Главная Случайная страница


Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






Галотан и морфин при операциях на открытом сердце

Галотан и морфин при операциях на открытом сердце

 

Галотан препарат, широко используемый при общей анестезии. Он обладает сильным действием, удобен в применении и очень надежен. Галотан — газ его можно вводить через респиратор. Поступая в организм через легкие, галотан действует быстро и кратковременно поэтому, регулируя подачу препарата можно оперативно управлять анестезией. Однако галотан имеет существенный недостаток — он угнетает сократимость миокарда и расширяет вены, что ведет к падению АД. В связи с этим было предложено вместо галотана для общей анестезии применять морфин, который не снижает АД. Т. Конахан и соавт. сравнили галотановую и морфиновую анестезию у больных, подвергшихся операции на открытом сердце. В исследование включали больных, у которых не было противопоказаний ни к галотану, ни к морфину. Способ анестезии (галотан или морфин) выбирали случайным образом. Регистрировали следующие показатели параметры гемодинамики на разных этапах операции, длительность пребывания в реанимационном отделении и общую длительность пребывания в больнице после операции, а также послеоперационную летальность. Сосредоточим внимание на артериальном давлении между началом анестезии и началом операции. Именно в этот период артериальное давление наиболее адекватно отражает гипотензивное действие анестетика, поскольку в дальнейшем начинает сказываться гипотензивный эффект самой операции. Артериальное давление между началом анестезии и началом операции измеряли многократно, каждый раз вычисляя среднее артериальное давление (данные заносились в таблицу) В исследование вошло 122 больных. У половины больных использовали галотан (1-я группа), у половины — морфин (2-я группа). Результаты представлены в таблице. Данные округлены до ближайшего четного числа.

 


Галотановая Мофиновая

 

Эффективность диуретика

Рассмотрим типичный пример применения статистических методов в медицине. Создатели препарата предполагают, что он увеличивает диурез пропорционально принятой дозе. Для проверки этого предположения они назначают пяти добровольцам разные дозы препарата. По результатам наблюдений строят график зависимости диуреза от дозы. Зависимость видна невооруженным глазом (см. рисунок). Исследователи поздравляют друг друга с открытием, а мир — с новым диуретиком.

На самом же деле данные позволяют достоверно утверждать лишь то, что зависимость диуреза от дозы наблюдалась у этих пяти добровольцев. То, что эта зависимость проявится у всех людей, которые будут принимать препарат, — не более чем предположение. Нельзя сказать, что оно беспочвенно – иначе, зачем ставить эксперименты?

Но вот препарат поступил в продажу. Все больше людей принимают его в надежде увеличить свой диурез. И что же мы видим? Мы видим рисунок 2, который свидетельствует об отсутствии какой либо связи между дозой препарата и диурезом.

Черными кружками отмечены данные первоначального исследования. Статистика располагает методами, позволяющими оценить вероятность получения столь «непредставительной», более того, сбивающей с толку выборки. Оказывается в отсутствие связи между диурезом и дозой препарата полученная «зависимость» наблюдалась бы примерно в 5 из 1000 экспериментов. Итак, в данном случае исследователям просто не повезло. Если бы они применили даже самые совершенные статистические методы, это все равно не спасло бы их от ошибки.

Этот вымышленный, но совсем не далекий от реальности пример, мы привели не для того, чтобы указать на бесполезность статистики. Он говорит о другом, о вероятностном характере ее выводов. В результате применения статистического метода мы получаем не истину в последней инстанции, а всего лишь оценку вероятности того или иного предположения. Кроме того, каждый статистический метод основан на собственной математической модели и результаты его правильны настолько насколько эта модель соответствует действительности.

Что должен знать врач о статистическом исследовании

ü Как правильно сформулировать вопрос, на который вы хотите ответить с помощью статистического анализа?

Т.е. что я хочу узнать? Зачем?

ü Необходимые статистические процедуры для адекватного ответа на вопрос.

Чем и как обработать полученные данные?

ü Интерпретация результатов.

Что я получил?

В результате применения статистического метода мы получаем не истину в последней инстанции, а всего лишь оценку вероятности того или иного предположения. Кроме того, каждый статистический метод основан на собственной математической модели и результаты его правильны настолько насколько эта модель соответствует действительности.

Программы для анализа

Все программы статистической обработки данных можно разделить на профессиональные, полупрофессиональные (популярные) и специализированные. Статистические программы относятся к наукоемкому программному обеспечению, цена их часто недоступна индивидуальному пользователю. Профессиональные пакеты имеют большое количество методов анализа, популярные пакеты - количество функций, достаточное для универсального применения. Специализированные же пакеты ориентированы на какую-либо узкую область анализа данных. Создатели программных статистических пакетов заявляют, что их продукт превосходит аналоги. Отсутствие у большинства исследователей времени для освоения нескольких программ, делает непростым ее выбор.

MS Excel

Самой часто упоминаемой (и используемой) в отечественных статьях является приложение MS Excel из пакета офисных программ компании Microsoft MS Office. Причины этого кроются в широком распространении этого программного обеспечения, наличии русскоязычной версии, тесной интеграцией с MS Word и PowerPoint.

Однако, MS Excel - это электронная таблица с достаточно мощными математическими возможностями, где некоторые статистические функции являются просто дополнительными встроенными формулами. Расчеты сделанные при ее помощи не признаются авторитетными биомедицинскими журналами. Также в MS Excel невозможно построить качественные научные графики. Безусловно, MS Excel хорошо подходит для накопления данных (для этих целей также хорошо подходит MS Access), промежуточного преобразования, предварительных статистических прикидок, для построения некоторых видов диаграмм. Однако окончательный статистический анализ необходимо делать в программах, которые специально созданы для этих целей. Существует макрос-дополнение XLSTAT-Pro http://www.xlstat.com для MS Excel который, включает в себя более 50 статистических функций, включая анализ выживаемости, которых в основных случаях достаточно для обычного применения.

R

Наиболее мощный бесплатный программный инструмент с огромным набором библиотек. В 2013 году стал наиболее широко используемым программным продуктом для статистического анализа данных. С R может быть непривычно работать на начальном этапе, поскольку пользователь должен разобраться в том, как подключать библиотеки, как выполнять и сохранять процедуры, а также из-за отсутствия привычного графического интерфейса. Но это вполне компенсируется большим количеством руководств по работе с программой, а графический интерфейс может быть установлен за дополнительную плату.

STADIA

Программа отечественной разработки с 16-и летней историей. Включает в себя все необходимые статистические функции. Она прекрасно справляется со своей задачей - статистическим анализом. Но. Программа внешне фактически не изменяется с 1996 года. Графики и диаграммы, построенные при помощи STADIA, выглядят в современных презентациях архаично. Цветовая гамма программы (красный шрифт на зеленом) очень утомляет в работе. К положительным качествам программы можно отнести русскоязычный интерфейс и наличие книг описывающих работу. Например: Кулаичев А.П. Методы и средства анализа данных в среде Windows. - М: ИнКо, 2002. - 341 с. Со страницы http://www.protein.bio.msu.su/~akula/index.htm можно взять демо-версию STADIA.

STATISTICA

Производителем программы является фирма StatSoft Inc. (США) http://www.statsoft.com которая выпускает статистические приложения, начиная с 1985 года. STATISTICA включает большое количество методов статистического анализа (более 250 встроенных функций) объединенных следующими специализированными статистическими модулями: Основные статистики и таблицы, Непараметрическая статистика, Дисперсионный анализ, Множественная регрессия, Нелинейное оценивание, Анализ временных рядов и прогнозирование, Кластерный анализ, Факторный анализ, Дискриминантный функциональный анализ, Анализ длительностей жизни, Каноническая корреляция, Многомерное шкалирование, Моделирование структурными уравнениями и др. Несложный в освоении этот статистический пакет может быть рекомендован для биомедицинских исследований любой сложности.

Российское представительство компании (http://www.statsoft.ru/) предлагает полностью русифицированную версию программы. Сайт компании содержит много информации по статистической обработке медицинских данных, учебник по статистике на русском языке. Сам пакет STATISTICA описан в нескольких книгах, одна из которых, для медицинских работников: О.Ю. Реброва «Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA.

STATGRAPHICS PLUS

Довольно мощная статистическая программа. Содержит более 250 статистических функций, генерирует понятные, настраиваемые отчеты. Последнюю доступную версию можно получить на сайте http://www.statgraphics.com Есть возможность скачать демо-версию. Следует отметить, что ранние версии этой программы были весьма популярны у отечественных исследователей.

PRISM

Эта программа создавалась специально для биомедицинских целей. Интуитивно понятный интерфейс позволяет в считанные минуты проанализировать данные и построить качественные графики. Программа содержит основные часто применяемые статистические функции, которых в большинстве исследований будет достаточно. Однако, как отмечают сами разработчики, программа не может полностью заменить серьезных статистических пакетов. На сайте http://www.graphpad.com помимо возможности ознакомления с демо-версией Prism можно получить справочник в формате PDF по биомедицинской статистике.

 

Дополнительная информация

В настоящее время в Интернет доступны многие ресурсы, посвященные статистической обработке данных. Один из них - это статистический портал, созданный при содействии В. П. Боровикова, автора книг по программному пакету STATISTICA http://www.statsoft.ru/home/portal Российское представительство StatSoft Inc. предлагает на своем сайте бесплатный электронный учебник по статистике, который призван помочь разобраться с основными понятиями статистики и более полно представить диапазон применения статистических методов http://www.statsoft.ru/home/download/textbook/default.htm. На этом же сайте существует Статистический медицинский советник, который поможет правильно выбрать нужный статистический метод http://www.statsoft.ru/home/portal/applications/medicine/medadvisor.htm

Из ресурсов Интернет заслуживает внимания сайт с пятилетней историей Биометрика http://www.biometrica.tomsk.ru

Дороговизна программ не позволяет их часто менять. Поэтому имеет смысл посмотреть демо-версии, разобраться с работой и потом делать окончательный вывод. Русскоязычные версии (с документацией) имеют только SPSS и STATISTICA.

 

Основные понятия

Биомедицинская информация

Статистика всегда оперирует с некоторой информацией (данными эксперимента):

Биомедицинская информация может быть следующих видов:

1. Первичная информация используемая для получения изображения в медицинской диагностике. Информация получается с использованием сложных диагностических способов, например рентгеновской автоматизированной томографии (АТ), ультразвуковой автоматизированной томографии и других методов. В процессе проведения обследования приёмник излучения (рентгеновского или ультразвукового) диагностических установок накапливает необходимые данные об исследуемом объекте, но для получения изображения с требуемым ракурсом, необходимо производить реорганизацию этих данных. Это требует большего числа вычислений, объём которых зависит от необходимой пространственной и яркостной разрешающей способности. В настоящее время для получения типовой рентгеновской томограммы требуется выполнить несколько сотен миллионов отдельных вычислительных операций. При этом обработка первичных данных должна происходить в реальном масштабе времени, т.е. с минимальной длительности процедуры от облучения пациента до получения результатов анализа.

2. Результаты индивидуального обследования отдельных пациентов в лечебных учреждениях (поликлиника, клиника и т.д.). Это лабораторные исследования крови, мочи и др., общие рентгеновские обследования, ЭКГ и т.д. Данная информация необходима в комплексе для правильной и своевременной постановки диагноза и выбора метода лечения. Оперативное получение такой информации требует создания специализированных баз данных.

3. Статистическая информация о биологических объектах, полученная в результате медико-статистического исследования.Например, исследования количества лейкоцитов в крови детей для определения условий, уровень каких-либо вредных веществ в крови для различных физиологических условий и т. д. Обработка такой информации требует применения математических методов, в частности математической статистики. В приложении к медицине эти методы назвали медицинской статистикой, и в приложении к биологии в целом – биологической статистикой.

4. Информация, получаемая в области биохимических исследований веществ, например, при синтезе новых лекарственных препаратов. С помощью специализированных аппаратных и программных средств становиться возможным детально изучать структуры сложных макромолекул и их химически активные связывающие участки и исследовать как пространственное взаимодействие рецепторов с химически активными участками потенциально полезных лекарств, так и динамику этих молекулярных взаимодействий.

Какие бывают данные?

Информация поступает на обработку в виде данных.

Данные полученные в ходе эксперимента могут быть качественными, количественными и порядковыми. Для корректного использования статистических методов важно представлять, какого типа данные будут обрабатываться.

Количественные данные - признаки, которые можно выразить в числовой форме: возраст, вес, количество детей в семье и т.п.. В свою очередь, они делятся на непрерывные и дискретные.

Непрерывные данные (continuous data) - количественные данные, которые могут принимать любое значение на непрерывной шкале. Другое название – признаки, измеряемые в интервальной шкале (температура, артериальное давление, рост) Например, рост взрослого человека может принимать любое значение в интервале от 150 см до 220 см: 178 см, 178,25 см, 182,33456 см, т.е. произвольное числовое значение на шкале в заданном интервале.

Дискретные данные(discrete data) - количественные данные, принимающие, как правило, конечное число значений, хотя иногда и очень большое: количество смертей в течение года в исследуемой группе, количество пропущенных по болезни рабочих дней.

Качественные данные (классификационные, неупорядоченные, номинальные) - это признаки, которые нельзя выразить количественно: диагноз, место проживания, пол, жив человек или мертв, есть температура или нет и т.п.

Порядковые данные - показатели, измеряемые в шкале порядка (например, стадии болезни, оценки – «плохо», «удовлетворительно», «хорошо»). При этом порядок изменить нельзя, только в обратном направлении, но смысл от этого не меняется. Такие признаки могут быть осмысленно оцифрованы, но важно понимать, что порядок состояний имеет смысл. Часто к таким показателям следует относить балльные оценки, полученные при проведении тестов или экспертиз. Особенность порядковых шкал – отсутствие количественного измерения расстояний между величинами на шкале (можно сказать, что течение болезни «хуже», чем среднетяжелое, при этом очень тяжелое «еще хуже», однако сложно сказать во сколько раз «хуже»)

Для различных типов переменных применяются разные методы статистического анализа

Генеральная совокупность и выборка. Свойства выборки

Обычно исследователь в ходе статистического анализа стремиться сделать выводы обо всей совокупности объектов (например, как некий препарат воздействует на каждого человека с конкретной болезнью).

В сущности, в этом и заключается смысл анализа: иметь представление о свойствах всех изучаемых объектов по тому или иному признаку (например, артериальное давление – признак, люди в возрасте от 30 до 45 лет – исследуемый объект).

Весь массив исследуемых объектов образует генеральную совокупность. Генеральная совокупность обычно представляет собой достаточно большое число элементов, исследователь, в силу различных факторов не может осуществить эксперимент над всеми элементами генеральной совокупности, поэтому он останавливается на достаточном количестве элементов, по возможности характеризующим всю генеральную совокупность. Это количество исследуемых объектов называются выборкой. Предполагается, что выборка характеризует всю генеральную совокупность, если это условие выполняется, то такую выборку называют репрезентативной (представительной). Репрезентативность – очень важное свойство выборки, если выборка не является репрезентативной, то исследователь может сделать ошибочные выводы обо всех объектах исследования (всей генеральной совокупности) Стоит заметить, что в медицинских исследованиях часто бывает так, что выборки имеют очень небольшой объем (обычно в формулах число элементов выборки обозначается как n), порядка 10-20 элементов.

Обеспечение репрезентативности выборки важный аспект при планировании статистического исследования. При недостаточно качественном выполнении данного условия имеется большой шанс получить превратные представления об исследуемом объекте

 

Классический пример

 

Классический пример нерепрезентативной выборки, произошедший в 1936 году в США во время президентских выборов.

Журнал «Литэрари дайджест», который до этого весьма успешно прогнозировал результаты предыдущих выборов, на этот раз ошибся в своих прогнозах, хотя разослал несколько миллионов письменных вопросов подписчикам, а также респондентам, которых они выбрали из телефонных книг и из списков регистрации автомобилей. В 1/4 бюллетеней, которые вернулись заполненные обратно, голоса распределились следующим образом: 57 % отдали первенство кандидату от республиканцев по имени Альф Лэндон, а 41 % отдали предпочтение действующему президенту - демократу Франклину Рузвельту.

В действительности, на выборах победил Ф. Рузвельт, который набрал почти 60 % голосов. Ошибка «Литэрари дайджест» была в следующем. Они захотели увеличить репрезентативность выборки. А так как они знали, что большинство их подписчиков относят себя к республиканцам, то они решили расширить выборку за счёт респондентов, выбранных ими из телефонных книг и автомобильных регистрационных списков. Но они не учли существующих реалий и фактически отобрали ещё больше сторонников республиканцев, потому что во времена Великой депрессии иметь автомобили и телефоны мог позволить себе средний и высший класс. А это и были по большей части республиканцы, а не демократы.

 

Еще одним важным свойством выборки является ее случайный характер (рандомизация). Это означает, что каждый член генеральной совокупности равновероятно может попасть в выборку для проведения эксперимента.

 

Т.е. вероятность оказаться в выборке одинакова для всех членов генеральной совокупности

 

Осуществить рандомизацию выборки необходимо с целью снижения возможной подтасовки результатов. Например, если исследуется воздействие препарата на артериальное давление и в генеральную совокупность входят люди разной возрастной группы, но с одинаковыми показаниями к препарату, стоит учитывать, что исследователь может выбрать людей помладше, тем самым улучшить показатели воздействия препарата, и подобный отбор уже не является случайным. Следовательно, выводы могут оказаться завышенными или заниженными, слишком оптимистичными или наоборот.

Вариационный ряд

Изобразить распределение признака можно различными способами: вариационным рядом, гистограммой, вариационной кривой.

Варианта – это конкретное значение случайной переменной Хi , т.е. величины, изменяющиеся под влиянием многих случайных причин.

Вариационный ряд – это упорядоченное отражение реально существующего распределения значений признака по отдельным особям изученной группы. Т.е. вариационный ряд отражает, то сколько раз та или иная переменная встречается в полученных данных эксперимента.

 

Другими словами, при измерении значений какого-то признака (например, температуры тела, роста или артериального давления), у разных членов исследуемой группы значение этого признака будут различными. Упорядоченная запись этих значений и называется вариационным рядом

Числа в вариационном ряду располагаются в определенном порядке: по возрастанию или убыванию, что позволяет даже без вычислений определить величину основных показателей с приближением, которое достаточно для первичного ознакомления с признаком. В некоторых случаях внимательное рассмотрение вариационного ряда избавляет от необходимости расчета точных показателей.

Пример:

В результате исследования группы людей на предмет влияния правильности метода лечения на сроки госпитализации (где переменной является число дней госпитализации) был получен следующие результаты:

Количество дней госпитализации 2,5 3,5 4,5 3,5 4,5 2,5 4,5 4,5 3,5 4,5 5,5 5,5

Вариационный ряд имеет вид:

Количество дней госпитализации 2,5 2,5 3,5 3,5 3,5 4,5 4,5 4,5 4,5 4,5 5,5 5,5

Числа в вариационном ряду располагаются в определенном порядке: по возрастанию или убыванию, что позволяет даже без вычислений определить величину основных показателей с приближением, которое достаточно для первичного ознакомления с признаком. В некоторых случаях внимательное рассмотрение вариационного ряда избавляет от необходимости расчета точных показателей.

Распределение значений признака. Полигон частот

Каждая генеральная совокупность характеризуется распределением значений исследуемой переменной (признака) или графическим представлением частоты встречаемости.

Другими словами, графическим представлением того как часто (сколько раз) появляется в результатах эксперимента то или иное значение переменной

 

Выборка также характеризуется распределением признака (выборочное распределение).

 

 

Пример:

В результате исследования группы людей на предмет влияния правильности метода лечения на сроки госпитализации (где переменной является число дней госпитализации) были получены следующий вариационный ряд:

 

Количество дней госпитализации 2,5 2,5 3,5 3,5 3,5 4,5 4,5 4,5 4,5 4,5 5,5 5,5

 

Запишем его в виде таблицы частот:

 

Количество дней Частота
2,5
3,5
4,5
5,5

 

Под частотой подразумевается сколько раз то или иное значение появилось в выборке в ходе проведения эксперимента или сбора данных.

 

Для построения графика распределения на оси Х (горизонтальной) отмечаются значения «Количество дней госпитализации», по оси У (вертикальной) – отмечается сколько раз то или иное значение появилось в ходе исследования.

 

 

Обычно строят огибающую (линию тренда):

 

 

Столбчатую диаграмму чаще всего называют полигоном частот, огибающую линию – графикомраспределения частот.

Довольно часто вместо частоты встречаемости на графике изображают относительную частоту встречаемости,выражаемую в долях или процентном соотношении.

Относительная частота встречаемости конкретного члена выборки (или генеральной совокупности) объемом N определяется следующим образом:

 

Количество членов выборки с заданным конкретным значением/Объем выборки

Или

f=М/N,

 

где М – количество элементов выборки с заданным конкретным значением.

 

Из выше приведенного примера рассчитаем относительную частоту встречаемости дней госпитализации со значением 4,5

 

f=5/(1+2+3+3+4+5+3+2)=5/23=0,2174

Относительная частота встречаемости по количеству дней госпитализации со значением 4,5 дня равна 0,22, если это значение выразить в процентах, то получается 22%.

 

Т.е. 22% от всех участников эксперимента были выписаны спустя 4,5 суток после начала лечения

 

Подсчитав все относительные частоты можно получить следующую таблицу:

 

Количество дней Частота встречаемости Относительная частота встречаемости Относительная частота встречаемости (%)
0,0435 4,35 %
2,5 0,0870 8,70 %
0,1304 13,04 %
3,5 0,1304 13,04 %
0,1739 17,39 %
4,5 0,2174 21,74 %
0,1304 13,04 %
5,5 0,0870 8,70 %
Сумма: 100 %

Построим гистограмму:

 

 

Изобразим график распределения:

 

Смысл использования относительных частот встречаемости заключается в том, что довольно часто необходимо выразить количество членов выборки с разными значениями исследуемого признака в процентном соотношении, или иными словами указать вероятность возникновения признака с таким значением (в рассмотренном примере значения являются дискретными) уже в генеральной совокупности, при условии, что выборка репрезентативна.

Также обратите внимание, что сумма относительных частот равна 1, а их процентного соотношения соответственно 100%.

Забегая вперед, следует сказать, что площадь под кривой распределения всегда равна 1 (естественно, если при этом используется выражение частоты встречаемости признака в виде относительной частоты встречаемости).

Также: площадь ограниченной области под кривой распределения равна доле и вероятностипоявления признака с заданными значениями. Т.е. исходя из рисунка, доля членов выборки со значениями в интервале от 4,0 до 5,0 равна площади заштрихованной области на графике.

 

Далее, если принять, что рассматриваемая случайная величина (признак исследуемого объекта) непрерывна, то увеличивая количество измерений и при этом уменьшая размер интервалов (карманов) мы получим следующие графики (графики соответствуют идеальному случаю нормального распределения):

 


 

Виды распределения

 

В большинстве случаев в медико-биологических исследованиях встречаются следующие виды распределения:

 

· Нормальное

· Ассиметричное

· Равномерное

· Полимодальное

Равномерное распределение

 

 

Равномерное распределение указывает на малое влияние переменной на исследуемый процесс или малое влияние процесса на снимаемые показатели.

 

Ассиметричное (если ассиметрия левосторонняя – логнормальное распределение)

 

Если функцию f(x) логнормального распределения преобразовать на ее логарифм log(f(x)), то в этом случае полученная функция будет иметь нормальное распределение и характеризоваться теми же параметрами.

Используя графическое представление такой случай можно продемонстрировать следующим образом:

 

 

Теперь если рассчитать логарифм десятичный от х, и построить распределение получившихся значений, то мы получим следующий график:

 

 

Соответствующий нормальному распределению.

 

Полимодальное распределение

 

 

Полимодальное распределение может быть обусловлено действием нескольких скрытых факторов. Или о, возможно, неправильном построении исследования, например, выборка не является достаточно репрезентативной.

 

В зависимости от типа распределения выбираются методы статистического анализа

 

Если распределение является нормальным или логнормальным, то применяют методы так называемой параметрической статистики.

 

Лекция 2

 

Описательная статистика

 

В результате проведения эксперимента исследователь получает данные для их дальнейшей обработки и формирования выводов и заключений.

Данные, которые необходимо подвергнуть статистическому анализу, чаще всего представлены большим массивом чисел, показателей или другими возможными значениями проявления признака.

Например, при исследовании влияния анестетика на падение артериального давления при операции на открытом сердце исследователь получает таблицу результатов, в которой перечислены значения давления у каждого пациента выборки (например, до и во время проведения операции), выживаемость после операции (умер пациент или нет) и т.п.

 

Так как работать с большим массивом данных сложно и неудобно, его стремятся представить в более приемлемом и наглядном виде для дальнейшего анализа.

Поэтому одним из первых этапов статистического анализа является краткое описание данных или описательная статистика.

Описательная статистика включает в себя:

· Формирование таблиц результатов анализа (строго говоря, это предварительный этап)

· Проверка данных на возможное наличие артефактов (выбросов)

· Построение графика распределения (полигона частот) значений признака

· Расчет основных параметров распределения

· Формирование выводов относительно полученных данных эксперимента о принадлежности их к тому или иному типу распределения и как следствие – выбор метода дальнейшего анализа.

Вариационный ряд. Типы распределения значений признака

Варианта – это конкретное значение случайной переменной Хi , т.е. величины, изменяющиеся под влиянием многих случайных причин.

Изобразить распределение признака можно различными способами: вариационным рядом, гистограммой, вариационной кривой.

При увеличении числа наблюдений обычно отмечаются повторения отдельных вариант. В этом случае для построения вариационного ряда необходимо выписать все значения вариант в порядке возрастания, а затем подсчитать число повторений (частоту – f) каждой варианты и записать их рядом с соответствующими значениями вариант. Подобная запись зовется вариационным рядом.

Вариационный ряд – это упорядоченная запись значений признака (исследуемого параметра) по отдельным особям (членам) изучаемой группы.

Другими словами, при измерении значений какого-то признака (например, температуры тела, роста или артериального давления), у разных членов исследуемой группы значение этого признака будут различными. Упорядоченная запись этих значений и называется вариационным рядом

Вариационный ряд отражает, то сколько раз та или иная переменная встречается в полученных данных эксперимента.

 

Каждая генеральная совокупность (или выборка) характеризуется распределением значений исследуемой переменной (признака) или графическим представлением частоты встречаемости. Т.е. графическим представлением того с какой частотой встречается в результатах эксперимента то или иное значение переменной.

Для построения графика распределения для приведенного выше вариационного ряда на горизонтальной оси отмечаются значения «Количество дней госпитализации», на вертикальной оси – отмечается сколько раз то или иное значение (дней госпитализации) появилось в ходе исследования.

 

 

Примеры графиков распределения частот:

 

 

Столбчатую диаграмму чаще всего называют полигоном частот или гистограммой, огибающую линию – графиком распределения частот или вариационной кривой.

Внешний вид наиболее часто встречающихся типов распределения признака

Нормальное (колоколообразное, гауссово) распределение

Равномерное распределение

 

Ассиметричное распределение (если ассиметрия левосторонняя –

Последнее изменение этой страницы: 2016-06-10

lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда...