Графические изображения в статистических исследованиях: виды диаграмм, правила их построения, применение в работе врача.

.Диаграмма — это графическое изображение статистических величин с помощью различных геометрических фигур и знаков. Картограммой называется географическая карта или ее схема, на ко­торой различной краской или штриховкой изображена степень распростра­нения какого-либо явления на различных участках территории. Картодиаграммой называется такое географическое изображение, когда на географическую карту или ее схему статистические данные нано­сятся в виде столбиковых, секторных, фигурных и других диаграмм. -Диаграммы чаще используются в медико-социальных исследованиях, в то время, как картограмма и картодиаграммы — в медико-географических исследованиях. По назначе­нию принято различать диаграммы сравнения, структурные и динамичес­кие диаграммы. Выделяют также линейные, плоскостные и объемные гра­фические изображения. Для графического изображения относительных и средних величин ис­пользуются различные геометрические фигуры: вертикальные прямо­угольники (столбиковые и внутристолбиковые диаграммы), горизонталь­ные прямоугольники (ленточные диаграммы), квадраты (квадратные диа­граммы), треугольники (пирамидальные диаграммы), круги (круговые ди­аграммы), секторы круга (секторные диаграммы), радиусы круга (ради­альные диаграммы или диаграммы полярных координат), кривые, прямые или ломаные линии (линейные диаграммы, или графики), изображения объектов окружающего мира — людей, коек, машин и др. (фигурные диа­граммы).Для отображения каждого вида относительных величин рекомендуется использовать тот или иной вид диаграмм.правила: — каждая диаграмма должна иметь четкое, ясное, краткое название, отражающее ее содержание и порядковый номер; — все элементы диаграмйы (фигуры, знаки, окраска, штриховка) долж­ны быть пояснены на самой диаграмме или в условных обозначениях (ле­генде); — изображаемые графические величины должны иметь цифровые обо­значения на самой диаграмме или в прилагаемой таблице; — данные на диаграмме должны размещаться от большего к меньшему слева направо, снизу вверх и по часовой стрелке (но элемент «прочие» всегда располагается последним).

План исследования:

1. Выбор объекта исследования (пациенты их родственники, медицинский персонал, семьи..),

2. выбор объема исследования (зависит от числа единиц наблюдения), вид исследования: (одномоментное, единовременное, текущее, когортное, проспективное, ретроспективное, лонгитюдное, клиническое, разработка архивных материалов

3. Выбор методы исследования (информационно-библиографический; статистический; психологический, социологический, математический,. экономический; непосредственного наблюдения (монологический).

4. календарные сроки проведения исследования,

5. Сроки сбора материала,

6. Исполнители,

7. финансирование,

8. оснащение…

Программа исследования:

1. Единица наблюдения,

2. Классификация учитываемых признаков по характеру и роли в совокупности,

3. Программа сбора материала (анкеты, опросники, методики..)

4. Программа разработки материала (группировка признаков и сведение данных в статистические таблицы).

5. Программа анализа материала.

Таблица должна иметь четкое и краткое заглавие. В таблице, как в грамматическом предложении, различают подлежащее (то, о чем говорится) и сказуемое (то, что объясняет подлежащее). Ста­тистическое подлежащее — это основной признак изучаемого яв­ления; оно располагается, как правило, по горизонтальным стро­кам таблицы. Статистическое сказуемое — признаки, характери­зующие подлежащее, располагается в вертикальных графах таб­лицы. Оформление таблицы заканчивается итогами по графам и строкам. Различают следующие виды таблиц: простые, групповые и ком­бинационные (сложные).Простой называется таблица, в которой представлена итоговая сводка данных лишь по одному признаку. В групповой таблице попарно сочетаются признаки: стадия ги­пертонической болезни и пол, а затем стадия болезни и возраст. Комбинационной называется таблица, в которой сказуемые вза­имосвязаны между собой.

 

14.Относительные величины: виды, определение, методика расчета, область применения.

Их применение в здравоохранении. Относительные величины используются при анализе альтернативных (есть явление или отсутствует) признаков. Виды относительных величин: 1) экстенсивные коэффициенты; 2) интенсивные коэффициенты; 3) коэффициенты соотношения; 4) коэффициенты наглядности. Экстенсивные коэффициенты характеризуют отношение части к целому, то есть определяют долю (удельный вес), процент части в целом, принятом за 100%. Используются для характеристики структуры статистической совокупности. Например: удельный вес (доля) заболеваний гриппом среди всех заболеваний в процентах; доля производственных травм среди всех травм у рабочих (отношение числа производственных травм к общему числу травм, умноженное на 100%). Интенсивные коэффициенты отражают частоту (уровень распространенности) явления в своей среде. На практике их применяют для оценки здоровья населения, медико-демографических процессов. Например: число случаев заболеваний с временной утратой трудоспособности на 100 работающих; число заболевших гипертонической болезнью на 100 жителей; число родившихся на 1000 человек (определяется как отношение числа родившихся за год к средней численности населения административной территории, умноженное на 1000). Интенсивные коэффициенты бывают общие и специальные. Общие: показатель рождаемости, общий показатель заболеваемости и др.; специальные (характеризуются более узким основанием): число женщин детородного возраста (плодовитость), число женщин, заболевших гипертонической болезнью, и др. Коэффициенты соотношения характеризуют отношение двух самостоятельных совокупностей. Используются для характеристики обеспеченности (уровня и качества) медицинской помощью: число коек на 10000 человек; число врачей на 10000 жителей; число прививок на 1000 жителей (отношение числа лиц, охваченных прививками, к численности населения административной территории, умноженное на 1000). Коэффициент наглядности определяет, на сколько процентов или во сколько раз произошло увеличение или уменьшение по сравнению с величиной, принятой за 100%. Используется для характеристики динамики явления. Например, число врачей в 1995 г. по сравнению с числом врачей в 1994 г., принятым за 100% (отношение числа специалистов в данном году к числу специалистов в предыдущем году, умноженное на 100%).

***

Относительные Величины – используются для сравнения, сопоставления одной совокупности с другой. Рассчитываются путем отношения (деления) одной абсолютной величины на другую, при этом чаще всего за числитель принимается исследуемое явление, а за знаменатель численность населения на данной территории, затем все умножаются на 100 (%), 1 000 (‰), 10 000 (%₀₀). Множитель выбирает сам исследователем для того, что бы полученный результат имел наглядный вид.

Интенсивные показатели – указывают на ЧАСТОТУ, УРОВЕНЬ, изучаемого явления в среде, которая это явление продуцирует (производит). Применение:

1. Для определение частоты, уровня, распространенности явления,

2. Для сравнения различных совокупностей по степени частоты явления (заболеваемости, смертности).

3. Выявление в динамике изменений в частоте явления (рождаемость за ряд лет).

ИП=абсол.числ.изучаем.явл/абсол.числ.среды*100%

Графическое изображение:

7. столбиковая диаграмма – иллюстрирует однородные, но не связанные между собой явления, изображает статику явления;

8. ленточная диаграмма – разновидность столбиковой,

9. линейная диаграмма – отражает изменение явления во времени;

10. радиальная диаграмма – разновидность линейной, используется для демонстрации явления, имеющего замкнутый цикл;

11. картограмма – карта территории на которой разным цветом или разной интенсивностью одного цвета показана распространенность явления.

12. картодиаграмма – сочетание карты и диаграммы, в котором распространенность явления на определенной территории показана разной высотой столбиков (имеет трехмерный и масштабный вид).

Экстенсивные показатели- Показывают отношение части явления ко всему явлению целиком, дают представление о количественном распределения составных частей в совокупности. (ДОЛЯ, СТРУКТУРА, УДЕЛЬНЫЙ ВЕС).Применяется:

1. для определение доли в целом,

2. для характеристики структуры явления

3. для сравнения составных частей целого явления.

4. всегда выражаются в %.

ЭП=часть явления/явление в целом*100%

Графическое изображение:

1. секторная диаграмма,

2. круговая диаграмма,

3. кольцевая диаграмма,

4. внутристолбиковая диаграмма.

Показатели соотношения – отношение одной совокупности к другой, которые не связанны друг с другом и не продуцируют друг друга. Применяется Для характеристики частоты явления в среде с ним непосредственно не связанной. Рассчитываются на 1 000 или 10 000 населения. Например: Показатели обеспеченности населения врачами и койками.

Графическое изображение:

1. столбиковая диаграмма;

2. ленточная диаграмма,

3. линейная диаграмма;

4. картограмма;

5. картодиаграмма.

Показатели наглядности – показывают на сколько (%), или во сколько раз произошло увеличение сравниваемых величин за кокой-то период. Получают при отношении сравниваемых величин к одной из них условно принятой за 100%.В показателях наглядности можно представить интенсивные показатели, показатели соотношения и абсолютные величины. Показатель наглядности позволяет скрыть истинную величину явления, демонстрируя его изменение (â или á ) за определенный период.

Графическое изображение:

1. линейная диаграмма.

 

15. Вариационный ряд, его виды. Величины, характеризующие вариационный ряд (мода, медиана, средняя арифметическая, среднее квадратичное отклонение, коэффициент вариации, лимит, амплитуда их свойства и применение).

Виды, определение, составные части, правила. Для вычисления средних величин необходимо построить вариационный ряд. Вариационные ряды бывают: 1) простыми и взвешенными; 2) сгруппированными и несгруппированными; 3) открытыми и закрытыми; 4) одномодальными и мультимодальными; 5) симметричными и несимметричными; 6) дискретными и непрерывными; 7) четными и нечетными. Несгруппированные (простые) – составляются при малом числе наблюдений (до 30), сгруппированные – более 30. Правила составления вариационных рядов: 1) расположить все варианты по порядку; 2) суммировать единицы, имеющие одинаковый признак, т.е. найти частоту каждой варианты; 3) определить количество групп и размер интервала; 4) разбить весь ряд на группы, используя выбранный интервал и строго соблюдая непрерывность сгруппированного ряда; 5) дать графическое изображение. Степень разнообразия (колеблемости) признака в разнородном вариационном ряду можно оценить по коэффициенту вариации (отношение среднего квадратического отклонения к средней арифметической, умноженное на 100%); при вариации менее 10% отмечается слабое разнообразие, при вариации 10—20% — среднее, а при вариации более 20% — сильное разнообразие признака. Если нет возможности сравнить вариационный ряд с другими, то используют правило трех сигм. Если к средней прибавить одну сигму, то этой вычисленной средней соответствует 68, 3%, при двух сигмах — 95, 4%, при трех сигмах — 99, 7% от всех признаков.

Виды. Метод расчета средней арифм. Средние величины — это количественная обобщающая характеристика однородной совокупности с изменяющимся варьирующим признаком. Они используются при оценке физиологических показателей (средняя частота пульса, дыхания, АД), параметров физического развития (средний рост юношей 18 лет, средняя масса тела), при санитарно-гигиенических характеристиках (средняя жилая площадь на одного человека, среднее число бактерий в 1 мл), при количественном описании медицинских услуг (среднее число посещений в час, средняя занятость койки в течение года). Виды средних величин: средняя арифметическая простая (сумма всех значений признака, деленная на число наблюдений); средняя арифметическая взвешенная (сумма всех величин, умноженная на свое число встречаемости и деленная на число наблюдений — объектов); мода — величина с наибольшей частотой повторения; медиана — величина, делящая вариационный ряд пополам; средняя прогрессивная — средняя арифметическая, вычисленная из лучшей половины вариационного ряда. Основные свойства средней величины: 1) имеет абстрактный характер, так как является обобщающей величиной: в ней стираются случайные колебания; 2) занимает срединное положение в ряду (в строго симметричном ряду); 3) сумма отклонений всех вариант от средней величины равна нулю. Данное свойство средней величины используется для проверки правильности расчета средней. Она оценивается по уровню колеблемости вариационного ряда. Критериями такой оценки могут служить: амплитуда (разница между крайними вариантами); среднее квадратическое отклонение, показывающее, как отличаются варианты от рассчитанной средней величины; средняя ошибка средней арифметической (отношение среднего квадратического отклонения к квадратному корню из общего числа наблюдений — объектов). Среднее квадратическое отклонение основано на рассмотрении отклонений значений признака отдельных единиц совокупности от средней арифметической. При этом используется способ усреднения отклонений вариантов от средней арифметической, позволяющий обойти трудность, обусловленную равенством нулю их алгебраической суммы. Данный способ сводится к расчету квадратов отклонений вариантов от средней с их последующим усреднением. Коэффициент вариации - наиболее часто применяемый показатель относительной колеблемости, характеризующий однородность совокупности. Со­вокупность считается однородной, если коэффициент вариации не превышает 33 % для распределений, близких к нормальному. Коэффициент вариации применяется для сравнения колеблемости разнородных признаков. Коэффициент вариации часто используется для сравнения размеров вариации в совокупностях, отличающихся друг от друга величиной средней

16. Методы оценки достоверности относительных и средних величин.

В практической и научно-практической работе врачи обобщают результаты, полученные как правило на выборочных совокупностях. Для более широкого распространения и применения полученных при изучении репрезентативной выборочной совокупности данных и выводов надо уметь по части явления судить о явлении и его закономерностях в целом.

Учитывая, что врачи, как правило, проводят исследования на выборочных совокупностях, теория статистики позволяет с помощью математического аппарата (формул) переносить данные с выборочного исследования на генеральную совокупность. При этом врач должен уметь не только воспользоваться математической формулой, но сделать вывод, соответствующий каждому способу оценки достоверности полученных данных. С этой целью врач должен знать способы оценки достоверности.

Применяя метод оценки достоверности результатов исследования для изучения общественного здоровья и деятельности учреждений здравоохранения, а также в своей научной деятельности, исследователь должен уметь правильно выбрать способ данного метода. Среди методов оценки достоверности различают параметрические и непараметрические.

Параметрическими называют количественные методы статистической обработки данных, применение которых требует обязательного знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.

Непараметрическими являются количественные методы статистической обработки данных, применение которых не требует знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.

Как параметрические, так и непараметрические методы, используемые для сравнения результатов исследований, т.е. для сравнения выборочных совокупностей, заключаются в применении определенных формул и расчете определенных показателей в соответствии с предписанными алгоритмами. В конечном результате высчитывается определенная числовая величина, которую сравнивают с табличными пороговыми значениями. Критерием достоверности будет результат сравнения полученной величины и табличного значения при данном числе наблюдений (или степеней свободы) и при заданном уровне безошибочного прогноза.

Таким образом, в статистической процедуре оценки основное значение имеет полученный критерий достоверности, поэтому сам способ оценки достоверности в целом иногда называют тем или иным критерием по фамилии автора, предложившего его в качестве основы метода. При анализе многих явлений (рождаемости, смертности, заболеваемости и т.д.), измеряемых при помощи статистических показателей, часто возникает вопрос о том, в какой мере выводы, полученные при данном числе наблюдений, могут считаться значимыми, надежными, т.е. можно ли распространить эти выводы на всю массу аналогичных явлений. Так, например, можно ли считать, что препарат, оказавшийся эффективным при лечении пневмонии у данной группы больных, при прочих равных условиях даст положительный эффект и при лечении всех других больных пневмонией? Подобного рода вопросы могут встать перед врачом при оценке различных методов лечения, успешности каких-либо хирургических вмешательств, при оценке здоровья населения и эффективности лечебно-профилактических мероприятий.
Значимость, надежность показателя (то же самое существенность, неслучайность), т.е. право показателя на обобщающую характеристику явления называется статистической достоверностью.
При правильно организованном статистическом наблюдении и правильной группировке собранных в процессе наблюдения материалов результаты исследования обычно тем достовернее, чем больше сделано наблюдений (первое положение закона «больших чисел»). Это не значит, однако, что следует стремиться бесконечно увеличивать число наблюдений. Иногда это увеличение практически неосуществимо, а иногда и не нужно, так как при наличии относительно небольшого, но однородного статистического материала можно быть уверенным в надежности выводов. Следовательно, достаточно ограничиться таким объемом, который дает устойчивые значимые результаты (второе положение закона «больших чисел»), т. е. такой выборочной совокупностью, в которой проявляются основные закономерности всей генеральной совокупности в целом.
При этом следует помнить, что статистические показатели, рассчитанные из выборочной совокупности, всегда имеют среднюю ошибку (ошибка выборки), т. е. пределы колебаний показателя в зависимости от случайных причин.
По величине ошибки репрезентативности определяют, насколько результаты, полученные при выборочном наблюдении, отличаются от результатов, которые могли бы быть получены при проведении сплошного исследования всех без исключения элементов генеральной совокупности.
Каждая средняя величина – М (средняя длительность лечения, средний рост, средняя масса тела, средний уровень белка крови и др.), а также каждая относительная величина – Р (уровень летальности, заболеваемости и др.) должны быть представлены со своей средней ошибкой – m.

17. Коэффициент корреляции, его оценка, методы расчета и практическое применение.

Корреляция — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом, изменения одной или нескольких из этих величин приводят к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.

Некоторые виды коэффициентов корреляции могут быть положительными или отрицательными (возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин). Если предполагается, что на значениях переменных задано отношение строгого порядка, то отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой переменной, при этом коэффициент корреляции может быть отрицательным; положительная корреляция в таких условиях — корреляция, при которой увеличение одной переменной связано с увеличением другой переменной, при этом коэффициент корреляции может быть положительным.

Автокорреляция — статистическая взаимосвязь между случайными величинами из одного ряда, но взятых со сдвигом, например, для случайного процесса — со сдвигом по времени.

Коэффициент корреляции или парный коэффициент корреляции в теории вероятностей и статистике — это показатель характера взаимного стохастического влияния изменения двух случайных величин. Коэффициент корреляции обозначается латинской буквой R в математической статистике (r в статистике) и может принимать значения от − 1 до +1. Если значение по модулю находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0 — связь слабая или вообще отсутствует. При коэффициенте корреляции равном по модулю единице говорят о функциональной связи (а именно линейной зависимости), то есть изменения двух величин можно описать математической функцией.

В различных прикладных отраслях (социологии, демографии, медицине, физике, химии, экономике и др.) приняты разные границы интервалов для оценки тесноты и значимости связи.

⇐ Предыдущая12345678910Следующая ⇒

Поделиться:

Популярное:

1. A. эксплуатируемые вручную или с применением ручного труда; без применения ручного труда (механические, автоматические и др.).
2. Disp( 'Размер исходного изображения отпечатка пальца, килобайт')
3. I. Виды договоров в гражданском праве.
4. II. Виды мышления, стадии его развития.
5. IV. Виды и размер гражданско-правовой ответственности
6. IX. Общие правила подачи и рассмотрения апелляций
7. MS Excel 2007-2010. Применение стиля ячейки
8. VI. Регламент переговоров ДСП станции, машинистов (ТЧМ) и составителя поездов при маневровой работе
9. VII. Сигналы, применяемые при маневровой работе
10. А. Прибыль и рентабельность предприятия: понятия, виды, методы расчета, факторы роста
11. Авторитарный режим: основные черты и виды
12. Адаптивные процессы и адаптационные технологии в социальной работе.