Непрерывные переменные в исследованиях в гинекологии. Варианты

Непрерывные переменные в исследованиях в гинекологии. Варианты

После того, как завершено анкетирование, выполнено исследование или произведен эксперимент, полученные данные вносятся в крупноформатную таблицу или иную удобную для исследователей форму. Первоначальная статистическая обработка данных начинается после их ввода и проверки ошибок; чаще всего она представляет собой описательный анализ — организацию и обобщение данных в выборке. Для организации и обобщения данных используется множество статистических методов.
Методы описательной статистики, используемые для непрерывных и дискретных переменных, различаются между собой.

Основными описательными характеристиками непрерывных переменных служат центральное положение и вариабельность (или дисперсия).
Важной количественной оценкой центральной тенденции непрерывной переменной является среднее значение.

Другой мерой положения является медиана [срединное (расположенное посередине) значение или среднее двух срединных значений, если п — четное число, в ряду измерений, расположенных в возрастающем порядке] и мода (наиболее часто встречающееся значение измерений).

Простейшей числовой мерой вариабельности или дисперсии непрерывной переменной является размах — разность максимального и минимального результатов измерений. Чем больше вариабельность измерений, тем большего значения достигает размах. Более распространенным числовым выражением вариабельности или меры рассеяния является дисперсия.

Следует отметить, что дисперсия приблизительно равна среднему квадратичных отклонений (или интервалов) между каждым отдельным результатом измерения и его средним. Чем больше разброс значений измерений, тем больше значение величины дисперсии. Поскольку s2 (величина квадрата стандартного отклонения) измеряется в квадратичных единицах действительных измерений, иногда в качестве меры дисперсии используется стандартное отклонение.

Также интерес для непрерывной переменной представляет ее распределение (т.е. представление частоты встречаемости каждого измерения или интервалов измерений). Существует множество форм графического отображения распределения непрерывных переменных, например диаграмма «ветвь-лист», коробчатая диаграмма или столбиковая диаграмма (гистограмма). При подобном отображении положение центра, дисперсию и положение «редко встречающихся» (с низкой частотой) и «часто встречающихся» (с высокой частотой) результатов измерений можно легко визуализировать.

Зачастую важно знать, имеется ли линейная зависимость между двумя непрерывными переменными. Для того чтобы это определить, используется коэффициент корреляции Пирсона (r). Этот коэффициент может принимать значения от -1 до +1. Если значение r близко к -1, то между двумя переменными имеется сильная отрицательная связь, то есть, чем выше значение одной переменной, тем ниже значение другой (например, так связаны переменные «стаж практической работы хирурга» и «риск ошибки при хирургической операции»).

Если r близко к +1, то между двумя переменными имеется сильная положительная связь (например, так связаны переменные «ТМТП плода» и «срок беременности»). Если значение г приближается к нулю, значит, две переменные не имеют между собой линейной зависимости. Интерпретировать значения r в медицинских исследованиях принято следующим образом:
• |r|<0,5 -> «сильная линейная связь»;
• 0,3<|r|<0,5 -» «умеренная линейная связь»;
• 0,1 <|r| <0,3 —> «слабая линейная связь»;
• |r| <0,1 -» «отсутствие линейной связи».

- Рекомендуем далее ознакомиться со статьей "Дискретные переменные в исследованиях в гинекологии. Разность рисков"

Оглавление темы "Исследования в гинекологии":