Медицинская статистика Лекция проф.Виноградова К.А.(1). Медицинская статистика как наука. Статистическая обработка медикобиологических исследований

• Название: Медицинская статистика как наука. Статистическая обработка медикобиологических исследований
• Дата: 17.02.2022
• Размер: 1.27 Mb.
• Имя файла: Медицинская статистика Лекция проф.Виноградова К.А.(1).pptx
• Тип: Лекция; #365141

Кафедра Общественного здоровья и здравоохранения Тема: Медицинская статистика как наука. Статистическая обработка медико-биологических исследований. Лекция для студентов специальности 31.05.02 - Педиатрия (очная форма обучения)

Красноярск, 2020

План лекции:

• История развития и становления медицинской статистики как науки.
• Определение понятия медицинская статистика и ее роли в деятельности руководителей медицинских организаций.
• Этапы статистического исследования.
• Абсолютные величины и коэффициенты соотношения.
• Средние величины.
• Основные подходы к доказательной медицине.
• Оценка статистических величин в динамике
• Оценка связей между признаками

Цель лекции:

Формирование навыка использования инструментов статистического анализа в деятельности врача

Часть 1

Основные термины и понятия.

Статистика – наука, изучающая количественные закономерности материальных явлений в неразрывной связи с их качественной стороной

Медицинская статистика - раздел статистики, изучающий состояние здоровья населения и общественное здравоохранение

Государственная медицинская статистика

Статистика системы здравоохранения (обеспеченность койками, врачами и т. п.)

Статистика здоровья населения (медико-демографические характеристики, заболеваемость населения и т. п.)

Статистика медико-биологических исследований

Применение статистических методов в медицине в зависимости от уровня решаемых задач

Трактовка нормы и патологии

Популяционный уровень	Индивидуальный уровень
Оценка состояния здоровья популяции (смертность, заболеваемость и т.д)	Оценка состояния здоровья пациента (клинико-лабораторные показатели)

Шкала оценки уровня смертности (коэффициент смертности на 1000 жителей).

До 10 - низкий

10-14,9 - средний

15-24,9 - высокий

25-34,9 – очень высокий

35 и более – чрезвычайно высокий

Нейтрофилы:	Число клеток в тыс. в 1 мкл крови
палочкоядерные	40—300
сегментоядерные	2000—5500

Диагностика заболеваний

Популяционный уровень	Индивидуальный уровень
Разделение населения по группам здоровья	Дифференциальная диагностика

I — здоровые с нормальным уровнем функций; II — здоровые, но имеющие функциональные отклонения, а также сниженную сопротивляемость к острым и хроническим заболеваниям; III — больные хроническими болезнями в состоянии компенсации; IV — больные хроническими болезнями в состоянии субкомпенсации; V — больные хроническими болезнями в состоянии декомпенсации.

Симптомы аллергического ринита	Частота симптомов P±m, %
Выделения из носа	96,2±3,8
Постназальный синдром	76,9±8,4
Чихание	96,2±3,8
Затруднение носового дыхания	96,2±3,8
Слезотечение	73,1±8,9
Зуд в глазах	80,8±7,9
Покраснение глаз	80,8±7,9
Першение в горле	88,5±6,4
Нарушение сна	88,5±6,4
Нарушение дневной активности ИИС	100,0±0,01

Прогнозирование процессов

Популяционный уровень	Индивидуальный уровень
Отдаленные результаты целевых программ	Исход заболевания отдельного больного

Выбор подходящего воздействия

Популяционный уровень	Индивидуальный уровень
Разработка целевых программ	Подбор индивидуальной тактики лечения

Организация медицинской помощи

Популяционный уровень	Индивидуальный уровень
Анализ деятельности системы здравоохранения и общественного здоровья	Анализ результатов своей работы

Планирование и проведение медицинских исследований Подготовка публикаций и сообщений ! Чтение и понимание медицинских сообщений

Математическая статистика – раздел математики, посвященный методам систематизации, обработки, анализа и использования статистических данных для научных и практических выводов.

Изучает явления, оценка которых может производиться только на массе наблюдений.

• Вероятность – количественная мера объективной возможности появления события при реализации определенного комплекса условий.
• Мера вероятности (р) – диапазон ее числовых значений: от 0 до 1 или от 0 до 100%.
• Случайное событие – событие, которое при реализации определенного комплекса условий может произойти или не произойти.

• Достоверное событие - событие, которое при реализации определенного комплекса условий произойдет непременно. Его вероятность будет равна 1 или 100%.
• Невозможное событие - событие, которое при реализации определенного комплекса условий не произойдет никогда. Его вероятность будет равна 0. В медицинских исследованиях достаточной считается вероятность появления события не менее 0,95 или 95%. При изучении заболеваний или ситуаций, имеющих важнейшие медико-социальные последствия или высокие показатели летальности и инвалидности, а также при фармакологических исследованиях вероятность появления события должна быть не менее 0,99 (99%).
• р<0,05; р<0,01; р<0,001

• Частота появления события (статистическая вероятность) – это отношение числа случаев, в которых реализовался определенный комплекс условий (m), к общему числу случаев (n): p(A)=m/n. Вероятность отсутствия события: q= 1- p.
• Случайная величина – величина, которая при реализации определенного комплекса условий может принимать различные значения.
• Закон больших чисел: при достаточно большом числе наблюдений случайные отклонения взаимно погашаются и проявляется устойчивость некоторых параметров, которая выражается в основной тенденции (закономерности). При этом наблюдаемая частота случайного события будет сколь угодно мало отличаться от вероятности появления события в отдельном опыте.

Часть 2

Этапы статистического исследования:

I. Формирование цели и задач исследования.

II. Организация исследования.

III. Сбор информации.

IV. Обработка информации.

V. Анализ результатов исследования.

VI. Внедрение результатов исследования в практику и оценка эффективности внедрения.

Цель - отвечает на вопрос зачем проводится данное исследование

Задачи исследования - дают ответ на вопрос как будет достигнута цель

По целям исследования

Дескриптивное (для описания и прогнозирования тенденций)

Оптимизационное (для решения проблемы и принятия управленческих

решений

В зависимости от методического подхода к исследованию

Активные исследования

Поисковые эксперименты

Управляемые эксперименты

Пассивные исследования

Организация исследования:

План исследования предусматривает методику проведения исследования, дает раскладку организационных вопросов (что, где, когда, сколько?).

Определяет субъектов исследования.

Организация исследования:

Программа исследования(отвечает на вопрос: как делать?) состоит из трех главных компонентов :

• программы сбора материала;
• программы его разработки (табличной сводки);
• программы анализа.

Прежде всего устанавливается объект исследования и единица наблюдения.

Организация исследования:

Под объектом наблюдения понимают статистическую совокупность, состоящую из отдельных предметов или явлений - единиц наблюдений, взятых в определённых границах времени и пространства.

Единица наблюдения - первичный элемент статистической совокупности, являющейся носителем признаков, подлежащих регистрации, изучению в ходе исследования.

Учетные признаки – признаки подлежащие регистрации в ходе статистического исследования.

Учетные признаки

Качественные

Количественные

Альтернативная (номинальная) шкала (пол)

Шкала рангов (порядковая) (стадии болезни)

Интервальные (шкала Цельсия)

Относительные шкалы (наличие нулевой точки)

Учетные признаки

Факторные

Результативные

Способы наблюдения

Непосредственное наблюдение

Выкопировка данных

Опрос

По времени наблюдения

Текущее

Единовременное

Исследование

по охвату

Сплошное

Выборочное

Монографическое (объект имеет яркие особенности)

Метод основного массива

Выборочное исследование

Репрезентативность выборки

Количественная

Качественная

Формирование выборки

Механически

Типологически

Когортно

Часть 2

Статистическая обработка и анализ полученных данных

1. Методы расчета обобщающих коэффициентов, характеризующие различные стороны каждого из признаков:

• методы расчета относительных величин;
• методы расчета средних величин;
• методы оценки статистической значимости относительных и средних величин.

• 4. Методы анализа динамики явлений (анализ динамических или временных рядов).

Относительные величины. Статистические коэффициенты.

Абсолютные величины – могут быть простыми (имеют именованные единицы измерения -сантиметры, дни, случаи заболевания и т. п.) и сложными (выражаются произведениями единиц различной размерности человеко-часы, потерянные годы жизни и т. п.). Относительной статистической величиной - называется отношение двух чисел, выражающих меру каких-либо явлений. Смысл получения относительных величин – нахождение общей меры, приведение к общему знаменателю. Интенсивные коэффициенты показывают размер явления (частоту, уровень, распространенность) явления в среде которая продуцирует его. Эти коэффициенты отвечают на вопрос, как часто явление встречается в известной среде.

Как сравнить?

2 из 10

2 из 5

Популяция 1

Популяция 2

Привести к общему знаменателю

Риски смерти соотносятся как 0,2 и 0,4

Популяция 1

Популяция 2
Мерой смертности является интенсивный коэффициент, представляющий собой отношение числа умерших на отрезке времени наблюдения (за год) к средней численности изучаемого населения или соответствующие его группы: Общий показатель = число умерших за год х1000 смертности среднегодовая численность населения

• До 10 - низкий
• 10-14,9 - средний
• 15-24,9 - высокий
• 25-34,9 – очень высокий
• 35 и более – чрезвычайно высокий

Экстенсивные коэффициенты отражают структуру, распределение. Они характеризуют отношение части статистической совокупности к целой совокупности (долю, удельный вес), то есть отношение отдельного элемента к итогу. Выражаются только в процентах. Коэффициенты соотношения – применяются, когда приходится оценивать соотношение разнородных величин. Данные коэффициенты вычисляются через пропорцию. Могут вычисляться на 100, на 1000, на 10000. Могут выражаться дробными числами: 1, 53 медсестры на врача.

Абсолютный прирост (убыль) – характеризует изменение явления в единицу времени.

Темп роста – показывает соотношение в процентах последующего и предыдущего уровней.

Темп прироста – показывает на сколько процентов увеличился или уменьшился уровень явления.

Коэффициент наглядности – используются для облегчения сравнения и повышения наглядности. Не изменяя по существу отношения между числами, они дают более отчетливое представление о характере изменения явления во времени. Выражаются коэффициенты наглядности в процентах или долях единицы, которые вычисляют от исходного уровня, принимаемого за 100%.
Вариационный ряд (frequency table)- ранжированный ряд распределения

по величине какого-либо признака. Этот признак носит название варьирующего, а его отдельные числовые значения называются вариантами и обозначаются через “v". Число, показывающее, сколько раз данная варианта встречается в вариационном ряду, называется частотой и обозначается через "р"

Кривая нормального распределения

Нормальное (гауссово, симметричное, колоколообразное) распределение – описывает совместное воздействие на изучаемое явление небольшого числа случайно сочетающихся факторов, число которых неограничено велико. Встречается в природе наиболее часто, за что и получило название «нормального».Характеризует распределение непрерывных случайных величин.

Р

Х

х – значения случайной величины;

р – вероятность появления данного значения в совокупности.

Название квантилей

Число частей, на которые

разбивается ряд

Медиана

2

Терциль

3

Квартиль

4

Дециль

10

Процентиль

100

Вариационный ряд можно разбивать на отдельные (по возможности равные) части, которые называются квантилями (quantile). Наиболее часто употребляемые квантили:

Мода (Мо) (mode)- наиболее часто встречающаяся в вариационном ряду варианта.

Мода используется:

• - при малом числе наблюдений, когда велико влияние состава совокупности на среднюю ;
• - для характеристики центральной тенденции при ассиметричных распределениях, когда велико влияние на среднюю крайних вариант;

Медиана (Me)(median) -варианта, которая делит вариационный ряд на две равные части.

Медиана используется:

• - при необходимости знать, какая часть вариант лежит выше и ниже срединного значения ;
• - для характеристики центральной тенденции при ассиметричных распределениях .
• Форма отображения – Ме (V25;V75)

Медиана и квартили

• Например, исследуемый признак – «срок, в котором ребенок начал самостоятельно ходить» - в исследуемой группе имеет ассиметричное распределение. При этом, нижнему квартилю (V25) соответствует срок начала ходьбы – 9,5 месяцев, медиане – 11 месяцев, верхнему квартилю (V75) – 12 месяцев. Соответственно, характеристика средней тенденции указанного признака будет представлена, как 11 (9,5; 12) месяцев.

• Среднее арифметическое наиболее точно характеризует центральную тенденцию при нормальном распределении.

Среднее квадратическое отклонение

• Наиболее полную характеристику разнообразия признака в статистической совокупности дает среднее квадратическое отклонение (сигма), которое является общей мерой отклонения вариант от своей средней величины.
• Форма отображения M±σ

68.3 % всех вариант отклоняются от своей средней не более, чем на σ 95.4% вариант находятся в пределах X ± 2σ 99.7% вариант находятся в пределах X ± 3σ. Отклонение параметра от его средней арифметической в пределах σ расценивается как норма, субнормальным считается отклонение в пределах ± 2σ и патологическим - сверх этого предела, т.е. > ± 2σ" (рис. )

Правило «трех сигм» ( SD – стандартное отклонение)

Использование средних величин в медицине и здравоохранении

• а) для оценки состояния здоровья — например, параметров физического развития (средний рост, средний вес, средний объем жизненной емкости легких и др.), соматических показателей (средний уровень сахара в крови, средний пульс, средняя СОЭ и др.);
• б) 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,

2. Методы сравнения различных статистических совокупностей:

• методы оценки достоверности различия обобщающих коэффициентов;
• методы оценки достоверности различия распределения признаков;
• методы стандартизации обобщающих коэффициентов.

Общий принцип использования методов оценки статистической значимости межгрупповых различий

• Формулировка нулевой гипотезы о случайности обнаруженных различий.
• Определение вероятности получить наблюдаемые различия при условии справедливости нулевой гипотезы.
• Подтверждение или отвержение нулевой гипотезы на основании сравнения вероятности, полученной в п.2 с требуемым значением уровня значимости.

Например, р<0,05

!!!!!

• Для выбора метода, сравнительной статистики необходимо знать распределение переменной.
• Для этого применяются критерии Колмагорова-Смирнова и Шапиро-Уилка.

Выбор метода сравнения выборок и определения взаимосвязи явлений

Признак	Исследование
	Две группы	Более 2-х групп	Одна группа до и после воздействия	Одна группа несколько факторов воздействия	Связь признаков
Количественный (параметрический)	Критерий Стьюдента	Дисперсионный анализ	Парный критерий Стьюдента	Дисперсионный анализ повторных изменений	Линейная регрессия, корреляция
Качествен-ный	Критерий Хи- квадрат, Z- критерий	Критерий Хи- квадрат	Критерий Мак-Нимара	Критерий Кохрена	Коэфф-т сопряженности , логистическая регрессия
Порядковый	Критерий-Манна-Уитни	Критерий Крускала-Уоллиса	Критерий Уилкоксона	Критерий Фридмана	Коэффициент ранговой корреляции Спирмена

Часть 3

Корреляция. Регрессия

Корреляционный анализ устанавливает:

• - наличие связи;
• - силу связи: слабая (коэффициент корреляции до 0.29), средняя (0.3 - 0.69), сильная (0.7 и выше);
• - направление связи: прямая (изменения признаков происходят в одном направлении) и

обратная (изменения признаков происходят в разных направлениях);

Корреляция и регрессия

Регрессия

• В данном примере возраст мужа – переменная отклика, а возраст жены – предиктор.
• R2 – коэффициент детерминации
• показывает на сколько предиктор объясняет изменения переменной отклика
• Например, R2 = 0,85

Внедрение результатов исследования в практику.

Научные исследования заканчиваются внедрением их результатов в практику. В зависимости от цели и задач исследования возможны различные варианты практического использования результатов работы:

• доклад или лекция, практическое занятие для обучения и повышения квалификации;
• опубликование в печати (статья, монография, обзор и т.п.);
• методический материал (рекомендации, инструкция, положение);
• директивный материал (приказ, положение, закон и.др.);
• реорганизация деятельности медицинского учреждения;
• научное открытие, рационализаторское предложение и т.п.

1. Ошибки регистрации:

• Случайные (взаимно погашаются и не влияют на результат исследования);
• Систематические (плохая калибровка прибора, неоднозначность инструкции, недостаточная унификация методов и т.д. – могут существенно исказить результат исследования).

2. Методические

• Недостаточность числа наблюдений;
• Нарушение случайности отбора;
• Неправильная группировка данных;
• Использование средних величин в неоднородных группах и другие.

3. Логические

• Сравнение данных без учета их качественной характеристики;
• Смешение причины и следствия;
• Недоучет взаимосвязи явлений.

Выводы

• Статистика-это наука, количественную сторону общественных явлений в неразрывной связи с их качественными особенностями
• Показатели медицинской статистики позволяют оценить индивидуальное, общественное здоровье и работу учреждений здравоохранения

Спасибо за внимание!