Регистрация на данните. Статистическа обработка на резултатите от проучването

Видео: KV Avilov "Статистика и статистическа обработка на данни в биомедицинските изследвания"

Съдържание

Видео: kv avilov "Статистика и статистическа обработка на данни в биомедицинските изследвания"
Статистическа обработка на резултатите от проучването

Получените данни се записват под формата на екстракти от истории, spirograms, dopplerograms, reovassogramme, снимки, видеоклипове, записи на магнитен носител, проучванията на отделни карти на пациенти с комбинирана травма.

Статистическа обработка на резултатите от проучването

При сравняване на средните стойности на избрани параметри на изследваните групи с нормално разпределение се използва оценка използване т тест на Student или т-тест. Т-проверява критерий е изразена като съотношение на разликата на средната стойност на примерни стойности на грешка разлика:

и М2 - проба средни стойности на подобни групи параметри и OD - стандартна грешка на разликата между средните стойности на пробите.

Тъй като в това проучване, ние в сравнение как ravnochislennye и не ravnochislennye проба стандартната грешка се изчислява по формулата:

където п1 и n2 - обем проби от първа и втора групи за сравнение, съответно.

Както е изчислено в Т-тест маса и броят на степените на свобода е = n1 + Р2-2 определено ниво значение R. Нивото на значимост се определя вероятността на доверие. Доверието вероятност е вероятността, че признава, достатъчна за надеждна преценка на параметрите на населението на основата на познатите селективни показатели. Обикновено в биомедицинските изследвания, е достатъчно ниво стойност на точност от 95% или 0.95. С други думи, създаване на населението попада в интервала оценка, строи с помощта на примерни средните стойности с вероятност надвишава 95%. Вероятността за изхода истинската стойност параметър извън границите не надвишава Р = 1 - 0.95 = 0.05, или 5%. По този начин, разликата в средните стойности се потвърждава, ако нивото на значимост Р не е повече от 0,05.

Статистическа обработка на данните от клиничните проучвания, използвани метода на сравняване на функция дял в две агрегати.

Ние тествахме нулевата хипотеза H0 на равнопоставеност на общи акции характерната Н0: пл = p2. За тази цел са взети две независими размера на извадката никелови и n2. Избрани функция са съответно дял Wi = мили / NL и w2 = m2 / n2, където мл и m2 - съответно на броя елементи на първата и втората проби, имащи черта.

При достатъчно високо NL и n2, селективен дял WL = мл / NL и W2 = m2 / n2 са приблизително нормално разпределение с математически
очаквания, или средните стойности, Полша и Р2 и отклонения

Когато справедливост хипотеза H0:
PL = Р2 = P разлика WL - W2 има нормално разпределение със средна М (w1-w2) = р-р = 0 и дисперсия

Затова статистиката

Той има нормално разпределение N (0-1).

Като известни стойности P включени в експресията на статистика Т, взема най-добрата си оценка равна на селективно споделят функция, ако две проби се смесват в един, т.е.

Граници на доверителния интервал се избира от същото правило, както в случая на средни сравнение проба, т.е. при P = 0,95, с конкурентна хипотеза Х-л. Ако т < t095, то гипотеза Н0 о равенстве долей признака принимается, если t > t095, то нулевая гипотеза отвергается и принимается конкурирующая гипотеза Hl, а доли признака считаются различными.

За сравнение на данните от вариационния серия от параметри с помощта на корелационен анализ. концепция корелация отразява връзката между параметрите на вариационния серия. Очевидно такава връзка е лесно да си представите, ако покаже стойностите на координатната равнина на един ред по хоризонталната ос, а другият - по ординатата. В случая на точка серия връзка между параметри, общият брой на които е равен на броя на наблюдение, ще образува крива (обикновено с права), което показва корелационните параметри.

На практика изследователят се интересуват не от зависимостта на една променлива върху друга, както и близостта на връзката между изследваните параметри, които могат да бъдат изразени чрез един номер. Тази функция се нарича коефициент на корелация. В случай, корелационен анализ разглежда два вариационни серия се считат за равен в причинна смисъл. Група и тежестта на линейна зависимост между две случайни променливи X 1 и Х2, като нормално разпределение, обикновено се измерва с помощта на коефициента на корелация на Пиърсън, който се изчислява по формулата:

където X1i и X2I - съответната стойност параметър в наблюдение-1, и Х1 и Х2 - средни серия, състояща се от N наблюдения.

Големината на коефициента на корелация винаги се ограничава в рамките -1 < r < 1 . Если r < 0, то это значит, что с увеличением в вариационном ряду наблюдаемых величин X1 соответствующие им значения X2 второго вариационного ряда в среднем уменьшаются. Если r > 0, то с увеличением
стойности на параметър, като друг параметър се увеличава средно. Ако г = 0, това означава, че X1 параметри и X2 са напълно независими.

Когато съществува г = л между параметрите пряко пропорционална функционална зависимост че биомедицински изследвания е изключително редки. По-голямата абсолютната стойност на коефициента на корелация, екранът за дадена проба е по-голямо от нивото на доверие, който съответства на действително получени коефициента на характер комуникация корелация.

изчислява коефициента на корелация е селективен оценка на коефициента на корелация на населението, и следователно, като всяка произволна стойност е SR грешка. Съотношението на коефициенти примерни корелация за тяхното критерий грешка е да се тества нулевата хипотеза за равенство общото население нула корелация коефициент, или, съответно, на независимостта на случаен променливи х1 и
X2

Броят на степените на свобода на критерия за изпитване е равно на е = N - 2, хипотези са тествани съгласно таблиците на разпределението на Student в съответствие с избраното ниво на значимост. Ако изчислената стойност е равна на или надвишава съответната стойност на маса, нулевата хипотеза се отхвърли.

Когато малки количества от проби (п < 30) расчет коэффициента корреляции по приведенным выше формулам дает заниженные оценки соответствующего параметра генеральной совокупности. В таком случае лучше применять z-преобразование Фишера:

Променливата Z заема стойности в диапазона от - до + безкрайност, разпределението на големината приблизително нормално. След това критерият за надеждност е индексът:

От таблицата за разпределение на Student за избраното ниво на значимост от р и броят на степените на свобода е = N -2 проверка на нулевата хипотеза, че населението в този параметър е нула. Отхвърляне на хипотезата на избраното ниво на значимост, ако TZ надвишава съответната стойност на маса.

Kachesov VA

Споделяне в социалните мрежи:

сроден