АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

Приложение 3 191

До сих пор мы рассматривали только два предельных случая k = 1 (полный отбор) и k = 0 (единичный отбор). Однако существуют методы и для неполного множественного отбора, т. е. для любого числа пробандов в сибстве. Мортон и др. [800; 802; 954; 963] усовершенствовали этот метод, приняв в расчет количество регистрации, приходящихся на одного пробанда. В ходе популяционного исследования пробанды могут быть зарегистрированы не один раз, а несколько. Теоретически такая множественная регистрация действительно позволяет оценивать реальную частоту признака в популяции, когда регистрация неполная. Предположим для простоты, что регистрация проходит в два этапа, что вероятность регистрации на каждом этапе равна π и шансы быть зарегистрированным для любого индивида на первом и втором этапах независимы друг от друга. Тогда вероятность быть зарегистрированным дважды равна π2, а вероятность быть зарегистрированным один раз (либо на первом

позволяет вычислить π. Однако это вычисление подразумевает выполнение очень существенного условия. Разные регистрации пробанда должны быть независимыми друг от друга. В разд. 3.3.4 объяснялось, что даже единичные регистрации разных пробандов в одной семье почти никогда не являются независимыми. Из всех медицинских и эпидемиологических исследований ясно, что, какие бы практические пути ни были выбраны для сбора семейного материала, регистрации пробандов никогда не будут независимыми. Возьмите два крайних примера: врач, страдающий наследственной болезнью, легко будет зарегистрирован несколько раз в разных больницах, где он консультирует, поскольку они специализируются на его болезни, тогда как сезонный сельскохозяйственный рабочий, весьма вероятно, не будет зарегистрирован ни разу при любом способе обследования.

По нашему мнению, эти усовершенствованные методы анализа неадекватны для большинства семейных исследований. Мы думаем также, что методы, учитывающие множественный или пробандовый отбор, не должны использоваться, потому что регистрация пробандов внутри одной и той же семьи не является независимой (см. разд. 3.3.4). Более того, мы считаем опасным применять эти методы к выборкам семей, для которых строго не обоснована независимая регистрация. В свете всех предложенных усовершенствований статистического анализа нам кажется корректной следующая рекомендация Кэлина [729] и Смита [878].

На практике генетик, исследующий редкий признак, находится в затруднительном положении. Он может лишь высказывать определенные утверждения о сегрегационных отношениях, только если он точно знает, каковы статистические свойства его метода сбора данных. Однако если признак редкий, то исследователь будет стремиться собрать столько случаев, о скольких он сможет узнать по обращениям в больницы, к семейным врачам и т.д., но со статистической точки зрения это не даст хорошо определенной выборочной схемы. Практически неизбежно в таких случаях возникнут некоторые сомнения относительно точного значения р. Обычно предполагают, что ситуация будет промежуточной между усеченным и единичным отбором, так что простейший метод тестирования, по-видимому, должен показать, что число пораженных не больше, чем можно было ожидать при гипотезе полного отбора, и не меньше, чем можно было ожидать при гипотезе единичного отбора [878].

По нашему мнению, единственным исключением из этого правила является полная регистрация всех семей с пробандами в одной популяции при полном или усеченном отборе, когда семьи регистрируются через поколение родителей. Следовательно, эпидемиологические исследования редких наследственных болезней должны основываться, когда это возможно, на полной регистрации всех случаев в определенной популяции и для заданного периода времени.

Не следует переоценивать статистические методы коррекции плохих исходных данных. Даже превосходный повар не способен приготовить отменного жареного

Приложение 3

зайца из дохлой кошки. (Между прочим, один большой секрет французской кухни заключается в настойчивом требовании использовать только очень хорошие ингредиенты.)

Дата добавления: 2015-12-16 | Просмотры: 429 | Нарушение авторских прав