Диссертация (1154350), страница 18

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 18)

Прогноз изменений показателя выполнялся с расчетом на ближайшие 2года путем построения линии тренда с расчетом линейной, полиномиальной илистепенной функции. Соответствие прогнозных значений фактически оценивалось спомощью коэффициента детерминации R2.2.6.

Статистическая обработкаПолученные в ходе исследования данные статистически обрабатывались сприменениемметодовсоответствииспараметрическогорезультатамипроверкиинепараметрическогосравниваемыханализасовокупностейвнанормальность распределения. Накопление, корректировка, систематизация исходной96информацииивизуализацияполученныхрезультатовосуществлялисьвэлектронных таблицах Microsoft Office Excel 2007. Статистический анализпроводился с использованием программы IBM SPSS Statistics 20.Исследуемые совокупности, представленные количественными данными,оценивались на предмет их соответствия закону нормального распределения, дляэтого использовался критерий Колмогорова-Смирнова, рекомендуемый для большихвыборок (при числе исследуемых более 50).

В случае подтвержденного нормальногораспределения совокупностей, полученные данные объединялись в вариационныеряды, в которых проводился расчет средних арифметических величин (M), среднихквадратических отклонений (σ) и средних ошибок средней арифметической (m) постандартным формулам. Для оценки статистической значимости различийиспользовались методы параметрического анализа.При сравнении средних величин рассчитывался t-критерий Стьюдента последующей формуле:tМ1  М 2m12  m22где: М1 и М2 – сравниваемые средние величины, m1 и m2 – средние ошибкисредних величин, соответственно.При сравнении средних показателей, рассчитанных для зависимыхсовокупностей (например, значений показателя в начале срока наблюдения и вконце срока наблюдения), использовался парный t-критерий Стьюдента, которыйрассчитывался по следующей формуле:tМ разн.m разн.где: Mразн. – средняя разность парных вариант, mразн.

– средняя ошибка среднейразности.Полученные значения t-критерия Стьюдента оценивались путем сравнения скритическими значениями. В том случае, если рассчитанное значение превышало97критическое, делался вывод о статистической значимости различий сравниваемыхпоказателей.Для оценки связи между исследуемыми количественными параметрами,использовался метод линейной регрессии, который сводится к нахождениюуравнения следующего вида:y = a + bx,где y – результативный количественный признак, x – значение фактора, a –константа, b – коэффициент регрессии, показывающий среднее изменениерезультата y с изменением фактора x на одну единицу.Полученные регрессионные модели позволяют по заданным значениямфактора x находить теоретические значения результативного признака y.В качестве показателя тесноты связи использовался линейный коэффициенткорреляции rxy Пирсона, который рассчитывается по следующей формуле:rxy  ( x  x)( y  y) ( x  x)  ( y  y )22Значения коэффициента корреляции Пирсона интерпретировались всоответствии со шкалой Чеддока (табл.

2.3).Таблица 2.3Оценка тесноты корреляционной связи по шкале ЧеддокаЗначения коэффициента корреляции rxyХарактеристика тесноты корреляционной связи<0,1связь отсутствует0,1 – 0,3слабая0,3 – 0,5умеренная0,5 – 0,7заметная0,7 – 0,9высокая0,9 – 0,99весьма высокаяДля оценки качества подбора линейной функции рассчитывался квадратлинейногокоэффициентакорреляцииR2,называемыйкоэффициентом98детерминации. Коэффициент детерминации показывает доли факторов, учтенныхв модели (в процентах).Статистическая значимость корреляционной связи оценивалась с помощьюt-критерия, рассчитываемого по следующей формуле:tr rxy1  rxy2 n2Полученное значение tr сравнивалось с критическим значением приопределенном уровне значимости и числе степеней свободы n-2.

Если tr превышалtкрит., то делался вывод о статистической значимости корреляционной связи.Сравнение показателей, измеренных в номинальной шкале, проводилось припомощи критерия χ2 Пирсона, позволяющего оценить значимость различий междуфактическим (выявленным в результате исследования) количеством исходов иликачественных характеристик выборки, попадающих в каждую категорию, итеоретическим количеством, которое можно ожидать в изучаемых группах присправедливости нулевой гипотезы.Вначале рассчитывалось ожидаемое количество наблюдений в каждой изячеек таблицы сопряженности при условии справедливости нулевой гипотезы оботсутствии взаимосвязи. Для этого перемножались суммы рядов и столбцов(маргинальных итогов) с последующим делением полученного произведения наобщее число наблюдений.Затем рассчитывалось значение критерия χ2 по формуле:rc  2i 1 j 1( Oij  E ij ) 2E ijгде i – номер строки (от 1 до r), j – номер столбца (от 1 до с) Oij – фактическоеколичество наблюдений в ячейке ij, Eij – ожидаемое число наблюдений в ячейке ij.Затем значение критерия χ2 сравнивалось с критическими значениями для (r –1) × (c – 1) числа степеней свободы при заданном уровне значимости.

В том случае,если полученное значение критерия χ2 превышало критическое, делался вывод о99наличии статистической взаимосвязи между изучаемым фактором риска и исходомпри соответствующем уровне значимости.В случае анализа четырехпольных таблиц, нами рассчитывался критерий χ2 споправкой Йейтса, позволяющей уменьшить вероятность ошибки первого типа, т.еобнаружения различий там, где их нет. Поправка Йейтса заключается в вычитании0,5 из абсолютного значения разности между фактическим и ожидаемымколичеством наблюдений в каждой ячейке, что ведет к уменьшению величиныкритерия χ2:rc 2  ( Oij  Eij  0 ,5 ) 2i 1 j 1EijВ тех случаях, когда число ожидаемых наблюдений в любой из ячеекчетырехпольной таблицы было менее 5, для оценки уровня значимости различийиспользовался точный критерий Фишера, который рассчитывался по формуле:Р( A  B )! ( C  D )! ( A  C )! ( B  D )!,A! B! C! D! N !где A, B, C, D – фактические количества наблюдений в ячейках таблицысопряженности, N – общее число исследуемых, ! – факториал, который равенпроизведению числа на последовательность чисел, каждое из которых меньшепредыдущего на 1.ПолученноезначениеточногокритерияФишераРболее0,05свидетельствовало об отсутствии статистически значимых различий.

Значение Pменее 0,05 – об их наличии.Для сравнения относительных показателей, характеризующих связанныесовокупности (до и после эксперимента), нами использовался тест МакНемара.При этом для двух зависимых переменных выясняется, происходят ли какие-либоизменения в структуре распределения их значений. Критерий рассчитывался поформуле:( b  c )2Qbc100где Q – критерий МакНемара, b – число исследуемых с отрицательным результатомпри первом наблюдении и положительным – при втором, c – число исследуемых сположительным результатом при первом наблюдении и отрицательным – при втором.Значения критерия МакНемара Q интерпретировались путем сравнения скритическими значениями: при превышении расчетных значений над критическимиделался вывод о статистической значимости изменений частоты явления.Для объединения изучаемых объектов по группам, исходя из их сходства поизмеренным признакам, нами применялся двухэтапный кластерный анализ, которыйпроводился в несколько этапов:1)выбор переменных-критериев для кластеризации;2)выбор способа измерения расстояния между объектами, или кластерами;3)формирование кластеров;4)интерпретация результатов.В качестве способа измерения расстояния между кластерами был выбранквадрат Евклидова расстояния, согласно которому расстояние между объектами равносумме квадратов разностей между значениями одноименных переменных объектов.

Вкачестве критерия кластеризации использовался Байесовский информационныйкритерий.После формирования кластеров, для каждого из них с помощью методовописательной статистики рассчитывались средние значения изучаемых показателей,которые затем сравнивались друг с другом.Прогностическая модель, позволяющая классифицировать исследуемых попринадлежности к определенному кластеру, разрабатывалась с помощью методадискриминантногоанализа.Приэтомвкачествезависимойпеременнойиспользовался показатель, принимающий два значения (принадлежность к первомуили второму кластеру).

Независимыми переменными служили количественныепоказатели. Модель строилась по принципу возможности предсказания зависимойпеременной исходя из значений измеренных факторных, признаков и представляласьв виде уравнения:y = a0 + a1x1 + a2x2 + a3x3 + … + anxn,101где y – зависимая переменная, a0 – константа, a1…n – коэффициенты регрессии, x1…n –независимые переменные (значения факторных признаков).Статистическая значимость различий средних значений дискриминантнойфункции в обеих группах (центроидов) определялась при помощи коэффициента λУилкса.Мерой объективности разделения изучаемых объектов на группы служилкоэффициент корреляции между рассчитанными значениями дискриминантнойфункции и показателем принадлежности к группе.

Значения коэффициентакорреляции менее 0,3 считались признаком слабой связи показателей, значения от 0,3до 0,7 – признаком связи средней силы, значения более 0,7 расценивались нами каксвидетельство сильной корреляционной связи между показателями.Дляоценкиполученнойпрогностическоймодели,основаннойнадискриминантной функции, рассчитывались показатели ее чувствительности испецифичности. Эффективность модели определялась как доля верно предсказанныхвеличин из общего числа проанализированных наблюдений.102ГЛАВА 3. МЕДИКО-СТАТИСТИЧЕСКАЯ ХАРАКТЕРИСТИКАЗАБОЛЕВАЕМОСТИ, ИНВАЛИДНОСТИ И СМЕРТНОСТИ ВЗРОСЛОГОНАСЕЛЕНИЯ ОТ БОЛЕЗНЕЙ СИСТЕМЫ КРОВООБРАЩЕНИЯВ РЕСПУБЛИКЕ ТАТАРСТАН ЗА 2005-2015 ГОДЫВ этой главе представлены основные показатели, характеризующие динамикуи тенденции первичной заболеваемости, распространенности, инвалидности исмертности от болезней системы кровообращения (БСК) среди взрослого населенияРеспублики Татарстан за 2005-2015 годы.Анализ и оценка показателей проводились по материалам Территориальногооргана Федеральной службы государственной статистики по Республике Татарстан,ГАУЗ«Республиканскиймедико-информационныйаналитическийцентр»Министерства здравоохранения Республики Татарстан, Федерального казенногоучреждения «Главное бюро медико-социальной экспертизы по РеспубликеТатарстан (Татарстан)» Министерства труда и социальной защиты РоссийскойФедерации.3.1.

Характеристика распространенности и первичной заболеваемостивзрослого населения болезнями системы кровообращения в РеспубликеТатарстан за период 2005-2015 годыПроведенный нами анализ распространенности и первичной заболеваемостиБСК среди взрослого населения Республики Татарстан (РТ) за 2005-2015 годывыявил волнообразный характер их развития.Согласно представленным на рисунке 3.1 данным, до 2012 годанаблюдается существенное снижение первичной заболеваемости взрослогонаселенияБСК.Максимальныйпикростапоказателяпервичнойзаболеваемости БСК приходится на 2006 год (5328,7 на 100 тысяч населениясоответствующего возраста).

Характеристики

Список файлов диссертации