Название учебного заведения
Кафедра
Реферат
по теме:
«Методы медико–биологической статистики в эпидемиологических исследованиях»
Проверил:
Выполнил:
Город – 2021
Оглавление
Введение 3
Понятие об описательной статистике 5
Методы медико-биологической статистики в эпидемиологических исследованиях 6
Теория вероятности и медико-биологическая статистика 7
Применение статистических программ 9
Использование статистических методов 11
Заключение 13
Список используемых источников 16
Введение
Любой специалист медико–биологического профиля в силу специфики профессии является исследователем и обязан непрерывно обучаться и совершенствоваться. Медицина испытывает острую потребность во внедрении инновационных технологий. В данной сфере деятельности предложение значительно превышает спрос, а разработка и внедрение той или иной технологии сопряжены как с риском для пациентов, так и со значительными финансовыми затратами для учреждений.
Медико–биологическая статистика является ведущим инструментом клинической эпидемиологии и представляет собой прикладную интегральную науку на стыке математической статистики, кибернетики и биологии.
На всех уровнях принятие решений неизбежно требует объективного обоснования выбора. В ситуации, когда риску подвергается благополучие человека недопустимо рассуждать субъективно, поэтому эффективность каждой медицинской технологии, как на этапе разработки, так и при внедрении должна рассматриваться критично и на основе доказанных сведений.
На практике не существует идеальных технологий, но среди доступных разумно выбирать ту, которая обладает достаточной доказательной базой. Таким образом, медицина нуждается в объективных доказательствах, поэтому всякий эффект при выборе медицинской технологии следует принимать как количественный параметр, а всякое доказательство эффективности выстраивать с позиций математики.
Доказательная медицина («медицина, основанная на доказательствах» от англ. evidence based medicine, EBM) – это сознательное, четкое и беспристрастное усиление навыков клинициста в диагностике, лечении и профилактике, а так же других областях путем систематического формулирования вопросов и применения математических оценок вероятности и риска но основе имеющихся доказанных сведений.
Клиническая эпидемиология – наука, разрабатывающая методы клинических исследований, которые дают возможность делать обоснованные заключения, сводя к минимуму влияние систематических и случайных ошибок на результаты исследований. Клиническая эпидемиология является методической основой доказательной медицины.
Информация – это потенциальные свойства некого объекта или системы, которые доступны для хранения, передачи, преобразования и выявления при изучении разумным существом.
Данные – это информация, представленная в формализованном виде. Формализация данных может достигаться различными методами.
Тип данных – это метод формализации, который определяется сущностью изучаемого параметра.
Переменная – это совокупность первичных сигналов, содержащая данные определенного типа, доступные для изменения.
Описать подобную систему во всей полноте взаимосвязей на текущем уровне технического развития не представляется возможным. Тем не менее, всякое исследование прямо или косвенно направлено на выявление, изучение и практическое использование особенностей и закономерностей объектов или явлений.
Актуальность данного вопроса бесспорно не вызывает сомнения, потому что медико–биологическая статистика имеет основополагающую роль в исследованиях.
Объектом исследования является выявление методов статистики для усовершенствования эпидемиологических исследований.
Предметом является медико–биологическая статистика в эпидемиологических исследованиях
Цель исследования – изучить структуры и механизмы медико–биологической статистики.
Для ее достижения следует решить следующие задачи:
1. изучить теоретические подходы к изучению сущности понятия медико–биологической статистики;
2. рассмотреть понятие социальной психологии;
3. изучить структуру и механизм.
Поставленные задачи предопределили структуру работы.
Практическая и теоретическая значимость работы проявляется в том, что ее результаты могут быть использованы для дальнейших исследований.
Структура работы определяется целью и задачами исследования. Работа состоит из введения, трех параграфов, заключения, списка использованной литературы.
Понятие об описательной статистике
Ключевым моментом всякого статистического анализа является количественное представление данных. При проведении статистического анализа, исследователь, как упоминалось ранее, работает с «идеализованным» образом распределения. Для того чтобы охарактеризовать количественно особенности распределения изучаемых величин применяется описательная статистика.
Основные задачи описательной статистики:
Описание групп объектов исследования;
Статистическая оценка параметров распределения;
Компактное визуальное представление данных о показателях.
Следует упомянуть о том, что описание данных должно производиться способом, который дает возможность максимально составить представление о распределении, т. е. значения показателей описательной статистики должны находиться в непосредственной взаимосвязи с параметрами функции распределения.
Чем более тесной является взаимосвязь показателя описательной статистики с параметрами распределения, тем более подходящим для задач описательной статистики является данный показатель. В каком виде представлять данные – в текстовом или графическом? 1
Наша рекомендация может выглядеть следующим образом: информация должна предоставляться в виде наиболее соответствующим задачам исследователя и виду изложения информации.
Без всякого сомнения, если исследование представляет собой диссертацию на соискание ученой степени или журнальную статью, то лучше использовать текстовый формат представления данных, графику использовать по минимуму.2 Это даст возможность коллегам и экспертам получить интересующую информацию в наиболее полном объеме: количественные данные, полученные в ходе исследования, возможность экспертной проверки и т. д. Если же данные приводятся в устном выступлении с презентацией, а выступление ограничено по времени, то приоритет должен быть у визуальных методов представления данных, которые позволяют донести информацию быстрее за короткий промежуток времени и акцентировать внимание на ключевых моментах работы.
Методы медико-биологической статистики в эпидемиологических исследованиях
Медико-биологическая статистика является ведущим инструментом клинической эпидемиологии и представляет собой прикладную интегральную науку на стыке математической статистики, кибернетики и биологии.
Необходимость существования данной науки как самостоятельного направления обусловлена как спецификой потребностей отрасли, ее кадровым составом, так и особенностями изучаемых систем, объектов и явлений. Математическая статистика обеспечивает взаимодействие и преемственность между прикладными и фундаментальными исследованиями различных направлений.3 Медико-биологическая статистика не требует от исследователя глубинного знания высшей математики, но обязует его к пониманию методов и критериев математической статистики, а так же условий и ограничений использования этих методов. При изучении биологических объектов и явлений следует помнить, что каждый частный случай является динамически изменяющимся элементом сверхсложной системы со многими неизвестными, и в тоже время сам фактически является системой.
Описать подобную систему во всей полноте взаимосвязей на текущем уровне технического развития не представляется возможным. Тем не менее, всякое исследование прямо или косвенно направлено на выявление, изучение и практическое использование особенностей и закономерностей объектов или явлений. Композиционность медицинских технологий обеспечивается единством анализа и синтеза. Таким образом, для эффективной разработки и внедрения медицинской технологии современные специалисты медико-биологического профиля неизбежно в той или иной мере обращаются к кибернетике.
Кибернетика – это фундаментальная теоретическая наука о связи и управлении в биологических и небиологических системах.4 Медицинская кибернетика является прикладной дисциплиной, которая изучает связь и управление в системах в контексте потребностей медицинской отрасли. Современная техника позволяет специалистам медико-биологического профиля не производить рутинные вычисления вручную. Но всякое исследование оригинально, поэтому не может существовать универсального программного пакета, идеально отвечающего потребностям исследователя.
Специалист по медико-биологической статистике принимает участие на всех этапах разработки, внедрения и сопровождения медицинской технологии и, подобно другим сотрудникам коллектива, осуществляет выбор «инструментов» и методов для достижения поставленных задач с учетом возможностей и потребностей коллег.5
Теория вероятности и медико-биологическая статистика
Медико-биологическая статистика хотя и оперирует методами и терминологией математической теории вероятности, но отличается свой узкой прикладной направленностью. Теория вероятностей как один из разделов высшей математики (как, впрочем, и любой другой ее раздел) стремится максимально абстрагироваться от параллелей с реальной жизнью. В высшей математике, по мнению многих авторов, приближенные вычисления не являются приемлемыми и допустимыми. Всякая теорема доказывается «идеально». Только такой подход позволяет обеспечить развитие математики как фундаментальной науки. 6
Прикладные интегральные науки, основанные на математической теории вероятности (в том числе и медико-биологическая статистика) широко используют приближенные вычисления, аппроксимацию и интерполяцию.
Методы и критерии прикладных статистических наук, хотя и имеют сходный смысл, но могут значительно различаться в возможностях и ограничениях при использовании в различных отраслях. Так, экономическая статистика и прогнозирование, как правило, оперируют большими и средними выборками (тысячи и десятки тысяч случаев наблюдений) количественных данных, распределение которых поддается корректной оценке, аппроксимации и преобразованию к нормальному закону, что дает возможности для широкого применения параметрических методов.
Сходная ситуация наблюдается и в технических науках. Исследователь медико-биологического профиля, как правило, работает с малыми выборками категориальных и дискретных данных, что обязывает к использованию непараметрических методов и критериев с соответствующими поправками на размер выборки и количество проверок гипотезы.
На данный момент количество специфических методов медико-биологической статистики настолько возросло, что без соответствующей переподготовки специалист–математик не сможет проводить анализ медико-биологических данных. Специалист же медицинского профиля без освоения азов математических знаний и теории вероятности будет испытывать трудности в понимании сути статистических методов и интерпретации результатов.
Кроме того, из–за значительных различий в программах подготовки специалистов медицинского и технического профилей, а также широкого использования терминологии несомненно будут возникать трудности коммуникативного характера: медик не может четко поставить задачу математику, а математик – не может в полной мере предоставить информацию о ходе анализа и его результатах медику в понятной форме.7 Таким образом, медико–биологическая статистика не является статистикой в строгом понимании этого слова, но является самостоятельной областью знаний, интегральной наукой со своей специфической терминологией, методологией и областью применения.
Корректное использование статистического анализа связано с внедрением принципов доказательной медицины, постепенной интеграцией отечественной науки в мировую, развитием грантовой поддержки науки и повышением требований к методическому качеству исследований и изложению результатов.8 Из всего перечня медицинских наук (32 наименования) исследователи отдают предпочтение 20 специальностями, что соответствует профильности существующих диссертационных советов.
При этом, вопреки мнению о конъюнктурном использовании общих организационных специальностей типа «общественное здоровье и здравоохранение», каждая седьмая диссертация выполнена по нервным болезням, каждая восьмая – по акушерству и гинекологии и лишь каждая десятая – либо по педиатрии, либо по общественному здоровью и здравоохранению. Незначительно от последних по общему количеству защищённых диссертационных исследований отстают работы по хирургии (9%).
Названные пять специальностей составляют чуть больше половины всёх выполненных и защищенных на ученых советах диссертационных исследований. На шестом и седьмом местах по актуальности заявленной тематики находятся работы по лучевой диагностике и лучевой терапии, а также по фармакологии и клинической фармакологии (по 6%), единичны работы по физиологии, кардиологии, инфекционным болезням (по 3%), эндокринологии, патологической физиологии, психиатрии, травматологии и ортопедии (по 2%).9 Крайне редко врачи–исследователи обращаются к внутренним болезням, а также к кожным и венерическим болезням, нейрохирургии. Каждая пятая диссертация проходит по двум специальностям: из 120 диссертаций таковых было 25 работ.
Исследования по аллергологии и иммунологии, патологической физиологии, кожным и венерическим болезням, нейрохирургии в 100% случаев совмещали две специальности. Почти 2/3 всех работ в фармакологии и клинической фармакологии, эндокринологии, травматологии и ортопедии содержали второй шифр. В половине работ по гигиене и внутренним болезням указана вторая специальность, а также в трети работ по педиатрии, нервным болезням, акушерству и гинекологии, кроме своей, – и другие специальности. Напротив, крайне редки совмещения специальностей у диссертационных работ, выполненных по общественному здоровью и здравоохранению, лучевой диагностике и лучевой терапии.
Применение статистических программ
К сожалению, каждый четвёртый автореферат исследователей не содержит указания на использование каких–либо статистических пакетов. Среди других диссертационных работ лидерами среди применяемых статистических программ выступают Statistica и с незначительным отрывом от неё Excel, занимающая по трети всех упоминаний, за ними следуют применяемый почти в 2,5 раза реже Biostat, ещё вдвое реже SPSS. На долю указанных четырёх статистических пакетов приходится 88% автоматизированного обсчёта. В оставшихся случаях называются также такие статистические программы, как Statgraphics и MicroCAL (чуть более 3%), ещё реже – GraphPadPrism (1,5%) и единичные упоминания о STATNR, RewMan, OpenOffice, Armstat и PolyAnalyst.
Среди диссертационных работ по отдельным медико-биологическим специальностям о применении универсального статистического пакета Statistica10 указывается в 16 (из 20), кроме стоматологии, инфекционных, внутренних, кожных и венерических болезней. Ссылки на использование популярного табличного процессора Excel есть в работах по 13 специальностям, кроме общественного здоровья и здравоохранения, физиологии, патологической физиологии, эндокринологии, внутренних болезней, кожных и венерических болезней, Biostat – по 14 специальностям.
К услугам последнего не обращались авторы диссертаций по фармакологии и клинической фармакологии, физиологии, кардиологии, психиатрии, эндокринологии, кожным и венерическим болезням. Социологический пакет SPSS использовали в диссертациях только по 7 специальностям. Чуть меньше (в трети работ) использовано сочетание нескольких статистических программ, причем отмечаются как общеизвестное дополнение одних пакетов другими, так и самые разные. Так, среди совмещений чаще всего имело место Statistica+Excel (35%), затем SPSS+Excel (12%), Statistica+Biostat+Excel (9%), а также Biostat+Excel и Statgraphics+MicroCAL (по 7%), реже Statistica+Excel+SPSS, Statgraphics+Excel и SPSS+RewMan (по 5%), в единичных случаях Statistica+Statgraphics, Statistica+Biostat, Statistica+SPSS и Statgraphics+Excel+SPSS.
Выбранные медико–биологические специальности отражают основной спектр научных предпочтений диссертаций. Работы, созданные на грани двух специальностей, вносят разнообразие в изучение описываемых явлений и использование статистических методов и средств.
Использование нескольких статистических программ одновременно чаще всего встречается в работах по педиатрии, нервным болезням и акушерству и гинекологии, т.е. самым многочисленным специальностям.11 Какие объёмы данных используются? Около 7% авторефератов не содержат численного указания на объёмы исследуемого материала. Примерно треть диссертационных исследований привлекали 100–149 ед. наблюдения (31%), каждая восьмая работа строила свои выводы на 200–299 ед. (12,5%), затем по популярности следуют выборки в 150–199 и 1000–1999 ед. (по 12%), за ними в 300 – 499 ед. (9%), 500 – 999 ед. (7%) и 70 – 99 ед. (4%). Исследований, проведённых на очень большом материале, – 2000 – 4999 и 10 000 ед. и более – было незначительно (по 3%), а на сверхмалом материале в 30 ед. – одиночное.
В зависимости от выбранной специальности объёмы материала исследования составили работы по аллергологии и иммунологии, хирургии и внутренним болезням, нервным болезням, кардиологии и эндокринологии составили в среднем 100 – 149 ед. 12
Вторую по распространённости группу в 200 – 299 ед. использовали в акушерстве и гинекологии, психиатрии, травматологии и ортопедии, стоматологии и инфекционным болезням, третью в 150 – 199 ед. – в фармакологии и клинической фармакологии, лучевой диагностики и лучевой терапии, а одноранговую с ней выборку в 1000 –1999 ед. – по общественному здоровью и здравоохранению. Объёмы данных в 300–499 ед. встречались в педиатрии и нейрохирургии, а в 500– 999 ед. – по гигиене.
В зависимости от используемых статистических программ объёмы материала исследования составили в среднем 100 – 149 ед. – в GraphPadPrism и Armstat, Statgraphics и MicroCAL. Во вторую по встречаемости группу (200–299 ед.) вошли статистические пакеты OpenOffice, Biostat и SPSS, в третьею (150 – 199 ед.) – Statistica. При объёме выборки больше 1000 ед. наблюдения использовали RewMan, а 300 – 499 ед. – Excel. При этом распределение средних объёмов данных по статистическим пакетам не совсем совпадали с актуальностью использования этих пакетов.
Просматривается некоторое соответствие между объёмом материала исследования и выбранной специальностью.13 Диссертационные работы клинико-биологической направленности (по хирургии, внутренним болезням, нервным болезням, кардиологии, эндокринологии, физиологии и др.), как правило, немногочисленны по объёму материала, тогда как медико-социологические исследования (по общественному здоровью и здравоохранению, гигиене, а в ряде случаев по педиатрии, лучевой диагностике и лучевой терапии), напротив, многочисленны.
Структура применяемых статистических программ соответствует предпочтению отечественных исследователей. Однако использование табличного процессора Excel более оправдано при больших объёмах (по единицам наблюдения) исследований, чем при малых. Довольно редко применяется специально разработанная для медицинских научных работников и аспирантов программа Biostat. Сочетание статистических программ позволяет недостаток одних (Excel) компенсировать универсальностью других (Statistica, Statgraphics и Biostat).
Использование статистических методов
В каждом девятом автореферате диссертации не были указаны применяемые статистические методы. В оставшихся работах имеются 82 оригинальные ссылки в 452 упоминаниях на статистические приёмы, обозначения и т.д. Среди статистических приёмов анализа почти в каждом четвёртом случае упоминаний было описание данных, в каждом пятом – изучение различия с использованием критерия Стьюдента, в каждом шестом – либо непараметрических критериев, либо корреляционного, дисперсионного и регрессионного анализов.
Группа по изучению различий сравниваемых совокупностей с помощью параметрических и непараметрических критериев является лидером среди статистических методов (более 35%)14. Отдельно стоит отметить упоминания о пороге статистической достоверности (p0,95), а также об использовании параметрических и непараметрических методов (по убывающей 9,5–9,0%).
Если и их долю прибавить к доле методов изучения различий как описание результатов и условий применения статистических критериев, то вместе они составят более половины всех упоминаний. Среди оставшихся методов совершено редким в применении является классификация (дискриминантный и кластерный анализы, прогноз) и почти единичным – снижение размерности (факторный анализ). В указаниях статистических методов в зависимости от специальности наиболее часто прибегали к описанию данных в работах по лучевой диагностике и лучевой терапии, инфекционным болезням (по 35% случаев описаний статистических методов), нервным болезням, педиатрии, хирургии, кардиологии, физиологии и психиатрии (по 25%).
Реже использовали описание данных в работах по общественному здоровью и здравоохранению, акушерству и гинекологии, стоматологии, гигиене и эндокринологии (по 15%), фармакологии и клинической фармакологии, аллергологии и иммунологии, патологической физиологии (по 10%). Полностью обходились без ссылки на описание данных в диссертационных исследованиях по травматологии и ортопедии. К помощи параметрического критерия Стьюдента чаще всего прибегали в работах по физиологии, психиатрии, травматологии и ортопедии, внутренним болезням (по 35% всех упоминаний), чуть меньше – по патологической физиологии, фармакологии и клинической фармакологии, нервным болезням (по 25%), в среднем – в исследованиях по акушерству и гинекологии, педиатрии, хирургии, лучевой диагностике и лучевой терапии, аллергологии и иммунологии (по 15%), крайне редко – по общественному здоровью, стоматологии, кардиологии (по 10%).
Непараметрическими критериями чаще всего пользовались в фармакологии и клинической фармакологии, эндокринологии15 (по 25–30%), в среднем – в исследованиях по нервным болезням, акушерству и гинекологии, педиатрии, лучевой диагностике и лучевой терапии, кардиологии (по 15%), минимальное указание на данные статистические критерии – по хирургии, общественному здоровью и здравоохранению, физиологии (10%). Исследование зависимости (в виде корреляционного, дисперсионного и регрессионного анализов) больше всего присутствовало в работах по общественному здоровью и здравоохранению, гигиене, стоматологии, аллергологии и иммунологии (по 30%), ниже среднего – по акушерству и гинекологии, педиатрии, лучевой диагностике и лучевой терапии (по 15%), менее всего – по нервным болезням, хирургии, кардиологии, инфекционным болезням, психиатрии, фармакологии и клинической фармакологии (10–5%). Совсем не прибегали к корреляционному, дисперсионному и регрессионному анализам в работах по физиологии, патологической физиологии, эндокринологии, травматологии, внутренним болезням, нейрохирургии. 16
Упоминание о статистической достоверности (p0,95) отмечено в работах по многим специальностям, кроме физиологии, эндокринологии, патологической физиологии и нейрохирургии: максимально – в небольшом числе работ по патологической физиологии, кардиологии и физиологии (20–25%), умеренно – по фармакологии и клинической фармакологии, аллергологии и иммунологии, травматологии и ортопедии, внутренним болезням, нервным болезням, хирургии, инфекционным болезнями эндокринологии (10–15%), минимально – в значительном числе работ по акушерству и гинекологии, педиатрии, общественному здоровью и здравоохранению, лучевой диагностике и лучевой терапии (по 5–7%).
Классификациями больше всего пользовались в работах по нейрохирургии, травматологии, патологической физиологии, хирургии, тогда как по другим специальностям – единично, по гигиене, инфекционным болезням, эндокринологии, внутренним болезням не использовали вообще. Снижение размерности как статистический приём применяли только в работах по гигиене, крайне редко – по педиатрии, общественному здоровью и здравоохранению, фармакологии и клинической фармакологии.
При указании статистических методов в зависимости от применяемых программ отмечается, что для описания данных чаще всего прибегают к Excel и MicroCAL17 (по 40% случаев использования пакета), реже – к Statistica и SPSS (30– 35%), еще реже – к Biostat и Statgraphics (по 25%). Определение критерия Стьюдента присутствует во всех пакетах, но только его одного – в Statnr и OpenOffice (по 100%) и Armstat (в 50%). Высокой остаётся доля использования критерия Стьюдента в статистических программах RewMan и SPSS (30–33%), реже – в Statgraphics и Biostat (20–25%), еще реже – в Excel, MicroCAL и Statistica (10–15%).
Непараметрические критерии оценки чаще всего определяли с помощью пакетов GraphPadPrism и RewMan (45–35%), реже – Statgraphics,Statistica и Excel (20–15%), редко – Biostat и SPSS (10–5%). Исследование зависимости путем корреляционного, дисперсионного и регрессионного анализов имело максимальное применение в программах Armstat (50% случаев использования пакета),18 реже – в MicroCAL и Excel (30–20%), редко – в Statistica, SPSS, Biostat и Statgraphics (по 15%). Метод классификации (дискриминантный и кластерный анализы, прогноз) имел место при применении Statgraphics (15%), MicroCAL и SPSS (6–4%), Statistica и Excel (3–2%), а метод снижения размерности в виде факторного анализа – в SPSS и Statistica (4–2%), а также в единичных случаях в Excel и Biostat.
Указанные в авторефератах диссертаций статистические методы отражают конъюнктуру в направлении и обработке результатов исследования. Высокая доля применения параметрических и непараметрических критериев различия (в оценке изменений до и после эксперимента) свидетельствует о наличии «сдвиговой парадигмы» в изучении явления в ущерб другим группам методов статистического анализа – описанию явления или системы, классификации её состава, прогноза поведения, а также поиску новых информативных оценочных показателей посредством снижения размерности.
Применение статистических программ универсального характера19 (Statistica, Statgraphics и Biostat) отмечено при широком спектре использования статистических методов, тогда как обращение к экзотических программам – только для расчёта коэффициента Стьюдента и когда необходимость других приемов статистического анализа исследователями отвергалась.
Заключение
Без всякого сомнения, если исследование представляет собой диссертацию на соискание ученой степени или журнальную статью, то лучше использовать текстовый формат представления данных, графику использовать по минимуму. Это даст возможность коллегам и экспертам получить интересующую информацию в наиболее полном объеме: количественные данные, полученные в ходе исследования, возможность экспертной проверки и т. д.
Исследования, созданные на грани двух специальностей, вносят разнообразие в изучение описываемых явлений и использование статистических методов и средств.
Если же данные приводятся в устном выступлении с презентацией, а выступление ограничено по времени, то приоритет должен быть у визуальных методов представления, данных, которые позволяют донести информацию быстрее за короткий промежуток времени и акцентировать внимание на ключевых моментах работы.
Медико-биологическая статистика является ведущим инструментом клинической эпидемиологии и представляет собой прикладную интегральную науку на стыке математической статистики, кибернетики и биологии.
На всех уровнях принятие решений неизбежно требует объективного обоснования выбора. В ситуации, когда риску подвергается благополучие человека недопустимо рассуждать субъективно, поэтому эффективность каждой медицинской технологии, как на этапе разработки, так и при внедрении должна рассматриваться критично и на основе доказанных сведений.
Описать подобную систему во всей полноте взаимосвязей на текущем уровне технического развития не представляется возможным. Тем не менее, всякое исследование прямо или косвенно направлено на выявление, изучение и практическое использование особенностей и закономерностей объектов или явлений. Композиционность медицинских технологий обеспечивается единством анализа и синтеза. Таким образом, для эффективной разработки и внедрения медицинской технологии современные специалисты медико-биологического профиля неизбежно в той или иной мере обращаются к кибернетике.
Кроме того, из-за значительных различий в программах подготовки специалистов медицинского и технического профилей, а также широкого использования терминологии несомненно будут возникать трудности коммуникативного характера: медик не может четко поставить задачу математику, а математик – не может в полной мере предоставить информацию о ходе анализа и его результатах медику в понятной форме. Таким образом, медико-биологическая статистика не является статистикой в строгом понимании этого слова, но является самостоятельной областью знаний, интегральной наукой со своей специфической терминологией, методологией и областью применения.
Применение статистических программ универсального характера отмечено при широком спектре использования статистических методов, тогда как обращение к экзотических программам – только для расчёта коэффициента Стьюдента и когда необходимость других приемов статистического анализа исследователями отвергалась.
Итак, выбор статистических программ и методов остаётся прерогативой личного предпочтения каждого научного исследователя и традицией его специальности. Он не всегда соответствует возможностям статистических оценок, а следует в русле минимально обязательного. Необходимо адекватно применять приёмы статистического анализа и приводить комментарий выполненных статистических процедур в достаточном объёме – только в этом случае полученные результаты завершенного исследования не будут вызывать сомнения.
Диссертационные работы клинико-биологической направленности (по хирургии, внутренним болезням, нервным болезням, кардиологии, эндокринологии, физиологии и др.), как правило, немногочисленны по объёму материала, тогда как медико-социологические исследования (по общественному здоровью и здравоохранению, гигиене, а в ряде случаев по педиатрии, лучевой диагностике и лучевой терапии), напротив, многочисленны.
Список используемых источников
Андреев А. И., Борисов Д. Н. Применение телемедицинских технологий в повседневной деятельности военно-медицинских организаций // Известия российской военно-медицинской академии. – Санкт-Петербург. – 2016. – С. 19-23
Бахтина И.Л., Лобут А.А. Методология и методы научного познания // Учебное пособие. – Екатеринбург. – 2016. – С. 12-14
Величко В. В. Сравнительный анализ статистических пакетов программ // Инновационная наука. – Оренбург. – 2016. –С. 32- 35
Гордукова М. А., Разработка набора реагентов для количественного определения молекул ДНК TREC и KREC в цельной крови и сухих пятнах крови методом мультиплексной ПЦР в режиме реального времени // Медицинская иммунология. – Москва. – 2015. – С. 467-471
Горинова Ю. В. Генотип-фенотипические корреляции течения кистозного фиброза у российских детей. Первое описание одиннадцати новых мутаций. // Вопросы современной педиатрии. – Москва. – 2018. – С. 61-66
Губа, В., Пресняков, В.. Методы математической обработки результатов спортивно-педагогических исследований. – Москва. – 2015. – С. 210-224
Журавская, Н. Ю.. Изучение приверженности лекарственной терапии больных сердечно-сосудистыми заболеваниями, перенесших мозговой инсульт // Диссертация на соискание ученой степени кандидата медицинских наук. – Москва. – 2015. – С. 36 -41
Лиманкин, О. В.. Система психиатрической помощи Санкт-Петербурга и направления ее совершенствования // Клинико-статистические, клинико-эпидемиологические и организационные аспекты. – Санкт-Петербург. – 2016. – С. 31-33
Мамаев А. Н. Кудлай Д. А. Основные термины математической статистики // Статистические методы в медицине. – Москва. – 2021. – С. 8 - 10
Никонов Е. Л., Солодовников А. Г., Власов В. В. Критический анализ публикации Метаанализ: эзомепразол или рабепразол в сравнении с ингибиторами протонной помпы первого поколения в лечении инфекции // Доказательная гастроэнтерология. – 2018. – С. 44-64.
Петухов, А. Ю. Моделирование социальных и политических процессов.// Учебное пособие. – Нижний Новгород. – 2015. – С. 52-70
Семакина Н. В. Самоорганизация физико-химических и биологических систем // Учебное пособие. – Ижевск. – 2018. – С. 34-36
Семенова О.Л., Карась С.И. Формирование профессиональных компетенций в ходе проектного обучения студентов медицинского вуза // Медицинское образование и профессиональное развитие. – Томск. – 2015. – С. 58-62
Синюшин, А. А. Статистические ошибки и как их избегают, или о корректном анализе количественных данных в селекции // Зернобобовые и крупяные культуры. – Москва. – 2021 – С. 50-61.
Телегина, Н. В., Марданов, М. В. Педагогические условия развития учебно-познавательных компетенций на интерактивном занятии: компетентностный и квалиметрический подходы.// Наука и образование: современные тренды. – Казань. – 2015. – С. 256-278.
Тинякова Е. А. Гуманитарный проект: как повысить качество научных исследований // Социодинамика. – Москва. – 2016. – С. 26-36
Каптерев А. И. Гришина Т.В. Осетров Е. Т. Системный подход к разработке критериев эффективности управления профессионализацией в вузах. – [Электронный ресурс]: URL: http://www.globecsi.ru/Articles/2016/Kapterev_Grishina_Osetrov1.pdf
Колмогоров Ю. Н Методы и средства научных исследований – [Электронный ресурс]: URL: http://hdl.handle.net/10995/54030
Попов А.А., Ермаков С.В. Дополнительное математическое образование как условие развития математической одарённости – [Электронный ресурс]: URL: http://opencu.ru/uploads/matematicheskaja-odarjonnost-statja-v-komplekte.pdf
1 Мамаев А.Н. Кудлай Д.А. Основные термины математической статистики // Статистические методы в медицине. – Москва. – 2021. – С. 8 - 10
2 Колмогоров Ю. Н Методы и средства научных исследований – [Электронный ресурс]: URL: http://hdl.handle.net/10995/54030
3 Бахтина И.Л., Лобут А.А. Методология и методы научного познания // Учебное пособие. – Екатеринбург. – 2016. – С. 12-14
4 Семакина Н. В. Самоорганизация физико-химических и биологических систем // Учебное пособие. – Ижевск. – 2018. – С. 34-36
5 Семенова О.Л., Карась С.И. Формирование профессиональных компетенций в ходе проектного обучения студентов медицинского вуза // Медицинское образование и профессиональное развитие. – Томск. – 2015. – С. 58-62
6 Попов А.А., Ермаков С.В. Дополнительное математическое образование как условие развития математической одарённости – [Электронный ресурс]: URL: http://opencu.ru/uploads/matematicheskaja-odarjonnost-statja-v-komplekte.pdf
7 Лиманкин, О. В.. Система психиатрической помощи Санкт-Петербурга и направления ее совершенствования // Клинико-статистические, клинико-эпидемиологические и организационные аспекты. – Санкт-Петербург. – 2016. – С. 31-33
8 Никонов Е. Л., Солодовников А. Г., Власов В. В. Критический анализ публикации Метаанализ: эзомепразол или рабепразол в сравнении с ингибиторами протонной помпы первого поколения в лечении инфекции // Доказательная гастроэнтерология. – 2018. – С. 44-64.
9 Андреев А. И., Борисов Д. Н. Применение телемедицинских технологий в повседневной деятельности военно-медицинских организаций // Известия российской военно-медицинской академии. – Санкт-Петербург. – 2016. – С. 19-23
10 Каптерев А. И. Гришина Т.В. Осетров Е. Т. Системный подход к разработке критериев эффективности управления профессионализацией в вузах. – [Электронный ресурс]: URL: http://www.globecsi.ru/Articles/2016/Kapterev_Grishina_Osetrov1.pdf
11 Горинова Ю. В. Генотип-фенотипические корреляции течения кистозного фиброза у российских детей. Первое описание одиннадцати новых мутаций. // Вопросы современной педиатрии. – Москва. – 2018. – С. 61-66
12 Гордукова М. А., Разработка набора реагентов для количественного определения молекул ДНК TREC и KREC в цельной крови и сухих пятнах крови методом мультиплексной ПЦР в режиме реального времени // Медицинская иммунология. – Москва. – 2015. – С. 467-471
13 Тинякова Е. А. Гуманитарный проект: как повысить качество научных исследований // Социодинамика. – Москва. – 2016. – С. 26-36.
14 Телегина, Н. В., Марданов, М. В. Педагогические условия развития учебно-познавательных компетенций на интерактивном занятии: компетентностный и квалиметрический подходы.// Наука и образование: современные тренды. – Казань. – 2015. – С. 256-278.
15 Журавская, Н. Ю.. Изучение приверженности лекарственной терапии больных сердечно-сосудистыми заболеваниями, перенесших мозговой инсульт // Диссертация на соискание ученой степени кандидата медицинских наук. – Москва. – 2015. – С. 36 -41
16 Петухов, А. Ю. Моделирование социальных и политических процессов.// Учебное пособие. – Нижний Новгород. – 2015. – С. 52-70
17 Синюшин, А. А. Статистические ошибки и как их избегают, или о корректном анализе количественных данных в селекции // Зернобобовые и крупяные культуры. – Москва. – 2021 – С. 50-61.
18 Губа, В., Пресняков, В.. Методы математической обработки результатов спортивно-педагогических исследований. – –Москва. – 2015. – С. 210-224
19 Величко В. В. Сравнительный анализ статистических пакетов программ // Инновационная наука. – Оренбург. – 2016. –С. 32- 35