Применение средних величин в медицине

При изучении общественного здоровья (например, показателей физического развития), анализе деятельности учреждений здравоохранения за год (длительность пребывания больных на койке и др.), оценке работы медицинского персонала (нагрузка врача на приеме и др.) часто возникает необходимость получить представление о размерах изучаемого признака в совокупности для выявления его основной закономерности.

Оценить размер признака в совокупности, изменяющегося по своей величине, позволяет лишь его обобщающая характеристика, называемая средней величиной.

Применение средних величин

• для оценки состояния здоровья — например, параметров физического развития (средний рост, средняя масса тела, среднее значение жизненной емкости легких и др.), соматических показателей (средний уровень сахара в крови, средняя величина пульса, средняя СОЭ и др.);
• для оценки организации работы лечебно-профилактических и санитарно-противоэпидемических учреждений, а также деятельности отдельных врачей и других медицинских работников (средняя длительность пребывания больного на койке, среднее число посещений на 1 ч приема в поликлинике и др.);
• для оценки состояния окружающей среды.

Метод стандартизации.

При изучении общественного здоровья и здравоохранения в научных или практических целях исследователю нередко приходится доказывать влияние факторных признаков на результативные при сравнении двух или более совокупностей. С этой целью применяется целый ряд статистических приемов.

При сравнении двух неоднородных совокупностей по какому-либо признаку (составу) применяются методы стандартизации (прямой, обратный, косвенный).

1. Условие применения метода стандартизации. Метод применяется при сравнении интенсивных показателей в совокупностях, отличающихся по составу (например, по возрасту, полу, профессиям и т.д.).
2. Сущность метода стандартизации. Он позволяет устранить (элиминировать) возможное влияние различий в составе совокупностей по какому-либо признаку на величину сравниваемых интенсивных показателей. С этой целью составы совокупностей по данному признаку уравниваются, что в дальнейшем позволяет рассчитать стандартизованные показатели.
3. Стандартизованные показатели — это условные, гипотетические величины, они не отражают истинных размеров явлений. Стандартизованные показатели свидетельствуют о том, каковы были бы значения сравниваемых интенсивных показателей, если бы были исключены различия в составах совокупностей.
4. Назначение метода стандартизации. Метод стандартизации применяется для выявления влияния фактора неоднородности составов совокупностей по какому-либо признаку на различия сравниваемых интенсивных показателей.

1. Методы вычисления показателей динамического ряда

Динамический ряд - это ряд однородных статистических вели­чин, Показывающих изменение какого-либо явления во времени и расположенных в хронологическом порядке через определенные промежутки времени. Числа, Составляющие динамический ряд, Называются уровнями.

Динамические ряды делятся на

А) Простые (состоящие из абсолютных величин) - могут быть:

1) Моментными - состоит из величин, характеризую­щих явление на какой-то определенный момент (статистические сведения, обычно регистрируемые на начало или конец месяца, квартала, года)

2) Интервальными - Состоит из чисел, характеризую­щих явление за определенный промежуток времени (интервал) - за неделю, месяц, квартал, год (данные о числе родившихся, Умерших за год, число инфек­ционных заболеваний за месяц). Особенностью интервального ряда является то, Что его члены можно суммировать (при этом ук­рупняется интервал), или дробить.

Б) Сложные (состоящие из относительных или средних вели­чин).

Динамические ряды могут подвергаться преобразованиям, целью которых является выявление особенностей изменения изучаемого про­цесса, а также достижение наглядности.

Показатели динамического ряда:

А) Уровни ряда - величины членов ряда. Величина первого члена ряда носит название начального (исходного) уровня, величина послед­него члена ряда - конечного уровня, средняя величина из всех чле­нов ряда называется средним уровнем.

Б) Абсолютный прирост (убыль) - величина разности между последующим и предыду­щим уровнями; прирост выражается числами с положи­тельным знаком, убыль - с отрицательным знаком. Значение прироста или убыли отражают изменения уровней динамического ряда за оп­ределенный промежуток времени.

В) Темп роста (снижения) - показывает отношение каждого после­дующего уровня к предыдущему уровню и обычно выражается в процен­тах.

Г) темп прироста (убыли) - отношение абсолютного прироста или убыли каждого последующего члена ряда к уровню предыдущего, выра­женное в процентах. Темп прироста может быть вычислен также по формуле: Темп роста - 100%

2. Оценка достоверности результата статистических исследований.

Под достоверностью статистических показателей (синонимы: существенность, значимость, надеж­ность) понимают доказательность, то есть право на обобщение явления, правомерность распространения выводов и на дру­гие аналогичные явления. Или - степень их соответствия отображаемой ими действительности. Достоверными результатами считаются те, которые не искажают и правильно отражают объективную реальность.

Оценить достоверность результатов исследования означает определить, с какой вероятностью возможно перенести результаты, полученные на выборочной совокупности, на всю генеральную совокупность.

В большинстве медицинских исследований врачу приходится, как правило, иметь дело с частью изучаемого явления, а выводы по результатам такого исследования переносить на все явление в целом - на генеральную совокупность.

Оценка достоверности результатов исследования предусматривает определение:

1) ошибок репрезентативности (средних ошибок средних арифметических и относительных величин) - m;

2) доверительных границ средних (или относительных) величин;

3) достоверности разности средних (или относительных) величин (по критерию t - Стъюдента).

врач должен знать способы оценки достоверности. Применяя метод оценки достоверности результатов исследования для изучения общественного здоровья и деятельности учреждений здравоохранения, а также в своей научной деятельности, исследователь должен уметь правильно выбрать способ данного метода. Среди методов оценки достоверности различают параметрические и непараметрические.

Параметрическими называют количественные методы статистической обработки данных, применение которых требует обязательного знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.

Непараметрическими являются количественные методы статистической обработки данных, применение которых не требует знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров. Как параметрические, так и непараметрические методы, используемые для сравнения результатов исследований, т.е. для сравнения выборочных совокупностей, заключаются в применении определенных формул и расчете определенных показателей в соответствии с предписанными алгоритмам

10 Виды дисперсионных анализов, область применения.

Дисперсионный анализ – анализ изменчивости признака под влиянием каких-либо контролируемых переменных факторов. Обобщенно задача дисперсионного анализа состоит в том, чтобы из общей вариативности признака выделить три частные вариативности: - Вариативность, обусловленную действием каждой из исследуемых независимых переменных - Вариативность, обусловленную взаимодействием исследуемых независмых переменных. - Вариативность случайную, обусловленную всеми неучтенными обстоятельствами. Дисперсионный анализприменяется дляисследования влияния одной или нескольких качественных переменных (факторов) на одну зависимую количественную переменную Виды дисперсионного анализа.Дисперсионный анализ схематически можно подразделить на несколько категорий. При наличии одного фактора, влияние которого исследуется, дисперсионный анализ именуется однофакторным, и распадается на две разновидности: - Анализ несвязанных (то есть – различных) выборок.. - Анализ связанных выборок.

В случае, если исследуется одновременное воздействие двух или более факторов, мы имеем дело с многофакторным дисперсионным анализом, который также можно подразделить по типу выборки.

Если же воздействию факторов подвержено несколько переменных, - речь идет о многомерном анализе.

В зависимости от типа и количества переменных, различают

• однофакторный и многофакторный дисперсионный анализ (одна или несколько независимых переменных);
• одномерный и многомерный дисперсионный анализ (одна или несколько зависимых переменных);
• дисперсионный анализ с повторными измерениями (для зависимых выборок);
• дисперсионный анализ с постоянными факторами, случайными факторами, и смешанные модели с факторами обоих типов;

11Двухфакторный дисперсионный анализ.

Дисперсионный двухфакторный анализприменяется в тех случаях, когда исследуется одновременное действие двух факторов на различные выборки объектов, т.е. когда различные выборки оказываются под воздействием различных сочетаний двух факторов Может случиться, что в одна переменная значимо действует на изучаемый признак только при определенных значениях другой переменной. Итак, дисперсионный двухфакторный анализ позволяет оценить не только влияние каждого из факторов, но и их взаимодействующихдію.

Суть метода остается прежней, как и при однофакторной модели, но в двухфакторной дисперсионном анализе можно проверить большее количество гипотез, однако расчеты несколько сложнее, чем в однофакто пахотных комплекса.

Дисперсионный двухфакторный анализ предъявляет особые требования к формированию комплексов Для каждого фактора должно быть не менее двух градаций; в каждой ячейке комплекса должно быть не менее двух значений для выявления взаимодействия градаций, комплекс должен быть симметричной системой: каждой градации фактора А должно соответствовать одинаковое количество градаций фактора В; результативный признак должна иметь нормальное распределение, факторы должны быть независимыми, что может быть подтверждено отсутствием корреляционной связи между переменными-факторами

12Статистические методы в эпидемиологическом анализе.

Под статистическим наблюдением в эпидемиологии понимают научно организованный сбор (по единой программе) и обработку данных, например, о проявлениях эпидемического процесса конкретной инфекционной болезни. Этот метод используют в эпидемиологии для количественного изучения инфекционной заболеваемости, деятельности лечебно-профилактических учреждений, а также для оценки эффективности проводимых профилактических и противоэпидемических мероприятий. Статистический метод применяют всегда в сочета­нии с другими методами, он часто носит вспомогательный характер, т.е. служит для обработки материалов, полученных в результате эпидемиологических исследований. Так как многие факторы (детерминанты) эпидемического процесса часто не поддаются строгому учету и контролю и имеют иногда случайный характер, использование приемов математической статистики при обработке и интерпретации результатов исследований позволяет извлечь максимум информации и оценить степень ее достоверности.

Таким образом, статистическое наблюдение является одним из методов изучения закономерностей проявления эпидемического процесса с использованием обобщенных количественных показателей (например, интенсивных, экстенсивных, стандартизованных, показателей наглядности и др.).Определению циклической компоненты в большей степени служат методы скользящей и взвешенной скользящей средней, которые устраняют случайные колебания и более выпукло подчеркивают закономерный ход заболеваемости.

13.Различия между функциональной и корреляционной связями.

Функциональная зависимость между двумя переменными величинами характеризуется тем, что каждому значению одной из них соответствует определённое значение другой. Такой зависимостью связаны, например, радиус круга и его площадь, количество купленного товара и его стоимость, количество потребляемой абонентом электроэнергии и плата за неё и другое.

Уравнения, выражающие в общем виде корреляционные зависимости, называются корреляционными уравнениями или уравнениями регрессии.

14.Регрессионный метод и область его применения.

Регрессио́нный анализ — статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную . Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных а не причинно-следственные отношения. Цели регрессионного анализа

1. Определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными)
2. Предсказание значения зависимой переменной с помощью независимой(-ых)
3. Определение вклада отдельных независимых переменных в вариацию зависимой

Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализаРегрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений. Источник: <a href='http://center-yf.ru/data/stat/Regressionnyi-analiz.php'>Регрессионный анализ</a>

15.Этапы прямого метода стандартизации.

Метод стандартизации: 1)прямой (есть данные про состав среды в абс числахи распред явления в абс числах), 2)непрямой, 3)обратный.
Этапы: 1)выбор и расчет общих и групповых показателей, 2)выбор и расчет стандарта, 3)вычисление ожидаемого числа в соответствии со стандартом, 4)высисление стандартизованых показателей, 5)сравнение обычных и стандартизованых величин.

Метод стандартизации используется при оценке показателей здоровья только при сравнении их уровней. Этот метод расчета условных величин применяется для устранения неоднородности состава сравниваемых коллективов. Он показывает, какой был бы уровень заболеваемости (травматизма, смертности, инвалидизации и др.) в каждом коллективе (учреждении, городе), если бы его состав (по возрасту, по полу, по стажу и др.) был одинаков.
Стандартизованные показатели используют при необходимости сравнения уровней смертности (заболеваемости) от злокачественных заболеваний (болезней органов пищеварения и т. д.) в разных городах, районных центрах; сравнения уровней заболеваемости (травматизма) на разных производствах; сравнения уровней летальности в разных больницах (отделениях).

Поиск по сайту: