốt, khởi phát từ 6 đến 72 giờ sau bữa trưa là ca bệnh có thể; ca bệnh có thể nào có thêm kết quả cấy phân dương tính với Salmonella là ca bệnh xác định
• Dữ liệu giả định coi lời kể về món đã ăn là đúng
• Những ca không ăn gỏi gà là bệnh nền, do nguồn khác gây ra

Tham số thật của mô hình sinh dữ liệu

• Bữa trưa 2025-11-15 11:30
• 240/310 ăn gỏi gà; ăn rau sống .90 nếu ăn gỏi, .30 nếu không
• Món khác độc lập: xôi gấc .70, giò lụa .80, nem rán .60, canh măng .55, chè .65, nước đá .85
• Pr(bệnh) .60 nếu ăn gỏi gà, .06 nếu không
• Ủ bệnh log-chuẩn, trung vị 20 giờ, sdlog 0,35, giới hạn 6–72 giờ
• 4 khách không phải ca có triệu chứng tiêu hóa 96–140 giờ sau bữa trưa
• 25 ca được cấy phân, 18 dương tính
• Nhập viện .20 ở ca
• Báo cáo thường quy: mọi ca nhập viện, 10% ca không nhập viện, và cả 4 khách triệu chứng muộn (báo cáo dương tính giả)

Ghi chú mô hình hóa

• sdlog 0,35 thay vì 0,4: với 0,4, tỷ lệ khởi phát trong 12–36 giờ kỳ vọng chỉ khoảng 0,83 (cần >= 0,80), dễ trượt do ngẫu nhiên
• Thêm khoảng 4% khách không bệnh chỉ có một triệu chứng nhẹ (đau bụng hoặc sốt), để định nghĩa ca có ca ‘suýt đạt’

Tải về: https://youcan-e64.pages.dev/nckh/data/o_dich_tiec_cuoi.csv

Sổ mã của o_dich_tiec_cuoi. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã khách được phỏng vấn
tuoi	số nguyên	Tuổi	năm
gioi	chuỗi	Giới	nam; nu
an_goi_ga	0/1	Ăn gỏi gà	1 = có
an_rau_song	0/1	Ăn rau sống	1 = có
an_xoi_gac	0/1	Ăn xôi gấc	1 = có
an_gio_lua	0/1	Ăn giò lụa	1 = có
an_nem_ran	0/1	Ăn nem rán	1 = có
an_canh_mang	0/1	Ăn canh măng	1 = có
an_che	0/1	Ăn chè	1 = có
uong_da	0/1	Uống nước có đá	1 = có
tieu_chay	0/1	Tiêu chảy (>= 3 lần phân lỏng trong 24 giờ)	1 = có
non	0/1	Nôn	1 = có
dau_bung	0/1	Đau bụng	1 = có
sot	0/1	Sốt	1 = có
thoi_diem_khoi_phat	ngày giờ	Thời điểm khởi phát triệu chứng đầu tiên; trống nếu không có triệu chứng	YYYY-MM-DD HH:MM (giờ địa phương)
nhap_vien	0/1	Nhập viện	1 = có
bao_cao_thuong_quy	0/1	Đến được Trung tâm Kiểm soát Bệnh tật tỉnh Lục Vân qua báo cáo thụ động thường quy trước khi bắt đầu tìm ca chủ động	1 = có
cay_phan	chuỗi	Kết quả cấy phân tìm Salmonella	duong_tinh; am_tinh; trống = không lấy mẫu
phan_loai_ca	chuỗi	Phân loại theo định nghĩa ca	xac_dinh = ca xác định; co_the = ca có thể; khong_phai_ca

Rows: 5
Columns: 20
$ id                  <dbl> 1, 2, 3, 4, 5
$ tuoi                <dbl> 16, 61, 76, 39, 22
$ gioi                <chr> "nu", "nam", "nam", "nu", "nu"
$ an_goi_ga           <dbl> 1, 1, 1, 1, 1
$ an_rau_song         <dbl> 1, 1, 1, 1, 1
$ an_xoi_gac          <dbl> 0, 1, 1, 1, 0
$ an_gio_lua          <dbl> 1, 1, 1, 1, 1
$ an_nem_ran          <dbl> 1, 0, 0, 1, 1
$ an_canh_mang        <dbl> 1, 1, 1, 1, 1
$ an_che              <dbl> 1, 1, 1, 1, 1
$ uong_da             <dbl> 1, 1, 1, 1, 0
$ tieu_chay           <dbl> 1, 1, 0, 1, 0
$ non                 <dbl> 0, 1, 0, 0, 0
$ dau_bung            <dbl> 1, 1, 0, 1, 0
$ sot                 <dbl> 0, 1, 0, 0, 0
$ thoi_diem_khoi_phat <dttm> 2025-11-16 03:25:00, 2025-11-16 08:11:00, NA, 20…
$ nhap_vien           <dbl> 0, 0, 0, 0, 0
$ bao_cao_thuong_quy  <dbl> 0, 0, 0, 0, 0
$ cay_phan            <chr> NA, NA, NA, NA, NA
$ phan_loai_ca        <chr> "co_the", "co_the", "khong_phai_ca", "co_the", "…

Khuôn mẫu của o_dich_tiec_cuoi, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Số ca theo định nghĩa	135–160	151	có
Tỷ lệ tấn công chung	0,44–0,52	0,487	có
Tỷ lệ tấn công, ăn gỏi gà	0,60 (0,53–0,67)	0,617	có
Tỷ lệ tấn công, không ăn gỏi gà	<= 0,12	0,043	có
RR gỏi gà	>= 6 (kỳ vọng ≈ 10)	14,389	có
RR rau sống, thô	1,8–3,0	2,527	có
RR MH rau sống, phân tầng theo gỏi gà	0,80–1,25	1,022	có
RR thô an_xoi_gac (KTC chứa 1)	0,75–1,35, KTC chứa 1	1,037	có
RR thô an_gio_lua (KTC chứa 1)	0,75–1,35, KTC chứa 1	0,894	có
RR thô an_nem_ran (KTC chứa 1)	0,75–1,35, KTC chứa 1	1,245	có
RR thô an_canh_mang (KTC chứa 1)	0,75–1,35, KTC chứa 1	1,052	có
RR thô an_che (KTC chứa 1)	0,75–1,35, KTC chứa 1	0,972	có
RR thô uong_da (KTC chứa 1)	0,75–1,35, KTC chứa 1	1,179	có
Trung vị thời gian ủ bệnh ở ca (giờ)	17–23	19,850	có
Tỷ lệ ca khởi phát 12–36 giờ sau bữa trưa	>= 0,80	0,947	có
Tỷ lệ nhập viện trong ca	0,15–0,25	0,166	có
Độ nhạy báo cáo thường quy (ca được báo cáo / ca)	0,22–0,34	0,258	có
PPV báo cáo thường quy	0,85–0,95	0,907	có
Cấy phân: 25 ca được cấy, 18 dương tính	25 / 18	25,000	có

C.3.19 giam_sat_sxh: Giám sát sốt xuất huyết hằng tuần

Tóm tắt. Số ca sốt xuất huyết Dengue mỗi tuần ở 4 xã, phường của tỉnh Lục Vân trong 2021–2025, do các cơ sở y tế báo cáo theo quy định; mỗi dòng là một xã trong một tuần. Năm 2025, phường D có một đợt bùng phát.

Dùng để dạy. Mùa vụ, ngưỡng cảnh báo (trung bình + 2 SD cùng tuần ± 2 tuần, 2021–2024), phát hiện bùng phát ở phường D năm 2025. Dùng ở chương 12.

Mỗi dòng là: xã x tuần (4 xã/phường x 5 năm x 52 tuần). Số dòng: 1.040. Script sinh dữ liệu: data-raw/10_giam_sat_sxh.R, hạt giống 1266.

Bối cảnh và giả định

• Bốn xã/phường đều thuộc tỉnh Lục Vân
• Ca bệnh là sốt xuất huyết Dengue chẩn đoán lâm sàng, do mọi cơ sở y tế báo cáo theo quy định (giám sát thụ động), đếm theo tuần báo cáo

Tham số thật của mô hình sinh dữ liệu

• Dân số: D 120.000, B 75.000, A 64.000, C 52.000
• Kỳ vọng /100.000/tuần = 1,5 + 14 exp(-((tuần - 35)/4)^2), nhân hệ số năm 0,9; 1,2; 0,8; 1,0; 1,0 (2021–2025)
• D 2025, tuần 22–34: nhân thêm 1 + 4 exp(-((tuần - 28)/4)^2)
• Số ca ~ nhị thức âm (size 20)

Ghi chú mô hình hóa

• Dân số lớn hơn đặc tả (85.000/42.000/36.000/28.000), mùa sắc hơn (biên độ 14, độ rộng 4 thay vì 9 và 6) và đợt bùng phát mạnh hơn (4 và 4 thay vì 2,5 và 3,5): với số ca tuần quá nhỏ, tuần đỉnh và ngưỡng cảnh báo bị nhiễu ngẫu nhiên lấn át
• Ngay cả với mô hình đã chỉnh, ngưỡng trung bình + 2 SD cho khoảng 2–3 tuần cảnh báo giả mỗi năm ở mỗi xã nhỏ; hạt giống được chọn để các xã khác có <= 2 tuần vượt ngưỡng năm 2025. Sách nên nói rõ tỷ lệ cảnh báo giả này thay vì ngụ ý phương pháp không có cảnh báo giả

Tải về: https://youcan-e64.pages.dev/nckh/data/giam_sat_sxh.csv

Sổ mã của giam_sat_sxh. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
xa	chuỗi	Xã/phường	van_ha = phường D; kim_khe = xã B; bich_son = xã A; lung_may = xã C
nam	số nguyên	Năm	2021-2025
tuan	số nguyên	Tuần ISO	1-52
so_ca	số nguyên	Số ca sốt xuất huyết Dengue được báo cáo trong tuần	ca
dan_so	số nguyên	Dân số xã/phường	người

Rows: 5
Columns: 5
$ xa     <chr> "van_ha", "van_ha", "van_ha", "van_ha", "van_ha"
$ nam    <dbl> 2021, 2021, 2021, 2021, 2021
$ tuan   <dbl> 1, 2, 3, 4, 5
$ so_ca  <dbl> 3, 0, 3, 2, 3
$ dan_so <dbl> 120000, 120000, 120000, 120000, 120000

Khuôn mẫu của giam_sat_sxh, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
Tuần đỉnh mùa 2021–2024, sớm nhất (mọi xã–năm)	32–38	33,000	có
Tuần đỉnh mùa 2021–2024, muộn nhất (mọi xã–năm)	32–38	37,000	có
Tỷ suất năm 2021–2024 /100.000, thấp nhất	80–250	128	có
Tỷ suất năm 2021–2024 /100.000, cao nhất	80–250	237	có
D 2025: chuỗi vượt ngưỡng dài nhất bắt đầu tuần 23–27	>= 6 tuần liên tiếp	8,000	có
D 2025: tuần bắt đầu chuỗi	23–27	25,000	có
Xã khác 2025: số tuần vượt ngưỡng nhiều nhất	<= 2	1,000	có

C.3.20 sinh_thai_xa: Ngụy biện sinh thái: cấp xã

Tóm tắt. Năm 2024, một cuộc khảo sát ở 30 xã của tỉnh Lục Vân chọn ngẫu nhiên người trưởng thành ở mỗi xã và hỏi họ có điện thoại thông minh không, đã được chẩn đoán ĐTĐ chưa. Mỗi dòng là một xã và chỉ ghi tỷ lệ của cả xã, không ghi từng người.

Dùng để dạy. Tương quan cấp xã giữa điện thoại thông minh và ĐTĐ rất mạnh, nhưng trong từng xã không có liên quan. Dùng ở chương 4.

Mỗi dòng là: xã (30). Số dòng: 30. Script sinh dữ liệu: data-raw/11_sinh_thai.R, hạt giống 161.

Bối cảnh và giả định

• Các xã đều thuộc tỉnh Lục Vân, khảo sát năm 2024; người được khảo sát ở mỗi xã là mẫu ngẫu nhiên người trưởng thành, và dữ liệu giả định coi câu trả lời của họ là đúng

Tham số thật của mô hình sinh dữ liệu

• Điểm đô thị hóa u ~ U(0, 1)
• Tỷ lệ có điện thoại thông minh = .05 + .90 u
• Tỷ lệ ĐTĐ = .02 + .10 u
• Trong cùng xã, ĐTĐ độc lập với điện thoại; 1.000 người mỗi xã

Ghi chú mô hình hóa

• Hệ số .05 + .90 u và .02 + .10 u thay vì .3 + .6 u và .03 + .09 u của đặc tả: với đặc tả, đường hồi quy tuyến tính cấp xã có tung độ gốc âm (PR ngoại suy vô nghĩa) và PR cá nhân thô chỉ khoảng 1,29 (cần 1,4–2,0)

Tải về: https://youcan-e64.pages.dev/nckh/data/sinh_thai_xa.csv

Sổ mã của sinh_thai_xa. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
ma_xa	chuỗi	Mã xã hư cấu	xa_01 … xa_30
chi_so_do_thi_hoa	số thực	Điểm đô thị hóa (biến tiềm ẩn sinh ra cả hai tỷ lệ)	0-1
dan_so_mau	số nguyên	Số người được khảo sát trong xã	người
ty_le_dien_thoai_tm	số thực	Tỷ lệ có điện thoại thông minh	0-1
ty_le_dtd	số thực	Tỷ lệ đã được chẩn đoán đái tháo đường	0-1

Rows: 5
Columns: 5
$ ma_xa               <chr> "xa_01", "xa_02", "xa_03", "xa_04", "xa_05"
$ chi_so_do_thi_hoa   <dbl> 0.395, 0.257, 0.905, 0.618, 0.089
$ dan_so_mau          <dbl> 1000, 1000, 1000, 1000, 1000
$ ty_le_dien_thoai_tm <dbl> 0.438, 0.296, 0.869, 0.598, 0.126
$ ty_le_dtd           <dbl> 0.059, 0.049, 0.107, 0.080, 0.031

Khuôn mẫu của sinh_thai_xa, tính lại khi dựng sách. Dữ liệu giả định.

Khuôn mẫu	Đích	Quan sát	Đạt
PR sinh thái (hồi quy tuyến tính cấp xã, ngoại suy 100% vs 0%)	>= 3	9,627	có
PR sinh thái (hồi quy log cấp xã, exp(hệ số))	>= 3	6,720	có
PR cá nhân, MH phân tầng theo xã	0,85–1,15	1,000	có
PR cá nhân thô (bỏ qua xã)	1,4–2,0	1,700	có

C.3.21 sinh_thai_ca_nhan: Ngụy biện sinh thái: cấp cá nhân

Tóm tắt. Chính cuộc khảo sát của sinh_thai_xa, nhưng mỗi dòng là một người được hỏi, nên phân tích được ở cấp từng người.

Dùng để dạy. Dữ liệu cá nhân của sinh_thai_xa: PR thô so với PR phân tầng theo xã. Dùng ở chương 4.

Mỗi dòng là: người (30 x 1.000). Số dòng: 30.000. Script sinh dữ liệu: data-raw/11_sinh_thai.R, hạt giống 161.

Tham số thật của mô hình sinh dữ liệu

• Xem sinh_thai_xa

Tải về: https://youcan-e64.pages.dev/nckh/data/sinh_thai_ca_nhan.csv

Sổ mã của sinh_thai_ca_nhan. Dữ liệu giả định.

Biến	Kiểu	Ý nghĩa	Giá trị / đơn vị
id	số nguyên	Mã người
ma_xa	chuỗi	Mã xã (nối với sinh_thai_xa)	xa_01 … xa_30
dien_thoai_tm	0/1	Có điện thoại thông minh	1 = có
dtd	0/1	Đã được chẩn đoán đái tháo đường	1 = có

Rows: 5
Columns: 4
$ id            <dbl> 1, 2, 3, 4, 5
$ ma_xa         <chr> "xa_01", "xa_01", "xa_01", "xa_01", "xa_01"
$ dien_thoai_tm <dbl> 0, 0, 0, 0, 0
$ dtd           <dbl> 0, 0, 0, 0, 0

C.4 Tóm tắt kiểm tra

Với phiên bản sách này, có 177 trên 177 khuôn mẫu đạt.