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

 

 

А сколько этих взаимозависимостей?

 

В современной медицине всё более
широкое применение стали получать
математические, количественные исследования.
_______________
Хрусталёв Ю.М

 

 Количество таких видов парных зависимостей, приведено в виде формул в статье [51].  «Отметим, что в подобных исследованиях часть признаков являются количественными, например, рост и вес пациента, артериальные давления, результаты анализа крови, и т.п. А другие признаки являются дискретными, качественными. Например, пол пациента, группа крови, состояние здоровья (больной/здоровый), исход лечения, и т.п. Введём условные обозначения количественных признаков как  KOj , а качественных признаков как KAi . Пусть в исследовании используются следующие количественные признаки:  KO1 ,  KO2 , KO3 , ...,  KOj , ..., KOf ,...,  KOm. А список качественных признаков следующий:  KA1 ,  KA2 , KA3 , ...,  KAi , ..., KAk ,...,  KAn. В этом случае число парных связей между качественными  n признаками равно:

А число парных связей между m количественными признаками равно:

Наконец число парных связей между качественными признаками KAi и количественными признаками KOj равно произведению n*m.

Общее количество парных связей OS равно:

Вот как можно представить графически этих 3 слагаемых, содержащих количество парных зависимостей между n количественными признаками, между m качественными признаками, и между n качественными и m количественными признаками:

  

На этом графике цветом выделены те клетки, в которых пересекаются строки и столбцы с разными, неидентичными признаками. Например, пары типа KOj ~ KOfKAi ~ KAk ;   KAi ~  KOf . Также не выделены цветом те клетки, в которых пересекаются строки и столбцы с идентичными признаками, типа KOj ~ KOj ; KAi ~ KAi . Также не выделены цветом те клетки, в которых размещены дубли комбинаций качественных и количественных признаков типа KAi ~  KOf   ».

    Для демонстрации продуктивности анализа упомянутых выше парных связей признаков, приведём несколько примеров, полученных при выполнении нами анализа данных, собранных несколькими исследователями. Упомянутый выше массив данных исследователя G.L. (Германия), содержал 32 количественных признака, и 24 качественных признаков, представленных в 708 наблюдениях.

    Используя приведённые выше формулы, получаем, что количество парных взаимосвязей между количественными признаками равно 32*(32-1)/2=16*31=496. Число парных взаимосвязей между качественными признаками равно 24*(24-1)/2=12*23=276. А количество парных связей между одним количественным и одним качественным признаком (или между одним качественным и одним количественным признаком), равно 32*24=768. Таким образом, общее количество парных взаимосвязей подлежащих исследованию, равно: 496+276+768=1540. Это же самое количество парных взаимозависимостей можно было получить, произведя следующее вычисление: (32+24)*(32+24-1)/2= 56*55/2=28*55=1540.

    Естественно, что при оценке такого количества парных взаимосвязей возникает вопрос:  а следует ли оценивать, проверять наличие всех этих зависимостей? Ответ зависит как от основных целей и задач исследования, так и от самого количества подобных парных связей. Другим аргументом, при выборе этого решения, является уровень производительности используемой технологии статистического анализа. Поэтому при выполнении простейшей, элементарной  цели исследования, ограниченной очень малым количеством задач исследования, можно ограничиться и малым количеством исследуемых взаимосвязей, для которых достаточно лишь подтвердить или опровергнуть наличие неких зависимостей. Чаще всего в подобных исследованиях ограничиваются лишь сравнением групповых средних. Естественно, что в этом случае невозможно получение неких новых результатов, позволяющих сгенерировать новые структуры изучаемых явлений, и сформулировать некоторые новые гипотезы и интерпретации о механизмах исследуемых явлений.

    В тоже время, если данный анализ выполняется профессиональным статистиком, использующим технологии написания программ статистического анализа различными языками программирования, то очевидно, что в этом случае следует выполнять максимальные объёмы подобных анализов. И при изучении полученных при этом большого количества результатов самим исследователем, медиком или биологом, и т.д., с помощью профессионального биостатистика, им будут обнаружены весьма оригинальные и ранее неизвестные механизмы и модели исследуемых явлений. Тем более что уровень профессионального статистика позволяет при этом применять гораздо более сложные и более продуктивные методы анализа, о которых исследователь либо только слышал об их наличии, либо вообще познакомится с ними впервые.

Отношение к этой особенности проводимых исследований, по своей сути, показывает отношение самого исследователя к принципам доказательной медицины. Ограничение лишь 1-2 статистическими гипотезами, или зависимостями,  свидетельствует отрицание им важности всех остальных потенциально значимых зависимостей, как раз и являющихся проекциями методов доказательной медицины. Однако подобные ограничения до 1-2 проверяемых гипотез, чаще всего, авторы никак не аргументируют.

Итак, аргументация оценки большинства этих зависимостей следующая.  Во-первых, опыт анализа собираемых данных показывает, что далеко не все взаимосвязи, формулируемые на основе отдельных экспериментов или наблюдений, в действительности оказываются статистически значимыми. То есть часть зависимостей будет статистически значимой, а остальные – статистически незначимыми. Соотношения значимых и не значимых зависимостей, в исследованиях различаются. Однако чаще всего доля статистически значимых зависимостей менее 50%. Поэтому, если подобные статистически значимые зависимости встречаются реже, то для их нахождения требуется производить больше проверок. Однако при этом не менее важно и определение отсутствия взаимной зависимости между конкретными признаками, предполагаемые как причины и следствия. Поскольку в этом случае появляется возможность целенаправленного изменения одного из этих признаков, без его влияния на второй признак. Либо одновременного изменения обоих признаков в нужных направлениях. То есть подобная "автономность" такой пары признаков, позволяет производить независимые друг от друга изменения в нужных направлениях.

    Для статистически значимых взаимосвязей весьма важен показатель интенсивности этих зависимостей. Используя эти показатели, данные взаимосвязи могут быть упорядочены, проранжированы. Очевидно, что в первую очередь следует производить интерпретацию самых сильных, самых интенсивных взаимосвязей. А также устанавливать природу этих зависимостей, выделяя в этих парах признаков причинные характеристики, и признаки, которые по своей сути являются следствиями вариабельности причинных характеристик. Либо устанавливать тот факт, что оба признака являются следствиями неких иных признаков. И в этом случае переход к иным, третьим признакам, порождает из набора парных взаимозависимостей многомерную зависимость из 3-х и более признаков. В нашем докладе [50], мы приводим в качестве примера изображение большого набора потенциальных взаимосвязей (парных и многомерных). Этот пример приведён ниже на графике:

     Однако проверка статистической значимости всех, как парных, так и многомерных зависимостей, в итоге устанавливает гораздо меньшее количество зависимостей, которые  следует интерпретировать, чтобы далее использовать их в генерируемых лечебных технологиях. Ниже на графике показан пример такого существенного ограничения количества надёжных и полезных зависимостей. В частности, из десятков возможных многомерных зависимостей, представленных на графике выше, были установлены лишь 3 статистически значимые многомерные зависимости. При этом две из них отражали статистически значимую взаимосвязь состояния «Больной» с другими признаками. И только одна зависимость отражала статистически значимую зависимость состояния «Здоровый» с остальными признаками.

     Очевидно, что статистически значимые зависимости могут быть использованы для формирования модели изучаемых явлений. А такая модель явления необходима для управления ею, чтобы получить в итоге желаемые результаты. При этом данные зависимости можно проранжировать, упорядочить по уменьшению интенсивности этих связей. То есть выбрать из них самые сильные зависимости, затем более слабые, и т.д. И такой выбор весьма  важен для построения механизмов более эффективной коррекции важнейших показателей состояния здоровья пациентов. 

Напомним, что генерирование, создание проектов моделей различных исследуемых явлений, имеет 2 различных подхода. Во-первых, на основе экспериментальной информации, в том числе по собранным данным об исследуемых пациентах, формулируют новые предположения, гипотезы об имеющихся системах заболеваний, лечении, организмах, и т.п. Но при этом, не используя статистического анализа, а используя лишь ранее известные модели, механизмы, и расширяя их собственными представлениями на основе собранных результатов.

Следующий подход создания моделей, структур новых исследуемых явлений, состоит в установлении причинно-следственных взаимосвязей, включая их направленности, с помощью различных методов статистического анализа собранных данных. То есть в попытках установить, какой из признаков является причиной, а какой – следствием. Либо оба признака являются следствиями иных причинных признаков. Наконец, для этих статистически значимых взаимосвязей важно установить, какие признаки является изменяемыми теми или иными методами в проводимом исследовании. А какие признаки не могут быть изменяемыми. Например, признаки анамнеза, пол пациента, возраст, и т.п.


Далее:

Сравниваем средние, дисперсии,  и т.д.

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"

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).


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.


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"