БИОСТАТИСТИКА Под общей редакцией члена-корреспондента АМН Украины, профессора В.Ф. Москаленко 2 БИОСТАТИСТИКА Под общей редакцией члена-корреспондента АМН Украины, профессора В.Ф. Москаленко Допущено Министерством здравоохранения Украины как ученик для студентов высших медицинских учебных заведений III—IV уровня аккредитации Київ КНИГА ПЛЮС 2009 3 УДК 312.6 (075.8) Москаленко В.Ф., Гульчий О.П., Голубчиков М.В., Лєдощук Б.О., Лєхан В.М., Огнев В.А, Литвинова Л.О., Максименко О.П., Тонковид О.Б. / Под общей редакцией члена-кореспондента АМН Украины, профессора В.Ф. МОСКАЛЕНКО / БІОСТАТИСТИКА. — К.: Книга плюс, 2009, —184 с. Авторський колектив: — В.Ф. Москаленко, доктор медичних наук, чл.-кор. АМН Украины, професор, Заслужений деятель науки и техники Украины, Заслужений врач Украины, зав. кафедрой социальной медицины и организации здравоохранения Национального медицинского университета имени 0.0. Богомольца; — О.П. Гульчий, доктор медицинских наук, профессор, профессор кафедры социальной медицины, и здравоохранения Национального медицинского университета имени 0.0. Богомольца; — М.В. Голубчиков, доктор медицинских наук, профессор, зав., кафедрой медицинской статистики Национальной медицинской академии последипломного образования имени П.Л. Шупика; — Б.А. Ледощук, доктор медицинских наук, профессор, зав., кафедрой социальной гигиены и организации здравоохранения по повышению квалификации руководящих кадров Национального медицинского университета имени 0.0. Богомольца; — В.М. Лехан, доктор медицинских наук, профессор, зав., кафедрой социальной медицины организации и управление охраной здоровья Днепропетровской государственной медицинской академии; — В.А. Огнев, доктор медицинских наук, профессор, зав., кафедрой социальной медицины организации и экономики здравоохранения Харьковского Национального медицинского университета; — Л.О. Литвинова, кандидат медицинских наук, доцент кафедры социальной медицины и охраны Здоров’я Национального медицинского университета имени 0.0. Богомольца; — О.П. Максименко, кандидат медицинских наук, доцент кафедры социальной медицины, организации и управления охраной здоровья Днепропетровской государственной медицинской академии; — О.Б. Тонковид, кандидат медицинских наук, доцент кафедры социальной медицины и охраны здоровья Национального медицинского университета имени 0.0. Богомольца. Рецензенты: — заведующий кафедры социальной медицины, экономики и организации здравоохранения Львовского национального медицинского университета имени Даниила Галицкого, доктор медицинских наук, профессор Рудень В.В. — доцент кафедры управления охраной здоровья Национальной медицинской академии последипломного образования имени П.Л. Шупика, кандидат медицинских наук, доцент Бугро В.И. — старший преподаватель кафедры социальной гигиены и организации здравоохранения по повышению квалификации руководящих кадров здравоохранения Национального медицинского университета имени 0.0. Богомольца, кандидат медицинских наук Латишев Е.Е. В учебнике представлена история развития биостатистики, клинической эпидемиологии и доказательной медицины, теоретические основы аналитической статистики. Освещены методики использования основных статистических методов анализа в медицине. Описаны современные методы эпидемиологических исследований. Изложены основные принципы и положения доказательной медицины. Рассматриваются принципы построения и деятельности медико-статистичної службы в Украине. Учебник написан в соответствии с учебной программой из дисциплины, составленной согласно требованиям экспериментального учебного плана подготовки специалистов образовательно квалификационного уровня «специалист» квалификации «врач» в высших учебных заведениях ИИИИУ уровней аккредитации Украины и рассчитанный на студентов высших медицинских учебных заведений, аспирантов и врачей. © Москаленко в.Ф., Гульчий о.П., Голубчиков М.В., Ледощук Б.О., Лехан В.М., Огнев В.А., Литвинова Л.О., максименко О.П., Тонковид О.Б., 2009 ТОВ «КНИГА ПЛЮС», 2009 4 СОДЕРЖАНИЕ Вступление Москаленко В.Ф…………………………………………………………………………5 Раздел 1. История становления и развития биостатистики. Огнев В.А……………………..9 Раздел 2. Эпидемиологические исследования. Лехан В.М. Максименко О.П. …….….18 2.1 Эпидемиология как наука: сфера применения, задачи………………….………..18 2.2 Характеристика эпидемиологических методов исследования……………….…..20 2.3 Скрининг – источник информации о состоянии здоровья населения в эпидемиологических исследованиях……………………………………………..…….25 2.4 Факторы риска, методика расчета………………………………………………….27 2.5 Статистические показатели в эпидемиологических исследованиях……………..31 Раздел 3. Аналитическая статистика……………………………………………………….35 3.1 Организация и дизайн статистических исследований…………………………….35 3.2 Относительные величины (статистические коэффициенты). Графические методы анализа…………………………………………………………………………..43 3.3 Метод стандартизации………………………………………………………………55 3.4 Динамические ряды и их анализ…………………………………………………...59 3.5 Характеристика и анализ статистической совокупности………………………....65 3.6 Оценка и анализ вероятности статистических гипотез…………………………...74 3.7 Непараметрические методы оценки вероятности статистических гипотез……..78 3.8 Анализ взаимосвязи между параметрами статистических совокупностей……...84 3.9 Методы многофакторного анализа………………………………………………....89 Раздел 4. Доказательная медицина…………………………………………………………91 4.1 История доказательной медицины………………………………………………….91 4.2 Основные положения доказательной медицины………………………………..…95 4.3 Доказательная медицина и качество проведения клинических исследовани....…99 4.4 Доказательная медицина и качество оказания медицинской помощи…………..104 Раздел 5. Медицинская статистика. Информационное обеспечение системы охраны здоровья……………………………………………………………………………..109 5.1 Предмет и содержание медицинской статистики………………………………...109 5.2 Принципы строения и деятельности медико-статистической службы Украины.111 Словарь…………………………………………………………………………………………………..117 5 ВСТУПЛЕНИЕ В разделе объясняются основные понятия статистики, биостатистики, доказательной медицины, клинической эпидемиологии. Вопросы для усвоения: • Что изучает биостатистика? • В чем суть доказательной медицины? • Где используется клиническая эпидемиология? Цель: ознакомить с определениями и продемонстрировать значение биостатистики, доказательной медицины, клинической эпидемиологии. Статистика как наука имеет давнюю и богатую историю. Однако статистические методы в медицине стали использоваться относительно недавно — с 30-х годов XX ст. При описании и анализе клинических явлений господствовал количественно статистический подход. Биостатистика сыграла ключевую роль в переходе медицинских исследований от описания отдельных наблюдений и серий случаев к проведению экспериментальных работ с применением контрольных групп и масштабных рандомизированных контролируемых испытаний, которые стали новым стандартом качества научных исследований. В середине XX ст. глубокое знание принципов биостатистики было доступным далеко не для всех ученых-медиков. Количество клинических исследований увеличивались, использование статистических методов быстро распространялось. За рубежом начали появляться публикации, которые оценивают качество статистического анализа в медицинских статьях. Частота обнаруженных статистических погрешностей колебалась от 50 до 80 %. Подавляющая часть этих погрешностей была связана с непониманием самых простых принципов, изложенных, даже в элементарнейших пособиях по статистике и приводила к недостоверным выводам. Почему же статистика настолько сложна для понимания врачами? Потому, что понимание статистических принципов требует развитого абстрактного мышления, медицина же — дело практическое. Врачам необычно мыслить такими категориями, как популяция, вероятность, распределение, нулевая гипотеза. В то же время они верят во всемогущество статистических методов, без понимания их роли и особенностей применения. За последнее десятилетие мы стали свидетелями быстрого развития доказательной медицины — направлению, которое проверяет эффективность медицинских вмешательств в клинической практике. Врачи все чаще обращаются к подобным исследованиям для того, чтобы принять правильное решение и выяснить, чем новые методики отличаются от старых. Однако оценить качество современных исследований невозможно без знания методов обработки информации, которые еще недавно большинству врачей были неизвестны. Эти методы включают статистический анализ, на результаты которого исследователи опираются в своих выводах. К сожалению, иногда методы статистического анализа недостаточно обоснованы и часто неправильно используются. Одна из распространенных ошибок заключается в том, что статистические методы позволяют получить количественный показатель, который сам по себе, без учета природы исследуемого явления и результатов предыдущих исследований, предубеждает ошибочные выводы. Этот обман мешает правильным выводам, усложняя понимание связи между доказательностью результатов отдельного исследования и убедительностью других доказательств (данные клинических и экспериментальных исследований, накопленный практический опыт). Вот почему результаты многих исследований не выдерживают проверки временем. Именно методы прикладной статистики являются наилучшим инструментом для получения научно обоснованных достоверных результатов исследования, иногда при условиях неопределённости многих характеристик и при небольшом количестве наблюдений. Биостатистика (Biostatistics) – это наука, использующая статистическую теорию при проведении исследований в области медицины, экологии, биологии, гражданского здоровья и др. Биостатистика — наука прикладная, все статистические методы основаны на сложном математическом аппарате, но ее принципы невозможно рассматривать отдельно от методологии медицинских исследований. Ведь статистика — это только часть исследования, которое стоит 6 рассматривать в контексте всех проблем, которые определяют качество исследования. Формулировка основной цели исследования, выбор соответствующего метода и способа организации исследования, особенности отбора больных, и характер полученных данных, — все это определяет выбор адекватного метода статистического анализа и влияет на достоверность полученных результатов. Формирование современной методологии исследований происходит параллельно с усовершенствованием способов количественного анализа статистических данных. Биостатистика, используя статистическую информацию и статистические методы, изучает вопросы здравоохранения и социальные проблемы, разрабатывает специальные рекомендации. Биостатистика охватывает, и в полной мере является аналогом витальной статистики (например, рождаемости и смертности) и демографии. На наш взгляд, изучение основ биостатистики в высших медицинских учебных заведениях Украины актуальное для всех будущих врачей. А начинать его нужно с ознакомления с ведущими принципами доказательной медицины. В частности, каждый должен осознать, что исходным принципом доказательной медицины является использование научной медицинской информации лишь наивысшего уровня доказательности, которая сосредоточена, прежде всего, в результатах рандомизированных контролируемых опытов, меньшей мерой в когортных и других исследованиях, и обобщенная в клинических рекомендациях, систематических обзорах, анализах цели, международных консенсусах и др. Доказательная медицина, или медицина, основанная на доказательствах (Evidence-based medicine), - это совокупность методологических подходов к проведению клинических исследований, оценка и применение их результатов. В узком значении доказательная медицина – это способ(разновидность) медицинской практики, когда врач применяет в лечении пациента не только те методы, полезность которых доказана объективными исследованиями. Попытки определить прогноз заболеваний, то есть предусмотреть вероятность их возникновения, хода, и заключения, возникли еще в глубокой древности, одновременно с появлением медицинской практики. Ведь результаты лечения (выздоровеет человек или умрет, останется работоспособным или станет инвалидом) всегда (и в первую очередь) интересовали пациентов, их близких, врачей. Кроме того, от умения врача прогнозировать течение заболевание в значительной мере зависела его профессиональная репутация. Уже давно в клинической медицине выкристаллизовались четыре типа прогностических задач: 1) прогнозирование состояния здоровья здоровых людей в обстановке влияния на них патогенных факторов, и отдельно в экстремальных ситуациях; 2) прогнозирование риска заболевания; 3) прогнозирование течения болезни; 4) прогнозирование ее последствий. Две последних задачи тесно связаны между собой, потому рассматривались и решались параллельно, причем и каждому частному случаю заболевания. В настоящее время они рассматриваются клинической эпидемиологией. Клиническая эпидемиология – наука, изучающая закономерности распространения любых заболеваний, осуществляет прогнозирование их у каждого конкретного пациента на основании изучения клинического течения болезни в аналогичных случаях. Для этого она использует соответствующие научные методы изучения групп больных, обеспечивая точность прогнозов. В отличие от других медицинских наук объектом наблюдения клинической эпидемиологии являются люди, а не животные или элементы человеческого организма — культуры тканей, клеточные 7 мембраны и тому подобное. Клиническая эпидемиология осуществляет методологическое обеспечение клинических исследований, их объективную оценку, а следовательно является методологической основой доказательной медицины. Термин «клиническая эпидемиология» возник из названий двух родственных наук — клинической медицины и эпидемиологии. Клинической она называется потому, что решает клинические проблемы, отвечает на разнообразные медицинские вопросы и рекомендует соответствующие клинические решения, которые основываются на очевидных фактах. Она называется эпидемиологией, так как значительное количество ее методов исследования одно время были предложены эпидемиологами и помощь конкретному больному рассматривается ею в контексте большой популяции, к которой принадлежит и сам пациент. Эпидемиология базируется на предположении, что заболевания не возникают случайно и имеют причины, которые могут быть обнаружены систематическим изучением разных популяций и подгрупп в разных местах или в разные временные периоды. В практическом плане клиническая эпидемиология обеспечивает доказательную медицину необходимыми методами биостатистики, объективными критериями достоверности и способами обобщения результатов клинических исследований. Это, прежде всего, касается клинических испытаний разных методов лечения и управления, в результате чего уменьшается до минимума количество ошибок — стандартных, случайных и тому подобное. Этим самым обеспечивается высокая достоверность, включая прогнозы. В настоящее время существуют разные взгляды на медицину, основанную на доказательствах. Достаточно много критиков этого подхода. Например, в США доказательную медицину часто сравнивают с поваренной книгой, в которой есть рецепты лечения больных. С другой стороны, радикальные сторонники медицины, основанной на доказательствах, доводят до абсолюта значения рандомизированных контролируемых исследований. Очевидно, истина где-то посередине. Почему же необходимо изучать биостатистику будущим врачам? Анализируя содержание деятельности врачей, которые являются представителями клинической медицины, профилактической медицины или общественного здоровья (организаторы охраны здоровья), можно увидеть общность задач, которые появляются перед врачами любой специальности (рис. 1). Клиническая медицина Проанализировать жалобы пациента. Выдвинуть гипотезу (по поводу диагноза). Установить диагноз. Начать лечение. Проанализировать эффективность лечения Профилактическая медицина Выявить потребности человека по поводу его здоровья. Выдвинуть гипотезу (по поводу возможных факторов риска). Выявить основные факторы риска. Провести вмешательство (использовать профилактические меры). Оценка эффективности профилактических мер. Общественное здоровье Выявление потребностей населения по поводу здоровья. Выдвинуть гипотезу ( по поводу причины проблемы). Установка причины проблемы со здоровьем. Провести вмешательство (принять управленческие решения). Оценка эффективности управленческих решений. Рисунок 1. Содержание деятельности врачей клинической медицины, профилактической медицины и общественного здоровья. 8 Какая же роль отводится клинической эпидемиологии, биостатистике и доказательной медицине в решении этих заданий? Это рассмотрено на рис. 2. Доказательная медицина Клиническая эпидемиология: определяет, ЧТО изучать и формулирует гипотезы на основе наблюдений. Биостатистика: определяет КАК изучать и планировать исследование. Таким образом, биостатистика — это разработка и применение статистических и математических методов для планирования и анализа проблем общественного здоровья, профилактических программ и биомедицинских исследований. Эпидемиология изучает характеристики заболеваний и травм в человеческой популяции и применение этих знаний для борьбы с заболеваниями человека. В большинстве изданий по статистике делается акцент на математическом обосновании статистических методов и мало уделяется внимания методологии применения их в прак тике медицинских исследований. Цель нашего учебника по биостатистике — предоставить возможность студентам-медикам овладеть основами биостатистики как основного элемента доказательной медицины, сформировать комплексный подход к решению аналитических задач во время проведения научных исследований, с умением анализировать и интерпретировать полученные результаты. Вопросы для обсуждения: 1.Зачем врачу изучать статистику? 2.Почему статистика заскладна для понимания врачами? Литература 1.Альбом А., Норелл С. Введение в современную эпидемиологию. -Таллин, 1996.-122 с. 2.Власов В.В. Введение в доказательную медицину. - М.: Медиа Сфера, 2001.-392 с. 3.Майр Георг. Статистика и обществоведение/ Перевод с нем. В.Я. Железнова. — Спб., 1901. — т.II — Вып. II. Статистика населення.-631 с. 4.Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник.— изд. 2-е, испр. и доп. - М.: І/ІНФРА-М, 2000. - 416 с. 5.Крейнин Г.С. Курс статистики в кратком изложении.— М.: Госпланиздат. 1946.- 176 с. 6.Флетчер Р, Флетчер С, Вагнер 3. Клиническая зпидемиология. Основьі доказательной медицины. М.:Медиа Сфера, 1998 - 352 с. 9 РАЗДЕЛ 1. ИСТОРИЯ СТАНОВЛЕНИЯ И РАЗВИТИЯ БІОСТАТИСТИКИ Происхождение терминологии. Термин "статистика" происходит от латинского слова status, которое сначала означало положение, состояние вещей. Отсюда образовалось итальянское слово stato, которое сначала понимали как управляемую область или государство, а в дальнейшем практическую политику, которая состояла в знании европейских государств. Лица, которые владели такими знаниями, назывались statista, что означало государственный человек, знаток государства. В XVII столетии statista, переходит в немецкий и латинский языки с таким же названием. В дальнейшем, во второй половине XVII столетия и в начале XVIII столетия, от этого слова происходит прилагательное statisticus, которое и вошло в название новой дисциплины. Впервые это слово было введено как научный термин Германом Конрингом в его лекциях, посвященных "Notitia rerum publicarum". Как термин впервые употребил это слово Г. Ахенвалль в 1743 году в работе "Notitia politica vulgo statistica". Под статистикой в то время понималась совокупность знаний о государственном устройстве, необходимых для государственного чиновника. Таким образом, термин "статистика", сформированный впервые в немецких университетах, постепенно нашел свое практическое применение, стал общеупотребительным и приобрел всеобщее признание и распространение. Биостатистика в историческом аспекте. Биологическая статистика как методология биомедицины в своем историческом развитии прошла длинный и сложный путь от чисто словесного описания биологических объектов до их объективного измерения, от простых статистических сводок и таблиц к системному статистическому анализу массовых явлений в биологии и медицине. На начальных стадиях своего становления, биостатистика не могла быть отдельной наукой, она развивалась на протяжении продолжительного времени в структуре общей статистики и только в XIX столетии получила право на самостоятельное существование в биомедицине. Этапы развития и становление биостатистики Первый этап – начальный. Второй этап – описательный. Третий этап – определительный. Четвертый этап – основоположный. Пятый этап – формалистический. Шестой этап - рационалистический. Седьмой этап – классический. Первый этап - начальный. Первые статистические исследования, проводились не ради науки, а в большей мере с практической целью, чаще всего для определения военной и налоговой способности населения. Известно, что еще за 550 лет до н.э. в Китае для этого проводилась перепись населения. Об этом свидетельствует сборник " Шу-Кинг ", составленный Конфуцием. В нем есть сведения о численности населения (распределение его согласно полу, возрасту), о прибыльности земель, о движении торговли и др. О проведении статистических наблюдений в Персии речь идет также в произведении Геродота, где приводятся данные, которые характеризуют государственную деятельность. Есть также сведения о существовании административной статистики в Древнем Египте. Аналогичные статистические наблюдения проводились в Древней Греции. Греки понимали, что без статистического учета невозможно обеспечить высокое развитие государства. С тех же позиций известны реформы Ликурга и Соломона, основанные на делении населения на классы. В то историческое время существовали официальные списки, в которые вносились все свободно рожденные дети сразу же после рождения, а также по достижению ими 18 лет (списки военнопригодных) и после 20 лет (списки полноправных) . В Греции же делаются первые попытки обработки статистического материала: так, еще Аристотель (384-322 г. до н.э.) дает широкое демографическое описание 157 разных государств и мост Греции. Римляне в этих вопросах отличались практичностью, а потому обратили внимание на необходимость сбора разной информации о населении. С этой целью ими была организованна статистическая организация - так называемый ценз, введенный Сервием Туллием (550 лет до н.э.). Организация ценза имела свои суровые правила: каждый самостоятельный римский гражданин был обязан сообщить цензору свое 10 полное имя, общину (трибу) к которой он принадлежит, имя и возраст отца или господина (который отпустил его на волю), имена, пол, возраст всех членов семьи. Все эти данные скреплялись печатью. Цензы повторялись через каждые 5 лет. Параллельно существовали также другие цензы, например, на имущество. В Риме существовали поземельные кадастры для взыскания поземельного налога. Кроме периодического ведения ценза и кадастров у римлян велась текущая перепись населения: официальные записи рождений, позднее регистрация смертных случаев. Со Средних веков к нам дошло значительно меньше информации о статистических наблюдениях, чем из давних времен, потому что тогдашняя разрозненность государств ограничивала развитие статистики. В то же время известна статистическая работа, выполненная по предписанию Карла Великого "Breviaris rerum fiscalium". Она включала в себя описание королевских и феодальных имений (здания, земли, прибыльность, рабочий скот и др.). Подобное описание было составлено Вильгельмом Завоевателем в Англии (между 1083-1086 гг.) и известно под названием " DoomsdayBook" ("Книга Страшного суда"). В развитии статистики важную роль играло духовенство, ведь в церквях велся регулярный учет о погребении, крещении и бракосочетании. Определенные статистические исследования проводились в Древней Руси. Так, в XIII столетии перепись населения дважды проводилась татарами, а в конце XIV столетии - русскими князьями. В средние столетия особое внимание отводилось систематизации статистического материала. В Италии в XV столетии появляются сборники демографических описаний современных государств (сборник "Пикколомини" - со временем Папы Пия II, сборник "Сансовино"). Последний сборник выдержал 5 изданий и пользовался большой популярностью на протяжении 40 лет, был переведен на многие языки народов мира. Во Франции был хорошо известен сборник д'Авити (1614 г.), который включил в себя описание государств не только Европы, но и Азии, Африки, Америки. Необходимо отметить, что все проведенные в тот период статистические исследования, по методологии и содержанию были бессистемными, неупорядоченными и с научной точки зрения малоценными, поэтому назвать их научными в современном понимании мы не можем. Второй этап развития биологической статистики, как и статистики в целом, вошел в историю науки как описательный. Методы описательной статистики актуальны и ныне, ведь много биологических научных исследований имеют описательный характер. Так, при описании растений и животных характеризуется их форма, размер, цвет, поведение, распространение, сходство с другими организмами или отличие. В простейшем виде такое описание имело, главным образом, словесный характер. Описательная статистика как наука о государствоведении зародилась в Германии. Немецкие исследователи, развивая метод согласно нуждам практики, возвели государствоведение от простого описания государств на уровень чистой науки, введя его в обязательную университетскую программу. Основателем описательной статистики принято считать профессора Гельмштадского университета Г. Конринга. Г. Конринг Г. Ахенвалль А. Шлецер А.Ф. Бюшинг Р.М. Андерсен Второй этап – описательный ( конец XVII– начало XVIII вв.) Ввел курс лекций по государствоведению ( прообраз статистики как науки). Предложил новое название государствоведения – статистика, создал немецкой университетской статистики. Теоретик описательной статистики. Предложил сравнительные методы статистики. Предложил подавать данные в виде обобщенных таблиц. Г. Конринг, известный немецкий врач, историк и государствовед, был профессором медицины и политики в Гельмштадте. В 1658 г. шведский король Карл X сделал Г. Конринга своим советником и лейб-медиком. С 1669 г. Он был государственным советником датского короля. В его советах нуждались в при решении самых важных государственных дел. Он принимал участие в подготовке Вестфальского мирного трактата. Исследование Г. Конринга ("De origine juris germanici", Гельмштадт, 1643 г.) дает повод считать его основателем истории немецкого права. В философии Г. Конринг был последователем Аристотеля; в боголовии разделял взгляды Каликста. В медицине он распространял учение Гарвея о кровообращении, боролся с алхимией, установил значение химии для фармации. Г. Конринг первый начал читать публичный курс лекций о государствоведении в университете (в 1660 г.). Его лекции имели огромный успех, а государствоведение стало популярным 11 предметом преподавания. К сожалению, произведения Германа Конринга были изданны только через 50 лет после его смерти (в 1730 г.) в 6 томах на основании 5 рукописных тетрадей его слушателей. Позже один из талантливых университетских преподавателей статистики Г. Ахенвалль (17191772),который родился в Эльбинге, учился в 1738-1743 гг в Иене, Галле, Лейпциге, продолжал развивать это направление, которое быстро приобрело популярность и всеобщее признание. Изучение статистики стало считаться обязательным для каждого образованного человека. Г. Ахенвалль начал читать лекции в 1748 году как приват-доцент в Марбуржском и Геттингенском университетах. Его работы были опубликованы в 1749 г ("Abriss der neuesten Staatswissenschaft der vornehmsteneuropaischen Reiche"). Этот труд представляет собой кодекс немецкой университетской статистики. Оценивая роль Г. Конринга и Г. Ахенвалля в развитии статистики, несомненное преимущество необходимо предоставить Г. Конрингу, хотя работы его были менее известны и доступны, так как они были изданы на латинском языке. Г. Ахенвалль публиковал свои работы на немецком языке, что привлекло большой круг читателей. Но заслуга Г. Ахенвалля в том, что он впервые ввел новую терминологию и сделал статистику популярной. Из последователей Ахенвалльськой школы известен А. Шлецер (1735-1809), которого называют первым теоретиком описательной статистики. Этому очень поспособствовало то, что А. Шлецер был не только блестящим ученым в области статистики, но и прекрасным публицистом. Он первым печатал в своем журнале данные о государстве, актах правительства, которые раньше были недоступны для многих читателей, чем и завоевал популярность. Он писал резко, остроумно, умел заинтересовать публику, что позволило ему преподнести общественности новую науку. А. Шлецер работал в то историческое время, когда начали распространяться идеи английских "политических арифметиков" (это направление в дальнейшем получило название математической статистики, или политической арифметики). А. Шлецер, оставаясь приверженцем описательной статистики, понимал перспективность для науки и общества идей и методологии математической статистики. Он понимал особое научно-практическое значение закона больших чисел, в связи с чем подчеркивал, что малые числа не являются определяющими, и только большое количество наблюдений сделает их такими, которые максимально объективизируют достоверность исследуемого явления. В дальнейшем из исследователей в области статистики необходимо назвать географа Антона Фридриха Бюшинга (1724-1793), который предложил сравнительные методы статистики. Хотя он был представителем описательной статистики, предметом его изучения есть государствоведение. Однако Бюшинг анализирует материал не по государствам, а согласно требованиям статистики отдельно по предметам и исследуемым явлениям. Так, он описывал население не одного государства, а одновременно целой группы, при этом систематизировал цифровой материал, особенно в вопросах смертности и рождаемости населения, которое позволяло проводить сравнительный максимально объективный анализ и содействовало формированию практически необходимой табличной или линейной статистики. Основателем табличной или линейной статистики является датский историк и географ Рудольф Мартин Андерсен. Именно он в своей работе "Descriptio statuum cultiorum in tabulus" (1741) предложил подавать материал о значимых событиях для всестороннего анализа в виде обобщенных таблиц, отсюда и название предложенного метода. Таким образом табличная статистика завершает логическое развитие описательной статистики (науки о значимых событиях государства). Так описательная статистика просуществовала больше 150 лет, не меняя своих теоретических основ и характерной для нее методологии, и сохранила свою актуальность и до сих пор. Третий (определяющий) этап развития биостатистики связан с использованием количественных данных для описания государств, что привело к формированию нового направления в общей статистике, - математической статистики, или политической арифметики. Самыми важными представителями этого направления были Джон Граунт, Вильям Пэтти, Эдмунд Галле, Яков Бернулли и др. Колыбелью математического направления статистики и теории вероятности в XVII столетии были передовые страны торгового капитала и мануфактуры - Англия, Голландия, Франция. Еще в 1662 г. английский купец, со временем лорд-мэр Лондона Джон Граунт (John Graunt) (1620-1674) опубликовал в Лондоне свою замечательную книгу "Естественные и политические наблюдения над списками умерших в Лондоне". В своей работе, используя данные церковных записей о родившихся и умерших, он впервые определил специфические закономерности воспроизведения населения. Его 12 работы о демографических проблем выдержали несколько переизданий и имели огромный успех. Другим представителем этого направления является Вильям Пэтти (1623-1687). В своей известной работе "Several Essays in Political Arithmetic" ("Опыт политической арифметики") он дает название направления статистики - политическая арифметика, в котором была использована методология Д. Граунта. Его работа является первой большой попыткой решить основные проблемы экономики с помощью статистики. В отличие от Д. Граунта, он свободно оперирует цифрами, часто использует разные вычисления. Вильям Пэтти собрал огромный статистический материал о самых важных государствах Европы. В основе работ Д. Граунта и В. Пэтти были количественные характеристики. "Я избираю, - говорил В. Пэтти, - язык числа, меры и веса..., принимая во внимание лишь такие причины, которые, очевидно, есть лишь в самой природе вещей, противопоставляя ,тем, которые зависят от мыслей, которые меняются, склонностей и страстей отдельных лиц". Предметом их изучения были преимущественно социальные явления. Д. Граунт В.Петти Е. Галлей В. Керсебум К.Ф. Герман Й. Зюссмильх Я. Бернулли С. Лаплас С. Пуассон Третий этап – определительный (конец XVIII– начало XIX вв.) Впервые выявил специфические закономерности воспроизводства населения. Впервые попробовал решить основные проблемы экономики с помощью статистики. Составил первую таблицу смертности и рассчитал среднюю продолжительность жизни человека для отдельных возрастных групп. Рассчитал повозрастную смертность для одного поколения. Предложил прямой метод наблюдения для сложных таблиц , характеризующих естественное движение населения. Проводил сравнительный статистический анализ и сделал выводы о мертворожденности, о рождении близнецов, рождении детей в зависимости от пола в определенной пропорции, определил причины преимущественной смертности в городах. Открыл закон больших чисел. Создал аналитическую теорию вероятности и теорию ошибок. В своем исследовании о вероятности ввел закон больших чисел. Важным представителем этого направления был также известный английский астроном и математик Эдмунд Галлей (1656-1742), который в значительной мере использовал работы Вильяма Пэтти. В мемуарах Э. Галлея "О степенях смертности человечества" есть одна из первых попыток применения статистики к страховому делу. В дальнейшем метод Э. Галлея усовершенствовал В. Керсебум - голландский исследователь, чиновник ведомства финансов и контроля в Гааге, который в 1740 году рассчитал повозрастную смертность для одного поколения. В своей таблице смертности он использовал данные о пожизненной ренте и таким способом получил ценный материал, потому что в ренте указывался возраст каждого вступающего в общество и год его смерти. Недостатком его исследований является то, что таблица смертности включала только избранных зажиточных горожан. Другие же категории населения при этом не учитывались. В. Керсебум первым указал на то, что для составления объективной "правильной" таблицы смертности необходимо последовательно проследить показатели вымирания населения одного поколения. Эту проблему решил его последователь К.Ф. Герман (1767-1838), он предложил прямой метод наблюдения для составления таблицы, которая характеризует естественное движение населения. Этим учетом он обеспечил беспрерывное наблюдение за вымиранием поколения на протяжении продолжительного времени. Для реализации метода необходимо было бы иметь не меньше 100 лет, и, конечно, реализовать его у К.Ф. Германа не хватило жизни. Его результаты касаются только лиц молодого возраста. К.Ф. Герман подчеркивал значимость в статистическом исследовании большого количества наблюдений. Первую техническую обработку статистических таблиц смертности сделал французский исследователь Депарсье (1703-1868). Его работы отличались ясностью, стройностью и новизной. Именно он впервые вычислил среднюю статистическую вероятность продолжительности жизни для каждого возраста. Среди исследователей народонаселения необходимо вспомнить также и прусского капеллана 13 (военного пастора) Йоганна Зюссмильха. В 1741 году была издана его работа "Die gottliche Ordnung" ("Божественный порядок в изменении человеческого рода"). Она содержала в себе 3 раздела: смертность, плодовитость и размножение человеческого рода. С этих позиций он систематизировал материал, провел сравнительный статистический анализ и сделал выводы о мертворождаемости, о рождении близнецов, рождении детей в зависимости от пола в определенной пропорции, выявил причины большей смертности в городах, чем в селах. Результатами своих работ он, несомненно, превзошел политических арифметиков. Его работы существенным образом повлияли на административную статистику. К сожалению, Й. Зюссмильх не создал своей научной школы, возможно, из-за того, что был дальновидным и талантливым паста- ром, а не профессиональным ученым. Самым большим фактом в развитии статистики, в том числе и биостатистики как науки, является открытый Яковом Бернулли (1654-1705) закон больших чисел. Именно этот закон, известный также как теорема, стал основой в построении теории вероятности и статистики, которая используется в современной биологической статистике. В 1713 г., через 8 лет после смерти Я.Бернулли, в Базеле была опубликованная его классическая работа "Ars conjectandi". Четвертая, самая важная, часть этой работы осталась незаконченной. В ней содержится известная теорема Я. Бернулли, названная законом больших чисел. Виднейшими последователями Я. Бернулли в разработке теории вероятности были Монмор (1678-1719) во Франции и Де-Муавр (1667-1754) в Англии. Опираясь на работы своих предшественников, известный французский астроном, физик и математик Пьер Симон Лаплас (1749-1827) публикует работу "Аналитическая теория вероятности" и создает теорию ошибок, то есть приложение теории вероятности для обработки результатов конкретных наблюдений. В этой работе П. Лаплас описывает, в частности, практическое применение теории вероятности к разным явлениям общества, в том числе к демографическому анализу смертности, средней продолжительности жизни, уровню замужества и т.д. Одновременно с П. Лапласом над теорией ошибок работают также Лежандр, особенно плодотворно - немецкий математик, астроном и физик Карл Фридрих Гаусе (1777-1855) и французский математик, механик и физик Симеон Дени Пуассон (1781-1840). В своих работах П. Лаплас в начале XIX ст. сделал итог всего предыдущего развития теории вероятности и статистики, который открывал новый период в истории развития статистической науки. По усилению интереса общественности к теории вероятности, по характеру и размаху работы в области теоретического обоснования науки и ее практических приложений, новый период по своей результативности значительно превосходит все то, что отмечалось непосредственно после публикации работ Я. Бернулли. В 1837 г. появилась работа С. Пуассона "Исследование о вероятностях" (лучшего ученика П. Лапласа). В этой работе представлена теорема, известная как закон больших чисел. Это самый большой прорыв после Я. Бернулли в разработке закона больших чисел как этапа развития статистики. Четвертый (основоположный) этап развития биостатистики начал формироваться в середине XIX ст. и ознаменовался работами бельгийского астронома, математика, физика и статистика Ламбера Адольфа Жака Кетле (1796-1874). Именно его работы заложили основы биометрии как науки. А.Кетле сыграл большую роль в развитии статистики, он называл статистику королевой всех наук, и небезосновательно его считают отцом современной статистики. В своих "Письмах о теориях вероятности" ученый широко разрабатывает вопрос практического применения теории вероятности относительно общественных наук, прежде всего относительно изучения социально-демографических явлений. А. Кетле первый объединил методы антропологии и социальной статистики с выводами теории вероятности и математической статистики. В 1835 году вышла его работа "О человеке и развитии его способностей, или Опыт социальной физики" ( 2-е изд. в 1869 г.), где на большом практическом материале А. Кетле показал, что разные физические особенности человека, в том числе поведенческие, подчиняются закону распределения вероятности. В другом произведении "О социальной системе и законах, которые руководят ею" (1848 г.) он описывает общество не как совокупность населения, а как отдельно взятую систему, которая полностью зависит от законов природы и не подчиняется воле населения. В 1871 г. А. Кетле опубликовал следующую работу "Антропология", в которой доказал, что статистические закономерности существенным образом влияют не только на общество людей, но и 14 на все живое. Тем самым, А. Кетле заложил основы биологической статистики, которые получили самостоятельное развитие прежде всего в английской школе биометриков. А. Кетле выдвинул теорию среднего человека, который является своеобразной статистической проекцией и объединяет в себе физические, интеллектуальные и моральные качества. Это своего рода тип человека той или другой страны. Средний человек, по его мнению, - это центр веса, вокруг которого формируются все социальные явления. А. Кетле Д.П.Журавский Н. Бунге Л.В. Федорович А.Н. Анциферов Четвертый этап – основополагающий (средина XVIII вв.) Первым удачно объединил методы антропологии и социальной статистики с выводами теории вероятности и математической статистики. Последовательно разработал теорию сбора, обработки и анализа статистических материалов. Описал статистику народонаселения в Украине. Издал «Историю и теорию статистики». Рассмотрел статистику как науку об обществе. А. Кетле указывает, что выявлять закономерности, которые происходят в обществе, можно на основании массовых статистических наблюдений, только в этом случае исчезнет влияние случайных величин. Для измерения большого количества наблюдений он предлагает ввести специальную величину, принятую за единицу. Этой стандартизированной величиной является средняя величина. Благодаря его работам успешно формируется уголовная, потом моральная и позднее биологическая статистика. Среди украинских последователей идей А. Кетле необходимо отметить профессора Харьковского университета О.П. Рославского- Петровского. В 1848 году ( 2-е изд. в 1856 г.) им изданно "Руководство к статистике". Автор, опираясь на исследование А. Кетле, не ограничивает задачи статистики одним лишь описанием государства, а включает в нее объективные законы государственного бытия. В 1846 г. было опубликовано в Киеве оригинальное и самостоятельное исследование Д.П. Журавского (1810-1856) "Об источниках и употреблении статистических сведений". Ученый закончил кадетский корпус, сначала служил в войске, потом перешел на гражданскую службу. В 50х гг. XIX ст. он был взят на службу чиновником особых доверенностей при киевском губернаторе Фундуклееве. Под его руководством и при личном его участии было составлено описание Киевской губернии в 3- х томах. Это фундаментальное исследование было высоко оценено современниками. Из соотечественников, кроме О.П. Рославского- Петровского и Д.П. Журавского, важную роль в развитии статистики играли работы Н. Бунге, Л. Федоровича, А. Н. Анциферова, А. А. Русова и др. Киевский профессор Н. Бунге в 1876 г. ( 2-е изд.) опубликовал работу "Курс статистики". В этой небольшой, но содержательной научной работе приведена подробная статистика народонаселения в Украине в духе математической школы. Предметом статистики, по Н. Бунге являются в первую очередь разные общественные явления. В 1884 г. вышла в свет "История и теория статистики" профессора Одесского университета Л. Федоровича. Среди учебных пособий того времени, изданных в Украине, большое значение имеют работы профессора Харьковского университета А. Н. Анциферова. Его работа "Курс элементарной статистики" ( 2-е изд. 1910 г.) рассматривает статистику как науку об обществе, предполагая, что статистика со временем обязательно сблизится с социологией, или даже сольется с ней. В 1909 г. известный земский статистик Киевского коммерческого института А. А. Русов выпустил "Короткий обзор развития российской оценочной статистики", где привело подробное описание приемов сбора статистических данных, образов их разработки относительно земской практики. В этот самый период российский математик П.Л. Чебышев (1821-1894), пользуясь методом математических ожиданий классической теории вероятностей, дал математическое обоснование закона больших чисел в наиболее общем его выражении как закона средних величин. Работами первостепенного значения для статистики являются также работы О.О. Чупрова (1874-1926), А. А. Маркова (1856-1922), О.Г. Ляпунова (1857-1919), О.А. Кауфмана (1864-1919), А.М. Колмогорова (1903-1987) и др. 15 Пятый (формалистический) этап характеризуется возникновением и развитием английской биометрической школы. Применение статистики к биологии получило заметное развитие в XIX ст., и в этом ведущую роль играла прежде всего английская школа биологов Френсиса Гальтона и Карла Пирсона. Эта школа возникла под влиянием работы Ч. Дарвина (1808-1882) "Происхождение видов" (1859), которая сделала переворот в биологической науке. При этом необходимо указать, что еще в начале XVIII ст. Реомюр старался, в частности, найти математические законы построения пчелиных сот, а за 30 лет до него Борелли сделал математические расчеты движения животных, однако необходимость количественного анализа явлений живой природы с использованием математических методов стало реальным только в конце XIX ст. Таким образом, в биологии статистические методы начали целеустремленно использоваться значительно позднее, чем в физике и химии. Биология долго развивалась на основе качественного анализа явлений природы. Серьезным основанием для возникновения биологической статистики как научной методологии послужил переход от описательного метода в биологии к эксперименту, потому что он требовал объективно сравниваемых количественных характеристик. Важным обстоятельством есть также обязательное признание факта, что многим биологическим явлениям присущи четко выраженые статистические закономерности. Ф. Гальтон К. Пирсон Пятый этап – формалистический ( средина XIX– начало XX вв.) Впервые использовал статистические методы при изучении процессов наследственности человека, создал методы корреляции и регрессии . Создал необходимый математический аппарат биометрии, развил учение о разных типах распределения кривых, разработал метод моментов и критерии соответствия «хи – квадрат», ввел в биометрию такие показатели, как среднее квадратическое отклонение и коэффициент вариации. Френсис Гальтон (1822-1911), был двоюродным братом Ч. Дарвина и принимал участие в обсуждении результатов его исследований. Сильное впечатление оказали на Ф. Гальтона работы А. Кетле, особенно его "Социальная физика" и "Антропология", что послужило основанием впервые использовать статистические методы при изучении процессов наследственности человека. Начиная с 1865 г. Ф. Гальтон опубликовал несколько работ по антропологии и генетике. На большом фактическом материале он подтвердил вывод А. Кетле о том, что не только физические, но и умственные способности человека распределяются по закону вероятности, описанным формулой Гаусса- Лапласа. Таким образом, ему удалось привить английским ученым-биологам интерес к статистическим методам. Другой представитель английской биологической статистики Карл Пирсон (1858-1936), профессор Лондонского университета (заведующий кафедры прикладной математики и механики), основал уже научную школу для разработки вопросов биологии с помощью статистического метода. К. Пирсон показал себя как талантливый математик и статистик, ему удалось объединить вокруг себя учеников, которые продолжили его исследование в разных областях науки. Сам он успешно занимался изучением проблемы наследственности и изменчивости организмов. Для пропаганды своих идей К. Пирсон выдавал журнал "Biometrica" (1901) специально для статистического изучения биологических процессов, редактором которого оставался до последних дней своей жизни. Разработанные Ф. Гальтоном и К. Пирсоном биометрические методы вошли в золотой фонд математической статистики. Однако попытки решения ими проблемы наследственности организмов только с помощью статистического метода оказались неудачными. Они по ошибке думали, что за внешним сходством между родственниками можно судить о степени их родства. Но независимо от ошибок, по совокупности идей, взглядов, подходов, Френсис Гальтон и Карл Пирсон являются основателями новой школы статистики- биометрики, по современной терминологии - биостатистики. В. Йогансен Шестой этап – рационалистический ( средина ХХ вв.) Доказал, что математические методы должны применяться как вспомогательный аппарат при обработке экспериментальных данных. Издал труд «Элементы точного изучения изменчивости и наследственности». 16 Шестой этап становления биологической статистики называют рационалистическим. Он начинается с 1902 г. классическими исследованиями В. Йогансена (1857-1927), которое показало, что в области биологических исследований первое место должно принадлежать биологическому эксперименту, а не математике. Математические методы должны применяться как вспомогательный аппарат при обработке экспериментальных данных, иначе могут быть полученные ошибочные результаты. До этого вывода В. Йогансен дошел, экспериментируя с фасолью. Математика должная помогать, а не служить как руководящая идея. Результаты своих исследований В. Йогансен опубликовал в 1933 г. в работе "Элементы точного учения о изменчивости и наследственности". Это был новый, реалистический подход к оцениванию роли математических методов в биологических исследованиях. Седьмой (классический) этап в развитии биометрии начинают работы англичан В. Госсета и Р. Фишера. Вильям Госсет (1876-1937) - ученик К. Пирсона. Он опубликовал в журнале "Биометрика" (1908) свою работу под псевдонимом Стьюдент. Работа была посвящена теории малой выборки и В. Госсет (Стьюдент) стал пионером в этой области. Именно тогда создавались основы теории малой выборки, теории планирования экспериментов, вводятся в содержание биометрии новые сроки и понятия. В. Госсет Р.Фишер Седьмой этап – классический (средина ХХ ст.) Создал основы теории малой выборки, ввел в содержание биометрии теорию планирования экспериментов. Заложил фундамент теории планирования экспериментов, убедительно доказал, что планирование экспериментов и обработка их результатов – это два методологически неразрывно связанные задания системного статистического анализа. Известнейшим ученым XX ст. в области биостатистики является Рональд Ейлмер Фишер (1890-1962), который сделал огромный вклад в биометрию, обогатив ее новыми методами статистического анализа. Г. Фишер родился и жил в Англии. Большую часть своей жизни он оставался приверженцем евгеники. Отметился Р. Фишер своими работами в области математической статистики, обогатил эволюционную генетику. Его первая книжка "Генетическая теория и естественный отбор" (1930) посвященная синтезу дарвиновской теории отбора и генетики. Теоретический и практический взнос Фишера в генетику огромный. Он выдвинул концепцию прогрессивного отбора и инбридинга, попробовал унифицировать учение об эволюциях. Г. Фишер продуктивно работал с 1912 по 1962 гг. Много его исследований положительно повлияли на развитие статистики, в том числе и биологической. На протяжении продолжительного времени Р. Фишер работал как научный сотрудник Ротамстедской сельскохозяйственной исследовательской станции, а с 1933 г. - на должности профессора кафедры прикладной математики Лондонского университета. Позднее (1943-1957) Р. Фишер – заведующий кафедрой генетики в Кембридже. Удачно объединяя в своем лице биолога-экспериментатора и математика- статистика, Фишер привнес в биометрию не только новые методы, но и новые идеи. Он заложил основания теории планирования экспериментов, которые в наше время получила дальнейшее развитие и стала самостоятельным разделом биометрии. Все эти инновации связанные с революцией в биологии, с разрушением устаревших принципов и понятий в области исследовательской работы, с усилением процесса математизации биологии. Происходит все более заметная специализация биометрии, целенаправленного применения ее методов в разных участках биологии, медицины, антропологии и других сопредельных наук. Вклад украинских ученых в развитие биостатистики. Рассматривая историю биометрии, нельзя не отметить тот огромный вклад в развитие биологической статистики, таких ученых нашей страны, как С.Г. Игумнов, О.В. Корчак- Чепурковский, С.А. Томилин, А.М. Мерков, Е.Г. Каган, С.С. Каган, И.И. Овсиенко, К.Ф. Дупленко, Е.Я. Белицкая, Л.Г. Лекарев, П.Т. Петров, С.М. Экель, Л.С. Каминский и др. О.В. Корчак- Чепурковский (1857-1947) - выдающийся украинский ученый, эпидемиолог, гигиенист, заведующий отделом Института демографии и санитарной статистики. Основные направления его исследований связанные с проблемами эпидемиологии и санитарного состояния населения. На основе собственного опыта работы санитарным врачом и с учетом научных разработок 17 того времени, выделяет эпидемиологию в отдельную научную дисциплину, он отводит "эпидемическим вопросам в системе исследования санитарного состояния населения" главную роль согласно времени и характеру развития в Молдавии эпидемий оспы, скарлатины, дифтерии, опасности возникновения чумы ит.п. По мнению Корчака- Чепурковского, эпидемиологические задачи надо было решать не отделено, а как составные части исследования санитарного состояния. О.В. Корчак- Чепурковский практическую работу объединял с преподавательской: читал в университете Св. Владимира лекции по эпидемиологии и медицинской статистике. Научное наследие С.А. Томилина (1877-1952) - выдающегося украинского социального гигиениста, санитарного статистика, демографа, историка медицины, фитотерапевта - это многочисленные работы по социальной гигиене, санитарной статистике, демографии, эпидемиологии, истории медицины и фитотерапии. С.А. Томилин исследовал проблемы рождаемости, брака и семьи, состояния здоровья населения и улучшение медпомощи , проблемы заболеваемости и смертности, социальные аспекты генетики человека. С.А. Томилин - первый врачстатистик, который возглавил управление статистикой в Украине в 1918, 1922-1930 гг., заложил организационно-методические основы ее становления и развития. Он - организатор ведомственной санитарной статистики в Украине. Принимал наиболее активное участие в разработке ее методологических положений, проведения ряда санитарно-статистических исследований. А.М. Мерков (1899-1971) - известный отечественный статистик, специалист в области социальной гигиены и медицинской демографии - начал свою деятельность в Харькове, а со временем работал в России. Большое количество его работ посвящено вопросам теории, методологии и истории санитарной статистики, которая была основной темой его научного творчества. А.М. Мерков был исключительно эрудированным и талантливым педагогом. Многочисленные слушатели - врачи разных специальностей, которые временами скептически относиться к такому "сухому и скучному" предмету, как санитарная статистика, - под влиянием его блестящих лекций меняли свое отношение к предмету. А многие из них становились его учениками и последователями. Самостоятельным направлением в научном творчестве А.М. Меркова была демографическая статистика. Его перу принадлежит свыше 200 работ по проблемам социальной гигиены, санитарной статистики, организации здравоохранения и демографии, в том числе около 20 монографий и учебных пособий. В современной высшей медицинской школе на протяжении многих лет велось преподавание медицинской статистики как разновидности биологической статистики. Ныне проводится большая работа по реформированию высшего учебного заведения, совершенствуются учебные программы, технологии преподавания, вводятся новые предметы, в том числе биологическая статистика. Большую работу осуществляют ведущие специалисты в области социальной медицины, организации здравоохранения , биостатистики, особенно в формировании ее как предмета преподавания в высшей медицинской школе. Среди них чл.-корр. АМНУ, проф. В.Ф. Москаленко, чл.-корр. АМНУ, проф. Ю.В. Вороненко, проф. Г.О. Слабый, проф. А.Р. Уваренко, проф. О.Г. Процек, проф. Б.О. Ледощук, проф. А.П. Минцер, проф. В.М. Лехан, Н. А. Галичева и др. Важное значение для становления биостатистики имели изданные первые украинские специальные учебники: "Рабочая медицинская статистика" (Є.Г. Каган, 1923), "Смертность в России и на Украине" (М.В. Птуха, 1928), "Общая теория санитарной статистики" (А.М. Мерков, 1935), "Практикум по санитарной статистике" (Л.А. Абрамович, М.Й. Каминский, П.Т. Петров, 1940), "Общая теория и методика санитарно-статистического исследования" (А.М. Мерков, 1960 и 1963), "Демографическая статистика" (А.М. Мерков, 1959, 1965), "Обработка клинических и лабораторных данных (применение статистики в работе врача" (Л.С. Каминский, 1959, 1964) и др. 18 РАЗДЕЛ 2. ЭПИДЕМИОЛОГИЧЕСКИЕ ИССЛЕДОВАНИЯ В разделе описаны понятия, цели и задачи эпидемиологии как науки. Представлены основные методы эпидемиологических исследований, основные статистические показатели, факторы риска. Вопросы для изучения: - Правомерно ли использование термина «эпидемиология» для хронических, дегенеративных неинфекционных заболеваний? - В чем заключается различие между причинами заболевания и факторами риска? - Почему в эпидемиологических исследованиях для оценки состояния здоровья применяют скрининг, а не полное клиническое обследование? - Какова сфера применения показателей частоты заболеваемости и показателей риска? Цель: освоить основные методы эпидемиологических исследований; освоить методики расчета и анализа показателей здоровья населения, оценка риска; уметь применить методы эпидемиологических исследований для изучения здоровья населения. 2.1. Эпидемиология как наука: сфера применения, задачи Термин «эпидемиология» происходит от греческих слов эре, что означает на или над, demos народ и logos - наука. Итак, эпидемиология - это наука о том, что распространено среди народа, и что с народом происходит. Сейчас эпидемиология считается базовой наукой о здоровье населения. Цели эпидемиологии: - ликвидация или сокращение проблем, связанных со здоровьем и их последствий; - предотвращение проблем, связанных со здоровьем, их возникновение и повторение. Эпидемиология – это изучение распространенности и детерминант состояний или событий, связанных со здоровьем, в специально определенных популяциях для управления и контроля за проблемами здоровья. Изучение включает обследование, наблюдение, тестирование гипотез, аналитические исследования и эксперименты. Распространение имеет на внимании анализ во времени, по месту, по группам людей, которые были выделены по индивидуальным признакам и испытали влияние, которое изучается. Детерминанты это физические, биологические, социальные, культурные и поведенческие факторы, которые влияют на здоровье. Связанные со здоровьем состояния и события включают заболевание, случаи смерти, факторы поведения (например, курение), реакции на превентивные меры, организацию и использование услуг здравоохранения. Специально определенная популяция группа по точно определенным признакам и числу людей. Управление и контроль является конечной целью эпидемиологического подхода в здравоохранении укрепить, защитить и восстановить здоровье. В современном постиндустриальном информационном обществе происходит быстрое изменение условий жизни, эволюционная адаптация человека к которым не может иметь аналогичных темпов. Чрезвычайно важно создать каналы для получения достоверной информации о закономерности и особенности формирования здоровья населения, о возможном неблагоприятном (или благоприятном) влиянии факторов, которые уже существуют или тех, которые вновь возникают, их приоритетности, разработать результативные методы профилактики, диагностики и лечения современной патологии. Информация, полученная в ходе эпидемиологических исследований, широко используется и важна как для организаторов здравоохранения и врачей-практиков, так и для отдельного человека. Организаторы здравоохранения имеют возможность получить ответы на те вопросы, которые ежедневно встают перед ними: с какими актуальными и потенциальными проблемами сталкивается 19 общество относительно здоровья? Где они возникают? Какая часть и кто из населения имеет риск возникновения заболеваний? Какие проблемы, связанные со здравоохранением, будут решены, а какие могут усилиться впоследствии? Есть ли службы здравоохранения доступными, их деятельность успешной, эффективной? Объективная информация о возникновении, распространения заболеваний, факторы риска среди населения, полученная по данным эпидемиологических исследований, позволяет руководителю любого уровня управления здравоохранением оценивать здоровье населения; определять приоритеты как насчет общественного здоровья, так и относительно его охраны; принимать обоснованные решения, обеспечивающие улучшение здоровья населения, которое обслуживается. Сейчас стало очевидным, что исследования, посвященные изучению естественного хода заболеваний, диагностике, распространенности заболеваний и факторов риска основаны на эпидемиологических методах, представляют ценную информацию врачу-практику для принятия клинических решений (установление правильного диагноза, выбора профилактических и лечебных мероприятий). Задачи эпидемиологии неинфекционных заболеваний : 1. Изучение распространенности и естественного хода определенных заболеваний за группами населения и определение масштабов проблем, связанных с этими заболеваниями. 2. Выявление факторов внешнего и внутреннего среды, которые содействуют или препятствуют возникновению и распространению этих заболеваний. 3. Определение приоритетных проблем в сфере здравоохранения населения. 4. Разработка методов для устранения или максимально возможного ослабления действия неблагополучных факторов, изучение эффективности профилактических и лечебных мероприятий. Эпидемиологическая информация используется и при принятии людьми индивидуальных решений относительно своего здоровья (например, решения бросить курить, подняться на этаж не лифтом, а ступеньками, использование контрацептивов, преимущества в характере питания и т.п.). Эпидемиологическая теория берет начало от Гиппократа (примерно 400 лет до н.э.). Значительный вклад в ее развитие имели работы Гранта, Фара, Сноу. Гиппократ объяснял возникновения заболеваний рациональными причинами, а не Божьей волей. В своей работе, названной «В эфирах, водах и просторах», он пишет о том, что факторы среды и человека, такие как поведение, вид трудовой деятельности могут влиять на возникновение и развитие заболевания. Массовые инфекционные заболевания прошлого и высокая смертность от них определили развитие эпидемиологии как науки. В середине и конце XIX в. большая часть исследователей использовала эпидемиологические подходы для изучения случаев инфекционных заболеваний, а эпидемиология стала рассматриваться как раздел медицины, изучающий закономерности возникновения и мер профилактики инфекционных заболеваний. Золотой век эпидемиологии инфекционных заболеваний приходится на конец XIX первой половины XX века, когда были созданы основы для контроля за инфекционными болезнями. Начиная с середины XX века, методы эпидемиологического исследования начали применять при изучении любых заболеваний, которые носят массовый характер, в том числе вызванных физическими и психическими, социальными и другими факторами. Широкое использование эпидемиологических методов в изучении здоровья населения связано с формированием среди населения патологии нового типа. В большинстве экономически развитых стран на смену эпидемиям инфекционных болезней пришли «эпидемии» сердечно-сосудистых, злокачественных и психических заболеваний, неспецифических заболеваний легких и других неинфекционных болезней. Эти заболевания не только распространены среди населения, но и занимают ведущие места в общей структуре смертности населения и инвалидности. Во второй половине XX в. результаты эпидемиологических исследований хронических болезней стали основой для изменений в стиле жизни и культуре населения, что проявилось, например, в снижении заболеваемости и смертности от сердечно-сосудистых заболеваний посредством внедрения программ здорового образа жизни, контроля за артериальным давлением, уровнем холестерина и др. 20 На рубеже 80-90 pp. прошлого века в медицине сформировалась новая сфера знаний - клиническая эпидемиология. Клиническая эпидемиология — наука, которая с помощью проверенных методов эпидемиологических исследований, биостатистики и анализа решений позволяет получить научнообоснованную характеристику полезности и экономической целесообразности терапевтических и диагностических методик. Цель клинической эпидемиологии - разработка и применение таких методов клинического наблюдения, которые позволяют делать обоснованные выводы, избегая влияния систематических и случайных ошибок. Клиническая эпидемиология разрабатывает научные основы врачебной практики - свод правил для принятия клинических решений. Главный постулат клинической эпидемиологии - каждое клиническое решение должно базироваться на строго доказанных научных фактах. Медицинская практика, использует технологии, эффективность которых научно доказана, получила название научно обоснованной медицинской практики, или медицины, основанной на доказательствах (evidence-based medicine1). 2.2. Характеристика эпидемиологических методов исследований Для решения своих задач эпидемиология как любая наука должна иметь в своем распоряжении специальные методы исследования. Начиная с 50-х pp. XX века, наблюдается прорыв в развитии методов научного исследования и обоснования теоретического фундамента эпидемиологии. Сейчас под эпидемиологическими методами понимают методы изучения закономерностей распространения неинфекционных заболеваний среди населения, основанные на использовании статистических показателей. Классификация эпидемиологических исследований проводится по различным критериям. Эпидемиологические методы исследования Эмпирические Описательные Описание случаев Описание серии случаев Экспериментальные Аналитические Когортные Случай контроль Экологические Полевые Контролируемые Нерандомизированные Клинические Неконтролируемые Рандомизированные Рис. 4. Типы эпидемиологических исследований по характеру вмешательств, задачами, которые решаются и организацией исследований В зависимости от цели эпидемиологические исследования разделяются на поисковые, которые выдвигают гипотезу и на те, что проверяют гипотезу. По характеру вмешательств исследования делятся на эмпирические, или обсервационные и экспериментальные (рис. 4). Эмпирические исследования - это исследование без преднамеренного вмешательства в естественное течение и развитие заболевания. Исследователь наблюдает и фиксирует необходимую информацию в соответствии с программой исследования. Эмпирические исследования, в свою очередь, могут быть описательными и аналитическими. Аналитические методы могут быть когортными, исследованиями типа «случай-контроль» и экологическими. 21 В эксперименте исследователь целенаправленно и сознательно контролирует основные параметры, которые являются предметом изучения (например, факторы риска, новые методы лечения, профилактики), а также распределяет объекты исследования (больных и здоровых лиц) за определенными группами. Экспериментальные исследования разделяются на полевые (профилактические) и клинические, неконтролируемые и контролируемые, рандомизированные и нерандомизованные. По продолжительности наблюдения за состоянием здоровья исследуемого контингента эпидемиологические исследования могут быть сиюминутными (поперечные, трансверзальные, кросссекционные) и продолжительными (продольные, лонгитудинальные - рис. 5). Эпидемиологические исследования Одномоментные (поперечные) Динамические (продольные) Когортные Случай - контроль Экспериментальные Рис. 5. Классификация эпидемиологических методов по параметрам времени Продольные эпидемиологические исследования Проспективные Когортные Ретроспективные Экспериментальные Случай - контроль Рис.6. Классификация продольных эпидемиологических исследований по времени сбора данных и формированию отбора. Исследования с применением описательных эпидемиологических методов в основном проводятся как поперечные, а аналитические и экспериментальные - как продольные. Продольные эпидемиологические исследования делятся на проспективные и ретроспективные (рис. 6). Основными методами описательной эпидемиологии являются описание отдельных случаев и описание серии случаев. Описательная эпидемиология занимается изучением: - частоты и распространенности заболеваний (их следствий), на определенной территории (страна, область, район, город, село), в определенное время (месяц, год, 5 лет и т.д.), в разных группах населения (дифференцированно по полу, возрасту, национальностью, социально-экономическому по состоянию, образованию, профессии, и т.п.); - течения заболеваний; - эффективности диагностических критериев; - распространенности потенциально опасных факторов 22 Описание отдельных случаев - это способ медицинского исследования, который заключается в подробном описании данных, полученных путем наблюдения одного или нескольких случаев заболеваний (не более 10 больных) и позволяет привлечь внимание медиков к новым или малоизвестных болезням, их проявлениям или сочетаниям болезней. Описание серии случаев - исследование, которое обычно включает описательную статистику группы заболеваний (численность группы с определенным заболеванием - 10 пациентов и более). Серия случаев - самый распространенный способ описания клинической картины заболевания. Разновидностью аналитических исследований являются экологические исследования (еще их называют территориальными), единицей анализа в которых выступает популяция или ее подгруппа, привязанная к географической местности. Целью этих исследований является изучение распространенности и причин того или иного заболевания в различных географических регионах в связи с особенностями этих регионов. Описательные исследования обычно проводятся как одномоментные (поперечные) исследования. Одномоментное исследование еще называют исследованием распространенности. Оно позволяет с помощью скрининга изучить распространенность определенного заболевания (или факторов риска) на момент обследования и в случае необходимости выявить статистическая связь между распространенностью тех или иных заболеваний и потенциально опасными факторами. Характерным его признаком является то, что наблюдения как за воздействием (причиной), так и по эффекту относится к одному моменту времени. Длительное, динамическое (лонгитудинальные) или постоянное наблюдение за определенным контингентом называют продольным исследованием. Оно позволяет устанавливать связь между действием факторов риска и возникновением заболеваний, даже в тех случаях, когда эти события разделены значительным промежутком времени. Различают короткие лонгитудинальные исследования продолжительностью до трех лет и полные долгосрочные исследования от рождения до зрелости. Распределение продольных исследований на ретроспективные и проспективные относится к времени возникновения исследуемых явлений. В ретроспективных исследованиях изучаются характеристики, когда заболевание было еще до начала исследования, в проспективных - изучается вероятность его возникновения в будущем. Обычно аналитические исследования начинаются с ретроспективного исследования. При ретроспективном подходе путь исследований направлен от следствия (болезнь, смерть) к возможной причине (фактора риска). Ретроспективное исследование чаще проводится как исследования «случай-контроль». При проведении такого вида исследования формируются две группы. Сначала осуществляется отбор группы пациентов с исследуемым заболеванием (первая группа) и подобной по другим признакам группы лиц без этого заболевания (вторая группа). Затем ретроспективно (по архивным данным или воспоминаниям, суждениям; данным, полученным в ходе интервью или анкетирования участников исследования) оценивается частота воздействия возможного фактора риска в обеих группах. Выявление в группе больных большей доли лиц, подвергнутых (экспонируемых) исследуемом фактору, чем в контрольной группе, означает, что между развитием заболевания и действием этого фактора существует определенная связь. Продольные проспективные исследования, в основном, проводятся как когортные исследования. Когортные исследования - лучшая замена настоящего эксперимента в ситуации, когда эксперимент невозможен. При проспективном подходе путь исследований направлен от предвиденного фактора риска (причины) к последствиям для здоровья (возникновение заболевания, смертельные следствия и др.) Термин «когорта» означает группу лиц, объединенных определенной общим признаком, за которыми наблюдают в течение определенного периода времени, чтобы проследить, что с ними 23 произойдет в дальнейшем. При проведении исследования в когорту включаются лица, не имеющие изучаемого заболевания, но оно может проявиться в дальнейшем (например, в исследовании факторов риска развития рака эндометрия все включенные в когорту женщины не должны иметь заболеваний матки). Группа лиц, которая включена в когорту, может быть разделена на две (экспонированы, т.е. те, которые подпадают под влияние фактора риска, и неэкспонированы) или несколько категорий (например, нет влияния, незначительное влияние, значительное влияние). Затем эту когорту наблюдают в течение определенного времени, чтобы установить, у кого из ее участников возникает исследуемый результат. В период наблюдения за когортой регулярно измеряются все факторы, которые, как считается, могут повлиять на появление или развитие заболевания, и регистрируются все новые случаи заболеваний. Когортные исследования и исследования «случай-контроль» при кажущемся сходстве существенно отличаются друг от друга. Сравнительная характеристика когортного исследования и исследования «случай-контроль» представлена в табл. 1. Экспериментальные исследования проводятся при непосредственном контроле со стороны исследователя за исследуемыми явлениями (например, за факторами риска, новыми методами лечения, диагностики или профилактики) в условиях, максимально приближенных к условиям лабораторного эксперимента. Важность экспериментальных эпидемиологических исследований особенно велика при подтверждении причинного характера рассматриваемых связей «влияние-заболевания» (по мнению многих ученых это единственный метод, который может дать точный ответ на вопрос об этиологии заболевания) для оценки эффективности программ профилактики и лечения. Таблица 1. Сравнительная характеристика когортного исследования и исследования «случай – контроль» Когортное исследование Начинается с определения популяции, попавшей под воздействие фактора риска. Случаи не отбираются, а устанавливаются в процессе непрерывного наблюдения (приблизительно все случаи) Контрольная группа (без исследуемого заболевания) не отбирается, а формируется естественным путем. Действие оценивается до развития заболевания. Риск или заболеваемость, а так же относительный риск измеряется непосредственно. Исследование «случай-контроль» Популяция, попавшая под действие фактора риска, не обязательно определенная. Случаи отбираются исследователем при наличии совокупности больных. Контрольная группа отбирается исследователем таким образом, чтобы она была подобной с экспериментальной группой. Факт действия оценивается и восстанавливается с памяти после развития заболевания. Риск или заболеваемость не возможно измерить непосредственно: относительный риск влияния можно оценить по отношению шансов. Экспериментальные эпидемиологические исследования делятся на: - Клинические; - Профилактические (полевые). Объектом наблюдения в клинических испытаниях являются больные, а в профилактических здоровые лица с факторами риска. Для оценки новых методов могут быть применены два основных вида исследований: - Неконтролируемое; - Контролируемое. Схема неконтролируемого исследования (его еще называют исследованием «до» и «после») заключается в том, что отбирается группа больных, которая подвергается вмешательству, и через определенный промежуток времени оценивается результат. Такой вид исследования считается слабо научно-обоснованным. 24 Контролируемое клиническое исследование - это специальный вид когортных исследований, условия проведения которого (подбор групп вмешательств, характер вмешательства, организация наблюдения и оценка следствий обеспечивают устранение системных ошибок. Методика проведения контролируемого клинического исследования заключается в формировании экспериментальной и одной или нескольких контрольных групп при придерживании условий однородности сравниваемых групп (выборок) больных по всем признакам, которые могут влиять на исход заболевания. То есть идеальный эксперимент требует, чтобы все факторы, влияющие на участников эксперимента, были одинаковы, за исключением фактора, что изучается. Единственной возможностью сравнить все посторонние факторы и сделать группы однородными является разделение пациентов на группы случайным способом, так чтобы каждый пациент имел равный шанс попасть в группу влияния или в группу без такого воздействия. Процедуру, которая обеспечивает случайное распределение больных в экспериментальную и контрольную группы, называют рандомизацией. Рандомизированные контролируемые исследования служат «золотым» стандартом качества научных исследований, эффективности лечения, позволяют определить, какой метод диагностики или лечения лучше. Основная цель рандомизированного исследования - исключить любую предвзятость при оценке сравниваемых методов. Достичь это возможно при: - случайном, непреднамеренном распределении больных группы: если количество обследуемых большое, тогда можно принять, что дополнительные факторы, распределяясь в группах случайным образом, будут взаимно нейтрализоваться; - отслеживании результатов применения исследуемых методов у всех больных, включенных в исследование (что позволяет не только изучить результаты применения метода, но и причины отказа от лечения или невозможности его завершения); - «Слепой» оценке результатов, когда исследователь не знает к какой группе был включен больной; двойном «слепом» методе, когда больной также не знает, к какой группе (экспериментальной или контрольной) он был включен; - при четком определении окончательного этапа или результата исследования (например, пятилетняя выживаемость, послеоперационная летальность), что позволяет исключить возможность двойной трактовки полученных данных. Оптимальные методы исследования разных проблем медицины и охраны здоровья ПРОБЛЕМА МЕТОДЫ ИССЛЕДОВАНИЯ Распространенность Описательные, одномоментное исследование. Частота возникновения новых случаев Аналитические, когортное исследование (заболеваний и их последствий) Риск Аналитические, когортное исследование, исследование типа «случайконтроль». Прогнозирование Когортное исследование. Диагностика Одномоментное исследование. Лечение Клиническое испытание. Профилактика Полевое испытание. Причина Аналитические, исследование типа «случай-контроль», когортное, клиническое испытание. 25 2.3 Скрининг - источник информации о состоянии здоровья населения в эпидемиологических исследованиях. Любое эпидемиологическое исследование основывается на том или ином способе измерения состояния здоровья населения. В эпидемиологических исследованиях информацию о распространенности патологии в исследуемой популяции зачастую получают с помощью скрининга. Скрининг -массовое обследование лиц, которые не считают себя больными, для выявления заболеваний со скрытым течением или других состояний (факторов риска будущих заболеваний). Цель скрининга - выявление и охват врачебным контролем каждого случая, требующего наблюдения. Эти исследования позволяют получить данные о факторах риска, частоту возникновения различных заболеваний у населения, описать их естественное развитие, а также способствуют лучшему пониманию патогенеза заболеваний. Важнейшей практической задачей скрининга является выявление заболеваний в максимально ранней стадии. Таблица 3. Примеры скрининговых исследований Заболевание, состояние. гипертония гиперхолестеринемия рак молочной железы рак шейки матки фенилкетонурия Примеры скрининговых исследований Скрининговые тесты сфигмоманометрия уровень холестерина в сыворотке крови физикальное исследование (пальпация), маммография, термография цитологическое исследование мазков из шейки матки фенилаланин в крови Скрининг проводится с помощью скрининговых тестов — диагностических тестов, предназначенных для масового обследования людей, которые не считают себя больными, для выявления лиц с признаками заболевания или факторами риска. К скрининговым тестам не относят нестандартизированные вопросы при сборе анамнеза (например, курит ли пациент), а также тесты, что используют для углубленной диагностики заболеваний. Примеры скрининговых исследований приведено в таблице 3. Скрининговый тест должен быть: 1) достоверным, то есть обеспечивать измерение того, что должно измеряться; 2) довольно точным: точность отвечает части правильных результатов теста вообще - как положительных, так и негативных. Необходимая степень точности зависит от целей исследования; 3) воспроизводимым; 4) удобным, простым, дешевым, доступным, хорошо восприниматься обследуемыми лицами. В процедурном отношении массовое обследование состоит в распределении обследуемых с помощью скрининговых тестов на две группы. Одну будут составлять вероятно больные, а другую — те, у кого с большей вероятностью болезнь исключена (рис. 7). 26 Рисунок 7. Процедура массового обследования Процедура массового обследования ОСНОВНАЯ ПОПУЛЯЦИЯ СПЛОШНОЕ МАССОВОЕ ОБСЛЕДОВАИНЕ Позитивный результат Негативный результат Диагностическое (клиническое) Периодический повтор сплошного обследование массового обследования больные промежуточная здоровые группа лечение наблюдение периодическое повторение сплошного массового обследования Идеальных скрининговых тестов нет, потому для снижения числа диагностических ошибок комитет экспертов ВОЗ по санитарной статистике в XI докладе (Женева, 1968) предложил ряд требований к диагностическим тестам, которые могут быть применены для скрининга. Точность и воспроизводимость характеризуют эффективность скринингового теста. Скрининговый тест не считается эффективным, если ему недостает точности. Точность скрининговых тестов измеряется в первую очередь по таким показателям, как чувствительность и специфичность (таблица 4). Таблица 4. Сроки эффективности (показатели точности) скринингового теста Сроки эффективности (показатели точности) скринингового теста сроки определение формула a чувствительность Процент больных с состоянием, определенным a+c как позитивное (наличие болезни) специфичность Процент здоровых с состоянием, определенным как негативное (отсутствие болезни). 𝑏 𝑏+𝑑 a - истинно позитивные; b-ошибочно позитивные; c-ошибочно негативные; d-истинно негативные Чувствительность определяется как часть лиц с позитивным результатом теста в популяции с исследуемым заболевшими, то есть чувствительность — величина, которая является тем процентом больных, состояние которых было правильно определено при проведении теста как «позитивный». Если чувствительность скринингового теста составляет 70 %, это значит, что из 100 лиц, которые имеют патологию, на выявление которой направлен тест, у 30 лиц тест будет негативным (патология не диагностирована). Чувствительный тест редко пропускает пациентов, у которых имеется заболевание. Тест с плохой чувствительностью пропустит ряд таких случаев и даст большое количество ошибочно негативных результатов, то есть лица, которые потенциально имеют заболевание, по тесту будут определены как свободные от болезни. Для врача-практика чувствительный тест особенно информативен в том случае, когда он дает негативный результат. Чувствительность скринингового теста - вероятность положительного результата теста при наличии болезни. Специфичность определяется как часть лиц с негативным результатом теста в популяции без исследуемого заболевания. Специфичность — величина, предопределенная тем процентом больных, состояние которых было правильно определено при проведении теста как «негативный». Например, если специфичность теста составляет 93 %, это обозначает, что в 7 из 100 здоровых пациентов тест даст позитивный результат (здоровых отнесут к больным). Специфичный тест, как правило, не относит здоровых к категории больных. Тест с плохой специфичностью будет показывать наличие заболевания у лиц, которые в действительности здоровые (ошибочно позитивные результаты). 27 Специфичность скринингового теста - вероятность негативного результата диагностического теста при отсутствии болезни. Одним из основных требований, которые выдвигаются к скрининговым тестам, является воспроизводимость. Под воспроизводимостью понимается вероятность того, что при повторных измерениях определенного стойкого явления, сделанных разными людьми, на разных приборах, в разное время и в разных местах, будет получен одинаковый результат. Точный тест, но с плохой воспроизводимостью, например, за счет разброса в результатах, полученных разными лицами или в разных лабораториях (колебание между разными наблюдателями) или в одной и той же лаборатории (колебание в пределах одного наблюдателя), может дать результат, который будет очень далек от истинного значения, хотя усредненный результат приближается к истинному. 2.4. Факторы риска. Методика расчета рисков Одной из главных задач эпидемиологического подхода является изучение причин заболеваний. Знания о причинах помогают определить подходы к решению трех основных клинических задач: профилактики, диагностики и лечения. Иногда трудно доказать наличие определенной причины заболевания, поэтому теперь рядом с термином «причина заболевания» часто употребляют термин «фактор риска», который иногда обозначает причину заболевания, а иногда определение риску. Эти категории настолько сильно связаны друг с другом и настолько интегрированы, что обычно в наличии целая цепь причинноследственных связей, когда причина может быть следствием(результатом) фактора риска и даже наоборот, когда причина может создать ситуацию риска для данного заболевания. Фактор риска - это особенность организма или внешнее действие, что сами по себе не является причиной заболевания, но отдельно или в комбинации одна из одной увеличивают вероятность риска возникновения отдельных заболеваний или другого неблагоприятного результата. Несмотря на то, что факторы риска часто не являются определяющими при возникновении заболеваний, в последние годы интерес к ним остаётся неизменно высоким. Это связано с тем, что: • непосредственные причины многих хронических неинфекционных заболеваний до сих пор неизвестны (например, злокачественных новообразований, ишемической болезни сердца, эндокринных заболеваний и др.); • большинство заболеваний являются полиэтиологичными, поэтому трудно установить значимость каждой из возможных непосредственных причин; • существует возможность применения знаний о факторах риска на практике: для профилактики, прогнозирования возникновения, для выяснения особенностей передачи заболеваний и в диагностическом процессе. В отличие от непосредственных причин возникновения и развития заболеваний и их последствий (бактериологических, химических, физических, механических и других неблагоприятных действий), что прямо или опосредствованно предопределяют патологические изменения в организме, факторы риска создают благоприятный фон для возникновения заболевания. Фактор риска может оказаться непрямым маркером заболевания, благодаря его связи с одним или несколькими причинными факторами, то есть он может находиться под воздействием причинного фактора. Для выяснения того, является ли фактор риска причиной или определителем (маркером) заболевания, необходимо провести несколько различных типов исследований. Сила доказательств определяется типом исследования. Эксперимент был бы самым лучшим способом для выяснения, действительно ли потенциальный фактор увеличивает вероятность развития заболевания. Однако изучить действие большинства факторов риска на человеке при помощи экспериментальных исследований невозможно, поэтому обычно приходится использовать более «щадящие» методы исследования — эмпирические (описательные и аналитические). 28 Прогнозировать заболевание за наличием тех или других факторов можно, но не всегда они есть его причиной. Поэтому среди большого разнообразия факторов риска особенно важно выделить те, которые первично предопределяют возникновение заболевания. Между факторами риска и конкретным заболеванием часто отсутствующей тесной однозначная связь. Наличие даже очень сильного фактора риска еще не означает, что человек обязательно заболеет. Например, исследование показали, что у отчаянного курильщика риск развития рака легких в 20 раз высший, чем у того, который не курит, однако его шансы заболеть на рак легких на протяжении ближайших 10 лет составляют 1:100. Во время этих исследований изучается распространение факторов риска, время появления и частота заболеваний или их последствий среди участников исследования, а затем при помощи методов математической статистики устанавливаются причинно-следственные связи. По результатам описываемых исследований формируется гипотеза о причинах заболеваний, что потом проверяется в аналитических и по возможности в экспериментальных исследованиях. Широкое применение в аналитических эпидемиологических исследованиях, благодаря своей наглядности, нашли показатели риска, которые количественно отображают эффект действия фактора риска. Под риском обычно понимают вероятность какого-то неблагоприятного события или результата. Риск в эпидемиологических исследованиях определяется как вероятность возникновения у индивида заболевания или его последствий в течение определенного периода времени. Хотя риск вводится как «индивидуальный» показатель, он не может измеряться непосредственно у каждого человека, а определяется на основе наблюдения за популяцией, подверженной неблагоприятному влиянию (экспонируемая группа). Количественно эффект влияния можно выразить через: • показатели индивидуального риска: абсолютный риск (дополнительный, атрибутивный риск) и относительный риск; • показатели популяционного риска (таблица 5). термин Абсолютный, дополнительный риск (разница рисков, attributable risk – AR) Показатели риска и методика их расчета. содержание Какой уровень заболеваемости (или ее последствий), обусловлен действием фактора риска. Относительный риск (соотношение рисков, relative risk – RR) Во сколько раз заболеваемость (или ее последствия)тех, кто попадал под действие факторов риска выше чем у тех, кто под них не попадал. Дополнительный популяционный риск (population attributable risk – Arp) Дополнительная часть популяционного риска (population attributable risk faction – AFp) Какая дополнительная заболеваемость у популяции, связанна с фактором риска. Какая часть случаев заболевания (или его последствий) у популяции обусловлена действием фактора риска. методика расчета (коэффициент заболеваемости у людей, подверженных факторам риска) – (коэффициент заболеваемости у людей, подверженных факторам риска) коэффициент заболеваемости у людей, подверженных факторам риска коэффициент заболеваемости у людей, не подверженных факторам риска (дополнительный риск) Х (распространенность фактора риска в популяции) Дополнительный популяционный риск Коэффициент распространенности заболевания 29 Применение первых двух показателей позволяет из разных сторон охарактеризовать действие факторов риска. Относительный риск характеризует силу связи между влиянием и результатом, то есть биологический аспект. Большой относительный риск указывает на важную роль данного влияния в этиологии исследуемой патологии. Абсолютный риск дает возможность обнаружить, к какому абсолютному повышению заболеваемости (смертности, инвалидности) приводит влияние фактора, который подчеркивает важность проблемы с позиций здоровья общества. Эти показатели риска дополняют друг друга. Достаточно наглядным и самым простым показателем, который характеризует степень риска возникновения заболевания, считается относительный риск (показатель относительного сравнения заболеваемости). Величина относительного риска позволяет ответить на вопрос: «Во сколько раз выше заболеваемость среди лиц, которые были подвержены действию фактора риска по сравнению с лицами, на которых не было оказано такое воздействие?» Отношение рисков, равное 1,0, свидетельствует о том, что риск заболевания одинаков как в группе экспонируемых, так и в группе неэкспонируемых лиц (возникновение заболевания не связано с данным фактором). Отношение рисков, большее 1,0, дает основание говорить о повышенном риске возникновения заболевания в экспонируемой группе; отношение риска менее 1,0, свидетельствует о меньшем риске в экспонируемой группе (можно допустить, что в этой группе действует какой-то защитный фактор). Одним из существенных недостатков показателя относительного риска является то, что его значение изменяется в зависимости от того, к какому периоду времени он отнесен. При увеличении длительности периода наблюдения риск для любого заболевания приближается к единице. Относительный риск — это отношение показателя заболеваемости (или ее последствий) у лиц, которые подвергались влиянию исследуемого фактора, к величине показателя заболеваемости (или ее последствий) у лиц, которые не подвергались влиянию этого фактора. Для полной оценки того или иного опасного влияния на здоровье общества необходимо принимать во внимание также распространенность фактора риска. Менее опасный фактор риска (с низким относительным риском), но с высокой распространенностью в данной популяции, может спровоцировать большую заболеваемость, чем опасный фактор, который редко встречается. Возникает вопрос: «Какое влияние фактора риска на общую заболеваемость группы людей, а не отдельных индивидов?» Такого рода информация помогает определить, какие факторы риска действительно существенны, а какие не имеют особенного значения для здоровья населения данной территории, что помогает руководителям системы здравоохранения на научной основе определять приоритеты при распределении ресурсов. Представление о дополнительной заболеваемости в популяции, связанной с определенным фактором риска, дает показатель дополнительного популяционного риска. Кроме того, можно определить долю заболеваемости в популяции, обусловленную данным фактором риска, то есть дополнительную долю популяционного риска. Она рассчитывается путем деления дополнительного популяционного риска на общую заболеваемость в популяции. Абсолютный риск, дополнительный риск - это разница показателей заболеваемости или ее последствий у лиц, подданных и не подданных влияния исследуемого фактора. Дополнительный популяционный риск рассчитывается как произведение дополнительного риска на распространенность фактора риска в популяции. Для оценки относительного риска в исследованиях типа «случай—контроль», используется специальный показатель, который называется отношением шансов. Дело в том, что методика организации и проведения ретроспективного эпидемиологического исследования типа «случай— контроль» отличается от методики организации и проведения когортного исследования. Группы наблюдения: основная (больных определенным заболеванием) и контрольная (лица без исследуемой патологии) формируются не естественным способом, а исследователем. Рассчитать показатели частоты заболевания, а на их основе показатели риска, как в когортных исследованиях невозможно. 30 Однако, в исследованиях типа «случай—контроль» известны частоты влияния факторов риска в основной и контрольной группах. Сравнение этих частот дает показатель риску, который и по своей сути, и математически равнозначный относительному риску, и определяется как отношение шансов события в одной группе к шансам события в другой группе. Шанс - отношение вероятности того, что событие состоится, к вероятности того, что событие не состоится. Шансы и вероятности содержат ту же информацию, но по-разному ее выражают. Если вероятность того, что событие состоится, обозначить р, то шансы этого события будут равняться р / (1-р). Например, если вероятность выздоровления составляет 0,3, то шансы выздороветь, равняются 0,3 / (10,3) = 0,43. Отношение шансов можно рассчитать на основе данных таблицы сравнения (таблица. 6). Отношение шансов Таблица 6. Таблица сравнения Было событие Не было события Всего 𝑎 𝑎 + 𝑐 = 𝑎/𝑐 = 𝑎 ∗ 𝑑 (ОШ) = 𝑐 𝑏/𝑑 𝑏 ∗ 𝑐 𝑎+𝑐 𝑏 𝑏+𝑑 𝑑 𝑏+𝑑 ЗАБОЛЕВАНИЕ Основная группа Контрольная группа a b c d a+c b+d Всего a+b c+d a+b+c+d Значение ОШ от 0 до 1 отвечает снижению риска. Отношение шансов, равное 1, характеризует отсутствие эффекта. Если частота влияния выше в основной группе, то ОШ будет больше 1, что указывает на повышенный риск. Следовательно, чем более сильная связь между фактором, который влияет, и заболеванием, тем выше ОШ и наоборот. Вклад всех известных факторов риска в формирование мировой картины заболеваемости составляет приблизительно 40 % от глобального груза смертей, а обоснование приблизительно 60 % глобального груза смертей невозможно (таблица. 7). Среди факторов риска наиболее значимой причиной названа недостаточность питания, на долю которой приходится около 11,7 % смертей. Было установлено, что кроме факторов риска необходимо обнаруживать и анализировать также условия возникновения и существования риска, которые могут быть напрямую связаны с социальными, экономическими и экологическими детерминантами здоровья. Одним из типичных условий проявления риска для здоровья населения, например, является бедность. Доля факторов риска в глобальной тяжести смертей. Фактор риска Недостаток питания Неудовлетворенное состояние водоснабжения, санитарии, а также личной и бытовой гигиены. Опасный секс Курение Употребление алкоголя Профессиональная деятельность Гипертензия Гиподинамия Загрязнение атмосферного давления не достаточно изученные факторы риска Доля в глобальной тяжести смертей 11.7% 5.3% 2.2% 6.0% 1.5% 2.2% 5.8% 3.9% 1.1% 60.3% 31 Для Европейского региона и Украины установлено 10 наиболее значимых факторов риска, которые определяют больше половины потерянных лет здоровой жизни, измеренных в DALY (больше 60 % для Европы и больше 80 % для Украины), среди которых наибольший вклад принадлежит: высокому артериальному давлению, табакокурению, злоупотреблению алкоголем, высокому уровню холестерина в крови, избыточной массе тела, недостаточному употреблению фруктов и овощей, недостаточной физической активности (таблица. 8). Експерты Европейского бюро ВООЗ считают эти факторы поведенческими и в большинстве предохранительными. Таблица 8. Доля потерянных лет здоровой жизни (DALY), обусловленных влиянием основных факторов риска, в Европейском регионе и Украине в 2002 году. Факторы риска Высокое артериального давления Курение Употребление алкоголя Высокий уровень холестерина в крови Избыточный вес тела Недостаточное употребление овощей и фруктов Недостаточная физическая активность Злоупотребление наркотических веществ Опасный секс Дым в помещениях от сгорания твердого топлива итого DALY (%) Евро регион 12,8 12,3 10,1 8,7 7,8 4,4 3,5 1,5 0,7 0,4 62,2 Украина 16,6 12,8 12,3 14,4 9,0 8,0 5,6 3,0 1,6 1,1 84,4 2.5. Статистические показатели в эпидемиологических исследованиях В эпидемиологических исследованиях для характеристики здоровья популяции используется количественный подход. Для разных типов эпидемиологических исследований применяются разные показатели. В зависимости от задач эпидемиологических исследований используются два показатели частоты: распространенность и частота новых случаев (заболеваемость), содержание и методика расчета которых существенно отличаются от аналогичных показателей в традиционной отечественной медицинской статистике (таблица. 9). Чаще всего информацию о распространенности заболеваний среди населения получают при проведении одномоментного, поперечного эпидемиологического исследования (такое исследование называют еще исследованием распространенности). Распространенность дает представление о числе всех случаев обнаруженных заболеваний (последствий заболеваний: инвалидность, смертность) за определенный период времени (например, на протяжении года) или о числе лиц, которые имеют определенное заболевание на момент обследования (несмотря на то, что обследование может продолжаться несколько недель или месяцев, для всех пациентов в группе это один и тот же момент времени) Заболеваемость характеризует темп, скорость появления новых случаев заболеваний за год, или за период в несколько лет (в этом случае рассчитывается среднее для исследуемого периода число новых случаев). Под новыми случаями понимают возникновение или выявление заболевания у человека, который раньше им не болел. В связи с этим, к исследуемой популяции не включают лиц, которые уже имеют заболевания, которые являются предметом изучения. Исследуемую популяцию составляют все лица, у которых может возникнуть определенное заболевание. Уровень заболеваемости связан с вероятностью риска возникновения заболевания в популяции (в сущности, это мера риска). Если одна 32 популяция имеет высший показатель заболеваемости в сравнении с другой, то в этой популяции более высокий и риск возникновения заболеваний. Таблица 9. Сравнительная характеристика основных статистических показателей в эпидемиологических исследованиях и традиционной медицинской статистике Название показателя Эпидемиологические исследования Источник Методика расчета информации Коэффициент Одномоментные, Абсолютное количество распространенности продольные случаев заболеваний, заболевания (PR) исследования выявленных при медицинском обследовании ________ *1000 Общее число обследованных, включающее лиц с заболев-ями и без них Коэффициент Проспективные Абсолютное количество заболевания (IP) Когортные зарегистрированных исследования случаев заболеваний в группе населений, что наблюдается, за определенный период времени _______ *1000 Сумма продолжительностей риска заболеваний каждой личности в данной группе. Кумулятивная Проспективные Абсолютное количество заболеваемость (CI) Когортные новых случаев исследования заболеваний, которые появились за определенный период среди личностей, которые предварительно не имели этого заболевания ________ *1000 Численность данной группы населения на начале периода наблюдения. Коэффициент «Врачебное Абсолютное количество общей смертности свидетельство о смертельных (CDR) смерти» последствий за определенный период наблюдений _______ *1000 Численность данной группы населения на начале периода наблюдений. Традиционная статистика Источник Методика расчета информации - данные Абсолютное обращения за количество всех медицинской зарегистрированных помощью; случаев - данные заболеваний среди медицинского населения за год осмотра ________ *1000 - данные о причине Средневековая смерти. численность населения - данные Абсолютное обращения за количество медицинской зарегистрированных помощью; новых случаев - данные заболеваний за год медицинского ________ *1000 осмотра; Средневековая - данные о причине численность смерти. населения «Врачебное свидетельство о смерти» Абсолютное количество смертельных последствий за определенный период наблюдений _______ *1000 Средневековая численность населения 33 Частота новых случаев заболевания в популяции, где это заболевание ранее отсутствовало, называется заболеваемостью. Показатели заболеваемости бывают два видов и рассчитываются по данным, полученным при проведении проспективних, когортных исследований: а) кумулятивный (накопленный) коэффициент заболеваемости; б) коэффициент заболеваемости. Кумулятивный коэффициент заболеваемости — это та доля здоровых лиц, у которой развивается заболевание в течение периода исследования. Этот показатель также может рассматриваться, как средний риск заболеть для участника когортных исследований. Величина кумулятивной заболеваемости напрямую связана с длительностью периода наблюдения: чем дольше длится наблюдение, тем выше коэффициент кумулятивной заболеваемости. Исходя из того, что время возникновения заболевания для участников когортных исследований будет разным (то есть в каждого свой риск развития заболевания в течение исследования), а также учитывая то, что состав когорты может изменяться (новые участники исследования имеют меньший период наблюдения), используется также и другой подход к оцениванию заболеваемости, который заключается в подсчете числа новых случаев болезни в постоянно изменяемой группе, где время наблюдения и длительность риска будут неодинаковыми для разных участников. Сумма длительности риска измеряется в человеко-годах и является суммой времени наблюдения за каждым пациентом до возникновения исследуемого события (результата). Пример расчета коэффициента заболеваемости В когорте мужчин возрастом 40-45 лет и численностью 3000 человек, которые наблюдаются на протяжении 10 лет, выявлено 29 случаев инфаркта миокарда. Время появления случаев инфаркта миокарда и продолжительность рисков в таблице: Время от начала наблюдения к моменту появления инфаркта миокарда (в годах) 2 4 6 8 10 Итого Число случаев инфаркта миокарда 3 5 9 12 Нет случаев 29 Продолжительность риска (человеко-годы) 6 20 54 96 29710 29886 Коэффициент заболеваемости: 𝑰𝑹 = 𝟐𝟗⁄𝟐𝟗𝟖𝟖𝟔 =0.001 в год. Например, длительность риска лица, у которого возникло заболевание через 7 лет после начала наблюдения, составляет 7 лет; лица, у которого заболевание возникло через 1 год — риск 1 год. Подытоживая число лиц с разной длительностью риска, получают суммарную длительность риска. Показатель заболеваемости, полученной в таких исследованиях, называется коэффициентом заболеваемости. Оценить эффективность вмешательств можно качественно и количественно с использованием как и клинически значимых результатов (снижение или рост заболеваемости, смертности, инвалидности, потеря зрения и другие явления, которые существенно снижают качество жизни), так и непрямых критериев (например, устранение желудочковой аритмии, уменьшение уровня холестерина или снижения артериального давления, в кардиологических исследованиях, уменьшение размеров опухоли в исследованиях, направленных на лечение рака и др.). 34 Для оценивания и представления эффекта вмешательства чаще всего используются три основных количественных параметра: • относительное снижение частоты неблагоприятных результатов — снижение относительного риска; • абсолютное снижение частоты неблагоприятных результатов — снижение абсолютного риска; • число больных, которых необходимо лечить определенным методом в течение определенного времени, чтобы достичь определенного благоприятного эффекта или избежать определенного неблагоприятного результата у одного больного. Методика расчета этих показателей приведена в таблице. 10. Работники здравоохранения всего мира признают и широко применяют эпидемиологию для оценивания здоровья населения общества, а также для решения повседневных проблем здравоохранения. Взаимодействуя с социальными науками, от демографии до этнографии и антропологии, а также с клинической медициной и ее основными направлениями, эпидемиология вносит свой вклад в дело достижения всеохватывающего понимания проблем здоровья разных групп населения, в формирование политики и деятельности системы здравоохранения, является частью теоретического обоснования деятельности системы охраны здоровья, особенно как способа анализа и мониторинга процессов, что происходят. Таким образом, применение эпидемиологии и эпидемиологических методов позволяет получить достоверную и многогранную информацию о закономерностях и особенности формирования современного типа патологии населения, определение путей профилактики и эффективных методов ранней диагностики и лечения. Таблица 10. Методы оценивания эффекта вмешательства Показатель Снижение относительного риска СОР. Снижение абсолютного риска – САР Количество больных, которых нужно лечить на протяжении определенного времени, для предотвращения одному неблагоприятному результату – ЧХНЛ. Определение Частота результатов в группе контроля (ЧРК) - частота результатов в группе вмешательств (ЧРВ) __________________*1000 Частота результатов в группе контроля (ЧВК) Частота результатов в группе контроля (ЧРК) – частота результатов в группе вмешательств (ЧРВ) Этот показатель является величиной, обратной снижению абсолютного риска. Формула расчета СОР = ЧРК − ЧРВ ∗ 100 ЧРК САР=ЧРК – ЧРВ 1 ЧХНЛ=САР Вопросы для контроля: 1. Дайте определение эпидемиологии, назовите основные цели и задачи, которые решает эпидемиология неинфекционных заболеваний. 2. Как и кто использует эпидемиологическую информацию о здоровье населения? 3. В чем отличие между эпидемиологическими исследованиями типа «случай—контроль» и когортними исследованиями? 4. Назовите эпидемиологический метод, что позволяет определить причины заболевания с высоким уровнем достоверности. 5. Какие эпидемиологические исследования называют експериментальними? 6. Охарактеризуйте классическую схему контролируемых экспериментальных исследований. . 35 РАЗДЕЛ 3. АНАЛИТИЧЕСКАЯ СТАТИСТИКА 3.1. Организация и дизайн статистических исследований. В подразделе анализируется содержание статистического исследования, его виды, этапы и программы. Вопросы для рассмотрения: —Что является целью и заданиями статистического исследования? —Что может быть объектом и единицей статистического исследования? —Какие существуют виды статистических исследований по времени, по объёму? —Какие используются методы сбора статистического материала? Цель: ознакомить с содержанием этапов статистического исследования, планом и программой статистического исследования, статистическими таблицами. Статистическое исследование требует специальной подготовки для проведения его на высоком научном уровне. Процесс статистического исследования можно разделить на этапы: составление плана статистического исследования, разработка программы; регистрация и сбор статистического материала; разработка и сводка данных; статистический анализ; внедрение результатов исследования в практику. Организация статистического исследования. Составление плана исследования предусматривает решение ряда организационных вопросов, которые заключаются в формулировке цели, задач исследования, выборе объекта и единицы наблюдения, места и срока проведения исследования, источников получения информации, формы практической реализации, а также метода статистического исследования. Статистическое исследование – это научно-организационный процесс, в котором за единственной программой проводится наблюдение за определенными явлениями и процессами, сбор, регистрация первичных данных, их обработка и анализ. Цель статистического исследования отвечает на вопрос «для чего изучать?». Она предусматривает определение характерных явлению закономерностей и связей этого явления с другими, разработку мероприятий по снижению влияния неблагоприятных факторов на здоровье, внедрение результатов работы в практику охраны здоровья и разработку мероприятий, направленных на повышение качества медицинской помощи. Задача отвечает на вопрос «что делать?». Например, заданием статистического исследования может быть изучение уровня и структуры явления (заболеваемости, смертности) в определенных группах населения, частоты, явления в группах, на которые влияют разные факторы (окружающая среда, биологические, социальные), объем и качество медицинской помощи, отдельным группам населения. При подготовке наблюдения, кроме цели, необходимо определить, что именно подлежит обследованию — установить его объект. Объект статистического наблюдения - статистическая совокупность лиц или явлений, состоящая из единиц, явлений, которые подлежат изучению. Так, например, это может быть совокупность физических лиц (больные, умершие), функциональных единиц (койки в больницы, стационары), контингентов, для которых характерны определенные явления (нетрудоспособные рабочие) и тому подобное. Объект статистического наблюдения должен иметь временные пределы для изучения совокупности. Например, при изучении распространенности заболеваний и смертности населения необходимо очертить границы данной совокупности — среди каких групп населения это явление 36 должно изучаться. Если не определить точно объект и время исследования, то получены данные не дадут полного представления об уровне и составе явления. При проведении переписи населения объектом исследования будет совокупность лиц, которые живут постоянно на определенной территории. При этом важно знать, кого переписывать: население, которое фактически живет на момент переписи, или которое живет постоянно. Данные о численности фактического населения важно знать для организации разных видов обслуживания, в том числе медицинского, а численность населения, которое живет постоянно, — для определения состава разных контингентов (например, детей дошкольного или школьного возраста для планирования обеспеченности их школами и детскими дошкольными заведениями). Таким образом, выбор и определение объекта зависит от цели и задач статистического наблюдения. Вместе с определением объекта нужно определить единицу наблюдения. Она должна быть четко обозначена: при изучении заболеваемости зубов и полости рта единицей наблюдения может быть как больной человек, так и отдельное заболевание, в зависимости от задачи и цели исследования. Единица наблюдения (единица учета) — это составляющая часть статистической совокупности (отдельное лицо, отдельное явление), составной элемент объекта, которому присущие признаки, которые подлежат регистрации и изучению (пол, возраст, масса тела при рождении, стаж, результат лечения, срок пребывания в стационаре и др.). При изучении заболеваемости по данным обращений, в амбулаторно - поликлинические заведения за единицу наблюдения берут только первичное посещение. При определении числа новорожденных учитывают только рожденных живыми. При составлении плана статистического исследования отрабатываются не только формы учетных документов и правила их заполнение, но и рассматриваются вопросы о том, кто будет их заполнять, контролировать правильность и полноту собранных данных, а также другие организационнометодические вопросы, которые возникают при сборе статистических материалов. На первом этапе назначаются также исполнители и закладывается смета. Методы (виды) исследования. В зависимости от характера проведения наблюдения по времени различают наблюдения текущие, периодические и одномоментные. Если сбор материала проводится систематически, с постоянной регистрацией фактов при их возникновении, то это будет текущее наблюдение. Если оно проводится регулярно, но не постоянно, тогда это будет периодическое наблюдение. Текущее статистическое исследование — это выявление явлений, которые быстро изменяются на протяжении времени и являются беспрерывным процессом, который нуждается в текущей регистрации. Таким методом определяется заболеваемость отдельных групп, рождаемость, смертность населения и др. Одномоментные наблюдения отображают состояние явления на определенный момент времени, которое называется критическим моментом наблюдения. Примером может быть перепись населения или перепись лиц, которые обратились в поликлинику на определенный момент времени, реестр коек, учреждений здравоохранения, хронометраж работы врачей или средних медицинских работников, профилактический обзор, и тому подобное. Такие наблюдения показывают статику явлений, изменение которых на протяжении времени происходит относительно свободно. При необходимости используются сочетания обеих форм статистического исследования. Относительно полноты учета фактов наблюдения статистические исследования разделяются на сплошных и выборочные (частичные). Сплошное исследование охватывает все единицы наблюдения, которые входят в состав совокупности, которая изучается (генеральная совокупность). Это нужно для установления абсолютных размеров явлений (численность населения, количество коек, больных СПИДом и тому подобное). Проведение такого исследования — это очень громоздкий, экономически не выгодный, метод, который нуждается в значительных расходах. Разработка материала обычно требует много времени, хоть, на первый взгляд, метод наиболее достоверен. Если сплошное наблюдение невозможно или нецелесообразно, нужно проводить несплошное. Оно не требует полного учета всех единиц совокупности, а удовлетворяется определенной частью. Несплошное исследование может быть монографическим, основного массива, выборочным. Монографическое описание используется для детальной, углубленной характеристики типичных единиц совокупности. Детальное описание работы отдельных типичных или передовых лечебно- 37 профилактических заведений имеет значение для обобщения и формирования элементов передового опыта и его распространения. Использование метода основного массива позволяет изучать объекты, которые сосредоточивают большинство единиц наблюдения. Например, если известно, что основная часть население с болезнями полости рта и зубов (80-90%) лечится в двух специализированных клиниках города, то исследование организации медицинской помощи данным контингентам проводится в указанных больницах. Недостаток метода заключается в том, что остается неизученной некоторая часть больных и результаты могут отличаться от тех, которые получены для основного массива. Выборочным называется исследование, при каком характеристика всей совокупности фактов дается за некоторой их частью, которая отобрана случайным путем. Выборочный метод, как один из видов несплошного исследования, возможен при условии, если выборочная совокупность будет репрезентативна относительно генеральной в количественном и качественном плане, то есть, если достаточное количество случаев, которые подлежат учету, и воспроизведено в выборочной совокупности все разнообразие явления, которое изучается. В такому случае результаты могут быть распространены на генеральную совокупность. Репрезентативность выборочной группы достигается правильным отбором единиц наблюдения. Выбор единиц наблюдения может быть проведений методами: • случайного отбора — жеребьевка, лотерея, механический отбор в случайном порядке и тому подобное; • механического отбора — согласно определенной численности совокупности по определенному принципу (каждый пятый, десятый или другой); • гнездовым — из всей совокупности формируют гнезда (группы), наиболее типичные объекты, которые потом изучают сплошным или выборочным методом; • направленного отбора, который заключается в том, что отбираются лица с одинаковым стажем, возрастом или статью и тому подобное. Чаще всего в выборочных статистических исследованиях используются комплексно разные способы отбора, которые обеспечивают высокую достоверность результатов. Методы учета и сбора медико-статистической информации. В случае непосредственного учета фактов необходимые статистические данные получают путем особенного учета единиц совокупности — осмотра, измерения, взвешивания, и записываются в индивидуальные карты наблюдения. В статистическом исследовании могут быть использованы разные методы сбора информации: - непосредственная регистрация; - документального учета; - выкопировки; - опрос; - анкетирование. Документальный учет, как первичный, основывается на систематической регистрации фактов, например, в лечебно - профилактических учреждениях. Такие данные из разных официальных документов выкопировывают в карту для изучения. Выкопировка данных в разработанный статистический документ может быть использована, например, для получения информации о составе лиц, которые обращались за медицинской помощью, о самих медицинских учреждениях, их деятельности, кадрах, и по другим вопросам в соответствии с программой разработки. Сбор медико-статистической информации путем опроса проводят экспедиционным и корреспондентским методами, собственно регистрацией. 38 Используя экспедиционный метод исследователь опрашивает больного и с его слов самостоятельно заполняет карту исследования, которое обеспечивает контроль за правильностью ответов. В случае саморегистрации особа, которая обследуется, заполняет карту самостоятельно. Применяя корреспондентский метод, исследователь рассылает карты для обследования с соответствующими указаниями относительно их заполнения. Имея заполненные карты (с ответами на вопрос) респондент отсылает их на адрес исследователя. Анкетный метод используется при невозможности непосредственного наблюдения за исследуемым явлением. Анкеты рассылают конкретным лицам, однако их ответы бывают неполные, неточные. Недостатком этого метода является то, что правильность заполнения анкет зависит от понимания сформулированных вопросов. Поэтому анкетный метод используется в качестве вспомогательный к другим, при отсутствии более надежных способов ли получения данных. Часто он бывает целесообразным в социологических исследованиях. Выбор методов опроса определяется задачей и программой наблюдения. Наиболее надежным является экспедиционный, но он нуждается в наибольших расходах. Способ саморегистрации менее расходный, потому его используют при возможности заполнения карт лицами, которые подлежат обследованию. Этот метод часто используют при переписях. Корреспондентский способ нуждается в наименьших расходах, но не всегда полученные с его помощью данные достоверны. Он может быть использован в качестве вспомогательного, учитывая его субъективность, неточность. Одновременно с разработкой методов сбора материала проводится подготовка к группировке и сводке данных. Планом статистического исследования должно предусматриваться, на какие группы нужно разделить явление. Смысл такого распределения совокупности на качественно однородные группы заключается в необходимости показать их особенности, связь с другими, взаимозависимость. При изучении стоматологической заболеваемости по нозологическим формам больные в этих группах качественно неоднородные: дети, молодежь, особы преклонных лет, потому каждую группу заболеваний необходимо разделить еще на качественно более однородные - по полу, возрасту и тому подобное. Группированием в статистике называется распределение единиц совокупности на однородные части по существенным признакам. Его задача заключается в том, чтобы разъединить факты, которые изучаются, на отдельные качественно однородные части, которые являются необходимым условием для определения обобщающих показателей. Принцип группирования статистического материала должен определять врач, который хорошо знает его методологический базис. Признаки единиц совокупности, которые лежат в основе группировки, называется сгруппированными. Они бывают вариационными (количественными) и имеют численное определение. Вариационное группирование проводится по числовым значениями признаков (группировка больных по возрасту, срокам заболевания, количеством пораженных зубов, детей, по массе тела, росту и тому подобное). Качественно определенные признаки называются атрибутивными: распределение больных по группам заболеваний, по населению, по полу, профессии и тому подобное. При группировке по атрибутивным признакам, которые не имеют количественного выражения, число групп предопределено самим признаком (пол, профессия, заболевание). При проведении статистической группировки можно качественно однородную группу (мужчины) разделить на возрастные группы (по вариационному признаку) — это будет комбинационное группировка. Группировка — это основа сводки статистического материала, и при условии соблюдения всех правил позволяет сделать правильные выводы и установить определённые закономерности, характерные для опытной совокупности. На первом этапе разрабатываются программы статистического наблюдения, разработка и сводка статистического материала, анализа данных. Вопросы о признаках, которые будут изучаться, решается после определения единицы с учетом задач исследования. При изучении заболеваемости, программными признаками могут быть пол, возраст, вредные привычки, дата обращения, за медицинской помощью, стаж работы, ее место и тому подобное. 39 Для обеспечения однообразия данных, которые регистрируются относительно каждой единицы наблюдения, программа наблюдения оформляется в виде учетного документа. При проведении статистического исследования источниками информации могут быть официальные отчётно - учетные или специально разработаны учетные документы. Если программа исследования не выходит за пределы действующих официальных отчетно - учетных документов (статистический талон для регистрации окончательного диагноза, врачебное свидетельство о смерти, талон амбулаторного пациента но др.), то после разработки для составления отчета лечебно - профилактического учреждения их можно использовать для прикладных статистических исследований. Программа наблюдения - это перечень зафиксированных в учетном документе признаков, которые характеризуют каждую единицу наблюдения. Она должна отвечать таким требованиям: иметь в составе перечень существенных признаков, которые отображают исследуемое явление, его тип, признаки и свойства; точность формулировки и логический порядок. Если программа исследования нуждается в получении материалов, которых нет в официальных документах, разрабатывается специальный учетный документ. Он может иметь форму бланк анкеты, карты, или быть записанный в компьютерной базе данных. На карту или в компьютерную базу вносят признаки, которые регистрируются на каждую единицу наблюдения: данные одного новорожденного или умершего, одного больного и тому подобное. Программа разработки (сводка) — составление макетов таблиц. Таблица имеет общее название, которое должно содержаться в ее верхней части. В ней коротко отмечают ее суть, время и место получения данных. Статистическая таблица должна также иметь данные о числовом измерении явления, которое изучается (%, %о, абсолютные числа) и подсчитаны итоги исследованных признаков. Сводка может быть централизованной – все первичные материалы поступают на обработку в один аналитический центр, децентрализующим – обработка осуществляется на местах. Сводка проводится в виде статистических таблиц, которые заполняются по данным полученных статистических материалов. Предпосылкой статистической сводки должен быть контроль полученных статистических данных. В статистической таблице есть подлежащее и сказуемое. Подлежащим называют объект изучения. Это могут быть единицы статистической совокупности, их группы (диагнозы, виды заболеваний населения по возрастным группам и тому подобное). Сказуемым статистической таблицы может быть перечень количественных показателей, которыми характеризуется объект изучения, то есть подлежащее таблицы. Названия единиц или групп (подлежащего) ставится слева таблицы, а название сказуемого в заголовках граф. В верхней части над заглавием таблицы ставится их нумерация (таблица 1, 2, Из...). Статистическое подлежащее разделяется горизонтальными линиями на строки, статистическое сказуемое, — вертикальными линиями на графы. Пересечение горизонтальных и вертикальных линий формирует клетки, где записываются цифровые данные. Горизонтальные ряды и вертикальные столбцы чисел и их итог должен иметь одно и то же число в клетке по строкам итогов. Графы и строки тоже должны иметь четкое название. В названии таблицы, строк и граф, нужно указать единицу измерения. Макеты таблиц могут быть разработочными , когда сведения даны отдельно по каждому признаку. Потом на их основе складываются аналитические таблицы, в которых представленные даны по группам признаков в целом. Статистические таблицы – это форма систематизированного, рационального и наглядного представления цифрового материала, который характеризует явление и процессы, которые изучаются. 40 Выделяют такие виды статистических таблиц: • простые; • групповые; • комбинационные. Простая таблица — числовое распределение данных по одному признаку. В такой таблице нет группирований, она не характеризует связь между признаками. Простые таблицы дают мало информации, хотя наглядны и просты для анализа. Примером простой таблицы может быть таблица 11. Таблица 11. Распределение госпитализированных больных по диагнозу. Диагноз … Всего Количество больных … … В групповой таблице, в отличие от простой, может быть не один, а два и больше сказуемых, то есть явление характеризуется не одним, а двумя и больше признаками, не связанными между собой (таблица. 12). Таблица 12. Распределение госпитализированных больных по возрасту. Диагноз 15-19 … Всего … … Возраст 20-29 30-39 … … … … Итого 40 и старше … … … … Для более полной характеристики явлений группирования по одному признаку бывает недостаточно. Для того, чтобы раскрыть взаимосвязи и более полно охарактеризовать типы явлений, проводится комбинационное группирование по двум или больше признаками, взятыми в сочетании. Таким образом, в комбинационной таблице подлежащим являются группы по одному признаку, а сказуемым — несколько связанных между собой групп. Она может быть использована для углубленного анализа статистического материала. Пример комбинационной - таблица. 13. В комбинационной таблице, как и в групповой, должно быть не менее двух дополнительных, связанных между собой признаков (сказуемых). Это дает возможность комбинировать, сравнивать и тем самым устанавливать связь между ними. Такие таблицы используются для углубленного анализа и изучения зависимости между разными признаками одного явления или несколькими явлениями, которые отличаются только одним признаком. Таблица 13. Распределение госпитализированных больных по возрасту и полу Диагноз … Всего 15-19 Муж. Жен. … … … … 20-29 Муж. Жен. … … … … 30-39 Муж. Жен. … … … … 40 и старше Муж. Жен. … … … … Итого Муж. Жен. … … … … Построение и оформление статистических таблиц основывается на основных общепринятых правилах. Таблица должна быть небольшой по размеру. Иногда целесообразнее построить две или три небольших таблицы, чем одну большую. Название таблицы, строки подлежащего и графы сказуемого должны быть сформулированы точно, коротко и понятно с приведением единиц измерения. Название таблицы должно определять пространство и период, к которым принадлежат данные. Строки подлежащего и графы сказуемого размещаются по принципу «от части к общему», то есть, в первую очередь, отображают составляющие части, а в конце делают итоги. Строки подлежащего и графы сказуемого могут быть пронумерованы для удобной ссылки на цифры таблицы. Отсутствие цифровых данных отмечается буквами н.д. («нет данных»). Округление чисел в таблице проводится с одинаковой точностью (до 0,1; до 0,01 и т.д.). Содержанием второго этапа статистического исследования является: • сбор материала; 41 • текущий контроль регистрации. Текущий контроль регистрации может проводиться как на этапе заполнения учетных документов, так и при формировании компьютерной базы данных. Неправильно оформленные учетные документы возвращаются на доработку или изымаются из последующего анализа. На третьем этапе исследование проводится: • шифровка материала по признакам, которые подлежат учету; • распределение единиц наблюдений на однородные группы; • подсчет по группам и сводка в таблице; • расчет производных величин. Использование компьютерной техники на современном этапе позволяет автоматизировать значительную часть процедур третьего этапа. Завершающая стадия исследования — четвертый этап — это анализ, интерпретация и сравнение данных. Анализ их в статистической таблице целесообразно начать с итогов, которые дают общее воображение о приведенных результатах. Потом анализируют данные строк и граф и определяют более характерные из них, что является базой формирования статистических закономерностей. Анализ проводится на основе сравнения данных с контрольной группой, с действующими нормативами, со средними уровнями в регионах, со стандартами, с данными других заведений, оценивается также их динамика. Любая аналитическая работа завершается литературным оформлением, формулировкой выводов исследования и разработкой предложений, для внедрения результатов исследования в практику здравоохранения. Дизайн статистического исследования. Организацию и планирования статистического исследования в условиях доказательной медицины, которая динамически развивается, называют дизайном статистического исследования, который включает такие элементы клинических исследований: • выбор исследуемых контингентов; • объем исследования; • рандомизация и стратификация; • этика проведения исследования; • анализ и интерпретация результатов; • публикация результатов. Планирование любого исследования стоит начинать с четкой формулировки цели (гипотезы) и задач исследования. Цель исследования должна выделяться как научной новизной, так и практической значимостью. Поэтому первым этапом планирования исследования является тщательный и системный обзор литературы исследуемой проблемы. Отличной практикой относительно этого считается проведение целевого анализа проведенных раньше аналогичных исследований. При планировании нового исследования не нужно с точностью дублировать ранее проведенное исследование, в котором ожидаемый результат однозначно установлен. Проведение же нового исследования стоит считать обоснованным как с научной, так и с практической, точек зрения, если раньше проведено аналогичное исследование: • не отвечало всем современным требованиям (статистически недостаточный объем выборки, не проведенная рандомизация); • было направлено на другую цель исследования (другие методы диагностики лечения или профилактики); • выполнялось в других исследуемых контингентах (по возрастно-половым характеристикам или другими характеристиками исследуемых). Отличительным признаком исследований относительно принципов доказательной медицины есть наличие основного документа, который определяет порядок проведения исследования, — протоколу исследования. В нем формулируется цель исследования, четко определяется его дизайн, детально описываются методика отбора контингента исследуемых, формирования групп, проведения диагностических и лечебных процедур, регистрации результатов и статистической обработки данных. Исследователь еще к началу работы должен четко представлять, что и как он будет делать на каждом этапе. Нарушать порядок проведения исследования, зафиксированный в протоколе, можно только в исключительных случаях, и все отклонения необходимо регистрировать в отчетных документах. Четкая формулировка цели исследования облегчает задание выбора дизайна исследования. 42 Дизайн клинического исследования является планом его проведения и зависит от цели исследования. Рассмотрим три распространенных варианта дизайна, которые используются при испытании лекарственных средств. Клиническое исследование в одной группе (single group design). При проведении исследования в одной группе все исследуемые пациенты получают одинаковое экспериментальное лечение. Эта модель исследования направлена на то, чтобы сравнить результаты лечения с исходным состоянием. Таким образом, испытанных не рандомизируют по группам лечения. Клиническое исследование в параллельных группах (parallel group design). При проведении клинических исследований в параллельных группах пациенты двух или больше групп получают разную терапию. Для достижения статистической достоверности (для исключения систематической погрешности) пациенты распределяются по группам методом случайного распределения (рандомизации). «Перекрестная» модель (Сгоssоуег design). В отличие от планов исследований в параллельных группах, «перекрёстные» модели позволяют оценить эффекты как исследуемых лекарственных препаратов, так и сравнительных курсов лечения на тех же исследуемых пациентах, которых рандомизируют в группы, где проводят одинаковое курсовое лечение, но с разной последовательностью. Отбор исследуемого контингента (объекта исследования) достаточно ответственный этап проведения исследования. Это контингент, относительно которого исследователь хочет получить выводы об определенных закономерностях исследуемого явления или об эффективности нового метода, исходя из результатов исследования. Группы исследуемых формируются на основе отбора по показателям, которые могут повлиять на результат исследования с помощью критериев включения и критериев исключения. Критерии включения определяют главные характеристики, которые должны быть представлены в исследуемом контингенте, который интересует исследователя (например, наличие определенного диагноза, определенный возраст и др.). Критерии исключения направлены на обеспечение «чистоты» исследования, а иногда и безопасности исследований благодаря исключению, например, лиц, у которых действие апробируемого метода лечения может привести к проблемам, связанным со здоровьем. Они также обеспечивают выключение тех факторов, которые могут повлиять на результаты исследование. Обычно списки критериев включения и исключения являются достаточно длинными и включают много пунктов. Объем рандомизированных контролируемых исследований в основном определяется по: • ожидаемым клинически значимым эффектам (изменение в желаемую сторону относительного риска результата заболевания на 20 % обычно считается клинически значимым): • желаемым степеням достоверности оценки результата (часто отражается как ошибка первого типа на уровне не ниже 0,05; и ошибка второго типа, которая часто принимается на уровне 0,1-0,2). Достаточно глубоко вопрос выборочных исследований с методическим обоснованием выборки изложен в монографии Г. Шварца «Выборочный метод: Руководство по применению статистических методов оценивания» (М.: Статистика, 1978). Отсутствие рандомизации приводит к наличию исходных расхождений между группами пациентов и делает результаты исследования недостоверными. Например, при отборе пациентов для исследования важно учитывать соотношение мужчин и женщин или распределение за возрастными группами – лица разного пола по-разному реагируют на определенные препараты и т.д. Рандомизированные исследования отличаются от других видов исследований формированием основной и контрольной групп методом рандомизации — случайным способом отбора исследуемых в группы, что позволяет исключить все возможны расхождения между сравниваемыми группами, потенциально способные повлиять на результат исследования. Для рандомизации обычно используются специальные компьютерные программы, построенные на алгоритме генерации случайных чисел. 43 Наряду с рандомизацией при формировании основной и контрольной групп применяют метод стратификации. Стратификация обеспечивает пропорциональное распределение исследуемых по группам с учетом факторов, которые существенно влияют на результаты исследования. Тогда как рандомизация призвана нивелировать влияние на результаты эксперимента всех возможных факторов, оставляя лишь возможность случайных расхождений между группами исследования, стратификация позволяет полностью устранить влияние ограниченного числа факторов. Стратификацию применяют также для повышения репрезентативности выборки, «подгоняя» ее состав в соответствии с популяцией в целом. Этика проведения исследования контролируется комитетом по этике заведения, где происходит исследование, или Комиссией по вопросам этики МОЗ Украины. К началу фактического проведения рандомизированного контрольного клинического исследования протокол исследования должен быть подан на рассмотрение в локальный или центральный комитет по вопросам этики для его утверждения. При этом к началу проведения процедуры рандомизации каждому пациенту в доступной форме необходимо объяснить цель исследования, возможные осложнения или неудобства и возможны преимущества, связанные с участием больного в исследовании. Только при условии письменного согласия больного можно проводить исследование. Анализ и интерпретация результатов исследований сводится к установлению разницы (конечных точек) между основной и контрольной группами больных и определению этой разницы. В статистический анализ важно включать всех сначала рандомизированных больных, а не только тех, которым лечение проведено в четком соответствии с протоколом исследования. Практически в любом относительно большом рандомизированном контролируемом клиническом исследовании часть больных в силу тех или других причин будет выпадать из исследования (например, через отказ от последующего участия в исследовании, через плохую переносимость лечения, через установление ранее не обнаруженных критериев исключения или нарушения режима приема препарата). Исследование, в котором больше 15% изначально рандомизированных больных выбыло или не получило лечения в четком соответствии с протоколом, считается некачественно выполненным. Результаты анализа дискретных показателей обычно представляются в виде снижения абсолютного риска (АР) неблагоприятного (нежелательного) результата и относительного риска (ОР) нежелательного результата. Публикация результатов исследования в медицинском журнале должна быть непременным завершающим атрибутом любого рандомзированного контролируемого клинического исследования, независимо от его результатов. В последние годы все актуальнее звучит утверждение о том, что вся бесплатная помощь должна быть эффективной. Проблема снижения стоимости медицинских услуг усложнена многообразием действующих практик и отсутствием достоверной информации об эффективности многих медицинских вмешательств. Врачу-практику трудно найти время и развить навыки отслеживания, сбора, критического оценивания и интерпретации исследовательских данных. Для интеграции нового знания в процесс принятия решения врачами разрабатываются клинические стандарты и руководства, в основу которых ложатся принципы медицины, основанной на доказательствах. Для того, чтобы помочь более легко ориентироваться в огромном потоке информации, каждому врачу необходимо овладеть методологией исследований и статистикой. Вопросы для контроля: 1. Что такое статистическое исследование? 2. Какие основные этапы статистического исследования 3. Что такое программа исследования, какие ее виды? 4. В чем заключается суть дизайна статистических исследований? 3.2. Относительные величины (статистические показатели). Графические методы исследования. В подразделе описаны виды относительных величин и методика их расчета. Вопросы для изучения: —Когда используются относительные величины? —Как адекватно выбрать вид относительной величины и графического изображения для характеристики явления? Цель- ознакомить со значением относительных величин для медицинской статистики; научить рассчитывать и адекватно использовать относительные величины в практике врача; научить графическому изображению относительных величин. 44 Полученные во время исследования данные об отдельной единице совокупности подлежат первичной обработке — сведению в таблицы и группировке, после чего собранная информация подаётся в виде статистических показателей. Такие показатели уже носят обобщающий характер и в зависимости от признака, который исследуется, представляются через абсолютные, относительные и средние величины. Абсолютные величины — это характеристика всего исследуемого явления по отдельному признаку. Они есть результат первичного учета, первичной регистрации, в соответствующих учетных документах. В большинстве случаев абсолютные величины интересны и сами по себе, характеризуя, например, численность населения, число рождений, прирост населения, число врачей, число больничных коек или поликлинических посещений, количество различных инфекционных заболеваний и т. д. Абсолютные числа отбивают количественный бок действительности, размеры исследуемых явлений. Абсолютные числа показывают массовость или одиночная заболеваний, их хронологические колебания и иногда дополняют относительные. Но неправильно было бы рассматривать абсолютные величины только как промежуточный этап, как сырье для получения производных величин и не считаться с их самостоятельным значением и ценностью. Кроме того, абсолютные числа необходимы для оперативного управления в здравоохранении. Например, из абсолютного числа рождений выходят при планировании родильных коек, из абсолютного числа детей — при планировании количестве мест в детсадах и школах, из численности населения — при расчетах числа больничных коек, поликлинических посещений, числа и категорийности санитарно эпидемиологических станций, при расчете необходимого медицинского персонала. И, наконец, без абсолютных чисел мы не можем оценить значение и достоверность относительных и средних чисел, а также невозможно вычислить средние ошибки. Однако в подавляющем большинстве случаев ряды абсолютных чисел мало доступны для обзора и недостаточны, а иногда совсем непригодны для сравнения - наиглавнейшей цели статистического анализа. Именно сравнение, сопоставление во времени, пространстве и для разных контингентов является основой выявления связей и закономерностей, оценки уровня, сдвигов и качественных особенностей, исследуемых процессов. Относительные величины используются для характеристики закономерностей распределения признаков в статистической совокупности, а также для сравнения нескольких совокупности. Различают такие относительные величины: - интенсивные; - экстенсивные - соотношения; - наглядности; - относительной интенсивности. По абсолютным числам заболеваний или случаев смерти в разных городах или в отдельные годы нельзя судить о размерах заболеваемости и смертности, потому что это число может быть предопределено расхождениями в численном и возрастном составе населения. Также нельзя по абсолютному количеством случаев заболеваний с временной потерей трудоспособности судить о здоровье работников промышленных предприятий разной мощности. При сравнении размеров таких явлений, как рождение, смерть, заболевание, травмы, осложнения, или изучении их изменений во времени, нужны абсолютные числа, которые помогают эти явления привести к одному знаменателю, отнести к одному и тому же количеству населения. Абсолютные числа нужны и при распределении общих чисел этих явлений на составные части. 45 Например, в больнице № 1 умерло 20 лиц из 2000 пролеченных больных, а в больнице № 2 за тот же промежуток времени умерло соответственно 30 лиц из 4000 больных. Пытаясь сравнить абсолютное количество умерших (явление), можно сделать ошибочный вывод, будто летальность более высока в больнице № 2, но и количество пролеченных больных (среда) там больше. Если определить количество умерших в каждой из больниц на 100 больных, то окажется, что летальность более высока в больнице № 1 — 1 % против 0,75 % в больнице № 2. Этот пример демонстрирует необходимость расчета относительных величин для характеристики интенсивности распространения явления в среде. Поэтому прибегают к вычислению статистических коэффициентов, виды которых зависят от того, что сопоставляется: явление ли со средой, откуда оно происходит, или составные элементы того же явления, или независимые явления, сравниваемые между собой. Существуют две группы производных величин: относительные — как обобщающая характеристика явления качественным признаком, средние, — обобщающая характеристика по количественному признаку. Интенсивные показатели являются важнейшим видом относительных величин. Среда, в статистическом смысле этого слова, — это основная статистическая совокупность, в которой происходят исследуемые процессы (население определенного города или региона, детский коллектив школы или детсада, коллектив работников предприятия). Интенсивные коэффициенты характеризуют частоту, уровень, распространение явления в среде, в котором оно происходит, с которым непосредственно связано и будто порождается этим окружением. Показатели интенсивности разделяют на: • Общие - характеризуют явление в целом относительно всей среды; это общие уровни смертности, рождаемости, заболеваемости, инвалидности и тому подобное; • специальные — по отдельным группами (возраст, пол, причина, стаж работы и тому подобное). Для расчета специальных показателей выбирается часть среды (знаменатель) — показатели плодовитости, повозрастные показатели смертности, — или часть явления (числитель) — заболеваемость населения отдельными болезнями, уровень смертности населения от отдельных причин. Иногда часть явления и среды обосабливаются одновременно (например, коэффициент смертности детей первого года жизни от пневмонии). Относительные величины могут быть выражены в процентах (%), если за основу берется 100, в промилле (°/оо), если за основу берется 1000 и тому подобное. В английской статистике общие интенсивные показатели называются грубыми (crude). И действительно, они дают только приблизительное представление о явлении при сравнении его динамики во времени или в пространстве. Для более точного, более глубокого и более дифференцированного анализа необходимо пользоваться специальными показателями, которые позволяют установить более тонкие связи. Размер основы для определения явления выбирают таким образом: чем больше оно распространено, тем меньшая основа. Так общие показатели смертности, рождаемости, заболеваемости, травматизма, инвалидности и тому подобное определяются на 1000 населения; специальные показатели этих явлений часто — на 10 тысяч или 100 тысяч населения; показатели заболеваемости с временной потерей трудоспособности — на 100 работающих, летальности — на 100 больных. Для определения интенсивного показателя нужно брать только ту среду, где имеет место явление, которое изучается. Например, заболеваемость среди всего населения или отдельных его групп, летальность среди всех госпитализированных в больнице или только среди больных, 46 госпитализированных после 24 часов с начала заболевания и тому подобное. Явление и среда должны быть связаны между собой. «Показатели экстенсивности показывают, насколько одно явление больше другого; показатели интенсивности показывают, как часто данное явление случается в той среде, в которой оно может происходить». Формула расчета общего интенсивного показателя: Явление∗100(1000,10000,100000… ) Все явление Общий уровень(коэффициент)заболеваемости = Число случаев заболеваний∗1000 Средняя численность населения Формула расчета специального интенсивного показателя: Часть явления∗100(1000,10000,100000… ) Часть явления Частота распространения гипертонической болезни среди населения: Число случаев заболеванийгипертонической болезнью зарегистрированных у населения∗1000 Средняя численность населения Основой при расчете частоты или уровня обычно служит численность населения. В других случаях средой могут быть контингенты больных, относительно которых можно получить показатели последствий лечения: выздоровления, летальности, инвалидности. Можно также обнаружить частоту проявлению тех или других симптомов, осложнений, которые сопровождают заболевание. Например, это оперированные больные, относительно которых вычисляют частоту послеоперационных осложнений и летальных последствий. Интенсивные показатели можно сравнивать по времени и в пространстве (в статике и динамике) благодаря приведению их к общему знаменателю (100, 1000, 10000 и тому подобное). Экстенсивными коэффициентами можно характеризовать рождаемость (деление рожденных по полу, росту, весу), смертность и летальность (распределение умерших по возрасту, полу и причинам смерти), заболеваемость (деление больных по нозологическим формам, по срокам госпитализации и тому подобное). С их помощью можно проанализировать состав населения по полу, возрасту, по социальным группами, распределение врачей по специальностям или больничных коек по профилю, распределение инвалидов по причинам и группам инвалидности. В некоторых случаях возможно применение только экстенсивных показателей (формула элементов белой крови, распределение случаев производственного травматизма по причинам и обстоятельствам травм). Показатели экстенсивности отображают удельный вес, структуру, распределение, состав явления. Их определяют в том случае, когда необходимо проанализировать распределение абсолютного числа явления на его составные части. Они показывают, какую часть, удельный вес, процент каждая часть составляет во всем явлении. 47 Экстенсивный показатель можно определить при наличии общих размеров совокупности и ее составляющих частей. Определение экстенсивного показателя проводится по формуле: Экстенсивный показатель = Часть явления∗100 Целое явление Колличество случаев заболеваний гипертонической болезнью у мужчин∗100 колличество всех случаев заболеваний гипертонической болезнью Экстенсивный показатель определяется в процентах. Между интенсивными и экстенсивными величинами существует определенная взаимосвязь и в то же время они являются разными по сути и назначению. Так, например, при изучении структуры заболеваемости может вырасти удельный вес какого-либо отдельного заболевания. Это может состояться в таких случаях: а) при настоящем его росте, то есть при увеличении интенсивного коэффициента; б) при том же уровне — если число других заболеваний в этот период снизилось; в) при снижении уровня данного заболевания, если отмечается уменьшение числа других заболеваний более быстрым темпом. По экстенсивным показателям нельзя делать вывод о распространенности явления. Однозначно правильным методом определения размеров частоты, уровня, распространенности явления (заболеваемости, смертности и тому подобное) в разных регионах является сравнение интенсивных показателей. Экстенсивные показатели имеют значение лишь для данного времени и места. Они достаточно широко используются в практической деятельности с целью выяснения распределения конкретной совокупности на составные части. В тех случаях, когда статистическая природа коэффициентов не полностью понятна, мы рекомендуем помнить о таком критерии: при интенсивных коэффициентах мы всегда имеем дело с двумя четко разграниченными статистическими совокупностями, с двумя самостоятельными, качественно разными совокупностями, одна из которых характеризует среду, а вторая — явление (население и число рожденных, число больных и число умерших). Нельзя считать, что больные «разделились на тех, кто выздоровел, и умерших»: умершие — это другое явление, самостоятельная совокупность. При экстенсивных коэффициентах мы имеем дело лишь с одним статистическим контингентом — только с больными, только с умершими и так далее. Потому, как бы детально не дифференцировался их внутренний состав, информацию о частоте получить нельзя, потому что отсутствуют среда, основа. Это стоит твердо помнить, потому, что наиболее частая ошибка при анализе статистических данных это вывод о частоте на основании данных о распределении. Можно привести пример значительного несоответствия интенсивных и экстенсивных показателей заболеваемости мужчин и женщин (рабочих предприятия). Заболеваемость работников предприятия. Работники Численность работников Абсолютное количество случаев заболевания Интенсивный Экстенсивный показатель (число показатель, % случаев на 100 работников) Мужчины 500 21 4,2 67,8 Женщины 120 10 8,3 32,2 Итого 620 31 12,5 100 Вывод: большая часть мужчин среди больных, как видим с таблицы, совсем не соответствует уровням заболеваемости и зависит исключительно от резкого преимущества мужчин в составе работников данного предприятия. 48 Экстенсивные коэффициенты дают представления об удельном весе того или другого заболевания (или классе болезней) только в данной группе населения и только за этот год. Поэтому сравнение структурных сдвигов в динамике недопустимо. Следующим видом относительных величин являются показатели соотношения, которые характеризуют численное соотношение двух не связанных непосредственно между собой самостоятельных , разнородных явлений, совокупности или величин (обеспеченность населения койками, врачами, число лабораторных исследований на 100 поликлинических посещений и тому подобное). Эти показатели определяются на 100, 1000, 10000 население. Методика их расчета такая же, как и интенсивных показателей. Отличие заключается в том, что последние характеризуют частоту явления, порожденного данной средой, и с ним связанные. Это не свойственно показателям соотношения. Показатели соотношения характеризуют численное соотношение двух не связанных непосредственно между собой независимых, разнородных явлений, совокупностей или величин. Пример расчета коэффициента соотношения: Обеспеченность населения врачебными койками = Колличство коек∗1000(10000,… ) Численность населения Показатели соотношения можно сравнивать между собой в динамике и в пространстве. В населенном пункте, где насчитается 75000 женщин возрастом от 15 до 49 лет, было зарегистрировано на протяжении года 3000 родов и 6500 абортов. Интенсивный специальный показатель рождаемости составляет: Интенсивный показатель частоты абортов составляет : 𝟔𝟓𝟎𝟎∗𝟏𝟎𝟎 𝟑𝟎𝟎𝟎∗𝟏𝟎𝟎𝟎 𝟔𝟓𝟎𝟎∗𝟏𝟎𝟎𝟎 𝟕𝟓𝟎𝟎𝟎 𝟕𝟓𝟎𝟎𝟎 = 𝟒𝟎% 0 = 86,6%0 Коэффициент соотношения равен : 𝟑𝟎𝟎𝟎 = 𝟐𝟏𝟔, то есть на 100 родов припадает 216 абортов. Из приведенного примера видно. Что показатели здоровья выражается преимущественно интенсивными коэффициентами. Потому что население представляет собой среду, в которой происходят процессы, определяющие здоровье. Методика расчета показателя соотношения похожа на такую для интенсивных показателей, хотя, в сущности эти показатели разные. Примером расхождений между показателями интенсивности и соотношения могут быть результаты изучения рождаемости и частоты абортов. Коэффициенты соотношения отображают разнообразные аспекты медико-санитарной помощи. Это объясняется тем, что здравоохранение не является непосредственной органической «функцией» населения. Показатель наглядности иногда называют показателем сравнения, поскольку он отображает изменения, которые происходят с тем или другим явлением во времени, показывает их расхождение на отдельных территориях или в разных группах населения. Он показывает, во сколько раз или на 49 сколько процентов изменилось явление в динамике, отличается ли по регионам, не обнаруживая при этом размер последнего. Показатель наглядности отображает изменения, которые происходят с тем или другим явлением во времени, показывает их расхождение на отдельных территориях или в разных группах населения. Для расчета показателя наглядности одна из сравниваемых величин берется за 1, 100 или 1000, а другие рассчитываются по отношении к ней. Так, например, уровень рождаемости населения района в прошлом году составлял 8, у поточном – 9 на 1000 населения. Если показатель рождаемости за прошлый год принять за 100%, а поточный за Х, тогда результат будет 𝟗∗𝟏𝟎𝟎 равен: 𝟖 = 𝟏𝟏𝟐, 𝟓% В нашем примере базовая величина, с которой другая составляется, равна 8%0. Для того чтоб сделать вывод, необходимо от определенной величины отнять 100%. Вывод: уровень рождаемости а районе увеличился на 12,5%. При наличии значительных отличий двух сравниваемых величин показатель наглядности лучше отображать в кратности — в сколько раз одна величина больше или меньше другой. Показатели наглядности можно определять, используя абсолютные числа, показатели интенсивности, соотношения или средние величины. Они используются для того, чтобы показать направление, тенденцию изменения явления (увеличение или уменьшение), но не раскрывают, ни абсолютные размеры явления, ни его уровень. Показатели наглядности предоставляют возможность продемонстрировать направленность, тенденцию изменений в исследовательском процессе (в сторону уменьшения или увеличения), не раскрывая ни абсолютных размеров явления, ни его уровней. Существует еще одна разновидность относительных величин коэффициент относительной интенсивности, что используется как вспомогательный прием в тех случаях, когда не удаётся получить прямые интенсивные коэффициенты. Коэффициент относительной интенсивности — это числовое соотношение двух структур. Он используется при изучении структурных особенностей разных статистических совокупностей, которые имеют отношение к одной среде, то есть являются численным соотношением двух структур. Коэффициенты относительной интенсивности должны использоваться только в тех случаях, когда нет возможности определить прямые интенсивные коэффициенты. Таким образом, коэффициенты относительной интенсивности являются фактически коэффициентами диспропорции удельного веса однородных элементов в структуре разных процессов. Они не являются критериями частоты, а только мерой ее сравнения. Например, удельный вес болезней системы кровообращения в структуре первичной заболеваемости составляет 7,4%, в структуре инвалидности 32,4%, в структуре смертности 63,2%. Коэффициенты относительной интенсивности показывают, что болезни системы кровообращения в 9 раз более весомы чем причины смертности и в 4 разы — чем причины инвалидности в сопоставлении с ранговым местом среди причин заболеваемости. При пользовании статистическими коэффициентами могут случаться некоторые ошибки, о которых стоит вспомнить с целью их предотвращения. 50 Самой распространенной среди ошибок является замена интенсивных и экстенсивных коэффициентов в попытке сделать выводы о частоте на основании данных распределения. Нужно помнить, что интенсивные коэффициенты указывают на вероятность данного события в определенной среде, а экстенсивные — на вероятность события или признака лишь по отношению и связью с другими событиями и признаками (так называемая относительная частота). Достаточно типичной ошибкой является попытка сравнить годовой показатель с квартальными или месячными. Так неправомерным является изучение летальности больных в связи с применением новых методов лечения по срокам, которые не совпадают с контрольным периодом применительно к данным методам. При расчете групповых показателей нужно тщательно подбирать среду, то есть выделять определенную её часть, адекватную для данного показателя. Например, летальность от послеоперационных осложнений нельзя вычислять относительно числа всех оперируемых, а только относительно тех из них, кто имел послеоперационные осложнения. Иногда проводят сравнение показателей с разными единицами измерения: показатели частоты заболевания населения, выраженные в %о, сравнивают с заболеваемостью рабочих, которая рассчитывается на 100 работающих. Графиком называют наглядное изображение статистических величин с помощью геометрических линий и фигур (диаграммы) или географических картосхем (картограммы). Табличная сводка статистического материала часто нуждается в наглядном изображении в виде графиков. График, в отличие от таблицы, более наглядно показывает общую картину распределения или тенденцию развития явления. При его использовании прослеживаются более выразительные взаимосвязи между показателями. Каждый график, чтобы отвечать основным условиям использования, должен иметь такие элементы: - графический образ; - поле; - пространственные и масштабные ориентиры; - масштабную шкалу; - експликацию. Графики используются с целью облегчения восприятия материала, его статистического анализа, сравнения полученных данных. Они помогают лучше понять численные соотношения признаков, закономерности и взаимосвязь отдельных явлений, сделать выводы наглядными. Графические изображения способствуют также популяризации и распространению статистических данных. Только правильно построенный график поможет проиллюстрировать обнаруженную закономерность или тенденцию. Графический образ — это геометрические знаки, линии, фигуры, с помощью которых изображаются статистические данные. Он должен отвечать цели и быть как можно более выразительным. Поле графика — это место размещения графических образов. Пространственные ориентиры — это системы координатных сеток. Часто используют систему прямоугольных координат, кроме того, есть криволинейные шкалы. Они целесообразны в секторных диаграммах. Масштабом графика называется определенная мера перевода количественной величины в графическую. Масштабные ориентиры определяются системой масштабных шкал, которые бывают равномерными и неравномерными. При равномерных масштабных шкалах отрезки пропорциональны числам. Если, например, число удваивается, то отрезок между числами тоже должен быть в два раза большим. 51 По форме изображения диаграммы разделяются на: - линейные; - плоскостные (столбиковые, секторные, круговые, квадратные, фигурные, точечные, фоновые): - объемные. Експликация — это название с коротким изложением содержания, времени и места данных. На диаграмме также должны быть подписи вдоль масштабных шкал, объяснения определённых элементов графика. Линейные диаграммы (рис. 8) используют для наглядного изображения процессов, которые показывают развитие явления во времени, его динамику, представленную в виде сплошной линии при непрерывности процесса. Явление на такой диаграмме подается в виде линии, которая может быть прямой, ломанной, кривой (температурный листок больного, помесячный вес ребенка, заболеваемость, в зависимости от возраста и др.). Нередко на одной линейной диаграмме наводится несколько кривых, которые дают сравнительную характеристику динамике разных показателей или одного и того же показателя в разных регионах (например, смертность и рождаемость). Для того, чтобы две линии отличались одна от другой, их нужно рисовать разным цветом, разными штрихами ли. При построении линейной диаграммы осью абсцисс является горизонтальная линия (ось X). На ней откладывают отрезки для воспроизводимых групп (например, количество лет, за которые сравнивают данные). Они должны быть равные и непрерывные. Если статистические данные охватывают разные периоды времени, интервалы между периодами (длина отрезка) на абсциссе должны быть пропорциональные величинам продолжительности периодов. На вертикальной линии (осьY ), ординате, наносят отметки, каждая из которых отвечает определенному количественному значению явления. Подсчет по масштабной линии проводится от базисной линии. После того, как на оси абсцисс и ординат нанесена шкала по определённому масштабу в соответствии с приведенными данными, обозначают точки (координаты) на поле диаграммы, которые образуются пересечением двух прямых, проведенных перпендикулярно к соответствующим точкам на осях координат. Точки соединяются линиями. Радиальной диаграммой можно изобразить, например, частоту вызовов скорой помощи к детям при заболеваниях пневмонией по месяцам года (рис. 9). Для построения такой диаграммы нужно иметь соответствующее распределение вызовов. Радиусом произвольной длины описывают круг. Шестью диаметрами делят его на ровные отрезки. Дальше определяем: 52 1) среднее число вызовов в день за каждый месяц; 2) среднее число вызовов в день за год; 3) для каждого месяца определяем относительный показатель в процентах: Среднесуточное число вызовов за месяц ∗ 100 Среднесуточное число вызовов загод На сделанных таким образом двенадцати радиусах (по числу месяцев), или их продолжениях, откладываем значения рассчитанного показателя пропорционально принятому масштабу. За масштаб принимается величина радиуса, который отвечает среднесуточному числу вызовов за год. Рассчитанные значения откладывают на принятой длине радиуса, и отмеченные точки соединяют линиями. Полученный многоугольник отображает колебание вызовов по месяцам. Среди плоскостных диаграмм самыми распространенными являются столбиковые, внутристолбиковые и секторные. При построении столбиковой диаграммы необходимо начертить систему прямоугольных координат, обозначить размеры каждого столбика и интервалы между ними. Основа столбиков, которая должна быть одинакового размера, размещается на оси абсцисс, а верхняя его часть будет соответствовать величине показателя, который нанесен в соответствующем масштабе относительно оси ординат. Столбиковые диаграммы отображают абсолютные числа, интенсивные показатели (уровни заболеваемости, смертности, летальности), показатели соотношения для одного или нескольких периодов, территорий, отдельных групп населения. Каждый отдельный столбик отвечает отдельному явлению или одному явлению за разные периоды времени. Расстояние между столбиками должно быть одинаковым, однако иногда они размещаются друг около друга. Пример столбиковой диаграммы приведен на рис. 10. Рис. 10. Сравнительная характеристика демографических показателей городского и сельского населения Украины за 1990-2007 гг. 53 Столбиковые диаграммы используются не только для сравнения явления в динамике, но и для демонстрации состава определенного явления (внутристолбиковые диаграммы). Внутренне столбиковые диаграммы и секторные диаграммы используют для характеристики структуры определенного явления (смертности, заболеваемости и др.), его составляющих частей. Составляющие части явления подаются в виде процентов к общему числу (рис. 11). Рис. 11. Структура госпитализированных больных по классам болезней в Украине, в 2005 г. При этом высота столбика берется за 100% и делится на части пропорционально удельному весу отдельных частей в процентах. Их размещают в порядке снижения (роста) процентов. Для построения секторной диаграммы радиусом произвольной величины описывают круг. На нём откладывают в градусах части круга, пропорциональные процентному распределению изображенных данных, которые определяют по формуле: X = 360 : 100 • а = 3,6 • а, где X — число градусов, а — число процентов. Размеченные отрезки круга соединяют линиями с центром, образовывая секторы, размер которых наглядно демонстрирует структуру явления. Для большей наглядности используют объемные диаграммы, представляя данные в виде геометрических фигур, рисунков, символов. Например, фигуры людей, рисунок кровати, — для изображения числа больных, коек и др. 54 Структуру наблюдаемого явления (заболеваемости, смертности и др.) можно подать также в виде секторной диаграммы (рис. 12). Картограммы и картодиаграммы дают представление о территориальной распространенности определенного явления в абсолютных или относительных величинах, которые размещают на географических картах. Картограммы — способ наглядного изображения практических показателей, которые характеризуют отдельные географические единицы (районы, области, государства) по тому или другому признаку. Для этого на географическую карту наносят штрихованием или цветом разных оттенков разную интенсивность и распространенность явления. Если принять для каждой группы районов определенный способ штриховки, то будет хорошо видно, как расположены на территории области разные районы по распространенности заболеваний или других явлений (рис. 13). Условные обозначения по качественной шкале оценивания уровней показателей (комплексное оценивание по Полякову - Малинскому). Недостатком таких картограмм является то, что они дают только общее представление об отличиях статистических показателей в районах, но не показывают их абсолютных значений. Картодиаграмма отличается от картограммы тем, что на географическую карту определенной территории наносят в небольшом масштабе линейные, столбиковые диаграммы, которые могут отображать абсолютные или относительные числа. Это позволяет определить колебание показателей в 55 регионах. При этом соответствующим цветом фона самой территории могут быть изображены другие показатели. При анализе результатов исследование всегда возникает потребность в сравнении полученных результатов, а сравнение абсолютных данных может привести к ошибочным выводам. В большинстве случаев использования абсолютных величин является промежуточной стадией для определения производных величин. Вопросы для обсуждения: 1. Какие значения имеют абсолютные величины, в каких случаях они используются? 2. Какие ошибки чаще всего случаются при нахождении и анализе относительных величин? 3. Какие относительные величины можно использовать для сравнения явлений, которые изучают в динамике, по территориям, в отдельных группах? 4. С какой целью используют графики? 5. Какие основные элементы графика? 6. Какие величины используют для построения графических изображений? 3.3.Метод стандартизации. В подразделе описан метод стандартизации, его практическое значение и методика расчета стандартизованных показателей. Вопросы для изучения: —Какие выходные данные необходимы для применения метода стандартизации? —В чем заключается содержание четырех этапов метода стандартизации? —О чем свидетельствует изменение соотношения между фактическими и стандартизированными показателями? Цель: обосновать необходимость использования метода стандартизации; научить рассчитывать и анализировать стандартизированные показатели. Объективное сопоставление общих интенсивных показателей возможно лишь при условии качественной однородности сравниваемых групп. Так, например, показатели летальности в двух ожоговых отделениях можно сравнивать между собой при условии, что оба стационара имеют приблизительно одинаковый состав больных по ряду основных параметров — возрасту, полом больных, тяжестью патологии, сроками госпитализации и тому подобное. Если их состав отличается, сравнение общих интенсивных показателей, характеризующих силу и распространенность явления, усложнено. При этом на величину общего интенсивного показателя влияет состав оцениваемой клинико-статистической группы. Статистический метод, что позволяет исключить влияние неодноридности состава сравниваемых групп на исследуемые общие показатели, называется методом стандартизации. При проведении клинических исследований при изучении эффективности определенного метода лечения также необходимо формировать однородные в сравнимые группы. При использовании метода стандартизации рассчитывают стандартизированные (условные) показатели, которые могли бы быть при условии одинакового состава населения в сравниваемых группах. Практическая значимость метода стандартизации: • позволяет сравнить частоту однотипных явлений в неоднородных группах; • позволяет оценить влияние исследуемого фактора на величину общих показателей. 56 Оценка влияния определенного фактора на величину общих интенсивных показателей базируется на динамике соотношения данных показателей при условии изменений в составе исследуемых групп. Если условно изменение состава сравниваемых групп по определенным критериям приводит к изменению соотношения общих интенсивных показателей (изменение знака между ними), то это дает возможность сделать вывод о значимости (влиянии) данного фактора для оценивания уровней исследуемых показателей. Существует три метода стандартизации: • прямой; • опосредствованный; • обратный. Выбор любого из методов определяется формой представления первичного материала, удобством и скоростью расчетов, данными предыдущих исследований. Прямой метод используют при наличии данных о составе населения и составе исследуемого явления по точным параметрам (возрастом, профессиями, сроками госпитализации, тяжестью заболевания, и тому подобное). Отсутствие данных о распределении определенного явления или небольшая численности групп при данном распределении, что снижает достоверность групповых показателей, является основанием для использования опосредствованного метода стандартизации. Отсутствие данных о составе населения предопределяет необходимость использования обратного метода. Самым распространенным в медико-биологических исследованиях является прямой метод стандартизации. Прямой метод стандартизации проводится в четыре этапа: 1) расчет по групповых и общих интенсивных показателей; 2) выбор и расчет стандарта; 3) расчет «ожидаемого» числа больных по стандарту; 4) вычисление стандартизированных показателей. Рассмотрим использование прямого метода стандартизации , который проводится в четыре этапа, на примере сравнения уровней летальности больных с острой кишечной непроходимостью в двух больницах, которые были госпитализированы в разные часы от начала заболевания. I этап — расчет групповых и общих интенсивных показателей. Чтобы оценить уровень летальности больных в разных больницах, необходимо исключить неоднородность состава больных по сроку госпитализации. Сравнение общих показателей летальности больных в двух больницах позволяет сделать вывод о более высокой летальности больных в больнице Б. Но здесь отмечается более высокий удельный вес больных со сроками госпитализации свыше 24 часов, что соответственно, может предопределять высокий уровень летальности. Для определения действительного соотношения частоты осложнений необходимо сравнить состав больных по срокам госпитализации. Расчет проводится по таблице. 14. Таблица 14. Расчет уровней летальности среди больных хирургических отделений больниц А и Б.(1 этап) Срок поступления в Больница А. стационар от начала Количество Количество болезни (часы) больных умерших До 6 460 56 6-24 364 64 После 24 140 40 Всего 964 160 Больница Б Количество больных 240 290 560 1090 Количество умерших 24 48 156 1090 Летальность % Больница А Больница Б 12,2 17,6 28,6 16,6< 10,0 16,6 27,9 20,9 II этап — выбор и расчет стандарта. Стандартом в нашем примере является состав больных с острой кишечной непроходимостью в двух больницах. За стандарт можно принять: 1)состав одной из сравниваемых групп; 2) суммарный или средний состав обеих групп; 3) известный состав любой другой группы. 57 Стандартом следует считать состав сравниваемых групп, которые условно принимаются одинаковыми в сравниваемых группах. В нашем примере за стандарт принимаем суммарный состав больных по срокам госпитализации в обеих исследуемых больницах, допуская, что состав больных по срокам госпитализации в обеих больницах отвечает распределению, выбранному за стандарт (таблица. 15). Таблица 15. Срок госпитализации До 6 6-24 После 24 Всего Количество больных (больница А) 460 364 140 964 Расчет стандарта.(2 этап) Количество больных Количество Сумма больных (больница Б) 240 700 290 654 560 700 1090 2054 Разделение по стандарту. 34,1 31,8 34,1 100,0 III этап — расчет «ожидаемых» чисел летальности в соответствии со стандартом. Каждая из исследуемых больниц имеет фактические уровни летальности больных с разным сроком госпитализации. На данном этапе анализа можно определить, какой уровень летальности госпитализированных больных будет при условии стандартного (одинакового) их распределения. Расчет ведется по следующей схеме: • какая летальность больных с острой кишечной непроходимостью, которые были госпитализированы до 6 часов в больницу А, могла бы быть, если удельный вес этих госпитализированных по стандарту составляет 34,1 % больных, а фактическая летальность в данной группе составляет 12,2 % (в больнице Б - 10,0 %). Больница А 12,2 - 100 / Х - 34,1 / Х = 4,2 Больница Б 10,0 - 100 / Х - 34,1 / Х = 3,4 Стандартизированным показателем является сумма «ожидаемых» чисел. Полный расчет «ожидаемых» чисел летальности в соответствии со стандартом приведен в таблице 16. Таблица 16. Расчет «ожидаемых» и стандартизированных показателей (III / IV этап) Срок госпитализации До 6 6-24 После 24 Всего Уровень летальности % А 12,2 17,6 28,6 16,6 Б 10,0 16,6 27,9 25,0 Раздел больных стандарту 34,1 31,8 34,1 100,0 по Уровень летальности по стандарту А Б 4,2 3,4 5,6 5,3 9,8 9,5 19,6>18,2 58 IV этап — вычисление стандартизированных показателей. На этом этапе находим итог результатов, рассчитанных на предыдущем этапе по всем группами для соответствующих больниц. Сумма «ожидаемых» чисел и есть стандартизованные по срокам госпитализации показатели частоты летальности для обеих больниц. Они составляют: для больницы А — 19,6; для больницы Б — 18,2 случаев смертей на 100 госпитализированных больных. Изменение соотношения между фактическими и стандартизированными показателями свидетельствует о влиянии исследуемого фактора на уровне общих интенсивных показателей. Вывод. При условиях одинакового состава больных с острой кишечной непроходимостью по срокам госпитализации в обеих больницах уровень летальности был бы выше в больнице А. Высокий фактический уровень летальности в больнице Б, определенный на II этапе, можно объяснить большей частью госпитализированных больных в поздние сроки (свыше 24 часов от начала заболевания). Уровень летальности зависит от состава больных по срокам госпитализации в исследуемой больнице. Следовательно, алгоритм расчета стандартизированных показателей прямым методом можно изобразить в виде схемы - алгоритма (рис. 14). Рис. 14. Алгоритм расчета стандартизированных показателей прямым методом Исчисление общих и специальных (групповых) интенсивных показателей (по полу, возрасту, профессии и т.д.) Выбор стандарта и его расчет Исчисление групповых стандартизованных показателей Сравнение общих интенсивных и общих стандартизированных показателей Оценка и выводы Получение общих стандартизированных показателей 59 Таким образом, стандартизированный показатель демонстрирует, какой была бы заболеваемость (летальность, смертность, инвалидность) в сравниваемых контингентах, если бы их состав был однородным, то есть расхождения в составе контингентов были бы нивелируемыми. Стандартизированные показатели применяются для сравнения двух показателей, но не отображают настоящие размеры явлений, потому что величина их может изменяться при изменении стандарта. Таким способом можно установить факт влияния любого фактора на упомянутые показатели и обнаружить причину изменений показателей, которые рассчитываются обычными методами. Вопросы для контроля: 1. В каких случаях используют стандартизированные показатели? 2. В чем заключается практическая значимость метода стандартизации? 3. Как проводится оценивание стандартизированных показателей? 3.4.Динамические ряды и их анализ. В подразделе выясняются основные понятия о рядах динамики, их показателях и методах выравнивания. Вопросы для изучения: —Что такое динамический ряд? —В чем заключается суть его выравнивания? —Где используются динамические ряды? Цель: ознакомить с расчетом показателей динамического ряда и методикой их выравнивания, продемонстрировать значения анализа динамических рядов в медицине. Отдельные явления или параметры, которые изучаются разными областями медицинской науки и практики, в течение времени часто изменяют свою интенсивность. Эти изменения сказываются на развитии явлений. Поэтому при их изучении необходимо учитывать величину и направление изменений. Особенно большое значение для практического здравоохранения имеет информация об изменениях характерных демографических процессов, заболеваемости населения, деятельности учреждений здравоохранения, и др. Адекватность направленности и реализации практических рекомендаций и мероприятий в значительной мере зависит от правильного оценивания их характера. Поскольку такие изменения часто являются следствием практических оздоровительных мероприятий, анализ их позволяет оценить эффективность проводимой работы. Для здравоохранения практический интерес имеет и тенденция развития некоторых явлений. Оценивание ее на данный момент часто позволяет предусмотреть изменения в будущем и соответственно наметить и принять необходимые практические меры. Процесс развития изменений отдельных явлений (в том числе, медико-социальных) по времени в статистике принято называется динамикой, для отображения которой строят соответствующие ряды. Динамический ряд – это ряд статистических величин, которые воспроизводят изменения явления во времени и расположенны в хронологическом порядке через определенные промежутки времени. Составляющими частями динамического ряда являются его уровни и интервалы - показатели времени (годы, кварталы, месяцы, и так далее) или моменты (периоды времени). В зависимости от того, как уровни ряда отображают состояние явления, динамические ряды по своему виду могут быть: Уровни ряда – это величины, из которых состоит динамический ряд – размер того или другого явления, достигнутый в течение определенного периода или на определенный момент времени. 60 • моментными — величины ряда характеризуют явление на какой -то определённый момент времени (штаты, койки на конец календарного года, выявленные больные при медицинском осмотре); • интервальными — уровни ряда определяют за определенный период времени (число случаев госпитализации в стационар, число летальных случаев на протяжении года, число вызовов скорой помощи на протяжении суток). На рис. 15 приведены примеры моментного и интервального ряда. Для разных по характеру интервальных и моментных динамических рядов обнаруживают некоторые особенности уровней. Поскольку уровнями интервального ряда является суммарный размер явления за определенный промежуток времени, то они зависят от длительности данного периода времени и могут быть представлены как итог. В моментных рядах уровни содержат элементы повторного подсчета (например, численность населения Украины по данным переписей), потому подытожить их невозможно. Величины, которые изучают в динамике (уровни ряда), могут быть представлены в виде: • абсолютных чисел; • относительных (интенсивные показатели, соотношения); • средних величин. Для анализа динамики не всегда целесообразно использовать абсолютные величины, поскольку их изменение достаточно часто связано с изменением численности среды или основы для формирования. Например, уменьшение числа случаев госпитализации к стационару может быть связано с сокращением коечного фонда за определенный промежуток времени, а не с фактическими показателями здоровья населения. Рассмотрение в динамике экстенсивных показателей (структуры) у большинства случаев является нецелесообразным и может быть проведен только в особенных случаях, при условии четкой интерпретации и обязательного учета изменений в структуре всей совокупности. По данным критериям динамические ряды можно разделить на ряды абсолютных, относительных и средних величин (простые и сложные). 61 В зависимости от расстояния между уровнями динамические ряды можно разделить на равноудаленные (равномерные интервалы между датами) и неравноудалённые (неравномерные промежутки или прерванные периоды). Характер основной тенденции исследуемых процессов, представленных в виде динамических рядов, делит их на стационарные и нестационарные. Если математически ожидаемые (прогнозируемые) значения признаков и параметры их стабильности (среднее квадратичное отклонение, коэффициент вариации) являются постоянными, не зависят от времени, то такой процесс является стационарным. Данные ряды также называются стационарными. Медико-социальные процессы по времени, конечно, не является стационарными, поскольку каждый из них содержит в себе определенную тенденцию развития. Важным условием правильного построения динамически го ряда и его последующей характеристики есть возможность сопоставления его отдельных уровней. Сравнивая данные в динамике, необходимо всегда помнить о территориальном и качественном сопоставление результатов. Основными причинами, которые усложняют или делают невозможным составление уровней динамического ряда, является: • изменение единиц измерения или подсчета (оценивание экономической эффективности работы лечебно-профилактических учреждений в разных денежных эквивалентах за определенные периоды — рубли, купоны, гривны, у.е.); • неравномерная периодизация динамики (количественная — по годам, качественная — по социально-экономическими периодам, изменениям приоритетности разных типов учреждений в структуре лечебно-профилактической помощи); • изменение перечня объектов анализа (переход ряда лечебно -профилактических учреждений с одного подчинения другому); • изменение территориальных пределов областей, районов, и др. При наличии вышеуказанных условий проблему решают в процессе сбора и обработки данных или путём их пересчета. Методы медицинской статистики позволяют измерять размеры изменений, которые состоялись в течение определенного периода времени, и количественно охарактеризовать направленность их развития. С данной целью используют такие показатели: абсолютный прирост, темп роста, темп прироста. Абсолютный прирост – это разница между данным уровнем ряда и тем, что принятый за основу (предыдущим, начальным) Темп роста – отношение данного уровня ряда до уровня, принятого за основу, определенное в процентах. Темп прироста – отношение абсолютного прироста за данный период времени до абсолютного уровня предыдущего периода, определенное в процентах. Абсолютное значение 1% прироста – отношения абсолютного прироста к темпу прироста. Абсолютный прирост может быть как позитивным, так и негативным. Он отображает, на сколько единиц, в абсолютном выражении изменился уровень, того или иного периода в сравнении с базовым. Один и тот же абсолютный прирост относительно разных исходных уровней может означать разный темп динамики, потому необходимо определить также, во сколько раз уровень одного периода более высок или более низок по отношению к уровню другого периода. Темп роста позволяет ответить на вопрос: на сколько процентов он увеличился или уменьшился? Если оценивание в динамическом ряду проводится относительно предыдущего уровня, можно говорить о темпах роста, рассчитанных при переменной основе. При расчетах, проведенных относительно последующего уровня, говорим о показателях, рассчитанных на постоянную основу, которые еще называются показателями наглядности. Абсолютный прирост может быть позитивным или негативным, и соответственно, темп прироста также может быть позитивным или негативным. В определенных ситуациях, невзирая на снижение темпа прироста, мы можем отмечать одновременное увеличение абсолютного значения 1% прироста, который зависит от начального уровня. 62 Способы расчета указанных показателей приведены в табл.17. Таблица 17. Динамика перинатальной смертности (на 1000 рожденных) Год n-5 n-4 n-3 n-2 n-1 n Абсолютный уровень 14,3 13,8 12,8 12,3 12,2 12,2 Абсолютный прирост ----------0,5 -1,0 -0,5 -0,1 0,0 Темп роста, % При сменной При основе постоянной основе ----------- 100,0 96,5 96,5 92,7 89,5 96,1 86,0 99,2 85,3 100,0 85,3 Темп прироста % -------------3,5 -7,3 -3,9 -0,8 0,0 Наблюдения, которые проводят в течение длительного времени, не всегда дают возможность обнаружить четкую тенденцию в динамике определенного явления. В подобных ситуациях целесообразным является применение методов выравнивания динамичного ряда, которые разделяются на две основных группы: 1) сглаживание - механическое выравнивание отдельных членов ряда с использованием фактических значений соседних уровней (приведение ряда к одной основе, метод усреднения по левой и правой половине, метод увеличения интервалов, метод групповой, и скользящей средней); 2) выравнивание с использованием кривой, проведенной между конкретными уровнями таким образом, чтобы она отображала тенденцию, характерную для ряда, и одновременно освободила его от незначительных колебаний (выравнивание по методу наименьших квадратов). Приведение ряда к одной основе осуществляется путем вычисления показателей наглядности. Динамика в данном случае выражается достаточно четко. Методы выравнивания динамических рядов: - метод усреднения по левой и правой половине; - метод увеличения интервалов; - метод переменной средней; - метод наименьших квадратов. Метод усреднения по левой и правой половине (графический метод). Ряд распределяется на две части. Для каждой его половины находят среднее арифметическое значение и проводят через полученные точки линию на графике. Метод увеличения интервалов. Если рассматривать определенные медико-социальные показатели за ряд лет, то в результате влияния разнообразных факторов можно отметить снижение и повышение отдельных уровней ряда. Это мешает выявить основную тенденцию развития определенного явления. Поэтому для наглядного представления динамики используют метод, который базируется на увеличении периодов времени, к которым принадлежат уровни ряда. Например, ежесуточное число вызовов скорой помощи можно заменить соответствующим показателем, определенным за неделю. Метод скользящей средней. Часто данный метод используют при проведении характеристики сезонных колебаний. Особенность его заключается в том, что проводится замена отдельных уровней ряда средними значениями, рассчитанными из настоящего и соседних уровней. Рассчитывают средний уровень для определенного числа (чаще трех) первых по порядку уровней ряда, потом средний уровень для аналогичного числа уровней, но начиная со второго, дальше с третьего и так далее. Таким образом, методика скользящей средней позволяет обнаружить тенденцию, которая была замаскирована случайными колебаниями показателей Метод наименьших квадратов. Данная методика базируется на математическом законе — через ряд эмпирических точек можно провести только одну прямую черту, которая отвечает требованию: 63 сумма квадратов отклонений фактических данных от выровненных будет наименьшей. По данному методу определяется линия, которая больше всего подходит для эмпирических данных и дает характеристику направленности исследуемого явления. Ею является парабола соответствующего порядка. Для примера рассмотрим выравнивание по прямой (парабола первого порядка). Уравнение прямой линии имеет вид: y, = a0 + a1x x – порядковый номер года или другого периода времени; y, - теоретические уровни; a0 – начальный уровень; a1 – начальная скорость ряда. Расчет по прямой по методу наименьших квадратов упрощается соответствующим подбором способа расчёта времени (х) таким образом, чтобы х = 0. При таких условиях расчет параметров a0 и a1 проводится по формулам: ∑𝑦 ∑ 𝑥𝑦 𝑎0= 𝑛 𝑎1= ∑ 𝑥 2 a0 и a1 – постоянные параметры для подстановки их в уравнение; n – число членов ряда; x – обозначение единицы времени. Методика выравнивания приведена на примере динамики смертности младенцев в Украине за 1992—1998 гг. (таблица. 18). Таблица 18. Динамика младенческой смертности в Украине Года n-6 n-5 n-4 n-3 n-2 n-1 n Уровни ряда (у) 14.0 14.9 14.5 14.7 14.3 14.0 12.8 Условное время(х) -3 -2 -1 0 1 2 3 ∑ = 99,2 ХУ Х -42.0 -29.8 -14.5 0 14.3 28.0 38.4 9 4 1 0 1 4 9 ∑ = −5,6 х𝛾 𝛾 Выровненные данные У х 14.77 14.57 14.37 14.17 13.97 13.77 13.57 ∑ = 28 х2 1. Принимаем средний период времени за начало отсчета (в 1993 г.). Время приведено в условных единицах от середины отсчета (ряд х),S x = 0. 2. Определяем постоянную величину уравнения (a0): ∑ 𝑦 99,2 = = 14,17 𝑛 7 3. Получаем произведение ряда Y на ряд X. Для 1992 р.: 14,0 х (-3) = - 42,0. 4. Значение ряда X возводим в квадрат. 5. Определяем вторую постоянную величину уравнения (a1): 𝑎0= 𝑎1= ∑ 𝑥𝑦 −5,6 = = 0,2 ∑ 𝑥2 28 6. Определяем выровненные уровни ряда (Yх): Yx = a0+a1x Y1 = 14,17 + (-0,2) х (-3) = 14,77 Y2 = 14,17 + (-0,2) х (-2) = 14,57 ……………………………. Y7 = 14,17 + (-0,2) х 3 = 13,57 64 Фактические показатели смертности младенцев и выровненный динамический ряд по методу наименьших квадратов представлены на рис. 16. Анализ динамики медико-социальных явлений, обозначение и характеристика главных тенденций их развития формируют основу для последующего прогнозирования, определения будущих размеров уровня явления. Особенно актуальными вопросы прогнозирования становятся в условиях переходу на новую методологию учета определенных явлений, в период реформирования системы здравоохранения. Прогнозирование предусматривает сохранение основных закономерностей в будущем, таким образом, оно базируется на экстраполяции. Экстраполяция, которая направлена в будущее или прошлое называется, соответственно, перспективной и ретроспективной. В процессе анализа динамических рядов иногда придется определять некоторые неизвестны уровни внутри данного ряда, который имеет название интерполяция. Она базируется на принципах, аналогичных экстраполяции, однако степень точности прогнозирования ожидаемого результата, конечно, значительно более высокий. Теоретической основой распространения тенденции на будущее является инерционность основных социальных, медицинских, экономических процессов. Чем короче является срок экстраполяции, тем надежнее и более точным является прогноз. В зависимости от того, какие принципы и восходящие данные положены в основу прогноза, выделяют такие элементарные методы экстраполяции: • среднего абсолютного прироста; • среднего темпа роста; • выравнивание рядов по определённой аналитической формуле, что является наиболее распространенным методом, методологическая основа которого выше приведена. Динамика ряда включает три компонента: • тенденцию (долговременное движение); • кратковременное систематическое движение; • несистематическое случайное движение. Изучая динамические ряды, исследователи с древних времен пытаются разделить эти компоненты и обнаружить главным образом основную закономерность развития явлений в отдельные промежутки времени, то есть обнаружить общую тенденцию в изменении уровней ряда, которое освобождено от влияния отдельных факторов. Именно с этой целью ряды динамики обрабатывают с помощью известных методов. Вопросы для контроля: 1. Дайте характеристику моментных и интервальных динамических рядов. 65 2. Почему не всегда корректно строить динамический ряд из абсолютных величин и экстенсивных показателей? 3. В чем заключается возможность сопоставления отдельных уровней динамического ряда? 3.5. Характеристика и анализ статистической совокупности В подразделе изложено практическое значение и виды средних величин, методика их расчета, описанные характеристики и параметры вариационного ряда. Вопрос для изучения: —Для чего используются средние величины? —Как рассчитывается средняя арифметическая из разных видов вариационных рядов? —Какое практическое значение среднего квадратичного отклонения и коэффициента вариации? Цель: ознакомить с элементами и характеристиками вариационных рядов, научить рассчитывать средние величины и другие параметры вариационного ряда, проанализировать практическое использование средних величин. Средние величины в прикладных статистических исследованиях используются настолько широко, что статистику иногда называют наукой о средних. Почему же для характеристики определенного явления не всегда можно ограничиться расчетом простои средней арифметической? Сбор, регистрация и благоустройство данных, в процессе любого исследования завершается формированием статистической совокупности (Statistical aggregate), которую можно определить как совокупность объектов или явлений одного вида, объединенных по определенному признаку. Например, больные с определенным диагнозом, определенным методом лечения и так далее. При этом для всех явлений, которые изучаются в медицине, характерна изменчивость, вариабельность. Каждый человек имеет количественную оценку определенного набора физиологических и клинических параметров, которые являются индивидуальными. Но в группе людей любой клинический параметр может изменяться и приобретать значения в определенном диапазоне. Статистическая совокупность (Statistical aggregate) – совокупность объектов или явлений одного вида, объединенных по определенному признаку. Прежде чем давать характеристику вариабельности совокупности, что имеет разные значения признаков в отдельных ее единицах, необходимо иметь единственную типичную для совокупности величину (показатель), что позволяет дать ее обобщённую характеристику. Для этого применяются средние величины, которые рассчитываются только по количественным признакам, то есть определение средней для атрибутивных признаков невозможно. Средние величины дают обобщенную количественную характеристику определенного признака в статистической совокупности при определенных условиях места и времени. В практике здравоохранения средние величины используются достаточно широко: • для характеристики организации работы учреждений охраны здоровья (средняя занятость койки, средний срок пребывания в стационаре и др.); 66 • для характеристики показателей физического развития (длина, масса тела, окружность головы новорожденных, но др.); • для анализа клинико-физиологических показателей (частота пульса, дыхания, уровень артериального давления и др.); • для оценивания данных медико-социальных и санитарно-гигиенических исследований (среднее число лабораторных исследований, средние нормы питательного рациона, средний уровень радиационного загрязнения, но др.). Обязательным условием расчета средних величин для исследуемой совокупности является ее однородность. Если отдельные элементы совокупности имеют слишком большие, или слишком малые количественные значения признаки, которые существенно отличаются от других, такие элементы будут влиять на размер средней величины для данной совокупности и средняя не будет объективно выражать обобщающую характеристику совокупности. Одним из вариантов решения проблемы может быть исключение отдельных вариант из последующего анализа (что требует использования соответствующих методик оценки), или проведения расчета погрупповых средних с определением максимальных и минимальных колебаний. Свойством средней величины является ее обобщённая характеристика. Средняя величина рассчитывается путем сопоставления абсолютных или относительных величин. При этом качественно однородная совокупность и достаточное число наблюдений является основными требованиями для расчета средних величин. Смешивание совокупности, которая определяется разными качественными признаками, приводит к расчету нетипичных средних величин, которые не могут быть основой научного анализа. Как избежать качественной неоднородности, решается во время планирования исследования и во время группирования первичного материала на основе качественного анализа исследуемых явлений. Например, нельзя изучать клинические параметры больных вообще, без деления их за нозологическими формами, возрастом и так далее Необходимо число наблюдений определяется за соответствующими методиками в зависимости от характера данных и дизайна исследования. Распространен шаблонный подход отбора не меньше N (ЗО, 50, 100) пациентов является априорным, что недопустимо в клинических исследованиях. Средняя величина имеет двойственный характер: с одной стороны она характеризует совокупность в целом, а из второго — она является основой для оценки отдельных единиц совокупности, их разнообразия и изменчивости. 1. По форме расчета можно выделить: а) среднюю арифметическую величину; б) среднюю гармоничную величину; в) среднюю геометрическую величину; г) среднюю квадратичную, кубическую, и другие величины. 2. За охватыванием совокупности выделяются: а) групповая средняя величина; б) общая средняя величина. Рассмотрим подробнее отдельные виды средних величин. Средняя арифметическая является самым распространенным видом средних величин. Она отображается как X. Однако, часто средняя арифметическая отражается буквой М (лат. Media). За характером данных она может быть простою или взвешенной. Средняя арифметическая простая определяется как сумма вариант вариационного ряда, разделенная на их число. При этом вариационный ряд — это совокупность числовых значений признаков (вариант), которые могут быть не систематизированы за своим абсолютным значением (неранговый ряд), систематизированные в порядке роста или уменьшения - (ранговый ряд). 67 Отдельные элементы (значение) совокупности однородных за качественным составом предметов, явлений, параметров являются вариантами, а всю их совокупность можно представить в виде вариационного ряда, который является основой для определения средних величин. Вариационный ряд – это ряд вариант и соответствующих им частот. Вариационный ряд может быть простым, где каждая варианта представлена отдельно, потому частота каждой из них равняется единице. Например, распределение больных по частоте пульса: 68, 69, 75, 70, 65, 68, 70, 75, 74, 72, 72, 68. Данный ряд также неранговый, потому что варианты не систематизированы. Систематизировав варианты в порядке увеличения или уменьшения их числового значения, данный ряд можно превратить в ранговый: 65, 68, 68, 68, 69, 70, 70, 72, 72, 74, 75, 75. Если варианты сгруппировать за их абсолютным значением, то можно получить сгруппированный вариационный ряд, где каждая варианта имеет свою частоту. Например: X F 66 1 68 3 69 1 70 2 72 2 74 1 75 2 Приведенный сгруппированный ряд является неинтервальным , потому что группирование проведено за абсолютным значением каждой варианты. Вариационные ряды, где значение вариант представлен в виде интервалов, называются интервальными. В виде интервального ряда часто представляют признаки со значительным количеством вариант. При этом значение каждой варианты поданы в виде интервала (см. ниже). Распределение мальчиков 7 лет по росту Рост (х) Число мальчиков (f) 4 12 8 4 125,0-126,9 127,0-128,9 129,0-130,9 131,0-132,9 Всего: n=28 В приведенной таблице интервалы являются закрытыми — каждый из них имеет верхний и нижний предел. В практике попадаются открыты интервалы (возраст 60 лет и старше, рост до 120 см но др.). В процессе анализа ширину открытого интервала, конечно, принимают ровной ширине смежного с ним интервала. Сгруппированный интервальный вариационный ряд можно получить путем объединения вариант в группы. При этом необходимо помнить, что: а)размер вариационных групп должен зависеть от природы явления; б) имеет смысл определять одинаковые интервалы; в) границы вариационных групп не должны повторяться. Все вариационные ряды за качественной характеристикой распределяются на дискретные, в которых варианты могут быть представлены только целыми числами или полученные в результате подсчетов (распределение за частотою пульсу, числом кроватных дней, посещений) и инкретные (непрерывные), где варианты могут быть представлены как целыми, так и дробными, числами, или является результатом измерений (приведена таблица). Клинические параметры являются по большей части примером инкретных вариант. 68 В процессе проведения исследования вопроса о число вариационных групп решают учитывая характер материала и численность совокупности. Характерные особенности по распределению не окажутся, если при незначительном числе единиц наблюдения взять значительное число групп, или если число групп является недостаточным. Одним из вариантов автоматического группирования есть использование формулы Стерджеса для определения оптимального числа групп: n=1+3,322 х lgN n – число групп; N – число единиц наблюдения Использование данной формулы целесообразное при большом числе единиц наблюдение. Другим вариантом, более гибким с практической точки зрения, является метод определения амплитуды ряда (разница между максимальным и минимальным значением варианта). Для решения вопроса о числе групп необходимо подать статистическую совокупность в виде рангового ряда, то есть разместить ее единицы в определенном порядке. При численности совокупности менее 100 единиц не целесообразно планировать больше 10 групп. Этапы составления интервального вариационного ряда: • определение амплитуды ряда; • определение числа групп; • определение величины интервала. Расчет средних величин базируется на значениях вариант. Если вариант представлен в виде интервала за величину в каждом из них принимают центральный вариант, то есть середину интервала. Для дискретного ряда центральный вариант определяется как полусумма одного интервала. Для инкрементного ряда (предыдущий пример) ею является полусумма начальных значений двух соседних интервалов: (125,0+127,0)/2=126 см. Средняя арифметическая величина имеет определены математические свойства, которые полнее раскрывают ее сущность: произведение средней на сумму частот равняется сумме произведений каждой варианты на соответствующие им частоты; 2) сумма отклонений отдельных вариант от средней арифметической равняется нулю; 3) если все варианты совокупности увеличить или уменьшить на постоянную величину, то средняя арифметическая соответственно изменится на такую же величину; 4) если все варианты совокупности увеличить или уменьшить в определенное количество раз (А), то средняя арифметическая соответственно изменится в такое же количество раз (А); 5) если все частоты (весы) разделить или умножить на какоето число, то средняя арифметическая вследствие этого не изменится — если мы увеличиваем или уменьшаем равнозначно частоты всех вариант, мы не изменяем вес каждой отдельной варианты ряда. Взвешенная средняя арифметическая определяется как сумма произведений вариант на соответствующие частоты, разделенная на общее число наблюдений. Частоты отражаются буквою f (frequency) и указывают, сколько раз встречается каждая варианта в вариационном ряду. Если варианты обозначить X, частоты f, общее число наблюдений, — буквой N, арифметическую сумму символом Σ, то формула средней арифметической будет иметь вид: 1) для простого ряда (простая средняя арифметическая): X = ∑𝑥 𝑁 2)для сгруппированного ряда (взвешенная средняя арифметическая): ∑ 𝑥∗𝑓 X= 𝑁 69 Средняя арифметическая величина – наиболее часто используемый вид средних величин. Она может быть простой и взвешенной. Отражается как Х (иногда М). Наряду со средней арифметической, для статистического анализа применяются, хотя и реже, другие виды средних: средняя гармоничная и средняя геометрическая. Средняя гармоничная определяется в тех случаях, когда известны данные числителя при отсутствии данных о знаменателе. Xгарм= 𝑛 1 𝑥 ∑ Например, необходимо определить среднее время, тратящее на прием одного больного, когда известно, что 5 врачей вели прием в течение 8 часов. Каждый из них тратил в среднем на прием одного больного, соответственно 20; 16; 20; 15; 24 минуты. Средняя арифметическая (М=17,75) в данном случае не даст точную оценку результату, поскольку каждый из врачей принял различное ' количество пациентов. Например, необходимо определить среднее время, потраченное на прием одного больного, когда известно, что 5 врачей вели прием в течении 8 часов. Каждый из них потратил в среднем на прием одного больного, соответственно 20; 16; 20; 15; 24 минуты. Среднее арифметическое (М=17,75) в данном случае не даст точной оценки результату, так как каждый с врачей принял разное количество пациентов. Расчет имеет такую схему: общее рабочее время врачей составляло: n=8*5=40 часов (2400минуты, или 480 минут на одного врача). Нагрузка на каждого врача определяется : для первого 480/16=30 больных и т.д. Суммарно 130 больных. Х гарм. = 𝑛 1 ∑ 𝑥 = 5∗8 ∗60 480 480 480 480 480 ∑ + + + + 20 16 20 15 24 2400 = 130 = 18.46 мин. Среднюю гармоничную целесообразно использовать также при оценивании выживания больных, средней длительности жизни, некоторых экономических показателей. Средняя геометрическая определяется для тех параметров, изменения значений которых проходят в геометрической прогрессии (изменение численности населения в период между переписями, результаты титрования вакцин, прирост массы тела новорожденных в течение отдельных месяцев жизни, но др.). Формула для расчета простой средней геометрической следующая: Mгеом= 𝑛√𝑥1 ∗ 𝑥2 ∗ 𝑥3 ∗ ⋯ 𝑥𝑛 или lgMгеом= 𝑙𝑔𝑥1 +𝑙𝑔𝑥2 +𝑙𝑔𝑥3 +⋯+𝑙𝑔𝑥𝑛 Логарифм средней геометрической равняется сумме логарифмов всех членов ряда, разделенных на их число. Логарифм полученного результата есть средняя геометрическая. 70 Например: имеем 16 наблюдений по уровню столбнякового антитоксина через 20 дней после его введения (АО): 0,05; 0,05; 0,025; 0,015; 0,01; 0,05; 0,075; 0,015; 0,25; 0,10; 0,10; 0,25; 0,25; 0,075; 0,075; Подставив данные в указанную формулу получаем: ∑ 𝑙𝑔𝑥𝑛 lgMгеом= 𝑛 = −19,9 16 = −1,25 Mгеом = 0,056 Средняя арифметическая для данного вариационного ряда будет несколько завышена и составляет М=0,088. Иногда в здравоохранении для характеристики показателей используют среднюю реверсивную. Дана величина рассчитывается из вариант, которые имеют среднюю прогрессивную длительности лечения больных в стационарах, и будет рассчитываться из значений, какие более малые среднего уровня длительности госпитализации для всей исследуемой совокупности. Такая средняя может служить базой для определения оптимального уровня определенного показателя. К средним величинам, которые имеют относительный характер относятся медиана и мода. Что такое медиан мода? Медиана (Me) — это срединная, центральная варианта, который делит вариационный ряд на две равных части. Например, когда число наблюдений составляет 29, медианой будет 15-я за счетом, потому что по оба боки от нее стоит по 14 наблюдений. В ряду с парным числом наблюдений центральное положение имеют две величины. Если числовые значения этих две величин разные, то за медиану берется их полусумма. Медианой в статистике называется варианта, который занимает срединное (центральное) положение в вариационном ряду. Рассматривая моду нельзя не рассмотреть понятие квартилей, которые также применяются для характеристики совокупности. Квартили — это значения, которые делят две половины совокупность (разделенные медианой) еще раз пополам (от слова кварта — четверть). Выделяют верхний квартиль, который часто помечают символом 75 % (значит, что 75 % вариант меньше верхнего квартиль). Нижний квартиль 25 % (25 % вариант меньше нижнего квартиль). Таким чином, три точки — нижний квартиль, медиана и верхний квартиль — делят выборку на 4 равных части. Мода – это варианта, который имеет наибольшую частоту. Мода (Мо) — величина, которая чаще всего встречается, или чаще всего повторяется. Отвечает на графическом изображении максимальной ординате, то есть наивысшему значению графической кривой. Таким образом, при приближенном нахождении моды в простом (несгруппированному) ряду она определяется как варианта с наибольшим количеством частот (например: 2, 6, 6, 8, 9, 9, 9, 10 — мода = 9). При этом ряд может иметь бимодальный (два значения случаются с одинаковой частотой), полимодальный характер. Отличие медианы и моды от средней арифметической заключается в том, что эти величины определяются достаточно легко и не зависят от крайних вариант или от степени рассеивания ряда. Средняя арифметическая часто имеет ограниченное значение потому, что она не отображает размеры колебания количественных вариант ряда (вариабельность ряду). Можно выделить несколько видов вариации: - альтернативная – наличие или отсутствие определенного признака; - систематическая – изменение признака в определенном направлении (например, в результате лечения); - случайная – вариация не имеет явно выраженного направления. 71 Важной характеристикой ряда является оценка разнообразности (изменчивость, вариабельности) вариант исследуемой совокупности. Вариацией является изменчивость только тех признаков, на которые влияют внешние факторы, причини ли. Явления, которые изменяются в силу своей природы, нельзя характеризовать как вариацию, например изменение роста ребенка от роду к совершеннолетию. Нас в первую очередь интересует именно случайная вариация, поскольку это понятие является основой формирования и оценка нормы и патологии в медицине. Одной из характеристик разнообразия вариант ряда является его амплитуда — разница между крайними значениями. Однако, амплитуда не учитывает характер распределения вариант, потому она имеет ограниченное использование в медицине. Например, два вариационных ряды с разной амплитудой могут иметь одинаковое значение средней арифметической. Для анализа вариации признаков исследуемой совокупности необходимо использовать показатели, которые учитывают значение всех единиц наблюдения данной совокупности. Таким показателем является среднее квадратичное отклонение (стандартное отклонение — standard deviation), что позначається символом σ (сигма). Среднее квадратичное отклонение учитывает степень разнообразия всех вариант совокупности относительно средней арифметической и определяется по формуле: ∑ 𝑑2 𝜎 = √𝑛−1• для простого вариационного ряда. ∑ 𝑑2 𝑓 𝜎 = √ 𝑛−1 • для сгруппированного вариационного ряда. где n — число наблюдений в исследуемой совокупности (при достаточно большом числе наблюдений — n > 30 — в формуле вместо n —1 можно использовать n); f— частота вариант; d = х X — отклонение каждой варианты от средней арифметической; х — значение варианты. Количество дней 14 15 16 17 18 Количество больных 4 6 8 11 10 5 4 n=48 ∑ х∗𝑓 Х= 𝑛 𝜎=√ X*f D=x-X d D*f 56 90 126 187 180 95 80 816 -3 -2 -1 0 1 2 3 9 4 1 0 1 4 9 36 24 8 0 10 20 12 =816/48=17 дней ∑ 𝑑 2 ∗𝑓 𝑛−1 =√ 110 47 =±1.5 дня Методику расчета среднего квадратичного отклонения рассмотрим на примере оценки средней длительности лечения больных пневмонией в стационаре (см. таблицу.). Величина амплитуды для вариационного ряда с нормальным распределением вариант приблизительно равняется шесть сигм (5), потому чем выше является значение среднего квадратичного отклонения, тем выше является степень разнообразия признаков совокупности и менее типичной средней. 72 _ Интервал оценки показателей в пределах X 1 в большинстве случаев определяет их средний уровень; _ в пределах X 2 - выше или ниже средних; _ в пределах X 3 - очень высокие или очень низкие уровни показателей Правило нормального распределения вариант в вариационном ряду можно определить как правило трёх сигм (Х± 3σ) — относительно средней арифметической практически все варианты совокупность находится в диапазоне ± 3σ. Схематично это можно отобразить так: Согласно теории статистики, которая имеет как арифметическое, так и геометрическое, доведение (по площади фигур) в пределах X ± 1σ будут находиться не менее 68,37 % всех вариант совокупности. За пределами данного интервала может быть до 31,63 % всех наблюдений. В пределах X ± 2σ будут расположены около 95,45 % всех вариант. Практически весь вариационный ряд — 99,7 % вариант будет находиться в диапазоне X ± 3σ. Отдельные варианты — до 0,3 % исследуемой совокупности могут не отвечать общему характеру распределению и выпадать из него в результате слишком низкого или высокого уровня («выскакивающие» варианты). Обобщение представленного материала позволяет сделать вывод о возможности практического использования среднего квадратичного отклонения: - для определения амплитуды ряда; - возобновление крайних его значений; - определение вероятного числа наблюдений в определенных интервалах. Для вышеуказанных условий значения средней арифметической моды и медианы будут одинаковыми. Среднее квадратичное отклонение (как мера вариации) поданная в квадрате называется дисперсией. В сущности дисперсия — это средняя величина квадратов отклонений вариант от средней арифметической. Данный показатель также используется в медицине и биологии для характеристики однородности исследуемой совокупности. При малых значениях σ средняя арифметическая достаточно полно характеризует совокупность (является типичной), тогда как большое значение σ свидетельствует о неоднородности вариационного ряда (нетипичность средней). В медицине при разработке критериев нормы часто принимается диапазон X ± 1σ (реже X ± 1,5 σ). С помощью σ можно оценить «выскакивающие» (нетипичные) варианты: 𝑉виск−𝑋̅ 𝜎 При условии, что результат выше 3 — данную варианту целесообразно исключить из последующего анализа. 73 Например: анализ организации госпитализации больных показал, что средняя продолжительность дооперационного периода при плановой госпитализации в двух стационарах составляет: Больница №1 Больница №2 Х=3,1 дня Х=3,2 дня 𝜎 = 0,3 дня 𝜎 = 0,9 дней Средняя длительность подготовки к операции в обоих стационарах практически одинакова, однако среднее квадратическое отклонение, отображающее его колебания, в больнице №1 значительно меньше. Это свидетельствует о высшей типичности средней величины и, вероятно, результатом лучшей организации госпитализации и подготовки к оперативному лечению. На практике иногда возникает потребность сравнить степень однородности (разнообразие) разных параметров совокупности. Среднее квадратичное отклонение — именуемая величина, потому непосредственно сравнивать средние квадратичные отклонения вариационных рядов с разными единицами измерения (длина в сантиметрах, вес в килограммах) нельзя. Средняя арифметическая часто имеет ограниченное значение потому, что она не отображает размеры колебания количественных вариант ряда (вариабельность ряду). Именно поэтому возникает потребность в расчете других параметров вариационного ряда. Для обеспечения сопоставления необходимо определить для каждого ряда коэффициент вариации (С) — отношение среднего квадратичного отклонения (сигмы) к средней арифметической в процентах. Данный показатель является относительной мерой вариабельности, что выражается в процентах, а не именуемых числах: 𝜎 ∗ 100% 𝑋̅ Например: определили, что после дозированной нагрузки средняя частота пульса у обследуемых составляла: 8 Коэффициент вариации для первого (по частоте пульса) ряда: С=90 ∗ 100 = 8,89% 7 Коэффициент вариации для второго ( по АД) ряда: С=135 ∗ 100 = 5,18% Вывод: артериальное давление является более постоянным признаком, чем частота пульса. Чем выше коэффициент вариации, тем большая вариабельности данного признака. Критерием в данном случае является такая оценка: С < 10 % — низкий уровень вариабельности; С = 10 - 25 % — средний уровень вариабельности; С > 25 % — высокий уровень вариабельности свидетельствует о невозможности использования данной совокупности для анализа, необходимость расчета по групповых средних или исключения отдельных «выскакивающих» вариант. 1.Каким требованиям должен отвечать материал исследования при определении средних величин? 2. Какие основные свойства средней арифметической? 3. Что такое вариация признака? Какими показателями она измеряется? 4. Какое практическое использование среднего квадратичного отклонения? 5. Какое практическое значение коэффициента вариации? 74 3.6 Оценка и анализ вероятности статистических гипотез. В подразделе рассмотрено понятие «оценивания достоверности полученных результатов», представленные методы расчете погрешностей и критерии оценивания достоверности Госсета (Стьюдента). Вопрос для изучения Когда возникает необходимость в оценивании вероятности полученных результатов? Как рассчитываются погрешности относительных и средних величин? Как устанавливаются доверительные пределы и доверительный интервал? Как проводится оценивание достоверности разницы за критерием Госсета (Стьюдента)? Цель: ознакомить с методическими основами оценивания достоверности результатов и параметрическими методами расчета достоверности показателей и их разницы. Оценить достоверность результатов выборочного исследования значит определить, в какой мере сделанные для него выводы (результаты) можно перенести на генеральную совокупность. То есть, за частью явления судить о явлении в целом и основные характерные для него закономерности. Необходимость оценивания достоверности полученных результатов определяется объемом исследования. Она не проводится при сплошном исследовании (для анализа отобраны все возможные единицы наблюдения) поскольку для всей (генеральной) совокупности можно получить только одно значение определенного показателя. Однако в системе медико-биологических исследований (кроме данных официальной статистики) редко используют сплошные методы сбора информации — подавляющая часть исследований является выборочной. Не менее важным, чем знание сути параметрического критерия достоверности t есть осознание значения риска погрешности Р, которое нуждается в понимании логики проверки статистической гипотезы. Изучение любой проблемы, конечно, сопровождается необходимостью дать ответ на ряд вопросов относительно достоверности полученных результатов: 1) всегда ли нужно оценивать их достоверность? 2) насколько достоверным является распределение определенного признака в данной совокупности — или является достоверным полученным показателем? 3) отображает ли распределение определенного параметра в исследуемой группе аналогичное распределение параметра в генеральной совокупности (среди всех больных)? 4) существенная разница ли между аналогичными показателями в разных группах (больных, население и тому подобное). При проведении выборочного исследования мы можем наталкиваться на общие погрешности и погрешности выборки. Общие погрешности могут иметь как систематический характер (методические, недостатки измерительной аппаратуры), так и случайный (ошибки исследователя). Погрешности выборочного наблюдения связаны с отбором его единиц. Это погрешности типичности, репрезентативности. В процессе анализа рассчитанные показатели (средняя длительность лечения, частота осложнений, уровень летальности, и тому подобное) рассматривают как обобщающие величины. Если результаты получены на основе достаточного за количеством и качественно однородного материала, то можно считать, что они достаточно точно характеризуют исследуемые явления. Для оценки достоверности результатов любых выборочных исследований определяют среднюю ошибку относительной (mр) или средней величины (mM). 75 Средняя ошибка отображает размеры случайных колебаний показателя при выборочных исследованиях и зависит от числа наблюдений и качественных характеристик явления. Чем большее число наблюдений и чем однороднее отобрана для анализа группа, тем меньшие пределы вероятных случайных колебаний показателя. Средняя ошибка для соответствующих показателей при значительном числе наблюдений (n > 30) может быть рассчитана по таким формулам: 𝜎 mx= 𝑛 - средняя ошибка средней величины; √ 𝑃𝑞 m=√ 𝑛 - средняя ошибка относительной величины; 𝜎 – среднее квадратичное отклонение; n – число наблюдений в выборочной совокупности; P – относительный показатель; q – величина обратная показтелю, то есть достоверность того, что данное явление не будет зарегистрировано. Сумма двух противоположных вероятностей равняется единице: Р + q = 1. Если показатель рассчитан на 100 (%), тогда: q = 100 — Р, если на 1000 (%о), то q = 1000 - Р и так далее При малом числе наблюдений (п < 30) в знаменателе вместо n используется n - 1. При изучении эффективности прививок против гриппа, примененных 400 пациентам, установлено, что 12 из них заболели. Уровень их заболеваемости составляет 3%. Значение обобщенного результата состоит в том, что при проведении аналогичных выборочных исследований, или для оценки всей совокупности больных с данной патологией (генеральной совокупности) мы могли бы предусмотреть получение аналогичных данных. Но не исключена ситуация, когда при проведении повторных исследований показатель, который был определен путем выборочного наблюдения, незначительной мерой может отличаться от результата сплошного наблюдения. Средняя ошибка показателя составляет: м =0,85% 3∗(100−3) р=√ 400 При применении прививок уровень заболеваемости для генеральной совокупности с вероятностью 95,5% (t=2) может находиться в пределах: С вероятностью 99,7% доверительный интервал будет составлять от 0,45% до 5,55% Доверительные границы для средних и относительных величин определяют формулами: xген = x̅̅̅̅̅ ̅̅̅̅̅ выб ∓ t ∗ mx Pген=Pвыб∓t*mp , где: 1) ̅̅̅̅̅ 𝒙ген и Pген - значение средних и относительных величин, рассчитанных для генеральной совокупности; 2) ̅̅̅̅̅̅ 𝒙выб и Pвыб – значение средних и относительных величин, рассчитанных для выборочной совокупности; 3) tmx и mp – средние ошибки соответствующих показателей; 4) t – критерий вероятности или доверительный коэффициент. Он может быть задан с разными степенями точности и в зависимости от вероятности безошибочного прогноза определит t = 2 и t = 3. 76 Средняя ошибка позволяет определить доверительные пределы, в которых с определенной вероятностью находится истинное значение показателя. Интервал, размещенный между ними, называется доверительный интервал. Границы достоверности (доверительные границы): • Р +/- 2m (при t = 2) дают возможность определить пределы колебания показателя с вероятностью 95,5 % (р = 0,05); (t = 2 является округленным результатом. Точное значение t = 1,96); • Р + 3m (при t = 3) дают возможность определить пределы колебания показателя с вероятностью 99,7 % (р = 0,01). Вероятность безошибочного прогноза и доверительный критерий определяют на этапе планирования статистического исследования. При заданных степенях вероятности доверительный критерий (t) имеет неизменную величину, а доверительный интервал зависит от величины средней погрешности (m), значение которой уменьшается при увеличении числа и качественного состава наблюдений. Параметрическим критерием оценки существенности разницы является коэффициент достоверности (критерий Госсета (Стьюдента)). В медико-биологических исследованиях часто возникают ситуации, когда при сравнении отдельных параметров необходимо оценить существенность разницы между ними. Существенная разница между отдельными показателями выборочного исследования свидетельствует о возможности перенесения полученных выводов на генеральную совокупность. Критерием оценки существенности разности является коэффициент достоверности (критерий Госсета (Стьюдента), который определяют по формуле: ̅̅̅1 − ̅̅̅ |Х Х2 | √𝑚12 + 𝑚22 для средних величин; ̅̅̅1 − ̅̅̅ |Р Р2 | √𝑚12 + 𝑚22 для относительных величин При большом числе наблюдений (n > 30) разность между показателями является существенной, если: 1) t > 2 (отвечает достоверности безошибочного прогноза 95,5 %); 2) t > 3 (отвечает достоверности безошибочного прогноза 99,7 %). При условии t<2 степень достоверности безошибочного прогноза составляет менее 95 %. В этом случае мы не можем утверждать, что разница между показателями является существенной. 77 Среди 1200 работников основных профессий предпринимательства было зарегистрировано 1800 случаев временной нетрудоспособности. В то же время инженерно-технического персонала предприятия, численность которого составляла 300 человек, было зарегистрировано 350 случаев временной нетрудоспособности. Для того чтобы сравнить и оценить сущность разницы заболеваемости между указанными контингентами сотрудников, необходимо: 1) Вычислить уровни заболеваемости с временной утратой трудоспособности на 100 работающих: Р = 1800/1200 * 100 =150 случаев на 100 работающих; Р=350/300*100=116 случаев на 100 работающих; 2) Определить средние ошибки указанных показателей: 𝑚1 =√ 150∗(100−150) 𝑚2 =√ 1200 = 2.5 116.0∗(100−116) 300 = 2.5 3) Оценить сущности разницы по критерию Стьюдента: t= |150−116| √2.52 +2.52 = 9.6 Часто при клинических или экспериментальных исследованиях придется иметь дело с малыми наблюдениями (30 и меньше): 5-6 лабораторных ширин, 10-12 больных и тому подобное. Если исследование правильно организовано, отобраны однородные группы, какие можно использовать, как выборочные с малым числом наблюдений. При малом числе наблюдений (п < ЗО) оценки достоверности разницы между параметрами отдельных групп о водится на основе сравнения результата и значений критерия Госсета (Стьюдента), но и итогвыми табличными значениями для соответствующей исчисляй степеней свободы (n`= n1+ n2 - 2) Если определенный t-критерий превышает табличное значение— разница между показателями становится статистически доказана. Р – это вероятность достоверности нулевой гипотезы или вероятность погрешности, а именно погрешности первого типа – ошибочное утверждение существования расхождений, которых в действительности нет. Критерий достоверности (t) используют при попарном сравнении исследуемых параметров. Однако при проведении статистического анализа иногда необходимо оценить достоверность разницы большей от двух количеству показателей клинико-статистических групп. Попарное сравнение их не позволяет получить обобщающую оценку. Иначе необходимо провести сравнение совокупности не только по обобщающим показателям, но и за характером распределения признаков в исследуемых группах. Для данной цели используют другие критерии, которые будут рассмотрены дальше. Вопросы для контроля: 1. Что означает выражение «оценить достоверность результатов исследования»? 2. За какими критериями определяют довесочный интервал? 78 3.7. Непараметрические методы оценки вероятности статистических гипотез В подразделе представлены методики расчета и анализа непараметрических критериев оценивания достоверности полученных результатов, рассмотрено понятие независимой и взаимоувязанной совокупности. Вопросы для изучения: —Как рассчитываются непараметрические критерии оценивания достоверности? —Когда возникает необходимость в применении определенных непараметрических критериев? —Как оценивается достоверность полученных критериев? Цель: Ознакомить с понятием независимых и взаимосвязанных по совокупности, научить адекватно подбирать определен непараметрический критерий для оценивания достоверности разницы результатов, проанализировать практическое использование непараметрических критериев. Исследователь не должен руководствоваться предположением, которое нельзя проверить. При использовании непараметрических критериев риск ошибок в выводах минимален. Рассмотрены в предыдущих разделах статистические параметры (средняя арифметическая, среднее квадратичное отклонение, коэффициент вариации, средняя ошибка), которые используют для анализа вариационных рядов, являются его параметрами и требуют представления выходных данных в количественном виде. Однако при проведении медицинских исследований достаточно часто придется использовать методы статистического анализа данных, представленных в полуколичественном, полукачественном и качественном виде. Совокупность статистических методов, которые позволяют оценить их результаты как в количественном (числовом), так и в полуколичественном и качественном виде объединяют в группу непараметрических критериев оценивания. Использование непараметрических критериев не нуждается в расчете параметров вариационного ряда. Здесь имеет значение порядок расположения вариант в совокупности. Статистическое оценивание наблюдений с помощью непараметрических критериев, как правило, проще, чем оценивание параметрическими методами и не требует громоздких расчетов. Подавляющее большинство параметрических статистических методик предусматривают наличие нормального распределения вариант в исследуемой совокупности. Но на практике встречаются не только нормальные, но и другие виды раздела признаков. При наличии таких ситуаций использование параметрических критериев повышает вероятность ошибок. Практическое применение непараметрических критериев, не связанное с определенной формой распределения исследуемых признаков, делает целесообразным их самостоятельное использование или в комплексе с параметрическими. Невзирая на определенную простоту методик, надежность непараметрических критериев достаточно высока. Они могут быть использованы для оценивания достоверности медикобиологических результатов одной совокупности, разницы, двух и больше выборочных совокупностей. Критерий знаков и критерий Вилкоксона используют для оценки достоверности разницы двумя взаимосвязанными совокупностями. Критерий знаков и критерий Вилкоксона используются для оценки достоверности разности в двух взаимосвязанных совокупностях (например, за 79 результатами, которые получены для одной группы больных в течение разных периодов, – к лечению и после лечения, или в первый день и пятый день). Критерий знаков позволяет включать в анализ до 100 пар наблюдений и базируется на подсчете числа однонаправленных результатов при их парном сравнении. В таблице19 приведена динамика скорости оседания эритроцитов (СОЭ) за 10-тидневный период лечения. Основные этапы расчета по критериям знаков 1. Определение направленности разницы в сравнительных группах результатов. Динамика при этом обозначается соответствующими знаками: +, —, =. Из дальнейшего расчета исключают результаты без динамики (=). 2. Подсчет числа наблюдений с позитивными и негативными результатами. Из 10 приведенных изменения оказались у 9 больных. Таблица19. Динамика скорости оседания эритроцитов (СОЭ) Больные (№ п/п) 1 2 3 4 5 6 7 8 9 10 СОЭ 1-й день 13 22 16 20 19 25 23 20 17 18 Направление разницы 2-й день 23 15 18 14 11 13 12 13 18 18 + + + = 3. Подсчет числа знаков, которые реже встречаются. Снижение СОЭ (-) обнаружено у 6 больных, а прирост (+) зарегистрирован в трех случаях. 4. Сравнение меньшего числа знаков (критерий Z) с табличными критическими значениями для соответствующего числа наблюдений. Для n = 9 определён критерий Z = 3 выше предельного табличного (Z0,05 = 2). Следовательно, нельзя сделать вывод о существенности динамики скорости оседания эритроцитов вероятности погрешности больше 5 % (р > 0,05). Т-критерий Вилкоксона предусматривает возможность попарного сравнения от 6 до 25 пар наблюдений. Критерий Вилкоксона целесообразно использовать в тех случаях, когда оказываются неоднозначные количественные изменения исследуемого параметра (снижение и повышение). При этом учитывают не только направленность разницы, но и ее величину. Методика анализа по Т-критерию Вилкоксона приведена в таблице 20. 1. Определяют разницу в парах наблюдения между конечным и начальным уровнями артериального давления. 2. Ранжирование полученных результатов за величиной разницы между показателями без учета направленности изменений. Результаты без динамики исключают из последующего оценивания. Если два результата имеют одинаковые абсолютные значения изменений, их ранги определяют как полгрусти порядковых номеров. 80 3. Подсчет суммы однозначных рангов (позитивных и негативных). 4. Оценивание за меньшей суммой рангов путем сравнения определенного Т-критерия с табличным значением при соответствующем числе пар наблюдений. Больные В. Д. К. Р. Н. П. А. С. Ю. Т. Уровень АД ДО ЛЕЧЕНИЯ ПОСЛЕ ЛЕЧЕНИЯ 210 175 180 180 185 140 160 185 175 145 190 150 155 160 180 160 200 155 170 155 Разница -35 0 -45 +25 -30 -40 +5 -20 -45 -15 Ранг разницы 6,5 9 4 5 8 1 3 9 2 Меньшая сумма рангов 4 1 Т=5 Таблица 20. Уровень артериального давления у больных гипертонической болезнью до и после лечения (мм рт. ст.). Критерий Вилкоксона Т=5 не превышает табличного значения для данного числа наблюдений n=9, Т о,о5 = 6. Следовательно, можно сделать вывод о существенности (статистическую значимость) динамики артериального давления у больных после лечения. 2 Методика расчета критерия Колмогорова – Смирнова ( λ ) осуществляется в несколько этапов и рассмотрена в таблице21. Критерии Колмогорова-Смирнова и критерий соответствия (Х2) применяют в случае сравнения независимых друг от друга совокупностей (примером является сравнение опытной и контрольной групп больных, результатов двух групп наблюдений, которые принадлежат к разным заболеваниям или степеням тяжести патологии). 1. Числовые значения двух вариационных рядов объединяют в один вариационный ряд, варианты какого упорядочивают в порядке роста. 2. Определяют частоты вариант для обеих групп наблюдений. 3. Определяют накопленные частоты для обеих групп. 4. Определяют накопленные частицы, для чего накопленные частоты делятся на число наблюдений для каждой группы. 5. Рассчитывается разница накопленных частиц групп X и У без учета знаков. 6. Определяют максимальную разницу — Д = 0,51. 7. Определяют критерий λ 2 λ 2 = Д2 ∗ 𝑛𝑥 ∗ 𝑛𝑦 𝑛𝑥 + 𝑛𝑦 8. Сравнивают полученный результат с предельным значением критерия Колмогорова-Смирнова. 2 Если λ больше предельного значения, разница между сравниваемыми группами является существенной. 81 2 Для данного задания λ = 1,10. Сравнивая полученный результат с предельным значением λ2 о,о5 = 1,84 и λ2 о,о1 = 2,65, делаем вывод о несущественности разницы между сравниваемыми группами. Варианты по ряду ХиУ 24 26 28 30 32 34 36 38 40 nx=9 Частоты вариант по группам Рх Ру Накопленные частоты по группам Sx Sy 2 3 1 1 1 1 0 0 0 3 0 2 1 0 1 1 1 1 2 5 6 7 8 9 9 9 9 Накопленные части по группам Sx nx 0.22 0.56 0.67 0.78 0.89 1 1 1 1 0 0 2 3 3 4 5 6 8 Sy ny 0 0 0.25 0.38 0.38 0.50 0.63 0.75 1 Разница 0.22 0.56 0.42 0.40 0.51 0.50 0.37 0.25 0 ny=8 Таблица 21. Изменение радиоактивности крови подопытных животных, получавших (Х) и не получавших (У) лечение (в условных единицах). Попарное сравнение показателей не позволяет получить обобщающую оценку. В другом случае необходимо провести сравнение совокупности не только по обобщающим показателям, но и по характеру распределения признаков в исследуемых группах. При проведении статистического анализа иногда необходимо оценить достоверность разницы большей от двух количеству показателей клинико-статистических групп. В указанных ситуациях наиболее целесообразным является использование критерия соответствия — X2 (критерий Пирсона), который рассчитывается по формуле: X2 = ∑ (𝑝−𝑝1 )2 𝑝1 где p - истинные частоты p1 - теоретические частоты В обобщенном виде практическое значение критерия соответствия X2 заключается в: • оценивании достоверности разницы между несколькими сравниваемыми группами при нескольких возможных результатах с разной степенью вероятности (например, три или четыре группы больных с разными методами лечения и их последствиями — разной частотою осложнений); • определении наличия связи между двумя возбудителями (зависимость результатов лечения от возраста больных, тяжести заболевания, связь между тяжестью патологии новорожденных и состоянием их физического развития); • оценивании идентичности распределения частот в двух и больше совокупности (аналогичность распределения больных по уровню клинических параметров при разных степенях тяжести патологии). На основе «нулевой» гипотезы определяют «ожидаемые» результаты и сравнивают их с фактическими данными. Если разницы нет, можно сделать вывод, что «нулевая» гипотеза подтвердилась. При 82 наличии отличий фактических данных от теоретического раздела определяют существенность разницы между сравниваемыми группами. Основой метода является определение существенности разницы (отклонений) фактических данных от теоретических (ожидаемых). Расчет теоретических данных базируется на предположении, что между сравниваемыми группами за исследуемыми факторами разницы нет. Данное предположение определяется как «нулевая» гипотеза. Оценивание результатов (X2) проводится за специальной таблицей. Существенной считается разница в том случае, когда величина рассчитанного коэффициента превышает табличное значение при достоверности не ниже 95% (вероятность погрешности менее 5%-р<0,05). Критерий соответствия не является абсолютно универсальным и имеет некоторые недостатки: — зависит от группирования первичного материала; — важное значение имеет однородность приведенных групп для предупреждения приглаживания разницы между ними; — величина X2 определяет наличие связи, однако не обнаруживает его силу и характер; — метод не определяет существенность разницы между отдельными группами, потому иногда для попарного сравнения групп необходимо дополнительно использовать t-критерий. Методику расчета коэффициента соответствия — X2 рассмотрим на примере оценивание влияния методов лечения на их результаты. 1. Приведем фактические результаты по трём методам лечения (таблица 22). Таблица 22. Результаты лечения больных по отдельным методикам Методика лечения I II III Всего Всего больных 50 80 70 200 (100%) Результаты лечения – Р (фактические данные) хорошо удовлетворительно неудовлетворительно 36 11 3 48 17 15 25 25 20 109 53 38 2. Рассчитываем «ожидаемые» результаты согласно «нулевой» гипотезе, основой которой является доказательство, что разницы между результатами лечения за отдельными методиками нет. В этом случае за основу берем общее деление больных, вылеченных всеми методами. Числовая характеристика «нулевой» гипотезы составляет: хорошие результаты в целом имели 54,5 %, удовлетворительные — 26,5 % и неудовлетворительные — 19 % больных. В соответствии с указанным делением определяют «ожидаемые» данные результатов лечения за отдельными методиками (значение определяем в целых числах) — таблица. 23. Таблица 23. Методика лечения I II III Всего Всего больных 50 80 70 200 % Результаты лечения – Р1 (ожидаемые данные) хорошо удовлетворительно неудовлетворительно 27 13 10 44 21 15 38 19 13 109 (54,5%) 53 (26,5%) 38 (19%) 83 3. Сопоставляем фактические и теоретические данные (их разницу) с расчетом величины отклонения и учетом его направления (знака) — таблица. 24. Таблица 24. Методика лечения I II III Всего ( Р - Р1 ) удовлетворительно -2 (11-13) -4 (17-21) 6 (25-19) 0 хорошо 9 (36-27) 4 (48-44) -13 (25-38) 0 неудовлетворительно -7 (3-10) 0 (15-15) 7 (20-13) 0 4. Рассчитываем квадрат отклонения теоретических данных от фактических и средний квадрат отклонения на одну «ожидаемую» группу. Данный этап расчета имеет такой вид в связи с тем, что на основе фактических отклонений невозможно определить его суммарную величину, поскольку она равняется нулю. При возведении отклонений в квадрат определяем их параметры для каждой группы (р — р1)2. Учитывая разное число больных в исследуемых группах величина отклонений может быть разной, потому квадрат их делимо на число соответствующих наблюдений каждой группы — (р — р1)2 / р1. Проведя расчеты, определяем (р — р1)2 и (р — р1)2 / р1. (таблица 25). Таблица 25. Методика лечения хорошо I II III 81 16 169 ( Р - Р1 ) 2 удовлетвори тельно 4 16 36 неудовлетво рительно 49 0 49 хорошо 3 0,4 4,4 ( Р - Р1 ) 2 / Р1 удовлетвори неудовлетво тельно рительно 0,3 4,9 0,8 0 1,9 3,8 Σ=19,5 5. Определяем X2— итог результатов последнего этапа расчетов. В нашем случае X2= 19,5. Сравниваем его с табличным значением, учитывая число степеней свободы (n1), которые определяют по формуле: n1= (S- 1) (г- 1), где S — число групп больных (для нашего примера - три). г — число результативных групп (три). Число степеней свободы n1= (3 - 1) (3 - 1) = 4. Выбор метода оценивания достоверности в пользу непараметрического решается в случаях, когда: — есть сомнения в нормальности распределения чисел; — если недостает данных; — если анализируется качественный признак. Полученный результат превышает табличное значение X2 для n1 = 4 по всем уровням достоверности. Следовательно, мы можем сделать вывод о существенности (достоверность) разницы между показателями при разных методах лечения — «нулевая» гипотеза не подтвердилась. Вопросы для контроля: • В каких случаях целесообразно использовать параметрические критерии? • Какие преимущества имеют непараметрические критерии? • Какие непараметрические критерии используют для оценивания достоверности разности результатов исследования во взаимосвязанных совокупностей? • Какие непараметрические критерии используют для оценки достоверности разности результатов исследования в независимой совокупности? 84 3.8. Анализ взаимосвязи между параметрами статистической совокупности В подразделе описана сущность метода корреляционно регрессионного анализа, его практическое значение и методика расчета коэффициентов корреляции и регрессии. Вопросы для изучения: — Когда возникает необходимость применения корреляционного анализа? —В чем заключается адекватность выбора рангового или линейного коэффициента корреляции? —Что характеризует коэффициент регрессии? Цель: обосновать необходимость использования метода корреляционно регрессионного анализа; научить рассчитывать ρ и анализировать коэффициенты корреляции и регрессии. Все изменения, которые происходят в природе, являются взаимосвязанными и взаимообусловленными. Изменчивость определенного признака как следствие изменчивости других параметров, в свою очередь, обуславливают изменчивость других признаков. Однако, указанная зависимость в отдельных ситуациях проявляется по-разному. Функциональная связь часто присутствует при изучении химических и физических явлений, в математике, геометрии. Когда при изменении одного параметра на определенную величину всегда происходит изменение другого также на определенную фиксированную величину, можно говорить о функциональной зависимости между ними. В медико-биологических исследованиях зависимость между отдельными параметрами не является функциональной связью. При изменении одного признака невозможно абсолютно точно спрогнозировать величину, на которую изменяются другие. Примером такой корреляционной связи является зависимость веса и роста детей, тяжести патологии и сроков лечения, концентрации вредных веществ в рабочей зоне и уровень заболеваемости работников. Когда определенному значению одного параметра может отвечать несколько значений другого, идет речь о корреляционной связи. Определение характера связи между определенными параметрами проводят путем расчета коэффициента корреляции, который в зависимости от его характера и формы представления данных может быть рассчитан разными методами. Таблица 26. Направленность связи – определяется по знаку коэффициента корреляции. Прямая связь – динамика параметров является однонаправленной – увеличение одного параметра обуславливает увеличение другого. Обратная – динамика параметров разнонаправлена – увеличение одного параметра обуславливает уменьшение другого. Сила связи Слабая Средняя Сильная r=0.01-0.29 r=0.30-0.69 r=0.70-0.99 Коэффициент парной корреляции отображает характер связи 2 признаков. Он может быть рассчитан при сопоставлении двух рядов в виде рангового коэффициента корреляции (ρ) и линейного коэффициента корреляции (r). 85 Парный коэффициент корреляции дает характеристику обобщенного «неочищенной» связи между параметрами. При этом возможное влияние других факторов, которые не учитываются, потому самостоятельная ценность парного коэффициента несколько ограничена. Корреляционная зависимость различается по направлению, силе и форме связи (таблица 26). По направлению корреляционная связь может быть положительной ("прямой") и отрицательной ("обратной"). Степень, сила или теснота корреляционной связи определяется по величине коэффициента корреляции. Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции. Максимальное возможное абсолютное значение коэффициента корреляции r = 1,00; минимальное r = 0,00. Коэффициенты регрессии достаточно широко используются для построения уравнений регрессии при разработке многих медико-социальных и клинических проблем, в том числе для оценивания физического развития детей и подростков. Данные уравнения — это математическая модель, которая описывает характер взаимосвязи между исследуемыми параметрами. Это особенно актуально при построении многофакторных моделей и прогнозировании уровней результативного параметра системы при фиксированных уровнях отдельных компонентов (показателей). Коэффициент регрессии показывает, на какую величину в среднем изменится второй параметр при изменении первого на определенную единицу измерения. Коэффициент ранговой корреляции Спирмена - это непараметрический метод, который используется с целью статистического изучения связи между явлениями. Практический расчет коэффициента ранговой корреляции Спирмена включает следующие этапы: 1) Определить каждому из признаков их порядковый номер (ранг) по возрастанию (или убыванию). 2) Определить разности рангов каждой пары сопоставляемых значений. 3) Возвести в квадрат каждую разность и суммировать полученные результаты. 4) Вычислить коэффициент корреляции рангов по формуле: ρ =1- где 6 ∑ 𝑑2 𝑛(𝑛2 −1) - сумма квадратов разностей рангов, а - число парных наблюдений. Для оценки достоверности коэффициент корреляции должен превышать свою погрешность не меньше, чем в 2,5 – 3 раза при достаточном числе наблюдений. 86 Методика расчета на примере характеристики взаимосвязи стажа работы работников угольной промышленности и частотой заболеваний на бронхит в них. Стаж работы (годы) Частота заболеваний на бронхит (на 100 работников) Х Порядковый номер (ранги) Х Разница рангов Квадрат разницы рангов У У До 5 3,31 1 1 0 0 5-9 3,91 2 2 0 0 10-14 8,06 3 3 -1 1 15-19 5,77 4 4 1 1 20 и больше 10,76 5 5 0 0 ∑ 𝑑 2 𝑥𝑦 = 2 Подставляем полученные результаты в формулу: 6 ∑ 𝑑2 𝜌 = 1 − 𝑛(𝑛2 −1)=1-6*2/5*(25-1)=±0.9 ВЫВОД: между стажем работы работников и частотой заболевания на бронхит выявлено сильную, прямую корреляционную связь. Ошибка рангового коэффициента корреляции для нашего случая исчисляется по формуле: 1−𝜌2 1−0.9∗0.9 m=√ 𝑛−2 = √ 5−2 = 0.245 для нашего случая m1=0,245 и t=3,67, что, соответственно, выше граничных значений. Полученный результат позволяет сделать вывод о вероятности данного рангового коэффициента корреляции. При большом числе наблюдений ( n> 100) средняя погрешность рангового коэффициента корреляции может быть определена по формуле: mp= 1−𝑝2 √𝑛 Оценка достоверности коэффициента корреляции проводиться по тем же принципами, что используются для других показателей с учетом числа наблюдений (числа степеней свободы вариационных рядов n` = n – 2). 87 Один из методов расчета коэффициента линейной корреляции был предложен К.Пирсоном. Формула для подсчета коэффициента корреляции Пирсона такова: r= ∑ 𝑑𝑥 ∗𝑑𝑦 √∑ 𝑑𝑥2 ∗∑ 𝑑𝑥2 X и Y – варианты сравниваемых вариационных рядов; dx и dy – отклонение каждой варианты от своей средней арифметческой Таблица 28. Зависимость между составом железа в крови и уровнем гемоглобина в крови. Содержание Уровень железа у гемоглобина крови (мг/л) в крови (%) 𝑑𝑥 𝑑𝑦 𝑑𝑥 ∗ 𝑑𝑦 𝑑𝑦 ∗ 𝑑𝑦 𝑑𝑥 ∗ 𝑑𝑥 57 71 5.2 1.9 9.88 27.04 3.61 50 68 -1.8 -1.1 1.98 3.24 1.21 54 70 2.2 0.9 1.98 4.84 0.81 48 65 -3.8 -4.1 15.58 14.44 16.81 58 72 6.2 2.9 17.98 38.44 8.41 54 70 2.2 0.9 1.98 4.84 0.81 53 70 1.2 0.9 1.08 1.44 0.81 49 68 -2.8 -1.1 3.08 7.84 1.21 43 68 -8.8 -1.1 9.68 77.44 1.21 Xx=51.8 Xy=69.1 ∑ 𝑑𝑥 ∗ 𝑑𝑦 = 63.22 ∑ 𝑑𝑥2 = 179.56 ∑ 𝑑𝑦2 =34.89 Подставив полученные значения в формулу Пирсона, получаем: r= ∑ 𝑑𝑥∗𝑑𝑦 √∑ 𝑑𝑥 2 ∗∑ 𝑑𝑦 2 = 63,22 √179,56∗34,89 = 0.8 Вывод: между составом железа в крови и уровнем гемоглобина существует сильная прямая связь. Для нашего случая коэффициент вероятности=3,6, что свыше гранично допустимых значений при вероятности ошибки меньшей 0,05 Расчет линейного коэффициента корреляции: 1.Определяют средние значения для каждого ряда (Хх, Ху). 2. Определяют отклонение каждого из значений ряда от средней величины (dх, dу). 3. Возводят определенные отклонения в квадрат и определяют их суммы: ∑ d2x и ∑ d2x 88 Особенность коэффициента Спирмена – простота вычисления при недостаточной точности позволяет его использовать для ориентировочного анализа с проведением быстрых расчетов, при определении данных в получисленном описательном виде. Достоверность полученного результата определим соотношением t = r / mr, где mr при малом числе наблюдений (n < 30) равняется: mr=√ 1−𝑟 2 𝑛−2 При большом числе наблюдений (n > 100) формула для расчета средней погрешности коэффициента корреляции может иметь вид: 1−𝑟 2 m= √𝑛 Прямолинейная корреляционная связь между параметрами характеризуется тем, что каждому из одинаковых измерений одного показателя отвечает определено среднее значение другого показателя. Данную зависимость можно описать коэффициентом регрессии. Рассчитывается коэффициент регрессии по формуле: 𝛿𝑦 Rx/y=rxy* 𝛿𝑥 Где: Rx/y - коэффициент регрессии от Х до У; rxy - коэффициент корреляции; 𝛿𝑦 и 𝛿𝑥 средние квадратические отклонения рядов Х и У. Рассмотрим использование коэффициента регрессии на примере. При анализе данных физического развития 10-летних мальчиков получены такие параметры рост (Хх) и веса (Ху): Хх = 137,2 см; 𝛿 Х = 3,2 см и Ху = 30,7 кг; 𝛿 у = 1,76 кг; rху = 0,81. Коэффициент регрессии при данных условиях составляет: Rx/y=rxy* 𝛿𝑦 𝛿𝑥 = 0,81 ∗ 3,2 1,76 = 1,47(кг) Вывод: при изменении роста на 1 см вес мальчиков в среднем изменится на 1,47 кг. Определенный коэффициент регрессии можно использовать в уравнении регрессии при прогнозировании ситуации - какой вес в среднем будет отвечать возрасту мальчиков 140,0 см: Вывод: возрасту мальчиков 140,0 см будет отвечать вес 34,8 кг. Выше приведенные методики расчета парных коэффициентов корреляции являются основой и только первым этапом многофакторного корреляционной анализа. Парные коэффициенты показывают характер связи (общего, «неочищенного») между исследуемыми параметрами без учёта влияния других факторов. Оценивание «чистой» взаимосвязи в многофакторных моделях определяется на основе парциальных коэффициентов корреляции, основой для расчета которых являются парные и множественные коэффициенты. В практике медицинских исследований достаточно часто возникает вопрос об определении влияния нескольких разных факторов на определенное явление, например, на частоту осложнений при родах влияет возраст женщины, наличие акушерской и экстрагенитальной патологии, качество предоставления медицинской помощи и др. В таких случаях для выявления комбинированного влияния нескольких факторов на размер исследуемого явления пользуются методом множественной 89 корреляции. Использование этого метода проводиться в несколько этапов. Математический аппарат данного анализа является достаточно сложным и выходит за пределы программы подготовки врачей. В настоящее время существует много специализированных программ статистического анализа, которые позволяют рассчитать множественный коэффициент корреляции для определенной совокупности показателей. Важным является оценка результата: в случае, когда сумма парциальных коэффициентов корреляции меньше величины множественного коэффициента корреляции, мы можем говорить о потенцируемом действии исследуемых параметров относительно результативного признака. Иначе (что, по нашему опыту, случается чаще) мы можем отмечать параллельное влияние факторов с невыраженным взаимным потенцируемым эффектом с условия, когда сумма парциальных коэффициентов значительно превышает значение множественного коэффициента корреляции. Следовательно, множественный коэффициент корреляции отображает связь одновременно комплекса факторов с исследуемым результативным фактором (клиническими показателями и др.). Вопросы для контроля: 1.Что такое корреляционная связь ? Чем она отличается от функциональной? 2.Дайте характеристику формы, направления и силы связи. 3.Что такое регрессия? 3.9. Методы многофакторного анализа Одним из важных моментов при изучении состояния здоровья населения и деятельности системы охраны здоровья является анализ действия многочисленных факторов, которые формируют здоровье людей, влияют на рост заболеваемости, приводят к инвалидности или смерти пациентов. Тем более при разработке профилактических способов улучшения состояния здоровья населения, состояния окружающей среды, деятельности медицинских учреждений растет значимость оценивания факторов. Биостатистика владеет большим количеством возможностей для этого, необходимо только научиться правильно подбирать методы статистического анализа, которые являются наиболее адекватными для данного конкретного исследования. Благодаря использованию методов корреляционнорегрессивного, факторного, дисперсионного, кластерного анализа медицинская статистика превратится из описательной в аналитическую. Одним из распространенных методов анализа является корреляционный анализ(см.выше). Коэффициент линейной корреляции существует 3 типов: парный; парциальный; множественный. Парный коэффициент корреляции дает характеристику обобщенной, «неочищенной» связи между параметрами. При этом возможно влияние других факторов, которые не учитываются, поэтому самостоятельная ценность парного коэффициента не высока. Поэтому чаще используют парциальные коэффициенты (которые можно рассчитать при наличии парных коэффициентов корреляции). Они отражают связь между факторами и уровнем здоровья в чистом виде, исключая влияние других факторов. Множественный коэффициент корреляции отражает одновременно связь изучаемых факторов с результативным признаком. Степень влияния факторов характеризуется т.н. коэффициентом детерминации-квадраты парциальных коэффициентов, перемноженные на 100 (в процентах). . Коэффициент детерминации отображает искомый вес влияния на здоровье данного фактора среди других. Регрессионный анализ чаще проводится вместе с корреляционным, поэтому его и называют корреляционно-регрессионным. Главная задача регрессионного анализа -составить уравнение регрессии, которое описывает «поведение», например, профессионального заболевания при изменении интенсивности влияния включенных в исследование факторов (пола, возраста, профессии, стажа работы, условий работы). Дисперсионный анализ. Основной целью дисперсионного анализа является исследование значимости различия между средними. Может показаться странным, что процедура сравнения средних называется дисперсионным анализом. В действительности, это связано с тем, что при исследовании статистической значимости различия между средними двух (или нескольких) групп, мы на самом деле сравниваем (т.е. анализируем) выборочные дисперсии. Фундаментальная концепция дисперсионного анализа предложена Фишером в 1920 году. Возможно, более естественным был бы термин анализ 90 суммы квадратов или анализ вариации, но в силу традиции употребляется термин дисперсионный анализ. Чтобы проиллюстрировать логику дисперсионного анализа, рассмотрим простой план эксперимента, включающий одну независимую переменную (или фактор А) и, скажем, 3 группы испытуемых. Целью такого плана обычно является выяснение того, изменяется ли зависимая переменная как функция фактора А.. Дисперсионный анализ позволяет нам проверить нулевую гипотезу об отсутствии действительных эффектов данного фактора - и тогда различия в показателях вызваны исключительно случайной изменчивостью. Предполагая, что нулевая гипотеза верна, можно получить две разные оценки дисперсии генеральной совокупности. Одна из этих оценок вычисляется на основе изменчивости групповых средних, а другая - на основе дисперсии показателей внутри каждой включенной в план группы. Если нулевая гипотеза и в самом деле верна, то обе оценки являются, по существу, оценками одной и той же генеральной дисперсии. Как следствие, эти оценки будут иметь одинаковую величину, за исключением случайной изменчивости, а их отношение будет иметь известное теоретическое. Если нулевая гипотезе не верна, то наши выборочные оценки не являются оценками дисперсии одной и той же генеральной совокупности, т. к. на первую будут влиять любые реальные эффекты фактора, а на вторую – нет. Дискриминантный анализ используется для принятия решения о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы). Предположим, что вы измеряете рост в случайной выборке из 50 мужчин и 50 женщин. Женщины в среднем не так высоки, как мужчины, и эта разница должна найти отражение для каждой группы средних (для переменной Рост). Поэтому переменная Рост позволяет вам провести дискриминацию между мужчинами и женщинами. Термин кластерный анализ (впервые ввел Tryon, 1939) в действительности включает в себя набор различных алгоритмов классификации. Общий вопрос, задаваемый исследователями во многих областях, состоит в том, как организовать наблюдаемые данные в наглядные структуры, т.е. развернуть таксономии. Например, биологи ставят цель разбить животных на различные виды, чтобы содержательно описать различия между ними. В соответствии с современной системой, принятой в биологии, человек принадлежит к приматам, млекопитающим, амниотам, позвоночным и животным. Заметьте, что в этой классификации, чем выше уровень агрегации, тем меньше сходства между членами в соответствующем классе. Каждый статистический метод основан на собственной математической модели, и результаты его правильны настолько, насколько эта модель отвечает действительности. Необходимо научиться понимать и оценивать правильность применения статистических методов, которые используются для анализа результатов. Таким образом, все указанные методы многофакторного анализа расширяют возможности исследователя относительно статистического анализа полученных результатов, необходимо только научиться их правильно подбирать и смело использовать. Вопросы для контроля: 1. В чём принципиальное отличие описательной от аналитической статистики? 2. Почему возникает необходимость в использовании методов многофакторного анализа? 91 Раздел 4. ДОКАЗАТЕЛЬНАЯ МЕДИЦИНА В разделе рассмотрена история доказательной медицины, описаны главные понятия, принципы, положения доказательной медицины, проанализировано понятие качества проведения клинических исследований, описана связь доказательной медицины и качества предоставления медицинской помощи. Вопросы для выяснения —Что нужно знать каждому врачу о доказательной медицине? —Каким образом внедряются принципы доказательной медицины в клиническую практику? —Как повлияет постепенный переход на принципы доказательной медицины, на качество предоставления медицинской помощи? Цель: усвоить основные понятия доказательной медицины; овладеть принципами доказательной медицины; осознать необходимость внедрения доказательной медицины в теорию и практику клинических исследований. 4.1. История доказательной медицины Термин доказательная медицина был предложен группою канадских ученых из Университета МакМастера (Онтарио, Канада, 1990), хотя общепринятого определения срок пока еще не имеет. Идеология доказательной медицины, как и методология клинической эпидемиологии, остаются малоизвестными широкой медицинской общественности Украины. У нас, как и некоторых других странах постсоветского пространства, очень медленно вводятся принципы доказательной медицины в практику здравоохранения, тем более в медицинскую науку. Международная система доказательной медицины развивается в геометрической прогрессии: с момента ее становления в начале 90-х гг. и по настоящее время число центров исчисляются десятками, количество публикаций — сотнями. Развитию доказательной медицины содействует деятельность Агентств их оценки новых медицинских технологий, которые организованы в Великобритании, Канаде и других странах, которые объединены в международную сеть. Агентство политики здравоохранения и науки США в 1997 г. выделило субсидию сроком на 5 лет для 12 таких центров, созданных при ведущих университетах и научных организациях разных штатов. Растет число центров по отдельным проблем (здоровье детей, первичная помощь, общая практика, психическое здоровье, и др.). Общим для всего направления является использование принципа доказательности на любом уровне принятия решений — от государственной программы к назначению индивидуальной терапии. Доказательная медицина (англ.. Evidence-based medicine – медицина, основанная на доказательствах) – это раздел медицины, основанный на доказательствах, что допускает поиск, сравнение, обобщение и широкое распространение полученных доказательств для использования в интересах больных (Evidence Based Medicine Working Group, 1993). Важную роль в становлении доказательной медицины сыграла наибольшая мировая организация из доказательной медицины — это Международное Кокрановское сотрудничество (Тhe Сосrane Соllaboration) — международная организация, которая занимается анализом рандомизированных клинических исследований, а также внедрением во многих странах доказательной медицины. Целью создания этой организации является выявление и обобщение результатов всех проведенных рандомизированных клинических исследований. Это негосударственная международная организация, 92 которая существует на средства частных организаций и лиц. Кокрановское сотрудничество названо в честь британского эпидемиолога Арчи Кокрана , который в 1972 г. сказал, что «...общество не имеет представления, относительно настоящей эффективности врачебных вмешательств». По его мнению строгой критики заслуживает медицина за то, что не было организовано обобщение всех рандомизированных контролированных исследований с периодическим обновлением этих сообщений. Кокран предложил создавать научные медицинские обзоры на основе систематизированного сбора и анализа фактов и регулярно пополнять их новыми данными. В эмблеме Кокрановского сотрудничества символично представлен систематический обзор 7-ми рандомизированных клинических исследований, в которых сравнивали определенное медицинское вмешательство и плацебо. Каждая горизонтальная линия отображает результаты одного исследования (чем более короткая линия, тем оно достовернее), а красный ромб — это суммарный результат всех исследований. Вертикальная линия, которая разделяет круг пополам, отвечает одинаковому эффекту исследуемых методов. Если вертикальная линия пересекается и вертикалью это означает, что в данном исследовании не было обнаружено преобладание одного метода над другим. Расположение полукруга в левой части круга означает преимущество экспериментального метода (см. эмблему). Если бы последний уступил контрольному методу, большинство горизонтальных линий и ромб находились бы в правой части круга. Эта диаграммы иллюстрирует результаты систематического обзора нескольких рандомизированных клинических исследований короткого курса кортикостероидов при угрозе невынашивания беременности. Отчет о первом из этих исследований, был опубликован в 1972 г., а до 1991 г. было проведено уже семь подобных исследований, которые только прибавили уверенность в результате. Только в 1989 г. появился первый систематический обзор, в котором было отмечено, что лечение кортикостероидами снижает риск смерти новорожденных на 30-50 %. До этого большинство акушеров-гинекологов не представляли, насколько эффективна эта профилактика преждевременных родов. В результате этого десятки тысяч недоношенных детей могли умереть, были потрачены огромные средства на малоэффективные методы лечения. Это лишь один из многих примеров той цены, которую мы платим за отсутствие систематических обзоров исследований медицинских вмешательств, которые регулярно обновляются. В настоящее время доказательная медицина как научное направление бурно развивается, но существуют определенные трудности, например с определением термина «доказательная медицина». Сотрудники «Школы здоровья и совместных исследований» из разных источников собрали целый ряд определений не только доказательной медицины, но и таких употребляемых понятий, как: • научно обоснованная практика; • научно обоснованная клиническая практика; • научно обоснованное здравоохранение. Доказательная медицина «Под индивидуальным клиническим профессионализмом мы имеем в виду квалификацию и клиническое мышление, которые добываются в процессе получения клинического опыта в клинической практике. Увеличивающийся профессионализм проявляется во многом, но ярче всего в более эффективной и результативной диагностике, в более вдумчивом обнаружении и сочувственном отношении к осложнениям пациентов, их прав и преимуществ, в процессе установления клинического решения относительно предоставления им медицинской помощи. Под лучшим доступным внешним обоснованным доказательством мы имеем в виду клинически соответствующее исследование. Иногда проведено в рамках фундаментальных медицинских наук, но в основном из сосредоточенных вокруг пациентов клинических исследований достоверности и точности диагностических тестов (включая физикальное обследование), мощности прогностических маркеров, эффективности и безопасности терапевтических, реабилитационных, и профилактических вмешательств. Внешне клинически обоснованное доказательство не только делает недействительными предыдущие диагностические тесты и методы лечения, но и заменяет их новыми, более мощными, точными, более эффективными и более безопасными». «Хорошие врачи используют и индивидуальную клиническую квалификацию, и лучшие доступные внешне обоснованные доказательства, не ограничиваясь чем-либо одним. Без клинической квалификации, практика рискует подавляться доказательствами, поскольку даже хорошо внешне обоснованное доказательство может быть непригодным или не соответствовать отдельному пациенту. Без текущих обоснованных доказательств, практика рискует стать быстро обветшалой, вредной для пациентов». «Доказательная медицина — не метод сокращения затрат. Высказывались опасения, что доказательная медицина будет использоваться покупателями и менеджерами с целью 93 сокращения расходов на здравоохранение. Это было бы не только неправильным применением доказательной медицины, но и допускало бы фундаментальное недоразумение относительно финансовых последствий ее применения. Врачи, которые практикуют доказательную медицину, идентифицируют и используют самые эффективные вмешательства, чтобы максимизировать качество и продолжительность жизни отдельных пациентов; что может увеличивать, а не снижать стоимость их лечения». Доказательная медицина – добросовестное, явное и умное использование текущих лучших обоснованных доказательств принятия решений относительно предоставления медицинской индивидуальной помощи пациентам. Практика доказательной медицины имеет в виду объединение индивидуального профессионализма с лучшим доступным внешним обоснованным доказательством, полученным из систематического исследования. • «Доказательная медицина не ограничена рандомизированными исследованиями. • Чтобы ответить на важные клинические вопросы.., если никакое рандомизированное исследование не было проведено для (изучение) состояния пациента, мы руководствуемся последующим внешним показателем и выходим из него». • «Доказательная медицина — подход к паданию медицинской помощи, которая предусматривает накопление и интегрирование надежных, важных и обоснованных доказательств, которые вытекают из клинических случаев, клинических исследований. Лучшее доступное обоснованное доказательство, исходя из обстоятельств и преимуществ, применяется к нему, для улучшения качества клинических решений». • «Доказательная медицина — ...набор процедур, предварительно оцениваемых ресурсов и информационных инструментальных средств, с целью помочь практикам применять полученные из исследования, обоснованные доказательства для индивидуального лечения отдельного пациента». Доказательная медицина—не медицина «поваренной книги». Поскольку она требует особенного подхода, который совмещает лучшее внешнее обоснованное доказательство с индивидуальным клиническим профессионализмом и выбором пациента, она не может привести к рутинному («cook-book» подходу в предоставлении медицинской помощи индивидуальному пациенту. Внешние обоснованное доказательство может информировать клинициста, но никогда не может заменить индивидуальный клинический профессионализм, и именно этот профессионализм необходим для окончательного клинического решения". • «Доказательная медицина требует от вас не только изучения нужных документов в нужное время, но и изменения потом вашего поведения (и, что часто является тяжелее, поведения других людей) в свете того, что вы нашли». • «Доказательная медицина содержит в себе строгую оценку эффективности медицинских вмешательств, распространения результатов оценивания, и использование полученных результатов, для влияния на клиническую практику. Это может быть комплексное задание, выявление обоснованного доказательства, распространения целевой аудитории, и реализация изменений, в которой могут представлять проблему». • «Доказательная медицина — процесс систематического поиска, оценивание и использование результатов современных исследований, на основании клинических решений. Доказательная медицина ставит вопрос, находит и оценивает связанные с лечением данные, и использует эту информацию для ежедневной клинической практики». • «Доказательная медицина содержит в себе помощь пациентам, явно интегрируя обоснованные доказательства из клинических исследований, патофизиологические обоснования, опыт предоставления медицинской помощи, и преимущества пациента... Это такой тип практики и преподавания, что также может помочь в планировании будущих исследований». 94 • «Это — также способ гарантировать, что клиническая практика базируется на лучшем доступном обоснованном доказательстве с помощью стратегий, которые выплывают из клинической эпидемиологии и медицинской информатики». Научно обоснованная практика • «Подход к медицинской помощи, при котором клиницисты используют возможно лучшее обоснованное доказательство, то есть большую часть адекватной доступной информации, в принятии клинического решения относительно индивидуальных пациентов. Оценивание и внедрение научно обоснованной практики основываются на клиническом опыте, знании механизмов болезни, и патофизиологии. Научно обоснованная практика содержит в себе комплексное и добросовестное принятие решения, основанное не только на доступном обоснованном доказательстве, но также и на характеристиках, положении и преимуществах пациента. Научно обоснованная практика имеет в виду то, что медицинская помощь индивидуализируется, изменяется и содержит в себе неопределенность и вероятности. В конечном итоге, научно обоснованная практика — формализация процесса медицинской помощи, которой лучшие клиницисты занимались в течение нескольких поколений». Практика доказательной медицины состоит из четырех шагов: - формулировка явного клинического вопроса, исходя из состояния пациента; - поиск среди литературы соответствующих статей; - оценка (критическая оценка) найденных доказательств на их правильность и полезность; - применение полезной находки в клинической практике. Научно обоснованная клиническая практика • «Научно обоснована клиническая практика — подход к практике предоставления медицинской помощи, при котором клинический врач, осведомлен о существующем обоснованном доказательстве. Она опирается на его клинический опыт и надежность этого обоснованного доказательства». • «Научно обоснована клиническая практика — подход к принятию решения, при котором врач использует лучшее доступное обоснованное доказательство, выберет решение, которое удовлетворяет пациента лучше всего». Научно обоснованное здравоохранение • «Научно обоснованное здравоохранение прогнозирует накопление, интерпретацию и интегрирование надежных, важных, что выплывают из описаний случаев, клинических наблюдений и клинических исследований, обоснованных доказательств. Лучшее доступное обоснованное доказательство, скорректированное обстоятельствами и преимуществами пациента, применяется к нему, для улучшения качества клинических соображений и содействию рентабельности здравоохранения». • «Научно обоснованная охрана - когда решения, которые касаются предоставления медицинской помощи пациентам, принимаются при наличии достаточной достоверной, релевантной информации». • «Добросовестное, явное и умное использование поточного лучшего обоснованного доказательства в принятии решения о медицинской помощи пациентам». • «Научно обоснованное здравоохранение расширяет применения принципов доказательной медицины ко всем профессиям, которые связаны с охраной здоровья, включая закупочную деятельность и руководство». Отношение медицинской общественности мира к доказательной медицине еще неоднозначное: от увлечения к неприятию, даже к игнорированию, по большей части через нехватку исчерпывающей информации. Лишь осознание того, какую помощь предоставляет доказательная медицина врачам практикам в их нелегкой деятельности, поднимает их профессионализм к мировому уровню — изменяет негативизм на заинтересованность. Однако, как самостоятельное направление в медицине, в частности в фармакотерапии, доказательную медицину признала мировая медицинская общественность, причем на старте ее возникновения. И вскоре в развитых странах мира она способствовала значительному повышению уровня лечебной практики, стала одним из ведущих факторов успешного реформирования национальных систем здравоохранения. Конечно, эти вопросы очень важны, потому они постоянно находятся в центре внимания серьезных государственных учреждений и организаций. В частности, существенную помощь в переходе от 95 эмпирических диагностических и лечебных рекомендаций к стандартам (клинических рекомендаций) диагностики и фармакотерапии, которые основываются на доказательной медицине, в США представлена (NGC) — электронная база данных доказательных клинических руководств (рекомендаций, стандартов). Эта организация создана Агентством по оценке исследований в отрасли здравоохранения и изучения качества медицинского обслуживания Департамента здравоохранения и социальных служб в сотрудничестве с Американской медицинской ассоциацией планирования здравоохранения. Она предоставляет врачам, средним медработникам, организаторам здравоохранения, всю необходимую информацию из медицинской практики. В соответствии с принципами доказательной медицины создан международный Регламент научных исследований в медицине – Good Clinical Practice (GCP) – надлежащая клиническая практика. Он гарантирует достоверность результатов и защиту прав субъектов клинических испытаний разных методов фармакотерапии. Важнейшие положения этого Регламента включены в национальное законодательство, что свидетельствует о признании доказательной медицины руководящими структурами многих стран мира. Широкое распространение доказательная медицина получила в экономически развитых странах мира, в первую очередь США и Великобритании. В этих странах проводятся симпозиумы по проблемам клинической эпидемиологии, доказательной медицины и биоанализа, выдаются монографии, справочники и международные журналы, которые информируют медицинскую общественность мира по указанным проблемам. Значительную помощь в освоении принципов доказательной медицины врачами-практиками предоставляют властные структуры некоторых стран. Да, по инициативе Министерства охраны здоровья Большой Британии все медицинские работники страны бесплатно получают справочник «Сlinical evidence» и имеют свободный доступ к его электронным версиям. Ввиду недоверия центральных структур к доказательной медицине в Украине, усилиями отдельных организаций , работа по признания доказательной медицины уже началась, хотя проводится медленно. Шесть лет тому назад был основан «Украинский медицинский журнал» — первое научномедицинское издание, которое в Украине начало распространения материалов по доказательной медицины, публикуя систематические обзоры, рефераты, дайджесты. Повышение методологического уровня отечественных научных исследований будет способствовать росту их рейтинга и публикации результатов в международных научных изданиях. 4.2. Основные положения доказательной медицины Проблема медицины, основанной на доказательствах, более глубока, чем просто сбор, обработка и накопление информации. На самом деле можно говорить об изменении мировоззрения врача, о появлении нового врачебного кодекса, основанного на доказательствах. Доказательная медицина не ограничивается анализом результатов рандомизированных клинических исследований, она охватывает все области медицинской науки, включая общие проблемы организации оптимальной системы здравоохранения. Доказательная медицина создала иерархию доказательности разных типов клинических исследований (в порядке уменьшения): - Рандомизированные контролируемые исследования (клинические испытания); - когортные исследование; - одномоментные исследования; - исследование «случай-контроль»; - описание серии случаев; - описание частных случаев. Главный результат деятельности Кокрановского содружества — это создание и обновление систематических обзоров, которое осуществляют международные проблемные группы. В их состав 96 входят научные работники, врачи, представители здравоохранения, то есть все, кто заинтересован в получении надежной, современной и актуальной информации относительно профилактики, лечения и реабилитации пациентов, с разными заболеваниями. После этого все систематические обзоры поступают в электронном виде в Кокрановскую базу данных систематизированного обзора «Тhe Сосhгаinе Database of Systematic Revievs». Какие предпосылки к прогрессивному развитию доказательной медицины в течение 20 годов? Попробуем проследить логику необходимости возникновения доказательной медицины (рис. 17), а начнем с простого примера. * Что Вы скажете, если кто-то станет утверждать, что экстракт травы зверобоя помогает в лечении некоторых видов депрессии не хуже, чем трициклические антидепрессанты? Вы скажете, что это шутка. Мы же живем в век антидепрессантов — скажут ведущие фармацевтические фирмы, которые заняты разработкой новейших антидепрессантов. Однако, зверобой все-таки лучше! Об этом можно узнать в новейшей электронной базе данных — Кокрановской Библиотеки. Вывод: при краткосрочном курсе лечения мягкой и умеренно выраженной депрессии, экстракт травы зверобоя более эффективен, чем плацебо и не менее эффективен, чем малые дозы орициклических антидепрессантов; со значительно меньшей выраженностью косвенных действий. В последние годы мы все чаще и чаще, особенно в заглавиях научно-медицинских статей, наталкиваемся на такие выражения: из позиций доказательной медицины, на принципах доказательной медицины, исходя из принципов доказательной медицины и тому подобное. Любое новое направление в медицине, как и Рис. 17. 1.Недавно был подобный случай. Чем руководствуются врачи, когда возникает необходимость принять решение относительно одного пациента? Что делать? Что означает термин «вероятное исследование»? Что это за ошибки? Как избежать ошибок? 2. Так написано в учебнике. 3. В больнице все так делают. Собирать информацию или проводить собственные исследования. Но у врача нет времени читать увеличивающийся поток медицинской информации: ежегодно в мире появляется 2 миллиона медицинских статей и 20 тысяч медицинских журналов, а проведение сложных медицинских исследований – дорогое удовольствие для медицины. Поэтому ее необходимо фильтровать и обобщать информацию о лучших и выгоднейших исследованиях. Вероятные и невероятные медицинские исследования можно (и нужно) отличать друг от друга. В вероятном исследовании сведены к минимуму систематические и случайные ошибки. Систематическая ошибка – получение перекрученных результатов, которые систематически отличаются от действительных величин. Возникает при неправильном измерении и неправильном отборе материала. Случайная ошибка – отклонение результата отдельного наблюдения или измерения от его действительного значения, обусловленное исключительно случайно. Чтобы избежать систематических ошибок, нужно применять специальные методы отбора материала (лучше – проводить рандомизацию) Чтобы избежать случайных ошибок – правильно применять методы биостатистики и использовать контрольные группы исследования. 97 Рисунок 17. Возникновение доказательной медицины. Возникновение доказательной медицины в других областях знаний, должен базироваться на соответствующих положениях, принципах. Это в полной мере касается доказательной медицины, как стратегического направления современной медицинской науки и практики . Их выделяют не менее десяти (М.П. Сакун, 2005). Основные принципы доказательной медицины (М.П. Сакун 2005): • использование научно-медицинской информации лишь наивысшего уровня доказательности; • постоянное обновление информации о достижении медицинской науки и клинической практики; • постоянное ознакомление всех участников медицинской отрасли с достижениями науки и практики; • оптимальная диагностическая целесообразность; • рациональная фармакотерапия; • научно обоснованный прогноз заболевания; • постоянное повышение безопасности медицинских вмешательств; • стандартизация медицинских вмешательств; • минимизация экономических затрат; • коллективная ответственность за высокую эффективность диагностических и лечебных технологий; остойчивая оптимизация деятельности национальных систем здравоохранения. Принцип использования научно-медицинской информации лишь наивысшего уровня доказательности. Такая информация сосредоточена в результатах клинических исследований, которые проводятся исключительно на людях, и обобщенная в клинических рекомендациях, систематических обзорах, анализах цели, международных консенсусах и др. Это ведущий принцип, который положил начало доказательной медицине. Использование его значительно ускорило развитие всех аспектов медицинской науки и практики: улучшило результаты научных исследований, повысило эффективность и безопасность диагностики, профилактики и лечения больных, способствовало оптимизации деятельности государственных органов охраны здоровья и «очистке» практической медицины от малоэффективных, временами вредных, медицинских вмешательств. В сущности, этот принцип доказательной медицины изменил мировоззрение и кодекс врачей. Теперь они, кроме гуманистических аспектов своей деятельности, должны решать и другие, в частности, экономические проблемы, которые также основываются на научной информации наивысшего уровня. При таком подходе ведущим в медицинской практике должен стать баланс между экономикой, целесообразностью и гуманизацией, всей медицинской отрасли. Принцип постоянного обновления информации о достижении медицинской науки и клинической практике. Он способствует ускорению использования ее для оптимизации диагностического процесса, повышения эффективности, и безопасности любых медицинских вмешательств, улучшения деятельности научных заведений и национальных органов здравоохранения. Этому способствуют профессиональные издания, электронные базы данных, доступ к которым осуществляется за счет сети Интернет, и частое переиздание современных ведущих справочников и других форм печатных изданий. Принцип постоянного ознакомления всех участников медицинской отрасли с достижениями науки и практики. Этими самим создаются условия для повседневного контроля своей профессиональной деятельности путем сопоставления ее с мировыми достижениями. Он способствует также улучшению результатов научных и клинических исследований, повышению профессионализма научных работников, врачей-практиков, работников государственных органов здравоохранения всех уровней. Принцип оптимальной диагностической целесообразности предусматривает максимальное использование всех в настоящее время принятых методов обследования больных, в частности анамнестических, физикальных, инструментальных и лабораторных, причем в единственном диагностическом комплексе. В диагностики не следует предоставлять преимущество любым методам, даже лабораторным и инструментальным, как более чувствительным и информативным. Нельзя допускать, чтобы в историях болезни, вместо данных относительно наблюдения за больными, оценивания их состояния, психического и физического здоровье, были лишь результаты анализов. 98 Переоценивать их не стоит, тем более игнорировать клиническое обследование, в частности анамнез, обзор пациента, пальпацию, перкуссию, аускультацию. Принцип рациональной фармакотерапии как основы для индивидуальных программ высокоэффективного, безопасного и экономически оправданного лечения любого заболевания основывается на оптимальном использовании трех групп лекарственных средств и реанимационных мероприятий алгоритм фармакотерапии: а) основных (базовых) препаратов, которые способны в корне изменить протекание заболевания, стабилизировать его развитие, ликвидировать вредные проявления, предотвратить катастрофу; препараты по специальным показаниям при наличии у больных клинически угрожающих синдромов, осложнений, обострений сопутствующих заболеваний, что также нуждается в медикаментозном вмешательстве. Принцип научно обоснованного прогноза заболевания. Врач не всегда может вылечить больного, но облегчить его страдания и предоставить ему и его близким информацию относительно неминуемых неблагоприятных результатов заболевания обязан в любом случае. Поэтому прогноз, то есть предвидение возможных клинических результатов заболевания и вероятность их возникновения в будущем, должен основываться на результатах таких исследований, которые проводятся для диагностики и лечения. Принцип постоянного повышения безопасности медицинских вмешательств (диагностических, медикаментозных, физиотерапевтических, хирургических, организационных) достигается проведением таких клинических исследований, как установление их эффективности (лучше рандомизированных, когортных, даже описаний частных случаев). Беспечность фармакотерапии особенно актуальна в настоящее время, потому что она проводиться огромным количеством высокоэффективных, нередко полипатентными по отношению к разным проявлениям жизнедеятельности организма препаратов. Принцип стандартизации медицинских вмешательств с целью использования лишь самых эффективных, самых безопасных и наиболее экономически оправданных методов диагностики, профилактики и лечении, с учетом типа лечебно-профилактических заведений. Он основывается на результатах клинических исследований, которые проводятся с целью установления эффективности лекарственных средств, тех или других методов медицинских вмешательств, а также на результатах исследований, относительно эффективности организационных технологий. Результатами таких исследований создаются соответствующие клинические рекомендации, то есть стандарты медицинских вмешательств. Принцип минимизации экономических затрат на диагностику и лечение заболеваний. Необходимость экономического анализа эффективности вмешательств определяется быстрыми темпами роста стоимости диагностики и лечения самых распространенных заболеваний, общим подорожанием медицинских услуг, появлением альтернативных методов лечения, отставанием возможностей финансирования высокотехнологичных и ценных методов диагностики, профилактики и лечения. Принцип коллективной ответственности при высокой эффективности диагностических и лечебных технологий. С позиции доказательной медицины теперь в лечебном процессе ведущим становится осознанное действие не только врача, но и пациента, который имеет право на полную информацию о состоянии своего здоровья, сути заболевания, уровне риска, для жизни, реальны подходы к лечению, позитивные и негативные последствия каждого из действующих методов. Это особенно важно в случаях длительного лечения хронических заболеваний (атеросклерозу, обструктивных заболеваний легких но др.), потому что способствует более ответственному отношению пациентов к советам врачей. Принцип постоянной оптимизации деятельности национальных систем охраны здоровья с целью рационального использования государственных ресурсов и возможностей пациентов, организации перспективных национальных проектов и программ, специальной подготовки и переподготовки кадров, и тому подобное. Он способствует улучшению результатов работы непосредственных исполнителей (научных работников, врачей, менеджеров), деятельности лечебно-профилактических заведений и медицинской отрасли, в целом, формированию государственной политики относительно здравоохранения в целом. В связи с этим растет ответственность всех медицинских структур за планирование и осуществление соответствующих реформ, государственных программ, новых технологий, прежде всего, через рациональное использование бюджетных ресурсов. 99 Результаты клинических испытаний хинидину и лидокаина подтвердили наличие у них противоаритмичних свойств. Они действительно возобновляют сердечный ритм, таким образом предотвращают гибели пациентов, в которых развилась желудочковые тахиаритмия после инфаркта миокарда. Но длительное применение этих средств для профилактики сердечных аритмий приводит к увеличению смертности больных соответственно на 0,8 – 2,9% и 33%. Следовательно, все эти принципы доказательной медицины должны постоянно находиться в поле зрения врачей и организаторов здравоохранения всех уровней, потому что они в наше время — единственный путь для значительного улучшения деятельности всей медицинской отрасли нашей страны. 4.3. Доказательная медицина и качество проведения клинических исследований Длительное время благодаря медицинским традициям, признанные методы не поддавались адекватной научной проверке. Постепенно в медицине возникали идеи, которые повышают ее эффективность, например, «Золотой стандарт терапии» и «Препарат выбора». Практика доказательной медицины – это использование данных, полученных в клинических исследованиях в повседневной клинической работе врача. Благодаря доказательной медицине происходит проверка эффективности и безопасности методик диагностики, профилактики и лечения в клинических исследованиях. На практике врачу ежедневно приходится отвечать на важные вопросы — чем болен пациент, какая стадия заболевания, какие самые эффективные и самые безопасные методы лечения существуют в настоящее время, возможно ли их приложение к конкретному пациенту, какой прогноз заболевания, какие методы профилактики эффективнее всего, а также, какие принимать клинические решения относительно конкретных пациентов. Круг подобных вопросов настолько широкий, а принимать решение придется настолько часто, что руководствоваться только собственным клиническим опытом и доступными учебниками невозможно. В таком случае, всегда существует вероятность того, что диагноз будет ошибочным, помощь — неадекватной, прогноз — неточным. Невозможно владеть всеми вопросами, а на чтение медицинской литературы времени у врача-практика слишком мало. Оценивание качества предоставленной медицинской помощи может быть субъективным, поскольку опирается по большей части на собственный опыт, опыт коллег, авторитет школы, то есть на очень ненадежные источники. В большинстве стран стали общепризнанными некоторые правила проведения клинических исследований, изложенные в стандарте GCP (Good Clinical Practice) «Надлежащая клиническая практика», а также правила производства лекарственных средств (стандарт GMP) и выполнение лабораторных исследований (стандарт GLP). Здесь особенную, в действительности революционную, роль сыграла элементарно простая и вместе с тем глобальная идея доказательной медицины о применении в медицинской практике только тех методов и рекомендаций, которые получены, или еще будут получены в результате проведения четких клинических исследований с привлечением людей. Эти стандарты гарантируют получение точных, достоверных результатов клинических испытаний, которые в обобщенном виде используются для создания новых эффективных технологий диагностики и лечения. Кроме того, доказательная медицина, одновременно, сосредотачивается на их безопасности. Причем, безопасность методов диагностики и лечения должна быть доказана, как и эффективность, то есть в хорошо спланированных рандомизированных контролируемых исследованиях с последующим статистическим анализом их результатов. Кроме доказательств эффективности и безопасности любых медицинских вмешательств, особенно диагностики и лечения, практическая медицина крайне заинтересована в стандартизации традиционных и новых методов. Ведь в настоящее время в большинстве заболеваний существует по нескольких альтернативных методов лечебных вмешательств, как, например, свыше 300 относительно лечения язвенной болезни желудка. В такой ситуации лишь клинические исследования 100 сравнительного характера в состоянии отобрать самые эффективные, самые безопасные и наиболее экономически оправданы конкурирующие технологии. Стремление медицинского сообщества мира создать единственные научно обоснованы подходы к диагностике и лечению, единственные стандарты — это не что иное, как содержательная суть доказательной медицины. Следовательно, если такие стандарты одобряются международным содружеством медицинских работников и принимаются национальными системами охраны здоровья, они становятся руководством к действию врачей-практиков. Доказательная медицина и клиническая эпидемиология создала единственную методологию научного поиска, которая используется на всех этапах изучения эффективности новых технологий диагностики и лечения заболеваний, как и других медицинских вмешательств, в частности на: • этапе доклинических исследований через использование международных стандартов GLP - надлежащей лабораторной практики; • этапе клинических исследований через использование международных стандартов GСР — надлежащей клинической практики; • этапах планирования и проведения клинических исследований, обработки и анализа их результатов через использование международных стандартов GSP – надлежащей статистической практики. В использовании достижений доказательной медицины заинтересованы, прежде всего, медики, научные работники, врачи-практики и клиницисты, организаторы здравоохранения, специалисты по обслуживанию больных и студенты. Все они получают уникальную возможность быть постоянно информированными относительно разных аспектов своей деятельности, быть в курсе мировых достижений для овладения основами клинической эпидемиологии и доказательной медицины. Согласно принципам доказательной медицины, гарантом высококачественно выполненного любого исследования является беспрекословное соблюдение единственной методологии в виде международных стандартов СLР, GСР и GSP, а договором — алгоритм (см. рис. 18). 1.ИДЕЯ 2.ИГИПОТЕЗА АЛГОРИТМ КЛИНИЧЕСКОГО ИССЛЕДОВАНИЯ 4. КЛИНИЧЕСКАЯ РЕКОМЕНДАЦИЯ. 3. РЕЗУЛЬТАТ КЛИНИЧЕСКОГО ИССЛЕДОВАНИ Я Рисунок 18. Алгоритм клинического исследования 101 При этом идея рождается в голове исследователя, гипотеза формируется в соответствии с данными экспериментального исследования, а результаты клинического исследования способствуют трансформации гипотезы в клиническую рекомендацию или отбрасыванию ее. Нарушение этапности и последовательности алгоритма приводит к искривлению результатов, неправильной их трактовки. Рис. 18. Алгоритм клинического исследования Одной из достаточно тяжелых, но важных проблем клинической эпидемиологии есть прогнозирование течения заболевания. Ведь у больного человека сразу же возникает много вопросов, в частности: «Насколько опасной является болезнь? Существует ли риск смерти? Будет ли болеть? Возможно ли выздоровление? Как заболевание изменит обычный образ жизни?». На этих и много других подобных вопросов призванная дать ответ клиническая эпидемиология. Для этого ею разработана соответствующая методология, за которой проводятся прогностические исследования. Важными для клинической эпидемиологии являются конечные результаты: как для больных, так и медицинского персонала. Они на Западе в англоязычном варианте подаются в виде пяти «D», в частности: смерть (Death) пациента, тем более когда она преждевременна; заболевание (Disease), которое всегда воспринимается пациентом как опасная болезнь; • дискомфорт (Discomfort) в виде боли, тошноты, одышки, зуда, шуму в ушах и тому подобное; • инвалидизация (Disability) - неспособность к обычной деятельности дома, на работе, во время отдыха; неудовлетворённость (Dissatisfaction) - эмоциональная реакция на болезнь и проведенное лечение, например, сумм или гнев. Именно эти явления врачи пытаются понять, предусмотреть, обсудить и изменить в процессе лечения больных. Однако, клинические прогнозы, которые основываются лишь на знаниях механизмов заболевания, следует рассматривать лишь как гипотезы, которые должны выдержать проверку в клинических испытаниях. Механизмы развития многих заболеваний раскрыты лишь частично, а на их окончание существенно влияют многие факторы, в частности генетические, физические, социальные. Поэтому для врачей, какие желают иметь надежную информацию относительно своего конкретного больного, знание в отрасли клинической эпидемиологии так же необходимые, как и из анатомии, патологии, биохимии, фармакологии. Конечно, не всегда удается точно спрогнозировать тот или иной клинический результат. Быстрее можно определить его вероятность, тем более, что клиническая эпидемиология это допускает. Одним из требований проведения клинических исследований есть проведение контролируемых клинических испытаний – ККВ (Controlled Clinical Trial – CCT). ККВ является наиболее научно обоснованным способом получения достоверных результатов. При их проведении используются методы контроля, которые позволяют получать объективные данные: сравнительные исследования (Comparative Study); рандомизация (Randomization); слепые исследования (Blinding Masking). Клиническая эпидемиология основывается на следующих положениях: • в большинстве случаев прогноз, диагноз и результаты лечения, для конкретного больного однозначно не определенные и потому они должны выражаться через вероятность; • эти вероятности для конкретного больного лучше всего оцениваются на базе предыдущего опыта, накопленного врачами относительно групп с таким же заболеванием; 102 • так как клинические наблюдения проводятся на свободных в своем поведении больных и врачами с разным уровнем знаний и собственными взглядами, в результатах не учитываются систематические ошибки, которые приводят к необъективным выводам; • любые наблюдения, включая клинические, поддаются влиянию случайности; • для того, чтобы избежать неправильных выводов врач должен полагаться на исследование, что основывается на четких научных принципах с использованием методов минимизации систематических и учета случайных ошибок. Одним из ключевых моментов клинических исследований является их достоверность. Нередко в медицинской литературе сообщается об исследованиях, результаты которых при внимательном анализе нельзя считать достоверными. Это связано с недооценкой значения выполнения современных методических требований к научным клиническим исследованиям. ККИ решают важную проблему — проблему сравнения, контроля и стандарта, для оценивания результатов метода. В методологии науки такая классическая организация эксперимента называется методом единственной разницы. Если создать в двух случаях абсолютно одинаковые условия, то должны наблюдаться одинаковые результаты (в пределах точности измерения и поддержания одинаковых условий). Если изменение условия приводит к изменению результату у одного случая в сравнении с другим, то этот результат можно связывать с измененным условием. Принципиально важно, что такой эксперимент дает основание для оценивания связи измененного условия и полученного результата как причинной связи. «Золотым» стандартом клинических исследований является проведение рандомизированного двойного слепого сравнительного исследования. Вторым достижением методологии ККИ является стремление исключить влияние внешних незаданных условий на результат, то есть осуществить подбор одинаковых (эквивалентных) сравниваемых групп не только известными данными (например, по полу, возрасту, сопутствующим заболеваниям), но и по любым другим признакам, значение которых исследователю может быть неизвестно. Таким методом является рандомизация. Рандомизация настолько важна, что рандомизированные контролируемые исследования (РКИ) стали лучшим стандартом клинических испытаний. Без рандомизации группы могут быть и обычно бывают неоднородными по каким-либо признакам, потому и результаты нельзя считать достоверными. Невзирая на популярность рандомизации вместо случайного деления пациентов используют упрощенные способы (по алфавиту имен, датам рождения, дням недели и др.) и даже произвольное деление пациентов на группы. Данная псевдорандомизация не приводит к ожидаемым результатам. Признанными методами рандомизации является использование таблиц случайных чисел и более сложных методов. Компьютерная программа генерирует случайную последовательность деления пациентов за группами, подобную последовательности в таблице. Чтобы уменьшить разницу в группах пациентов, которых включают в исследование, используют метод стратификации, или стратифицированной рандомизации. Например, если на результат исследование может повлиять один из заданных параметров (возраст, уровень артериального давления, перенесенный инфаркт миокарда и др.), пациентов сначала делят на подгруппы. Рандомизацию проводят так, что случайное разделение препарата происходит в каждой подгруппе. Третьим «китом» методологии ККИ является исключение и оценивание влияния внутренних условий, то есть субъективного фактора. Каждый из участников исследования может поневоле повлиять на его результат. Например, пациент, который знает, что он получает активный препарат, может более целеустремленно искать у себя признаки улучшения и давать «позитивную» интерпретацию действительным или мнимым изменениям в своем состоянии. Или врач-исследователь, сознательно убежденный в преимуществах одного из сравниваемых видов лечения, может субъективно трактовать те или другие наблюдения. Следствием этого стало применения плацебо контролированных исследований». 103 Случайная погрешность предопределена исключительно случайным отклонением результата отдельного наблюдения (измерению) от его настоящего значения. Доклинические исследования могут быть ретроспективными и проспективными. В ретроспективных исследованиях оценивают уже прошлые события (например, по истории болезни). В проспективных исследованиях сначала складывается план исследования, устанавливается порядок сбора и обработки данных, а затем проводится исследование за этим планом. В дальнейшем при анализе полученных результатов исследований применяют шкалу оценивания доказательств: А. Доказательства убедительные: есть весомые доказательства в интересах использования данного метода. В. Относительная убедительность доказательств: есть много доказательств в интересах того, чтобы рекомендовать данное предложение. С. Достаточных доказательств нет: имеющихся доказательств недостаточно для вынесения рекомендации, но рекомендации могут быть данные с учетом других обстоятельств. Б. Много негативных доказательств: есть много доказательств, чтобы рекомендовать отказаться от применения данного метода в определенной ситуации. Е. Весомые негативные доказательства: есть много убедительных доказательств для того, чтобы исключить данный метод из рекомендаций. При наличии «твердых» критериев отбора исследуемая популяция за определенной нозологической формой может существенно сократиться, к тому же учитывается гетерогенность, характерная для каждого из патологических состояний, потому результаты клинических исследований, конечно, имеют невысокую статистическую достоверность. Довести достоверность результатов исследования можно только тогда, когда любые погрешности при их оценивании будут намного меньше, чем ожидаемый эффект. Единственным способом уменьшить такие случайные погрешности есть увеличение количества исследований, проведения международных исследований, с последующим проведением анализа цели. Данные, полученные в большом международном исследовании, имеют большую практическую значимость, потому что их можно применить к более широкому региону. При этом стоит учитывать, что почти полное отсутствие случайных погрешностей не может гарантировать достоверность оценки при допущении системных погрешностей. Риск такой ошибки особенно большой, если прогноз пациентов, исключенных из одной группы, отличается от прогноза пациентов, которые выбыли из другой группы. Систематическая погрешность — неслучайное направленное отклонение результатов исследования от настоящих значений, которое приводит к сдвигу оценки определенных параметров на некоторую (в отличие от случайной погрешности) величину. Под анализом цели понимают статистический анализ объединенных результатов нескольких клинических исследований одних и тех же диагностики или лечения. Такой подход обеспечивает большую статистическую мощность, чем в каждом отдельном исследовании за счет увеличения размера выборки. Он используется для обобщения результатов многих исследований и для усиления их доказательности. Клиническое исследование, выполненное без соблюдения требований GСР, не является доказательным, научно обоснованным для оценивания эффективности и безопасности, а отбивает лишь субъективное отношение автора к рассмотренному явлению, чаще всего с учетом уже известных данных авторитетных научных исследований. «Золотым» стандартом является клиническое исследование, выполненное в соответствии с правилами GСР. Наконец, как оказалось, качество клинического исследования тесно связано с соблюдением этических норм, то есть клиническая наука и практика должны быть моральными. 104 Результатом внедрения доказательной медицины в практику является: • повышение эффективности лечения (достижение длительной ремиссии, уменьшения летальности и улучшение качества жизни); • повышение безопасности лечения (уменьшение риска появления побочных реакций и осложнений от медицинских вмешательств, профилактика заострения болезни); оптимизация экономического обеспечения терапии (предоставление преимущества относительно дешевым препаратам, методам диагностики и лечения). Доказательная медицина, способствуя созданию научно обоснованных индивидуальных программ высокоэффективного, безопасного и экономически оправданного лечения любого больного, тем самым предотвращает полипрагмазию, которая у некоторых наших врачей все еще остается универсальной практикой. Больным назначается значительное количество лекарственных препаратов, потребность в каких преувеличена. Так, только в США за последние годы стало возможным сэкономить ежегодно сверх $ 2,5 млрд. через ограничение использования лишь антагонистов кальция для лечения артериальной гипертензии. Эти препараты довольно дорогие, не имеют преимуществ в эффективности перед значительно более дешёвыми бета-адреноблокаторами. С другой стороны, как об этом свидетельствует опыт стран постсоветского пространства, нерациональными оказались централизованные закупки лекарственных средств, которые осуществляются без учета реальных потребностей медицинской отрасли регионов. Поэтому целесообразно, чтобы все клинические контролируемые исследования лекарственных препаратов или новых методов фармакотерапии, после их окончания, были проанализированы относительно экономичности затрат. 4.4. Доказательная медицина и качество оказания медицинской помощи. Любой врач в своей работе должен заботиться о конечном результате. Уместно будет вспомнить концепцию трех «Е», которой придерживаются при проведении клинических исследований (рис. 19). Доказано, что применение доказательной медицины позволяет повысить качество, экономическую эффективность медицинской помощи, более рационально использовать ограниченные ресурсы здравоохранения. Стоит добавить, что недооценка роли клинической эпидемиологии сегодня является 105 одним из самых серьезных препятствий на пути реформирования отечественного здравоохранения, не менее важного, чем дефицит средств и обветшалое оборудование. Качество и эффективность деятельности медицинских заведений принадлежат к числу актуальнейших проблем в управлении охраной здоровья, что непосредственно связанные с окончательными результатами и расходами ресурсов проблема обеспечения качества медицинской помощи в Украине не занимает центральное место в приоритетах здравоохранения. У отрасли нет целостной стратегии управления качеством медицинской помощи, не говоря уже о том, что когда вспоминают о качестве, забывают о доказательной медицине вообще. Доказательная медицина как неотъемлемая составляющая часть клинической эпидемиологии в мировой практике активно используется уже свыше двадцати лет. В Украине доказательную медицину как современный инструмент повышения качества предоставления медицинской помощи рассматривают около пяти лет. Пути реализации этого процесса имеют преимущественно инициативный и бессистемный характер, а внедрение охватывает далеко не все направления клинической практики врачей. Работа по обеспечению и контролю качества медицинской помощи часто проводиться служащими, которые не имеют соответствующей подготовки и опыта работы в этом направлении. А анализ результатов работы лечебно-профилактических учреждений базируется исключительно на утвержденных государственными органами обветшалых учетных и отчетных документах, что делает невозможным объективное оценивание качества медицинской помощи в необходимом понимании. Чрезвычайно важным фактором для качества медицинской помощи является наличие в медицинском заведении достаточного количества и соответствующего квалифицированного уровня медицинского персонала. Уровень подготовки врачей и среднего медицинского персонала, регулярность обновления добытых ими знаний, поддержки их на соответствующем уровне необходимых навыков требует влияние на их способность к предоставлению качественной медицинской помощи пациентам. В последнее время появилось много доказательств того, что эффективность деятельности лечебнопрофилактического учреждения определяется качеством управления и зависит от профессионального мастерства руководителей, потому качество, которое основано на принципах доказательной медицины, включает и квалификационный уровень руководящего звена здравоохранения. Важным направлением повышения качества медицинской помощи, ориентированным на переход от интуитивной к стереотипной практике, к научно взвешенной, при которой результат лечебнопрофилактического процесса по меньшей мере не зависит от личности медицинского работника, а опирается на достижение современной медицинской науки, есть стандартизация медицинской практики. В настоящее время усилия многих научных работников и врачей-практиков концентрируются на разработке технологических стандартов для разных заболеваний, которые рассматриваются как гарантированное обеспечение каждого больного с определенной патологией оптимальным лечением, с целью достижения максимально возможного позитивного результата. Существуют клинические протоколы («clinical pathways») формы стандартизации медицинской помощи, в основу которых положенная логика, которая базируется на алгоритмах и считается самой эффективной на современном этапе. В отличие от действующих во многих странах медикоэкономических стандартов (преимущественно необходимых для контроля за расходами на медицинскую помощь и ценообразование медицинских услуг), клинические протоколы должны формироваться только на основе принципов доказательной медицины. 106 Прежде всего, при подготовке стандартов медицинской помощи для национальной системы здравоохранения следует учитывать профессиональные стандарты, принятые в развитых странах («золотой» стандарт). При этом использование высоких медицинских технологий должно быть сбалансированным с финансовыми ресурсами системы охраны здоровья и не вступать в противоречия с целями обеспеченья здоровья населения. Традиционным для отечественной практики является подход относительно формирования медицинских стандартов в виде перечня стандартных наборов диагностических и лечебных мероприятий при разных диагнозах. Одними из первых и действующими на данное время в Украине отраслевыми стандартами, согласно которым проводится оценивание качества медицинской помощи, являются стандарты амбулаторно- поликлинической и стационарной помощи взрослому и детскому населению. Но, к сожалению, большинство руководителей отрасли не всегда чувствуют разницу между медицинскими стандартами и протоколами, а внедренная ускорена процедура их подготовки вызывает неуверенность, что в их создании использовались принципы доказательной медицины. Стандартизация схем вмешательства, медицинских технологий, — процесс позитивный, однако на практике отечественные стандарты часто содержат не научно-обоснованные рекомендации, а отражают опыт или взгляды их авторов относительно эффективности тех или других медицинских вмешательств. Если стандарт качества медицинского процесса формируется при отсутствии надежных доказательств связи этих процессов по улучшению здоровья, то соблюдение соответствия стандартам потенциально приобретает формальность без реального влияния на здоровье населения и приводит к напрасным расходам времени и средств. Само использование рандомизированных контролируемых исследований с целью тестирования новых или уже существующих методов диагностики и лечения способствует формированию определенности и согласия по тем вопросам, в которых наблюдается столкновение разнообразных, часто противоположных мнений экспертов из-за отсутствия весомых доказательств их правоты. В Украине существует ряд проблем в системе обеспечения качества предоставления медицинской помощи, и, прежде всего, это проблемы, связанные со стандартизацией медицинской практики: • отсутствие унифицированных подходов к процессу стандартизации медицинской практики в Украине; • при разработке стандарта не используются технологии, эффективность которых доказана из позиций научно обоснованной медицинской практики или доказательной медицины; • отсутствует отраслевой стандарт «Клинические протоколы», путаются понятия «клиническое руководство», «клинический протокол», «медицинский стандарт», хотя это разные формы стандартизации процесса предоставления медицинской помощи, которые взаимодополняют, но не взаимозаменяют друг друга; • значительно ограничена возможность специалистов отрасли охраны здоровья Украины использовать информацию согласно доказательной медицине и стандартизации, поскольку в Украине нет всем доступного ресурсного центра доказательной медицины; • недостаточно как ресурсное обеспечение процесса предоставления медицинской помощи, так и нехватка опыта работы медперсонала с медицинскими стандартами и тому подобное. Обеспечение высокого уровня качества должно стать наиболее приоритетным заданиям каждого управленца. Для этого необходимо изменить привычные стереотипы управленческого мышления, которые ориентируют организаторов здравоохранения, в первую очередь, на внедрение ресурсосберегающих технологий. Этот процесс обычно натыкается на серьезное недоразумение со стороны подавляющего большинства организаторов здравоохранения, которые не способны психологически воспринять идею, что с повышением качества затраты в конце процесса предоставления лечебно-профилактической помощи снижаются. Проблему, прежде всего, необходимо решать с помощью обучения организаторов здравоохранения с дифференциацией в соответствии с разными категориями работников. 107 Наибольшие затраты при решении заданий обеспечения качеству медицинской помощи необходимо планировать не на экспертизу качества, а на обеспечение бездефектных технологий медицинской помощи и на стимуляцию бездефектной работы. Первоочередное внимание следует уделять выявлению причин низкого качества медицинской помощи, что связанные с несовершенством технологии внутри заведения. С этой целью следует осуществлять контроль технологического процесса путем выявления отклонений от стандарта. Это дает возможность определить потенциальные проблемы еще до того, как они приведут к не удовлетворительным результатам, то есть обнаружить причины возникновения отклонений от стандартов и внести в процесс предоставление медицинской помощи необходимые коррективы. В свою очередь, руководителям ЛПУ Украины необходимо сосредоточиться на разработке комплексных программ непрерывного повышения качества медицинской помощи в подведомственных заведениях охраны здоровья, которые должны предусматривать решение как минимум таких управленческих заданий: • ориентацию персонала на бездефектное предоставление медицинской помощи населению; • обязательное включение курса по повышению качества медицинской помощи в программы непрерывной подготовки медицинского персонала, который проводится на уровне заведения здравоохранения; • привлечение к процессу всех служб и функциональных категорий персонала, в том числе и вспомогательного (хозяйственная служба, бухгалтерия, инженерная служба, и тому подобное); • обоснование приоритетности и этапности работ относительно повышения качества медицинской помощи; • организацию обратной связи: широкое информирование медицинского и другого персонала о результатах реализации программ обеспечения качества медицинской помощи; • ориентацию системы материального стимулирования и кадровой политики на поощрение бездефектной медицинской помощи населению. Безусловно, перестройка системы обеспечения качества на принципах доказательной медицины нуждается в корректировании системе финансирования, разработки или адаптации нормативов и критериев или стандарта, внедрения автоматизированных экспертно аналитических систем, формирование информационной системы, подготовки и переподготовки медицинского и технического персонала, для чего необходимы определенные ресурсы и время. Поэтому реформирование системы обеспечения качества медицинской помощи целесообразно осуществлять поэтапно. Доказательная медицина не отрицает традиционный стиль медицинской практики, основанный на известных методах, она только обращает внимание на качество доказательств разных исследований. На первом этапе необходимо: • создать из числа ведущих специалистов постоянно действующую рабочую группу с целью создания и утверждения единственной методологии разработки медицинских стандартов на базе международного стандарта подготовки клинических руководителей; • провести адаптацию действующих руководителей и разработать современные медицинские стандарты, клинические протоколы и клинические руководства; • провести оценку эффективности медицинских технологий, согласования индикаторов (критериев) качества медицинской помощи; • создать в Украине информационный центр доказательной медицины; 108 • организовать специальную переподготовку среднего звена администраторов органов управления и медицинских заведений как руководителей программ повышения качества или специалистовконсультантов. На втором этапе нужно разработать ориентировочную программу управления качеством медицинской помощи для медицинских учреждений с использованием приема прогнозирования и моделирования, координации всех звеньев, которые обеспечивают необходим уровнем качества, которое позволит проводить анализ результатов работы как отдельного врача, так и системы здравоохранения в целом. Основой оценивания эффективности управленческих решений должен быть анализ системы «затраты—результат». На этом состоянии необходимо внедрить программы управления качеством предоставления медицинской помощи для кожного врача, кроме того стоит уже сегодня формировать цепочку системного управленческого решения врача относительно выбора метода профилактики, диагностики, и лечения на основании только данных доказательной медицины, что, прежде всего, заключается в использовании данных, в которых изложена информация относительно доказательных исследований и учетом уровня доказательности. Вопрос для обсуждения 1. Какие основные этапы развития доказательной медицины? 2. Какие основные принципы доказательной медицины? 3. Что такое контролируемое клиническое исследование? 4. В чем суть рандомизации? 5. Как связана доказательная медицина и качество предоставления медицинской помощи? Литература 1. Власов В.В. Введение в доказательную медицину— М.: Медиа Сфера, 2001. — 392 с. 2. Двойрин В.В., Клименков А.А. Методика контролируемых клинических испытаний. — М.: Медицина, 1985. —144 с. 3. Основи доказової медицини / За ред. М.П.Скакун. — Тернопіль: Укрмедкнига, 2005. — 244 с. 4. Флетчер Я, Флетчер С, Вагнер 3. Клиническая эпидемиология. Основы доказательной медицины. — М.: Медиа Сфера, 1998. —352 с. 5. Биостатистика 5.Л/. Тошгсі еуісІепсе-ЬазесІ тесіісаі зіаіізіісз. 2: Тпе Вауез тасїог. — Апп Іпіегп Месі 1999; 130.1005-13. 109 Раздел 5. Медицинская статистика. Информационное обеспечение системы охраны здоровья 5.1. Предмет и содержание медицинской статистики Деятельность врачей разных специальностей связана с учетом, разработкой и анализом статистических материалов. Умение обобщить, проанализировать полученную в повседневной медицинской практике информацию позволяет подходить к решению клинических и организационных проблем на качественно высоком уровне. Нередко врачу приходится самому обобщать статистические данные, проводить научные статистические исследования, поэтому изучение статистического метода является существенным компонентом подготовки медицинского персонала. Общая теория статистики основана на математической теории вероятности. Она не может не использовать математические методы, но в отличии от математики ее задача – изучение материальных явлений во всем их качественном разнообразии. Теоретическими основами медицинской статистики является: - общая диалектика; - экономическая наука; - медицинская наука; - общая теория статистики. При выполнении медико-социальных исследований необходимым является объединение знаний медицинской статистики и социально-экономических дисциплин. Например, при проведении медикосоциальных исследований, изучении смертности, рождаемости, заболеваемости обязательным является группирование статистических материалов по основным социально-экономическим группам. Оценивание экономичной эффективности лечебно-профилактических мероприятий базируется на методах экономичной науки. Следует подчеркнуть, что медицинская статистика изучает также взаимосвязи и влияние природных, техногенных факторы на изменение общественной жизни, что очень важно для врача, который анализирует здоровье населения и закономерности развития болезней. Статистические данные всегда дают обобщающую характеристику определённым совокупностям фактов, которые определяют их по количеству, объёму, соотношением частей или среднего уровня признаков, которые для них характерны. Область статистики, которая изучает вопрос, связанный с медициной, гигиеной и общественной охраной здоровья, называется медицинской статистикой. Содержанием медицинской статистики является количественное изучение процессов здоровья населения и деятельности системы здравоохранения. Медицинская статистика часто основывается на данных о взаимосвязи явлений и процессов, которые принадлежат к биологическим особенностям нашего организма и рассматриваются в непосредственной связи с факторами окружающей среды при ведущем значении социальных факторов. Медицинская статистика является разделом общественной практики, подразделом статистики. Поэтому всё, что изучает предмет и методы статистики как науки, имеет отношение и к медицинской статистике. Последняя изучает человека как общественное существо, а все явления человеческой жизни как общественно обусловленные. Человек является общественным созданием, а здоровье населения – общественно обусловленной категорией. Медицинская статистика изучает: Здоровье всего населения и отдельных его групп путём исследования данных о его численности и составе, физическом развитии, заболеваемости и др.; Определяет взаимосвязи показателей здоровья с разными факторами окружающей среды; 110 Изучает данные о структуре, деятельности и кадрах лечебно-профилактичеких, санитарнопротивоэпидемических учреждений; Организацию и проведение лабораторно-клинических исследований с оценкой вероятности результатов наблюдений. Таким образом, у медицинской статистики есть такие задачи: Обоснование нормативно-организационных требований в предоставлении отдельных видов помощи; Определение закономерности уровня здоровья населения и качества медицинской помощи; Обобщение результатов деятельности учреждений, врачей и научных исследований. Разнообразные процессы в состоянии здоровья населения являются её основным объектом. Для характеристики здоровья очень важными являются данные о заболеваемости среди населения в целом и отдельных его группах, об инвалидности и инвалидизации. Они составляют основу для обоснования мероприятий направленных на предупреждение и снижение заболеваемости. Медико-статистические материалы необходимы для обоснования лечебно-профилактической, санитарногигиенической и противоэпидемической деятельности, для проведения оздоровительных мероприятий. При этом такие понятия, как заболеваемость, смертность, обеспеченность населения лечебно-профилактической помощью, эффективность медицинских мероприятий и другая, в которых исследование явлений проводится в количественном измерении, требует специальных приемов, изучение которых также входит в предмет медицинской статистики. Характеристика населения складывается также из важных для оценивания здоровья демографических показателей воспроизведения – смертности, рождаемости, естественного отбора, среднеожидаемой длительности полагаемой жизни. Так, демографические материалы о рождаемости и численности детей дошкольного и школьного возраста необходимы для проведения активно патронажа, профилактических прививок, оздоровительных мероприятий и т.д. Необходимыми также являются материалы физического развития детей и подростков, рабочих, студентов и других групп населения. Разделы медицинской статистики: - статистика здоровья населения, которое изучает данные о его численности и составе, естественном движении, физическом развитии, распространенности заболеваний и другой, связь этих явлений с разными факторами среды и организацию медицинской помощи; - статистика системы здравоохранения – данные о сети и деятельности заведений здравоохранения; - статистика организации и проведения исследований (клинических, экспериментальных), оценивания медикобиологических данных. Организация здравоохранения требует также информацию о количестве, возрастно - половом, профессиональном составе населения, размещении его в городах, сельской местности, о миграционных процессах. Нет ни одного вопроса в организации здравоохранении, при решении которого можно было бы обойтись без знания медицинской статистики. Статистические данные являются важными в практической деятельности органов здравоохранения, они являются основой управления деятельности лечебно-профилактичких учреждений и планирования профилактических оздоровительных мероприятий. Методы медицинский статистики могут быть использованы также в научных исследованиях . статистические приёмы и методы широко используются про проведении лабораторноэкспериментальных, клинических, гигиенических, эпидемиологических и др исследований. 111 В основе определения статистических закономерностей лежит так называемый закон больших чисел. В наиболее общем виде закон больших чисел может быть сформулирован так: закон больших чисел – это общий принцип, в силу которого совокупное действие большого числа случайных факторов приводит, при некоторых общих условиях, к результату, который не зависит от случая. Таким образом, чтобы дать правильную характеристику явления в целом, следует изучать не отдельные наблюдения, а использовать и обобщать всю совокупность фактов или достаточно большое их число. С помощью этого закона удается получить статистические показатели, которые отображают объективные закономерности. При объективном анализе количественных сторон деятельности людей, которые изучает медицинская статистика, при использовании каждого из статистических приемов, необходимо учитывать качественные особенности явлений, которые изучаются. Не пропустить существенных несовпадений в качественных особенностях объекта – главное при проведении медико-статистических исследований. Поэтому очень важным условием работы врача с количественными характеристиками является понимание специфичности признаков, которые изучаются. Медицинская статистика делает возможным квалифицированное проведение группирований и пение становления качественно однородных групп. Это в значительной мере повышает объективность получаемых результатов. Качественная однородность в каждой из сравниваемых групп нуждается в группировке по наиболее существенным признакам. Необходимо избегать обобщений при неправильных группированиях, осторожно относиться к сравнениям собственных исследований и исследованиям других лиц, если свойства групп недостаточно известны. В медико-статистических исследованиях не должно быть существенных противоречий в качественных особенностях объекта, а также субъективных преувеличений в анализе полученных данных. Нельзя также исключать одиночные или добавлять новые наблюдения, которые больше подходят для исследования. Не следует извлекать отдельные факты для обязательного доказательства какой-либо субъективной мысли. При изучении влияния отдельных факторов на организм человека в определенной группе лиц необходимо для сравнения использовать другую группу, контрольную, по возможности однородную с первой, за исключением тех признаков, действие которых изучается. Такой подход является наиболее важным элементом в вероятности дальнейших выводов. Для изучения состояния и функции организма и признаком окружающей среды широко используются разнообразные статистические методы. Синтез данных, которые установлены и максимальное их использование позволяют добавить большой поток информации в сжатой и чёткой форме. Статистический анализ практической деятельности позволяет также обосновывать то или иную тактику врача, относительно профилактики и лечения заболеваний, а использование при этом научнообоснованных статистических методов будет способствовать успешной их реализации и повышению эффективности. Таким образом, каждый врач должен хорошо знать теоретические основы статистики, уметь правильно использовать статистические методы и оценивать информацию по разным разделам деятельности. 5.2. Принципы структуры деятельности медико-статистической службы Украины Информационное обеспечение статистических исследований в здравоохранении в значительной степени осуществляются, благодаря медико-статистической службы Украины. Организация информационного и статистического обеспечения системы здравоохранения базируется на таких основных принципах: Централизованное руководство; Единая организационная структура и методология ; Связь органов статистики с органами государственного управления. Первоочередными задачами современного развития медицинской статистики являются: Разработка информационной базы внедрения новых методов медицинского обеспечения населения. 112 Усовершенствование методики вычисления статистических показателей. Получение вероятной статистической информации о состоянии окружения, в частности в связи с аварией на ЧАЭС. Широкое использование международных сравнений при анализе полученных данных. Усовершенствование методики учёта Переход в текущей статистике на международную методологию Главными задачами статистической службы являются статистический анализ состояния и динамики здоровья населения. Влияния на него отдельных факторов и эффективности использования ресурсов системы здравоохранения с целью улучшения здоровья населения. Основные направления статистического анализа: - демографическая ситуация, в частности уровень и структура причин смертности населения; - состояние здоровья детей - заболеваемость и распространенность отдельных болезней (динамика структура и др.); - обеспеченность ресурсами и их использование вообще и относительно отдельных видов заболеваний (специализированными кроватями, врачами, оборудованием); - проведение профилактических обзоров; - анализ сети и кадрового обеспечения медицинских заведений; объем предоставления отдельных видов помощи (услуг) — стоматологических, хирургических и др. Реализация отдельных направлений деятельности системы медицинской статистики зависит от уровней отдельных элементов её организационной структуры. Первичная обработка и обобщение данных, которые содержатся в учётной документации, проводятся непосредственно на месте, то есть в соответствующих медицинских учреждениях, вследствие чего складываются как формы внутреннего пользования, так и официально установленные отчётные документы. Последние, согласно с отраслевыми приказами и инструкциями отсылаются в высшие организации и учреждения. Таким образом создаются отдельные информационные потоки, в определенной степени обусловлены организационной и функциональной структурой. Организационная структура медико-статистической службы Украины приведена на рис. 1. Так, если рассмотреть верхний уровень структуры, то в ЦМС (центр медицинской статистики) МЗ Украины с АРК, управление здравоохранения областных, Киевской и Севастопольской городских госадминистраций, точнее, соответствующих статистических подразделений названных структур, входит 45 форм годовой отчётности. Соответствующие службы отсылают свои отчёты в украинский институт стратегических исследований МЗ Украины, в управления медико-социальной экспертизы и главного бюро судебномедицинской экспертизы МЗ Украины, в НИИ эпидемиологии и инфекционных болезней, НИИ гематологии и трансфузиологии АМН Украины и др. Приведенная схема является только общей. Конкретные документопотоки очень разнообразны и соответствуют определённым приказам и инструкциям. Наиболее точные данные приводятся в коротких пояснениях, сделанных печатным способом на титуле бланков отчётности. Функциональная структура и распределение функций между организационными элементами разных уровней. На самом низком уровне в информационно-аналитическом отделе врач-статистик на основе учётной документации заполняет отчёты по формам, утвержденным для уровня медицинского учреждения. Далее информация поступает в высшие элементы структуры. Она, в результате возведения и группировки, всё больше агрегируется, на её основе составляются разные аналитические документы. Комплексы задач и формы аналитических таблиц обусловлены функциями медикостатистической службы определенного уровня и соответствующих органов управления здравоохранения. 113 Администрация Президента Кабинет министров Украины Верховная Рада Украины Главное бюро судебномедицинской экспертизы МЗ Украины Украины Госкомстат Украины Областные управления статистики Организационно -методический отдел спец учреждений здравоохранени я областного подчинения ЦМС МЗ Украины Центр медицинский статистики МЗ АРК, областные ЦМС, ИАЦМС городов Киева и Севастополя ИА отдел центральных районных больниц Статистика учреждения здравоохранени я районов Украинский центр государственного санэпиднадзора Учреждения здравоохранения непосредственног о подчинения МЗ Украины Областные санэпидем станции Районные санэпидемстанции Управление здравоохранения областных госадминистраций ИА отдел учреждений здравоохранения областного подчинения Рис. 1. Ключевую роль в этом процессе играют информационно-аналитические центры медицинской статистики областей и городов Киева и Севастополя. Как пример, рассмотрим структуру и основные функции городского научного информационноаналитического центра медицинской статистики г. Киева (далее Центр). Основные направления работы Центра 1. Обеспечение организации, контроля качества и вероятности статистического учета и отчетности в лечебно-профилактических учреждениях города, приема и сведения статистической отчетности по территории города. 2. оценивание состояния здоровья населения 3. оценивание деятельности учреждений здравоохранения 4. обеспечение руководителей разных уровней управления нормативно-правовой, научномедицинской и статистической информацией, необходимой для разработки стратегии и тактики усовершенствования системы здравоохранения и повышения качества предоставления медицинской помощи населению. 5. предоставление медицинской помощи главным специалистам в организации работы по усовершенствованию деятельности соответствующих служб здравоохранения 114 6. проведение экспертизы качества медицинской помощи населению города 7. обеспечение методического руководства в проведении аккредитации отдельных служб и лечебных учреждений города 8. предоставление медицинской помощи в организации и проведении изобретательской, рационализаторской и патентно-лицензионной работы в лечебных учреждениях города 9. организация и координация работы по подготовке медицинских кадров на местных лечебнопрофилактических и других базах в общей системе повышения квалификации медицинского персонала С точки зрения формирования баз данных и комплексов задач, результатом реализации которых являются отдельные аналитические таблицы. выделяют отдельные информационные блоки или верхние уровни иерархической системы показателей. Рассмотрим их на примере анализа деятельности специализированных служб. 1.Блок информации из специализированной службы. 1.1. Показатели здоровья населения. 1.2. Показатели деятельности службы. 1.3. Показатели, характеризующие кадры отделений стационаров, кабинетов амбулаторнополиклинических учреждений 2. Блок информации из амбулаторно-поликлинической службы. 2.1. Общая и первичная заболеваемость у детей, подростков и взрослых, зарегистрирована в поликлиниках по обращениям населения. 2.2. Данные о лицах, пребывающих на диспансерном наблюдении в поликлиниках по заболеваниям. 2.3. Профилактические осмотры подростков и лиц, осмотренных в порядке периодических осмотров. 2.4. Диспансерное наблюдение за ветеранами войны. 2.5. Работа стоматологического отделения поликлиники. 2.6. Хирургическая работа поликлиники. 2.7. Деятельность лечебно-диагностических отделений поликлиники. 2.8. Деятельность дневных стационаров и стационаров дома. 2.9. Количество заведений, в которых есть специализированные кабинеты. 2.10. Мощность амбулаторно-поликлинических учреждений. 2.11. Штаты врачей и среднего медицинского персонала поликлиник и амбулаторий. 3. Блок информации из стационарной службы. 3.1. Коечный фонд стационара и его использование. 3.2. Состав больных в стационаре, сроки и результат лечение заболеваний, предусмотренных перечнем формы 20. 3.3. Хирургическая работа стационара по перечню операций, предусмотренных формой 20. 3.4. Экстренная хирургическая помощь. 3.5. Деятельность лечебно-профилактических подразделений стационара. 3.6. Деятельность дневных стационаров. 3.7. Медицинские кадры стационаров. Особенное социальное значение имеет разработка и эксплуатация комплексов программ «Детская смертность». Это дает возможность оперативно получать данные о детской смертности по возрасту, по причинам, по месту смерти. Система оперативного наблюдения за смертностью детей возрастом 0-18 лет. Ежедневное поступление информации дает возможность ежедневно информировать соответствующих главных специалистов, аппарат управления здравоохранения о состоянии детской смертности. В Центре проводится подготовка справочников со статистическими данными о состоянии здоровья населения города, его динамике, о ресурсах охраны здоровья и деятельности лечебных учреждений. Ежегодно готовится не меньше 20 таких сборников. Следующим уровнем информационной системы медицинской статистики является информационная система на базе мощного медицинского учреждения – территориального медицинского объединения (ТМО), госпиталя, диспансера и т.д. Комплексы задач обусловлены соответствующими функциями заведений различного типа. В составе ТМО с информационно-аналитической работой связаны такие подразделения: 115 методологии охраны здоровья (организация систем и процессов управления, маркетинговые исследования, научное и нормативно-правовое обеспечение); прогнозирование и перспективы развития (разработка комплексных целевых программ, нормативов деятельности, формирование цен и тарифов); статистики здоровья населения (изучение медицинской демографии, заболеваемость отдельных контингентов, эпидемиологического состояния, медико-социологические исследования, анализ использования ресурсов компьютерной обработки данных). Основные функции информационно-аналитического отдела ТМО: 1. Изучение данных статистической отчетности и проверок работы учреждений здравоохранения района, состояние медицинского обеспечения населения. 2. Разработка на основании данных анализа мероприятия по улучшению лечебнопрофилатической работы. 3. Разработка с участием специалистов района поточных и перспективных планов организационной работы, которая проводится в районе. 4. Обеспечение, вместе с главными специалистами района, разработка и реализация мер по уменьшению общей и детской смертности, уменьшение наиболее распространенных заболеваний, в т.ч. с утратой трудоспособности, улучшение деятельности ЛПУ. 5. Обеспечение сбора, обработки, накопления и анализа информации, которая характеризует состояние здоровья населения и деятельность ЛПУ района. 6. Внедрение в работу медицинских учреждений района передового опыта, современных технологий; обеспечение организации и контроля качества статистической работы, учет статистической отчетности района. Информационно-аналитические отделы любого ЛПУ (поликлиники, больницы и др.), т.е. низшего звена медицинской статистики, выполняют такие функции: Сбор, обработка, накопление и анализ информации согласно с утвержденным перечнем статистических форм, в частности, учет рождаемости и смертности в районе деятельности амбулаторно-поликлинического отделения, анализ структуры и состава населения, состояние его здоровья, анализ деятельности лечебного учреждения, проведение специально организованных обследований; Инструктаж и организация работы врачей-статистов. Ежедневная статистическая информация, носителями которой являются утвержденные учетные формы, которые поступают от медицинских работников, которые непосредственно их заполняют, проходит тщательный контроль и компьютерную обработку. Ежедневно также, в зависимости от потребности аппарата управления в оперативной информации, в информационно-аналитическом отделе накапливаются данные о деятельности дневного стационара, материнской и детской смертности и др., которые требуют контроля и принятия неотложных мер. Основной учетно-статистической формой в амбулаторно-поликлиническом учреждении является Талон амбулаторного пациента. В Украине в связи с переходом учреждений здравоохранения на применение Международной статистической классификации болезней десятого пересмотра (МКХ-10) и с целью усовершенствования отраслевой статистической отчетности в 1999 г. введены новые формы учетных документов. Содержание основных из них и правила заполнения приведены в научно-методической литературе. Значительное количество форм учетной документации содержит большое количество показателей, которые создают определенную логическую систему и характеризуют состояние здоровья населения, деятельность учреждений здравоохранения, вовлеченные к этому ресурсы и уровень их использования. Так что врач-статист может проводить аналитические исследования, а не только складывать отчеты в отдельные папки. Он обладает информационным обеспечением для комплексного, глубокого изучения разнообразных явлений и должен получать не только интересные и актуальные результаты на основе полученных данных, но и предлагать новые показатели, методики их определения, усовершенствовать как отдельные показатели, так и систему информационного обеспечения в целом. Таким образом происходит постоянное динамическое обновление действующих статистических форм, их замена и появление новых. Это требует глобальной информационной базы, научно обоснованной, логично и прозрачно построенной и доступной (в пределах регламента) для любого пользователя, который владеет 116 компьютерными технологиями и интересуется вопросами организационно-управленческого, экономического, юридического, лечебно-профилактического, научного и другого характера. Такую глобальную информационную базу следует рассматривать как единое информационное пространство, которое охватывает всю страну и весь мир. Таким образом, речь идет об отраслевой информационной системе, интегрированной в глобальные информационные системы. Ее создание требует, в частности, организации корпоративной компьютерной сети, усовершенствование правового, организационного, информационного и программного обеспечения. Главные задачи и суть этих мер являются общими для отраслевых информационных систем, представление о конкретном их наполнении можно получить, ознакомившись, например, с материалами соответствующих научно-практических конференций и издательств международных организаций и, в первую очередь, ВОЗ. Основные принципы реформирования системы медицинской статистики: Реформирование системы статистических показателей; Переход к новым формам статистического наблюдения; Усовершенствование методологии комплексного анализа развития охраны здоровья; Внедрение системы государственных классификаторов и реестров; Внедрение современных методов формирования информационных фондов и информационных технологий; Международное сотрудничество в области статистки; Усовершенствование системы распространения статистической информации. Это требует расширения и усовершенствования тематики публикаций, повышения качества и значительных изменений в технологии распространения статистических данных. Модернизация технологии и программно-технологической системы по формированию статистической базы данных медицинской статистики дадут возможность потребителям знакомиться с составом информационных фондов Центра медицинской статистики МЗ Украины, условиями получения информации и др. При этом требуют определения принципы и регламентация доступа общественности к статистической информации, которые должны способствовать повышению информированности всех категорий пользователей относительно медико-социального состояния страны. Для повышения эффективности функционирования системы распространения статистических данных важно постоянно изучать спрос на информационные ресурсы, что требует проведения маркетинговых исследований, согласно с условиями формирования рынка информационных услуг. Обмен опытом с национальными статистическими службами других стран обеспечит эффективное внедрение международных рекомендаций в области статистической методологии. 117 СЛОВАРЬ Абсолютно слепое (зашифрованное) исследование ( total blind study ) – исследование, в котором распределение субъектов из групп лечение неизвестно ни субъектам, ни исследователям, ни кому бы то ни было, кто непосредственно общается с исследователями, субъектами или имеет отношение к обработке данных (статистики и др.) Абсолютное снижение риска ( absolute risk reduction – ARR ) – разница частоты неблагоприятных выходов между экспериментальной и контрольной группой. Абсолютный (дополнительный, атрибутивный) риск (attributable risk) — это разница показателей заболеваемости или ее последствий у лиц, которые находятся или не находятся под воздействием исследуемого фактора. Дополнительный риск — это дополнительные случаи развития заболеваемости, предопределенные влиянием фактора риска. В зависимости от способа вычисления дополнительного риска, его также называют разницей рисков (difference risk), или непосредственным риском. Анализ выживаемости (survival analysis) проводится в конце исследования у пациентов с высоким риском смертности. Необходимость проведения может возникнуть в кардиологических исследованиях для оценивания выживания после сердечного приступа. Аналитическое исследование (analytic study) — тип эпидемиологического исследования, направленного на поиск причинных связей путем определения и измерения фактора риска или оценивания влияния определенных внешних влияний на здоровье. В аналитическом исследовании лица отбираются по наличию или отсутствию исследуемого заболевания или его предвестника, и для каждого из них устанавливаются личные характеристики (пол, возраст, профессия, но др.) и другие факторы риска, которые могут влиять на возникновение заболевания. Асимметрия (skewness) — одна из характеристик формы распределения. У сдвинутого справа распределения значения группируются влево от среднего и образуют длинный хвост справа от него. Многоцентровое исследование (multicenter study) — клиническое исследование, которое проведено в соответствии с единственным протоколом в нескольких исследовательских центрах несколькими исследователями. База данных (database) — это сохраненные в электронном виде и особенным чином организованные (для облегчения поиска и доступа) данные. Биостатистика (biostatistics) — раздел статистики, которая занимается обработкой результатов исследований в отрасли биологи и медицины. Валидизация данных (validation of data) — процедуры, которые выполняются с целью гарантии, что данные окончательного клинического отчета отвечают оригинальным наблюдением. Вариационный ряд (set of order statistics) — выборка, упорядоченная за значениями. «Стоимость-выгода» (cost - benefit) — в денежном выражении оцениваются стоимость и результаты лечения. «Стоимость-эффективность» (cost - effectiveness) — в денежном выражении оценивается стоимость лечения, а результаты рассматриваются как выполнение определенных задач. Верификация данных (verification of data) процедуры, направленные на выявление механических ошибок, которые возникают при перенесении данных из исходных документов в анкету и из анкеты в базу данных. 118 Открытое исследование (ореn study) — исследование, в котором разделение пациентов по группам лечения известен всем. Это может быть исследование, в котором изучается один или несколько видов лечения. Относительный риск (relative risk) или отношение рисков (risk ratio) — это отношение показателя заболеваемости (или ее последствий) у лиц, которые подвергались влиянию исследуемого фактора, к величине показателя заболеваемости (или ее последствий) у лиц, которые не подпадали пицц влияние этого фактора. Относительный риск показывает силу связи между влиянием и заболеванием. Воспроизводимость (reproducibility) — вероятность того, что при повторных измерениях определенной стойкого явления, сделанных разными людьми, на разных приборах, в разное время и в разных местах, будет получено одинаковый результат. Генеральная совокупность (population) — это полная совокупность единиц наблюдения (людей), которые являются источником данных. Гистограмма (hystogram) — это способ графического представления распределения числовых (непрерывных) данных, которое часто используют для иллюстрации основных характеристик распределения. Диапазон возможных значений переменной, делящийся на отрезки, которые задают разбивку выборки на классы, или группы. Каждой группе на гистограмме отвечает прямоугольник, длина которого равняется диапазону значений в заданной группе, а площадь пропорциональна числу наблюдений в этой группе. Группирование (grouping) — переход к новой (иногда виртуальной) переменной. Ее градации определяют категории, которые являются объединением категорий объектов, которые отвечают градациям исходной переменной. Данные выходные (source data) — вся информация, которая содержится в оригинальных записях и заверенных копиях оригинальных записей о клинических данных, наблюдениях или других мероприятиях, проведенных в ходе клинического исследования, необходимая для воссоздания хода исследования и для его оценки. Выходные данные содержатся в исходной документации (оригинальные записи и засвидетельствованные копии). Дизайн исследования (design of a study) — способ, схема проведения исследования. Доверительный интервал (confidence interval) — для параметра генеральной совокупности — это отрезок, что с большой вероятностью содержит этот параметр. Доверительные пределы — нижний и верхний пределы доверительного интервала. Доклиническое исследование (рге-clinical study) — биомедицинское исследование, что проведено без участия людей как субъектное исследования. Исследование пилотное (pilot study) — иногда исследования проводят на незначительном количестве пациентов с целью определения, возможно ли провести исследование для большего числа пациентов. Это может быть очень полезно для выяснения тех трудностей, которые могут негативно повлиять на другое исследование. Другая цель проведения пилотного исследования заключается в том, чтобы получить информацию об отличии между двумя методами лечения, которое позволит установить количество пациентов, которые должны быть включены в основное исследование Долгосрочное исследование (longterm trial) — исследование эффективности и безопасности препарата при долгосрочном лечении хронического заболевания, длительное наблюдение за пациентами по окончании проведенного лечения (при рецидиве опухоли после успешной химиотерапии) или хирургического вмешательства (выживаемость после трансплантации почки). 119 Исследование «случай-контроль» (саsе control stady, саsе-reference) — ретроспективное исследование, в котором по архивным данным или воспоминаниям, суждениям пациентов проводится сравнения двух групп, в одну из которых отобранные пациенты с определенной патологией, а в другую — без этой патологии. Экстраполяция (extrapolation) — прогнозирование значения переменной за пределами интервала анализа. Срок применяется, как правило, при анализе динамических рядов для коротких промежутков времени. Экспериментальные эпидемиологические исследования (experimental study) — это исследования, которые проводятся при непосредственном контроле со стороны исследователя за исследуемыми явлениями (например, за факторами риска, новыми методами лечения, диагностики или профилактики) в условиях, максимально приближенных к условиям лабораторного эксперимента. Эмпирические, или обсервационное исследование (observational study) — это исследование без преднамеренного вмешательства в естественный ход и развитие заболевания. Эпидемиология (epidemiology) — это изучение распространенности и детерминант состояний или событий, связанных со здоровьем, в специально определенных популяциях для управления и контроля по проблемам здоровья. Заболеваемость (incidence rate) — частота новых случаев заболеваний в популяции, где этого заболевания сначала не было. Cглаживание скользящими средними (moving average smoothing) — один из способов выравнивания динамического ряда. Переменная качественная (qualitative variable) — переменная, которая поддается лишь качественной оценке (но не количественному измерению), например, пол, диагноз. Переменная количественная (quantitative variable) — переменная, которая поддается количественному измерению, например, давление, температура. Вероятность (probability) — вещественное число в интервале от 0 до 1, что характеризует случайное событие, частота события в длинном ряду наблюдений; степень уверенности в том, что некоторое событие состоится. Клиническая эпидемиология (clinical epidemiology) — наука, которая с помощью проверенных методов эпидемиологических исследований, биостатистики и анализа решений, позволяет получить научно обоснованную характеристику полезности и экономической эффективности терапевтических и диагностических методик. Коэффициент корреляции Пирсона (Pearson correlative coefficient) показатель связи двух случайных величин, равняется отношению их ковариации к произведению их стандарты отклонений. Коэффициент регрессии (regression coefficient) — коэффициент при независимой переменной в равнине регрессии. Коэффициент корреляции (Спирмена) (Spearman correlation coefficient) — непараметрическая мера связи между двумя переменными, обмериваемыми в порядковых шкалах. Для всех наблюдений значения каждой переменной ранжируются, после чего вычисляется коэффициент корреляции Пирсона между преобразованными переменными. Когортные исследования (cohort study) — исследования, в которых за определенной группой населения наблюдают в течение определенного периода времени. 120 Контролируемое клиническое испытание (clinical trials) — это специальный вид когортных исследований, условия проведения которого (подбор групп вмешательств, характер вмешательства, организация наблюдение и оценивание последствий) обеспечивают устранения систематических ошибок. Контрольная группа (группа сравнения) (control group) — группа пациентов, которые принимают в процессе сравнительного исследования препарат, эффективность и безопасность которого хорошо известны (препарат сравнения). Это может быть плацебо, стандартная терапия или отсутствие лечения вообще. Контролируемое исследование (controlled study) — термин употребляется в двух значениях: 1) как синоним сравнительного (что имеет контрольную группу) исследования, 2) всякое исследование, проведенное в соответствии с протоколом. Корреляция (correlation)— две случайных переменные коррелируемы, то есть они одна с другой както связаны. Стандартной мерой связи переменных является коэффициент корреляции. Коэффициент корреляции (correlation coeficient) — это число, которое находится между -1 и +1, определяет силу линейной связи двух случайных переменных. Положительное значение коэффициента корреляции означает, что с увеличением одной из переменных другая также растет, из уменьшенные одной из них уменьшается и другая. Негативное значение значит, что с ростом одной переменной другая уменьшается, с уменьшением одной из них другая растет. Коэффициент корреляции равняется нулю — значит, что между переменными отсутствует взаимосвязь. Критерий соответствия хи-квадрат (chi-square test for goodness for fit) — используется для проверки гипотезы о совпадении эмпирического и теоретического распределений дискретных случайных величин. Кумулятивный (накопленный) коэффициент заболеваемости — и часть здоровых лиц, у которой развивается заболевание в течение периода опыт; ня. Величина кумулятивной заболеваемости напрямую связана с длительностью периода наблюдения: чем дольше длится наблюдение, тем высший коэффициент кумулятивной заболеваемости. Медиана (median) — это точка, с обеих сторон которой располагается одинаковое количество элементов выборки. Цель-исследование (objective of a study) призванная решить данное исследование. Исследование может иметь основную и дополнительные цели. Нужно, однако, хотеть того, чтобы исследование имело только одну цель. Для всех дополнительных целей лучше провести отдельные исследования. Метод наименьших квадратов (method of least squares) — распространенный метод оценивания параметров; поиск оценки, которая минимизирует сумму квадратов разницы между модельными и наблюдательными значениями. Множественная регрессия (multiple regression) — это регрессионная модель, в соответствии с которой моделирующее значение переменной V выражается как функция одной или нескольких предсказуемых переменных (X). Чаще всего встречается множественная линейная регрессия (линейная регрессионная — модель из более чем одной переменной). Мода (mode) — точка, где плотность вероятности непрерывной случайной величины достигает максимума. Иногда используют для характеристики дискретных распределений вероятностей. Мониторинг (monitoring) — процесс контроля за ходом клинического испытания с целью гарантирования, что оно проводится в соответствии с протоколом, стандартными операционными процедурами, качественной клинической практикой и требованиями официальных инстанций. 121 Неконтролируемое клиническое исследование — исследование "до-после" -описывает ход заболевания в одной группе пациентов, которая поддается исследуемому вмешательству. Непараметрические критерии (non-parametric tests) — критерии оценивания достоверности полученных результатов, к которым принадлежат критерий знаков, критерий Вилкоксона, критерий Колмогорова-Смирнова, критерий соответствия хи-квадрат но др. Нулевая гипотеза (null hypothesis) — утверждение о распределении в целом или за одним или несколькими его параметрами, которое предусматривается поддать статистической проверке. Альтернативная гипотеза — противоположное утверждение. Обоснованное доказательство (best evidence) — основание для принятия решений в охране здоровья. Для оценивания эффективности влияния лучшим считается удачно спланировано и проведенное рандомизированное контролируемое испытание, но в некоторых случаях более уместными могут быть другие типы испытания. Объект (object) — то, которое допускает индивидуальное описание и рассмотрение. Объем выборки (sample size) — количество элементов в выборке. Одномоментное исследование — вариант описательного исследования, проведенного в определенный момент времени, с целью оценивания распространенности заболевания или результата, изучения хода заболевания, и тому подобное. Описательная эпидемиология (descriptive epidemiology) занимается изучением: а) частоты и распространенности заболеваний (их последствий) на определенной территории (страна, область, район, город, село) в определенное время (месяц, год, 5 лет и так далее) в разных группах населения (дифференцировано за статью, возрастом, национальностью, социально-экономическим состоянием, образованием, профессией и тому подобное); б) ходу заболеваний; в) эффективности диагностических критериев; г) распространенности потенциально опасных факторов. Параметр (parameter) — это величина обычно неизвестна и, следовательно, подлежит ОЦЕНКЕ, она представляет определенную характеристику генеральной совокупности. Параметр совокупности имеет фиксированное значение. Из выборки мы можем посчитать значение показателей для оценки параметра. Перекрестное исследование (crossover study) -- исследование, в котором каждый пациент получает по очереди сравниваемые препараты в случайной последовательности . Применяется у пациентов со стабильным ходом заболевания обычно хронического характера. Плацебо (placebo) — препарат (таблетки, капсулы, растворы), который содержит фармакологически неактивные компоненты. Его эффективность может объясняться лишь психологическим фактором, а не объективным эффектом. При сомнениях в безопасности компонентов они не должны включаться в состав плацебо. За внешним видом, по цвету, способом употребления плацебо-препарат не должен отличаться от исследуемого препарата. Отметка-анализ (meta-analysis) — методология объединения разнородных и выполненных разными авторами исследований, которые принадлежат к одной теме, для повышения достоверности оценок одноименных результатов. Ошибка 1 типу (type 1 error) — ошибка, которая происходит, когда правильная нулевая гипотезы отбрасывается 122 Ошибка 2 типу (type 2 error) — ошибка, которая происходит, когда неправильная нулевая гипотеза не отбрасывается. Сравнительное исследование (comparative study) — исследование, в котором новый препарат сравнивается с известным, из плацебо или с отсутствием лечения вообще. Распространенность (prevalence rate) — частота заболеваний в определенной группе, включая все случаи, независимо от времени их возникновения. Препарат сравнения (Comparator drug) — плацебо или активное вещество, эффективность и безопасность которого предварительно известные. Плацебо-контролированное исследования (Placebo-controlled trial) — активность нового препарата равняется плацебо в параллельных группах или перекрестном исследовании. Пригодность (validity) — соответствие теста своему назначению. Однозначный критерий пригодности отсутствующей, поскольку ее можно определить по-разному. Проспективное исследование (prospective study) — пациенты отбираются за критериями протокола, получают исследуемый препарат и наблюдаются для оценивания результатов лечения. Проспективными являются большинство клинических исследований. Протокол (protocol) — документ, который регламентирует испытание и включает обоснование, цель, статистический анализ, методологию, условия проведения и др. Ранг(rank) – номер наблюдения в вариационном ряду. Рандомизация (randomization) — случайное распределение пациентов в группы лечения в клиническом испытании с целью исключения необъективности и смещение результатов. Рандомизированное исследование (Randomized study) — пациенты распределяются по группам лечения на основе рандомизации и все должны одинаковую вероятность получать каждый из препаратов. Регрессионный анализ (Regression analysis) -- совокупность идей и методов, использованных при построении уравнений (как правило, линейных), которые связывают явления и факторы, которые на них влияют. Ретроспективное исследование (Retrospective study) — исследование, в котором исследователь изучает медицинскую документацию и подбирает за определенными критериями истории болезни или отчеты с целью изучения результатов лечения. Риск (risk) — вероятность задания убытков здоровью пациента или причинения ему дискомфорта. Разброс (spread) — обобщенное название характеристик изменчивости распределения. Типичными мерами разброса является дисперсия, стандартное отклонение, амплитуда. Секторная диаграмма (Pie chart) — это один из способов визуализации дискретных данных. Являет собой круг, разделенный на сегменты, каждый из которых отвечает определенной категории. Площадь каждого сегмента пропорциональна числу наблюдений в этой категории. Среднее отклонение (deviation) — мера разброса: среднее абсолютных величин отклонений от некоторого фиксированного значения, взятых за модулем. То же, что и стандартное отклонение. 123 Средняя арифметическая (Arithmetic mean) — сумма значений, разделенная на их количество или сумма произведений каждого значения на его частоту, разделена на сумму частот. Средняя размаха (амплитуда) (Mid-range) — среднее арифметическое между наибольшим и наименьшим значениями количественного показателя. Систематизированный обзор (Systematic review) — обобщение первичных данных по одной четко сформулированной проблеме стандартными воспроизведенными методами с применением отметкианализа. В медицине используется для оценивания, сравнения терапевтических и побочных эффектов лечения и принятия решений, об индивидуальном, субпопуляционном и популяционном методе выбор способа лечения. Систематическая ошибка оценивания (Bias of estimator) — разница между ожидаемым значением и настоящим значением параметра генеральной совокупности. Систематическая ошибка (сдвиг оценки) (bias) — систематическое перекручивание данных, которое приводит к сдвигу оценки определенных параметров на некоторую постоянную (в отличие от случайной ошибки) величину. Для борьбы с систематическими ошибками и получения достоверных данных используются организационные методы (например, рандомизация, маскировка вида терапии и тому подобное), а также внесения исправлений, которые учитывают величину сдвига. Скрининг (screening) — массовое обследование лиц, которые не считают себя больными, для выявления заболеваний со скрытым ходом или других состояний (факторов риска будущих заболеваний). Слепое исследование (Blind study) — одна или несколько сторон, которые принимают участие в эксперименте, не знают, как распределенные пациенты за группами лечения и контроля. При простом слепом исследовании (single blind) — распределение неизвестно пациентам, в двойном слепом (double blind) — исследователям и пациентам, в тройном (triple blind) — также и лицам, которые организуют исследование и анализируют его результаты, а в полном слепом — не осведомленные все, кто взаимодействует с пациентами, исследователем и данными; а коды пациентов готовят люди, несвязанные с исследованием. Специфичность (specificity) — отношение числа людей, которые не страдают на расстройство, к людям, в которых отсутствие расстройства установлено с помощью нового теста. Столбиковая диаграмма применяется для иллюстрации интенсивных показателей соотношения абсолютных величин. Стратификация — разделение участников клинического исследования на страты (категории): исчерпывающие (то есть данная страта включает всю популяцию), взаимоисключающие, исследуемыми параметрами, то есть в рамках каждой группы (страты) и исследования должны отвечать этим критериям. Фактор риска — особенность организма или внешнее влияние, которые приводят к увеличению риска возникновения заболевания или другому негативному результату. Чувствительность теста — вероятность позитивного результата диагностического теста при наличии заболевания. Чувствительность определяется как часть лиц с истинно позитивным результатом теста в популяции с исследуемым заболеванием.
