Causal Interaction ในระบาดวิทยาคลินิก: Additive Interaction, RERI, AP และ Synergy Index

บทนำ

ในระบาดวิทยาคลินิก โรคส่วนใหญ่ไม่ได้เกิดจากปัจจัยเสี่ยงเพียงอย่างเดียว แต่เกิดจากการทำงานร่วมกันของหลายปัจจัย การทำความเข้าใจว่าปัจจัยเหล่านี้มีปฏิสัมพันธ์กันอย่างไรจึงมีความสำคัญต่อการอธิบายกลไกของโรคและการออกแบบมาตรการป้องกันที่มีประสิทธิภาพ

Causal interaction หมายถึงสถานการณ์ที่การสัมผัสสองชนิดร่วมกันส่งผลต่อผลลัพธ์แตกต่างจากที่คาดว่าจะเกิดขึ้นเมื่อพิจารณาผลของแต่ละปัจจัยแยกกัน แนวคิดนี้เป็นหัวใจสำคัญของ causal inference ซึ่งมุ่งแยกแยะว่าความสัมพันธ์ที่พบเป็นผลเชิงสาเหตุจริง หรือเกิดจาก confounding, bias หรือความบังเอิญ

กรอบแนวคิดสามารถเขียนได้ดังนี้

Y = f (X_{1}, X_{2}, X_{1} \times X_{2} \mid confounders)

โดย X1 และ X2 คือปัจจัยสัมผัส และ X1×X2 คือผลร่วมของทั้งสองปัจจัย

ความหมายของ Causal Interaction

Causal interaction เกิดขึ้นเมื่อผลร่วมของสองปัจจัยไม่สามารถอธิบายได้ด้วยการรวมผลของแต่ละปัจจัยแบบง่าย

ตัวอย่างเช่น

X1 : การสูบบุหรี่
X2 : มลพิษทางอากาศ
Y : โรคปอด

หากความเสี่ยงของโรคปอดในผู้ที่สัมผัสทั้งสองปัจจัยสูงกว่าที่คาดจากแต่ละปัจจัยเพียงอย่างเดียว แสดงว่ามี interaction เกิดขึ้น ซึ่งสะท้อนการทำงานร่วมกันของปัจจัยก่อโรค

ระดับของการวิเคราะห์ Interaction

Interaction สามารถประเมินได้ 2 ระดับ ได้แก่ multiplicative interaction และ additive interaction

Multiplicative Interaction

เป็นการประเมินว่าผลร่วมของสองปัจจัยแตกต่างจากผลคูณของผลแต่ละปัจจัยหรือไม่ โดยมักประเมินผ่านแบบจำลองทางสถิติ เช่น logistic regression, Poisson regression หรือ Cox regression โดยใช้ interaction term

แม้วิธีนี้จะใช้กันทั่วไป แต่สะท้อนความสัมพันธ์เชิงสถิติมากกว่าความหมายเชิงชีววิทยา

Additive Interaction

เป็นการประเมินว่าผลร่วมของสองปัจจัยมากกว่าผลรวมของผลแต่ละปัจจัยหรือไม่ ซึ่งมีความสำคัญต่อการตัดสินใจทางคลินิกและสาธารณสุข เพราะแสดงถึงความเสี่ยงส่วนเกินที่เกิดจากการสัมผัสร่วม

แนวคิดนี้ช่วยตอบคำถาม เช่น

การลดปัจจัยหนึ่งจะลดจำนวนผู้ป่วยได้เท่าใด
ปัจจัยใดร่วมกันก่อให้เกิดภาระโรคมากที่สุด

ตัวชี้วัดของ Additive Interaction

การวัด additive interaction นิยมใช้ 3 ตัวชี้วัด ได้แก่

1. Relative Excess Risk due to Interaction (RERI)

R E R I = R R_{11} - R R_{10} - R R_{01} + 1

แสดงความเสี่ยงส่วนเกินที่เกิดจาก interaction โดยเฉพาะ

RERI > 0 แสดงถึง synergy
RERI = 0 ไม่มี interaction
RERI < 0 เป็น antagonism

2. Attributable Proportion (AP)

A P = \frac{R E R I}{R R_{11}}

แสดงสัดส่วนของโรคในกลุ่มที่สัมผัสทั้งสองปัจจัยที่เกิดจาก interaction

3. Synergy Index (SI)

S I = \frac{R R_{11} - 1}{(R R_{10} - 1) + (R R_{01} - 1)}

ใช้วัดความแรงของ interaction

SI > 1 มี synergy
SI = 1 ไม่มี interaction
SI < 1 มี antagonism

ตัวอย่างประกอบ

การสัมผัส	Risk Ratio (RR)
ไม่มี	1
สูบบุหรี่	2
มลพิษ	2
ทั้งสอง	6

คำนวณได้ดังนี้

RERI = 6 - 2 - 2 + 1 = 3
AP = 3 / 6 = 0.5
SI = 2.5

ผลลัพธ์แสดงถึง positive additive interaction โดยครึ่งหนึ่งของความเสี่ยงในกลุ่มที่สัมผัสทั้งสองปัจจัยเกิดจาก interaction

Interaction กับ Effect Modification

ควรแยกความแตกต่างระหว่าง interaction และ effect modification

Interaction เป็นผลร่วมของสองปัจจัยต่อผลลัพธ์
Effect modification เป็นการที่ผลของปัจจัยหนึ่งแตกต่างกันในแต่ละกลุ่มของอีกตัวแปรหนึ่ง

ตัวอย่าง

การสูบบุหรี่ร่วมกับ asbestos เพิ่มความเสี่ยงมะเร็งปอด เป็น interaction
ยามีผลต่างกันในเพศชายและหญิง เป็น effect modification

การตีความและข้อจำกัด

แม้ว่าตัวชี้วัด เช่น RERI, AP และ SI จะช่วยบ่งชี้ synergy แต่การตีความเชิงสาเหตุต้องอาศัยเงื่อนไขสำคัญ ได้แก่

ความสัมพันธ์เชิงเวลา (temporality)
การควบคุม confounding อย่างเหมาะสม
การออกแบบการศึกษา เช่น cohort study

หากเงื่อนไขเหล่านี้ไม่ครบ ผลที่ได้อาจสะท้อนเพียงความสัมพันธ์ ไม่ใช่เหตุและผล

สรุป

Causal interaction เป็นแนวคิดสำคัญที่ช่วยอธิบายว่าปัจจัยหลายชนิดทำงานร่วมกันอย่างไรในการก่อโรค การประเมินทั้ง multiplicative และ additive interaction ช่วยให้เข้าใจภาพรวมของความสัมพันธ์ แต่ additive interaction มีความสำคัญมากกว่าในเชิงคลินิกและสาธารณสุข เพราะสะท้อนความเสี่ยงส่วนเกินจากการสัมผัสร่วม

ตัวชี้วัดอย่าง RERI, AP และ SI เป็นเครื่องมือสำคัญในการประเมิน interaction อย่างไรก็ตาม การตีความต้องพิจารณาความถูกต้องของการออกแบบการศึกษาและการควบคุมตัวแปรกวนอย่างรอบคอบ

ประเด็นสำคัญ

Causal interaction คือผลร่วมของปัจจัยต่อโรค
Additive interaction มีความสำคัญเชิงคลินิก
RERI วัดความเสี่ยงส่วนเกิน
AP วัดสัดส่วนที่เกิดจาก interaction
SI วัดความแรงของ synergy
การตีความต้องอาศัยการออกแบบการศึกษาที่เหมาะสม