Яндекс.Метрика

Статистические методы анализа в медицине

Каждый слышит то, что понимает. Гете

Статистика посещаемости БИОМЕТРИКИ

16.05.2011 г. на сайт пришло 2561 человек, открывших 3205 страниц
14.11.2011 г. на сайт пришло 2106 человек, открывших 3250 страниц
14.12.2011 г. на сайт пришло 2640 человек, открывших 3452 страницы
17.01.2012 г. на сайт пришло 2439 человек, открывших 3097 страниц
03.03.2012 г. на сайт пришло 2219 человек, открывших 3019 страниц
30.05.2012 г. на сайт пришло 3512 человек, открывших 4706 страниц
06.03.2014 г. на сайт пришло 2556 человек, открывших 3179 страниц
08.02.2015 г. на сайт пришло 2341 человек, открывших 2682 страницы

Если приходят, значит полезное находят.

Пишите нам на адрес

Выбрав любое изображение, кликните по нему мышкой, и Вы прочитаете о том, как ...

Редактор БИОМЕТРИКИ
В. Леонов

Яндекс
цитирования
Яндекс цитирования
 
25 наиболее популярных ссылок, посещаемых нашими читателями
http://www.biometrica.tomsk.ru/Leonov_Erevan_2015.pdf
http://www.biometrica.tomsk.ru/erevan_8.html
http://www.biometrica.tomsk.ru/student.htm
http://www.biometrica.tomsk.ru/UNESCO%202010.pdf
http://www.biometrica.tomsk.ru/zakaz.htm
http://www.biometrica.tomsk.ru/zakaz_28.htm
http://www.biometrica.tomsk.ru/kk.htm
http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/stat_cardio1.htm
http://www.biometrica.tomsk.ru/error.htm
http://www.biometrica.tomsk.ru/STAT_CARDIO_2014.pdf
http://www.biometrica.tomsk.ru/logit_9.htm
http://www.biometrica.tomsk.ru/stat_cardio7.htm

http://www.biometrica.tomsk.ru/potencial.htm
http://www.biometrica.tomsk.ru/zakaz_19.htm
http://www.biometrica.tomsk.ru/lis.htm
http://www.biometrica.tomsk.ru/kamchat.htm
http://www.biometrica.tomsk.ru/biometrica_15.htm
http://www.biometrica.tomsk.ru/zakaz_15.htm
http://www.biometrica.tomsk.ru/ftp/dict/cult/gramm.htm
http://www.biometrica.tomsk.ru/biometrica_15.htm
http://www.biometrica.tomsk.ru/stat_cardio5.htm
http://www.biometrica.tomsk.ru/krasnojarsk.htm http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/logit_6.htm

Сравниваем средние, а также и ...

В. Леонов

Читай не затем, чтобы противоречить и опровергать;
не затем, чтобы принимать на веру;
и не затем, чтобы найти предмет для беседы;
но чтобы мыслить и рассуждать.
____________
Фрэнсис Бэкон

 

 

Как возникают нормальное и не нормальное распределение

Мы можем столько, сколько мы знаем.
____________
Фрэнсис Бэкон.

 

    Напомним, что нормальный закон распределения был одним из первых, установленных в теории вероятностей законов. История появления теории этого закона распределения весьма интересна. Если сделать в Яндексе поиск на фразу «нормальный закон распределения», то будет обнаружено 6 млн результатов и 4973 показа в месяц! (NB! С течением времени результаты запросов в Яндексе постоянно изменяются, увеличивая или уменьшая количество найденных ссылок и количество месячных показов. Так за полгода написания данной статьи, количество ссылок увеличивалось или уменьшалось на 1-2 млн., а число показов в течение одного месяца на 1-2 тысячи).

  Наконец, далее обсудим, почему же чаще всего анализируемые количественные признаки не подчиняются нормальному закону. Для чего рассмотрим основные причины возникновения, как нормального закона распределения, так и не нормальных законов. Причём те причины, которые содержат в себе весьма ценную и полезную для исследователей информацию. И затем обсудим другие, важные статистические гипотезы, которые весьма полезно и целесообразно проверять в проводимых исследованиях. Закончим же данную статью описаниями тех полезных и продуктивных методов статистического анализа, которые необходимо производить после фиксации как нормальных, так и не нормальных распределений.

    До описания нормального распределения вероятностей, хочется отметить тот факт, что в  странах с уровнем развития науки гораздо выше, чем  в России [28], изучение понятий  теории вероятностей и статистики, давно уже начинали в начальных классах школ. Так в 70-80 годы 20 века в Японии основы  теории вероятностей начинали изучать уже в 3-4 классах.
«До недавнего времени Россия оставалась одной из немногих стран с развитой системой образования, где вероятностно-статистические знания практически всегда оставались за пределами школьного обучения. С наступлением 21 века мы окончательно убедились в неотвратимости пришествия в среднюю школу стохастики, изучающей случайные явления. Идея введения в школьную математику элементов теории вероятностей и статистики, является привлекательной для наших педагогов. С другой стороны, большинство из них слабо представляют содержательно-методические основы обучения стохастики в школе, по этой причине многие с настороженностью и недоверием относятся к данному нововведению»  [56].

Достаточно подробно этот аспект описан в работе [68], в которой приведён полный список учебников, в т.ч. следующих популярных учебников:  
  1. Бунимович, Е.А. Вероятность и статистика: 5–9 кл.: пособие для общеобразовательных учебных заведений / Е.А. Бунимович, В.А. Булычев.– М.: Дрофа, 2002.– 160 с.
  2. Математика. Алгебра. Функции. Анализ данных. 9 класс: учеб. для общеобразоват. учеб. заведений / Г.В. Дорофеев, С.Б. Суворова, Е.А. Бунимович и др.; под ред. Г.В. Дорофеева.– М.: Дрофа, 2000.– 287 c.
  3. Мордкович, А.Г. События. Вероятности. Статистическая обработка данных: дополнительные параграфы к курсу алгебры 7-9 кл. общеобразоват. учреждений / А.Г. Мордкович, П.В. Семенов.– М.: Мнемозина, 2003.– 112 c.
  4. Ткачева, М.В. Элементы статистики и вероятность: учебное пособие для учащихся 7–9 классов общеобразовательных учреждений / М.В. Ткачева, Н.Е. Федорова.– М.: Просвещение, 2004.– 112 c.

   Необходимость более раннего изучения основ теории вероятностей и статистики понимают во многих развитых странах, в том числе и в США. Стивен Строгац, известный американский преподаватель прикладной математики в Корнелльском университете США  (один из ведущих технических вузов мира), в своей очень популярной книге «Удовольствие от » [76] пишет следующее. «С появлением интернета, электронной торговли, социальных сетей, проекта по расшифровке генома человека, а также в связи с развитием цифровой культуры, в целом мир стал захлёбываться в данных. … Каждый стремится объединить точки в график и обнаружить закономерность в беспорядочном скоплении данных. Неудивительно, что эти тенденции отражаются и в обучении. ‘Давайте обратимся к статистике’, — увещевает в своей колонке газеты New York Times Грег Мэнкью, экономист из Гарвардского университета. ‘В учебной программе по математике в средней школе слишком много времени уделяется традиционным темам, таким как евклидова геометрия и тригонометрия. Эти полезные для обычного человека умственные упражнения, однако, малоприменимы в повседневной жизни. Учащимся было бы гораздо полезнее больше узнать о теории вероятности и статистике’. Дэвид Брукс идёт ещё дальше. В своей статье, посвящённой дисциплинам, заслуживающим внимания для получения достойного образования, он пишет: ‘Возьмите статистику. Вот увидите, окажется, что знание того, что такое стандартное отклонение, вам очень пригодится в жизни’.

Вполне вероятно, а ещё неплохо разбираться в том, что такое распределение. Это первое, о чём я намерен поговорить. И хотел бы заострить на нём внимание, поскольку в этом заключается один из главных уроков статистики: вещи кажутся безнадёжно случайными и непредсказуемыми при рассмотрении их по отдельности, однако в совокупности в них обнаруживается закономерность и предсказуемость.

Возможно, вы видели демонстрацию этого принципа в каком-нибудь научном музее (если нет, видеоролики можно найти в интернете). Типичный экспонат представляет собой приспособление под названием доска Гальтона, которая чем-то напоминает автомат для игры в пинбол, только без флипперов. Внутри его с равными интервалами располагаются ровные ряды штырьков» [76]. На странице 182 данной книги Стивена Строгаца «Удовольствие от » , приведено следующее изображение упомянутой  доски Гальтона:


Рекомендуем сделать поиск этого издания в интернете, и скачать, например, с адреса http://successlib.ru/udovolstvie-ot-x/ 

 

 

Итак, доска Гальтона… Об её популярности говорит результат запроса «доска Гальтона» в Яндексе: 41 тысяча ответов!

 

Напомню, что результаты запросов постоянно изменяются. И если 19 ноября 2016 г. на этот запрос Яндекс выдавал результат на 41 тысячу ответов, то 12 декабря результат был совершенно иной: 17 млн результатов! Что говорит о повышении интереса к этому понятию, и росту частоты аналогичных запросов.

Вот описание этого устройства в Википедии. «Доска Гальтона (англ. Galtonbox, также распространены названия квинкункс, quincunx и beanmachine) — устройство, изобретённое английским учёным Фрэнсисом Гальтоном (первый экземпляр изготовлен в 1873 году, затем устройство было описано Гальтоном в книге Naturalinheritance, изданной в 1889 году) и предназначающееся для демонстрации центральной предельной теоремы)». Далее приводится весьма ясное и понятное описание функции биномиального распределения вероятности, и его связи с нормальным распределением. Одна из ссылок Яндекса указывает на коллекцию картинок с доской Гальтона. Рекомендуем посмотреть их, чтобы сформировать у себя ясное понимание сути этого уникального устройства – доски Гальтона.  Если же сделать в Яндексе поиск на выражение «доска Гальтона своими руками», то получим ответ, что нашлось 141 тысяча результатов!

Первый адрес в этом списке на работу [73], представленную на Научно-практическую конференцию «Прикладные и фундаментальные вопросы математики» (Пермь, 2015 г.). Ниже приведён фрагмент экрана с данным результатом этого поиска:

Настоятельно рекомендую прочитать эту несложную для понимания статью, в которой достаточно ясно и понятно описывается причина возникновения нормального распределения. Также рекомендую читателям обратить внимание и на то, кто является автором этой весьма интересной и полезной статьи.

Второй адрес в этом списке на видео [57]. Ниже приведён фрагмент экрана с данным результатом этого поиска:

Рекомендуем также просмотреть ещё как минимум 10 наиболее популярных ссылок в данном поиске. А также ссылки на биномиальное распределение  и треугольник Паскаля. Отметим, что формула биномиального распределения весьма простая, а в статье Википедии "Треугольник Паскаля. Материал из Википедии — свободной энциклопедии" приводятся коэффициенты биномиального распределения. Поиск на запрос «биномиальное  распределение  видео» даёт результат в 138 тысяч ссылок! Посмотрите самые популярные эти видео, в которых очень доступно и понятно объясняют природу этого распределения.

    Познакомившись с описаниями биномиального распределения, станет понятно, каким же образом возникает нормальное распределение вероятности значений у изучаемых количественных признаков. В частности, во всех подобных описаниях, указывается на взаимосвязь биномиального и нормального распределения. Так, в статье [10] написано следующее: «Если большое, то в силу центральной предельной теоремы Bin (n,p) ≈ N(np,npq), где Bin (n,p) – биномиальное распределение с параметрами  n и p;  N(np, npq) — нормальное распределение с математическим ожиданием np и дисперсией npq». (Здесь: n – число независимых случайных экспериментов, p – вероятность результата, и  q=1 – p). То есть при увеличении параметра n биномиальное распределение устремляется к нормальному  распределению.

    В видео [57]  в качестве примера такого перехода биномиального распределения в нормальное, приводится пример с доской Гальтона. И там говорится, что уже при  n  равном 10, это биномиальное распределение уже весьма близко к нормальному. Теперь вновь обратимся к статье [73]. В статье всего 12 страниц, на которых приведена одна формула функции плотности нормального распределения вероятности, одна формула синуса в треугольнике, и 18  рисунков. На этих рисунках представлены доски Гальтона, и 6 гистограмм распределения зёрен в этих досках, одна из которых приведена ниже.

 

На горизонтальной оси таких гистограмм представлены значения признака, а по вертикальной оси – частоты наблюдений. Как видим, представленная выше гистограмма отражает симметричное, близкое к нормальному, распределение. «Нормальное  распределение, также называемое распределением Гаусса — распределение вероятностей, которое в одномерном случае задаётся функцией плотности вероятности, совпадающей с функцией Гаусса:

        (1)

где параметр µ — математическое ожидание (среднее значение), …  а параметр  σ — среднеквадратическое отклонение ( σ² — дисперсия) распределения».

Таким образом, одномерное нормальное распределение является двухпараметрическим семейством распределений.

    Сделав в Яндексе запрос на выражение «нормальное распределение», получим 5 млн результатов, при 20 тыс. показов в месяц. Что говорит о весьма большой популярности этой темы. Подробное описание нормального распределения дано в Википедии. Огромное количество графических изображений данного распределения, также можно просмотреть в результате поиска в Яндексе.

Рассмотрим особенности приведённого выше выражения  (1)  функции плотности нормального распределения. Это выражение состоит из двух сомножителей. Значение первого сомножителя, равного 

, зависит от величины среднеквадратического отклонения сигма (σ). Чем меньше его значение, тем больше величина этой дроби. И наоборот. То есть при малых значениях σ кривая функции распределения f(x) будет иметь большую высоту, и малый интервал рассеяния (разброса). А при больших значениях σ– малую высоту, и большой интервал рассеяния (разброса). Поскольку этот интервал рассеяния (разброса) значений признака, по своей длине фактически равен ±3σ. То есть расстояние от минимального значения до максимального, фактически равно 6σ. Обратим внимание также на особенность второго сомножителя . Поскольку в числителе показателя степени экспоненты находится квадрат разности, то это порождает симметричность функции нормального распределения. То есть данное выражение будет иметь одно и тоже значение, когда значение переменной Х будет меньше, или больше математического ожидания µ, на одну и ту же величину. Например, если µ = 5, а Х= 3, то значение (Х – µ)² будет равно (3–5)*(3–5)=(-2)*(-2)=+4. Точно также, если  Х= 7, то значение (Х– µ)² будет равно (7–5)*(7–5) =(+2)*(+2)=+4.

    Итак, имеется 3 особенности нормального распределения. Во-первых, наличие двух параметров распределения – среднего и среднеквадратичного (стандартного) отклонения. Во-вторых, экспоненциальная функция плотности вероятностей значений числового признака, с квадратичными числителем и знаменателем, симметрична относительно среднего значения. В-третьих, высота кривой данной функции, и интервал наиболее вероятных числовых значений, зависят от величины параметра σ.

    Ниже приведём два  наиболее показательных графика с функциями плотности нормального распределения. На первом графике отчётливо видно изменение расположения кривой функции плотности и её максимума, в зависимости от значений двух параметров µ и σ.  

А на следующем графике отражена весьма важная особенность функции плотности нормального распределения, называемая правилом 3 сигм, т.е. правилом 3 стандартных (среднеквадратичных) отклонений.

Данную особенность несложно получить, используя формулу функции плотности (1), и производя по ней вычисления со значениями Х равными σ, 2σ, и 3σ. Из данного результата следует, что в случае нормального распределения значений численного признака, вероятность нахождения его значения в интервале ± σ от центрального параметра µ, равна 68,25%. Аналогичная вероятность для интервала ± 2σ от центрального параметра µ, равна 95,44%. А для интервала ± 3σ – вероятность равна 99,72%.  В следующих 5 гистограммах, упомянутой статьи [73] показано, как происходит переход от нормального распределения к сугубо не нормальному. Ниже представлена одна из этих гистограмм, отражающая такое явно не нормальное, несимметричное (асимметричное) распределение. 

      Причём вначале наблюдается переход к бимодальному (с двумя модами; мода – значение с максимальной частотой),  а затем к асимметричному распределению. При этом данная динамика преобразования вида распределения ясно и доступно объясняется возникновением зависимости от специально созданного в доске Гальтона приспособления. Именно этот нюанс очень важен! Наличие у количественных признаков не нормальных распределений, по сути, является информацией о том, что данный количественный признак имеет достаточно сильные зависимости от других исследуемых признаков.

   Структуры этих связей таковы, что эти зависимости влияют на частоты наблюдений в разных областях значений исследуемой количественной переменной. Так, например, в приведённом выше графике увеличиваются частоты в правой стороне горизонтальной оси. И одновременно снижаются частоты наблюдений в левой стороне горизонтальной оси. Такая асимметрия есть лишь один из признаков отличия от нормального распределения.Другой признак не нормального распределения относится к симметричности распределения, но у которого имеется существенное отличие формы вершины этого распределения. В частности, на графике, или на гистограмме, вершина распределения с максимальными вероятностями или частотами, может быть очень острой и очень высокой, либо напротив, очень плоской и невысокой.

  Ниже приводится  гистограмма с плоской вершиной, которая контрастирует с красной кривой функции плотности распределения вероятности красного цвета, отвечающей нормальному закону распределения. Непосредственно под графиком, в двух первых строках, приведены результаты проверки нормальности с помощью критериев Колмогорова-Смирнова (K-S) и Шапиро-Уилка (SW), и основные дескриптивные (описательные) параметры. Данный признак SP был в  массиве данных исследователя G.L. (Германия), который мы анализировали в 2001 году.

Признак SP: K-S: D = 0,0725; p < 0,0100; Lilliefors - p < 0,01; SW-W = 0,9806; p = 0,00000
N = 708; Mean = 105,2302; StdDv = 12,3385; Max = 133; Min = 76;  

Как видим, проверка гипотезы нормального распределения значений признака SP  даёт значение критерия Колмогорова-Смирнова (K-S)  D = 0,0725; p < 0,0100, в том числе с поправкой Лиллиефорса (Lilliefors), даёт уровни статистической значимости менее 1%. Т.е. гипотеза нормального распределения отклоняется. И критерий Шапиро-Уилка (SW), значение которого W = 0,9806 , также отклоняет гипотезу нормального закона для распределения значений признака SP.

   В статье [38] мы приводим второй пример симметричного, но не нормального распределения. Ниже на рисунке приведены гистограммы распределения двух  групп. В группе 1 распределение нормальное. А данные группы 2 получены из данных первой группы, путём вычитания и прибавления одного и того же числа к каждой половине отсортированных наблюдений. В результате во второй группы среднее значение и дисперсия равны этим же параметрам из первой группы, также симметрично распределение,  но оно не является нормальным, а имеет две моды (слева и справа).

Далее мы объясним, что основными причинами генерации подобных не нормальных распределений, являются различные виды зависимостей между конкретным количественным признаком, и набором других качественных и количественных признаков.

Поэтому констатация не нормального распределения, по сути, есть надёжное сообщение о том, что данный количественный признак имеет существенные взаимосвязи, зависимости с некоторыми иными признаками.

Следовательно необходимо составить набор потенциально взаимосвязанных признаков, и произвести анализ этих возможных взаимосвязей. При этом, вполне естественно, что некоторые связи будут установлены как статистически значимые, а другие – не значимыми. Проверку гипотезы нормальности одновременно в нескольких группах, очень удобно иллюстрировать двумя видами графических изображений. В частности, кроме гистограммы также представлять стандартный график Normal Probability  Plot,  который реализуется практически во всех статистических пакетах. Теория построения так называемой обратной нормальной кумулятивной функции распределения, подробно описана в разделе Help всех статистических пакетах, в которых строятся эти графики. Эти графики отражают специфику распределения в сравниваемых группах. Ниже представлены 4 графика двух количественных признаков, полученных для двух сравниваемых групп массива данных K.N.H.

Как видим, специфика распределения числовых значений признака в сравниваемых группах, отражаемая на групповых гистограммах, также наглядно отражается и на графиках Normal Probability  Plot. Используя эти графики, можно оценить, какие конкретные значения анализируемого количественного признака существенно отклоняются от сравниваемого нормального распределения. Что, соответственно, отражает специфику обнаруженной взаимозависимости.


Далее:

А сколько этих взаимозависимостей?

Центр БИОСТАТИСТИКА выполняет работы по статистическому анализу экспериментальных данных уже более 30 лет. В его составе исследователи России, США, Израиля, Англии, Канады и других стран. Услугами Центра пользуются аспиранты и докторанты в области медицины, биологии, социологии, психологии и т.д. (См. далее )

Отзывы заказчиков по статистическому анализу данных

23 примера оформления данных, их описания и описания целей исследования.

«Роющая деятельность кабана». Статья в "Независимой" газете...

Проценты - статистический анализ? Или проценты - арифметический анализ? В. Леонов.

Примеры отличных диссертаций и статей по медицине и биологии, с нашими результатами статистического анализа

В.В. Половинкин
ТОТАЛЬНАЯ МЕЗОРЕКТУМЭКТОМИЯ — ФАКТОР ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЛЕЧЕНИЯ СРЕДНЕАМПУЛЯРНОГО И НИЖНЕАМПУЛЯРНОГО РАКА ПРЯМОЙ КИШКИ.

Н.Г. Веселовская 
КЛИНИЧЕСКОЕ И ПРОГНОСТИЧЕСКОЕ ЗНАЧЕНИЕ ЭПИКАРДИАЛЬНОГО ОЖИРЕНИЯ У ПАЦИЕНТОВ ВЫСОКОГО СЕРДЕЧНО-СОСУДИСТОГО РИСКА.

О.Я. Васильцева
ЗАКОНОМЕРНОСТИ ВОЗНИКНОВЕНИЯ, КЛИНИЧЕСКОГО ТЕЧЕНИЯ И ИСХОДОВ ТРОМБОЭМБОЛИИ ЛЕГОЧНОЙ АРТЕРИИ ПО ДАННЫМ ГОСПИТАЛЬНОГО РЕГИСТРА ПАТОЛОГИИ.

В.А. Габышев 
ФИТОПЛАНКТОН КРУПНЫХ РЕК ЯКУТИИ И СОПРЕДЕЛЬНЫХ ТЕРРИТОРИЙ ВОСТОЧНОЙ СИБИРИ.

М.И. Антоненко
  ГИПЕРКОРТИЦИЗМ БЕЗ СПЕЦИФИЧЕСКИХ КЛИНИЧЕСКИХ СИМПТОМОВ: ЭПИДЕМИОЛОГИЯ, КЛИНИКА, ДИАГНОСТИКА.

Н.Г. Веселовская
"ПРОГНОЗИРОВАНИЕ РИСКА РЕСТЕНОЗА КОРОНАРНЫХ АРТЕРИЙ ПОСЛЕ ИХ СТЕНТИРОВАНИЯ У ПАЦИЕНТОВ С ОЖИРЕНИЕМ"

М.А. Будникова АНАЛИЗ ДИНАМИКИ ЧАСТОТЫ И СПЕКТРА АНОМАЛИЙ МИТОЗА, МЕЙОЗА И ЭЛЕМЕНТОВ ПРОДУКТИВНОСТИ Allium cepa L., ВЗЯТОГО ИЗ АГРОПОПУЛЯЦИЙ С РАЗНОЙ АНТРОПОГЕННОЙ НАГРУЗКОЙ ( Дипломная работа )

И.А. Бирюкова Научно - практическая работа " ФАРМАКОЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯ РОЗНИЧНОГО РЫНКА ГОРОДА ОМСКА"

Н.П. Гарганеева КЛИНИКО-ПАТОГЕНЕТИЧЕСКИЕ ЗАКОНОМЕРНОСТИ ФОРМИРОВАНИЯ ПСИХОСОМАТИЧЕСКИХ СООТНОШЕНИЙ ПРИ ЗАБОЛЕВАНИЯХ ВНУТРЕННИХ ОРГАНОВ И ПОГРАНИЧНЫХ ПСИХИЧЕСКИХ РАССТРОЙСТВАХ  (автореферат диссертации на соискание учёной степени доктора медицинских наук)

Г.А. Попова СРАВНИТЕЛЬНОЕ ИЗУЧЕНИЕ ПОДВИДОВ LINUM USITATISSIMUM L . В УСЛОВИЯХ ЗАПАДНОЙ СИБИРИ. (диссертация на соискание учёной степени кандидата биологических наук).

А.Г. Сыркина Ретроспективный анализ эффективности и безопасности тромболитической терапии острого инфаркта миокарда у больных пожилого и старческого возраста (диссертация на соискание учёной степени кандидата медицинских наук).

А.Н. Рудаков Дифференцированный подход к проведению профилактики язв желудка и двенадцатиперстной кишки у больных ишемической болезнью сердца, принимающих аспирин (автореферат диссертации на соискание учёной степени кандидата медицинских наук) 

Г.Б. Кривулина Влияние велотренировок различной продолжительности на дисфункцию эндотелия и факторы риска атеросклероза у молодых мужчин (автореферат диссертации на соискание учёной степени кандидата медицинских наук) 

Л.В. Сутурина Гипоталамический синдром: основные звенья патогенеза, диагностика, патогенетическая терапия и прогноз (автореферат диссертации на соискание учёной степени доктора медицинских наук)


В. Леонов. Цели, возможности, и проблемы использования биостатистики в доказательной медицине. Доклад на Конференции по доказательной медицине в Ереване «От доказательной медицины к доказательному здравоохранению» (24 - 26 сентября 2015 года).

Фоторепортаж с Конференции по доказательной медицине в Ереване.

Фоторепортаж с семинара по биометрике в Ереване, прошедшего после конференции по доказательной медицине (24 - 26 сентября 2015 года).

Отзывы слушателей семинара по биометрике в Ереване в сентябре 2015 г.


Новые полезные книги...

(Заказать книгу можно через издательство)

Ланг Т., Сесик М. Как описывать статистику в медицине. Руководство для авторов, редакторов и рецензентов. Пер. с англ. В.П. Леонова. 2016 - 480 с. Актуальность этого издания весьма велика. По-прежнему в биомедицинских статьях и диссертациях публикуется масса статистических нелепостей, как образцы "статистического самоудовлетворения" и "статистического макияжа". Например, в двух диссертациях, выполненных в 2014 и 2015 гг. в Алтайском медуниверситете по разным специальностям, но при этом в полностью идентичных описаниях, состоящих из 94 слов, написано следующее. «Полученные данные были статистически обработаны с использованием программ Microsoft Offis Exel 2007. Достоверность различий между средними величинами определяли с помощью критерия значимости Стьюдента (t). Нормальность распределений в группах оценивали по критерию Шапиро-Уилка». Далее сообщается об использовании критерия Манна-Уитни, и т.д. Очевидно, что под Offis Exel авторы подразумевали Office Excel. Сложнее было бы об этом догадаться, если бы авторы написали Offis Exul. Вывод: оба диссертанта, как и члены двух диссертационных советов, не знают многого, в том числе описанного в этой книге. Например, не знают того, что в пакете Office Excel нет критериев Шапиро-Уилка и Манна-Уитни. Данная книга обучит правильно и хорошо описывать и понимать результаты статистического анализа. Поэтому исследователи станут более качественно выполнять статистический анализ, получая правильную технологию лечения пациентов. Что в результате будет снижать смертность населения, а также себестоимость лечебных процедур.

  Приложение к русскому изданию книги «Как описывать статистику в медицине. Руководство для авторов, редакторов и рецензентов».
Авторы: Т. А. Ланг, М. Сесик. Перевод с англ. под ред. Леонова В.П. Изд-во:
Практическая Медицина, 2016.
  В приложении приведён список 209 полезных изданий по использованию статистики в биомедицине.

Петри А., Сэбин К. Наглядная медицинская статистика. Учебное пособие. 3-е издание. Пер. с англ. В.П. Леонова. 2015. - 216 с. Предыдущие издания оригинала этой книги были опубликованы в 2000, 2005 и 2009 гг. Третье издание книги, как и два предыдущих, имеет целью донести до читателя основные понятия и принципы медицинской статистики, которые достаточно широко используются зарубежными медиками и биологами. Книга содержит необходимую теоретическую часть, а также в доступной форме даёт практическое описание того, как могут применяться статистические методы в реальных клинических исследованиях. Низкий уровень использования статистики в отечественной медицинской науке является одной из основных причин, по которым уже 111 лет Нобелевские премии по медицине не присуждаются россиянам. Ценность этой книги для медицинской науки определяется и проводимой в России реформой отечественной науки, в том числе реформой ВАК и системы научной аттестации. Учебное пособие предназначено для студентов, аспирантов и докторантов медицинских вузов, биологических факультетов университетов, врачей, исследователей-клиницистов и всех, кто является сторонником доказательной медицины.

Банержи А. Медицинская статистика понятным языком: вводный курс. Издательство "Практическая медицина", 2014. - 287 с. Пер. с англ. В.П. Леонова.
Издание представляет собой вводный курс по принципам статистики. Представлены базовые понятия и принципы статистических исследований применительно к медицине. В отличие от большинства подобных изданий, указанные темы изложены кратко и доступно. Для чтения книги не требуется знание сложных разделов высшей математики, вполне достаточно тех, что даются в школе. Внедрение в практику принципов доказательной медицины диктует необходимость понимания статистики. После знакомства с книгой читатель сможет критически оценивать многочисленные публикации, содержащие статистическую терминологию и результаты описанных исследований. Полученные знания помогут избежать ошибок в планировании биомедицинских исследований, а также в изложении их результатов. Большим преимуществом книги служат глоссарий и подробный предметный указатель.
Для студентов, аспирантов, научных работников, а также врачей всех специальностей.

Т. Гринхальх. Основы доказательной медицины. Издательство "ГЭОТАР-Медиа", 2015. - 336 с. 4-е издание переработанное и дополненное. Пер. с англ. Под ред. И.Н. Денисова, К.И. Сайткулова, В.П. Леонова.
Данная книга является наиболее популярным в мире руководством по доказательной медицине, ставшее известным и в России. Руководство предназначено для студентов и врачей. За 18 лет с момента первого издания в 1996 г., эта книга переведена на восемь языков (испанский, итальянский, китайский, немецкий, русский, французский, чешский, японский) и напечатана огромными тиражами. Руководство завоевало признание практикующих врачей, преподавателей и студентов во многих странах; по нему преподается медицина, основанная на доказательствах, в медицинских школах всего мира. В книге 17 глав, среди которых есть и глава "Статистика для неспециалиста". Эта главу мы дополнили большим списком русскоязычной литературы как по самой статистике, так и по биостатистике. А начинается книга с определения понятия "доказательная медицина". Итак, что же такое "доказательная медицина"? Что, чем, и зачем "доказывают"? Читайте эту книгу!


Логистическая регрессия в медицине и биологии. Леонов В.

В серии из 9 статей рассмотрены основы метода логистической регрессии. Приведены многочисленные уравнения логистической регрессии и ROC-кривых, полученные при анализе реальных данных.

1. Логистическая регрессия. Основные понятия и возможности метода.
2. Логистическая регрессия. Анализ массивов большой размерности.
3. Логистическая регрессия. Примеры анализа реальных данных.
4. Логистическая регрессия и ROC-анализ.
5.Особенности логистической регрессии в акушерстве.
6.Особенности логистической регрессии в психиатрии, психологии и социологии.
7. Пример использования логистической регрессии для расчёта прогноза исхода оперативного лечения.
8. Логистическая регрессия  - "вершина пирамиды". А в "фундаменте" - что?
9. Как повысить качество логистической регрессии


1997 - 2017.© Василий Леонов. E-mail:

Доказательная или сомнительная? Медицинская наука Кузбасса: статистические аспекты.

Отклики читателей статьи "Доказательная или сомнительная?"

Возврат на главную страницу.

Возврат в КУНСТКАМЕРУ

Т. Кун "Структура научных революций"