Раздел 1. История становления и развития біостатистики

РАЗДЕЛ 3. АНАЛИТИЧЕСКАЯ СТАТИСТИКА

Относительные величины (статистические показатели).

Метод стандартизации.

 

В подразделе описан метод стандартизации, его практическое значение и методика расчета стандарти­зованных показателей.

Вопросы для изучения:

—Какие выходные данные необходимы для применения мето­да стандартизации?

—В чем заключается содержание четырех этапов метода стан­дартизации?

—О чем свидетельствует изменение соотношения между фак­тическими и стандартизированными показателями?

Цель: обосновать необходимость использования ме­тода стандартизации; научить рассчитывать и анализировать стандартизированные показатели.

Объективное сопоставление общих интенсивных по­казателей возможно лишь при условии качественной однородности сравниваемых групп. Так, например, показатели леталь­ности в двух ожоговых отделениях можно сравнивать между собой при условии, что оба стационара имеют приблизительно одинаковый состав больных по ряду основных параметров — возрасту, полом больных, тяжестью патологии, сроками госпитализации и тому подобное. Если их состав отличается, сравнение общих интенсивных по­казателей, характеризующих силу и распространенность явления, усложнено. При этом на величину общего интен­сивного показателя влияет состав оцениваемой клинико-статистической группы.

 

Статистический метод, что позволяет исключить влияние неодноридности состава сравниваемых групп на исследуемые общие показатели, называется методом стандартизации.

 

При проведении клинических исследований при изучении эффективности определенного метода лечения также не­обходимо формировать однородные в сравнимые группы.

При использовании метода стандартизации рассчитывают стандартизированные (условные) показатели, которые могли бы быть при условии одинакового состава населения в сравниваемых группах.

Практическая значимость метода стандартизации:

• позволяет сравнить частоту однотипных явлений в неоднородных группах;

• позволяет оценить влияние исследуемого фактора на величину общих показателей.

Оценка влияния определенного фактора на величину общих интенсивных показателей базируется на ди­намике соотношения данных показателей при условии изменений в составе исследуемых групп. Если условно изменение состава сравниваемых групп по определенным критериям приводит к изменению соотношения общих интенсивных показателей (изменение знака между ними), то это дает возможность сделать вывод о значимости (влиянии) данного фактора для оценивания уровней исследуемых показателей.

Существует три метода стандартизации:

• прямой;

• опосредствованный;

• обратный.

Выбор любого из методов определяется формой представления первичного материала, удобством и скоростью расчетов, данными предыдущих исследований. Прямой метод используют при наличии данных о составе населения и составе исследуемого явления по точным параметрам (возрастом, профессиями, сроками госпитализации, тяжестью заболевания, и тому подобное). Отсутствие данных о распределении определенного явления или небольшая численности групп при данном распределении, что снижает достоверность групповых показателей, является основанием для использования опосредствованного метода стандарти­зации. Отсутствие данных о составе населения предопределяет необходимость использования обратного метода.

Самым распространенным в медико-биологических исследованиях является прямой метод стандартизации.

 

Прямой метод стандартизации проводится в четыре этапа: 1) расчет по групповых и общих интенсивных показателей; 2) выбор и расчет стандарта; 3) расчет «ожидаемого» числа больных по стандарту; 4) вычисление стандартизированных показателей.

 

Рассмотрим использование прямого метода стандар­тизации, который проводится в четыре этапа, на примере сравнения уровней летальности больных с острой кишечной непроходимостью в двух больницах, которые были госпитализированы в разные часы от начала заболевания.

I этап — расчет групповых и общих интенсив­ных показателей. Чтобы оценить уровень летальности больных в разных больницах, необходимо исключить неоднородность состава больных по сроку госпитализации.

Сравнение общих показателей летальности больных в двух больницах позволяет сделать вывод о более высокой летальности больных в больнице Б. Но здесь отмечается более высокий удельный вес больных со сроками госпитализации свыше 24 часов, что соответственно, может предопределять высокий уровень летальности. Для определения действительного соотношения частоты осложнений необходимо сравнить состав больных по срокам госпитализации. Расчет проводится по таблице. 14.

 

Таблица 14.

Расчет уровней летальности среди больных хирургических отделений больниц А и Б.(1 этап)

 

Срок поступления в стационар от начала болезни (часы)	Больница А.	Больница Б	Летальность %
Количество больных	Количество умерших	Количество больных	Количество умерших	Больница А	Больница Б
До 6					12,2	10,0
6-24					17,6	16,6
После 24					28,6	27,9
Всего					16,6<	20,9

 

II этап — выбор и расчет стандарта. Стандартом в нашем примере является состав больных с острой кишечной непроходимостью в двух больницах. За стандарт можно при­нять:

1)состав одной из сравниваемых групп;

2) суммарный или средний состав обеих групп;

3) известный состав любой другой группы.

 

Стандартом следует считать состав сравниваемых групп, которые условно принимаются одинаковыми в сравниваемых группах.

 

В нашем примере за стандарт принимаем суммарный состав больных по срокам госпитализации в обеих исследуемых больницах, допуская, что состав больных по срокам госпитализации в обеих больницах отвечает распределению, выбранному за стандарт (таблица. 15).

 

Таблица 15. Расчет стандарта.(2 этап)

Срок госпитализации	Количество больных
Количество больных (больница А)	Количество больных (больница Б)	Сумма	Разделение по стандарту.
До 6				34,1
6-24				31,8
После 24				34,1
Всего				100,0

 

III этап — расчет «ожидаемых» чисел летальности в соответствии со стандартом. Каждая из исследуемых больниц имеет фактические уровни летальности больных с разным сроком госпитализации. На данном этапе анализа можно определить, какой уровень летальности госпитализированных больных будет при условии стандартного (одинакового) их распределения. Расчет ведется по следующей схеме:

• какая летальность больных с острой кишечной неп­роходимостью, которые были госпитализированы до 6 часов в больницу А, могла бы быть, если удельный вес этих госпитализирова­нных по стандарту составляет 34,1 % больных, а фактическая летальность в данной группе составляет 12,2 % (в больнице Б - 10,0 %).

 

Больница А

12,2 - 100 / Х - 34,1 / Х = 4,2

Больница Б

10,0 - 100 / Х - 34,1 / Х = 3,4

 

Стандартизированным показателем является сумма «ожидаемых» чисел.

 

Полный расчет «ожидаемых» чисел летальности в соответствии со стандартом приведен в

таблице 16.

 

Таблица 16. Расчет «ожидаемых» и стандартизированных показателей (III / IV этап)

 

Срок госпитализации	Уровень летальности %	Раздел больных по стандарту	Уровень летальности по стандарту
А	Б	А	Б
До 6	12,2	10,0	34,1	4,2	3,4
6-24	17,6	16,6	31,8	5,6	5,3
После 24	28,6	27,9	34,1	9,8	9,5
Всего	16,6	25,0	100,0	19,6>18,2

 

 

IV этап — вычисление стандартизированных показателей. На этом этапе находим итог результатов, рассчитанных на предыдущем этапе по всем группами для соответствующих больниц. Сумма «ожидаемых» чисел и есть стан­дартизованные по срокам госпитализации показатели частоты летальности для обеих больниц.

Они составляют: для больницы А — 19,6; для больницы Б — 18,2 случаев смертей на 100 госпитализированных больных.

 

Изменение соотношения между фактическими и стандартизированными показателями свидетельствует о влиянии исследуемого фактора на уровне общих интенсивных показателей.

 

Вывод. При условиях одинакового состава больных с ост­рой кишечной непроходимостью по срокам госпита­лизации в обеих больницах уровень летальности был бы выше в больнице А. Высокий фактический уровень летальности в больнице Б, определенный на II этапе, можно объяснить боль­шей частью госпитализированных больных в поздние сроки (свыше 24 часов от начала заболевания). Уровень ле­тальности зависит от состава больных по срокам госпитализации в исследуемой больнице.

Следовательно, алгоритм расчета стандартизированных показ­ателей прямым методом можно изобразить в виде схемы - алгоритма (рис. 14).

 

Рис. 14. Алгоритм расчета стандартизированных показателей прямым методом

 

Таким образом, стандартизированный показатель демон­стрирует, какой была бы заболеваемость (летальность, смертность, инвалидность) в сравниваемых контингентах, если бы их состав был однородным, то есть расхождения в составе контингентов были бы нивелируемыми.

 

Стандартизированные показатели применяются для сравнения двух показателей, но не отображают настоящие размеры явлений, потому что величина их может изменяться при изменении стандарта.

 

Таким способом можно установить факт влияния любого фактора на упомянутые показатели и обнаружить причину изменений показателей, которые рассчитываются обычными методами.

Вопросы для контроля:

1. В каких случаях используют стандартизированные показатели?

2. В чем заключается практическая значимость метода стандартизации?

3. Как проводится оценивание стандартизированных показателей?

 

 

Таблица 23.

 

 

Методика лечения	Всего больных	Результаты лечения – Р1 (ожидаемые данные)
хорошо	удовлетворительно	неудовлетворительно
I
II
III
Всего	200 %	109 (54,5%)	53 (26,5%)	38 (19%)

3. Сопоставляем фактические и теоретические данные (их разницу|) с расчетом величины отклонения и учетом| его направления (знака) — таблица. 24.

 

Таблица 24.

 

Методика лечения	(Р - Р1)
хорошо	удовлетворительно	неудовлетворительно
I	9 (36-27)	-2 (11-13)	-7 (3-10)
II	4 (48-44)	-4 (17-21)	0 (15-15)
III	-13 (25-38)	6 (25-19)	7 (20-13)
Всего

 

4. Рассчитываем квадрат отклонения теоретических данных от фактических и средний квадрат отклонения на одну «ожидаемую» группу. Данный этап расчета имеет такой вид в связи с тем, что на основе фактических отклонений невозможно определить его суммарную величину, поскольку она равняется нулю. При возведении отклонений в квадрат определяем их параметры для каждой группы (р — р1)². Учитывая разное число больных в исследуемых группах величина отклонений может быть разной, потому квадрат их делимо на число соответствующих наблюдений каждой группы — (р — р1)² / р1. Проведя расчеты, определяем (р — р1)² и (р — р1)² / р1. (таблица 25).

 

Таблица 25.

 

Методика лечения	(Р - Р1) ^2	(Р - Р1) ^2 / Р1
хорошо	удовлетворительно	неудовлетворительно	хорошо	удовлетворительно	неудовлетворительно
I					0,3	4,9
II				0,4	0,8
III				4,4	1,9	3,8
Σ=19,5

 

5. Определяем X²— итог результатов последнего этапа расчетов. В нашем случае X²= 19,5.
Сравниваем его с табличным значением, учитывая число степеней свободы (n¹), которые определяют по формуле:

 

n¹= (S-| 1) (г-| 1),

где S — число групп больных (для нашего примера |приклада| - три).

г — число результативных групп (три).

|Число степеней свободы n¹= (3 - 1) (3 - 1) = 4.

 

Выбор метода оценивания достоверности в пользу непараметрического решается в случаях, когда: — есть сомнения в нормальности распределения чисел; — если недостает данных; — если анализируется качественный признак.

 

Полученный результат превышает табличное значение X² для n¹ = 4 по всем уровням достоверности. Следовательно, мы можем сделать вывод о существенности (достоверность) разницы между показателями при разных методах лечения — «нулевая» гипотеза не подтвердилась.

Вопросы для контроля:

• В каких случаях целесообразно использовать параметрические критерии?

• Какие преимущества имеют непараметрические критерии?

• Какие непараметрические критерии используют для оценивания достоверности разности |разносрезультатов исследования во взаимосвязанных совокупностей?

• Какие непараметрические критерии используют для оценки достоверности разности|разность| результатов исследования в независимой совокупности?

Таблица 26.

 

Направленность связи – определяется по знаку коэффициента корреляции.
Прямая связь – динамика параметров является однонаправленной – увеличение одного параметра обуславливает увеличение другого.	Обратная – динамика параметров разнонаправлена – увеличение одного параметра обуславливает уменьшение другого.
Сила связи
Слабая r=0.01-0.29	Средняя r=0.30-0.69	Сильная r=0.70-0.99

 

Коэффициент парной корреляции отображает характер связи 2 признаков. Он может быть рассчитан при сопоставлении двух рядов в виде рангового коэффициента корреляции (ρ ) и линейного коэффициента корреляции (r).

Парный коэффициент корреляции дает характеристику обобщенного «неочищенной» связи между параметрами. При этом возможное влияние других факторов, которые не учитываются, потому самостоятельная ценность парного коэффициента несколько ограничена.

 

Корреляционная зависимость различается по направлению, силе и форме связи (таблица 26).

По направлению корреляционная связь может быть положительной ("прямой") и отрицательной ("обратной"). Степень, сила или теснота корреляционной связи определяется по величине коэффициента корреляции. Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции.

 

Максимальное возможное абсолютное значение коэффициента корреляции r = 1,00; минимальное r = 0,00.

Коэффициенты регрессии достаточно широко используются для построения уравнений регрессии при разработке многих медико-социальных и клинических проблем, в том числе для оценивания физического развития детей и подростков. Данные уравнения — это математическая модель, которая описывает характер взаимосвязи между исследуемыми параметрами. Это особенно актуально при построении многофакторных моделей и прогнозировании уровней результативного параметра системы при фиксированных уровнях отдельных компонентов (показателей). Коэффициент регрессии показывает, на какую величину в среднем изменится второй параметр при изменении первого на определенную единицу измерения.

 

Коэффициент ранговой корреляции Спирмена - это непараметрический метод, который используется с целью статистического изучения связи между явлениями.

Практический расчет коэффициента ранговой корреляции Спирмена включает следующие этапы:

1) Определить каждому из признаков их порядковый номер (ранг) по возрастанию (или убыванию).

2) Определить разности рангов каждой пары сопоставляемых значений.

3) Возвести в квадрат каждую разность и суммировать полученные результаты.

4) Вычислить коэффициент корреляции рангов по формуле:

 

ρ =1-

 

где - сумма квадратов разностей рангов, а - число парных наблюдений.

 

Для оценки достоверности коэффициент корреляции должен превышать свою погрешность не меньше, чем в 2,5 – 3 раза при достаточном числе наблюдений.

 

 

Методика расчета на примере характеристики взаимосвязи стажа работы работников угольной промышленности и частотой заболеваний на бронхит в них.

Стаж работы (годы) Х	Частота заболеваний на бронхит (на 100 работников) У	Порядковый номер (ранги)	Разница рангов	Квадрат разницы рангов
Х	У
До 5	3,31
5-9	3,91
10-14	8,06			-1
15-19	5,77
20 и больше	10,76
Подставляем полученные результаты в формулу: =1-6*2/5*(25-1)= ВЫВОД: между стажем работы работников и частотой заболевания на бронхит выявлено сильную, прямую корреляционную связь. Ошибка рангового коэффициента корреляции для нашего случая исчисляется по формуле:   m= для нашего случая m1=0,245 и t=3,67, что, соответственно, выше граничных значений. Полученный результат позволяет сделать вывод о вероятности данного рангового коэффициента корреляции.

 

При большом числе наблюдений (n> 100) средняя погрешность рангового коэффициента корреляции может быть определена по формуле:

m_p=

 

Оценка достоверности коэффициента корреляции про­водиться по тем же принципами, что используются для других показателей с учетом числа наблюдений (числа степеней свободы вариационных рядов n^` = n – 2).

 

 

Один из методов расчета коэффициента линейной корреляции был предложен К.Пирсоном. Формула для подсчета коэффициента корреляции Пирсона такова:

r =

X и Y – варианты сравниваемых вариационных рядов;

d_x и d_y – отклонение каждой варианты от своей средней арифметческой

 

Таблица 28. Зависимость между составом железа в крови и уровнем гемоглобина в крови.

Содержание железа у крови (мг/л)	Уровень гемоглобина в крови (%)
		5.2	1.9	9.88	27.04	3.61
		-1.8	-1.1	1.98	3.24	1.21
		2.2	0.9	1.98	4.84	0.81
		-3.8	-4.1	15.58	14.44	16.81
		6.2	2.9	17.98	38.44	8.41
		2.2	0.9	1.98	4.84	0.81
		1.2	0.9	1.08	1.44	0.81
		-2.8	-1.1	3.08	7.84	1.21
		-8.8	-1.1	9.68	77.44	1.21
Xx=51.8	Xy=69.1					=34.89
Подставив полученные значения в формулу Пирсона, получаем: r = Вывод: между составом железа в крови и уровнем гемоглобина существует сильная прямая связь. Для нашего случая коэффициент вероятности=3,6, что свыше гранично допустимых значений при вероятности ошибки меньшей 0,05

 

 

Расчет линейного коэффициента корреляции:

1. Определяют средние значения для каждого ряда (Хх, Ху).

2. Определяют отклонение каждого из значений ряда от средней величины (dх, dу).

3. Возводят определенные отклонения в квадрат и определяют их суммы:

 

Особенность коэффициента Спирмена – простота вычисления при недостаточной точности позволяет его использовать для ориентировочного анализа с проведением быстрых расчетов, при определении данных в получисленном описательном виде.

 

Достоверность полученного результата определим соотношением t = r / m_r, где m_r при малом числе наблюдений (n < 30) равняется:

m_r=

 

При большом числе наблюдений (n > 100) формула для расчета средней погрешности коэффициента корре­ляции может иметь вид:

m=

 

Прямолинейная корреляционная связь между парамет­рами характеризуется тем, что каждому из одинаковых измерений одного показателя отвечает определено среднее зна­чение другого показателя. Данную зависимость можно описа­ть коэффициентом регрессии. Рассчитывается коэффициент рег­рессии по формуле:

R_x/y=r_xy*

Где: R_{x/y -} коэффициент регрессии от Х до У;

r_{xy -} коэффициент корреляции;

и средние квадратические отклонения рядов Х и У.

Рассмотрим использование коэффициента регрессии на примере.   При анализе данных физического развития 10-летних мальчиков получены такие параметры рост (Хх) и веса (Ху): Хх = 137,2 см; Х = 3,2 см и Ху = 30,7 кг; у = 1,76 кг; rху = 0,81. Коэффициент регрессии при данных условиях составляет: Rx/y=rxy* (кг)   Вывод: при изменении роста на 1 см вес мальчиков в среднем изменится на 1,47 кг. Определенный коэффициент регрессии можно использовать в уравнении регрессии при прогнозировании ситуации - какой вес в среднем будет отвечать возрасту мальчиков 140,0 см: Вывод: возрасту мальчиков 140,0 см будет отвечать вес 34,8 кг.

Выше приведенные методики расчета парных ко­эффициентов корреляции являются основой и только первым этапом многофакторного корреляционной анализа. Парные ко­эффициенты показывают характер связи (общего, «неочищенного») между исследуемыми параметрами без учёта влияния других факторов. Оценивание «чистой» взаимосвязи в многофакторных моделях определяется на основе парциальных коэффициентов корреляции, основой для расчета которых являются парные и множественные коэффициенты.

В практике медицинских исследований достаточно часто возни­кает вопрос об определении влияния нескольких разных факторов на определенное явление, например, на частоту осложнений при родах влияет возраст женщины, наличие аку­шерской и экстрагенитальной патологии, качество предоставления медицинской помощи и др. В таких случаях для выявления комбинированного влияния нескольких факторов на размер исследуемого явления пользуются методом множественной корреляции. Использование этого метода про­водиться в несколько этапов. Математический аппарат данно­го анализа является достаточно сложным и выходит за пределы програ­ммы подготовки врачей. В настоящее время существует много специализирова­нных программ статистического анализа, которые позволяют рассчитать множественный коэффициент корреляции для определенной совокупности показателей. Важным является оценка резуль­тата: в случае, когда сумма парциальных коэффициентов ко­рреляции меньше величины множественного коэффициента ко­рреляции, мы можем говорить о потенцируемом действии исследуемых параметров относительно результативного приз­нака. Иначе (что, по нашему опыту, случается чаще) мы можем отмечать параллельное влияние факторов с невыраженным взаимным потенцируемым эффектом с условия, когда сумма парциальных коэффициентов значительно превышает значение множественного коэффициента корреляции.

Следовательно, множественный коэффициент корреляции отображает связь одновременно комплекса факторов с исследуемым ре­зультативным фактором (клиническими показателями и др.).

Вопросы для контроля:

1.Что такое корреляционная связь? Чем она отличается от функциональной?

2.Дайте характеристику формы, направления и силы связи.

3.Что такое регрессия?

 

 

СЛОВАРЬ

 

Абсолютно слепое (зашифрованное) исследование (total blind study) – исследование, в котором распределение субъектов из групп лечение неизвестно ни субъектам, ни исследователям, ни кому бы то ни было, кто непосредственно общается с исследователями, субъектами или имеет отношение к обработке данных (статистики и др.)

 

Абсолютное снижение риска (absolute risk reduction – ARR) – разница частоты неблагоприятных выходов между экспериментальной и контрольной группой.

 

Абсолютный (дополнительный, атрибутивный) риск (attributable risk) — это разница показателей заболеваемости или ее последствий у лиц, которые находятся или не находятся под воздействием исследуемого фактора. Дополнительный риск — это дополнительные случаи развития заболеваемости, предопределенные влиянием фактора риска. В зависимости от способа вычисления дополнительного риска, его также называют разницей рисков (difference risk), или непосредственным риском.

 

Анализ выживаемости (survival analysis) проводится в конце исследования у пациентов с высоким риском смертности. Необходимость проведения может возникнуть в кардиологических исследованиях для оценивания выживания после сердечного приступа.

 

Аналитическое исследование (analytic study) — тип эпидемиологического исследования, направленного на поиск причинных связей путем определения и измерения фактора риска или оценивания влияния определенных внешних влияний на здоровье. В аналитическом исследовании лица отбираются по наличию или отсутствию исследуемого заболевания или его предвестника, и для каждого из них устанавливаются личные характеристики (пол, возраст, профессия, но др.) и другие факторы риска, которые могут влиять на возникновение заболевания.

 

Асимметрия (skewness) — одна из характеристик формы распределения. У сдвинутого справа распределения значения группируются влево от среднего и образуют длинный хвост справа от него.

 

Многоцентровое исследование (multicenter study) — клиническое исследование, которое проведено в соответствии с единственным протоколом в нескольких исследовательских центрах несколькими исследователями.

 

База данных (database) — это сохраненные в электронном виде и особенным чином организованные (для облегчения поиска и доступа) данные.

 

Биостатистика (biostatistics) — раздел статистики, которая занимается обработкой результатов исследований в отрасли биологи и медицины.

 

Валидизация данных (validation of data) — процедуры, которые выполняются с целью гарантии, что данные окончательного клинического отчета отвечают оригинальным наблюдением.

 

Вариационный ряд (set of order statistics) — выборка, упорядоченная за значениями.

 

«Стоимость-выгода» (cost - benefit) — в денежном выражении оцениваются стоимость и результаты лечения.

«Стоимость-эффективность» (cost - effectiveness) — в денежном выражении оценивается стоимость лечения, а результаты рассматриваются как выполнение определенных задач.

 

Верификация данных (verification of data) процедуры, направленные на выявление механических ошибок, которые возникают при перенесении данных из исходных документов в анкету и из анкеты в базу данных.

 

Открытое исследование (ореn study) — исследование, в котором разделение пациентов по группам лечения известен всем. Это может быть исследование, в котором изучается один или несколько видов лечения.

 

Относительный риск (relative risk) или отношение рисков (risk ratio) — это отношение показателя заболеваемости (или ее последствий) у лиц, которые подвергались влиянию исследуемого фактора, к величине показателя заболеваемости (или ее последствий) у лиц, которые не подпадали пицц влияние этого фактора. Относительный риск показывает силу связи между влиянием и заболеванием.

 

Воспроизводимость (reproducibility) — вероятность того, что при повторных измерениях определенной стойкого явления, сделанных разными людьми, на разных приборах, в разное время и в разных местах, будет получено одинаковый результат.

 

Генеральная совокупность (population) — это полная совокупность единиц наблюдения (людей), которые являются источником данных.

 

Гистограмма (hystogram) — это способ графического представления распределения числовых (непрерывных) данных, которое часто используют для иллюстрации основных характеристик распределения. Диапазон возможных значений переменной, делящийся на отрезки, которые задают разбивку выборки на классы, или группы. Каждой группе на гистограмме отвечает прямоугольник, длина которого равняется диапазону значений в заданной группе, а площадь пропорциональна числу наблюдений в этой группе.

 

Группирование (grouping) — переход к новой (иногда виртуальной) переменной. Ее градации определяют категории, которые являются объединением категорий объектов, которые отвечают градациям исходной переменной.

 

Данные выходные (source data) — вся информация, которая содержится в оригинальных записях и заверенных копиях оригинальных записей о клинических данных, наблюдениях или других мероприятиях, проведенных в ходе клинического исследования, необходимая для воссоздания хода исследования и для его оценки. Выходные данные содержатся в исходной документации (оригинальные записи и засвидетельствованные копии).

 

Дизайн исследования (design of a study) — способ, схема проведения исследования.

 

Доверительный интервал (confidence interval) — для параметра генеральной совокупности — это отрезок, что с большой вероятностью содержит этот параметр.

 

Доверительные пределы — нижний и верхний пределы доверительного интервала.

 

Доклиническое исследование (рге-clinical study) — биомедицинское исследование, что проведено без участия людей как субъектное исследования.

 

Исследование пилотное (pilot study) — иногда исследования проводят на незначительном количестве пациентов с целью определения, возможно ли провести исследование для большего числа пациентов. Это может быть очень полезно для выяснения тех трудностей, которые могут негативно повлиять на другое исследование. Другая цель проведения пилотного исследования заключается в том, чтобы получить информацию об отличии между двумя методами лечения, которое позволит установить количество пациентов, которые должны быть включены в основное исследование

 

Долгосрочное исследование (longterm trial) — исследование эффективности и безопасности препарата при долгосрочном лечении хронического заболевания, длительное наблюдение за пациентами по окончании проведенного лечения (при рецидиве опухоли после успешной химиотерапии) или хирургического вмешательства (выживаемость после трансплантации почки).

 

Исследование «случай-контроль» (саsе control stady, саsе-reference) — ретроспективное исследование, в котором по архивным данным или воспоминаниям, суждениям пациентов проводится сравнения двух групп, в одну из которых отобранные пациенты с определенной патологией, а в другую — без этой патологии.

 

Экстраполяция (extrapolation) — прогнозирование значения переменной за пределами интервала анализа. Срок применяется, как правило, при анализе динамических рядов для коротких промежутков времени.

 

Экспериментальные эпидемиологические исследования (experimental study) — это исследования, которые проводятся при непосредственном контроле со стороны исследователя за исследуемыми явлениями (например, за факторами риска, новыми методами лечения, диагностики или профилактики) в условиях, максимально приближенных к условиям лабораторного эксперимента.

 

Эмпирические, или обсервационное исследование (observational study) — это исследование без преднамеренного вмешательства в естественный ход и развитие заболевания.

 

Эпидемиология (epidemiology) — это изучение распространенности и детерминант состояний или событий, связанных со здоровьем, в специально определенных популяциях для управления и контроля по проблемам здоровья.

 

Заболеваемость (incidence rate) — частота новых случаев заболеваний в популяции, где этого заболевания сначала не было.

 

Cглаживание скользящими средними (moving average smoothing) — один из способов выравнивания динамического ряда.