Яндекс.Метрика

Логистическая регрессия в медицине

Каждый слышит то, что понимает. Гете


"Люди перестают мыслить,
когда перестают читать
". Д. Дидро

Статистика посещаемости БИОМЕТРИКИ Яндекс
цитирования
Индекс цитирования

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/">
Яндекс
цитирования
Яндекс цитирования
 

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...


Введение
Наши возможности. О возможностях статистического анализа
Леонов В.П. Ошибки статистического анализа биомедицинских данных. Международный журнал  медицинской практики, 2007, вып. 2, стр.19-35
Список научных и учебных изданий по биометрике и статистике
Материалы по науковедению
История биометрики
Статистическое рецензирование статей и диссертаций

Долгое прощание с лысенковщиной...
Семинар по биометрике в Красноярске



Если Вы сторонник использования
статистики, разместите на своём сайте
HTML-код нашего баннера:

BIOMETRICA - журнал для сторонников доказательной биологии и медицины
25 наиболее популярных ссылок, посещаемых нашими читателями
http://www.biometrica.tomsk.ru/comp_aver.htm
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/percent_00.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

БИОМЕТРИКА + Музыка. В. Леонов.

Музыка... Вот что сказал о ней великий Иоганн Себастьян Бах: "Цель музыки - трогать сердца". В детстве автор этих строк получил музыкальное образование. Любимыми инструментами были мандолина и гитара. Любимыми композиторами - Вивальди, Бах, Альбиони, Боккерини, Беллини, Корелли, Скарлатти. В 80-е годы прошлого столетия в Томск часто приезжал с концертами маэстро Владимир Спиваков. Эти концерты организовывал Егор Лигачёв, бывший в ту пору первым секретарём Томского обкома КПСС. На свой первый концерт в Томск Владимир Спиваков приехал один. Великолепно играл на скрипке! Концертный зал был переполнен слушателями, которые были в восторге от его концерта. Именно тогда мне удалось впервые встретиться с ним, и взять у него автографы на его грампластинки. В дальнейшем посещал все его концерты. В 1979 г. В. Спиваков организовал камерный оркестр "Виртуозы Москвы". Однажды в 90-е годы Владимир Спиваков должен был приехать в Томск с "Виртуозами Москвы", и в течение трёх дней дать 3 концерта. Однако из-за проблем с топливом в те времена, их самолёт посадили в Омске, где они пробыли 2 дня. И когда прилетели в Томск, то в один день провели все 3 концерта, которые я прослушал. И вновь взял автографы на новые грампластинки, и сделал много фотографий В. Спивакова.


Музыка...  Она помогает всегда. Вот почему я рассылаю почти всем своим корреспондентам файлы с хорошей музыкой. Любите музыку, слушайте её чаще. И она поможет лучше понимать бистатистику и результаты статистического анализа...

13 февраля 2014 г. Владимир Спиваков и "Виртуозы Москвы" дали концерт в Краснодаре. Я посетил этот прекрасный концерт, и вновь встретился с Владимиром Теодоровичем. Подарил ему его грампластики, фотографии, и свою книгу.

Логистическая регрессия в медицине и биологии

В. Леонов

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.


В данной серии статей, на уровне доступном для начинающих, рассмотрены основы логистической регрессии. На многочисленных примерах анализа реальных массивов данных поясняется специфика использования данного метода. Объяснено, что методу присуща множественность решений, что позволяет выбирать для использования в реальной врачебной практике наиболее удобные и надёжные тактики лечения. Рассмотрено использование метода к массивам данных, содержащим несколько сотен признаков. Показано, что корректное создание таких массивов и их анализ возможны лишь при участии биостатистиков на самых первых этапах таких исследований. Рассмотрена связь логистической регрессии и ROC-анализа. Приведены многочисленные уравнения логистической регрессии и ROC-кривые, полученные при анализе реальных данных. Объяснена целесообразность использования вместе с методом логистической регрессии набора методов анализа парных взаимосвязей между различными признаками, а также использование более сложных методов многомерной статистики

 

Логистическая регрессия и ROC-анализ.

Новые исследовательские методы
- это те деревья, что очищают атмосферу
науки от углекислоты неточных
выводов и насыщают её кислородом
впервые открытых, увиденных
и понятых явлений.
____________
В.В. Парин

Как уже говорилось выше, логистической регрессии имманентно присуща поливариантность решений. Она позволяет исследователю отобрать те решения, которые наиболее интересны высокими значениями показателя конкордации, а также возможностью убедительной интерпретации и практического использования.

Не менее важным достоинством такой поливариантности решений является возможность использования всех этих решений в ROC-анализе (см. нашу статью «Основные понятия ROC-анализа», URL: http://www.biometrica.tomsk.ru/ROC-analysis.pdf ). Напомним, что ROC-кривая (Receiver Operator Characteristic), называемая также ещё операционной  характеристикой приёмника, пришла в медицину из радиолокации, где она использовалась как инструмент при обработке сигналов. Наиболее разработан данный анализ для случая бинарной классификации. Хотя в настоящее время уже есть работы для классификации с тремя исходами.

 

  Для случая двух исходов, например, «пациент выжил» (положительный исход) и «пациент умер» (отрицательными исход), ROC-кривая отображает зависимость между чувствительностью и специфичностью метода анализа. В роли классификатора обычно выступает некий числовой параметр, изменяя который исследователь производит классификацию наблюдений. Такой параметр  называют точкой отсечения (cut-off value) или порогом. Вариация точки отсечения изменяет величины ошибок I и II рода.

  Получив набор уравнений логистической регрессии для одного и того же массива данных, можно построить ROC-кривые для каждого уравнения, используя в качестве числового классификатора значение параметра beta= a0 + a1*x1a2*x2 + … +   aj*xj . Современные методы биостатистики позволяют провести сравнение между собой нескольких ROC-кривых. При этом в качестве лучшего решения выбирается то уравнение, для которого площадь под ROC-кривой (показатель AUC – Area Under Curve) имеет статистически значимо отличающееся максимальное значение. Пример такого сравнения нескольких ROC-кривых дан в нашей статье «Основные понятия ROC-анализа» (URL: http://www.biometrica.tomsk.ru/ROC-analysis.pdf ). В этом примере рассмотрено сравнение нескольких ROC-кривых, полученных при изучении генетики бронхиальной астмы. 

Необходимость оценки не одного, а целого набора уравнений логистической регрессии для оптимизации оценки тяжести состояния и тактики лечения, вызвана необходимостью выбора среди всех полученных моделей таких, которые предоставляют врачу наиболее удобный и действенный набор предикторов. Рассмотрим эту возможность на примере массива созданного Е.П. (Санкт-Петербург), состоящего более чем из 2500 наблюдений и включающего следующие признаки:

NUMBER=«Номер наблюдения»
VAR1=«Персональный номер пациента»
VAR2A=«Пол»
VAR3=«Возраст матери»
VAR4=«Срок гестации»
VAR5=«Порядковый номер беременности»
VAR6=«Порядковый номер родов»
VAR7=«Апгар на 1 минуте»
VAR8=«Апгар на 5 минуте»
VAR9=«Масса тела при рождении»
VAR10=«Длина тела при рождении»
VAR11=«Окружность головы»
VAR12=«Часы жизни на мом.пост. в ОРИТ»
VAR13A=«Первый основной д-з при пост»
VAR14A=«Второй основной д-з при пост»
VAR15A=«Факторы риска ак.-гин. анамнеза»
VAR16A=«Экстрагенитальная патология у матери»
VAR17A=«Инфекц-я пат-ия у матери во время бер.»
VAR18A=«Осложнения настоящей беременности»
VAR19A=«Роды»
VAR20A=«Исход родов»
VAR21=«Часы жизни на момент исхода»
VAR22=«Масса тела на момент исхода»
VAR23=«Динамика массы тела с рождения»
VAR24=«Динамика массы тела с поступления»
VAR25A=«Зависимость от кислорода при исходе»
VAR26A=«Верифиц-ое внутрижел-ое кровоизл-е»
VAR27=«Часы, проведенные в ОРИТ»
VAR28=«Часы, проведенные на ИВЛ»
VAR29=«Оценка по шкале SNAP II, баллы»
VAR30=«Оценка по шкале NTISS, баллы»
VAR31A=«Курасурф»
VAR32A=«Первый основной заключительный д-з»
VAR33A=«Второй основной заключительный д-з»
VAR34=«Возраст жизни в часах на момент набл»
VAR35=«Масса тела на момент наблюдения»

VAR36A=«Окраска кожи»
VAR37A=«Отёки»
VAR38=«ЧСС»
VAR39=«Сист. неинваз. АД»
VAR40=«Диаст. неинваз. АД»
VAR41=«Сред. неинваз. АД»
VAR42=«Частота самост. дых-ний»
VAR43A=«Характер самостоят. дыхания»
VAR44=«Температура тела»
VAR45=«Чрезкожная О2 сатурация»
VAR46=«Диурез за прошедшие сутки»
VAR47=«Энтерально усвоено за прош. сутки»
VAR48=«Гемоглобин»
VAR49=«Эритроциты»
VAR50=«Тромбоциты»
VAR51=«Лейкоциты»
VAR52=«Процент нейтрофилов»
VAR53=«Процент юных клеток»
VAR54=«Глюкоза плазмы крови»
VAR55=«pH»
VAR56=«Парц.напряж.О2 в капиллярной крови»
VAR57=«Парц.напряж.СО2 в капиллярной крови»
VAR58=«Дефицит оснований»
VAR59=«Бикарбонат в плазме крови»
VAR60=«Билирубин в плазме крови»
VAR61=«Мочевина в плазме крови»
VAR62=«Креатинин в плазме крови»
VAR63=«Калий в плазме крови»
VAR64=«Натрий в плазме крови»
VAR65=«Кальций в плазме крови»
VAR66=«Хлор в плазме крови»
VAR67=«Лактат в плазме крови»
VAR68=«Анионный промежуток»
VAR69=«Величина сердечного выброса»
VAR70=«Парц.напряж. О2 в венозной крови»
VAR71=«Парц.давл. экстр. О2 из арт. крови»
VAR72=«Артериал. концентр. общего О2 в крови»

VAR73=«Артерио-венозная разница по О2»
VAR74=«Системная доставка кислорода»
VAR75=«Индекс системной доставки кислорода»
VAR76=«Системное потребление кислорода»
VAR77=«Индекс системного потребления кислорода»
VAR78=«Напряж.О2 крови при ее дес-ции на 1/2»
VAR79=«Относительный физиологический шунт»
VAR80A=«Тип респираторной поддержки»
VAR81=«Фракция кислорода во вдыхаемом воздухе»
VAR82=«Время аппаратного вдоха»
VAR83=«Частота аппаратных дыханий»
VAR84=«Величина пикового давления»
VAR85=«Величина давления в конце вдоха»
VAR86=«Средн. давление в дых. путях»
VAR87A=«Седатация за последние 6 часов»
VAR88A=«Инотропная поддержка»
VAR89=«Темп внутривенных инфузий, мл/час»
VAR90=«Усред.оц.в проф. Угнет-Раздраж, баллы»
VAR91=«Шоковый индекс»
VAR92A=«Доминир-ие кардио-васкулярных нарушений»
VAR93=«Индекс оксигенации»
VAR94=«Индекс эффективности вентиляции»
VAR95=«Респираторный индекс»
VAR96A=«Доминирование респираторных нарушений»
VAR97A=«Доминирование неврологических нарушений»
VAR98=«Абсолютное число нейтрофилов»
VAR99=«Ядерный сдвиг»
VAR100A=«Доминирование гематолог-ких нарушений»
VAR101=«Почасовой диурез»
VAR102A=«Доминирование почечных нарушений»
VAR103A=«Доминирование печеночных нарушений»
VAR104A=«Доминирование энтеральных нарушений»

 

Одна из задач данного исследования заключалась в сравнении различных подгрупп по результирующему признаку VAR20A=«Исход родов», имеющему 5 градаций: 1="неон к-а", 2="инт+др ка", 3="др. ОРИТ", 4="ок неоп-а" и 5="смерть". Уравнения, полученные в результате анализа этого массива, обеспечивали показатель конкордации в интервале 94 - 98%. Не менее интересна при анализе подобных массивов и оценка уравнений логистической регрессии для зависимых признаков типа  VAR13A=«Первый основной д-з при пост» и VAR14A=«Второй основной д-з при пост». В этом случае предикторы таких уравнений, обеспечивающие высокие показатели конкордации, могут претендовать на то, чтобы именно они оценивались в первую очередь при поступлении больных с данной конкретной патологией.

Рис. 3. ROC-кривые для 3-х шагов отбора предикторов

 

   Используя признак VAR20A=«Исход родов», создадим новый признак VAR20AA=«Выжил/Умер» с двумя градациями: 1="ВЫЖИЛ", 2="УМЕР". Используя этот признак в качестве зависимого, оценим различными алгоритмами уравнения логистической регрессии, и построим для них ROC-кривые.

Из полученного набора уравнений рассмотрим в качестве примера два таких уравнения.  На рис. 3 представлены ROC-кривые для 3-х последовательных шагов отбора предикторов.  Однако после 3-го шага последний включённый предиктор имел значение достигнутого уровня значимости гораздо больше критической величины в 5%, поэтому он был на 4-м шаге удалён из уравнения. В результате в уравнении осталось лишь 2 предиктора:

 
 
 

 

Обратим внимание на доминирование  предиктора А1. Показатель конкордации для этого уравнения равен 90,9%. Показатель AUC для конечной модели при этом равен 0,9086.

     Во втором уравнении в качестве предикторов используются уже 8 признаков. Данное уравнение обеспечивало показатель конкордации равный 100%. Ниже приведён рис. 4 с ROC-кривыми для второго уравнения. Показатель AUC для конечной модели в этом случае равен 1.

 

Рис. 4. ROC-кривые для 8 шагов отбора предикторов

 

    Отметим, что предиктор А1 в первом и втором уравнениях – это одна и та же переменная. Тогда как предиктор А2 –  разные показатели. Как и в предыдущих уравнениях имеются доминирующие предикторы. Отсортируем наблюдения по возрастанию параметра beta= a0 + a1*X1a2*X2 + … +   aj*Xj , и ниже приведём часть таблицы, содержащей фактическую принадлежность наблюдений к одной из двух подгрупп признака VAR20AA= «Выжил/Умер», значения параметра beta (Value of the Linear Predictor), а также вычисленные вероятности отнесения наблюдений к одной двух подгрупп.   

    

   

* Примечание. Выражения вида 3,6975E-21 означают произведение двух сомножителей: 3,6975*10–21.

 

       Из этой таблицы видно, что чем меньше значение параметра beta, тем меньше вероятность исхода «Выжил», и тем больше вероятность исхода «Умер». Отметим, что высокие вероятности исхода «Выжил» присущи положительным значениям параметра beta. Из чего можно сделать вывод о том, что для увеличения вероятности исхода «Выжил» необходимо выбирать такую тактику лечения, чтобы уменьшать значения предикторов с отрицательными коэффициентами (A1, A2 и A4), увеличивая при этом значения тех предикторов, которые имеют положительные коэффициенты (A3, A5, A6, A7, A8). Однако такие воздействия не всегда реализуемы на практике. Например, если в состав предикторов вошёл такой признак, как «Пол», то очевидно, что данный предиктор не может быть изменён. И в этом случае самым разумным выходом является лишь новая оценка уравнения логистической регрессии, при которой признак «Пол» должен быть исключён из состава потенциальных предикторов. Либо такая оценка должна быть проведена раздельно для пациентов разного пола. Фактически это означает, что для получения набора уравнений, удобных для практического использования, необходимо последовательное улучшение таких уравнений, с учётом состава предикторов в предыдущих уравнениях. Очевидно, что такая работа может быть продуктивна лишь в результате сотрудничества клинициста и биостатистика.

Достоинства метода логистической регрессии привели к тому, что данный метод широко используется не только в медицине и биологии, но практически во всех отраслях знания. Если сделать поиск в интернете на эту тему, то можно обнаружить довольно много ссылок на использование этого метода в различных областях. Хронологически логит-регрессия восходит к методу скоринга, который получил своё развитие в биологии как средство построения рейтинговых таблиц для сортировки изучаемых объектов. При этом для формирования рейтинга использовали значения признаков с различными «весами, метками» (вес, метка, оценка, счёт – score). В настоящее время скоринг на основе логистической регрессии используется в медицине, биологии, экологии, этнографии, генетике, маркетинге, в банковской деятельности для оценки рисков при предоставлении кредитов конкретным лицам, в эконометрике и т.д. Есть работы по использованию логистической регрессии в социологии, в оценке библейских текстов (Стивен У. Бойд. Библейская летопись сотворения мира: слово за математикой древнееврейского текста).

 

Заканчивая статью о логистической регрессии, хочу обратить внимание исследователей на то, что собираемые ими массивы реальных данных практически всегда содержат как количественные, так и качественные показатели. Причём среди качественных показателей всегда есть такие, которые вполне разумно рассматривать как выходные, зависимые переменные. И в этом случае следует обязательно использовать метод логит-регрессии. Те, кто хотел бы получить оценки уравнений логистической регрессии по своим данным, могут обращаться к нам по электронной почте на адрес


Далее: 5. Особенности логистической регрессии при анализе данных в акушерстве

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 )

Уважаемые читатели! Благодаря усилиям зарубежных коллег, начиная с марта 2017 г. стоимость выполнения заказов по стат. анализу массивов данных сократилась, по сравнению с 2016 г., на 25-30%.

Отзывы заказчиков по статистическому анализу данных

Сравниваем средние, а также и ... В. Леонов Исследователям в медицине и биологии весьма большую пользу приносит сравнение не только групповых средних, но также и иных параметров. Такими новыми сравнениями являются проверки равенства дисперсий, коэффициентов корреляции, коэффициентов регрессии или векторов групповых средних, сравнение групп многомерными методами, и т.д. Показано, что не нормальное распределение количественного признака, означает наличие взаимосвязей данного признака с другими признаками. Что является важнейшим аргументом по формулировке списка проверки взаимосвязей важнейших признаков проводимого исследования.


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


23 примера оформления данных, их описания и описания целей исследования


В ноябре 2013 года сайту БИОМЕТРИКА исполнилось 16 лет. А что было раньше? И что теперь?


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"

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 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.

Петри А., Сэбин К. Наглядная медицинская статистика. Учебное пособие. 3-е издание. Пер. с англ. В.П. Леонова. 2015. - 216 с.

Банержи А. Медицинская статистика понятным языком: вводный курс. Издательство "Практическая медицина", 2014. - 287 с. Пер. с англ. В.П. Леонова.

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.


Долгое прощание
с
лысенковщиной 

История науки не ограничивается перечислением успешных исследований. Она должна сказать нам о безуспешных исследованиях и объяснить, почему некоторые из самых способных людей не могли найти ключа знания, и как репутация других дала лишь большую опору ошибкам, в которые они впали.

Дж. Максвелл 

Функциональный кризис отечественной науки, переживаемый в последнее десятилетие, вынуждает беспристрастно анализировать основные причины этого явления [1-2, 45-47]. Последние результаты библиометрического анализа говорят о том, что вклад России в мировую науку по основным направлениям составляет уже порядка 5-8% [1-2]. По данным того же источника вклад США составляет 32-41%. 

Коммунистическая идеология, уродовавшая многие направления отечественной науки на потребу вождей, породила и такое явление, как лысенковщина. Для большинства читателей фамилия Лысенко ассоциируется с августовской сессией ВАСХНИЛ 1948 г. и разгромом генетики. Однако лысенковщину нельзя сводить только к запрету на генетику. Достигнув своего апогея в середине текущего века, и став воистину периодом средневековья в отечественной биологии и медицине, лысенковщина изуродовала и методологию этих наук, изгнав из них в частности математику, и в первую очередь статистику. Последствия этого уродства и по сей день не позволяют биологии и медицине приблизиться к статусу точных наук. В статье описаны основные этапы этого явления и особенности методологии применения статистики в биологии и медицине, полученные автором при анализе нескольких сот диссертаций и монографий а также более 1500 статей в области экспериментальной биомедицины. 

Ключевые слова: лысенковщина, биология, медицина, статистика, биостатистика, методологический кризис. 



Материалы по науковедению

В новый век - с доказательной биомедициной


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"