Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Биомедицинская статистика

Покупка
Артикул: 863289.01.99
Доступ онлайн
643 ₽
В корзину
Рассматриваются вопросы теории вероятностей, описательной статистики, проверки статистических гипотез, применения параметрических и непараметрических статистических критериев, корреляционного и регрессионного анализа в приложении к задачам в области биологии и медицины. Для лучшего усвоения теоретической информации во все главы издания включены подробные примеры решения конкретных типовых прикладных задач медицинского и биологического характера, требующих применения теории вероятностей и математической статистики. Предназначено для студентов учреждений высшего образования по специальностям «Лечебное дело», «Педиатрия», «Медико-диагностическое дело», «Медико-психологическое дело», «Сестринское дело».
Копыцкий, А. В. Биомедицинская статистика : учебное пособие / А. В. Копыцкий, Е. П. Наумюк, В. Н. Хильманович. – Минск : Адукацыя i выхаванне, 2024. - 241 с. – ISBN 978-985-599-949-3. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2219461 (дата обращения: 18.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов


УДК [57+61]:519.22(075.8)
ББК 51.1я73
 
К65
Р е ц е н з е н т ы: кафедра доказательной медицины и клинической диагностики факультета повышения квалификации и переподготовки кадров 
учреждения образования «Витебский государственный ордена Дружбы народов медицинский университет» (заведующий кафедрой доктор медицинских 
наук, профессор И.В. Жильцов); профессор кафедры медицинской и биологической физики учреждения образования «Гомельский государственный медицинский университет» доктор биологических наук, доцент М.Н. Стародубцева
Копыцкий, А. В.
К65  
Биомедицинская статистика: учебное пособие / А.В. Копыцкий, Е.П. Наумюк, В.Н. Хильманович. – Минск : Адукацыя 
і выхаванне, 2024. – 240 с. : ил.
ISBN 978-985-599-949-3.
Рассматриваются вопросы теории вероятностей, описательной статистики, проверки статистических гипотез, применения параметрических 
и непараметрических статистических критериев, корреляционного и регрессионного анализа в приложении к задачам в области биологии и медицины. Для лучшего усвоения теоретической информации во все главы 
издания включены подробные примеры решения конкретных типовых 
прикладных задач медицинского и биологического характера, требующих 
применения теории вероятностей и математической статистики.
Предназначено для студентов учреждений высшего образования по 
специальностям «Лечебное дело», «Педиатрия», «Медико-диагностическое дело», «Медико-психологическое дело», «Сестринское дело».
УДК [57+61]:519.22(075.8)
ББК 51.1я73
Все права на данное издание защищены. Воспроизведение всей книги или любой ее части не может быть осуществлено без разрешения издательства.
ISBN 978-985-599-949-3	
© Копыцкий А. В., Наумюк Е. П.,
 
 
Хильманович В. Н., 2024
	
© Оформление. Республиканское 
 
 
унитарное предприятие 
 
 
«Издательство “Адукацыя  
 
 
і выхаванне”», 2024


ВВЕДЕНИЕ В ДИСЦИПЛИНУ 
«Биомедицинская статистика»
1.1.  ЗАДАЧИ, РЕШАЕМЫЕ С ПОМОЩЬЮ БИОМЕДИЦИНСКОЙ 
СТАТИСТИКИ
Биомедицинская статистика – учебная дисциплина, содержащая 
систематизированные научные знания о применении методов математической статистики в области биологии и медицины. Биомедицинская статистика изучается в рамках концепции доказательной 
медицины. Основная идея доказательной медицины, начавшей формироваться в конце 80-х гг. XX в. в медицине, – применение в практике только тех методов диагностики и лечения, эффективность которых доказана результатами клинических исследований. Одним из 
основных инструментов доказательной медицины является математическая статистика.
Дисциплина «Биомедицинская статистика» занимает важное место в системе подготовки врачей, так как позволяет специалисту описывать группы объектов, достоверно выявлять различия между группами, классифицировать объекты и явления по их числовым характеристикам, по имеющемуся экспериментальному материалу, делать 
выводы об изучаемых объектах и предсказывать их поведение.
Цель учебной дисциплины «Биомедицинская статистика» – формирование универсальных компетенций для решения задач обработки медико-биологической информации, для самостоятельного 
принятия решений о выборе методов диагностики, лечения, профилактики заболеваний, исходя из принципов доказательной медицины.
Задачи учебной дисциплины «Биомедицинская статистика» состоят в формировании у обучающихся научных знаний о принципах 
доказательной медицины, о выборочном методе исследования, о 
способах организации такого исследования, о методах обработки 
статистической информации в биологии и медицине, умений и навыков, необходимых для:
y
y самостоятельной обработки медико-биологической информации;
1


y
y интерпретации результатов обработки медико-биологической 
информации как в рамках своего, так и в рамках сторонних исследований;
y
y понимания соответствия хода исследования принципам доказательной медицины.
1.2. ТИПЫ ДАННЫХ. КАЧЕСТВЕННЫЕ, ПОРЯДКОВЫЕ  
И КОЛИЧЕСТВЕННЫЕ ПОКАЗАТЕЛИ.  
ШКАЛЫ ИЗМЕРЕНИЯ ДАННЫХ
Измеряемые показатели называются величинами, переменными, 
признаками (variables). Набор результатов измерений от одного или 
нескольких объектов называется данными (data). В самом простом 
случае данные делятся на качественные (категориальные и ранговые) 
и количественные (численные). В зависимости от природы численной измеряемой величины она может быть дискретной или непрерывной.
При проведении измерений объекту или явлению приписывают 
по определенному закону числовое или буквенное значение. Говорят, что измерение однозначно отображает характеристику объекта 
или явления в область символьных обозначений. Закон такого отображения называется шкалой измерения. Наиболее распространенная 
классификация шкал (в силу простоты) – классификация Стивенса. 
По Стивенсу, выделяют 2 типа шкал:
1) метрические шкалы. В этих шкалах есть так называемые метрики – расстояния между объектами, заданные в определенных единицах. Если в такой шкале нет абсолютного 0 (т. е. полного отсутствия показателя), то говорят об интервальной шкале. При наличии 
абсолютного 0 говорят о шкале отношений. Приведем примеры показателей, заданных в разных метрических шкалах:
y
y интервальная шкала: уровень IQ испытуемого по Айзенку, температура по Цельсию, концентрация глюкозы в крови пациента, гематокрит крови испытуемого;
y
y шкала отношений: вирусная нагрузка, интенсивность окраски 
раствора при реакции Вассермана, температура по Кельвину;
2) неметрические шкалы. В них уже нет метрик – естественных 
расстояний между объектами. Выделяют 2 неметрических шкалы:
y
y шкалу наименований (синонимы: номинативная шкала, шкала 
имен, категориальная шкала, шкала факторная). В данной шкале 
объекты различаются только названиями, их нельзя упорядочить по 
степени выраженности показателя. Примеры показателей, заданных 
в этой шкале: пол (м/ж), диагноз (подтвержден / не подтвержден), 


полиморфизм гена (доминантная / рецессивная гомозигота / гетерозигота), тип темперамента;
y
y шкалу рангов (синонимы: порядковая шкала, ординарная шкала). В данной шкале объекты можно упорядочить по степени выраженности показателя, однако нельзя указать дистанцию между ними. 
Примеры признаков, заданных в этой шкале: группа инвалидности, 
стадия онкологического заболевания.
1.3. ФОРМИРОВАНИЕ ВЫБОРОК, РАНДОМИЗАЦИЯ
Один из главных методов в математической статистике – выборочный метод, к которому прибегают, когда не могут изучить генеральную совокупность. Генеральная совокупность (популяция) – множество всех объектов, признаки которых должны быть измерены. 
В выборочном методе изучают только часть генеральной совокупности – выборку. Выборка (выборочная совокупность) – специальным 
образом отобранная из генеральной совокупности группа объектов 
для проведения измерений, ограниченная по численности. В общем 
случае результаты изучения выборки обобщают на всю генеральную 
совокупность. Для этого выборка должна быть репрезентативной, 
валидной и надежной. Репрезентативность (представительность) – 
соответствие основных параметров выборки параметрам генеральной совокупности (т. е. выборка должна полно передавать свойства 
генеральной совокупности). Валидность – соответствие выбранного 
способа выборочного исследования изучаемому явлению в генеральной совокупности. Надежность – выборка и метод исследования 
должны быть такими, чтобы при повторении эксперимента другой 
исследователь получал близкие результаты. Рандомизация – способ 
случайного отбора объектов в выборку из генеральной совокупности 
или распределения объектов по группам в зависимости от способа 
организации эксперимента (дизайна).
Способы формирования выборок делят на вероятностные (рандомизированные) и невероятностные. Для вероятностных способов 
есть специальные формулы для оценивания возможных ошибок выборок, для невероятностных таких формул нет.
1.4. ВЕРОЯТНОСТНЫЙ ПОДХОД
1.4.1. Простая случайная выборка
Это простейший тип организации выборки: элементы в выборку 
отбираются случайным образом, и формально каждый элемент 
генеральной совокупности (ГС) имеет одинаковую вероятность 


попасть в выборку, причем эти вероятности для каждого объекта независимые. Схематически простую случайную выборку можно изобразить следующим образом (рис. 1.1).
Данный метод хорош тем, что для него можно легко рассчитать 
величины ошибок, он прост для реализации и объяснения. Однако 
в некоторых ситуациях его реализация может оказаться неэффективной (по соотношению затраты / информация).
Рассмотрим следующий пример. При оценке качества таблеток, 
выходящих с конвейера в течение одной смены, данный подход, при 
котором в произвольное время смены отбирается произвольное количество таблеток для контрольных испытаний, будет хорошим решением. Однако если есть основания полагать, что в разные смены 
качество продукции не будет существенно отличаться (например, при 
высоком уровне автоматизации), то такой подход может оказаться избыточным, требующим дополнительных затрат на контроль качества.
При обследовании пациентов, например, различных возрастных 
групп, данный метод может оказаться недостаточным и дать сильно 
смещенные оценки показателей здоровья, если распределение обследуемых по возрастам неравномерное. Пусть, условно говоря, вся генеральная совокупность состоит из 100 объектов: 90 объектов класса A и 
10 объектов класса B. Очевидно, что объекты класса A будут попадать 
в выборку при случайном отборе чаще, чем объекты класса B. Обобщение результатов на генеральную совокупность будет происходить в 
сторону, соответствующую объектам класса A, и чем меньше объем выборки, тем сильнее будет этот перекос. Если не учесть распределения 
объектов по классам, то есть риск не заметить этот перекос.
Для организации простого случайного отбора могут потребоваться существенные объемы выборок, учитывающие специфику исследуемого явления. В медицине, например, нужно обследовать пациРис. 1.1. Схема простой случайной выборки


ентов мужского и женского пола, различных социальных слоев, 
регионов проживания, возрастов, сопутствующих патологий и т. д., 
в противном случае выборка может оказаться нерепрезентативной, 
или оценки, построенные на ней, окажутся сильно смещенными.
Обобщая, можно заключить, что такой подход к формированию 
выборки уместен тогда, когда изучаемая генеральная совокупность 
однородна по всем показателям, например все обследуемые пациенты одного пола, одной социальной группы, одного возрастного периода и т. д.
1.4.2. Систематическая случайная выборка (механический отбор)
Здесь выборка формируется следующим образом: предварительно отбираются случайным образом N  объектов из генеральной совокупности, далее они упорядочиваются по заранее известному показателю (например, по возрасту, по времени). И наконец, из упорядоченного ряда отбираются n  объектов через постоянный 
интервал ∆n .
Схематически данную процедуру можно представить следующим 
образом (рис. 1.2).
Рис. 1.2. Схема систематической случайной выборки
Если заранее известно, что выборка будет неоднородной по одному или нескольким показателям (например, по возрасту), то этот 
подход будет эффективным, так как неоднородность предварительной выборки будет компенсирована одинаковыми вероятностями 
попадания объектов из предварительной выборки в изучаемую. Также данный метод широко используется, например, для оценки качества выпускаемой продукции на предприятиях, когда через равные 
промежутки времени отбираются образцы для испытаний.


1.4.3. Стратифицированная выборка (типический отбор)
Если заранее известно, что выборка будет неоднородной по одному или нескольким показателям, то имеет смысл разбить выборку 
на страты, в каждой из которых будет соблюдаться однородность, 
при этом в страте должны оказаться как можно более похожие элементы. Например, выборку пациентов можно предварительно разбить на страты по возрастным группам, по полу, месту проживания, 
социальному статусу и т. д. так, чтобы по побочным показателям внутри страты явных различий между пациентами не наблюдалось. Схематически отбор в стратифицированную выборку можно представить 
следующим образом (рис. 1.3).
Рис. 1.3. Схема стратифицированной выборки
Последующее извлечение из страты в выборку осуществляется 
случайно или систематически.
1.4.4. Кластеризованная выборка (серийный отбор)
Если заранее известно, что выборка будет неоднородной по одному или нескольким показателям, то можно использовать другой, 
отличный от стратифицированного подхода, способ. При этом из 
выборки предварительно случайно выбираются целые области (регионы) – кластеры. При этом в отличие от стратификации в каждом 
кластере объекты не должны быть максимально похожи, наоборот, 
кластер должен напоминать по своему многообразию срез генеральной совокупности. Схематически кластеризация выглядит следующим образом (рис. 1.4).


Рис. 1.4. Схема кластеризованной выборки
Кластеризация в медицинских исследованиях часто носит географический характер, когда кластерами считаются случайно выбранные 
учреждения здравоохранения или их подразделения. Далее из этих 
учреждений случайно или систематически выбираются испытуемые. 
1.5. НЕВЕРОЯТНОСТНЫЙ ПОДХОД
При данном подходе отбор объектов в выборку осуществляется без 
использования необходимости равной вероятности включения объекта в выборку из генеральной совокупности. Отбор осуществляется 
произвольно, по усмотрению экспериментатора. Для данного подхода невыполнимо корректное обобщение результатов исследования на 
популяцию, так как оценить ошибку результатов не представляется 
возможным. Такие выборки чаще всего заведомо нерепрезентативные. Несмотря на это, данный подход может использоваться на начальных этапах исследований, в поисковых и пилотных исследованиях, для грубой оценки каких-либо эффектов или величин.
Можно выделить несколько распространенных схем, характерных 
для данного подхода:
y
y исследование согласных. Как следует из названия, в данном 
способе организации в выборку попадают только те испытуемые, которые согласились принимать участие в исследовании;
y
y исследование по принципу удобства. При таком подходе в исследование включаются объекты, исследование которых не требует 
каких-либо дополнительных условий. Например, отбор студентовдобровольцев, отбор пациентов, данные карточек которых легко получить, работа с пациентами только своего отделения и т. д.;


y
y метод снежного кома. При этом подходе в выборку случайно 
отбирается испытуемый. Далее устанавливаются связи испытуемого, 
через которые находятся другие испытуемые, и т. д. Данный метод 
может использоваться при исследованиях инфекционных заболеваний, при исследованиях различных сообществ и т. д.;
y
y квотная выборка. Это подвид предыдущих способов; при данном подходе исследователь следит за тем, чтобы пропорции между 
количествами объектов в выборке примерно соответствовали пропорциям между объектами в генеральной совокупности. При правильном квотировании данный подход может дать результаты, близкие к вероятностному стратифицированному подходу;
y
y отбор типичных случаев. При этом подходе в выборку включаются только типичные испытуемые, соответствующие целому подвиду объектов. Например, включение в выборку только двух женщин 
пенсионного возраста, страдающих от гипертонии, включение только двух мужчин пенсионного возраста, также страдающих от гипертонии, включение двух женщин пожилого возраста и т. д.
1.6. ОПРЕДЕЛЕНИЕ ОШИБОК ВЫБОРОК ДЛЯ ДОЛЕЙ,  
ОПРЕДЕЛЕНИЕ НЕОБХОДИМЫХ ОБЪЕМОВ ВЫБОРОК
При вероятностном подходе, как уже было сказано выше, можно 
оценить ошибки выборки. Ошибкой выборки называется разность 
между характеристикой изучаемого показателя в выборке и истинным значением данной характеристики в генеральной совокупности, 
например выборочным средним арифметическим и средним арифметическим в генеральной совокупности. Другой пример – разность 
между долей, вычисленной по выборке, и истинной долей в генеральной совокупности. Поскольку при выборочном методе истинные значения характеристик интересующего исследователя показателя в генеральной совокупности точно не известны, то можно их 
оценить по выборочным значениям. Например, можно указать так 
называемую предельную ошибку доли ∆P , задающую интервал 
p
P
±∆
, за который с заданной вероятностью γ  не выходит истинное значение доли в генеральной совокупности. Предельная ошибка 
выборки позволяет исследователю оценивать, в каком диапазоне в 
генеральной совокупности находится изучаемая характеристика показателя. Также предельную ошибку выборки можно использовать 
для вычисления необходимого объема выборки, при котором с вероятностью γ  эта ошибка не будет превосходить некоторого заранее 
выбранного исследователем значения.


Доступ онлайн
643 ₽
В корзину