Диссертация (Совершенствование медико-организационных мероприятий по профилактике артериальной гипертензии у лиц трудоспособного возраста, с учетом их социальных и демографических характеристик), страница 8
Описание файла
Файл "Диссертация" внутри архива находится в папке "Совершенствование медико-организационных мероприятий по профилактике артериальной гипертензии у лиц трудоспособного возраста, с учетом их социальных и демографических характеристик". PDF-файл из архива "Совершенствование медико-организационных мероприятий по профилактике артериальной гипертензии у лиц трудоспособного возраста, с учетом их социальных и демографических характеристик", который расположен в категории "". Всё это находится в предмете "медицина" из Аспирантура и докторантура, которые можно найти в файловом архиве МГМУ им. Сеченова. Не смотря на прямую связь этого архива с МГМУ им. Сеченова, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата медицинских наук.
Просмотр PDF-файла онлайн
Текст 8 страницы из PDF
В соответствии с методом DALY-анализапотери здоровья, связанные с различными причинами (заболеваемостью,инвалидизацией,смертностью)измеряютсянаединойосновеипредставляются в одних и тех же единицах – годах утраченной здоровойжизни [Ермаков С.П., 2004]. Показатель DALY рассчитывается как разницамежду реальным состоянием здоровья населения на данный момент и43ситуацией,когдакаждыйчеловекдоживаетдовозрастасреднейпродолжительности жизни в состоянии полного здоровья.Величина DALY складывается из двух составляющих: временипотерянной жизни в связи с преждевременной смертностью (YLL) и лет,прожитых в состоянии нетрудоспособности (YLD) [Prüss-Üstün, A., 2003]: = + (2.1)Для единичного случая смерти предлагается использовать следующуюформулу расчета потерь: = (+)2 ∙ � −(+) ∙ [1 + ( + )] − −(+)(+) ∙ [1 + ( + )( +)]� +1−∙ (1 − − ), (2.2)где a – возраст смерти, в годах,L – количество недожитых лет, в годах (разность стандартнойожидаемой продолжительности жизни и возраста смерти),r – ставка дисконтирования (обычно принимается равной 3%),K – возрастная весовая модулирующая константа (изменяется впределах от 0 до 1),β – возрастная весовая константа (β=0,04),C – поправочная возрастная весовая константа (С = 0,1658).Для расчета медико-демографических потерь от заболеваемостинаселения (YLD) информация, содержащаяся в официальных данныхстатистического учета, принятых в Российской Федерации являетсянедостаточной(вчастности,отсутствуетинформацияосреднейдлительности заболеваний для каждого возраста) [Шульмин А.В., КозловВ.В., 2011; Артюхов И.П., 2013].
В связи с этим нами произведена оценкамедико-демографических потерь по методике DALY только от смертностинаселения.442.3 Статистическая обработка полученных данныхДля статистической обработки данных использовались компьютерныепрограммы «Мicrosoft Office Excel 2010», «IBM SPSS 22.0».Размер выборки больных АГ (n) для анкетирования определяли поформуле Паниотто:n= 1 / (m2+1/ N)(2.3)где m – ошибка выборки (в нашем случае 0,05)N – объем генеральной совокупностиПри определении минимального необходимого объема выборочногонаблюдения руководствовались следующими принципами:В.И. Паниотто приводит следующие расчеты репрезентативнойвыборки с допущением 5-процентной ошибки [Шиган Е.Н., 1986]Таблица 2.1Объем репрезентативной выборки по В.И.
ПаниоттоОбъемгенеральной 500совокупностиОбъем222выборкиКачественная10002000 3000 4000 5000 10000 100000286333350360репрезентативность370385выборочной398совокупностиобеспечена различными атрибутивными признаками единицы наблюдения:социальной, демографической и клинико-анамнестической характеристикойбольных АГ и другими характеристиками, внесенными в анкету дляизучения социального портрета больного артериальной гипертензией.Дляанализадинамическихрядовотносительныхпоказателейрассчитывали абсолютный прирост (убыль), темп роста (снижения), темпприроста [Лисицын Ю.П., Полунина Н.В., 2002; Зайцев В.М. и др., 2003].Для анализа динамики интенсивных показателей производили оценкулинейных и полиноминальных уравнений тренда, с расчетом коэффициентоваппроксимацииR2,показывающихдолюобъясненияизмененийпрогнозируемой переменной при помощи регрессионного уравнения.45Линейные регрессионные уравнения имели следующий вид:у = а + bx,(2.4)где у – прогнозируемое значение показателя;х – порядковый номер года наблюдения, начиная с начальной точкиотсчета (2011 г.);а – константа;b – коэффициент, отражающий среднее изменение у при увеличении хна одну единицу.Проверкахарактерараспределенияколичественныхпеременныхпроводилась с использованием критериев Шапиро-Уилкса и КолмогороваСмирнова.При подтверждении нормального распределения значений переменных висследуемых группах, проверку статистической значимости различийпроводили при помощи t-критерия Стьюдента для независимых выборок,предварительно оценивая равенство дисперсии с помощью критерия Ливена.Для оценки значимости статистических различий между исследуемымигруппами при отсутствии нормального распределения, проводили сравнениегрупп по непараметрическому критерию Манна-Уитни.Статистическую значимость различий качественных и порядковыхпризнаков оценивали при помощи непараметрического критерия χ2 Пирсона споправкой на непрерывность.
При частоте встречаемости признака 5 и менееиспользовался точный критерий Фишера. Различия во всех случаяхоценивали, как статистически значимые при р<0,05.Для анализа корреляционной связи между исследуемыми признакамиприменялсякоэффициенткорреляцииПирсона(длянормальнораспределенных переменных) и коэффициент корреляции Спирмена (дляоценки силы и направленности связи порядковых признаков и переменных,распределение которых отличалось от нормального).Сила корреляционной связи между признаками оценивалась покоэффициенту r в пределах от -1 до 1.46Дляпрогнозированияудовлетворенностикачествоммедицинскойпомощи пациентов с артериальной гипертонией использовался методмножественного логистического регрессионного анализа.В качестве отклика в моделях рассматривалась бинарная переменная,где 1 – удовлетворенность качеством медицинской помощи по данныманкетирования, 0 – отсутствие удовлетворенности медицинской помощью.В качестве возможных предикторов рассматривались следующиепеременные: пол, возраст, социальное положение, наличие вредныхпривычек (курение, алкоголь), семейное положение, наличие детей, место иусловия проживания, профессиональный статус, экономическое положение,физическая активность, наличие стрессов, частота и регулярность посещениямедицинской организации.Модель логистической регрессии представляет собой зависимостьлогарифма шанса наступления прогнозируемого события от линейнойкомбинациифакторныхпеременных.Соответственно,вероятностьпрогнозируемого события может быть выражена следующим уравнением:р=где11+е−(0+11 + ...+ )(2.5)р – вероятность прогнозируемого события,е – математическая константа 2,72,b0 –константа модели,bn – коэффициент при предикторной переменной хn, показывающийизменение логарифмических шансов наступления события, вызванноеединичным изменением независимой переменной,n – порядковый номер предиктора, включенного в уравнение.Построение логистической регрессионной модели осуществлялосьметодом пошагового включения прогностических факторов с определениемминимального набора статистически значимых предикторов.
Построениемодели основывалось на оценке значения коэффициента детерминации R2,47показывающего долю влияния всех предикторов, включенных в модель надисперсию зависимой переменной.Проверка статистической значимости модели осуществлялась припомощи критерия χ2. При значении р<0,05, нулевая гипотеза о незначимостимодели отвергалась.Соответствие модели использованным данным характеризовали спомощью критерия согласия Хосмера-Лемешева. При р>0,05 принималасьгипотеза о согласованности модели.Интерпретация результатов логистической регрессии производилась наоснове величины exp(b): при положительном коэффициенте b, значениеexp(b)больше1указываетнаповышениешансовнаступленияпрогнозируемого события, отрицательный коэффициент b свидетельствует оснижении шансов.Чувствительность и специфичность предикторов оценивалась припомощиROC-анализа.Количественнаяинтерпретациярезультатовпроводилась по ROC-кривым с оценкой показателя AUC (Area under ROCcurve – площадь под ROC-кривой).48ГЛАВА 3.
АНАЛИЗ ЗАБОЛЕВАЕМОСТИ АРТЕРИАЛЬНОЙГИПЕРТЕНЗИЕЙ НАСЕЛЕНИЯ г. КРАСНОГОРСКА. СОЦИАЛЬНЫЙПОРТРЕТ БОЛЬНОГО С АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИЕЙ3.1Тенденциидинамикизаболеваемостиисмертностиотартериальной гипертензии в 2011-2015 гг.Изучениеуровнязаболеваемостинаселенияг.Красногорска,обслуживаемого ГБУЗ МО «Красногорской городской больницей № 1»,проведенноенаоснованиианализаотчетныхформ,показало,чтораспространенность АГ в 2011 г.
составляла 45,1 случаев на 1000 населения(рисунок 3.1). Уровень этого показателя снизился до 40,0 в 2012 и 39,5случаев на 1000 человек в 2013 гг., в 2014 г. было отмечено дальнейшееснижение уровня заболеваемости АГ до 36,6 случаев на 1000 населения.Однако в 2015 г.
– выявлено увеличение общей заболеваемости артериальнойгипертензией среди населения г. Красногорска, значение этого показателяувеличилось по сравнению с 2014 г. на 6,8 %.Рисунок 3.1 Динамика распространенности артериальнойгипертензии среди населения г. Красногорска (на 1000 населения)Линейное уравнение тренда объясняет 61,4% всех наблюдавшихся за49рассматриваемый период изменений показателя общей заболеваемости, чтопозволяетговоритьодостаточноустойчивойтенденциисниженияпоказателя.Анализ динамики первичной заболеваемости АГ свидетельствует осущественном уменьшении этого показателя в течение периода наблюдения– в целом с 2011 г.