Методы медико–биологической статистики в эпидемиологических исследованиях
Введение
Любой специалист медико–биологического профиля в силу специфики профессии является исследователем и обязан непрерывно обучаться и совершенствоваться. Медицина испытывает острую потребность во внедрении инновационных технологий. В данной сфере деятельности предложение значительно превышает спрос, а разработка и внедрение той или иной технологии сопряжены как с риском для пациентов, так и со значительными финансовыми затратами для учреждений.
Медико–биологическая статистика является ведущим инструментом клинической эпидемиологии и представляет собой прикладную интегральную науку на стыке математической статистики, кибернетики и биологии.
На всех уровнях принятие решений неизбежно требует объективного обоснования выбора. В ситуации, когда риску подвергается благополучие человека недопустимо рассуждать субъективно, поэтому эффективность каждой медицинской технологии, как на этапе разработки, так и при внедрении должна рассматриваться критично и на основе доказанных сведений.
На практике не существует идеальных технологий, но среди доступных разумно выбирать ту, которая обладает достаточной доказательной базой. Таким образом, медицина нуждается в объективных доказательствах, поэтому всякий эффект при выборе медицинской технологии следует принимать как количественный параметр, а всякое доказательство эффективности выстраивать с позиций математики.
Доказательная медицина («медицина, основанная на доказательствах» от англ. evidence based medicine, EBM) – это сознательное, четкое и беспристрастное усиление навыков клинициста в диагностике, лечении и профилактике, а так же других областях путем систематического формулирования вопросов и применения математических оценок вероятности и риска но основе имеющихся доказанных сведений.
Клиническая эпидемиология – наука, разрабатывающая методы клинических исследований, которые дают возможность делать обоснованные заключения, сводя к минимуму влияние систематических и случайных ошибок на результаты исследований. Клиническая эпидемиология является методической основой доказательной медицины.
Информация – это потенциальные свойства некого объекта или системы, которые доступны для хранения, передачи, преобразования и выявления при изучении разумным существом.
Данные – это информация, представленная в формализованном виде. Формализация данных может достигаться различными методами.
Тип данных – это метод формализации, который определяется сущностью изучаемого параметра.
Переменная – это совокупность первичных сигналов, содержащая данные определенного типа, доступные для изменения.
Описать подобную систему во всей полноте взаимосвязей на текущем уровне технического развития не представляется возможным. Тем не менее, всякое исследование прямо или косвенно направлено на выявление, изучение и практическое использование особенностей и закономерностей объектов или явлений.
Актуальность данного вопроса бесспорно не вызывает сомнения, потому что медико–биологическая статистика имеет основополагающую роль в исследованиях.
Объектом исследования является выявление методов статистики для усовершенствования эпидемиологических исследований.
Предметом является медико–биологическая статистика в эпидемиологических исследованиях
1. Андреев А. И., Борисов Д. Н. Применение телемедицинских технологий в повседневной деятельности военно-медицинских организаций // Известия российской военно-медицинской академии. – Санкт-Петербург. – 2016. – С. 19-23
2. Бахтина И.Л., Лобут А.А. Методология и методы научного познания // Учебное пособие. – Екатеринбург. – 2016. – С. 12-14
3. Величко В. В. Сравнительный анализ статистических пакетов программ // Инновационная наука. – Оренбург. – 2016. –С. 32- 35
4. Гордукова М. А., Разработка набора реагентов для количественного определения молекул ДНК TREC и KREC в цельной крови и сухих пятнах крови методом мультиплексной ПЦР в режиме реального времени // Медицинская иммунология. – Москва. – 2015. – С. 467-471
5. Горинова Ю. В. Генотип-фенотипические корреляции течения кистозного фиброза у российских детей. Первое описание одиннадцати новых мутаций. // Вопросы современной педиатрии. – Москва. – 2018. – С. 61-66
6. Губа, В., Пресняков, В.. Методы математической обработки результатов спортивно-педагогических исследований. – Москва. – 2015. – С. 210-224
7. Журавская, Н. Ю.. Изучение приверженности лекарственной терапии больных сердечно-сосудистыми заболеваниями, перенесших мозговой инсульт // Диссертация на соискание ученой степени кандидата медицинских наук. – Москва. – 2015. – С. 36 -41
8. Лиманкин, О. В.. Система психиатрической помощи Санкт-Петербурга и направления ее совершенствования // Клинико-статистические, клинико-эпидемиологические и организационные аспекты. – Санкт-Петербург. – 2016. – С. 31-33
9. Мамаев А. Н. Кудлай Д. А. Основные термины математической статистики // Статистические методы в медицине. – Москва. – 2021. – С. 8 - 10
10. Никонов Е. Л., Солодовников А. Г., Власов В. В. Критический анализ публикации Метаанализ: эзомепразол или рабепразол в сравнении с ингибиторами протонной помпы первого поколения в лечении инфекции // Доказательная гастроэнтерология. – 2018. – С. 44-64.
11. Петухов, А. Ю. Моделирование социальных и политических процессов.// Учебное пособие. – Нижний Новгород. – 2015. – С. 52-70
12. Семакина Н. В. Самоорганизация физико-химических и биологических систем // Учебное пособие. – Ижевск. – 2018. – С. 34-36
13. Семенова О.Л., Карась С.И. Формирование профессиональных компетенций в ходе проектного обучения студентов медицинского вуза // Медицинское образование и профессиональное развитие. – Томск. – 2015. – С. 58-62
14. Синюшин, А. А. Статистические ошибки и как их избегают, или о корректном анализе количественных данных в селекции // Зернобобовые и крупяные культуры. – Москва. – 2021 – С. 50-61.
15. Телегина, Н. В., Марданов, М. В. Педагогические условия развития учебно-познавательных компетенций на интерактивном занятии: компетентностный и квалиметрический подходы.// Наука и образование: современные тренды. – Казань. – 2015. – С. 256-278.
16. Тинякова Е. А. Гуманитарный проект: как повысить качество научных исследований // Социодинамика. – Москва. – 2016. – С. 26-36
17. Каптерев А. И. Гришина Т.В. Осетров Е. Т. Системный подход к разработке критериев эффективности управления профессионализацией в вузах. – [Электронный ресурс]: URL: http://www.globecsi.ru/Articles/2016/Kapterev_Grishina_Osetrov1.pdf
18. Колмогоров Ю. Н Методы и средства научных исследований – [Электронный ресурс]: URL: http://hdl.handle.net/10995/54030
19. Попов А.А., Ермаков С.В. Дополнительное математическое образование как условие развития математической одарённости – [Электронный ресурс]: URL: http://opencu.ru/uploads/matematicheskaja-odarjonnost-statja-v-komplekte.pdf
