Общественное здоровье и факторы, влияющие на него

Введение

Понятие «здравоохранение» входит в понятие «медицина» как ее социальная, организационная, нормативная функция. Здраво­охранение, таким образом, должно квалифицироваться как об­щественная, социальная функция медицины общества и го­сударства, т.е. деятельность по охране здоровья. Что же относительно медицины, то это система научных знаний и практической деятельности, целью которых является укрепление и сохранение здоровья, продление жизни людей, предупреждение и лечение болезней человека».

В медицине и здравоохранении с момента их воз­никновения используются и совершенствуются тысячи теорети­ческих обобщений — учений и концепций, представляющих теоре­тический базис. Большая часть их относится к частным вопросам и проблемам - этиологии, патогенезу, принципам диагностики, лечения, профилактики, реабилитации, конкретных процессов народонаселения, организации медицинской помощи, управле­ния здравоохранением и др. Их рассмотрение входит в задачу всех медицинских отраслей и дисциплин. Здесь речь пойдет о так называемых общих теориях, трактующих сущность двух основных категорий медицины — здоровья и болезни, общих закономер­ностях их формирования, преодоления болезней и охраны, ук­репления, воспроизводства здоровья, т.е. об общих воззрениях на патологию и санологию — науку о болезнях и науку и здоровье.

У врачей всех стран есть богатое общее наследие, начало которому было положено еще во времена Галена и Гиппократа. Научная пытливость, направленная на то, чтобы установить причину недуга и научиться его излечивать; сострадание, помогающее пациентам, даже если мы не в состоянии исцелить их, — вот два достойнейших человеческих качества, и в лучших из врачей они всегда были неразрывно связаны. Кроме того, мы считаем свою профессию сплавом искусства и науки, и справедливо. Но что удивительно, то это как совсем недавно медицина обрела какие бы то ни было черты настоящей науки. Биомедицинская модель заболевания и медицинского вмешательства дала нам в руки очень мощные инструменты диагностики и лечения. С недавних пор — вероятно, в последние двадцать лет — в медицинской литературе США и Великобритании всё большее отражение находит новый, трезвый скептицизм относительно истинной эффективности современной медицинских вмешательств.

В отечественной медицине исторически сложилась ситуация, когда врачи пользовались результатами медицинских исследований, которые приходили к ним не только со страниц научных журналов, тезисов конференций, от профессора «с именем», но и через огромное число «рекомендаций», «указаний» и «приказов», прямо предписывающих им, что и как надо делать. Однако многие из этих технических и технологических рекомендаций создавались для того, чтобы их автор получал документ о «внедрении в практику» но, как правило, при этом, не нес ни моральной, ни материальной ответственности. Параллельно за многими из выше указанных документов не просматривался коммерческий интерес финансирующей исследование финансово-промышленной группы или научно-исследовательского учреждения.

Ситуация резко изменилась после распада СССР, когда отечественная медицина, как и все отрасли производства товаров и услуг подверглись рыночным преобразованиям. Именно с этого времени у многих врачей клиницистов в России стали появляться вопросы, как к исследователям, так и к самим клиническим рекомендациям, которые в административном стиле навязывались в виде жестко установленного регламента (стандарта). Вопросы эти позиционировались вокруг «наличия или отсутствия коммерческого интереса» у исследователей и административных групп, устанавливающих тот или иной регламент.

В конце 1980-х годов развитие научно обоснованной (evidence-based) медицины привело к возникновению рекомендаций нового типа, которые разрабатывались на базе строгих научных доказательств. Существуют различные определения медицины, ос­нованной на доказательствах. В соответствии с одним из них, доказательная медицина — это добросовестное, точное и осмысленное использование лучших результа­тов клинических исследовании для выбора лечения конкретного больного. Вскоре это понятие распространилось и нашло сторонников в развитых странах мира. Во многих странах, в том числе России, орга­низованы центры доказательной медицины, которые начинают играть существенную роль в работе нацио­нальных служб здравоохранения.

Согласно новой парадигме, каждый врач, назначая диагностический тест или выписывая лекарство, проводя оперативное вмешательство или манипуляцию должен отдавать себе отчет, на основании каких сведений он поступает так, а не иначе. Ссылки на авторитет учебника или мнение руководителя в данной ситуации не помогают, поскольку закономерно возникает вопрос: а откуда берется информация, изложенная в учебниках, насколько надежны знания автора или эксперта? Если довести эту цепочку вопросов до логического конца, получается, что единственным надежным источником знаний врача могут быть только оригинальные публикации доброкачественных научных исследований. Именно отечественная высшая медицинская школа и должна реализовать эту новую парадигму знаний в виде основ биостатистики.

Биостатистика - это совокупность математических методов и приемов, используемых в биологии и медицине. Она, помимо прочего, включает в себя медицинскую (санитарную) статистику. Статистика, изучающая вопросы, связанные с медициной, носит название медицинской, или санитарной, статистики. Таким образом,медицинская статистика — это наука, изучаю­щая общественное здоровье и здравоохранение, которая с помо­щью математических приемов и методов способствует разра­ботке мер по оздоровлению населения. Медицинская статистика состоит из ряда разделов: статистика общественного здоровья, статистика здравоохранения, статистика доказательной меди­цины и т. д.

& Статистика общественного здоровья разрабатывает методы сбора, обработки и анализа данных, характеризующих уровень и изменения в состоянии здоровья населения, вскрывает важ­нейшие закономерности показателей общественного здоровья.

& Статистика здравоохранения занимается сбором, обработ­кой и анализом данных о ресурсном обеспечении, лечебно-профилактической, финансово-хозяйственной деятельности системы здравоохранения.

& Статистика доказательной медицины позволяет с помощью статистических приемов внедрять методы клинического на­блюдения и анализа данных для принятия верных клиниче­ских решений.

Врач-клиницист дол­жен иметь четкое представление о существующих методах, знать, когда и какой метод следует применить, уметь сформу­лировать необходимое техническое задание и правильно ин­терпретировать полученные результаты.

Для иллюстрации применения статистических исследований в экономически развитых странах и России американский врач Стенли Тиллингаст предпринял поиск в системе «Medline».[1] Он отобрал для сравнительного анализа все статьи по лечению кислородом под давлением (ГБО), начиная с 1966 года, опубликованные как в российских, так и в западных журналах. При анализе большинство западных статей содержали описание статистических клинических исследований, с четко изложенной моделью испытаний и приведенными в кратком содержании статистическими результатами. Российские статьи являли собой полную противоположность: лишь четыре! из них можно было отнести к статистическим исследованиям — и то чисто условно, поскольку четкого указания на это в кратком содержании не было. Что касается остальных статей, то цели, построение и результаты исследования в них сформулированы не были, а потому и выводы выглядели бездоказательно.

«Вера в то, что наши убеждения стоят на твердых фактах, имеет под собой намного меньше оснований, чем принято думать» сказал известный в мире ученый Б. Рассел еще в 1928 году, призывая всех к четкому измерению научных фактов. Термин "EVIDENCE-BASED MEDICINE" (медицина, основанная на доказательствах" (доказательная медицина) был предложен канадскими учеными из Университета Мак Мастера в Канаде (Торонто) в 1990 году, когда группа энтузиастов во главе с Дэйвом Сакеттом опубликовала в журнале JAMA знаменитую статью под названием «Доказательная медицина, новые подходы к обучению клинической практике».

Люди, профессионально занимавшиеся информатизацией в медицине, уже в 80-х годах стали понимать, что ни мнения более опытных коллег, ни традиционные учебники уже не являются достаточно современными и надежным источниками знаний. Скорость появления новых медицинских знаний в современном мире такова, что традиционные учебники, только вышедшие из печати, уже оказываются безнадежно устаревшими. Даже узкие специалисты, постоянно отслеживающие публикации в своей области, не способны удовлетворительно «переварить» весь поток поступающей информации.

Бедность, невысокий уровень общей и медицинской культуры, слабое развитие здравоохранения и другие негативные факторы приводят к неудовлетворительному состоянию здоровья - высокой общей смертности, большой распространенности инфекционных, в том числе эпидемических, паразитарных заболеваний, болезней питания, низкой средней продолжительности предстоящей жизни и другим явлени­ям в развивающихся странах мира. В экономически развитых странах ситуация иная: патология в основ­ном неэпидемическая, относительно невысока общая смертность, инфекционные, паразитарные болезни перестали быть проблемой здравоохранения, практически сведены к нулю мате­ринская смертность, тяжелые болезни от недостаточности питания.

В медицинской науке и системе образования первостепенное значение для профилактики имеют концепции этиологии заболеваний, доктрина о первостепенной роли внешней природной и социальной среды в происхождении заболеваний, о необходимости раннего выявления причин болезней для своевре­менного их устранения. И.П. Павлов говорил: «...разве обыкновен­но причины болезни не закрадываются и не начинают действовать в организме раньше, чем больной делается объектом медицинско­го внимания? А знание причин, конечно, существеннейшее дело медицины. Во-первых, только зная причину, можно метко устрем­ляться против нее, а во-вторых, - и это еще важнее, - можно не допустить ее до действия, до вторжения в организм. Только познав все причины болезней, настоящая медицина превращается в ме­дицину будущего, т.е. в гигиену в широком смысле слова».

Глава 1.

Глава 2

Основные понятия теории вероятностей

Теорией вероятностей называется математическая наука, изучающая закономерности случайных явлений.Следует сразу же заметить, что понятие « случайное яв­ление» в теории вероятностей существенно отличается от обы­денного, общежитейского представления.

В обыденной жизни случайным событием считают такое событие, которое встречается крайне редко, идет как бы вразрез установившемуся порядку вещей, не может быть за­кономерным. В теории же вероятностей случайные события, как они ею понимаются, обладают характерными особенностями, подчи­няются строго определенным закономерностям.

Для того чтобы понять это, надо познакомиться с неко­торыми основными понятиями этой науки.

Достоверное, невозможное и случайное события. С точки зрения теории вероятностей все события делятся на три вида: достоверное, невозможное и случайное, которые определяются следующим образом:

Во-первых, если при каждом осуществлении комплекса условий S обязательно происходит событие А, то оно называется досто­верным. Например, если химически чистую воду, находящуюся при атмосферном давлении 760 мм рт. ст. нагреть до температуры более 100°С, то она неизбежно превращается в пар. Здесь при соблюдении комплекса условий S, включающего три элемента: химически чистая вода, нормальное атмос­ферное давление и нагревание до температуры свыше 100°С, всегда и обязательно наступает событие А (пре­вращение воды в пар).

Аналогичный характер носят многие законы естественных наук.

Во-вторых, если при осуществлении комплекса условий S событие А заведомо не может произойти, то оно называется не­возможным. Примеры невозможных событий легко привести из проти­воположных достоверным. Например, при указанных в пер­вом примере условиях - превращение воды в лед.

В третьих, случайным называется такое событие А, которое при каждом осуществлении комплекса условий может произой­ти, но может и не произойти. В природе особенно в области явлений, изу­чаемых биологией и медициной, мы постоянно встречаемся с такого рода закономерностями. Например, если здоровый ребенок попал в контакт с больным дифтерией (комплекс условий S), он может заболеть дифтерией (произойдет событие А), но может и не заболеть.

Надо только помнить, что, говоря о достоверности, невоз­можности или случайности какого-либо события, мы всегда имеем в виду достоверность, невозможность или случайность его только по отношению к определенному комплексу усло­вий. Поэтому даже простое утверждение, что то или иное явле­ние относится к случайным, само по себе уже имеет опре­деленный познавательный интерес, так как указывает, что установленный нами комплекс условий S не отражает всей совокупности причин необходимых и достаточных для появ­ления события А и, следовательно, может направить мысль исследователя на поиск дополнительных важных условий, входящих в этот комплекс причин.

Однако имеется достаточно широкий круг явлений, для которых возможна не только констатация случайности явле­ния А, но и количественная (выраженная числом) оценка возможности (вероятности) его появления, т.е. в отношении таких событий можно утверждать, что вероятность того, что при осуществлении комплекса условий S произойдет собы­тие А, равна р. Такого рода закономерности называются стохастически­ми, т.е.вероятностными и играют большую роль в самых различных областях науки.

Определение вероятности.

Прежде чем перейти к определению вероятности, необхо­димо познакомиться с некоторыми основными понятиями и терминами теории вероятностей. Классическое определение вероятности сводит ее понятие к понятию равновероятности (равновозможности) событий. Например, при бросании игральной кости (шестигранного кубика), если она имеет точную форму куба, изготовленного из вполне однородного материала, выпадение любого опре­деленного из 6-ти обозначенных на ее гранях числа очков, равновероятно (равновозможно), так как в силу наличия строгой симметрии ни одна из граней не имеет объективного преимущества перед другими.

Число, обозначающее полную группу равновозможных со­бытий при проведении определенного испытания (в нашем примере бросание игральной кости) обозначается обычно буквой n, т.е. в нашем примере n=6. Предположим далее, что нас интересует лишь какое-то одно из возможных событий, событие А (например, выпадение четного числа очков при бросании игральной кости). Те из возможных результатов испытания (бросание кос­ти), на которые это событие подразделяется, называются ре­зультатамиблагоприятствующими событию А, а число их принято обозначать буквой m.

В нашем примере событие А (выпадение четного числа очков) подразделяется на три возможных результата (вы­падение 2-х, 4-х и 6-ти очков), т.е. m=3.

Пользуясь указанной терминологией, можно прийти к оп­ределению: «Вероятность Р_(А) события А равна отношению числа возможных результатов испытания, благоприятствующих событию А, к числу всех возможных результатов ис­пытания». Или Р_(А) = m/n. Следовательно, вероятность Р выпадения четного числа очков (событие А) при однократном бросании игральной ко­сти определится следующим образом:

 

P_(A) = 3/6 = 1/2 = 0,5

 

Рассмотрим еще один пример. Допустим, что мы имеем урну, в которой находится 12 совершенно одинаковых по форме, величине, тяжести и другим признакам, шаров, но от­личающихся только цветом окраски. Причем, в общем числе 5 шаров имеют красный цвет и 7 - черный.

Очевидно, что, если мы, не глядя, опустим руку в урну и извлечем из нее первый, случайно попавшийся шар, возмож­ны два события: А - извлеченный шар окажется красным и В - извлеченный шар окажется черным. Какова вероятность каждого из этих событий?

Для события А (извлечения красного шара) число равновозможных результатов испытания n = 12 (в урне 12 шаров и любой из них может оказаться в руке), число же благопри­ятствующих событий m = 5 (так как только 5 из 12 шаров яв­ляются красными), следовательно: P_(A) = m/n = 5/12. Рассуждая аналогичным образом, находим, что вероят­ность события В (извлечение черного шара), равна: P_(B) = m/n = 7/12. Таким образом, вероятность того, что при указанном ком­плексе условий, первый наугад извлеченный из урны шар окажется черным, выше, чем вероятность извлечения крас­ного шара.

Представим теперь случай, при котором в урне также 12 одинаковых шаров и все они одного цвета - красные. Какова в этом случае вероятность того, что первый же наугад извлеченный нами шар окажется красного цвета.

Очевидно, что в данном случае число всех равновозможных результатов испытания равно n = 12, но и число благоприятствующих событию А (извлечение красного шара) результатов m = 12 (так как все шары красные), следовательно:

 

P_(A) = m/n = 12/12 =1

 

Согласно ранее установленному определению в данном случае событие А являетсядостоверным.

На самом деле при каждом соблюдении комплекса усло­вий (наличие в урне одинаковых шаров только красного цве­та), событие А (извлечение шара красного цвета) совершен­но неизбежно и обязательно произойдет. Отсюда, мы можем утверждать, чтовероятность достовер­ного события всегда равна единице.

И, наконец, зададимся вопросом при тех же условиях (нахождение в урне 12 шаров только красного цвета), чему равна вероятность того, что извлеченный из нее шар, ока­жется черного цвета (событие В)? Очевидно, что в данном случае число всех равновозможных результатов испытания n является равным 12, число же благоприятствующих событию В результатов испытания m = 0 (в урне нет ни одного черного шара). Следовательно:

 

Р_(В) = m/n = 0/12 =0.

 

Согласно ранее данному определению извлечение черного шара из урны, где таких шаров вообще не имеется являетсяневозможным событием.

Следовательно, можно сделать вывод, что вероятность не­возможного события всегда равна нулю. Вероятность же случайного события должна находиться, очевидно, между этими двумя крайними величинами, т.е. между нулем (вероятность невозможного события) и едини­цей (вероятность достоверного события), т.е. всегда пред­ставляет собою правильную дробь, которая может быть вы­ражена и десятичной дробью, например:

 

Р_(А) = 1/2 = 0,5.

Доверительная вероятность.

Оперируя понятием вероятность, всегда следует помнить о том, что как бы ни мала была вероятность какого-либо со­бытия, до тех пор пока она не равна нулю (т.е. пока это событие не является невозможным), оно все же может про­изойти и, наоборот, как бы ни велика была вероятность со­бытия, но пока она не равняется единице (т.е. пока собы­тие не является достоверным) оно может и не произойти.

В популярном в свое время кинофильме «Два бойца», вышедшем на экраны в годы Отечественной войны, имеется образ профессора-математика, который в начале войны в момент объявления воздушной тревоги не ходил в бомбоубежище, так как определил, то площадь его квартиры по отношению к площади всего Ленинграда настолько мала, что вероятность того, что одна из брошенных фашистами бомб попадет именно в его квартиру, имеет ничтожное значение. Однако после того как в Ленинградском зоопарке, во время одной из бомбежек был убит един­ственный в городе слон (как ни мала была вероятность этого события, оно все же случилось), профессор пересмотрел свою точку зрения и стал спускаться в убежище. Вот почему, оперируя показателями вероятности, теория вероятностей всегда имеет в виду не столько результат единичного испытания, сколько проявление этой закономерности в массе однородных явлений, о чем уже говорилось в самом начале настоящего пособия.

Однако, в целях практического применения теории вероятностей в области математической статистики, вводится по­нятиедоверительной вероятности, т.е. такойвеличины ве­роятности, которая достаточна для того, чтобы полученные результаты опытов считать достоверными. Вполне понятно, что величина доверительной вероятнос­ти весьма относительна и зависит от характера явления, для которого определяется. Например, если мы знаем, что вероятность производства стоматологических услуг низкого качества равна 0,01, то ее мож­но считать малой и пренебречь, так как стоматологическая поликлиника производит сотни и тысячи различных услуг. И, если имеется веро­ятность того, что только одна из каждой сотни стоматологических услуг (установленных пломб) будет низкого качества, т.е. пломба выпадет через 5 дней, ─ это существенного значения не имеет.

Представьте теперь, что такова же вероятность брака на фабрике, выпускающей парашюты. Можно ли в этом случае считать вероятность малой и пренебречь ею? Конечно нет, ведь один из каждых ста парашютистов, воспользовавшихся парашютами этой фабрики, может разбиться. Очевидно, что в этом случае вероятность брака даже равная 0,001 будет велика и недопустима.

Несмотря на относительный характер величины доверительной вероятности в математической статистике для обыч­ных исследований в области биологии и медицины условно приняты два ее значения:

 

Вероятность равная 0,95 — считается достаточной для суждения о достоверности полученных результатов опыта.

Вероятность равная 0,997 — считается еще более на­дежнымкритерием достоверности.

 

И, наоборот, если полученные результаты имеют вероят­ность соответственно менее 0,05 или 0,003, то они считаются настолько недостоверными, что ими можно пренебречь,

Закон больших чисел

Как уже отмечалось в начале, математическая статистика изучает статистические закономерности, т.е. та­кие закономерности, которые проявляют себя лишь при ис­следовании массы однородных явлений. Это положение полностью относится и к вероятности случайных явлений, где действуетзакон больших чисел. Матема­тическая теория этого закона была изложена еще в XVIII веке в трудах Я. Бернулли. Последующее развитие его осу­ществлено в середине XIX столетия, особенно в трудах вы­дающегося отечественного математика П.Л.Чебышева.

В настоящее время существуют точные математические формулировки закона больших чисел. Однако мы восполь­зуемся более простой и поэтому более понятной для лиц, не имеющих специальной математической подготовки, формулой этого закона, которая предложена Р. Мизесом, хотя при стро­го математическом подходе его трактовка закона и вытека­ющее из него определение вероятности не достаточно точны. Закон больших чисел в этом виде может быть представлен следующей формулой:

 

lim (Xn - Pn)
n → ¥

 

т.е. в пределе при числе наблюдений (n), стремящемся к бесконечности, разность между наблюдаемой частотой какого-либо явления и его ма­тематической вероятностью стремится к нулю. Иначе говоря, фактическая частота наблюдаемого слу­чайного явления совпадает с вычисленной вероятностью его (их разность только при этом условии может быть равна нулю) лишь при достаточно большом числе наблюдений.

Действие этого закона может быть проиллюстрировано следующим примером. Как уже понятно из ранее изложен­ного, вероятность выпадения герба при бросании монеты равна Р_(А) = 1/2 = 0,5, т.е. при бросании монеты в половине всех случаев должен выпадать герб, а в половине - противоположная сторона (решка). Однако легко убедиться, что, если мы бросим монеты несколько раз, то установленного ре­зультата не получим: может подряд выпасть несколько раз только герб или только противоположная сторона, либо та и другая в любых соотношениях. В соответствии с законом больших чисел, чтобы фактиче­ская частота выпадения герба совпала с ее вероятностью (0,5) надо значительно увеличить число наблюдений (броса­ний монеты).

В XIX веке английский математик К.Пирсон увеличил число бросаний до 12000 и в 6019 случаях у него выпал герб. Таким образом, частота выпадения герба составила: 6019/12000= 0,5016, т.е. отличие от вероятности уменьшилось по­чти вдвое (до 16 десятитысячных). Затем он повторил опыт, увеличив число бросаний до 24000 и герб выпал при этом 12012 раз; т.е. частота 12012/24000 = 0,5005; отличие ее от вероят­ности стало еще в три раза меньше. Таким образом, по мере увеличения числа наблюдений фактическая частота выпадения герба по величине становит­ся все более близкой к величине его математической вероят­ности и, следовательно, разность между ними уменьшается, приближаясь к нулю.

Из этого следует очень важный вывод, на основании которого в ряде случаев применяется так называемыйстатисти­ческий метод определения вероятности.

В медицине, как и в других отраслях научного знания, мы нередко сталкиваемся с такими явлениями, при которых найти вероятность его появления обычным математическим расчетом не представляется возможным; но из изложенного ранее закона следует, что при достаточно большом числе наблюдений найденную опытным методом частоту явле­ния можно считать вероятностью его появления, т.е. в этом случае вероятность Р события А находится по формуле: Р_(А) = M/n, где n - общее количество испытаний (наблюде­ний), а М - число появления при этих испытаниях интере­сующего нас явления А.

Например, если мы имеем группу 20000 больных, страда­ющих, кариесом, а у 12000 из них зарегистрирован один и тот же симптом (А ─ боль), то очевидно, вероятность наличия этого симптома у каждого больного, страдающего кариесом, будет равна: Р_(А) = 12000/20000=0,6.

Следует остановиться еще на одном замечании. Некото­рые не совсем сведущие в статистике лица, исходя из закона больших чисел, полагают, что достаточно достоверные данные опытов могут быть получены только при очень большом количестве наблюдений; или, что нельзя вычислять процен­тами, если сумма всех наблюдений менее 100 и т.д. На са­мом деле это совсем не так.

Методы математической статистики позволяют определить степень достоверности явлений при любом (даже очень ма­лом) количестве наблюдений, а также заранее рассчитать ко­личество необходимых наблюдений, чтобы получить резуль­таты, достоверные с заданной величиной вероятности.

В законе больших чисел проявляется диалектическая вза­имосвязь категорий случайного и необходимого. Появление каждого явления (события) зависит, с одной стороны, от действияпостоянных причин, содержащихся в самой сущности этого явления (иначе говоря,внутренних для него), а с другой стороны, под влияниемслучайных(внешних) причин, не связанных с самой сущностью иссле­дуемого явления.

Действие последних причин неустойчиво и беспорядочно, они могут вызывать отклонения при малом числе наблюде­ний как в ту, так и в другую сторону.

При достаточно же большом числе наблюдений действие таких случайных причин, вызывающих отклонения в отрицательном и положительном направлениях, как бы взаимно по­гашается и частота возникновения события определяется уже лишь его внутренними (постоянными) причинами.

Любой врач постоянно анализирует инфор­мацию о методах лечения и лекарственных препаратах. Нередко эта информация оказывается не­достаточно объективной. Любая научная ги­потеза (например, имеет ли изучаемый препарат преимущества перед другими средствами?) должна быть проверена в клиническом исследовании. Ниже перечис­лены различные варианты исследований в порядке убы­вания степени их «доказательности» при изучении эффективности лечения.

Рандомизированное двойное слепое контролируемое испытание (под рандомизацией понимают процесс случайного распределения больных между группами сравнения, позволяющий добиться эквивалентности - по полу, возрасту, сопутствующей терапии и т.д., а двойной слепой метод - ни врач, ни больной не знают, какой препарат получает пациент).

Рис 3.2. Программа исследования

Глава 4

Глава 5

Заключение.

Используя статистический метод для характеристики динамических рядов, следует всегда исходить из необходимости предварительного качественного анализа сущности изучаемого явления. Без этого не может быть осмыслена статистика динамических рядов.

В связи с тем, что в значительной части случаев интерес к анализу динамических рядов имеет своей целью рассмотрение вопроса, а что же дальше?, то это выражается в нашем стремлении построить прогностические модели.

В большинстве случаев в клинической практике врача уровень исследования состояния пациента связан с глубоким анализом фактов, проникновением в сущность исследуемых явлений, с познанием и формулированием в качественной и количественной форме объяснения симптомов заболевания и лечебных эффектов. Даже на этом этапе осуществляется прогнозирование возможных событий или изменений в изучаемых явлениях, и вырабатываются принципы действия, рекомендации о практическом воздействии на пациента.

Метод прогнозирования в практике врача-клинициста, даже в рамках среды MS EXEL позволяет не только оценивать направленность изменений динамики тех или иных показателей, отражающих течение заболевания или патологического синдрома, но и оценить эффективность назначенного лечения. Формирование прогнозных моделей с помощью методов логарифмической трансформации или эспоненциального сглаживания показателей динамического ряда сможет с достаточной степенью точности оценивать вероятность наступления клинического эффекта. Использование компьютеров, избавив исследователей от необходимости проводить громоздкие расчеты, послужило причиной вновь возросшего их интереса к решению актуальной задачи построения количественных прогнозов исследуемых процессов и явлений. Однако применение вычислительной техники не избавляет от совершения ошибок в методах и методологии прогнозирования (Андерсон Т., 1976; Боровиков В.П., Ивченко Г.И., 2000).

 

Глава 6

Требования, предваряющие определение параметров

Вариационного ряда.

До вычисления средних величин и определения др. параметров вариационных рядов необходимо проверить, соответствует ли анализируемый материал трем обязательным требованиям, нарушение которых так или иначе ведет к ошибкам.

Требование первое - качественная однородность единиц, составляющих анализируемую статистическую совокупность. Чтобы сразу стало понятно, о чем идет речь, рассмотрим реальный пример.

Пусть требуется установить средний срок нетрудоспособности в группе больных. Формально для этого нужно поделить общее число дней нетрудоспособности на число больных, что и делается на практике безо всяких дополнительных размышлений. Но может случиться так, что упомянутая группа состоит из двух частей: больных гепатитом и больных с острыми респираторными заболеваниями (ОРЗ). Первые в массе своей будут иметь длительные сроки нетрудоспособности, измеряемые десятками дней, а у вторых нетрудоспособность будет ограничена несколькими днями.

Формальный подход, безусловно, приведет к получению среднего срока нетрудоспособности. Но этот срок не будет типичен ни для всей группы больных в целом, ни для одной из подгрупп. Ориентироваться на такой показатель, строить какие-то планы тут бессмысленно, ибо не достигнута основная цель расчета средней – выявление обобщающей характеристики статистической совокупности.

Приведенный пример подобран специально – чтобы показать необходимость расчета средних величин в качественно однородных совокупностях. И вряд ли требуется кого-то убеждать, что нужно определять отдельно средние сроки нетрудоспособности в каждой подгруппе больных – это естественно и просто соответствует здравому смыслу. Однако в жизни очень часто средние рассчитываются в качественно неоднородных совокупностях.

Рассмотрим два достаточно распространенных показателя.

Первый – средняя длительность пребывания на койке в многопрофильном стационаре. В больнице несколько отделений (челюстно-лицевая хирургия, оториноларингологическое отделение для детей, аналогичное для взрослых, отделение дневного пребывания и пр.). Средний показатель по учреждению может быть нетипичным для части из них. Тем не менее, в отчетах и при анализе употребляются обобщающие показатели по больнице в целом и много реже – по отделениям или группам пациентов.

Второй показатель – среднее число посещений в поликлинику на одного человека в год. Имеется в виду – на некоего одного усредненного человека. Но при этом теряются различия между молодыми и старыми людьми, хронически больными и здоровыми, имеющими медицинской обслуживание по месту работы и не имеющими.

Приведенные и многие другие показатели в обобщающем виде приемлемы при оценке явлений на больших территориях, среди многочисленных контингентов населения. В рамках же отдельного медицинского учреждения они требуют уточнения по группам населения, больных, по подразделениям учреждения и т.п.

Требование второе - достаточность наблюдений. Поскольку средние величины призваны обобщать какую-то типичную характеристику совокупности, последняя должна быть достаточной по численности. Методика определения необходимого объема совокупности описана в главе 5. Здесь лишь отметим, что совокупности численностью менее 30 считаются малыми и имеют ряд особенностей, учесть которые трудно. По возможности лучше избегать анализа таких малых групп.

Требование третье - учет вида распределения. Прежде, чем говорить об учете вида, нужно разъяснить, что такое распределение. Сделаем это с использованием вариационного ряда и изобразим его графически (рис. 6.4.).

Если в системе координат (по горизонтальной оси которой отмечены варианты, а по вертикальной – частоты) отметить точки, соответствующие этому ряду, а затем точки соединить – получится кривая распределения вариант в соответствии с их частотами.

Большинство явлений в природе имеют в принципе похожее распределение вариант, названное нормальными. Не вдаваясь в математическое описание нормального распределения отметим, что оно характеризуется колоколообразной формой с постепенным увеличением частот от начала до середины ряда и симметричным сокращением частот от середины к концу ряда.

 

V

 

 

Рис. 6.4. Кривая нормального распределения

Вид (форма) этой кривой будет нас интересовать в связи со следующими положениями.

Р

V

Р

V

Для других видов распределений они не годятся. В связи с этим при расчете средних в здравоохранении необходимо хотя бы приблизительно оценивать вид распределения. Так, могут встречаться распределения, имеющие максимальные частоты в начале ряда (рис. 6.5) или в конце (рис. 6.6.). Их называют пуассоновским распределением и здесь требуются специальные методы анализа.

 

Рис. 6.5 Рис. 6.6.

Особо следует отмети