Яндекс.Метрика Статистика 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.
.  
Наш 
адрес:  
Выбрав любое изображение, кликните по нему мышкой, и Вы узнаете о статистике ...

Редактор БИОМЕТРИКИ
В. Леонов
  • 385
data-counter data-url="http://www.biometrica.tomsk.ru/">
Популярные страницы посещаемые читателями

http://www.biometrica.tomsk.ru/index.htm
http://www.biometrica.tomsk.ru/biostat_1.htm
http://www.biometrica.tomsk.ru/biostat_2.htm
http://www.biometrica.tomsk.ru/biostat_3.htm
http://www.biometrica.tomsk.ru/biostat_4.htm

http://www.biometrica.tomsk.ru/biostat_5.htm
http://www.biometrica.tomsk.ru/biostat_6.htm

http://www.biometrica.tomsk.ru/biostat_7.htm
http://www.biometrica.tomsk.ru/biostat_8.htm
http://www.biometrica.tomsk.ru/biostat_9.htm
http://www.biometrica.tomsk.ru/biostat_10.htm

http://www.biometrica.tomsk.ru/biostat_11.htm
http://www.biometrica.tomsk.ru/nauka_33.htm

http://www.biometrica.tomsk.ru/potencial.htm
http://www.biometrica.tomsk.ru/nauka_19.htm
http://www.biometrica.tomsk.ru/logit_0.htm
http://www.biometrica.tomsk.ru/stat_cardio_1998.htm
http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/student.htm
http://www.biometrica.tomsk.ru/stat_cardio1.htm
http://www.biometrica.tomsk.ru/error.htm
http://www.biometrica.tomsk.ru/leonov_vak.htm
http://www.biometrica.tomsk.ru/erevan_4.html
http://www.biometrica.tomsk.ru/student.htm
http://www.biometrica.tomsk.ru/stat_cardio1.htm
http://www.biometrica.tomsk.ru/biometrica_18.htm

 Полезно: ... стоимость заявок по статистическому анализу баз данных
сокращена с июня месяца на 50%
...

 

Вычисление критерия Хи-квадрат для таблиц сопряжённости 2х2
(без поправки Иэйтса)
 

    Приводимые после этой таблицы рекомендации основаны на 40-летнем опыте автора этой статьи по статистическому анализу баз данных исследователей по медицине, фармакологии, биологии, психологии, социологии, техники, и т.д. При этом в последние 10 лет ежегодно  производится статистический анализ примерно по 100 базам данных. Часть этих исследователей выкладывают на этом сайте свои отзывы о сотрудничестве с нашим НЦ БИОСТАТИСТИКА.


      Итак, используя приведённую ниже таблицу вы можете провести анализ таблиц сопряжённости двух качественных признаков 2х2, вычисляя статистику Хи-квадрат для этих таблиц, и сравнить её значение с приведёнными ниже квантилями этой статистики для уровней значимости р=0,05, р=0,025, р=0,01 и р=0,005. Данный анализ позволит Вам ответить на вопрос: Можно ли утверждать, исходя из данных Вашей выборки, что два исследуемых дискретных, качественных признака независимы друг от друга в генеральной совокупности? Иными словами, что между этими признаками отсутствует взаимосвязь.

   Если эта гипотеза будет отвергнута, то с большой вероятностью можно утверждать, что такая зависимость существует. Для иллюстрации этого анализа используем пример из монографии "Обучение медицинской статистике. Двадцать лекций и семинаров" под редакцией С.К. Лванга и Чжо-Ек Тыэ. Издание ВОЗ, Женева 1989 (на русском языке выпущено издательством "Медицина", 1989, 216 с.) приведённый на стр. 83. Исследуется наличие взаимосвязи между приёмом контрацептивных таблеток матерями, и желтухой у детей получающих грудное вскармливание. Таблица сопряжённости для этого примера имеет следующий вид:

  Наличие заболевания у детей  
Приём матерью таблеток Есть желтуха Нет желтухи Всего
Принимала таблетки 33 24 57
Не принимала таблетки 14 45 59
Всего 47 69 116

   В этом примере у 33 матерей принимавших таблетки дети болели желтухой, а у 24 матерей также принимавших таблетки дети не болели желтухой. Далее, у 14 матерей которые не принимали таблетки, дети болели желтухой и у 45 матерей не принимавших таблетки, дети не болели желтухой. Объём выборки для данного примера равен 116. Обозначим градации по строкам как А1 (прием таблеток) и А2 (таблетки не принимались), а градации по столбцам обозначим как В1 (дети больны желтухой) и В2 (желтухи нет). Соответствующие комбинации этих градаций между собой будем обозначать как a1b1(33), a1b2 (24), a1b1(14) и a2b2 (45).

  Таблица сопряжённости 2х2 для вычисления критерия хи-квадрат
(
без поправки Иэйтса на непрерывность)

Ответ на письмо Леонова В.П. от  начальника Управления аттестации научных и научно-педагогических работников Федеральной службы по надзору в сфере образования и науки Н.И. Аристера


Обращение межрегионального Общества специалистов доказательной медицины в ВАК РФ


СТАТИСТИКА УМЕЕТ МНОГО ГИТИК. С.Е. Бащинский, главный редактор Международного журнала медицинской практики, 1998; №4, с.13-15.

... стоимость заявок по
статистическому анализу
баз данных

сокращена с июня месяца
на 50%
...


СТАТИСТИЧЕСКИЙ АНАЛИЗ ДАННЫХ ДЛЯ ИССЛЕДОВАТЕЛЕЙ И ДИССЕРТАНТОВ

НЦ 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. Стандартные сроки анализа данных: для статей и докладов - 5-10 дней, для кандидатских диссертаций 1 месяц, для докторских диссертаций 1,5 месяца. (См. далее)

Леонов В.П. Ошибки статистического анализа биомедицинских данных.

Примеры отличных результатов статистического анализа в диссертациях, дипломных работах и статьях, полученных с нашей помощью.  В данном разделе приведены как наши статьи, так диссертации и статьи иных авторов, для которых мы с коллегами НЦ БИОСТАТИСТИКА производили работу по статистическому анализу их баз данных. При этом мы использовали современные и продуктивные методы статистического анализа, доступные лишь профессионалам по биостатистике.

Оформление баз данных для статистического анализа.   Многие исследователи, которые понимают необходимость получения результатов весьма продуктивного статистического  анализа своих ценных баз данных, обращаются в наш НЦ БИОСТАТИСТИКА с просьбами о помощи. При этом для оперативного проведения статистического анализа таких баз данных, необходимо достаточно ясно и корректно ввести саму базу данных, а также описание этих признаков, и целей исследования.

  B1 B2 Всего
A1




A2





    Для вычисления критерия хи-квадрат введите в cоответствующие клетки расположенной слева таблицы числа 33, 24, 14 и 45 нажмите кнопку "Вычислить". 
Всего





   Числа, расположенные в столбце и строке "Всего", вводить не надо, программа вычислит и введёт их сама. После нажатия кнопки "Вычислить" в нижнем правом углу появится вычисленное значение критерия Хи-квадрат  равное 14,042. 
     

Хи-квадрат =

    Сравнив это значение с приведенными ниже  критическими значениями для трёх уровней значимости, увидим, что вычисленное значение превосходит каждое из них.  Поэтому гипотезу о независимости между заболеванием желтухой и приёмом контрацептивных таблеток мы отвергнем при уровне значимости p < 0,005.

Критические значения статистики хи-квадрат для числа степеней свободы df=1

Уровни значимости "р" 0,05  0,025  0,01  0,005 
Критические значения  3,842  5,024  6,635  7,880 

 Если же обратиться к более полным таблицам распределения статистики хи-квадрат, то значению 14,042 при числе степеней свободы равном 1, будет отвечать достигнутый уровень значимости р=0,000179. 

  Отметим также, что данную таблицу можно использовать в первом приближении и для проверки нулевой гипотезы о равенстве частот в двух генеральных совокупностях.  Применительно к содержанию приведённой выше таблицы, можно говорить о проверке гипотезы о равенстве частоты заболевания желтухой в популяциях принимающих пероральные контрацептивы, и не принимающих таковые.

   Для анализа собственной таблицы сопряжённости нажмите кнопку "Очистить" и введите свои частоты, после чего вновь нажмите кнопку "Вычислить".

    Итак, представленная выше таблица вычисляет критерий Хи-квадрат  для таблицы сопряжённости 2х2, и достигнутый уровень значимости (без поправки Иэйтса). При этом следует помнить, что в реальных исследованиях используется не просто пара группирующих, качественных признаков, а набор качественных признаков (KACH1F, KACH2F, KACH3F, ... и т.д.), и набор количественных признаков (KOL1, KOL2, KOL3, ... и т.д.). И тогда для продуктивного исследования нужно осозновать, что в объектах, введённых в анализируемую базу данных, между всеми признаками могут быть, или отсутствовать, статистически значимые взаимосвязи. Что и важно установить.

     Также следует понимать и то, что такие состояния по разному относятся и к разным типам взаимосвязей. В частности, при наличии двух этих типов признаков, качественных и количественных, между этими признаками реальных, но не простых, элементарных типов зависимостей, очень много. И главным направлением статистического анализа таких баз данных как раз и состоит в том, что нужно найти именно те продуктивные виды зависимостей, которые и оказываются статистически значимыми. И тогда, определив такие зависимости, и список конкретно влияющих признаков, как раз и можно будет их использовать для улучшения состояния конкретных признаков. Именно для медиков это и является основным направлением их исследования, чтобы постоянно улучшать свои технологии работы над больными пациентами. Соответственно при этом будет установлено, а какие конкретно признаки не входят в эти зависимости.

    Итак, какие же наиболее важные и продуктивные виды зависимостей этих признаков следует помнить и использовать в своих исследованиях?  Во-первых, следует помнить, что такие зависимости имеются не только для пары признаков, но и для более двух признаков. А для пары качественных признаков как раз и используется анализ таблицы сопряжённости. Однако и при таком анализе также используется немало разных статистических критериев и параметров. Ниже приводятся 5 графиков с продуктивными результатами анализа таблицы сопряжённостипо двум качественным признакам А и В, каждая из которых имеют по 2 подгруппы. Т.е. в таком примере таблицы сопряжённости было всего 4 клетки, и 150 наблюдений.

   При анализе таблицы сопряжённости с разными объёмами подгрупп продуктивно и построение графика с долями наблюдений в анализируемых подгруппах. Ниже приведён один из примеров такого графика.

    Аналогично и для пары количественных признаков можно производить корреляционный анализ не только по одному методу. Поскольку набор более двух методов корреляционного анализа позволит осознать и сам тип этой парной взаимосвязи.Так весьма продуктивно и исследование частной корреляции. В итоге, учитывая число имеющихся количественных и качественных признаков, общее число производимых анализов корреляции оказывается немалым.

    А для анализа двух групп количественных признаков продуктивно использовать  и каноническую корреляцию. И при всех методах корреляционного анализа продуктивно производить и графики распределения наблюдений в осях двух анализируемых признаков. А при этом можно будет установить наличие или отсутствие так называемых выбросов.Т.е. аномальных, ошибочных значений признаков. И при наличии этих аномальных значений можно отредактировать базу данных и вновь повторить этот же анализ. При этом можно будет установить и расположение сравниваемых подгрупп.

  Производя корреляционный анализ в таких сравниваемых подгруппах, как раз важно и установить, имеется ли во всех этих подгруппах одинаковые интенсивности парных корреляций. Либо напротив, при переходе от одной подгруппы к другой подгруппе, существенно изменяется эти коэффициенты корреляционного анализа. Т.е. в начальной подгруппе, например, у больных пациентов, у конкретно пары количественных признаков коэффициент корреляции статистически значимый, и не малый по значению. А в окончательной подгруппе, напнример, у пациентов после лечения, для данной пары признаков отсутствует статистически значимая корреляция.

   Наконец, для зависимости между одним количественным и одним группирующим признаком, также нужно использовать сразу несколько алгоритмов. При этом выбор этих алгоритмов, и выбор сравниваемых параметров, зависит и от вида распределения даннного количественного признака в каждой из сравниваемых подгрупп. В частности наличия или отсутствия нормального распределения. Очень часто в публикуемых статьях и диссертациях авторы используют сравнение групповых средних с помощью t-критерия Стьюдента. Однако при этом столь же часто используют этот критерий ошибочно, не проверяя условия корректности его использования.

    Когда имеется только 2 сравниваемых подгруппы, то по каждому количественному признаку необходимо производить и построение ROC-кривых с вычислением специфичности и чувствительности каждого количественного признака при сравнении двух подгрупп. Ниже приведён пример такой ROC-кривой.

    А при сравнении двух или более подгрупп важно производить проверку гипотез  о равенстве не только средних групповых, но и таких параметров, как дисперсия, медиана и мода. Поскольку результаты таких сравнений как раз и объяснят, а в чём же подразделяются сравниваемые подгруппы. Например, может быть и так, что средние значения в подгруппах не различаются, но при этом существенно различаются дисперсии. Т.е. в этих подгруппах существенно различаются минимальные и  максимальные значения этого конкретного признака. Либо напротив, дисперсии равны, а различаются именно средние групповые. И т.п.

   Если же сравниваются более двух подгрупп, то необходимо одновременно производить и попарные сравнения. Например при 4-х подгруппах производить сравнения подгрупп 1-2, 1-3, 1-4, 2-3, 2-4 и 3-4. Ну а при N количестве подгрупп, число таких парных сравнений будет равно N*(N-1)/2. Т.е. при N=4 число этих попарных сравнений равно 4*(4-1)/2 = (4*3)/2 = 12/2 = 6.

    Далее, когда в базе данных имеется более двух признаков, то весьма продуктивно использовать для них и разные многомерные методы анализа. Например, для количественных признаков можно использовать метод множественной регрессии. Но, учитывая результаты парных зависимостей, реально следует использовать не только стандартный линейный регрессионный анализ, но также и многие иные методы регрессионного анализа. В частности, методы нелинейной регрессии. Либо при этом изменяя исходные значения каждого количественного признака. Например, используя логарифмы для признаков, либо возводя их в некую степень, или же используя произведения или дроби пар конкретных признаков. Для выборов преобразований предварительно нужно вначале создать все графики распределения наблюдений в осях всех пар признаков. А также сделать такие графики и раздельно по всем подгруппам.

      Ну а для оценки зависимости одного группирующего признака от многих количественных и качественных признаков, следует использовать метод логистической регрессии. Также сообщаю читателю этой статьи, что и в этом методе логистической регрессии также более 1 предиктора. Т.е. разными методами этой логистической регрессии как раз и следует получить побольше таких уравнений, из которых и можно выбрать самые лучшие уравнения, в которых и нужно выбрать и самые важные предикторы.

    И не менее важным аспектом получения самых продуктивных уравнений зависимости, следует осозновать и тот нюанс, что в собираемой базе данных все наблюдения часто имеют ещё и иное группирование. Т.е. кроме уже имеющихся группирующих признаков следует перепроверить возможность наличия, или отсутствия, таких скрытых группировок методом кластерного анализа. При том, что и этот  анализ также имеет несколько разных методов, которые как раз и уточняют, имеются ли реально такие скрытые группировки, или же они отсутствуют.

 По мнению экспертов диссертаций, с которыми я беседовал по их просьбам, объёмы использования упомянутых выше разных методов статистического анализа, используются авторами этих диссертаций и статей по разному. В частности, при оценке ими достаточно простыми своих анализируемых технологий, эти авторы также и применяют достаточно простые, а нередко и ошибочные методы анализа. Что в результате весьма проблематично продуктивно использовать полученные результаты для улучшения своих технологий. Тогда как осознавая что их технологии отнюдь не элементарны, а достаточно сложные, и их как раз и необходимо улучшать, то авторы и используют те сложные результаты статистического анализа, которые помогают им профессионалы по статистике.

Отметим, что факт наличия взаимосвязи не обязательно может трактоваться только как установление непосредственной причинно-следственной связи. Так как в этом случае возможны 2 ситуации.

    Во-первых, действительно один из признаков может быть причиной, а второй - следствием. Во-вторых, оба признака могут быть следствиями других признаков. Однако в обоих случаях важно установить как сочетание градаций (клетки) этих двух анализируемых признаков, для которых имеет место максимальное проявление взаимосвязи. А также установить те комбинации градаций (клетки), в которых взаимосвязь отсутствует.

   Следующий аспект такого углублённого анализа заключается в определении в клетках с максимальными вкладами в установленную взаимосвязь, направления этой взаимосвязи. Ниже приведена таблица сопряжённости 3*2 (3 строки и 2 столбца), в которой представлены частоты, полученные при анализе реальных данных. В данном исследовании был проведён опрос 1082 респондентов (медиков). Респонденты давали ответы на 659 вопросов. Основная цель исследования заключалась в изучении спектра лекарственных средств, применяемых в клинической практике для профилактики и лечения конкретных, наиболее распространённых заболеваний и синдромов в различных федеральных округах России, и оценить их соответствие современным рекомендациям. 3 строки данной стаблицы сопряжённости отвечают 3 специальностям респондентов. А 2 столбца означают 2 варианта ответа на вопрос об использовании конкретного препарата при конкретном заболевании.

Специальность медика

Использование препарата

Итого

Нет, не используют данный препарат

Да, используют данный препарат

Специальность 1 72 484 556
Специальность 2 210 170 380
Специальность 3 95 51 146
Итого 377 705 1082

 

 

 

 

 

 

 

Для этой таблицы сопряжённости вычисленный критерий Пирсона Хи-квадрат равен 245,9354. Для двух степеней свободы достигнутый уровень значимости "р <0,0001". Интенсивность взаимосвязи между специальностью респондентов и использованием конкретного препарата оценивается с помощью V-критерия Крамера, который равен 0,4768. Поскольку критерий Крамера может изменяться в интервале от 0 до 1, то можно говорить о наличии значительной статистической взаимосвязи для данной пары признаков. Очевидно, что в данной паре признаков специальность респондента является причиной, а следствием является отношение этого специалиста к использованию конкретного препарата.

    Однако, при наличии статистически значимой связи двух группирующих признаков, важно установить и структуру этой связи. Поскольку реально такая связь имеет разную силу связи и разное направление в каждой из этих пар значений данных двух группирующих признаков. Также чаще всего в отдельных клетках нет никакой реальной взаимосвязи. А в иных клетках таблицы сопряжённости связи самые максимальные, а также и разного направления. В частности, одни направления являются положительными, а другие направления вляются отрицательными. Это и есть более детальный анализ этой таблицы сопряжённости, позволяющий получить вклады каждой комбинации двух признаков (отдельной клетки таблицы) в эти связи. Отметим, что такое направление анализа взаимосвязи доступно лишь профессиональным статистикам, которые производят гораздо более глубокий анализ таблицы сопряжённости, получая по сложным формулам эти результаты.

  Ниже представлена таблица с 6-ю клетками, в каждой из которых представлены проценты вклада данной клетки в эту взаимосвязь пары признаков. И эти результаты говорят о том, что максимальный вклад в эту взаимосвязь вносит первый столбец и первая строка таблицы.

Специальность

медика

Использование препарата

Итого

Нет, не используют данный препарат

Да, используют данный препарат

Специальность 1 31,1% 16,63% 47,73%
Специальность 2 18,49% 9,89% 28,38%
Специальность 3 15,57% 8,32% 23,89%
Итого 65,16% 34,84% 100%

 

 

 

 

 

 

Ниже представлена таблица, в которой для 6 комбинаций градаций двух анализируемых признаков, отмечены положительные или отрицательные направления взаимосвязи.

Специальность медика

Использование препарата

Нет, не используют данный препарат

Да, используют данный препарат

Специальность 1 - +
Специальность 2 + -
Специальность 3 + -

 

 

 

 

 

 

 

Данный подход к анализу структуры взаимосвязи между парой качественных признаков продуктивен также и при анализе таблиц сопряжённости с большим числом градации обоих признаков. Например, нередко такие признаки могут иметь не 2-3 градации, а порядка десятка или более градаций. И в этом случае возникает задача редукции таких многоклеточных таблиц.

  Для уменьшения числа градаций отдельных признаков, и тем самым увеличением количества наблюдений в отдельных клетках таблицы сопряжённости, как раз и необходим именно результат анализа наличия или отсутствия интенсивности взаимосвязи этой пары признаков в конкретных подклетках этой таблицы сопряжённости. И это приводит к увеличению значения частот в новых градациях, что и является весьма положительным моментом для анализа таблиц сопряжённости.

Обращаем внимание читателей также на следующий аспект анализа таблиц сопряжённости. Данный анализ есть один из вариантов исследования ПАРНЫХ взаимосвязей признаков. Все анализируемые в статистике признаки делятся на 2 группы: признаки КОЛИЧЕСТВЕННЫЕ (вес, рост, систолическое давление, и т.д.), и признаки КАЧЕСТВЕННЫЕ (пол, состояние пациента, исход лечения, и т.д.).

    Для этих 2-х групп признаков существует 3 парных комбинации (сочетания признаков).

1-я комбинация: оба признака КАЧЕСТВЕННЫЕ. В этом случае как раз используется анализ таблиц сопряжённости.

2-я комбинация: оба признака КОЛИЧЕСТВЕННЫЕ. В этом случае используются различные методы корреляционного и регрессионного анализа.

3-я комбинация: один признак КАЧЕСТВЕННЫЙ, имеющий определённое количество групп (градаций), второй признак - КОЛИЧЕСТВЕННЫЙ. В этом случае используются различные методы сравнения групповых характеристик количественных признаков.

   Однако для любой из перечисленных комбинаций полученный результат наличия или отсутствия статистически значимой взаимосвязи будет относиться лишь К ОДНОЙ ПАРЕ ПРИЗНАКОВ. Например, есть 5 признаков, часть которых является КАЧЕСТВЕННЫМИ признаками, а остальные - КОЛИЧЕСТВЕННЫМИ. В этом случае статистический анализ позволяет проверить статистические гипотезы относительно наличия (отсутствия) взаимосвязей для следующих пар признаков: 1-2, 1-3, 1-4, 1-5, 2-3, 2-4, 2-5, 3-4, 3-5, и 4-5. Число таких пар для 5 признаков равно 5*(5-1)/2=10. А в общем случае для V признаков число парных комбинаций равно V*(V-1)/2. Так для 100 признаков это будет 100*(100-1)/2=50*99=4950. Однако это будут только ПАРНЫЕ завимосвязи.

 В реальных же ситуациях при изучении любых объектов, будь то живые организмы, или данные по геологии, химии, гидрологии, метеорологии, и т.д., помимо ПАРНЫХ взаимосвязей существуют и иные взаимосвязи между признаками, число которых более 2. И в этом случае такие "цепочечные" взаимосвязи требуют иных, многомерных статистических методов. Причём очень часто для таких подмножеств признаков сущестуют несколько КАЧЕСТВЕННЫХ признаков, которые группируют несколько отличающихся исходов. Например, для медицины это может быть признак "Исход лечения" с двумя градациями: 1- пациент вылечен; 2- пациент умер. Либо с большим числом градаций.

 

Схема парных связей между предикторами K1, K2, K3, K4, D1, D2, D3 и зависимой переменной Z.

 

 

 

 

 

 

 

 

 

 

 

 

 

   Вверху приведён график, отражающий факт наличия связей как ПАРНЫХ, так и МНОЖЕСТВЕННЫХ между анализируемыми признаками. Предположим, что исходя из результатов выполненных исследований, взаимосвязь между исходом лечения и лечебными факторами желательно представить в виде зависимой переменной Z, а также двух уровней потенциальных предикторов (переменных, объясняющих результат лечения). В первом уровне имеется 4 предиктора (2 количественных – K1 и K2 , и 2 дискретных – D1 и D2).

    Во втором уровне имеется 3 потенциальных предиктора (2 количественных – K3 и K4, и 1 дискретный – D3). Как видим, в этом случае помимо ПАРНЫХ взаимосвязей между 28 парами признаков, здесь могут быть статистически значимые взаимосвязи между 3, 4, 5, 6, 7 и 8 признаками. В такой ситуации могут быть использованы разные многомерные методы биостатистики. Однако наиболее продуктивным в этом случае является использование метода логистической регрессии. Подробное описание этого метода и его возможностей приведено в следующей серии наших статей:

  Логистическая регрессия. Введение.

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 уравнений логистической регрессии.
10. Основные понятия ROC-анализа

Статистический анализ в медицине, биологии, психологии, и т.д.

 В данном разделе приведено немало статей и книг по статистическому анализу, а также ГОСТ и доклады. Приглашаем читателей сайта принять участие в конкурсе входа в список исследователей для которых НЦ БИОСТАТИСТИКА произведёт оперативно и бесплатно статистический анализ их баз данных.


Примеры отличных результатов статистического анализа в диссертациях, дипломных работах и статьях, полученных с нашей помощью.

 В данном разделе приведены как наши статьи, так диссертации и статьи иных авторов, для которых мы с коллегами НЦ БИОСТАТИСТИКА производили работу по статистическому анализу их баз данных. При этом мы использовали современные и продуктивные методы статистического анализа, доступные лишь профессионалам по биостатистике.


Примеры "Программы по статистическому анализу", и подобных результатов статистического анализа по таким "Программам"


Сравниваем средние, а также и ... В. Леонов

НАУКОМЕТРИКА СТАТИСТИЧЕСКОЙ ПАРАДИГМЫ ЭКСПЕРИМЕНТАЛЬНОЙ БИОМЕДИЦИНЫ  (ПО МАТЕРИАЛАМ ПУБЛИКАЦИЙ). В.П.Леонов. Вестник Томского государственного университета. Серия "Математика. Кибернетика. Информатика". №275. АПРЕЛЬ 2002, стр. 17-24.

Леонов В.П. Общие проблемы применения статистики в биомедицине

ОБ ИСПОЛЬЗОВАНИИ ПРИКЛАДНОЙ СТАТИСТИКИ ПРИ ПОДГОТОВКЕ ДИССЕРТАЦИОННЫХ РАБОТ ПО МЕДИЦИНСКИМ И БИОЛОГИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ. Бюллетень ВАК N5 1997 г. В.П.Леонов, П.В.Ижевский.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть I. Описание методов статистического анализа в статьях и диссертациях. Международный журнал медицинской практики, 1998 г., вып. 4. В.П.Леонов, П.В.Ижевский.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.   ЧАСТЬ 2. ИСТОРИЯ БИОМЕТРИКИ И ЕЁ ПРИМЕНЕНИЯ В РОССИИ. Леонов В.П.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.  ЧАСТЬ III. ПРОБЛЕМЫ ВЗАИМОДЕЙСТВИЯ  "АВТОР - РЕДАКЦИЯ - ЧИТАТЕЛЬ". Леонов В.П.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть IV. Наукометрия статистической парадигмы экспериментальной биомедицины.     Международный журнал медицинской практики, 2002 г. вып. 3. Леонов В.

СТАТИСТИЧЕСКИЙ АНАЛИЗ ДАННЫХ  ДЛЯ МЕДИКОВ И БИОЛОГОВ.  (время и опыт). Леонов В.

Применение методов статистики в кардиологии (по материалам журнала "Кардиология" за 1993-1995 гг.). Леонов В.П. Кардиология, 1998, № 1, с. 55-58.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.  Международный журнал   медицинской практики,  2007, вып. 2, стр.19-35.

Статистика - это что? Статистика - нужна зачем? Статьи читаем - зачем? Статьи пишем - зачем? Краткая версия лекции для слушателей-медиков в Ереване, прочитанной в 2014 году по Скайпу.

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


Примеры оформления базы данных, описания признаков и целей исследования, для статистического анализа в нашем НЦ БИОСТАТИСТИКА.


Пример 1
  Пример 2
Пример 3


Камчатская биометрика-2014. Семинар по биометрике в камчатском НИИ КамчатНИРО. (24.03.2014 - 3.04.2014).

Отзывы слушателей семинара по биометрике в Петропавловске-Камчатском


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).

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


ВАК для учёных? или ВАК для… бумагомарак? «ТРОИЦКИЙ ВАРИАНТ» № 8 (127), 2013 год. К середине 2017 года статью прочитали более 50 тысяч читателей... 


Обращение Межрегиональной общественной организации «Общество специалистов доказательной медицины»  в ВАК РФ.

Статистика - это что? Статистика - нужна зачем? Статьи читаем - зачем? Статьи пишем - зачем? Краткая версия лекции для слушателей-медиков в Ереване, прочитанной в 2014 году по Скайпу.

Доклад "Почему и как надо учить медиков статистике?" В. Леонов.

Зачем нужна статистика в доказательной медицине?  В. Леонов. Армянский медицинский реферативный журнал, 2012, вып. 9, с. 184-193.

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).

Три "Почему ..." и пять принципов описания статистики в биомедицинских публикациях. Почему появилась эта статья?

ОБ ИСПОЛЬЗОВАНИИ ПРИКЛАДНОЙ СТАТИСТИКИ ПРИ ПОДГОТОВКЕ ДИССЕРТАЦИОННЫХ РАБОТ ПО МЕДИЦИНСКИМ И БИОЛОГИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ. Бюллетень ВАК N5 1997 г. В.П.Леонов, П.В.Ижевский.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть I. Описание методов статистического анализа в статьях и диссертациях. Международный журнал медицинской практики, 1998 г., вып. 4. В.П.Леонов, П.В.Ижевский.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.   ЧАСТЬ 2. ИСТОРИЯ БИОМЕТРИКИ И ЕЁ ПРИМЕНЕНИЯ В РОССИИ. Леонов В.П.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.  ЧАСТЬ III. ПРОБЛЕМЫ ВЗАИМОДЕЙСТВИЯ  "АВТОР - РЕДАКЦИЯ - ЧИТАТЕЛЬ". Леонов В.П.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть IV. Наукометрия статистической парадигмы экспериментальной биомедицины.     Международный журнал медицинской практики, 2002 г. вып. 3. Леонов В.

Применение методов статистики в кардиологии (по материалам журнала "Кардиология" за 1993-1995 гг.). Леонов В.П. Кардиология, 1998, № 1, с. 55-58.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.  Международный журнал   медицинской практики,  2007, вып. 2, стр.19-35.

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

Сравниваем средние, а также и ... В. Леонов


В новый век - с доказательной биомедициной  

ОТВЕТ ВАК РФ   

  Отклики читателей

В. Леонов. Когда нельзя, но очень хочется, или Ещё раз о критерии Стьюдента. ч.1.

В. Леонов. Когда нельзя, но очень хочется, или Ещё раз о критерии Стьюдента. ч.2.

ОБ ИСПОЛЬЗОВАНИИ ПРИКЛАДНОЙ СТАТИСТИКИ ПРИ ПОДГОТОВКЕ ДИССЕРТАЦИОННЫХ РАБОТ ПО МЕДИЦИНСКИМ И БИОЛОГИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ. Бюллетень ВАК РФ. В.П. Леонов, П.В.Ижевский.

В.П. Леонов.  Применение статистики в статьях и диссертациях по медицине и биологии. Часть  III. Проблемы взаимодействия "Автор - Редакция - Читатель".

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).

Доклад "Почему и как надо учить медиков статистике?" Леонов В. П. Доклад на международной конференции по доказательной медицине  в Ереване 18-20.10.2012

Зачем нужна статистика в доказательной медицине?  В. Леонов. Армянский медицинский реферативный журнал, 2012, вып. 9, с. 184-193.

Леонов В.П. Ошибки статистического анализа биомедицинских данных. Международный журнал  медицинской практики, 2007, вып. 2, стр.19-35.

Наиболее часто посещаемые экспонаты КУНСТКАМЕРЫ:
"Поверхностная архитектоника эритроцитов периферической крови у психически больных". Авторы - член экспертного совета ВАК, академик РАМН Новицкий В.В., д.м.н. Рязанцева Н.В., д.м.н. Семин И.Р. Сибирский государственный медицинский университет, Томск. НИИ фармакологии Томского научного центра РАМН. Бюллетень экспериментальной биологии и медицины, вып. 10, 2000, стр. 429-432.

Обращение Межрегиональной общественной организации «Общество специалистов доказательной медицины»  в ВАК РФ.

Статистика - это что? Статистика - нужна зачем? Статьи читаем - зачем? Статьи пишем - зачем? Краткая версия лекции для слушателей-медиков в Ереване, прочитанной в 2014 году по Скайпу.

Доклад "Почему и как надо учить медиков статистике?" В. Леонов.

Зачем нужна статистика в доказательной медицине?  В. Леонов. Армянский медицинский реферативный журнал, 2012, вып. 9, с. 184-193.

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).

Три "Почему ..." и пять принципов описания статистики в биомедицинских публикациях. Почему появилась эта статья?

Леонов В.П. Общие проблемы применения статистики в биомедицине

ОБ ИСПОЛЬЗОВАНИИ ПРИКЛАДНОЙ СТАТИСТИКИ ПРИ ПОДГОТОВКЕ ДИССЕРТАЦИОННЫХ РАБОТ ПО МЕДИЦИНСКИМ И БИОЛОГИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ. Бюллетень ВАК N5 1997 г. В.П.Леонов, П.В.Ижевский.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть I. Описание методов статистического анализа в статьях и диссертациях. Международный журнал медицинской практики, 1998 г., вып. 4. В.П.Леонов, П.В.Ижевский.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.   ЧАСТЬ 2. ИСТОРИЯ БИОМЕТРИКИ И ЕЁ ПРИМЕНЕНИЯ В РОССИИ. Леонов В.П.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.  ЧАСТЬ III. ПРОБЛЕМЫ ВЗАИМОДЕЙСТВИЯ  "АВТОР - РЕДАКЦИЯ - ЧИТАТЕЛЬ". Леонов В.П.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть IV. Наукометрия статистической парадигмы экспериментальной биомедицины.     Международный журнал медицинской практики, 2002 г. вып. 3. Леонов В.

СТАТИСТИЧЕСКИЙ АНАЛИЗ ДАННЫХ  ДЛЯ МЕДИКОВ И БИОЛОГОВ.  (время и опыт). Леонов В.

Применение методов статистики в кардиологии (по материалам журнала "Кардиология" за 1993-1995 гг.). Леонов В.П. Кардиология, 1998, № 1, с. 55-58.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.  Международный журнал   медицинской практики,  2007, вып. 2, стр.19-35.

Статистика - это что? Статистика - нужна зачем? Статьи читаем - зачем? Статьи пишем - зачем? Краткая версия лекции для слушателей-медиков в Ереване, прочитанной в 2014 году по Скайпу.

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


Примеры оформления базы данных, описания признаков и целей исследования, для статистического анализа в нашем НЦ БИОСТАТИСТИКА.


Пример 1
  Пример 2
Пример 3


Камчатская биометрика-2014. Семинар по биометрике в камчатском НИИ КамчатНИРО. (24.03.2014 - 3.04.2014).

Отзывы слушателей семинара по биометрике в Петропавловске-Камчатском


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).

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


Обращение Межрегиональной общественной организации «Общество специалистов доказательной медицины»  в ВАК РФ.

Статистика - это что? Статистика - нужна зачем? Статьи читаем - зачем? Статьи пишем - зачем? Краткая версия лекции для слушателей-медиков в Ереване, прочитанной в 2014 году по Скайпу.

Доклад "Почему и как надо учить медиков статистике?" В. Леонов.

Зачем нужна статистика в доказательной медицине?  В. Леонов. Армянский медицинский реферативный журнал, 2012, вып. 9, с. 184-193.

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).

Три "Почему ..." и пять принципов описания статистики в биомедицинских публикациях. Почему появилась эта статья?

ОБ ИСПОЛЬЗОВАНИИ ПРИКЛАДНОЙ СТАТИСТИКИ ПРИ ПОДГОТОВКЕ ДИССЕРТАЦИОННЫХ РАБОТ ПО МЕДИЦИНСКИМ И БИОЛОГИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ. Бюллетень ВАК N5 1997 г. В.П.Леонов, П.В.Ижевский.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть I. Описание методов статистического анализа в статьях и диссертациях. Международный журнал медицинской практики, 1998 г., вып. 4. В.П.Леонов, П.В.Ижевский.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.   ЧАСТЬ 2. ИСТОРИЯ БИОМЕТРИКИ И ЕЁ ПРИМЕНЕНИЯ В РОССИИ. Леонов В.П.

ПРИМЕНЕНИЕ СТАТИСТИКИ В СТАТЬЯХ И ДИССЕРТАЦИЯХ ПО МЕДИЦИНЕ И БИОЛОГИИ.  ЧАСТЬ III. ПРОБЛЕМЫ ВЗАИМОДЕЙСТВИЯ  "АВТОР - РЕДАКЦИЯ - ЧИТАТЕЛЬ". Леонов В.П.

Применение статистики в статьях и диссертациях по медицине и биологии. Часть IV. Наукометрия статистической парадигмы экспериментальной биомедицины.     Международный журнал медицинской практики, 2002 г. вып. 3. Леонов В.П.

Применение методов статистики в кардиологии (по материалам журнала "Кардиология" за 1993-1995 гг.). Леонов В.П. Кардиология, 1998, № 1, с. 55-58.

Леонов В.П. Ошибки статистического анализа биомедицинских данных.  Международный журнал   медицинской практики,  2007, вып. 2, стр.19-35.

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

Оформление баз данных для статистического анализа

   Многие исследователи, которые понимают необходимость получения результатов весьма продуктивного статистического анализа своих ценных баз данных, обращаются в наш НЦ БИОСТАТИСТИКА с просьбами о помощи. При этом для оперативного проведения статистического анализа таких баз данных, необходимо достаточно ясно и корректно ввести саму базу данных, а также описание этих признаков, и целей исследования.

Наш адрес   1997 - 2020. © Василий Леонов

Доказательная или сомнительная? Медицинская наука Кузбасса: статистические аспекты.

Отклики читателей статьи "Доказательная или сомнительная?"

Обращение межрегионального Общества специалистов доказательной медицины в ВАК РФ