Evidenciákon alapuló orvostudományi adatok elemzése. Statisztikai módszerek, mint a bizonyítékokon alapuló orvoslás alapja

A bizonyítékokon alapuló orvoslásnak számos meghatározása létezik:

• Ez egy új technológia az orvosi információk összegyűjtésére, elemzésére, szintézisére és felhasználására, amely lehetővé teszi az optimális klinikai döntések meghozatalát.
• Ez a rendelkezésre álló legjobb bizonyíték tudatos, világos és elfogulatlan felhasználása az egyes betegek ellátásával kapcsolatos döntések meghozatalában.
• Ez a klinikus hagyományos készségeinek fejlesztése a diagnózis, a kezelés, a megelőzés és más területeken a kérdések szisztematikus megfogalmazásával, valamint a valószínűségek és kockázatok matematikai értékelésének alkalmazásával.

Rögtön le kell szögezni, hogy a „bizonyíték hiánya”, „nem bizonyított” vagy „nincs elegendő bizonyíték” kifejezések nem egyenértékűek a „bizonyítottan nincs hatás” vagy „bizonyítottan nincs haszon” kifejezésekkel. A „nem bizonyított” megfogalmazás utalhat a probléma ismeretének hiányára és a nagyobb tanulmányok megszervezésére vagy az információgyűjtés és a statisztikai elemzés más módszereinek alkalmazására. Ugyanakkor nem szabad megfeledkeznünk arról sem, hogy a fordított „bizonyított” megfogalmazás statisztikai manipulációra utalhat a termelő cégek érdekében.

A bizonyítékokon alapuló orvoslás alapja az epidemiológiában alkalmazott kutatási módszerekről.

J.M. Végül az epidemiológia modern definíciójának megfogalmazása az egyes szavakra összpontosít ebben a meghatározásban. Tehát a „tanulmányozással” meg kell érteni a megfigyelési (megfigyelési) és kísérleti vizsgálatok lefolytatását, a hipotézisek tesztelését és az eredmények elemzését.
A "betegségek és tényezők terjedése ..." magában foglalja a megbetegedések gyakoriságának, a halálozásnak, a kockázati tényezőknek a tanulmányozását, a beteg orvosi ajánlásoknak való megfelelését, az orvosi ellátás megszervezését és hatékonyságát.
"Célcsoport" - olyan csoport, amely pontos létszámmal és bizonyos korú, nemű, szociális és egyéb jellemzőkkel rendelkezik.

Jelenleg az epidemiológia modern fogalmát a „klinikai epidemiológia” kifejezéssel jelölik. Ez a kifejezés két „szülő” tudományág nevéből származik: a klinikai orvoslás és az epidemiológia.
„Klinikai”, mert a legmegbízhatóbb bizonyítékok alapján kíván választ adni a klinikai kérdésekre, és klinikai döntéseket javasolni.
"Epidemiológia", mivel számos módszerét epidemiológusok fejlesztették ki, és itt egy adott beteg ellátását a nagy populáció összefüggésében vizsgáljuk, amelyhez a beteg tartozik.

Klinikai epidemiológia- olyan tudomány, amely lehetővé teszi az egyes betegek előrejelzését a betegség klinikai lefolyásának hasonló esetekben történő tanulmányozása alapján, szigorú tudományos módszerekkel a betegcsoportok tanulmányozására az előrejelzések pontosságának biztosítása érdekében.

A klinikai epidemiológia célja– olyan klinikai megfigyelési módszerek kidolgozása és alkalmazása, amelyek lehetővé teszik igazságos következtetések levonását a hatás garantált értékelésével szisztematikus és véletlenszerű hibák. Ez a legfontosabb megközelítés az orvosoknak a megfelelő döntések meghozatalához szükséges információk megszerzéséhez.

Az epidemiológia alapvető módszere az összehasonlítás. Olyan mennyiségek matematikai számításaival hajtják végre, mint pl esélyhányados, kockázati arány a vizsgált események alakulását.

Az összehasonlítás előtt azonban meg kell érteni, hogy mihez fogunk hasonlítani (narancsot naranccsal, nem narancsot gőzhajóval), pl. fogalmazzon meg egy olyan feladatot (problémát), amely megelőzi bármely kutatás megkezdését. Leggyakrabban a probléma kérdés formájában fogalmazódik meg, amelyre választ kell találni.

Például hipotetikusan nekünk (vagyis egy gyakorló orvosnak) egy olyan gyógyszert mutatnak be, amelynek az azt szintetizáló vegyészek szerint a sarkot kell kezelnie. A gyógyszergyártást elindító farmakológiai cég az utasításokban is biztosítja, hogy az állítólagos hatás valóban megtörténik.

Mit tehet a szakember, amikor eldönti, hogy használ-e valamilyen gyógyszert?

A „vegyük a vegyészek/farmakológusok szavát” válasz kizárt, mint triviális és következményekkel teli. A mi feladatunk- a kezelőorvos rendelkezésére álló eszközökkel ellenőrizze a gyógyszer állítólagos hatását a sarokra (megerősíteni vagy cáfolni stb.). Természetesen nem teszteljük a gyógyszert laboratóriumi egereken, önkénteseken stb. Feltételezhető, hogy a „sorozat indulása előtt” valaki ezt többé-kevésbé lelkiismeretesen megtette.

A feladatnak megfelelően megkezdjük a megoldást szolgáló adattömb kialakítását:

1. Először gyártjuk keressen információt.
2. Ezután kizárjuk az irreleváns cikkeket az eredményül kapott adattömbből (irreleváns - érdekeinknek nem megfelelő).
3. Értékeljük a talált vizsgálatok módszertani minőségét (mennyire helyes a vizsgálatban az információgyűjtés módszere, megfelelőek-e az alkalmazott statisztikai elemzési módszerek stb.), és a kapott tömbben rangsoroljuk az információkat a bizonyítékok megbízhatósága alapján. a meglévő egészségügyi statisztikai egyezményekről és a bizonyítékokon alapuló orvostudományi szakértők által javasolt megbízhatósági kritériumokról.

   A Svéd Egészségügyi Értékelési Módszertani Tanács szerint a különböző forrásokból származó bizonyítékok megbízhatósága nem azonos, és az elvégzett vizsgálat típusától függ. Gondosan le kell írni a Vancouver Group of Biomedical Editors (http://www.icmje.org/) nemzetközi megállapodása szerint végzett vizsgálat típusát; fel kell tüntetni továbbá a klinikai vizsgálatok eredményeinek statisztikai feldolgozásának módszereit, az összeférhetetlenség bejelentését, a szerző hozzájárulását a tudományos eredményhez, valamint a szerzőtől a vizsgálat eredményeiről elsődleges tájékoztatás kérésének lehetőségét.

   A vizsgálatok során nyert eredmények érvényességének biztosításához "evidenciaalapú", azaz a feladatoknak megfelelő kutatási módszertant (tanulmánytervezési és statisztikai elemzési módszerek) (1. táblázat) kell választani, amelyet akkor veszünk figyelembe, amikor információk kiválasztása az adattömbből.

   1. táblázat A kutatási módszertan megválasztása a vizsgálat céljától függően
   (a kifejezések leírását lásd Módszertani szakkifejezések szójegyzéke)

   Kutatási célok	Dizájnt tanulni	A statisztikai elemzés módszerei
   A betegség prevalenciájának becslése	A teljes csoport (populáció) egyidejű vizsgálata szigorú betegségfelismerési kritériumok alkalmazásával	Részesedésbecslés, relatív mutatók számítása
   Előfordulás értékelése	csoportos tanulmány	Részesedésbecslés, idősorok számítása, relatív mutatók
   A betegség kialakulásának kockázati tényezőinek felmérése	kohorsz tanulmányok. Eset-kontroll vizsgálatok	Korreláció, regresszióanalízis, túlélési elemzés, kockázatértékelés, esélyhányados
   A környezeti tényezők emberre gyakorolt ​​hatásának felmérése, ok-okozati összefüggések vizsgálata a lakosság körében	A populáció ökológiai vizsgálata	Korreláció, regresszió, túlélési elemzés, kockázatértékelés (hozzáadott kockázat, relatív kockázat, hozzáadott népesedési kockázat, népesedési kockázat hozzáadott aránya), esélyhányad
   A figyelem felkeltése a betegség szokatlan lefolyására, a kezelés eredményére	Az eset leírása, esetsorozat	Nem
   A jelenlegi klinikai gyakorlat eredményeinek ismertetése	Megfigyelési ("előtte és utána")	Átlag, szórás, páros Student-féle t-próba (kvantitatív adatok). McNimar teszt (kvalitatív adatok)
   Új kezelési módszer tesztelése	fázisú klinikai vizsgálat ("előtte és utána")	Átlag, szórás, páros Student-féle t-próba. McNimar-kritérium
   Két kezelés összehasonlítása a jelenlegi klinikai gyakorlatban	ellenőrzött leendő. Véletlenszerű (nyitott, vak, dupla vak). Ellenőrzött retrospektív. Ellenőrzött prospektív + retrospektív (vegyes kialakítás)	Hallgatói kritérium (mennyiségi adatok). χ 2 vagy z kritérium (minőségi jellemzők). Kaplan-Myers kritérium (túlélés)
   Új és hagyományos kezelési módszerek összehasonlítása	Klinikai vizsgálatok II-IV fázis (kontrollált prospektív vagy randomizált)	A tanuló kritériuma. χ 2 kritérium. Kaplan-Myers kritérium

   A kutatás minden típusát az információgyűjtés és -elemzés bizonyos szabályai jellemzik. Ha ezeket a szabályokat betartjuk, akkor bármilyen kutatás kvalitatívnak nevezhető, függetlenül attól, hogy megerősítik vagy cáfolják a felállított hipotézist. A bizonyítékok megszerzésére használt részletesebb statisztikai elemzési módszereket Petri A., Sabin K. "Vizuális statisztika az orvostudományban" (M., 2003), Glantz S. "Orvosi és biológiai statisztika" (M., 1999) című könyvei mutatják be. ).

   Az információ "bizonyításának" mértéke a következő sorrendben (csökkenő sorrendben):

   1. Randomizált, kontrollált klinikai vizsgálat;
   2. Nem randomizált klinikai vizsgálat egyidejű kontrollal;
   3. Nem randomizált klinikai vizsgálat történelmi kontrollal;
   4. csoportos tanulmány;
   5. „Esetkezelés”;
   6. Kereszt klinikai vizsgálat;
   7. Megfigyelési eredmények.

   Az egyszerűsített módszerekkel, vagy a vizsgálat céljainak nem megfelelő módszerekkel, helytelenül kiválasztott értékelési szempontokkal végzett vizsgálatok eredményei téves következtetésekhez vezethetnek.

   A komplex értékelési módszerek alkalmazása csökkenti a hibás eredmény valószínűségét, de az ún. adminisztrációs költségek (adatgyűjtés, adatbázis-készítés, statisztikai elemzési módszerek) növekedéséhez vezet.

   Így például az E.N. Fufaeva (2003) feltárta, hogy azoknál a betegeknél, akiknek a műtét előtt rokkantsági csoportjuk volt, a rokkantság megőrzését 100%-ban regisztrálták. A szívműtét előtt rokkantsági csoporttal nem rendelkező betegek körében az esetek 44%-ában a műtétet követően határoztak meg rokkantsági csoportot. Ezen eredmény alapján téves következtetések vonhatók le arra vonatkozóan, hogy a szívsebészet rontja a betegek életminőségét. A felmérés során azonban kiderült, hogy az ezeket a betegeket megfigyelő betegek 70,5%-a és az orvosok 79,4%-a elégedett a kezelés eredményeivel. A rokkantsági csoport nyilvántartásba vétele szociális okok miatt történik (gyógyszerbeszerzési ellátások, lakhatási költségek stb.).

   A szociális védelem fontosságát a munkaképességgel kapcsolatos kérdésekben megerősítik egy Egyesült Államokban végzett vizsgálat eredményei, és nem tártak fel egyértelmű kapcsolatot a beteg klinikai állapota (szomatikus betegsége) és a munkaképesség között.

   A PTBA és CABG utáni foglalkoztatási ráták összehasonlítása érdekében 409 beteget vizsgáltak meg (Hlatky M.A., 1998), közülük 192-en esett át PTBA és 217-en CABG. A PTBA-n átesett betegek hat héttel gyorsabban tértek vissza a munkába, mint a CABG-n átesett betegek. Hosszú távon azonban egy olyan tényező befolyása, mint a művelet típusa, jelentéktelennek bizonyult. A következő négy évben a TBA-csoportban 157 beteg (82%) és a CABG-csoportban 177 beteg (82%) tért vissza a munkába. A tartós foglalkoztatási rátát leginkább olyan tényezők befolyásolták, mint a beteg életkora a vizsgálat megkezdésekor és az egészségügyi ellátás egészségbiztosítási fedezettsége.

   Így az egészségügyi tényezők hosszabb távon kisebb hatást gyakoroltak a foglalkoztatási rátákra, mint a demográfiai és társadalmi tényezők. Az orosz és amerikai kutatók eredményei azt mutatják, hogy a kezelési eredmények értékelésének néhány hagyományos és egyszerűnek tűnő módszere elfogadhatatlan a prioritások megválasztása és a döntéshozatal során.

4. Ezt követően szisztematikus áttekintést végzünk - metaanalízis, értékelni fogjuk a vizsgálatok során kapott eredmények megbízhatósági szintjét, és összehasonlítjuk: van-e előnye a vizsgált diagnosztikai, kezelési módszereknek, a szolgáltatások fizetési módjainak, célprogramoknak a korábban összehasonlítottakhoz vagy használtakhoz képest.

   Ha alacsony bizonyossággal szerepeltetünk információkat, akkor tanulmányunk e pontját külön kell tárgyalni.

   Az Oxfordi Bizonyítékokon alapuló Orvostudományi Központ a következő kritériumokat kínálja az orvosi információk megbízhatóságára vonatkozóan:

   • Magas Magabiztosság- az információk több független klinikai vizsgálat eredményein alapulnak, a szisztematikus áttekintésekben összegzett eredmények egybeesésével.
   • Mérsékelt bizonyosság- az információk legalább több független, hasonló klinikai vizsgálat eredményein alapulnak.
   • Korlátozott bizonyosság– egy klinikai vizsgálat eredményein alapuló információ.
   • Nincsenek szigorú tudományos bizonyítékok(klinikai vizsgálatokat nem végeztek) - egy bizonyos állítás a szakértők véleményén alapul.
5. Végezetül, miután megvizsgáltuk a tanulmány eredményeinek gyakorlati felhasználási lehetőségeit, közzétesszük az eredményt:

   Ez persze vicc, de minden viccben van valami igazság.

   Általában olyan tanulmányokat tesznek közzé, amelyek pozitív eredményeket mutattak, például új kezelést mutattak be. Ha a munkahipotézis (feladat, probléma) nem igazolódik be, vagy nem talál pozitív megoldást, akkor a kutató általában nem teszi közzé a kutatási adatokat. Ez veszélyes lehet. Tehát a huszadik század 80-as éveiben szerzők egy csoportja egy antiarrhythmiás gyógyszert vizsgált. A kapott betegek csoportjában magas mortalitást találtak. A szerzők ezt balesetnek tekintették, és mivel ennek az antiarrhythmiás gyógyszernek a fejlesztése leállt, nem tették közzé az anyagokat. Később egy hasonló antiarrhythmiás gyógyszer, a flekainid sok halálesetet okozott 1-2.
   ________________________

   1. N Engl J Med. 1989. augusztus 10.;321(6):406-12, Előzetes jelentés: Az enkainid és a flekainid hatása a mortalitásra a szívinfarktus utáni aritmia-szuppresszió randomizált vizsgálatában. A szívritmuszavar-szuppressziós vizsgálat (CAST) kutatói.

A bizonyítékok megtalálására és értékelésére szolgáló fenti algoritmust D. L. Sackett és munkatársai (1997) javasolták. Bármilyen tanulmányban használható, még akkor is, ha a holdfázisok hatását értékelik a távíróoszlopok növekedésére.

Elég gyakran eltérnek az ugyanazon betegségre adott terápiás vagy profilaktikus beavatkozás vagy diagnosztikai módszer hatékonyságát értékelő vizsgálatok eredményei. Ebben a vonatkozásban szükség van a különböző vizsgálatok eredményeinek relatív értékelésére, eredményeik integrálására az általánosító következtetés levonásához Az egyik legnépszerűbb és leggyorsabban fejlődő módszer az egyes tudományos kutatások eredményeinek rendszerintegrációjára. tanulmányok ma a metaanalízis technika.

Meta-analízis egyazon környezeti tényező hatását értékelő környezeti és epidemiológiai vizsgálatok összesített eredményeinek kvantitatív elemzése. Kvantitatív értékelést ad a különböző vizsgálatok során kapott eredmények közötti egyezés vagy eltérés mértékéről.

Bevezetés

Az evidenciaalapú medicina koncepciójának megfelelően csak azon klinikai vizsgálatok eredményei, amelyeket a klinikai epidemiológia elvei alapján végeznek, amelyek lehetővé teszik mind a szisztematikus, mind a véletlenszerű hibák minimalizálását (a helyes statisztikai elemzés segítségével). a vizsgálat során nyert adatok), bizonyítékon alapulónak ismerik el.

A Nemzetközi Epidemiológiai Szövetség ezt a fajta kutatást úgy jellemzi, mint „különböző tudományos munkák eredményeinek egyesítésének technikáját, amely egy kvalitatív összetevőből áll (például olyan előre meghatározott kritériumok felhasználásával az elemzésbe való felvételhez, mint az adatok teljessége, nyilvánvaló hiányosságok a vizsgálat megszervezésében stb.) és a kvantitatív komponens (a rendelkezésre álló adatok statisztikai feldolgozása)” – metaanalízis technika.

Az első metaanalízist a tudományban Karl Pearson végezte 1904-ben. A tanulmányok összevonásával úgy döntött, hogy leküzdi a kis mintákban végzett vizsgálat hatékonyságának csökkentését. E vizsgálatok eredményeit elemezve arra a következtetésre jutott, hogy a metaanalízis segíthet pontosabb vizsgálati adatok megszerzésében.

Annak ellenére, hogy a metaanalízis ma már mindenütt jelen van az epidemiológia és az orvosi kutatás területén. A metaanalízist alkalmazó dolgozatok csak 1955-ben jelentek meg. Az 1970-es években Glass, Schmidt és Hunter munkája (Gene V. Glass, Frank L. Schmidt és John E. Hunter) kifinomultabb analitikai módszereket vezetett be az akadémiai kutatásba.

Az Oxford English Dictionary egyértelművé teszi, hogy a kifejezést először Glass használta 1976-ban. A módszer alapját olyan tudósok dolgozták ki, mint: Nambury S. Raju, Larry V. Hedges, Harris Cooper, Ingram Olkin, John E. Hunter, Jacob Cohen, Thomas C. Chalmers és Frank L. Schmidt).

Meta-analízis: a kutatás kvantitatív megközelítése

A metaanalízis célja, hogy azonosítsa, tanulmányozza és megmagyarázza a (statisztikai heterogenitás vagy heterogenitás jelenléte miatti) különbségeket a vizsgálatok eredményeiben.

A metaanalízis kétségtelen előnyei közé tartozik a vizsgálat statisztikai ereje növelésének lehetősége, és ebből adódóan az elemzett beavatkozás hatásának értékelésének pontossága. Ez lehetővé teszi – pontosabban, mint az egyes kis klinikai vizsgálatok elemzése során – a betegcsoportok meghatározását, akikre a kapott eredmények alkalmazhatók.

A jól kivitelezett metaanalízis magában foglalja a tudományos hipotézis tesztelését, a metaanalízis során alkalmazott statisztikai módszerek részletes és világos bemutatását, az elemzés eredményeinek, valamint az abból levont következtetések kellően részletes bemutatását és megvitatását. . Ez a megközelítés csökkenti a véletlenszerű és szisztematikus hibák valószínűségét, és lehetővé teszi, hogy beszéljünk a kapott eredmények tárgyilagosságáról.

A metaanalízis elvégzésének megközelítései

A metaanalízis elvégzésének két fő megközelítése van.

Az első az egyes vizsgálatok statisztikai újraelemzése az eredeti vizsgálatokban szereplő megfigyelések primer adatok gyűjtésével. Nyilvánvaló, hogy ez a művelet nem mindig lehetséges.

A második (és fő) megközelítés egyetlen kérdéskörben publikált kutatási eredmények összegzése. Az ilyen metaanalízist általában több szakaszban végzik el, amelyek közül a legfontosabbak a következők:

kritériumok kidolgozása az eredeti tanulmányok metaanalízisbe való bevonására

az eredeti vizsgálatok eredményei heterogenitásának (statisztikai heterogenitásának) értékelése

a tényleges metaanalízis elvégzése (a hatás méretének általános becslése)

következtetés érzékenységi elemzés

Megjegyzendő, hogy a metaanalízisben szereplő vizsgálatok körének meghatározásának szakasza gyakran a metaanalízis szisztematikus hibáinak forrásává válik. A metaanalízis minősége nagyban függ a benne szereplő eredeti tanulmányok és cikkek minőségétől.

A tanulmányok metaanalízisbe való bevonásának fő problémái közé tartoznak a tanulmányok közötti különbségek a befogadási és kizárási kritériumok, a vizsgálat tervezése és a minőség-ellenőrzés tekintetében.

A pozitív vizsgálati eredmények túlnyomó közzétételéhez egy torzítás is társul (a statisztikailag szignifikáns eredménnyel rendelkező tanulmányok nagyobb valószínűséggel kerülnek publikálásra, mint azok, amelyek nem).

Mivel a metaanalízis elsősorban publikált adatokon alapul, különös figyelmet kell fordítani a negatív eredmények alulreprezentáltságára a szakirodalomban. Jelentős problémát jelent a még nem publikált eredmények metaanalízisbe foglalása is, mivel ezek minősége nem ismert, mivel nem kerültek szakértői értékelésre.

Alapvető módszerek

Az elemzési módszer megválasztását az elemezni kívánt adat típusa (bináris vagy folyamatos) és a modell típusa (fix hatások, véletlenszerű hatások) határozza meg.

A bináris adatok elemzése általában az esélyhányados (OR), a relatív kockázat (RR) vagy az egyeztetett minták közötti kockázatok különbségének kiszámításával történik. Mindezek a mutatók jellemzik a beavatkozások hatását. A bináris adatok OR-ként való ábrázolása kényelmesen használható statisztikai elemzésben, de ezt a mutatót meglehetősen nehéz klinikailag értelmezni. Folyamatos adat általában a vizsgált jellemzők értékeinek tartománya vagy a nem standardizált különbség a súlyozott átlagokban az összehasonlító csoportokban, ha az eredményeket minden vizsgálatban azonos módon értékelték. Ha az eredményeket eltérően értékelték (például különböző skálákon), akkor az átlagok standardizált különbségét (ún. hatásméret) használjuk az összehasonlított csoportokban.

A metaanalízis egyik első lépése a beavatkozási hatások eredményeinek heterogenitásának (statisztikai heterogenitásának) felmérése a vizsgálatok során.

A heterogenitás értékelésére gyakran használnak χ2 teszteket az egyenlő hatás nullhipotézisével minden vizsgálatban, és 0,1-es szignifikanciaszinttel a teszt statisztikai erejének (érzékenységének) növelésére.

A különböző vizsgálatok eredményeiben a heterogenitás forrásának a vizsgálaton belüli variancia (a különböző vizsgálatok eredményeinek egyetlen valódi fix hatásértéktől való véletlenszerű eltérése miatt), valamint a vizsgálatok közötti eltérések (a a vizsgált minták a betegek, betegségek, beavatkozások jellemzőiben, némileg eltérő hatásértékekhez vezetve). - véletlenszerű hatások).

Ha feltételezzük, hogy a vizsgálatok közötti eltérés közel nulla, akkor mindegyik vizsgálathoz hozzárendelünk egy súlyt, amelynek értéke fordítottan arányos a vizsgálat eredményének szórásával.

A vizsgálaton belüli variancia pedig a következőképpen definiálható

ahol μ - tanulmányokon belüli átlag.A vizsgálatok közötti nulla eltérés mellett a rögzített (konstans) hatások modellje használható. Ebben az esetben azt feltételezzük, hogy a vizsgált beavatkozás minden vizsgálatban azonos hatékonyságú, és a vizsgálatok között megfigyelt eltérések csak a vizsgálaton belüli variancia következményei. Ebben a modellben a Mantel-Hansel módszert alkalmazzuk.

Mantel-Hansel módszer

A táblázat a skizofréniával diagnosztizált New York-i és Londoni betegek arányát mutatja.

a csoportok közötti egyéni esélyhányadosok súlyozott átlaga. A Mantel-Hansel khi-négyzet teszt a teljes asszociációs mérőszám szignifikanciájára az arányok közötti g különbségek súlyozott átlagán alapul.

A Mantel-Hansel khi-négyzet statisztikát a

1 szabadságfokkal.

Ahhoz, hogy egy statisztika khi-négyzet eloszlású legyen 1 szabadságfokkal, a várható gyakoriságok mind a négy összege

legalább 5-tel el kell térnie a minimumtól és a maximumtól.

Ez azt jelenti, hogy egy 1 szabadságfokú khi-négyzet eloszlás magabiztos használatához a statisztikákhoz egyáltalán nincs szükség nagy határfrekvenciákra. A táblázatban a megfigyelések száma akár kettő is lehet, mint az összekapcsolt párok esetében. Csak kellően sok táblára van szükség ahhoz, hogy a várható gyakoriságok minden összege nagy legyen.

A metaanalízis végrehajtásának egyéb megközelítései

A véletlen hatások modellje azt sugallja, hogy a vizsgált beavatkozás hatékonysága tanulmányonként változhat.

Ez a modell nem csak egy vizsgálaton belül, hanem a különböző vizsgálatok közötti eltérést is figyelembe veszi. Ebben az esetben a tanulmányon belüli és a vizsgálatok közötti eltérések összegzésre kerülnek. A folyamatos adatok metaanalízisének célja általában pont és intervallum (95% CI) becslések bemutatása a beavatkozás általánosított hatásáról.

Számos más megközelítés is létezik a metaanalízis végrehajtására: Bayes metaanalízis, kumulatív metaanalízis, többváltozós metaanalízis, túlélési metaanalízis.

Bayesi metaanalízis lehetővé teszi a beavatkozás hatékonyságának előzetes valószínűségeinek kiszámítását, figyelembe véve a közvetett adatokat. Ez a megközelítés különösen akkor hatékony, ha az elemzett tanulmányok száma kicsi. Pontosabb becslést ad egy beavatkozás hatékonyságáról egy véletlenszerű hatások modelljében a különböző vizsgálatok közötti eltérések magyarázatával.

Kumulatív metaanalízis- a Bayes-féle metaanalízis speciális esete - a kutatási eredmények egy-egy metaanalízisbe való beépítésének lépésenkénti eljárása valamilyen elv szerint (időrendi sorrendben, ahogy a vizsgálat módszertani minősége csökken stb.). ). Lehetővé teszi iteratív előzetes és utólagos valószínűségek kiszámítását, mivel a tanulmányok is szerepelnek az elemzésben.

Regressziós metaanalízis(logisztikus regresszió, súlyozott legkisebb négyzetek regressziója, Cox-modell stb.) akkor használatos, ha a kutatási eredmények jelentős heterogenitást mutatnak. Figyelembe veszi több vizsgálati jellemző (pl. mintanagyság, gyógyszerdózis, beadási mód, betegjellemzők stb.) befolyását az intervenciós vizsgálatok eredményeire. A regressziós metaanalízis eredményeit általában meredekségi együtthatóként mutatják be, CI jelzéssel.

Megjegyzendő, hogy metaanalízissel nem csak az orvosi beavatkozások kontrollált vizsgálatainak eredményeit összegezhetjük, hanem kohorsz vizsgálatok (pl. kockázati tényezők vizsgálata) eredményeit is. Figyelembe kell azonban venni a szisztematikus hibák nagy valószínűségét.

A metaanalízis egy speciális fajtája a diagnosztikai módszerek informativitására vonatkozó értékelések általánosítása különböző tanulmányokban szerezték meg. Egy ilyen metaanalízis célja a tesztek szenzitivitásának és specifitásának kölcsönös függésének karakterisztikus görbéjének (ROC-görbe) felépítése súlyozott lineáris regresszió segítségével.

Fenntarthatóság. A hatás méretének általános becslése után szükségessé válik annak stabilitásának meghatározása. Ehhez úgynevezett érzékenységi elemzést végeznek.

Az adott helyzettől függően több különböző módszerrel is végrehajtható, például:

Alacsony módszertani szinten végzett vizsgálatok metaanalízisébe való beemelés és kizárás

· Az egyes elemzett vizsgálatokból kiválasztott adatparaméterek módosítása, például, ha bármely tanulmány klinikai eredményekről számol be az első 2 hétben. betegségekről, más tanulmányokban pedig a klinikai eredményekről az első 3-4 hétben. betegségek esetén elfogadható a klinikai eredmények összehasonlítása nemcsak ezen megfigyelési időszakok mindegyikére, hanem egy legfeljebb 4 hétig tartó teljes megfigyelési időszakra is.

Kizárás a legnagyobb tanulmányok metaanalíziséből. Ha egy vizsgált beavatkozás hatásmérete nem változik szignifikánsan az érzékenységvizsgálat során, akkor okkal feltételezhető, hogy az elsődleges metaanalízis következtetései megalapozottak.

Az ilyen metaanalízis torzítás meglétének minőségi értékeléséhez általában tölcsér alakú szórásdiagramot kell készíteni az egyes vizsgálatok eredményeiről koordinátákban (hatásméret, mintanagyság). Amikor a vizsgálatok teljes mértékben azonosítottak, ennek a diagramnak szimmetrikusnak kell lennie. Ugyanakkor formális módszerek is léteznek a fennálló aszimmetria felmérésére.

A metaanalízis eredményeit általában grafikusan (pont- és intervallumbecslések a metaanalízisben szereplő egyes tanulmányok hatásméreteire vonatkozóan; példa az 1. ábrán) és táblázatok formájában mutatják be a megfelelő statisztikákkal.

Következtetés

Jelenleg a metaanalízis egy dinamikus, többdimenziós módszerrendszer, amely lehetővé teszi a különböző tudományos vizsgálatok adatainak elméleti és módszertanilag meggyőző kombinálását.

A metaanalízis az elsődleges vizsgálattal összehasonlítva viszonylag kevés erőforrást igényel, ami lehetővé teszi a nem tanulmányozó orvosok számára, hogy klinikailag bizonyított információkat szerezzenek.

A metaanalízis használatának fő feltétele a szükséges információk rendelkezésre állása az áttekintett vizsgálatokban használt statisztikai kritériumokról. A szükséges információk pontos értékeinek publikációiban való közzététele nélkül a metaanalízis alkalmazásának lehetőségei nagyon korlátozottak lesznek. Az ilyen jellegű információk elérhetőségének növekedésével tovább folytatódik a metaanalitikai vizsgálatok valódi bővülése, módszertanának fejlesztése.

Így egy gondosan elvégzett metaanalízis további kutatást igénylő területeket tárhat fel.

Felhasznált irodalom jegyzéke:

1. Fletcher R., Fletcher S., Wagner E. Klinikai epidemiológia.- M.: MediaSphere, 1998.- 350p.
2. Chalmers TC, Lau J. Meta-analitikus inger a klinikai vizsgálatok változásaihoz. Stat Methods Med Res. 1993 ; 2: 161 -172.
3. Grönland S. Kvantitatív módszerek az epidemiológiai irodalom áttekintésében. Epidemiol Rev. 1987 ; 9: 1 -30.
4. Stephen B. Thacker, MD, MSc. metaanalízis. A kutatási integráció kvantitatív megközelítése. JAMA. 1988;259(11):1685-1689.
5. Peipert JF, Phipps MG. megfigyeléses vizsgálatok. Clin Obstet Gynecol. 1998 ; 41: 235 -244.
6. Kicsi D. Meta-analízis, döntéselemzés és költséghatékonysági elemzés. New York, NY: Oxford University Press; 1994.
7. Sipe TA, Curlette WL. Az oktatási teljesítményhez kapcsolódó tényezők metaszintézise. Int J Educ Res. 1997 ; 25: 583 -598.
8. Shapiro S. Meta-analízis/shmeta-analízis. Am J Epidemiol. 1994;140:771-778.
9. Schmidt LM, Gotzsche PC. Atkák és férfiak: hivatkozási elfogultság a narratív áttekintő cikkekben: szisztematikus áttekintés. J Fam Pract. 2005;54(4):334–338.
10. Lu G, Ades A.E. Közvetlen és közvetett bizonyítékok kombinációja vegyes kezelési összehasonlításokban. Statist Med 2004;23:3105-24.
11. Lumley T. Hálózati metaanalízis közvetett kezelési összehasonlításokhoz. Statist Med 2002;21:2313-24.
12. Hedges LK, Olkin I. Statisztikai módszerek a metaanalízishez. San Diego, CA: Academic Press; 1986.
13. Berry S.M. A heterogenitás megértése és tesztelése 2x2-es táblázatokban: alkalmazása metaanalízisben. Statist Med 1998;17:2353-69.
14. Higgins JPT, Thompson SG. A heterogenitás számszerűsítése metaanalízisben. Stat Med. 2002;21(11):1539–5.
15. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Inkonzisztencia mérése a metaanalízisekben. BMJ. 2003;327:557–560.
16. Mantel N, Haenszel W. A betegségek retrospektív vizsgálataiból származó adatok elemzésének statisztikai szempontjai. J Natl Cancer Inst. 1959;22(4):719–748.
17. Cochran W.G. Különböző kísérletekből származó becslések kombinációja. biometrikus adatok. 1954;10(1):101–129.
18. Efron B. Empirical Bayes módszerek a valószínűségek kombinálására. JASA 1996;91:538-50.
19. Morris C.N. Paraméteres empirikus Bayes-következtetés: elmélet és alkalmazások. JASA 1983;78:47-55.
20. Thompson SG, Higgins JP. Hogyan kell elvégezni és értelmezni a meta-regressziós elemzéseket? Stat Med. 2002;21(11):1559–1573.
21. Hum reprodukció. 1997 ; 12: 1851 -1863.
22. Fleis J. Statisztikai módszerek az arány- és aránytáblázatok tanulmányozásához, Pénzügy és Statisztika, 1989.
23. Schlesselman JJ. Az endometriumrák kockázata a kombinált orális fogamzásgátlók használatával kapcsolatban. Hum reprodukció. 1997 ; 12: 1851 -1863.
24. Hopewell S, McDonald S, Clarke M, Egger M. Gray szakirodalom az egészségügyi beavatkozások randomizált vizsgálatainak metaanalízisében. Cochrane Database Syst Rev. 2007.

Taldau mete bul dell darіgerliktіn aspaby

Turdalieva B.S., Rakhmatullaeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.

Asfendiyarov S.Zh. atyndagy Kazmu

Daleldi orvosi ortalygia

Almati, Kazahsztán

Tuin Bir aura boyinsha bagalangan zertteu nәtizheli ylғi bir emdik, aldyn alu nemese diagnosticslyқ adistin tiimdiligi zhii zhetkilikti ozgeshelenedi.

аrtүrli zertteulerdin nәtizhelerinin salystyrmalaly bagasy zhane olardyn zhalpylauysh қorytyndynyң nәtizheli osygan bailanysty paida bolatyn қazhettilik kiriguin maқsaty.

En eygili zhane zheke gylymi zertteulerdin nәtizhelerinin zhүyelik kiriguinin zhyldam damityn adistemelerininin birine bugin meta - taldau adisteme zhatady.

Meta - taldau - bul ecologtin epidemiologylyk zertteuler birikken natizhelerinin sandyk taldauy - korshagan ortanyn ylgi bir factorinyn әserininң baғasy. Ol kelisushiliktin dәrezhesi nemese аrtүrli zertteu algan nәtizhelerdin aiyrmashylygynyn sandyk baғasyn eskeredi.

Egy metaanalízismint a bizonyítékokon alapuló orvoslás eszköze

Turdalieva B.S., Rakhmatullayeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.
KazNMU, S.D. Asfendiyarov, Almati, Kazahsztán
Absztrakt Az ugyanazon betegségre adott terápiás vagy megelőző beavatkozás vagy diagnosztikai módszer hatékonyságát értékelő tanulmányok eredményei gyakran eltérőek.

Az eredeti kutatási cikkek gyakran reálisabb válaszforrást jelenthetnek szűk kérdésekre, mint az áttekintések és előadások. Úgy gondolják, hogy a folyóiratok és cikkek olvasását azokra kell korlátozni, amelyek valóban relevánsak a napi gyakorlat vagy az aktuális tudományos kutatás szempontjából. Az új beavatkozás vizsgálatának eredményeit bemutató publikációk jelentős része használhatatlan információkat tartalmaz. Az ismerős és jól ismert vezetéknévvel és egy tisztelt intézménnyel való találkozás lehetővé teszi az előrelépést ...

Ossza meg munkáját a közösségi hálózatokon

Ha ez a munka nem felel meg Önnek, az oldal alján található a hasonló művek listája. Használhatja a kereső gombot is

Egyéb kapcsolódó munkák, amelyek érdekelhetik.vshm>
20915.		Az egészségügyi szolgáltatások piacának elemzése	3,1 MB
	Elméleti információk elemzése a PPP létrehozásának és alkalmazásának gyakorlatáról, e modell jellemzőiről és előnyeiről a társadalom számára; az üzleti modellezés koncepciójának elméleti anyagának elemzése; az egészségügyi szolgáltatás gazdasági jellemzőinek meghatározása; iparági elemzések készítése;
4601.		A TERÁPIÁS OSZTÁLY VENDÉGÁPOLÓI TEVÉKENYSÉGÉNEK ELEMZÉSE	60,63 KB
	Gyakorlati jelentősége annak köszönhető, hogy a dolgozat automatizálhatja az őrnővér munkáját a gyógyszerek elszámolására és a betegek mozgására vonatkozó dokumentációk vezetésében; gyógyszer kiadása a betegnek; kutatási irányok kialakítása és nyomtatása minden páciens számára; hőmérsékleti lap karbantartása stb.
11969.		Az orvosi információs rendszerek használatának gazdasági hatékonyságának elemzése	16,93 KB
	Kidolgoztam egy modellt és leírtam az orvosi információs rendszerek orvosi információs rendszereinek gazdasági hatékonyságának elemzésére szolgáló algoritmusokat. Elkészült az egészségügyi információs rendszerek egészségügyi intézményi felhasználásának gazdaságossági elemzésére szolgáló PS szoftvereszköz makettje Az orvosi információs rendszerek használatának gazdasági hatékonyságának elemzésére szolgáló szoftvereszköz. A PS működési célja, hogy a közgazdász és szakértő, valamint az egészségügyi intézmény vezetője felhasználja az egészségügyi intézmény tevékenységének gazdasági összetevőinek elemzésére és ...
18273.		A kazah köztársasági elnök jogállásának elemzése a jogállamiság általánosan elfogadott kritériumai és a hatalmi ágak szétválasztása szempontjából	73,64 KB
	Az elnök megközelítésének lényege az volt, hogy az ország természetes evolúciós úton fejlődjön. Az elnöki kormányzás - az állam alkotmánya szerint meghatározott területi közigazgatási egység önkormányzati intézményei tevékenységének megszüntetése, és az államfő által kijelölt meghatalmazott személyek - az elnök és az arra elszámolt személyek - útján történő irányítása. neki; az államfő Alkotmányába ruházva – a rendkívüli jogkörök elnökét az egész...
13186.		Információs rendszer tervezése tudományos publikációk könyveléséhez Adobe Dreamweaver környezetben	2,29 MB
	Bármely szervezet automatizálása egyetlen vállalati információs rendszer tervezésével, majd létrehozásával és telepítésével valósul meg – egy információfeldolgozó rendszer, amely magában foglalja a megfelelő szervezeti erőforrásokat, emberi technikai pénzügyi stb. sok vállalkozás számára. Mivel az információs rendszereket információk gyűjtésére, tárolására és feldolgozására tervezték, bármelyikük tárolási környezeten és ...
15989.		Nanotechnológiák alkalmazása az orvostudomány területén	80,04 KB
	A történelemből következik, hogy az emberiség mindig is haladásra törekedett, és ősidők óta keresi a betegségek gyógyításának és az élet meghosszabbításának módjait. Elmondható, hogy a nanotechnológia 21. századi fejlődése jobban megváltoztatja az emberiség életét, mint a gőzgép vagy az elektromosság írott nyelvének fejlődése. Albert Einstein svájci fizikus publikált egy tanulmányt, amelyben bebizonyította, hogy egy cukormolekula mérete körülbelül 1 nanométer. Erk Drexler amerikai futurista, a molekuláris nanotechnológia úttörője közzétette...
6178.		A HIGIÉNIA AZ ORVOSI ALAPVETŐ MEGELŐZŐ FEGYELME	409,78 KB
	A "higiénia" kifejezés a görög hygieinos szóból származik, ami azt jelenti, hogy "egészség hoz" (1. dia). Az ókori görög mitológia szerint Asclepius gyógyító istenének (az ókori római mítoszokban - Aesculapius) volt egy lánya, Hygieia, aki segített apjának ügyeiben.
5069.		Avicenna jogi gondolatainak szerepe az orvostudomány fejlődésében	31,86 KB
	Ibn Sina egy ideális államot hirdetett, amelynek lakossága uralkodókból, termelőkből és csapatokból álljon, és mindenkinek hasznos munkát kell végeznie. Különösen nagy érdem...
17864.		Trends and Problems in the Development of the System and Market of Insurance Medicine az USA-ban	75,24 KB
	Az egészségbiztosítás fogalma és besorolása: kötelező és önkéntes egészségbiztosítás. Egészségbiztosítási rendszerek külföldön. Az amerikai egészségbiztosítási piac elemzése. Az Egyesült Államok egészségbiztosítási piacának jellemzői és jellemzői.
20590.		Egy kereskedelmi bank saját tőkéje a megalakulás szempontjából	326,53 KB
	A saját tőke kezelésének és szabályozásának kérdésében különösen fontos a Bázeli Felügyeleti Bizottság, amely kísérletet tett a banki saját tőke megfelelőségének értékelési rendszerének gyökeres megváltoztatására. A saját tőke a bankok összes kötelezettségéből való elenyésző részesedése ellenére továbbra is a bank megbízhatóságának és stabilitásának alapja, a bank tevékenységének alapja és biztonsági párnája. Az utóbbi időben a bank saját tőkéjével kapcsolatos banki kérdések különösen vonzzák a ...

Egészségügyi és ökológiai problémák

12. American Society of Echocardiography minimum standards for the cardiac sonographer: a position paper / S. M. Bierig // J Am Soc Echocardiogr. - 2006. - Vol. 19. - P. 471-474.

13. Antihipertenzív gyógyszeres terápia enyhe és közepesen súlyos magas vérnyomás esetén terhesség alatt / E. Abalos // The Cochrane Library Syst. Fordulat. - 2001. - 4. szám.

14. Vérnyomáscsökkentő gyógyszerek terhességben és magzati növekedésben: bizonyíték a „farmakológiai programozásra” az első trimeszterben? / H. Bayliss // Hypertens Pregnancy. - 2002. - 20. évf. 21. - P. 161-174.

15. Antihipertenzív terápia a terhesség alatti magas vérnyomás kezelésében - a pindolot klinikai kettős vak vizsgálata / G. Bott-Kanner G. // Clin Exp Hypertension Pregnancy. - 1992. - 1. évf. 11. - P. 207-220.

16. Az atenolol és a magzati növekedés magas vérnyomással komplikált terhességekben / C. Lydakis // Am. J. Hypertens. - 1999. - 12. sz. - P. 541-547.

17. Australasian Society for the Study of Hypertension in Pregnancy: A terhesség alatti magas vérnyomás kimutatása, vizsgálata és kezelése: teljes konszenzusos nyilatkozat / M. A. Brown // Am. J. Gynecol. - 2000. - Vol. 40. - P. 139-155.

18. Butters, L. Atenolol esszenciális hipertóniában terhesség alatt / L. Butters, S. Kennedy, P. C. Rubin // Br. Med. J. - 1990. - 1. évf. 301.-P. 587-589.

19. Collins, R. A hypertoniás rendellenességek gyógyszeres megelőzése és kezelése terhesség alatt / R. Collins, H.C. S. Wallenburg // Hatékony gondozás a terhességben és a szülésben / szerk. I. Chalmers, M. Enkin, M. J. N. C. Keirse. - Oxford: Oxford University Press, 1989. - P. 512-533.

20. Az atenolol hatása a születési súlyra / G. Y. Lip // Am. J. Cardiol. - 1997. - 1. évf. 79. - P. 1436-1438.

21. A metildopa hatása az uteroplacentális és a magzati hemodinamikára terhesség által kiváltott magas vérnyomásban / S. Montan // Am. J. Obstet. Gynecol. - 1993. - 1. évf. 168. - P. 152-156.

22. Az artériás átlagnyomás csökkenése és a magzati növekedési gátlás terhességi hipertóniában: metaanalízis / P. von Dadelszen // Lancet. - 2000. - Vol. 355. - P. 87-92.

23. Galéria, E.D.M. Vérnyomáscsökkentő kezelés terhesség alatt: az oxprenololra és a metildopára adott különböző válaszok elemzése /

E.D.M. Galéria, M. Ross, A. Z. Gyory // Br. Med. J. - 1985. - 1. évf. 291.-P. 563-566.

24. Gluckman, P. D. A magzati növekedés anyai kényszere és következményei / P. D. Gluckman, M. A. Hanson // Semin Fetal Neonatal Med. - 2004. - 20. évf. 9, 5. sz. - P. 419-425.

25. Irányelvek Bizottsága. 2003 European Society of Hypertension – Európai Kardiológiai Társaság irányelvei az artériás hipertónia kezelésére // J. Hypertens. - 2003. - 1. évf. 21., 6. sz. - P. 1011-1053.

26. Magee, L. A. Kéthetes áttekintés: a hypertonia kezelése terhességben / L. A. Magee, M. P. Ornstein, P. von Dadelszen // BMJ. - 1999. - 1. évf. 318., 7194. szám. - 1332-1336.

27. Magee, L. A. Orális béta-blokkolók enyhe és közepesen súlyos hipertóniára terhesség alatt (Cochrane Review) / L. A. Magee, L. Duley // Cochrane Database Syst. Fordulat. - 2002. - 1. szám.

28. Preeclampsia - a szimpatikus túlműködés állapota / H. P. Schobel // N. Engl. J. Med. - 1996. - 1. évf. 335. - P. 1480-1485.

29. Preeclampsia megelőzése: randomizált vizsgálat az atenololról hiperdinamikus betegeknél a hypertonia kezdete előtt / T. R. Easterling // Obstet. Gynecol. - 1999. - 1. évf. 93. - P. 725-733.

30. A National High Blood Pressure Education Program Working Group on High Blood Pressure in Pregnancy jelentése / R. W. Gifford // Am. J. Obstet. Gynecol. - 2000. - Vol. 183., 1. sz. - P. 1-22.

31. Az Európai Hipertónia Társaság és az Európai Kardiológiai Társaság artériás hipertónia kezelésével foglalkozó munkacsoportja / G. Mancia // Eur. Heart J. - 2007. - Vol. 28. - P. 1462-1536.

32. A terhesség alatti szív- és érrendszeri betegségek kezelésével foglalkozó munkacsoport az Európai Kardiológiai Társaságról. Szakértői konszenzusos dokumentum a szív- és érrendszeri betegségek terhesség alatti kezeléséről // Eur. Szív. J. - 2003. - 1. évf. 24. - P. 761-781.

33. Vérnyomáscsökkentő gyógyszerek alkalmazása terhesség alatt és a nemkívánatos perinatális kimenetelek kockázata: McMaster kimenetelű vizsgálata a hypertonia terhesség alatti állapotáról 2 (MOS HIP 2) / J.G. Ray // BMC terhességi szülés. - 2001. - 1. sz. - P.6.

34. Egészségügyi Világszervezet – International Society of Hypertension 1999 Guidelines for the Management of Hypertension // High Blood Press. - 1999. - 1. évf. 8.-P. 1^3.

Beérkezett: 2008.10.29

BIZONYÍTVÁNYALAPÚ GYÓGYSZERADATOK HASZNÁLATA A KLINIKAI GYAKORLATBAN (3. üzenet – DIAGNOSZTIKAI TANULMÁNYOK)

A. A. Litvin2, A. L. Kalinin1, N. M. Trizna3

1 Gomel Állami Orvosi Egyetem 2 Gomel Regionális Klinikai Kórház 3 Fehérorosz Állami Orvosi Egyetem, Minszk

A bizonyítékokon alapuló orvoslás fontos szempontja az adatok bemutatásának teljessége és pontossága. E cikk célja, hogy röviden áttekintse a bizonyítékokon alapuló orvoslás alapelveit a diagnosztikai tesztek pontosságának kutatásában.

A diagnosztikai teszteket az orvostudományban használják a betegség diagnózisának, súlyosságának és lefolyásának megállapítására. A diagnosztikai információkat sokféle forrásból szerzik be, beleértve a szubjektív, objektív, speciális kutatási módszereket is. Ez a cikk a vizsgálatok minőségének mérésére vonatkozó adatok leírásán, a logisztikus regressziós módszerrel és a ROC analízissel végzett összesítő statisztikai módszerek előnyein alapul.

Kulcsszavak: bizonyítékokon alapuló medicina, diagnosztikai tesztek, logisztikus regresszió, ROC elemzés.

BIZONYÍTVÁNYALAPÚ GYÓGYSZER ADATOK HASZNÁLATA A KLINIKAI GYAKORLATBAN (3. jelentés – DIAGNOSZTIKAI TESZTEK)

A. A. Litvin2, A. L. Kalinin1, N. M. Trizna3

1 Gomel Állami Orvosi Egyetem 2 Gomel Regionális Klinikai Kórház 3 Fehérorosz Állami Orvosi Egyetem, Minszk

A bizonyítékokon alapuló orvoslás kiemelkedő szempontja az adatok teljessége és pontossága. A cikk célja a bizonyítékokon alapuló orvoslás elveinek rövid áttekintése a diagnosztikai tesztek pontosságára irányuló kutatásokban.

Egészségügyi és ökológiai problémák

A diagnosztikai teszteket az orvostudományban használják a diagnózis felállítására, a betegség fokozatos meghatározására és a betegség progressziójának nyomon követésére. A diagnosztikai információkat számos forrásból szerezzük be, beleértve az énekeket, tüneteket és speciális vizsgálatokat. Ez a cikk a tanulmányi minőség dimenzióira, valamint a logisztikus regresszióval és ROC-analízissel végzett különböző összefoglaló statisztikák előnyeire koncentrál.

Kulcsszavak: bizonyítékokon alapuló orvoslás, diagnosztikai tesztek, logisztikus regresszió, ROC-analízis.

Amikor az orvos a beteg kórtörténete és vizsgálata alapján dönt a diagnózisról, ritkán van benne teljesen biztos. Ebben a tekintetben célszerűbb a diagnózisról annak valószínűsége szempontjából beszélni. Még mindig nagyon gyakori, hogy ezt a valószínűséget nem százalékos formában fejezik ki, hanem olyan kifejezésekkel, mint "majdnem mindig", "általában", "néha", "ritkán". Mivel a különböző emberek eltérő valószínűségi fokokat fektetnek be ugyanazon feltételek mellett, ez félreértésekhez vezet az orvosok, illetve az orvos és a beteg között. Az orvosoknak a lehető legpontosabbnak kell lenniük következtetéseikben, és ha lehetséges, kvantitatív módszereket kell alkalmazniuk a valószínűségek kifejezésére.

Bár az ilyen mennyiségi mutatók rendelkezésre állása nagyon kívánatos lenne, a klinikai gyakorlatban általában nem állnak rendelkezésre. Még a tapasztalt klinikusok sem tudják pontosan meghatározni bizonyos változások kialakulásának valószínűségét. Hajlamosak a viszonylag ritka betegségek túldiagnosztizálására. Különösen nehéz számszerűsíteni a valószínűséget, amely lehet nagyon magas vagy nagyon alacsony.

Mivel a megbízható diagnosztikai kritériumok felállítása a klinikai gondolkodás sarokköve, a felhalmozott klinikai tapasztalatokat a diagnosztikai előrejelzés javítását szolgáló statisztikai megközelítések kidolgozására használják fel, amelyeket ideális esetben számítógépes adatbankok formájában kell bemutatni. Az ilyen vizsgálatok során a tényezőket általában azonosítják

tori, amelyek összefüggésben állnak egy adott diagnózissal. Ezeket az adatokat azután egy többváltozós elemzésbe lehet bevonni annak meghatározására, hogy melyek a diagnózis szignifikáns független prediktorai. Az elemzések bizonyos típusai lehetővé teszik a diagnózis előrejelzésében fontos tényezők azonosítását, majd azok "súlyának" meghatározását, amely a további matematikai számítások során valószínűséggé alakítható. Másrészt az elemzés lehetővé teszi, hogy azonosítsuk a betegek korlátozott számú kategóriáját, amelyek mindegyikének megvan a maga valószínűsége egy adott diagnózis felállítására.

A diagnózisnak ezek a kvantitatív megközelítései, amelyeket gyakran "jóslási szabályoknak" neveznek, különösen hasznosak, ha felhasználóbarát módon mutatják be őket, és ha értéküket széles körben tanulmányozták megfelelő számú és számú betegen. Ahhoz, hogy az ilyen előrejelzési szabályok valódi segítséget jelentsenek a klinikusok számára, reprezentatív betegpopulációkra kell kidolgozni a rendelkezésre álló reprodukálható tesztek segítségével, hogy a kapott eredményeket mindenhol alkalmazni lehessen az orvosi gyakorlatban.

Ebben a tekintetben rendkívül fontos, hogy ismerjük a kutatáselemzésben és epidemiológiában leggyakrabban használt kifejezéseket, ideértve a prevalenciát, az érzékenységet, a specificitást, a pozitív prediktív értéket és a negatív prediktív értéket (1. táblázat).

1. táblázat – A diagnosztikai vizsgálatok során leggyakrabban használt szisztematikus kifejezések

elérhető hiányzik

Pozitív a (igazi pozitív) b (hamis pozitív)

Negatívumok (hamis negatívok) r (igaz negatívok)

Megoszlás (előzetes valószínűség) = (a + c) / (a ​​+ b + c + d) = betegek száma / összes megvizsgált beteg száma

Érzékenység \u003d a / (a+ b) \u003d valódi pozitívumok száma / betegek teljes száma

Specificitás = r / (b+r) = a valódi negatívok száma / a betegségben nem szenvedő betegek száma

Hamis negatív arány = b / (a ​​+ b) = álnegatív eredmények száma / betegek teljes száma

Hamis pozitív arány = b / (b + d) = álpozitívek száma / a betegségben nem szenvedő betegek száma

Egészségügyi és ökológiai problémák

1. táblázat vége

Vizsgálati eredmények Kóros állapot

elérhető hiányzik

Pozitív prediktív érték = a / (a ​​+ b) = az igazi pozitívumok száma / az összes pozitív száma

Negatív prediktív érték = r / (c+r) = a valódi negatívok száma / az összes negatív száma

Teljes pontosság (pontosság) = (a+r) / (a+b+c+d) = a valódi pozitív és valódi negatív értékek száma / az összes eredmény száma

A pozitív teszt valószínűségi aránya - = érzékenység / (1 - specificitás)

Negatív teszt valószínűségi aránya - = 1 - érzékenység/specifitás

A diagnosztikai teszt alábbi jellemzői által megválaszolt kérdések:

1) érzékenység – mennyire alkalmas a teszt a betegségben szenvedő betegek kimutatására?

2) Specificitás – mennyire jó a teszt a betegségben nem szenvedő betegek helyes kizárására?

3) a pozitív teszteredmény prediktív értéke - ha egy személy tesztje pozitív, mennyi a valószínűsége, hogy valóban ebben a betegségben szenved?

4) a negatív teszteredmény prediktív értéke - ha egy személynek negatív a tesztje, mennyi a valószínűsége, hogy valóban nem szenved ebben a betegségben?

5) pontossági index – az összes teszt hány százaléka adott helyes eredményt (vagyis az összeshez viszonyítva a valódi pozitív és a valódi negatív eredményeket)?

6) Pozitív teszt valószínűségi aránya – mennyivel valószínűbb, hogy a teszt pozitív lesz egy betegnél, mint egy egészséges embernél?

Mivel az előrejelzési szabályoknak csak egy kisebb része felel meg olyan szigorú kritériumoknak, mint a vizsgált alanyok száma és köre, valamint az eredmények várható validálása, a legtöbbjük alkalmatlan a rutin klinikai felhasználásra. Ezen túlmenően sok előrejelzési szabály nem képes felmérni minden diagnózis vagy kimenetel valószínűségét, amellyel a klinikus szembesül. Egy bizonyos érzékenységű és specificitású teszt eltérő pozitív és negatív prediktív értékkel rendelkezik, ha a betegség eltérő prevalenciájú csoportjaiban használják. Egyetlen teszt szenzitivitása és specificitása sem függ az eloszlástól

A betegség súlyossága (vagy a betegségben szenvedő betegek százalékos aránya az összes vizsgált beteghez viszonyítva), attól függ, hogy milyen összetételű betegcsoportban alkalmazták ezt a tesztet.

Egyes helyzetekben a vizsgálat érzékenységének és specificitásának pontatlan ismerete a vizsgált betegpopulációban korlátozhatja annak klinikai értékét. Mivel az orvos ritkán ismeri (vagy ismerheti) azt a betegpopulációt, amelyen az általa felírt tesztet szabványosították, a kapott eredmények sokkal kevésbé megbízhatóak, mint azt általában gondolják. Ezenkívül bármely diagnosztikai teszt esetében az érzékenység növekedését a specificitás csökkenése kíséri.

A nagy érzékenységű modell gyakran pozitív eredmény jelenlétében adja meg a valódi eredményt (pozitív példákat észlel). Ezzel szemben a nagy specificitású modell nagyobb valószínűséggel ad valódi eredményt negatív kimenetel esetén (negatív példákat talál). Ha az orvostudományról beszélünk - a betegség diagnosztizálásának feladatáról, ahol a betegek betegekre és egészségesekre való besorolásának modelljét diagnosztikai tesztnek nevezzük, akkor a következőket kapjuk: 1) az érzékeny diagnosztikai teszt túldiagnózisban nyilvánul meg - a maximum a betegek hiányának megelőzése; 2) egy adott diagnosztikai vizsgálat csak bizonyos betegeket diagnosztizál. Mivel egyetlen mennyiségtől vagy származtatott mértéktől sem várható el egyszerre kiváló szenzitivitás és specifitás, gyakran meg kell határozni, hogy melyik mérték a legértékesebb és szükséges a döntéshozatalhoz. Grafikus kép, az úgynevezett ROC görbe

Egészségügyi és ökológiai problémák

(1. ábra), amely összekapcsolja a teszt ismertetett jellemzőit, azt mutatja, hogy elkerülhetetlen a választás a nagy szenzitivitásra és a specificitásra való törekvés között. Az ilyen grafikus ábrázolás azt jelzi, hogy a vizsgálati eredmények normálisnak vagy kórosnak tekinthetők, attól függően, hogy

A betegség kizárt, ha a teszt erősen specifikus, vagy kizárt, ha a teszt nagyon érzékeny. A különböző tesztek eltérő érzékenységgel és specifikussággal rendelkezhetnek. A megbízhatóbb tesztek szenzitivitása és specificitása magasabb, mint az érvénytelen teszteké.

1. ábra - Az érzékenység és a specificitás közötti belső eltérés grafikus ábrázolása

A ROC-görbe (Receiver Operator Characteristic) az a görbe, amelyet leggyakrabban használnak a gépi tanulás bináris osztályozási eredményeinek ábrázolására. A név a jelfeldolgozó rendszerektől származik. Mivel két osztály létezik, az egyiket pozitív kimenetelű osztálynak, a másodikat negatív kimenetelű osztálynak nevezik. A ROC görbe a helyesen osztályozott pozitív példák számának a hibásan osztályozott negatív példák számától való függését mutatja. A ROC analízis terminológiájában az előbbieket igaz pozitívnak, az utóbbiakat hamis negatív halmazoknak nevezzük. Feltételezzük, hogy az osztályozónak van valamilyen paramétere, amelynek változtatásával két osztályra bontást kapunk. Ezt a paramétert gyakran küszöbértéknek vagy küszöbértéknek nevezik.

A ROC görbét a következőképpen kapjuk meg. Minden küszöbértékhez, amely 0 és 1 között változik, például 0,01-es lépésekben, Se érzékenységi értékeket és Sp specificitást számítanak ki. Alternatív megoldásként a küszöbérték lehet a mintában minden egymást követő mintaérték. Egy függőségi gráfot építünk fel: az Se érzékenységet az Y tengely mentén, a 100% - Sp (100% mínusz specificitást) az X tengely mentén ábrázoljuk. Ennek eredményeként megjelenik egy bizonyos görbe (1. ábra). A grafikont gyakran egy y = x egyenessel egészítik ki.

Ideális osztályozóhoz a ROC görbe diagramja áthalad a bal felső sarokban

az a szög, ahol a valódi pozitív arány 100% vagy 1,0 (ideális érzékenység), és a hamis pozitív arány nulla. Ezért minél közelebb van a görbe a bal felső sarokhoz, annál nagyobb a modell prediktív ereje. Ezzel szemben minél kisebb a görbe görbülete, és minél közelebb van az átlós vonalhoz, annál kevésbé hatékony a modell. Az átlós vonal a "haszontalan" osztályozónak felel meg, vagyis a két osztály teljes megkülönböztethetetlenségének.

A ROC-görbék vizuális értékelése során ezek egymáshoz viszonyított elhelyezkedése jelzi az összehasonlító hatékonyságukat. A fent és balra elhelyezkedő görbe a modell nagyobb előrejelző képességét jelzi. Tehát a 2. ábrán két ROC görbe van kombinálva egy grafikonon. Látható, hogy az A modell jobb.

A ROC görbék vizuális összehasonlítása nem mindig tárja fel a leghatékonyabb modellt. A ROC görbék összehasonlításának sajátos módszere a görbék alatti terület becslése. Elméletileg 0-ról 1,0-ra változik, de mivel a modellt mindig a pozitív átló feletti görbe jellemzi, általában 0,5-ről ("haszontalan" osztályozó) 1,0-ra ("ideális" modell) történő változásról beszélünk. . Ezt a becslést közvetlenül a poliéder alatti terület kiszámításával kaphatjuk meg, amelyet jobbról és alul a koordinátatengelyek, a bal felső sarokban pedig a kísérleti úton kapott pontok határolnak (3. ábra). A görbe alatti terület numerikus mutatóját AUC-nak (Area Under Curve) nevezik.

Egészségügyi és ökológiai problémák

2. ábra - ROC görbék összehasonlítása

3. ábra - A ROC görbe alatti terület

Nagy feltevések mellett feltételezhetjük, hogy minél nagyobb az AUC, annál jobb a modell prediktív ereje. Tudnia kell azonban, hogy az AUC mutatót inkább több modell összehasonlító elemzésére szánják; Az AUC nem tartalmaz semmit

néhány információ a modell érzékenységéről és specifikusságáról.

A szakirodalom időnként a következő szakértői skálát kínálja az AUC értékekhez, amely felhasználható a modell minőségének megítélésére (2. táblázat).

2. táblázat – Az AUC-értékek szakértői skálája

AUC intervallum Modell minőség

0,9-1,0 Kiváló

0,8-0,9 Nagyon jó

0,7-0,8 Jó

0,6-0,7 Átlag

0,5-0,6 Nem kielégítő

Az ideális modell 100%-os érzékenységgel és specifitással rendelkezik. Ez azonban a gyakorlatban nem valósítható meg, sőt a modell érzékenységét és specifitását egyidejűleg nem lehet növelni.

A küszöbküszöb segítségével kompromisszumot találnak, mivel a küszöbérték befolyásolja a Se és Sp arányát. Az optimális határérték megtalálásának problémájáról beszélhetünk (4. ábra) .

4. ábra – „Egyensúlypont” az érzékenység és a specificitás között

Egészségügyi és ökológiai problémák

A küszöbértékre a modell gyakorlati alkalmazásához van szükség: új példákat rendelni két osztály valamelyikéhez. Az optimális küszöb meghatározásához meg kell határozni egy kritériumot a meghatározásához, mert a különböző feladatoknak megvan a saját optimális stratégiájuk. A küszöbérték megválasztásának kritériumai a következők lehetnek: 1) a modell érzékenységének (specificitásának) minimális értékére vonatkozó követelmény. Például biztosítania kell, hogy a teszt érzékenysége legalább 80%. Ebben az esetben az optimális küszöbérték a maximális specificitás (érzékenység) lesz, amely 80%-nál (vagy ahhoz közeli értéknél) érhető el.

őt "a jobb oldalon" a sorozat diszkrétsége miatt) érzékenység (specificitás).

A megadott elméleti adatokat a klinikai gyakorlatból vett példák jobban érzékeltetik. Az első példa, amelyre összpontosítani fogunk, a fertőzött nekrotizáló hasnyálmirigy-gyulladás diagnózisa (az adatbázisból vett adatkészlet). A képzési minta 391 rekordot tartalmaz 12 független változó kiválasztásával az alábbi formátumban (3. táblázat). Függő változó (1 - a betegség jelenléte, 0 - hiánya). A függő változó megoszlása ​​a következő: 205 eset - nincs betegség, 186 - jelenléte.

3. táblázat – Független változók a fertőzött hasnyálmirigy-nekrózis diagnózisához, logisztikus regressziós együtthatók (példa)

Független változók Adatformátum Együttható, %

A kezdettől számított napok száma > 14< 14 2,54

A betegek által az intenzív osztályon kezeléssel töltött napok száma > 7< 7 2,87

A pulzusszám számértéke 1,76

A légzésszám számértéke 1,42

A testhőmérséklet számértéke 1,47

A vér leukociták számértéke 1,33

A mérgezés leukocitaindexe számértéke 1,76

Vér karbamid számértéke 1,23

Összes plazmafehérje számértéke 1,43

Megfelelő antibiotikum profilaxis a súlyos akut pancreatitis diagnózisának felállításában igen / nem -1,20

Minimálisan invazív orvosi és megelőző műtétek végzése igen / nem -1.38

Negatív dinamika jelenléte igen/nem 2.37

A 4. ábra a kapott ROC-t ábrázolja, amely nagyon jó görbeként jellemezhető. A modell prediktív ereje AUC = 0,839.

4. ábra - A fertőzött hasnyálmirigy-nekrózis diagnosztikai modelljének ROC-görbéje

Egészségügyi és ökológiai problémák

Tekintsünk egy töredéket a pontok sorából „az intraabdominális nyomás érzése súlyos betegeknél

érvényesség-specifikusság” szintű akut pancreatitis példáján.

4. táblázat – Az IAP különböző szintjeinek érzékenysége és specificitása a PPI kialakulásának előrejelzéséhez (példa)

IAP, Hgmm Művészet. Érzékenység, % Specificitás, % Se + Sp Se - Sp

13,5 25 100 125 75

14,5 30 95 125 65

15,5 40 95 135 55

16,5 65 95 160 30

17,5 80 90 170 10

18,5 80 80 160 0

19,5 80 70 150 10

20,5 85 65 150 20

21,5 95 55 150 40

23,0 100 45 145 55

24,5 100 40 140 60

25,5 100 25 125 75

Amint a táblázatból látható, az akut destruktív hasnyálmirigy-gyulladásban szenvedő betegeknél az IAP optimális küszöbértéke, amely biztosítja a teszt maximális érzékenységét és specificitását (vagy minimális I. és II. típusú hibát), 17,5 ± 2,3 (M ± 2,3). SD) Hgmm, amelynél a módszer 80%-os érzékenységgel és 90%-os specificitással rendelkezik a hasnyálmirigy-nekrózis fertőző szövődményeinek kialakulásának valószínűségének meghatározására. Az érzékenység 80%, ami azt jelenti, hogy a fertőzött nekrotizáló hasnyálmirigy-gyulladásban szenvedő betegek 80%-ánál pozitív a diagnosztikai teszt. A specificitás 90%-os, tehát a fertőzött necrotizáló hasnyálmirigy-gyulladásban nem szenvedő betegek 90%-ánál negatív a teszteredmény. Az egyensúlyi pont, amelynél az érzékenység és a specificitás körülbelül egybeesik - 80%, 18,5. Összességében az IAP mérés pozitív prediktív értéke 86%, a negatív prediktív értéke 88% volt.

A logisztikus regresszió és a ROC elemzés elvégzése statisztikai csomagok segítségével lehetséges. Azonban a "Statistica" 6 és 7 (http://www.statistica.com) ezt az elemzést csak a "Mesterséges neurális hálózatok" blokk használatával végzi el. Az SPSS-ben (http://www. spss.com) (a 13-as verziótól) a ROC elemzés csak a grafikus modulban van megadva, és egy ROC-görbe kerül elemzésre. Az SPSS minden mérési ponton megjeleníti a görbe alatti területet (AUC), a szignifikancia szintet, valamint az érzékenység és specificitás értékét. Az optimális pontot (optimális határértéket) magának kell megtalálnia az érzékenység és az 1-specificitás táblázatából. A MedCalc program több ROC-görbét is összehasonlít, a táblázatban megjelöli a változó értékét, mikor

amelynél az érzékenység és a specificitás aránya optimális (optimális cut-off). A SAS (http://www.sas.com), valamint az R-Commander rendelkezik görbe-összehasonlító és pontkereső modullal, az AUC-val. A logisztikai regresszió és a ROC elemzés elérhető az ingyenes WINPEPI (PEPI-for-Windows) programból (http://www.brixtonhealth.com/winpepi.zip).

Következtetés

A diagnózis művészete folyamatosan fejlődik. Naponta jelennek meg új diagnosztikai vizsgálatok, a meglévő módszerek technológiája változik. A releváns tanulmányok pontosságának túlbecslése, különösen a rossz kutatási és publikációs gyakorlatok miatti torzítás eredményeként, a diagnosztikai tesztek idő előtti végrehajtásához és rossz klinikai döntésekhez vezethet. A diagnosztikai tesztek alapos értékelése széleskörű használatuk előtt nemcsak a módszer hasznosságával kapcsolatos félreértések miatti kedvezőtlen kimenetelek kockázatát csökkenti, hanem az egészségügyi erőforrások ráfordítását is korlátozhatja a felesleges vizsgálatok kiküszöbölésével. A diagnosztikai tesztek értékelésének szerves részét képezik a diagnosztikai tesztek pontosságára vonatkozó vizsgálatok, amelyek közül a leginformatívabbak a logisztikus regressziós módszer és a ROC elemzés.

IRODALOM

1. Greenhalch, T. A bizonyítékokon alapuló orvoslás alapjai / T. Greenhalch; per. angolról. - M.: GEOTAR-Média, 2006. - 240 p.

Egészségügyi és ökológiai problémák

3. Vlasov, V. V. Bevezetés a bizonyítékokon alapuló orvoslásba / V. V. Vlasov. - M. MediaSphere, 2001. - 392 p.

4. Fletcher, R. Klinikai epidemiológia. A bizonyítékokon alapuló orvoslás alapjai / R. Fletcher, S. Fletcher, E. Wagner; per. angolról. - M.: MediaSphere, 1998. - 352 p.

5. Banerzhi, A. Orvosi statisztika közérthető nyelven: bevezető tanfolyam / A. Benerzhi; fordítás angolból. - M.: Gyakorlati orvostudomány, 2007. - 287 p.

6. Zhizhin, K. S. Orvosi statisztika: tankönyv. juttatás. - Rostov n / D .: Főnix, 2007. - 160 p.

7. Deeks, J. J. A diagnosztikai és szűrővizsgálatok értékeléseinek szisztematikus áttekintése / J. J. Deeks // BMJ. - 2001. - 20. évf. 323. - P. 157-162.

8. Útmutató a diagnosztikai teszteket értékelő metaanalízisekhez / L. Irwig // Ann. Gyakornok. Med. - 1994. - 1. évf. 120. - P. 667-676.

9. Szisztematikus áttekintések és metaanalízis a sebész tudós számára /

S. S. Mahid // Br. J. Surg. - 2006. - Vol. 93. - P. 1315-1324.

10. Meta-analitikai módszerek a diagnosztikai tesztek pontosságára / L. Irwig // J. Clin. epidemiol. - 1995. - 1. évf. 48. - P. 119-130.

11. Felhasználók" útmutatók az orvosi irodalomhoz. Hogyan használjunk egy diagnosztikai tesztről szóló cikket. A. Érvényesek-e a vizsgálat eredményei? / R. Jaeschke // JAMA. - 1994. - 271. kötet - 389. -391.

12. Módszertani szabványok használata a diagnosztikai tesztkutatásban: egyre jobb, de még mindig nem jó / M. C. Read // JAMA. - 1995. - 1. évf. 274.-P. 645-651.

13. StAR: egyszerű eszköz a ROC görbék statisztikai összehasonlításához / I. E. Vergara // BMC Bioinformatics. - 2008. - Vol. 9. - P. 265-270.

14. A kvantitatív diagnosztikai tesztek ROC-analízisének parametrikus és nemparaméteres megközelítéseinek összehasonlítása / K. O. Hajian-Tilaki // Medical Decision Making. - 1997. - 1. évf. 17, N. 1. - P. 94-102.

15. Vevő operátor karakterisztika (ROC) görbék és nem normál adatok: empirikus vizsgálat / M.J. Goddard // Statisztika az orvostudományban. - 1989. - 1. évf. 9, N. 3. - P. 325-337.

16. A fertőzött pancreas necrosis előrejelzésének lehetőségei / A. A. Litvin [et al.] // Egészségügyi és ökológiai problémák. - 2007. - T. 12., 2. sz. - S. 7-14.

17. Módszer intraabdominális nyomás monitorozására súlyos akut pancreatitisben szenvedő betegeknél / A. A. Litvin [et al.] // Egészségügyi és ökológiai problémák. - 2008. - T. 16., 2. sz. - S. 80-85.

18. Nyolc számítógépes program összehasonlítása a vevő működési jellemzőinek elemzésére / C. Stephan // Clin. Chem. - 2003. - 1. évf. 49, N. 3. - P. 433-439.

19. Zhu, X. Az ingyenes statisztikai szoftvercsomagok rövid áttekintése ipari technológia szakosok számára statisztika oktatásához / X. Zxu // J. Ind. technológia. - 2005. - 20. évf. 21, N. 2. - P. 10-20.

20. Borovikov, V. STATISTICA: a számítógépes adatelemzés művészete. Szakembereknek / V. Borovikov. - Szentpétervár: Péter, 2001. - 656 p.

21. Buyul, A. SPSS: az információfeldolgozás művészete. Statisztikai adatok elemzése és rejtett minták helyreállítása / A. Byuyul. - Szentpétervár: DiaSoftYUP, 2002. - 608 p.

22. Abramson, J. H. WINPEPI (PEPI-for-Windows): számítógépes programok epidemiológusok számára / J. H. Abramson, // Epidemiologic Perspectives & Innovations. - 2004. - 20. évf. 1, N. 6. - P. 1-10.

Beérkezett: 2008.10.24

UDC 616.1:616-009.12:616-005.8:616.831-005.1

A MIKROKERINGÉS ÉS ENDOTHELIÁLIS KÁROSODÁS NÉHÁNY INDIKÁTORA ARTERIÁLIS HIPERTONIÓS BETEGEKNÉL A STROKK, SZÍVINFORMÁCIÓK, HATALMAS EREDMÉNYEK KIFEJLESZTÉSÉNEK FELTÉRÉSÉBEN

V. I. Kozlovsky, A. V. Akulyonok Vitebsk Állami Orvostudományi Egyetem

A vizsgálat célja: II. stádiumú artériás hipertóniában (AH) szenvedő betegeknél a szívinfarktus, az agyi stroke és a halálozás fokozott kockázatával összefüggő tényezők azonosítása.

Anyag és módszer: A vizsgálatban 220 II. fokú AH-s (átlagéletkor 57 ± 8,4 év) beteg vett részt, akik magas vérnyomás miatt kerültek kórházba, és 30 AH-ban nem szenvedő beteg (átlagéletkor).

53,7 ± 9 év).

Eredmények: 29 stroke, 18 szívinfarktus, 26 haláleset a II. fokú AH-s betegek csoportjában 3,3 ± 1 éves követés alatt. A keringő endothel sejtek (ECC) számának növekedése, a leukocita- és thrombocytaaggregáció, valamint a leukociták adhéziója hipertóniás betegekben a szívinfarktus, a stroke és a halálozás fokozott kockázatával járt együtt.

Következtetés: a CEC-ek számának, a vérlemezkék és leukociták aggregációjának, valamint a leukociták adhéziójának indikátorai segítségével azonosíthatók a hipertóniás betegek azon csoportjai, amelyeknél fokozott a szívinfarktus, a stroke és a halálozás kockázata, valamint komplex prognózismodellek készíthetők.

Kulcsszavak: artériás magas vérnyomás, kockázat, szívinfarktus, stroke, halál, keringő endothelsejtek.

NÉHÁNY MEGÁLLAPÍTÁS A MIKROKERINGÉSRE ÉS ENDOTÉLIUM KÁROSODÁSÁRA VONATKOZÓ MEGÁLLAPÍTÁSOK A SZTRÓK, SZÍVINfarktusok, halálos kimenetelek BECSÜLÉSÉBEN HYPERTONIÁS BETEGEKBEN

V. I. ^zlovsky, A. V. Akulionak Vitebsk Statel Medical University

Célkitűzés: a stroke, a szívinfarktus, a halálos kimenetelű betegek fokozott kockázatával összefüggő tényezők meghatározása II fokú artériás hipertóniában (AH) szenvedő betegeknél.

Módszerek: 220 AH II fokú (átlagéletkor 57 ± 8,4 év), hipertóniás krízissel szövődött, és 30 AH-ban nem szenvedő beteget (átlagéletkor 53,7 ± 9 év) követtünk 3,3±1 évig.

Eredmények: a keringő endothel sejtek (CEC) számának emelkedése, a vérlemezkék és leukociták aggregációja, a leukociták adhéziója hipertóniás betegekben a stroke, szívinfarktus, halálos kimenetelek fokozott kockázatával járt.