АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология
|
Метод на виявлення достовірності відмінності початкових даних
Доказову медицину можна розглядати як новий підхід або технологію збирання, аналізу, узагальнення та інтерпретації наукової інформації початкових даних. Одна з причин виникнення доказової медицини — це збільшення обсягу наукової інформації, зокрема в галузі клінічної фармакології. Щороку в практику впроваджуються все нові і нові препарати. Вони активно вивчаються в численних дослідженнях, результати яких нерідко виявляються неоднозначними, а іноді і прямо протилежними.
Розглянемо дві групи хворих із тахікардією, одна з яких (контрольна) одержувала традиційне лікування, а інша (досліджувана) — за новою методикою із застосуванням нового препарату. Складемо таблицю значень ЧСС для кожної групи.
1. Умова задачі №2. Серед великої кількості лікарських препаратів і методів лікування було обрано засіб із найвищою ефективністю та найкращою переносимістю.
2. Мета задачі: довести або спростувати припущення про ефективність нового препарату у певної популяції хворих.
3. Розробка плану статистичного методу дослідження: спостереження, яке звичайно проводиться за участю вибірки — досліджуваної групи. Пацієнти досліджуваної групи (перша вибірка) одержують препарат, ефективність якого не доведена або викликає сумніви в ході випробування. Контрольну групу (друга вибірка) становлять пацієнти, які не одержують ніякого лікування або одержують плацебо — лікарську форму без терапевтичної активності відносно ознаки, що оцінюється. У задачі вибірки різні і належать до різних генеральних сукупностей.
4. Умови спостереження: випробування лікарських засобів має бути "сліпим", тобто пацієнт (просто сліпе) або дослідник і пацієнт (подвійне сліпе) не поінформовані про те, яка з груп одержує випробовуваний препарат, а яка — плацебо. Це також дає змогу збільшити об'єктивність результатів дослідження, оскільки зменшується імовірність похибки, пов'язаної з формуванням груп хворих.
5. Збір інформації.
6. Вибір статистичного методу розв'язання та первинна статистична обробка даних.
Уведемо дані в робочу таблицю та визначимо найважливіші характеристики вибірки за допомогою пакету Excel.
ЧСС, за1 хв
| Контрольна група
| Досліджувана група
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Середнє значення (М, Хс, де М = Хс ± σ, σ — середнє квадратичне або стандартне відхилення) — центр вибірки, навколо якого групуються її елементи.
Спочатку знаходимо Хс. Встановлюємо курсор у клітинку А10 та на панелі інструментів натискуємо Вставка функнкции. У діалоговому вікні Мастер функций вибираємо категорію Статистические, у вікні Выберите функцию — СРЗНАЧ/ОК.
У діалогове вікно, що з’явилося, вводимо діапазон даних контрольної групи (А3:А9)/ОК. У вікні з’явиться результат: 145,714. Аналогічно підраховуємо середнє значення (Хс) і для досліджуваної групи.
Середнє квадратичне або стандартне відхилення (σ) – ступінь відхилення елементів вибірки щодо середнього значення. Встановлюємо курсор у клітинку А11 та на панелі інструментів натискуємо Вставка функции. У діалоговому вікні Мастер функцій вибираємо категорію Статистические, у вікні Выберите функцию – СТАНДОТКЛОН/Ок. У вікно, що з’явилося, вводимо діапазон даних контрольної групи (А3:А9)/Ок. У вікні з’явиться результат: 12,298. Аналогічно підраховуємо середнє значення (σ) і для досліджуваної групи.
Знайдемо максимальне значення даних з вибірки. Встановлюємо курсор у клітинку А12 та на панелі інструментів натискуємо Вставка функции. У діалоговому вікні Мастер функцій вибираємо категорію Статистические, у вікні Выберите функцию – МАКС/ОК. У діалогове вікно, що з’явилося, вводимо діапазон даних контрольної групи (А3:А9)/ОК. У вікні з’явиться результат: 162. Аналогічно підраховуємо максимальне значення досліджуваної групи в клітинці В12.
Знайдемо мінімальне значення даних з вибірки. Встановлюємо курсор у клітинку А13 та на панелі інструментів натискуємо Вставка функции. У діалоговому вікні Мастер функцій вибираємо категорію Статистические, у вікні Выберите функцию – МИН/ОК. У діалогове вікно, що з’явилося, вводимо діапазон даних контрольної групи (А3:А9)/ОК. У вікні з’явиться результат: 125. Аналогічно підраховуємо мінімальне значення досліджуваної групи в клітинці В13.
Для того щоб правильно знайти середнє значення вибірки (М), треба проаналізувати наступне положення, згідно з яким:
ü при M=Xc ± 1σ дані укладаються в діапазон вибірки на 68,3%;
ü при M=Xc ± 2σ дані укладаються в діапазон вибірки на 95,5%;
ü при M=Xc ± 3σ дані укладаються в діапазон вибірки на 99,7%.
Якщо в отримані межі (max, min) дані укладаються, то середня вибірки достовірна і нею можна користуватися.
Підрахуємо 2σ методом ручного введення формули в клітинку AI4 = 2*А11.
Аналогічно підраховуємо значення 2σ і для досліджуваної групи в клітинці В14.
Перевіряємо, чи укладаються дані вибірки в межі (max, min), тобто знаходимо Хс ± 2σ, вводячи вручну формули в клітинки А15: =А10+А14 та в А16: =А10А14.
170,3100655
| 146,125654
| 121,118506
| 105,017203
|
Підрахуємо 3σ методом ручного введення формули в клітинку AI7 = 3*А11.
Аналогічно підраховуємо значення 3σ і для досліджуваної групи в клітинці В17
Перевіряємо, чи укладаються дані вибірки в межі (max, min), тобто знаходимо Хс ± 3σ, вводячи вручну формули в клітинки А18: =А10+А17 та в А19: =А10А17.
182,6079553
| 156,402767
| 108,8206161
| 94,7400902
| Набираємо на клавіатурі результат в А20 значення М1 та у В20 значення М2, враховуючи дані 2σ.
М1=145,7±24,59
| М2=125,5±20,55
|
Для подальшого тлумачення результатів задачі порівнюємо початкові середні дані досліджуваної групи з контрольною. При порівняні підсумкових середніх значень можна бачити, що вони відрізняються за величиною, тобто різні: М1=145,7±24,59; М2=125,5±20,55, тобто М1>М2. Другий результат менше відхиляється від норми, ніж перший. Тому можна припустити, що застосування нового препарату ефективне в новій методиці лікування. Але це треба довести, оскільки в результатах досліджуваної групи можливі випадкові відхилення, і тоді початкові дані будуть недостовірні. Для остаточного висновку в подібних задачах використовується підрахунок критеріїв відмінності, у цьому разі — критерій відмінності Ст'юдента (t). Критерій порівнює дані досліджуваної та контрольної груп і може довести, що вони не тільки різні, а й що відмінності достовірні.
При будь-якому трактуванні слід користуватися встановленими раніше законами, вивчення яких не входить в сферу цього розділу, тобто використовувати емпіричні знання. Для цієї задачі — це рівень значущості, тобто характеристика, що визначає максимальне значення ймовірності появи події, при якій подія вважається практично неможливою. Рівень значущості в медицині становить 0,05. При р < 0,05 подія малоймовірна, а якщо відбулася, то не була випадковою.
Отже, рівень значущості застосовуємо для порівняння з критерієм Ст'юдента (t), який треба знайти. Для порівняння здійснюють перевірку нульової гіпотези: середні двох вибірок належать до однієї і тієї самої сукупності, тобто середні значення вибірок рівні між собою (МІ = М2) Критерій дає змогу знайти ймовірність того, що обидва середніх належать до однієї сукупності. У нашому прикладі вибірки належать до різних сукупностей.
Якщо ймовірність події, що нас цікавить р>0,05, то подія випадкова, вибірки відносяться до однієї сукупності; ефективність препарату не визначена.
Якщо ймовірність події, що нас цікавить, р<0,05, то вибірки належать до двох різних сукупностей, події не випадкові; ефективність препарату доведено.
Табличний курсор встановлюємо у вільну клітинку А21 та на панелі інструментів натискуємо кнопку Вставка функции. У діалоговому вікні Мастер функций вибираємо категорію Статистические, у вікні Выберите функцию — ТТЕСТ/Ок. У діалогове вікно, що з'явилося, вводимо діапазон даних контрольної групи (АЗ:А9) у полі Массив 1, у полі Массив 2 вводимо діапазон досліджуваної групи (ВЗ:В9), у полі Хвосты завжди вводиться цифра 2, а в полі Тип — цифра 3 (групи складаються з різних пацієнтів)/Ок. У вікні з'явиться значення ймовірності: 0,006295.
Інтерпретація результатів
Оскільки величина ймовірності випадкової появи аналізованих вибірок менша від рівня значущості, а саме: 0,006295<0,05, то нульову гіпотезу заперечено. Отже, відмінності між вибірками не випадкові, а зумовлені прийманням препарату, і середні МІ і М2 достовірно відрізняються одна від одної. Отже, випробовуваний препарат ефективний.
Рішення вищенаведених задач за допомогою пакету а зу, інтегрованого в Excel
Не можна обійти увагою такий набір інструментів, як Пакет аналізу, інтегрований в Excel, з яким можна працювати середньому медпрацівнику, не вникаючи в тонкощі інтерпретації. Щоб встановити його, потрібно відкрити програму та в меню Сервис вибрати Настройки, встановити прапорець Пакет анализа/Ок. Пакет завантажиться. Пакет містить 19 інструментів аналізу, серед яких — інструменти Описательная статистика та Корреляция.
Алгоритм задачі № 1
1. Вводимо дані в таблицю.
2. Сервис/Анализ данных. В списку, що з'явився, вибираємо Корреляция/Ок.
3. У діалоговому вікні Корреляция в полі Входной интервал вводимо діапазон даних А2:В8, вмикаємо Группирование по столбцам. У полі Параметры выхода вмикаємо Выходной интервал і в рядок уведення за допомогою ЛКМ робимо посилання на клітинку, у якій буде виведено результати: А9/ОК.
Початкові дані матимуть такий вигляд:
| Столбец 1
| Столбец 2
| Столбец 1
|
| | Столбец 2
| 0,995493
|
|
У вказаний вихідний діапазон виводиться кореляційна матриця, у якій на перетині відповідних рядка та стовпчика перебуває коефіцієнт кореляції. Клітинки вихідного діапазону, координати рядків та стовпчиків, що співпадають, містять значення, рівне 1, оскільки кожний стовпчик у вхідному діапазоні корелює сам з собою. У другому рядку кореляція ЧСС та ЧДР — 0,995. Інтерпретація така сама, що і для задачі №1, тобто 0,995493>0,95. Висновок: між двома вибірками однієї генеральної сукупності (при досліджуваній патології) існує прямий лінійний взаємозв'язок високого ступеня.
Алгоритм задачі №2
1. Вводимо дані в таблицю.
2. Сервис /Анализ данных.
3. У діалоговому вікні, що з'явилося, в полі Инструменты анализа вибрати Описательная статистика/Ок.
4. У полі Входные данные ввести в рядок Входной интервал масив даних за допомогою ЛКМ, вибрати Группирование по столбцам.
5. У полі Параметры вывода поставити прапорець Итоговая статистика, вибрати Выходной интервал та, перевівши ЛКМ на А10, провести до В22/Ок.
У вказаному вихідному діапазоні виводяться наступні статистичні характеристики: середнє, стандартна похибка середнього, медіана, мода, стандартне відхилення, максимальне та мінімальне значення тощо.
6. У діалоговому вікні, що з'явилося, в полі Инструменты анализа вибрати Двухвыборочный t-тест с различными дисперсиями/Ок.
7. У діалоговому вікні Двухвыборочный t-тест с различными дисперсиями в полі Входные данные в рядок Интервал переменной 1 вводимо посилання на перший стовпчик АЗ:А9 і в рядок Интервал переменной 2 — посилання на другий стовпчик ВЗ:В9.
8. Вказуємо вихідний діапазон, встановивши ЛКМ на А26 (розмір діапазону буде встановлено автоматично)/Ок.
Початкові дані матимуть такий вигляд:
Двухвыборочный t-тест с различными дисперсиями
| | Переменная 1
| Переменная 2
| Среднее
| 145,7142857
| 125,5714286
| Дисперсия
| 151,2380952
| 105,6190476
| Наблюдения
|
|
| Гипотетическая разность средних
|
| | df
|
| | t-статистика
| 3,325249746
| | P(T<=t) одностороннее
| 0,00302554
| | t-критическое одностороннее
| 1,782286745
| | P(T<=t) двухстороннее
| 0,00605108
| | t-критическое двухстороннее
| 2,178812792
| |
У вказаному вихідному діапазоні виводяться статист характеристики, серед яких нас цікавить значення P(T<=t) двобічне, що для цієї задачі становить 0,006. Інтерпретація така сама (порівняння з рівнем значущості), що і в задачі № 2. Оскільки величина ймовірності випадкової появи аналізованих вибірок менша від рівня значущості, а саме 0,006295<0,05, то нульову гіпотезу заперечено. Отже, відмінності між вибірками не випадкові, а зумовлені прийманням препарату, і середні МІ і М2 достовірно відрізняються одна від одної. Отже, випробовуваний препарат ефективний.
Наведені приклади аналізу даних є лише незначною складовою тієї сукупності ймовірнісно-статистичних методів, використовуються в дослідженнях.
Висновок: формулювання основної мети дослідження, вибір відповідного способу організації дослідження, особливості добору хворих та характер отриманих даних — усе це зрештою впливає на вірогідність результатів.
Дата добавления: 2015-09-27 | Просмотры: 585 | Нарушение авторских прав
|