Яндекс.Метрика

Логистическая регрессия 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

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

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.

Особенности логистической регрессия в психиатрии, психологии и социологии.

Невежеству удаётся внушить
доверие чаще, чем знанию.
______________________
Ч. Дарвин

Нужно измерять всё измеримое,
и делать измеримым то, что
пока ещё не поддаётся измерению.
___________________________
Галилео Галилей

 

     Сложность использования метода логистической регрессии, как и многих других статистических методов, в психиатрии и психологии во многом определяется спецификой анализируемых данных. В медицине и биологии в большинстве случаев используются количественные и качественные признаки, которые по своему содержанию таковыми и являются. Многие из количественных признаков имеют эталоны для используемых шкал. Например, есть эталоны массы, длины и т.д. Значения других количественных признаков получаются путём вычислений, с использованием величин, измеряемых в шкалах обладающих эталонами. Однако во всех случаях для таких величин, измеряемых в абсолютных шкалах, в шкалах отношений или в интервальных шкалах, допустимы не только отношения "Равно - Не равно" и "Больше - Меньше", но также и операции сложения, вычитания, умножения и деления. Соответственно для таких величин допустимо вычисление таких описательных статистик, как среднее арифметическое, ошибка среднего, дисперсия, стандартное отклонение и т.п. Наличие МЕРЫ, ЭТАЛОНА для таких ИЗМЕРЯЕМЫХ величин весьма принципиально. Поскольку в этом случае выполняется условие ЭКВИДИСТАНТНОСТИ. Т.е. условие равноудалённости между соседними значениями этих величин. Например, разница между весом в 75 кг и весом в 76 кг составляет 1 кг. И точно такая же разница между весами 10 и 11 кг, 110 и 111 кг и т.д. При этом несущественно, измеряются ли эти веса у живых объектов, или же у металлических деталей, разными моделями весов имеющих однаковую точность и т.д. Разность будет одна и та же: 1 кг. Эквидистантность поддерживается также и периодической поверкой точности измерительных приборов и их калибровкой. Все эти процедуры обеспечиваются наличием МЕРЫ, ЭТАЛОНА.

Основоположником применения статистики в психологии, создателем психометрии, считается основатель биометрики Френсис Гальтон. В 1890 г. один из основателей психологической науки и психометрических шкал, Кеттел Джеймс Маккин написал книгу "Mental Test and Measurements". В послесловии к этой книге основоположник науки БИОМЕТРИИ Френсис Гальтон написал следующее: "Психология не может стать прочной и точной, как физические науки, если не будет основываться на эксперименте и измерении".

Дж. М. Кеттел стал первым профессором психологии, первым доктором наук по психологии, защитившим диссертацию "Психометрическое исследование". Именно Дж. М. Кеттел сделал большой вклад в развитие психологического тестирования, экспериментальной психологии, приблизив тем самым психологию к таким естественным наукам, как математика, физика, химия и т.д. Далее работы по психометрии были продолжены Чарльзом Спирменом, и основателем и первым президентом Психометрического общества Луисом Тёрнстоуном. Большой вклад в развитие психометрии внесли также такие учёные, как Карл Пирсон, Генри Кайзер, Джордж Раш, Джонсон О' Коннор, Фредерик Лорд, Ледьярд Тюкер, Артур Дженсен. Эти же самые усилия в социологии вызвали к жизни такую науку, как социометрия. "Определение измерения в социальных науках имеет долгую историю. В настоящее время широкое определение, предложенное Стэнли Смит Стивенсом (1946), гласит, что измерение «приписывание чисел объектам или событиям по некоторому правилу». Это определение было представлено в работе, в которой Стивенс предложил четыре уровня измерения. Хотя это определение имеет широкое распространение, оно отличается от более классического определения измерения, принятого в физике, которое гласит, что измерение — это численная оценка и выражение одной величины по отношению к другой (Мишель, 1997)".

Что же объединяет между собой психиатрию, психологию и социологию в части специфики применения логистической регрессии? Объединяет общность свойств используемых в этих науках оценочных шкал. Большинство из этих шкал являются категориальными, ранговыми шкалами. Т.е. такими шкалами, в которых числовое представление характеристик объектов производится не на основе использования неких ИЗМЕРИТЕЛЬНЫХ ЭТАЛОНОВ, или ИЗМЕРИТЕЛЬНЫХ ПРИБОРОВ,  а путём субъективных ОЦЕНОК интенсивности этих свойств. "Измерительные процедуры для психических явлений не лучше известны, чем то, что ими измеряется. Как откровенно заметил У. Торгерсон, большинство измерений в бихевиоральных науках основаны на соглашениях и интуициях экспериментаторов".

В предыдущем разделе "Особенности логистической регрессии в акушерстве" мы упоминали шкалу Апгар, которая является типичным примером ранговой шкалы. "Шкала предполагает суммарный анализ пяти критериев, каждый из которых оценивается целочисленно в баллах от нуля до двух. Результат оценки может быть в диапазоне от 0 до 10.

  0 баллов 1 балл 2 балла
Окраска кожного покрова Генерализованная бледность или генерализованный цианоз Розовая окраска тела и синюшная окраска конечностей (акроцианоз) Розовая окраска всего тела и конечностей
Частота сердечных сокращений отсутствует <100 >100
Рефлекторная возбудимость Не реагирует Реакция слабо выражена (гримаса, движение) Реакция в виде движения, кашля, чиханья, громкого крика
Мышечный тонус Отсутствует,
конечности свисают
Снижен, некоторое сгибание конечностей Выражены активные
движения
Дыхание отсутствует Нерегулярное, крик слабый (гиповентиляция) Нормальное, крик громкий

Данное тестирование проводится обычно на первой—пятой минуте после рождения, и может быть повторено позднее, если результаты оказались низкими. Баллы менее 3 означают критическое состояние новорождённого, более 7 считается хорошим состоянием (норма). Шкала Апгар изначально была разработана для медперсонала с целью определить, каким детям требуется более тщательное наблюдение. Ребенок, получивший 5 баллов, нуждается в более пристальном наблюдении, чем ребенок, получивший от 7 до 10 баллов. Ребенок, получивший по шкале 5 — 6 баллов спустя минуту после рождения, но через пять минут повысивший свой показатель до 7 — 10, переходит в категорию детей, о которых можно не беспокоиться. Ребенок, начавший жизнь с пятью баллами по шкале Апгар и оставшийся при тех же 5 баллах через 5 минут после рождения, нуждается в более тщательном наблюдении" (Шкала Апгар). На этом примере наглядно видно, что разность в 1 балл между 3 и 2 баллами не идентична разности между 9 и 8 баллами.Т.е. здесь в принципе не может идти речи о наличии ЭКВИДИСТАНТНОСТИ в данной шкале. В ней допустимы лишь операции сравнения "Равно - Не равно" и "Больше - Меньше". Но не допустимы такие операции, как сложение, деление и т.д. Соответственно не допустимо в таких шкалах и использование понятия "Средний балл".

Весьма подробно и обстоятельно эта проблема рассмотрена в книге А.И. Орлова "Прикладная статистика", М.: Изд-во "Экзамен", 2004. - 656 с. "В настоящее время распространены экспертные, маркетинговые, квалиметрические, социологические и иные опросы, в которых опрашиваемых просят выставить баллы объектам, изделиям, технологическим процессам, предприятиям, проектам, заявкам на выполнение научно-исследовательских работ, идеям, проблемам, программам, политикам и т.п. Затем рассчитывают средние баллы и рассматривают их как интегральные (т.е. обобщенные, итоговые) оценки, выставленные коллективом опрошенных экспертов. Какими формулами пользоваться для вычисления средних величин? Ведь существует очень много разных видов средних величин. По традиции обычно применяют среднее арифметическое. Однако специалисты по теории измерений уже около 30 лет знают, что такой способ некорректен, поскольку баллы обычно измерены в порядковой шкале (см. главу 2.1.3). Обоснованным является использование медиан в качестве средних баллов". Если же познакомиться с различными книгами, посвящёнными использованию методов статистики в психологии, психиатрии и социологии, то во многих из них мы найдём полнейшее игнорирование этого ограничение. Что говорит о том, что авторы подобных книг либо не владеют основными понятиями теории измерений и теории шкал, либо просто безответственно относятся к создаваемому ими продукту. Соответственноо вслед за ними психиатры, психологи и социологи в своих исследованиях широко используют такие величины, как средние баллы, стандартные отклонения, ошибки средних и т.д. Для того чтобы убедиться в этом, достаточно просмотреть диссертации или несколько номеров ведущих отечественных журналов по психиатрии, психологии и социологии, в которых найдём массу таблиц с заголовками вида M ± Sd, и далее со значениями средних баллов и их стандартных отклонений вида 5,79 ± 1,59 и т.д.

Отсутствие эквидистантности разнообразных шкал, используемых в психиатрии, психологии и социологии, априорно обусловлено самой структурой этих шкал. В качестве примера рассмотрим шкалу депрессивности Бека (Beck Depression Inventory — BDI), шкалу Гамильтона для оценки депрессии (HDRS), шкалу самооценки Спилбергера, личностную шкалу проявлений тревоги Тэйлора. Все эти шкалы, и другие подобные шкалы, в своих опросниках содержат, как правило, несколько десятков утверждений, на которые пациент должен дать те или иные ответы. При этом отметим, что количество альтернативных ответов на эти утверждения могут быть разные. Например, в опросникеТэйлора, состоящем из 50 утверждений, предлагается лишь 2 альтернативных ответа: "Да" или "Нет". Конкретные положительные или отрицательные ответы оцениваются в 1 балл. Однако все эти эти ответы по своему содержанию могут иметь различную ценность, важность для диагностики того или иного состояния. Например, одинаковый ли вклад в диагностику состояния пациента вносит ответ "Нет" на утверждение "У меня редко бывают запоры", или ответ "Нет" на утверждение  "У меня редко бывают головные боли"? Если же обратиться к шкале самооценки Спилбергера, то в этом случае на 40 утверждений пациенту необходимо выбрать 1 из 4 вариантов ответа. Аналогично в шкале депрессии Бека на 21 утверждение пациенту наобходимо выбрать 1 ответ из 4-6 альтернативных вариантов. При этом немаловажную роль в объективности реакции пациента является фактор комплаентности. Немалую роль при этом играет и тот факт, что разные пациенты могут по разному воспринимать смысл и содержание самого вопроса.

Известная типология шкал, предложенная американским психологом-психофизиком Стэнли Стивенсом - шкала отношений, интервальная, порядковая и номинальная шкалы, основана на допустимых к применению в этих шкалах операциях и преобразованиях. Не случайно теория шкал, подробно описанная в книге И. Пфанцагля "Теория измерений" (М.: Изд-во "Мир", 1976 г.248 с.) практически вся построена на анализе допустимых операций и адекватных отношений для всех описываемых шкал. А глава 6 в этой книге даже называется "Теория шкал интервалов, основанных на операциях".  Мы настоятельно рекомендуем тем нашим читателям, которые занимаются исследованиями в области психиатрии и психологии внимательно прочитать и изучить эту книгу. При этом обращаем внимание читателей на главу 2 "Адекватность", и, в частности, на разделы 2.4. "Адекватная статистика" и 2.5. "Примеры адекватных и неадекватных статистик". Ниже приводим фрагмент текста данного раздела со стр. 43:

Т.е. порядковых шкалах нельзя выполнять операции сложения, вычитания, умножения и деления. Эти же проблемы подробно обсуждаются в книгах "Психологические измерения" (пер. с англ. под редакцией Л.Д. Мешалкина. Изд-во "Мир", 1967. - 196 с.), " Теоретическая метрология. Часть 1. Общая теория измерений". (автор Шишкин И. Ф. СПб.: Питер, 2010. - 192 с.),"Измерение в социологии" (автор Толстова Ю.Н., М.: Инфра-М, 1998.), "Методы измерения в социологии" (авторы Осипов Г. В., Андреев Э. П. М. : Наука, 1977.), "Математика, измерение, психофизика" (автор Стивенс С.С. // Экспериментальная психология, т.1, М.: ИЛ, 1960).

Сложность использования логистической регрессии применительно к массивам данных, содержащих ответы пациентов на подобные вопросы, заключается также и в ином. Поскольку одной из целей психиатрических исследований, как правило, является оценка эффективности той или иной технологии лечения пациентов, то возникает необходимость использования этих опросников в различные периоды наблюдения. В частности, до начала лечения, и в определённые моменты по завершении лечения. Очевидно, что в этом случае в зависимости от времени опроса один и тот же пациент может не только по разному ответить на один и тот же вопрос, что вполне естественно, но также и по разному понять его. И это тоже одна из причин невозможности обеспечения условия эквидистантности, необходимого для вычисления значения среднего балла.

Уже сам факт сложности используемых шкал говорит о том, что для получения надёжных и обоснованных выводов, которые возможно получить с помощью статистического анализа собираемых массивов данных, априорно требуется использование адекватных, и столь же сложных методов статистики. Применительно к балльным шкалам в психиатрии, психологии и социологии, помимо метода логистической регрессии, можно указать несколько других, не менее сложных методов. Например, проведя бинаризацию всех ответов на вопросы, далее использовать методы оцифровки этих ответов, получив таким образом набор вариантов уравнений регрессии. Не менее привлекательно для анализа подобных наборов данных использование метода корреспондентского анализа.

Если же возвратиться к возможности применения метода логистической регрессии для оценки эффективности лечения пациентов, имея начальные, до проведения лечения, и повторные, после проведения лечения, наборы балльных данных, то, по нашему мнению, для этой цели целесообразно использовать следующий подход. Выше в приведённом фрагменте раздела 2.5. "Примеры адекватных и неадекватных статистик" книги И. Пфанцагля "Теория измерений" указывалась одна из адекватных статистик для такого рода данных. Покажем, как используя эту статистику, можно далее вполне корректно применить метод логистической регрессии. Приведённые ниже результаты получены с использованием данных, любезно предоставленных психиатром А.Ф. из Германии. Общий объём наблюдений составил около 1000. Ниже на графике представлены гистограммы для 4-х периодов наблюдения за пациентами. Гистограммы строились для одного из наиболее важных балльных признаков. По изменению этого признака психиатр оценивает эффективность проведённого лечения, а также устойчивость результата лечения.

 

 

Несложно заметить, что асимметричность распределения различна для 4-х периодов наблюдения. Т.е. имеет место дрейф медианы распределения. Оценивая медианы признака PR для всех 4-х периодов, можно ввести 3 новых группирующих признака в исходный массив наблюдений. Т.е. в массив данных, сформированный ДО ЛЕЧЕНИЯ. Каждый из этих признаков имеет бинарную природу, указывая на расположение исходного значения признака PR левее или правее медианы одного из 3-х последующих периодов. Таким образом можно проследить динамику изменения вида распределения конкретного признака. Учитывая тот факт, что в реальной врачебной практике эффективность проводимого лечения оценивается не по одному тесту, а по набору из 5-10 тестов, получаем набор новых группирующих признаков порядка 15-30. А если учесть, что при оценке уравнения логистической регрессии для каждой из таких зависимых переменных оценивается минимум 3-5 уравнений, получаем набор из 45-150 уравнений. При этом для интерпретации полученных уравнений необходимы также результаты анализа парных связей новых 15-30 группирующих признаков с результатами тестирования во всех 4-х периодах наблюдения. Принимая число используемых в исследовании признаков порядка 50, в итоге получаем, что необходимо провести анализ ещё  порядка 750-1500 парных связей. Эти оценки показывают, что глубокий и корректный анализ данных столь сложной природы, требует достаточно большой объём вычислений. Результатом же такого подхода является отбор наиболее чувствительных к лечению характеристик пациентов, а также получение технологии надёжного прогноза результата лечения. 

Ниже приводим одно из уравнений логистической регрессии, полученное с использованием описанной выше схемы. В качестве зависимой переменной была использована группирующая переменная с 2 градациями, отражающими положение результата тестирования пациента по одному из конкретных балльных признаков до начала лечения, относительно медианы этого же признака сразу после окончания лечения.

Видно, что в уравнение логистической регрессии алгоритмом было отобрано 12 предикторов. При этом показатель конкордации составил 94,3%, что свидетельствует о высокой надёжности полученного уравнения. Анализ коэффициентов уравнения позволяет проранжировать предикторы по степени их влияния на результативность лечения. Такое ранжирование позволяет выбрать приоритеты лечебных процедур для конкретных пациентов. Кроме того, используя данный тип уравнения несложно с помощью пакета EXCEL получить оценки вероятности смещения результатов балльного теста для конкретного пациента после окончания периода лечения. Ниже приведён график с ROC-кривой для данного уравнения. Величина показателя AUC составила 0,9419.

Итак, если целью исследователя использующего системы балльных шкал является получение корректной и надёжной информации об изучаемом явлении и объектах, то в этом случае следует учитывать весь комплекс сложностей, обусловленных природой этих шкал. Использование же набора шаблонных методов, применяемых к количественным данным, приведёт к неверным выводам, и будет тем самым характеризовать профессиональный уровень исследователя. Основная же опасность в этих случаях будет подстерегать тех, к кому далее будут использованы эти некорректные выводы.


Далее: 7. Пример использования логистической регрессии для расчёта прогноза исхода оперативного лечения.

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

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

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

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

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


Д.С. Симанков. Применение метода логистической регрессии для факторов риска, влияющих на исход операции в условиях искусственного кровообращения.

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).

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) 


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.


Долгое прощание с лысенковщиной


КУНСТКАМЕРА. Обзор большой коллекции медицинских статей и диссертаций с существенными ошибками и нелепыми использованиями и описаниями методов статистики.

Экспозиция 1 Экспозиция 2 Экспозиция 3 Экспозиция 4

Для удобства работы с экспонатами они отсортированы по фамилиям авторов, городам, в которых проживают авторы, и по организациям, в которых работают авторы, а также по научным специальностям. 

Новый экспонат КУНСTКАМЕРЫ - Диссертация "Сравнительная характеристика показателей кардиореспираторной системы спортсменов и лиц, не занимающихся спортом, в условиях северного промышленного города", Тюменский государственный университет, Тюмень - 2006 г.

Новый экспонат КУНСTКАМЕРЫ - Диссертация «Анализ полиморфизма генов сердечно-сосудистой системы и системы детоксикации в различных возрастных группах Санкт-Петербурга». Обсуждаемая диссертация являет собой ярчайший пример того, какую злую шутку может сыграть с автором игнорирование проблемы множественных сравнений при статистическом анализе полученных данных.

Новый экспонат КУНСTКАМЕРЫ - Диссертация "Оценка проаритмических факторов при постинфарктной систолической дисфункции миокарда и эффективности их фармакологической коррекции", Кемеровская государственная медицинская академия, Кемерово - 2004 г.


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


Статистика в кардиологии. 15 лет спустя. Журнал "Медицинские технологии. Оценка и выбор", 2014, №1, с. 17-28. Леонов В.П.

Отзывы читателей обзора "Статистика в кардиологии. 15 лет спустя". В ноябре 2013 г. был опубликован наш обзор "Статистика в кардиологии. 15 лет спустя". За прошедшие полгода более 20 читателей этого обзора прислали нам свои отзывы по нему. Далее приведены фрагменты из двух отзывов, и наши комментарии к ним...


Балацкий Е.В. Диссертационная ловушка


Отзывы читателей обзора Статистика в кардиологии. 15 лет спустя.

В ноябре 2013 г. был опубликован наш обзор "Статистика в кардиологии. 15 лет спустя". За прошедшие полгода более 20 читателей этого обзора прислали нам свои отзывы по нему. Далее приведены фрагменты из двух отзывов, и наши комментарии к ним...

 


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"