Экзаменационные вопросы по общественному здоровью и здравоохранению
 Скачать 1.12 Mb.
|
|
4 этап. Статистический анализ изучаемого явления, формулировка выводов - ответственный этап исследования, на котором проводится вычисление статистических показателей (частоты, структуры, средних размеров изучаемого явления ),дается их графическое изображение, изучается динамика, тенденции, устанавливаются связи между явлениями. даются прогнозы и т.д. Анализ предполагает интерпретацию получен- ных данных, оценку достоверности результатов исследования. В заключение делаются выводы. 5 этап. Литературная обработка и оформление полученных результатов - является заключительным, предполагает окончательное оформление результатов статистического исследования. Результаты могут быть оформлены в виде статьи, отчета, доклада, диссертации и др. Для каждого вида оформления существуют определенные требования, которые должны соблюдаться при литературной обработке результатов статистического исследования. Результаты медико-статистического исследования внедряются в практику здравоохранения. Возможны различные варианты использования результатов исследования: ознакомление с результатами широкой аудитории медицинских и научных работников; подготовка инструктивно-методических документов; оформление рационализаторского предложения и другие По завершении статистического исследования разрабатываются рекомендации и управленческие решения, проводится внедрение результатов исследования в практику, оценивается эффективность. В проведении статистического исследования важнейшим элементом является соблюдение строгой последовательности в осуществлении названных этапов. 70. Содержание плана и программы статистического исследования. Виды планов статистического исследования. Программа наблюдения. См. вопрос 69 (этап 1). 71. Статистическое наблюдение. Сплошное и несплошное статистическое исследование. Виды несплошного статистического исследования. См. вопрос 69 (этап 2). 72. Статистическое наблюдение (сбор материалов). Ошибки статистического наблюдения. Статистическое наблюдение - см. вопрос 69, этап 2. Точность статистического наблюдения - степень соответствия величины какого-либо показателя (значения признака), определенной путем статистического измерения, действительной его величине. Ошибка статистического наблюдения - расхождение между измеренным и действительным значениями изучаемой величины. Методы проверки данных статистического наблюдения: а) счетный контроль - проверка итогов и проверочный расчет показателей (четко устанавливается наличие ошибки); б) логический контроль - сопоставление полученных данных с другими известными признаками, показателями (выявляются неправдоподобные случаи). Виды ошибок статистического наблюдения по источнику происхождения: 1. Непреднамеренные а) для сплошного и несплошного статистического исследования а1. случайные - связаны с невнимательностью, небрежностью регистратора, неточностью измерительных приборов а2. систематические - ошибки округления возраста и сумм, забываемости "второстепенных расходов" (они однонаправленны) б) для несплошного статистического исследования а3. репрезентативности а3.1 - случайные - ошибки из-за недостаточной полноты охвата а3.2 - систематические - из-за отклонения структур выборочной и генеральной совокупностей 64 2. Преднамеренные (злостные) а) первого рода - из-за применения несовершенных способов статистического наблюдения при наличии более совершенных б) второго рода - из-за применения несовершенных организационных схем проведения статистического наблюдения 73. Статистическая группировка и сводка. Типологическая и вариационная группировка. См. вопрос 69, этап 3. 74. Статистические таблицы, виды, требования к построению. См. вопрос 69, этап 3. 75. Клинико-статистическое исследование. Особенности клинико-статистического исследования. Клинико-статистическое исследование - использование статистических методов при обработке результатов клинических, экспериментальных и лабораторных исследований; позволяет с количественной точки зрения оценить достоверность результатов исследования и решить ряд других задач. Особенности клинико-статистического исследования: а) выборочное исследование б) выборка малая в) результаты обрабатываются не параметрическими методами исследования г) наличие всегда конкретной группы либо копии (паракопии) д) единица наблюдения чаще всего - пациент 76. Относительные величины, виды, методы расчета. Использование в работе врача. Возможные ошибки в применении относительных величин. Относительные величины (показатели, коэффициенты) получаются в результате отношения одной абсолютной величины к другой. Наиболее часто используются следующие показатели: а) интенсивные - показатели частоты, интенсивности, распространенности явления в среде, продуцирующей данное явление. В здравоохранении изучаются заболеваемость, смертность, инвалидность, рождаемость и другие показатели здоровья населения. Средой, в которой происходят процессы, является население в целом или его отдельные группы (возрастные, половые, социальные, профессиональные и др.). В медико-статистических исследованиях явление представляет собой как бы продукт среды. Например, население (среда) и заболевшие (явление); больные (среда) и умершие (явление) и т. д. основание явления данное щий продуцирую среды размер Абсолютный явления размер Абсолютный показатель й Интенсивны _ _ , _ _ _ _ _ Величина основания выбирается в соответствии в величиной показателя - на 100, 1000, 10000, 100000, в зависимости от этого показатель выражается в процентах, промилле, продецимилле,просантимилле. Интенсивные показатели могут быть 1. общими - характеризуют явление в целом (общие показатели рождаемости, смертности, заболеваемости, вычисленные ко всему населению административной территории) 2. специальными (погрупповыми) - применяются для характеристики частоты явления в различных группах ( заболеваемость по полу, возрасту, смертность среди детей в возрасте до 1 года, летальность по отдельным нозологическим формам и т.д.) Интенсивные показатели применяются в медицине: - для определения уровня, частоты, распространенности явления - для сравнения частоты явления в двух различных совокупностях - для изучения изменений частоты явления в динамике. б) экстенсивные - показатели удельного веса, структуры, характеризуют распределение явления на составные части, его внутреннюю структуру. Вычисляются экстенсивные показатели отношением части явления к целому и выражаются в процентах или долях единицы. 100 _ _ _ _ _ _ _ _ целом в явления размер Абсолютный явления части размер Абсолютный показатель ый Экстенсивн Экстенсивные показатели используются для определения структуры явления и сравнительной оценки соотношения составляющих его частей. Экстенсивные показатели всегда взаимосвязаны между собой, т. к. их сумма всегда равна 100 процентам: так, при изучении структуры заболеваемости удельный вес отдельного заболевания может возрасти: - при истинном росте числа заболеваний - при одном и том же его уровне, если число других заболеваний снизилось - при снижении числа данного заболевания, если уменьшение числа других заболеваний происходит более быстрыми темпами. При анализе экстенсивный показатель следует применять с осторожностью и помнить, что им пользуются только для характеристики состава (структуры) явления в данный момент времени и в данном месте. Примеры использования в работе врача: лейкоцитарная формула; структура населения по полу, возрасту, социальному положению; структура заболеваний по нозологии; структура причин смерти. в) соотношения - представляют собой соотношение двух самостоятельных, независимых друг от друга, качественно разнородных величи, сопоставляемых только логически. 65 основание явление данное ующей непродуцир среды размер Абсолютный явления размер Абсолютный я соотношени Показатель _ _ , _ _ _ _ _ Примеры использования в работе врача: показатели обеспеченности населения врачами, больничными койками; показатели, отражающие число лабораторных исследований на 1 врача и т.д. г) наглядности - применяются с целью более наглядного и доступного сравнения статистических величин. Показатели наглядности представляют удобный способ преобразования абсолютных, относительных или средних величин в легкую для сравнения форму. При вычислении этих показателей одна из сравниваемых величин приравнивается к 100 (или 1), а остальные величины пересчитываются соответственно этому числу. 100 100 _ _ , _ _ _ _ _ _ за принятое ых сравниваем ряда из явление же Такое Явление и наглядност Показатель Показатели наглядности указывают, на сколько процентов или во сколько раз произошло увеличение или уменьшение сравниваемых величин. Показатели наглядности используются чаше всего для сравнения данных в динамике, чтобы представить закономерности изучаемого явления в более наглядной форме. При пользовании относительными величинами могут быть допущены некоторые ошибки: 1. иногда судят об изменении частоты явления на основе экстенсивных показателей, которые характеризуют структуру явления, а не его интенсивность. 2. нельзя складывать и вычитать статистические показатели, которые рассчитаны из совокупностей, имеющих разную численность, ибо это приводит к грубым искажениям показателя. 3. при расчете специальных показателей следует правильно выбирать знаменатель для расчета показателя: например, показатель послеоперационной летальности необходимо рассчитывать по отношению к оперированным, а не всем больным. 4. при анализе показателей следует учитывать фактор времени: нельзя сравнивать между собой показатели, вычисленные за различные периоды времени (показатель заболеваемости за год и за полугодие), что может привести к ошибочным суждениям. 5. нельзя сравнивать между собой общие интенсивные показатели, вычисленные из неоднородных по составу совокупностей, поскольку неоднородность состава среды может влиять на величину интенсивного показателя. 77. Интенсивные и экстенсивные показатели. Методика расчета, единицы измерения, использование в работе учреждений здравоохранения. См. вопрос 76 78. Показатели соотношения и наглядности. Методика расчета, единицы измерения, применение в здравоохранении. См. вопрос 76. 79. Вариационный ряд, его элементы, виды, правила построения См. вопрос 80. 80. Средние величины, виды, методика расчета. Применение в работе врача. Средние величины дают обобщающую характеристику статистической совокупности по определенному изменяющемуся количественному признаку. Средняя величина характеризует весь ряд наблюдений одним числом, выражающим общую меру изучаемого признака. Она нивелирует случайные отклонения отдельных наблюдений и дает типичную характеристику количественного признака. Требования к средним величинам: 1) качественная однородность совокупности, для которой рассчитывается средняя величина - только тогда она будет объективно отображать характерные особенности изучаемого явления. 2) средняя величина должна основываться на массовом обобщении изучаемого признака, т.к. только тогда она выражает типичные размеры признака Средние величины получаются из рядов распределения (вариационных рядов). Вариационный ряд- ряд однородных статистических величин, характеризующих один и тот же количественный учетный признак, отличающихся друг от друга по своей величине и расположенных в определенном порядке (убывания или возрастания). Элементы вариационного ряда: а) варианта - v - числовое значение изучаемого меняющегося количественного признака. б) частота - p (pars) или f (frequency) - повторяемость вариант в вариационном ряду, показывающая, как часто встречается та или иная варианта в составе данного ряда. в) общее число наблюдений- n (numerus) - сумма всех частот: n=ΣΡ. Если общее число наблюдений более 30,статистическая выборка считается большой, если n меньше или равно 30 - малой. Вариационные ряды бывают: 1. в зависимости от значения варианты: а) прерывные (дискретные), состоящие из целых чисел б) непрерывные, когда значения вариант выражены дробным числом. В прерывных рядах смежные варианты отличаются друг от друга на целое число (число ударов пульса, число дыханий в минуту, число дней лечения). В непрерывных рядах варианты могут отличаться на любые дробные значения единицы. 2. в зависимости от частоты встречаемости признака: а) простой - ряд - каждая варианта встречается один раз, т.е. частоты равны единице. б) обычный - ряд, в котором варианты встречаются более одного раза. в) сгруппированный- ряд, в котором варианты объединены в группы по их величине в пределах определенного интервала с указанием частоты повторяемости всех вариант, входящих в группу. Сгруппированный вариационный ряд используют при большом числе наблюдений и больном размахе крайних значений вариант. 66 Обработка вариационного ряда заключается в получении параметров вариационного ряда (средней величины, среднего квадратического отклонения и средней ошибки средней величины). 3. в зависимости от числа наблюдений: а) четные и нечетные б) большой (при числе наблюдений больше 30) и малый (если число наблюдений меньше или равно 30) Виды средних величин: а) мода (Мо) - величина признака, чаще других встречающаяся в совокупности. За моду принимают варианту, которой соответствует наибольшее количество частот вариационного ряда. б) Медиана (Me) - величина признака, занимающая срединное значение в вариационном ряду. Она делит вариационный ряд на две равные части. На величину моды и медианы не оказывают влияния числовые значения крайних вариант, имеющихся в вариационном ряду. Они не всегда могут точно характеризовать вариационный ряд и применяются в медицинской статистике относительно редко. Более точно характеризует вариационный ряд средняя арифметическая величина. в) Средняя арифметическая(М, или х ) - рассчитывается на основе всех числовых значений изучаемого признака. Реже применяются другие средние величины: средняя геометрическая (при обработке результатов титрования антител, токсинов, вакцин); средняя квадратическая (при определении среднего диаметра среза клеток, результатов накожных иммунологических проб); средняя кубическая (для определения среднего объема опухолей) и другие. В простом вариационном ряду, где варианты встречаются только по одному разу, вычисляется средняя арифметическая простая по формуле: n V М , где V - числовые значения вариант, n - число наблюдений, Σ - знак суммы В обычном вариационном ряду вычисляется средняя арифметическая взвешенная по формуле: n p * V М , где V - числовые значения вариант, р - частота встречаемости вариант, n - число наблюдений. Средние величины являются важными обобщающими характеристиками совокупности. Однако за ними скрываются индивидуальные значения признака. Средние величины не показывают изменчивости, колеблемости признака. Если вариационный ряд более компактен, менее рассеян и все отдельные значения расположены вокруг средней, то средняя величина дает более точную характеристику данной совокупности. Если вариационный ряд растянут, отдельные значения значительно отклоняются от средней, т.е. имеется большая вариабельность количественного признака, то средняя менее типична, хуже отражает в целом весь ряд. Одинаковые по величине средние могут быть получены из рядов с различной степенью рассеяния, поэтому для характеристики вариационного ряда, помимо средней величины, необходима другая характеристика, позволяющая оценить степень его колеблемости. Простыми показателями, характеризующими разнообразие признака в изучаемой совокупности, являются а) лимит - минимальное и максимальное значение количественного признака б) амплитуда - разность между наибольшим и наименьшим значением вариант. Применение средних величин: а) для характеристики физического развития (рост, вес, окружность груди, динамометрия) б) для оценки состояния здоровья человека путем анализа физиологических, биохимических параметров организма (уровня АД, ЧСС, температуры тела) в) для анализа деятельности медицинских организаций (среднее число дней работы койки в году и т.д.) г) для оценки работы врачей (среднее число посещений на одного врача, среднее число хирургических операций, среднечасовая нагрузка врача на приеме в поликлинике) 81. Среднее квадратическое отклонение, методика расчета, применение. Приближенный метод оценки колеблемости вариационного ряда - определение лимита и амплитуды, однако не учитывают значений вариант внутри ряда. Основной общепринятой мерой колеблемости количественного приз- нака в пределах вариационного ряда является среднее квадратическое отклонение (σ - сигма). Чем больше среднее квадратическое отклонение, тем степень колеблемости данного ряда выше. Методика расчета среднего квадратического отклонения включает следующие этапы: 1. Находят среднюю арифметическую величину (Μ). 2. Определяют отклонения отдельных вариант от средней арифметической (d=V-M). В медицинской статистике отклонения от средней обозначаются как d (deviate). Сумма всех отклонений равняется нулю. 3. Возводят каждое отклонение в квадрат d 2 4. Перемножают квадраты отклонений на соответствующие частоты d 2 *p. 5. Находят сумму произведений ( d 2 *p) 6. Вычисляют среднее квадратическое отклонение по формуле: n p * d σ 2 при n больше 30,или 1 - n p * d σ 2 при n меньше либо равно 30, где n - число всех вариант. Значение среднего квадратичного отклонения: 1. Среднее квадратическое отклонение характеризует разброс вариант относительно средней величины (т.е. колеблемость вариационного ряда). Чем больше сигма, тем степень разнообразия данного ряда выше. 2. Среднее квадратичное отклонение используется для сравнительной оценки степени соответствия средней арифметической величины тому вариационному ряду, для которого она вычислена. Вариации массовых явлений подчиняются закону нормального распределения. Кривая, отображающая это распределение, имеет вид плавной колоколообразной симметричной кривой (кривая Гаусса). Согласно теории 67 вероятности в явлениях, подчиняющихся закону нормального распределения, между значениями средней арифметической и среднего квадратического отклонения существует строгая математическая зависимость. Теоретическое распределение вариант в однородном вариационном ряду подчиняется правилу трех сигм. Если в системе прямоугольных координат на оси абсцисс отложить значения количественного признака (варианты), а на оси ординат - частоты встречаемости вариант в вариационном ряду, то по сторонам от средней арифметической равномерно располагаются варианты с большими и меньшими значениями. Установлено, что при нормальном распределении признака: - 68,3% значений вариант находится в пределах М 1 - 95,5% значений вариант находится в пределах М 2 - 99,7% значений вариант находится в пределах М 3 3. Среднее квадратическое отлонение позволяет установить значения нормы для клинико-биологических показателей. В медицине интервал М 1 обычно принимается за пределы нормы для изучаемого явления. Отклонение оцениваемой величины от средней арифметической больше, чем на 1 указывает на отклонение изучаемого параметра от нормы. 4. В медицине правило трех сигм применяется в педиатрии для индивидуальной оценки уровня физического развития детей (метод сигмальных отклонений), для разработки стандартов детской одежды 5. Среднее квадратическое отклонение необходимо для характеристики степени разнообразия изучаемого признака и вычисления ошибки средней арифметической величины. Величина среднего квадратического отклонения обычно используется для сравнения колеблемости однотипных рядов. Если сравниваются два ряда с разными признаками (рост и масса тела, средняя длительность лечения в стационаре и больничная летальность и т.д.), то непосредственное сопоставление размеров сигм невозможно, т.к. среднеквадратическое отклонение - именованная величина, выраженная в абсолютных числах. В этих случаях применяют |