Apdorojant kiekybinio tyrimo rezultatus naudojama
aprašomoji ir analitinė statistika.
Aprašomoji statistika nagrinėja kintamųjų grupavimo požymius, grupavimo intervalus, grupavimų rūšis, įvertina duomenų variaciją ir koncentraciją, atvaizduoja statistinius duomenis grafikais ir lentelėmis.
Aprašomosios statistikos objektas yra
vidurkiai, moda, mediana, standartinis nuokrypis, variacijos koeficientas. Mediana (angl. median) – požymio reikšmė, variacinę eilutę dalijanti į dvi lygias dalis. Moda (angl. mode) – tai dažniausiai pasikartojanti požymio reikšmė variacinėje eilutėje. Vidurkis (angl. mean, average) – tai vidutinė požymio reikšmė, nustatyta tiriant skirtingus objektus. Jis apskaičiuojamas sudedant reikšmes ir sumą padalijant iš tų reikšmių skaičiaus. Standartinis nuokrypis (SD, standart deviation), vidutinis kvadratinis nuokrypis – tai dydis, rodantis kiek vidutiniškai kiekviena reikšmė yra nukrypusi nuo vidurkio. Tai tiriamojo požymio reikšmių sklaidos apibūdinimas, apibrėžiamas kaip požymio įgyjamų reikšmių ir vidurkio skirtumų kvadratų sumos vidurkis. Šis dydis yra žymimas įvairiai: , s, SD. Variacijos koeficientas – standartinio nuokrypio santykis su vidurkiu. Imtis, kurios kintamieji duomenų apdorojimo programoje išdėstyti didėjimo arba mažėjimo tvarka, vadinama variacine eilute. Kai duomenų kiekis didelis, sudaromos vienodų ar artimų reikšmių grupės bei surašomi variantų pasikartojimo dažniai. Taip sudaroma intervalinė (pasiskirstymo) variacinė eilutė.
Prieš taikant apibrėžtą statistikos testą, dažniausiai reikia atsakyti į tris pagrindinius klausimus:
1. Kokiai matavimo skalei priklauso tiriamas kintamasis?
2. Ar kintamojo rezultatai intervalų skalėje pasiskirstę pagal normalųjį skirstinį?
3. Ar lyginamos imtys yra priklausomos, ar nepriklausomos?Atlikę tyrimą, gautus duomenis arba kintamuosius suvedame į statistinę duomenų apdorojimo programą (EXCEL, Statistica, SPSS, EpiInfo ar kt.). Tai atlikdami turime pasirinkti matavimo skalę. Yra šios tyrimo duomenų matavimo skalės:
1. Vardinė arba nominalinė skalė. Būdingiausi vardinės skalės pavyzdžiai yra lytis, medikamentų sąrašas, medicinos specialybių sąrašas ir t. t. Kintamasis, įgyjantis tik dvi reikšmes (kategorijas), dar vadinamas binariniu.
2. Rangų skalė. Joje nustatoma objekto (reiškinio) vieta pagal pasirinktą kiekybinį arba kokybinį požymį vienos rūšies objektų (reiškinių) grupėje. Pavyzdžiui, hiperenzijos laipsnis, ligos stadija, pacientų fizinis aktyvumas (pvz., 1 = jokio fizinio aktyvumo, 2 = fiziškai aktyvūs retkarčiais, 3 = pakankamas fizinis aktyvumas) ir t. t. Su matuojamais ranginiais kintamaisiais galima atlikti daugiau statistinių operacijų negu su nominaliaisias kintamaisiais. Be dažnių įvertinimo, galima apskaičiuoti
medianą, rangų koreliacijos koeficientą, palyginti atskiras imtis, naudojant neparametrinius testus.3. Intervalų skalė. Šioje skalėje nurodomi kiekybiniai kintamųjų reikšmių skirtumai, išreikšti matavimo vienetais (milimetrais, sekundėmis, laipsniais ir pan.). Šie skirtumai gali būti tarp atskirų intervalų arba nuo kurio nors pasirinkto atskaitos taško, t. y., nulinė reikšmė dar nereiškia, kad tiriamasis požymis visai nepasireiškia, o tik tai, kad jis nesiskiria nuo sąlyginio atskaitos nulio. Duomenis intervalų skalėje
galima apdoroti visais be apribojimų statistikos metodais.4. Santykių skalė. Ši skalė skiriasi nuo intervalų skalės tik tuo, kad joje nulinis taškas yra griežtai apibrėžtas ir visiškai atitinka dydžio nebuvimą.
Normalusis skirstinys (angl. normal distribution) – tai tolydžiųjų požymių reikšmių skirstinys (pasiskirstymo dėsnis), atitinkantis tokias sąlygas: vidurkio (μ), modos ir medianos reikšmės sutampa, skirstinio kreivė yra simetriška, o simetrijos ašis yra ties vidurkiu, skirstinio kreivės forma priklauso nuo vidurkio ir standartinio nuokrypio (σ), normalųjį skirstinį turinčių atsitiktinių dydžių suma taip pat turi normalųjį skirstinį.
Kolmogorovo-Smirnovo testu galima patikrinti, ar realus skirstinys atitinka normalųjį skirstinį, kadangi nuo gautų rezultatų priklauso, kokie analizės metodai – parametriniai ar neparametriniai – bus taikomi.
Nepriklausomos imtys (angl. independent samples) – dvi ar daugiau imčių, kurių kiekvienos tiriami objektai niekaip nesusiję su kitų imčių tiriamais objektais. Nepriklausomos imtys – tai imtys, kurioms negalima nustatyti dėsningo ir vienareikšmio atitikimo, jos gali turėti skirtingus stebėjimus, kuriuos paprastai skiria kategorinis vardinės skalės kintamasis.
Priklausomos imtys (angl. dependent samples) – dvi ar daugiau imčių, kurių kiekvienos tiriami objektai kaip nors susiję su kitų imčių tiriamais objektais, pvz., kelis kartus per metus atlikti tų pačių pacientų kraujospūdžio matavimai. Tokiu atveju priklausomos imtys sudaro tiriamo vyksmo parametrų reikšmes skirtingais laiko momentais.
Atsakę į šiuos tris aukščiau iškeltus klausimus galime nesunkiai pasirinkti statistinį kriterijų mūsų tyrimo rezultatams patikrinti. Pavyzdžiui, kai yra normalusis kintamųjų pasiskirstymas ir 2 nepriklausomos imtys - pasirenkame
Stjudento t-testą. Kai nėra normaliojo kintamųjų pasiskirstymo ir yra 2 nepriklausomos imtys, pasirenkame
Mano-Witnio U testą.Koreliacijos analizė – statistikos metodas, tiriantis požymių tarpusavio ryšių stiprumą. Pasiskirsčiusiems pagal normalųjį dėsnį intervaliniams kintamiesiems yra skaičiuojamas
Pirsono (angl. Pearson) koreliacijos koeficientas. Intervaliniams kintamiesiems, kuriems normalumo prielaida nėra tenkinama, ir ranginiams kintamiesiems yra skaičiuojamas
Spirmeno (angl. Spearman) arba
Kendallio τ-b koreliacijos koeficientas.
Tuo tarpu regresinė analizė nustato statistinio ryšio pobūdį ir aprašo priklausomojo (pasekmės) kintamojo vidutinių reikšmių priklausomybę nuo vieno ar kelių nepriklausomųjų (priežasties) kintamųjų reikšmių matematine formule ir kartu prognozuoja šio kintamojo reikšmes. Regresinė analizė skirstoma į tiesinę ir logistinę regresiją. Tiesinė regresija skirstoma į paprastą tiesinę regresiją, kai egzistuoja vienas nepriklausomas kintamasis, ir daugelio faktorių tiesinę regresiją, kai egzistuoja keletas nepriklausomų kintamųjų. Savo ruožtu logistinė regresija skirstoma į binarinę logistinę regresiją ir daugiareikšmę logistinę regresiją. Kitas naudingas klinikinių tyrimų analizės metodas yra - dispersinė analizė arba dviejų ar daugiau populiacijų vidurkių lygybės tikrinimas. Metodas pagrįstas tarpgrupinės ir grupių vidinių dispersijų palyginimu, kur visos grupės lyginamos vienu metu. Dispersinei analizei naudojami kintamieji turi būti pasiskirstę pagal normalųjį dėsnį, atsitiktiniai ir nepriklausomi. Dispersinė analizė leidžia įvertinti tiriamojo faktoriaus įtaką esant mažam duomenų ar kartotinių bandymų kiekiui. Tai efektyvus metodas skirtumo tarp trijų ir daugiau grupių reikšmingumui patikrinti. Yra trys dispersinės analizės metodai: vieno faktoriaus, dviejų faktorių ir daugelio faktorių dispersinė analizė. Statistikoje egzistuoja ir daugiau metodų, kuriuos galime pritaikyti klinikinių tyrimų analizei. Visi jie plačiai aprašyti specialioje literatūroje.
--
Pranešimą parašė Administratorius (kam)
VU MF Vidaus ligų, šeimos medicinos ir onkologijos klinika, Šeimos medicinos centras (data) 5/16/2009 03:34:00 PM