Армацевтическая
жүктеу/скачать 12,32 Mb.
|
Биостатистика-МПД.рус
- Бұл бет үшін навигация:
- Групповое среднее
- Источник вариации, дисперсии Сумма квадратов отклонений Число степеней свободы
- 4. Иллюстративный материал
- 6. Контрольные вопросы
- ЛЕКЦИЯ №4 1. Тема
- План лекции
- 3. Тезисы лекции.
Алгоритм решения: 1. Вычисляются: Общая средняя: Факторная сумма квадратов отклонений: Остаточная сумма квадратов отклонений: Общая сумма квадратов отклонений: Факторная дисперсия: Остаточная дисперсия: 2. Полученные данные заносятся в таблицу:
3. Сравниваются и : > – значит нулевая гипотеза отвергается и влияние фактора признается существенным, т.е. фактор курения значимо влияет на заболеваемость дыхательных путей. Двухфакторный дисперсионный анализ – система статистических методов исследования действия на признак двух организованных факторов. Двухфакторный дисперсионный анализ позволяет оценить не только влияние каждого из факторов в отдельности, но и их взаимодействие. 4. Иллюстративный материал: презентация, слайды. 5. Литература: Васильева Л.А. Статистические методы в биологии, медицине и сельском хозяйстве: Учеб. пособие для вузов. - Новосибирск, Новосибирский Государственный университет, 2007. - 128 с Гмурман В.Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов. - 9-е изд., стер. - М.: Высш. шк., 2003. - 479 с. Медик В.А., Токмачев М.С., Фишман Б.Б. Статистика в медицине и биологии: Руководство. В 2-х томах / Под ред. Ю.М. Комарова. Т. 1. Теоретическая статистика. - М.: Медицина, 2000. - 412 с. Основы высшей математики и математической статистики: Учебник / И.В. Павлушкин и соавт. - М.: ГЭОТАР-МЕД, 2004. - 424 с. Плохинский Н.А. Биометрия / изд. 2. - М.: МГУ, 1970. - 367 с. Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. - М.: МедиаСфера, 2002. - 312 с. 6. Контрольные вопросы: Какие статистические гипотезы проверяются с помощью дисперсионного анализа? Какова основная идея дисперсионного анализа? ЛЕКЦИЯ №4 1. Тема: Статистические методы в эпидемиологическом анализе. 2. Цель: ознакомить студентов с основами применения статистических методов в эпидемиологическом анализе. План лекции: 1. Основные критерии эпидемиологического анализа: 1.1. Эпидемиологические показатели. 1.2.Средние величины, их размеры и количественные отношения признаков. 2. Анализ заболеваемости по факторам риска, количественная оценка факторов риска развития заболевания. 3. Тезисы лекции. Эпидемиологический анализ — это анализ уровня, структуры и динамики заболеваемости среди какой-либо группы населения или на определенной территории с целью установления причин и условий, определяющих проявления эпидемиологического процесса. Изучение и анализ эпидемиологической ситуации на различных территориях с целью выявления и устранения причин возникновения инфекционных заболеваний представляют важную научную и прикладную задачу. На основании знаний закономерностей эпидемического процесса и факторов, способствующих его проявлению, можно сделать заключение о дальнейшем ходе развития этого процесса во времени и пространстве. Важнейшим инструментом для реализации подобного заключения являются методы статистического анализа. 1.1. Оценка эпидемиологической ситуации и эффективности профилактических и противоэпидемических мероприятий проводится с использованием ряда статистических показателей, которые являются общими для многих инфекций. Под термином «эпидемиологические показатели» следует понимать качественную или количественную характеристику эпидемических явлений. Эпидемиологические показатели рассчитываются на определенную численность населения (на 1000, 10 000, 100 000 и т. д.), поэтому они являются относительными величинами и называются интенсивными показателями. Важнейшим критерием эпидемического процесса является заболеваемость инфекционными болезнями за определенный период, которая определяется по формуле: При анализе заболеваемости дополнительно используют следующие показатели: инфицированность (число инфицированных лиц на 100, 1000 и т.д. обследованных), пораженность (число выявленных больных на 100 или 1000 обследованных), болезненность (число больных с активными и неактивными формами болезни на 10000 населения). В ходе анализа необходимо определить структуру заболеваемости, долю различного по форме или по степени тяжести течения болезни, оценить результаты лабораторного исследования и т.д. Для этой цели используется экстенсивный показатель – удельный вес, который характеризует распределение целого на составные части и выражается в процентах. При этом за 100% принимается общее количество рассматриваемых случаев. Например, при изучении качества воды из 95 проб 60 оказалось без кишечной палочки, 30 – с допустимым ее содержанием, 5 – с высоким содержанием кишечной палочки. Соответственно в процентах: 63,2; 31,6 и 5,2. Из экстенсивных показателей наиболее широко применяются: Индексом эпидемиологической эффективности является практическая ценность профилактических мероприятий (вакцинирования, фагирования и др.): Иногда пользуются коэффициентом эпидемиологической эффективности: , где а - заболеваемость в испытуемой группе, b - в контрольной. Индекс эффективности показывает во сколько раз заболеваемость в испытуемой группе ниже заболеваемости в контрольной группе. Коэффициент эффективности отражает на сколько процентов заболеваемость в испытуемой группе ниже заболеваемости в контрольной группе. Все рассмотренные выше эпидемиологические показатели обрабатываются с помощью методов статистического анализа. 1.2. Средняя величина есть обобщающая количественная характеристика совокупности по одному варьирующему признаку. Например: продолжительность инкубационного периода, число заболевших в очагах и т.д. Эти величины имеют огромное познавательное значение, так как теснейшим образом связаны с существом рассматриваемых процессов и являются основным средством статистических расчетов. Отличительная особенность средних величин в том, что в них взаимно погашаются индивидуальные отклонения признаков единиц совокупности, тем самым устраняются случайные колебания и проявляются значения признаков, объективно присущие тому или иному массовому явлению. Рассмотрим некоторые виды средних: 1. Средняя арифметическая – одна из распространенных форм средней величины. Рассчитывается как частное от деления суммы индивидуальных значений (вариантов) признака на их число: , где М - средняя арифметическая, Мвзв - средняя арифметическая взвешенная, х - варианты признака, n - число вариантов, р - веса. Арифметической взвешенной удобно пользоваться в тех случаях, когда эпидемиологу необходимо проанализировать большой вариационный ряд, в котором многие варианты повторяются часто. 2. Средняя геометрическая применяется в основном при изучении динамики (при расчете роста или снижения в вариационных рядах): , где x1, x2... – показатели 1-го, 2-го и последующих лет исследований. 3. Медиана – числовая характеристика вариационного ряда, находящаяся посередине и делящая его пополам. Например, мы имеем вариационный ряд, состоящий из 13 значений, описывающих различную длительность инкубационного периода при дизентерии: 6; 5; 7; 5; 3; 9; 5; 8; 10; 14; 5; 7; 8. Располагаем варианты в порядке возрастания: 3; 5; 5; 5; 5, 6; 7; 7; 8; 8; 9; 10; 14. В середине ряда находится варианта, имеющая числовое значение 7, она и будет медианой. Если совокупное число единиц вариационного ряда четное, медиана равна средней арифметической двух соседних вариант, находящихся посередине. 4. Мода – это случайная величина, наиболее часто встречающаяся варианта в вариационном ряду. В нашем условном вариационном ряду: 6; 5; 7; 5; 8; 9; 5; 8; 10;14; 5; 7; 3 – наиболее часто встречается варианта 5 – она и будет модой. Изучаемые эпидемиологией явления чаще имеют характер нормального распределения. При этом из всех вариант подавляющее большинство составляют варианты среднего размера, и чем дальше они отклоняются от среднего значения признака, тем реже встречаются в данной совокупности. В симметричном вариационном ряду, соответствующем нормальному распределению, значения средней арифметической, моды и медианы совпадают. В случаях, когда какие-нибудь причины благоприятствуют появлению значений признака (например, аварии водопроводной сети могут повысить численность заболевших инфекциями, передающимися водным путем; правильно выполненные профилактические мероприятия уменьшают количество заболевших и т. д.), отличающихся от среднего значения в сторону уменьшения или увеличения, образуются асимметричные распределения. В таких рядах средняя арифметическая, мода и медиана не совпадают. Асимметрия учитывается при помощи вычисления коэффициента асимметрии. Где Аs - показатель асимметрии; - сумма кубов отклонений вариант от средней арифметической; σ3 - среднее квадратическое отклонение, возведенное в третью степень; n - общее количество наблюдений. Этот показатель колеблется от –3 до +3. Если Аs>0, то асимметрия будет положительной (т.е. большинство вариантов располагаются справа от середины ряда). Если Аs<0, то асимметрия будет отрицательной (т.е. большинство вариант располагаются слева от середины ряда). Если Аs=0, то вариационный ряд будет симметричным. Таким образом, коэффициент асимметрии позволяет проверить гипотезу о законе распределения генеральной совокупности. Для оценки формы распределения случайных величин применяется коэффициент эксцесса: , где Е – показатель эксцесса; ΣD4=Σ(х-M)4 – сумма отклонений вариант (х) от средней арифметической (М) в четвертой степени; σ4 – среднее квадратическое отклонение в четвертой степени; n – общее число наблюдений. Для нормального распределения эксцесс равен нулю. Если значение коэффициента эксцесса больше нуля, то эксцесс будет положительным, если меньше нуля – отрицательным. При нормальном распределении показатели асимметрии и эксцесса должны быть близки к нулю. При изучении массовых явлений нельзя ограничиться только средними значениями их признаков, необходимо широко подвергать всестороннему анализу отклонения от средней, поскольку без этого нельзя увидеть весь процесс в его динамическом развитии. Для этого в статистике используются показатели вариации или колеблемости: 1. В эпидемиологических исследованиях широко применяется среднее квадратическое отклонение (σ). Оно является вторым по значимости параметром характеристики вариационного ряда. По средней арифметической и среднему квадратическому отклонению можно определить с известной статистической значимостью принадлежность любой варианты к рассматриваемому вариационному ряду. Этот показатель представляет собой меру колеблемости и определяется по формулам: 2. Дисперсия (σ2) – среднее квадратическое отклонение варианты (х) от среднего арифметического значения (М). Она является мерой вариации, т. е. колеблемости признака. Этот показатель является основным при проведении дисперсионного факторного анализа и определяется по формулам: Цель анализа заболеваемости по факторам риска: проверка гипотез о причинах, способствующих заболеваемости; выявление факторов, способствующих риску заражения и заболевания людей; установление ведущих типов эпидемий. Для количественной оценки факторов риска используется корреляционный анализ. Корелляционный анализ показывает характер и тесноту связи между заболеваемостью и возможной ее причиной. Одним из наиболее совершенных способов измерения связи является вычисление линейного коэффициента корреляции: где rxy – коэффициент корреляции; х и у – коррелируемые ряды; , - средние значения. При положительной (прямой) связи (рост заболеваемости дизентерией при увеличении в воде водопровода доли нестандартных проб воды) коэффициент корреляции может принимать значения от «0» до «+1». В случае отрицательной (обратной) связи (снижение заболеваемости гепатитом «В» по мере увеличения охвата населения вакцинацией против этой инфекции) коэффициент корреляции выражается отрицательным числом и принимает значения от «0» до «–1». Чем ближе значения коэффициента корреляции к единице, тем связь становится теснее. Если коэффициент корреляции равен единице, то связь строго функциональная. Если коэффициент корреляции равен нулю, то связь отсутствует. В зависимости от коэффициента корреляции можно сделать следующее заключение: 0 < r < 0,3 – слабая (малая) связь; 0,3 < r < 0,7 – средняя (умеренная) связь; 0,7 < r <1 – сильная (тесная) связь. жүктеу/скачать 12,32 Mb. Достарыңызбен бөлісу:
| |||||||||||||||||||||||||||||||||||||||||||||||||||