Математическая статистика и ее роль в медицине и здравоохранении. 4

БОУ СПО УР «ИМК МЗ УР»

Реферат по Математике

на тему: «Математическая статистика и ее роль в медицине и здравоохранении»

Выполнил: студентка гр.233, бригада 3

   Харина Юлия Владимировна

Проверил: Камаева Светлана Васильевна

Ижевск 2013

Содержание

Введение         3

История медицинской  статистики     5

Современное применение медицинской статистики   11

Заключение        25

Список использованной литературы

Введение

Накопление огромных массивов количественных данных и доступность  вычислительной техники усилило математизацию биологии и медицины. В подавляющем большинстве медицинских научных работ авторы используют в том или ином объеме методы статистики.

Математические статистические методы являются универсальным аппаратом  исследования числовых данных. Сами данные, предоставляющие область медицины, биологии, экономики вносят свою специфику в постановку задачи и интерпретацию результатов.

Наука, занимающая методами сбора, обработки, анализа и интерпретации 

экспериментальных данных, называется математической статистикой.     Статистика является общественной наукой. Она изучает закономерности                                          количественных общественных явлений в неразрывной связи с качественной стороной .

Статистика, изучающая  вопросы, связанные с медициной и здравоохранением, носит название санитарной, или медицинской, статистики.

Медицинская статистика делится на разделы:

1)общетеоретические и методические основы статистики

2) статистика здоровья населения;

3) статистика здравоохранения.

История науки позволяет  выделить следующие этапы развития, обусловленные доминирующей методологией и уровнем познания предмета исследования:

1)эмпирический этап, характеризующийся  накоплением и описанием фактов, частичной их систематизацией; 

2)теоретический этап — анализ и синтез накопленных фактов в виде отдельных концепций, объединяющихся в относительно непротиворечивые теории;

3)количественный, математический  этап — на базе накопленных  фактов исследуются количественные  закономерности, создаются математические модели исследуемых явлений и объектов.

История медицинской статистики

Теория вероятностей и математическая статистика возникли в середине XVII века в результате развития общества и товарно-денежных отношений. Свою роль в этом процессе сыграли и азартные игры, они послужили простыми моделями для выявления закономерностей в появлении случайных событий. Кроме того, развитие математической статистики было обусловлено необходимостью обрабатывать скопившиеся к тому времени данные в области управления государством: демографии, здравоохранении, торговле и других отраслях хозяйственной деятельности.

 Первым, кто удачно объединил методы антропологии и социальной статистики с достижениями в области теории вероятностей и математической статистики, был бельгийский статистик Л. Кетле (1796—1874). Из его работ следовало, что задача статистики заключается не в одном лишь сборе и классификации данных, а в их анализе с целью открытия закономерностей. Л. Кетле одним из первых показал, что случайности, наблюдаемые в живой природе, вследствие их повторяемости обнаруживают определенную тенденцию, которую можно описать языком математики. Л. Кетле заложил и основы биометрии.

Создание же математического  аппарата этой науки принадлежит  английской школе статистиков XIX века, но главе которой стояли Ф. Гальтон и К. Пирсон. Разработанные Ф. Гальтоном (1822-1911) и К. Пирсоном (1857-1936) биометрические методы вошли в золотой фонд математической статистики. Пирсон ввел в биометрию такие понятия, как среднее квадратичное отклонение и вариация, ему принадлежит разработка метода моментов, критерия согласия, он ввел термин "нормальное распределение", который сейчас общепринят во многих странах. (Известно еще много вариантов названия этого распределения, например, лапласовское распределение, гауссовское распределение, распределение Гаусса—Лапласса, распределение Лапласса—Гаусса. В качестве аппроксимации к биномиальному распределению оно рассматривалось Муавром еще в 1733 г., однако Муавр не изучал его свойств.) К. Пирсон усовершенствовал предложенные Гальтоном методы корреляции и регрессии. Термин "регрессия" был введен Ф. Гальтоном в 1886 г. Гальтон обнаружил, что в среднем сыновья высоких отцов имеют не такой большой рост, а сыновья отцов с небольшим ростом выше своих отцов. Это было интерпретировано им как "регрессия к посредственности". Ошибки в рассуждениях Гальтона были разъяснены позднее, например, Браунли.

Однако биологи не сразу оценили преимущества, которые  давало использование математической статистики в естествознании. Положение несколько изменилось в лучшую сторону, когда была обоснована теория малых выборок. Пионером в этой области был ученик Пирсона В. Госсет, который опубликовал в журнале "Биометрика" свою статью под псевдонимом "Стьюдент" (отсюда — критерий Стьюдента). Считается, что ценность работы Стьюдента заключалась не в значительных числовых изменениях при расчете тестовой статистики. Многие ученые задолго до Стьюдента использовали отношение, которое теперь носит его имя, но без учета объема выборок (числа степеней свободы) и соотносили полученный результат с таблицами стандартного нормального распределения (аналог критерия Стьюдента для бесконечного числа степеней свободы), пользуясь при этом разными предостережениями при интерпретации результатов. Ценность работы Стьюдента состоит в осознании того, что надо принимать во внимание "капризы" малых выборок, причем не только в той задаче, с которой начинал Стьюдент, но и во всех подобных. Кроме того, он разработал таблицы, которые можно использовать для определения доверительных интервалов и проверки критериев значимости даже на основе очень малых выборок, что делает возможным решение многих статистических задач в области клинических исследований. Дальнейшее развитие теория малых выборок получила в трудах Р.Фишера (1890-1962), основное место в его работе занимали вопросы планирования эксперимента. Фишер ввел в биометрию целый ряд новых терминов и понятий, рассмотрел фундаментальные принципы статистических выводов, показал, что планирование экспериментов и обработка их результатов — две неразрывно связанные задачи статистики.

Одним из ревностных сторонников  применения статистических методов  в медицине был основатель военно-полевой  хирургии Н. И. Пирогов. В 1849 г., говоря об успехах отечественной хирургии, он отмечал, что "…приложение статистики для определения диагностической важности симптомов и достоинства операций можно … рассматривать как важное приобретение новейшей хирургии". Кроме того, в учебнике по основам военно-полевой хирургии он писал: "Я принадлежу к ревностным сторонникам рациональной статистики и верю, что приложение ее к военной хирургии есть несомненный прогресс". Активным сторонником использования статистических методов в медицине был известный российский терапевт, организатор земской медицины В. А. Манассеин. В клинических лекциях он не противопоставлял статистику клиническому наблюдению, а наоборот, акцентировал внимание на их взаимную дополняемость: "Для проверки в клинике имеются два пути, отнюдь не исключающие друг друга и одинаково важные. Я разумею путь статистического доказательства, с одной стороны, и точное клиническое наблюдение каждого отдельного случая — с другой".

Одним из первых примеров применения математического анализа  в медико-биологических исследованиях  в Европе и России была диссертационная работа П. Д. Енько "Опыт приложения анализа к вопросу о ревакцинации", которую он защитил в Военно-медицинской академии (Санкт-Петербург) в 1873 г. С критическим анализом данной диссертационной работы выступил в Военно-медицинском журнале (1874 г.) М. Зенец. В частности, он писал: "Медицина есть именно одна из тех областей человеческого ведения, в которой можно ожидать от приложения статистико-математического метода самых плодотворных результатов". Отдельный интерес представляет и само название статьи — "Как не должно собирать медицинские статистические данные и как не должно ими распоряжаться, чтобы вместо результатов истинных не получать ложных".

Вначале применение статистических методов в медицине в Западной Европе встречало сопротивление. Так, известный математик К. Пирсон писал, что он в 1900 г. послал в Королевское общество (в Лондоне) для публикации одну из своих статей, в которой применил статистические методы, на что получил ответ, в котором указывалось на нежелательность того, чтобы в статьях по биологии содержался какой-либо математический аппарат. В знак протеста Пирсон даже хотел выйти из этого научного общества, однако другой известный ученый Ф. Гальтон убедил его этого не делать. Но развитие применения статистических методов в медицине и биологии остановить не удалось, и в 1901 г. Пирсон основал журнал "Биометрика", который издается до настоящего времени,

В России в конце XIX - начале ХХ века существовала достаточно стройная система сбора статистических данных. Статистическое наблюдение за основными санитарно-демографическими характеристиками, обеспеченностью населения медицинскими кадрами, амбулаторно-поликлиническими и стационарными учреждениями осуществлялось в России с начала ХХ века

Программа отчетов состояла, начиная с 1903г., из следующих 18 разделов:

-движение населения,

-статистика причин смерти в городах,

-статистика обращаемости за врачебной помощью (распределение зарегистрированных больных по отдельным нозологическим формам и заразные болезни),

-медицинский персонал,

-врачебные участки,

-больницы и приемные покои,

-дома и отделения для умалишенных,

-родильные дома,

-приюты и отделения,

-Пастеровские станции,

-аптеки и аптекарские магазины,

-фельдшерские и акушерские школы,

-гигиенические лаборатории и санитарный надзор,

-общества врачей (сведения возобновлены с 1905г.),

-врачебно-санитарный надзор за проституцией,

-расходы на медицинскую часть,

-судебно-медицинская часть,

-результаты врачебного осмотра призывников.

В период с 1900 по 1925 гг. исследования, проведенные под руководством Е.А. Осипова, П.И. Куркина, А.В. Петрова, впервые дали представление о размерах, структуре общей заболеваемости, её зависимости от доступности врачебной помощи населению, связи с определенными социально-экономическими и другими факторами.

Уже в конце 1920-х годов  обсуждался вопрос о необходимости  введения стандартизованных показателей  для оценки региональных и международных  различий в статистических показателях. Были предложены различные версии стандартов и для принятия управленческих решений стандартизация показателей здоровья обязательно проводилась. Были даже разработаны программы проведения стандартизации на различных видах ЭВМ .

Вплоть до 1925 г. регистрация  и анализ заболеваемости практически  не проводились и только к 1925 г. В 1923-1925 гг. были проведены первые выборочные санитарные обследования сельского населения, что предопределило в дальнейшем склонность ученых к выборочным методам изучения заболеваемости.

С 1926 по 1950 гг. существенно  улучшилась регистрация заболеваемости острыми инфекционными болезнями, введено экстренное извещение об инфекционных заболеваниях. В эти годы получили развитие статистика заболеваемости с временной утратой трудоспособности, статистика заболеваемости туберкулезом, венерическими болезнями, важнейшими неэпидемическими заболеваниями. Начала развиваться статистика злокачественных опухолей, получила широкое развитие статистика диспансерного наблюдения за больными.

С 1949 г. была введена повсеместная регистрация первичных обращений  с последующей их сводкой в ежедневных ведомостях учета заболеваний по ограниченному перечню болезней. Результаты разработки ведомостей в дальнейшем включались в периодическую отчетность медицинских учреждений. Таким образом, главная цель – распространение регистрации общей заболеваемости на территорию всего Советского Союза, децентрализованная сводка материалов регистрации и включение её результатов в медицинскую отчетность лечебных учреждений – была достигнута, но результаты не оправдали возлагавшиеся на них ожидания.

С 1953 г. регистрация заболеваний  стала производиться по уточненным (окончательным) диагнозам по специальным  статистическим талонам. Без изменения  остались всеобщность учета (распространение  его на все амбулаторно-поликлинические  учреждения) и децентрализованная разработка материалов учета в каждой поликлинике и амбулатории с включением результатов разработки в годовые медицинские отчеты. Такая отчетность сохранилась и до настоящего времени.

Отсутствие опыта в  статистической работе и перегрузка врачей рядом других, более важных, чем учет, обязанностей, не давали возможности врачам сосредоточить внимание на статистике заболеваемости и обусловливали ошибки учета. Еще большую роль играло то обстоятельство, что врач, регистрируя заболевание, не знал, не было ли оно зарегистрировано другими врачами данного учреждения. Это приводило к тому, что сводные данные медицинских отчетов усугубляли эти ошибки, делая их систематическими, и искусственно завышали размеры заболеваемости за счет её дублирования и искажали её структуру.

На этом фоне наиболее достоверными выглядели выборочные изучения заболеваемости. Практически  первым крупным выборочным изучением  заболеваемости является работа, проведенная  в 1955 г. в г. Иванове. В ней выборочный метод был применен на этапе статистической обработки собранных сплошным методом данных. Это исследование убедительно доказало целесообразность и правомерность применения выборочного метода при изучении основных закономерностей заболеваемости и что выборка дает репрезентативные и достоверные результаты избегая ошибок не только на этапе обработки, но и на этапе выкопировки данных о заболеваемости.

Новым, почти не известным  до революции разделом санитарной статистики явилась так называемая статистика здравоохранения. Она характеризовалась  первоначальной попыткой создания единых форм учета и выпуском в 1920 г. "Правил и форм медико-статистической регистрации". Впоследствии эти правила и формы подвергались многократным пересмотрам и изменениям. Основной задачей этих пересмотров и изменений было их усовершенствование, приспособление к меняющимся запросам практики советского здравоохранения и к появлению новых типов медицинских учреждений (диспансеры, консультации, здравпункты и медико-санитарные части на промышленных предприятиях, объединенные больницы, санитарно-эпидемиологические станции и др.).

Современное применение медицинской статистики

В последнее время  бурно развивается концепция  медицины, основанная на доказательствах. В мире все больше появляется центров  доказательной медицины.

Прогресс доказательной медицины тесно связан с развитием современных информационных технологий и применением методов математической статистики.

  Затронем вопросы статистической обработки качественных (нечисловых) данных, в частности сравнение частоты проявления интересующего эффекта в двух группах (экспериментальной и контрольной). Используют фармацептические компании для тестирования новых лекарственных средств.

При проведении анализа  результатов клинического исследования часто возникает необходимость  сравнить пропорции (доли) наличия или отсутствия какого-либо признака в двух группах, извлеченных из одной генеральной совокупности. Наличие или отсутствие интересующего признака является качественным показателем. Причем на разные группы влияли различные факторы или уровень их влияния был различный (лечение разными препаратами или одним препаратом в разных дозах). Например, в случае сравнения двух методов лечения (экспериментального и контрольного) можно сопоставить частоту возникновения нежелательных побочных реакций в экспериментальной и контрольной группах.

В табл. 1 приведен пример схемы составления таблицы, которая удобна для представления таких данных. В ячейках данной таблицы приведены обозначения, которые будут использованы в дальнейшем в формулах.

Для того чтобы  определить, являются ли различия частоты  возникновения побочных реакций  статистически значимыми, в качестве нулевой гипотезы (Н₀) выдвигается предположение, что пропорции P₁ и P₂ (истинные пропорции в генеральной совокупности) не различаются. Для определения достоверности различия пропорций P₁ и P₂ (с заданной доверительной вероятностью 100(1–a)  %) можно применитьz-критерий, критериальное значение которого рассчитывается по формуле:

где q=1–p, p₁ — выборочная оценка P₁, p₂ — выборочная оценка P₂.

Рассчитанное критериальное  значение z сравнивается с процентной точкой стандартного нормального распределения² для уровня значимости³ a/2, так как данный критерий является двусторонним. Если вычисленное значение превышает критическое для заданного уровня значимости, то нулевая гипотеза отклоняется в пользу альтернативной, согласно которой пропорции P₁ и P₂ различаются с доверительной вероятностью 100(1–a)%.

Альтернативным вариантом, который приводит к тем же результатам, является сравнение квадрата вычисленного критериального значения (z²) с критическим значением функции распределения хи-квадрат с одной степенью свободы.

является поправкой  Иэйтса (Yates, 1934) на непрерывность. Это связано с тем, что непрерывное распределение (в нашем случае нормальное) используется для представления дискретного распределения частот. Поправку Иэйтса рекомендуется применять всегда, так как ее включение в формулу (1) приводит к более точной оценке сравнения вероятностей, чем в случае, когда поправка не используется.

Кроме того, можно вычислить достигнутый уровень значимости⁴ р (иногда его в литературе называют минимальным или наименьшим) и сравнить его с заданным уровнем значимости a. Традиционно полагают, еслиp<a, то этого достаточно, чтобы отклонить нулевую гипотезу на заданном уровне значимости a и принять альтернативную. Данная ситуация проиллюстрирована на рис. 1.

Рис. 1. Иллюстрация применения p-значения

Если в результате использования z-критерия было установлено, что пропорции P₁ и P₂ различаются, то для их разности полезно построить доверительный интервал⁵ . Для его построения сначала необходимо вычислить оценку стандартной ошибки разности (p₂–p₁), используя следующую формулу:

где q₁=1–p₁ и q₂=1–p₂.

В случае, когда n_1• и n_2• достаточно велики (то есть n_i•p_i>5 и n_i•q_i>5 для i=1, 2), то 100(1–a) процентный доверительный интервал для разности P₂–P₁ определяется следующим выражением:

где c_a/2 — процентная точка стандартного нормального распределения.

Построенный на основе выражения (3) интервал будет включать истинную разность пропорций приблизительно в 100(1–a)% случаев. Если доверительный  интервал включает значение 0, то это  свидетельствует о том, что пропорции P₁ и P₂ различаются статистически незначимо (при заданном уровне значимости).

ПРИМЕР

Сравним частоту  возникновения нежелательных побочных реакций в экспериментальной  и контрольной группах, исходные данные для которых приведены  в табл. 2. Рядом с данными в скобках указаны обозначения, которые соответствуют используемым в вышеприведенных формулах.

Для расчетов воспользуемся электронными таблицами MS Excel. Вид исходных данных и полученных результатов на рабочем листе MS Excel приведен на рис. 2. Расчетные формулы рабочего листа Excel, которые запрограммированы в определенных ячейках, приведены на рис. 3.

Рис. 2. Исходные данные и результаты для сравнения долей и построения доверительного интервала их разности

Рис. 3. Формулы рабочего листа Excel для сравнения долей и построения доверительного интервала их разности

В соответствии с полученными  результатами можно сделать следующие  выводы:

1. Так как рассчитанное значение z-критерия (2,5182) больше критического значения стандартного нормального распределения при уровне значимости 0,05 (1,96) (при условии, что критерий двусторонний), то нулевая гипотеза отклоняется и принимается альтернативная, которая предполагает, что с доверительной вероятностью 95% пропорции P₁ и P₂ различаются. Другими словами, можно утверждать, что вероятность развития нежелательных побочных явлений/реакций при лечении пациентов первым методом статистически значимо меньшая, чем при лечении вторым методом.

2. Величина значения р, равная 0,012 (достигнутый уровень значимости меньше заданного уровня значимости a(a=0,05)), что также позволяет отвергнуть нулевую гипотезу в пользу альтернативной.

3. Стандартная ошибка разности оценок пропорций P₁ и P₂ равна 0,07.

4. Доверительный интервал для разности пропорций P₁ и P₂, полученный с использованием выражения (3), имеет следующий вид:

0,0182ЈP₂–P₁Ј0,3201.

Таким образом, можно утверждать, что истинная разность пропорций P₁ и P₂ приблизительно в 95% случаев будет попадать в данный доверительный интервал. Так как доверительный интервал не включает значение 0 при заданном уровне вероятности, то это также подтверждает сделанные в п. 1 выводы.

 Разработка принципов доказательности в медицине сделала возможным применение методов математического анализа и для прогнозирования, создания численной оценки факторов риска, выявления наиболее значимых из них, анализа совместного влияния их на результат лечения, что приблизило медицину к точным наукам. Прогноз результата лечения, как и любой медицинский прогноз, однозначно не определен и должен быть выражен через вероятность. 
 Пример: на основании клинических, инструментальных показателей, включающих данные церебральной допплерографии, биоэлектрической активности и ликвородинамики головного мозга, биоэлектрической активности миокарда, функции желудочно-кишечного тракта у детей первого года жизни с полиорганными поражениями гипоксически-ишемического генеза (ПОП ГИГ), оценить вероятность сохранения признаков перенесенной гипоксии к году жизни ребенка.  
 В результате проведенного лечения в течение года у 39 (32,5%) детей оставались проявления перенесенной гипоксии (результат не достигнут), а 81 (67,5%) ребенок был здоров (желаемый результат лечения достигнут). 
 С использованием коэффициента сопряженности проанализирована связь бинарных признаков с результатами лечения. Для признаков, имеющих наибольшую сопряженность с результатом лечения, был рассчитан показатель, количественно оценивающий шанс (вероятность) отрицательного результата лечения при наличии фактора риска (Odds Ratio). 
 Отношение шансов (OR) больше единицы имели 12 показателей, формализованных в виде бинарных признаков, характеризующих наличие или отсутствие определенного состояния (клинические симптомы, степень изменения ЭЭГ, ЭКГ, показатели допплерографии церебральных сосудов). При этом 95-процентные доверительные интервалы оценки риска не пересекали значение меньше единицы, поэтому все они могут рассматриваться как факторы риска сохранения проявлений гипоксии. Наибольшее влияние на сохранение последствий ПОП ГИГ по данным однофакторного влияния имеет наличие у ребенка пареза церебральных сосудов (по данным церебральной допплерографии), отношение шансов при этом составляет OR = 11,6 (95% ДИ 4,1 ÷ 32,7), наличие метаболических нарушений миокарда OR = 12,7 (95% ДИ 1,1 ÷ 31,9).  
 С целью изучения влияния группы факторов на результат лечения детей с перенесенной гипоксией был использован метод математического моделирования с применением логистической регрессии, который позволяет оценить совместное влияние нескольких факторов риска на зависимую переменную, принимающую два значения. При этом оценкой относительного риска, связанного с действием фактора, является значение экспоненциального коэффициента уравнения логистической регрессии.  
 В общем виде уравнение логистической регрессии записывается следующим образом: odds (yј ≠ 0) = exp (xjb + b0), где odds — шанс, связанный с вероятностью формулой:  
Рслучая=odds/odds+1; xj — значения независимых переменных (факторов), bj — коэффициенты, которые необходимо определить.  
 В таблице 1 показаны значения коэффициентов регрессии для наиболее значимых предикторов, позволяющих оценить вероятность сохранения последствий гипоксии к 12 месяцам жизни. Экспоненциальное значение коэффициентов b рассматривается как величина относительного риска при независимом влиянии каждого фактора риска.

Таблица 1. Параметры  уравнения логистической регрессии

Полученная модель имеет высокую статистическую оценку x2 = 55,9, р = 0,000005, и поэтому может использоваться в качестве прогностического теста, позволяющего оценить вероятность сохранения последствий гипоксии к 12 месяцам жизни. 
 Для всех 120 детей была рассчитана вероятность сохранения проявлений ПОП ГИГ с использованием разработанной математической зависимости. При этом, если расчетная вероятность была р > 0,50, то такой исход относили к группе с отрицательным клиническим результатом. Если р < 0,50 — к группе с положительным клиническим результатом. Полученный результат классификации (82,5% верных прогнозов) позволяет предложить данный метод оценки последствий гипоксии, учитывающий влияние 5 факторов риска в качестве прогностического теста.  
 Чувствительность (sensitivity) прогностического теста составляет 79,5%, специфичность (specificity) — 84,0%. Отношение правдоподобия (likelihood ratio (LR)) рассчитывается как отношение вероятности получить положительный тест у больных с плохим исходом (сохранение признаков ПОП ГИГ) к вероятности получить положительный результат теста у больных с удовлетворительным исходом (последствия гипоксии отсутствуют) [4]. LR = 0,795/1 – 0,84 = 5,68. Значение LR означает вероятность положительного результата теста в группе пациентов с удовлетворительным исходом при использовании предлагаемого прогностического теста. 
 Пример: расчета вероятности сохранения последствий ПОП ГИГ. Пациенты П. (номер в базе данных 201) и Р. (номер в базе данных 445) имеют следующий набор клинических признаков: 
 
 
 
 С учетом соответствующих коэффициентов получаем следующие уравнения для пациентов П. и Р. 
 
 Таким образом, у ребенка П. (201), имеющего один фактор риска — парез церебральных сосудов по данным допплерографии, сохранение последствий ПОП ГИГ к 12 месяцам имеет низкую вероятность (р = 0,12), а вероятность отсутствия проявлений гипоксии у него соответственно равна 1 - 0,12 = 0,88. Для ребенка Р. (445) имеющего сочетание трех факторов риска — парез церебральных сосудов, нарушение сердечного ритма и нарушение иннервации черепно-мозговых нервов (ЧМН), вероятность сохранения последствий ПОП ГИГ высока и составляет 0,68 (68%).  
 
 Таблица 2. Характеристика групп риска сохранения ПОП ГИГ («0» — отсутствие фактора риска, «1» — фактор риска присутствует) по имеющимся сочетаниям факторов риска в обследованной группе детей (n = 120) 
 
 
 Для изучаемой группы детей расчетное значение вероятности плохого исхода в зависимости от сочетания факторов риска принимало значение от 0,01 до 0,88. В зависимости от этого значения дети были разделены на три группы по степени риска сохранения последствий перенесенной гипоксии (табл. 2). В первую группу были отнесены дети, у которых присутствовал один фактор риска и вероятность сохранения проявлений ПОП ГИГ составляла до 0,20. Во вторую группу вошли дети, имеющие сочетание двух факторов риска и вероятность сохранения последствий перенесенной гипоксии до 0,36. При сочетании трех факторов риска вероятность сохранения признаков ПОП ГИГ — от 0,50 до 0,88, и такие дети составили группу высокого риска. 
 
 Выводы: по данным первичного обследования детей с полиорганными поражениями гипоксически-ишемического генеза определены наиболее значимые факторы риска сохранения проявлений ПОП ГИГ к году жизни, это парез церебральных сосудов по данным допплерографии, (OR = 14,20), нарушение сердечного ритма (OR = 7,20), нарушение иннервации черепно-мозговых нервов (OR = 4,18), метаболические нарушения миокарда (OR = 3,77) и нарушения функции ЖКТ (OR = 3,51). Разработан прогностический тест, позволяющий оценить вероятность сохранения проявлений ПОП ГИГ к году жизни у каждого конкретного ребенка.

Заклюение

Медицинская статистика должна быть нацелена на решение  наиболее выраженных современных проблем  в здоровье населения. Основными  проблемами здесь, как известно, являются необходимость снижения заболеваемости, смертности и увеличения продолжительности жизни населения. Соответственно, на данном этапе основная информация должна быть подчинена решению этой задачи. Должны подробно приводиться данные, характеризующие с разных сторон ведущие причины смерти, заболеваемость, частоту и характер контактов больных с медицинскими учреждениями, обеспечение нуждающихся необходимыми видами лечения, включая высокотехнологичные.

Список использованной литературы

1. Петри А., Сэбин К. (2003) Наглядная статистика в медицине (Пер. с англ.). ГЭОТАР-МЕД, Москва, 144 с.
2. Чубенко А.В., Бабич П.Н., Лапач С.Н., Ефимцева Т.К., Мальцев В.И. и др. (2003) Принципы применения статистических методов при проведении клинических испытаний лекарственных средств. Методические рекомендации. Издательский дом «Авиценна», Киев, 60 с.
3. История советской государственной статистики. Изд-е 2-е, перераб. и доп. - М.: Статистика, 1969. - 528 с. Раздел "Статистика здравоохранения и социального обеспечения" - С. 381-390.

4. Журнал «Здоровье ребенка», Харченко Ю.П., Домбровская Н.В., Одесский государственный медицинский университет, Применение современных статистических методов для прогноза исхода полиорганных поражений гипоксически-ишемического генеза у детей первого года жизни,1(1) 2006 г.

      5)http://www.mif-ua.com