Курс «Медицинская информатика»
Кафедра медицинской кибернетики и информатики
РНИМУ им. Н.И.Пирогова
Работа по разделу
Использование возможностей тестового процессора
для обработки и представления медицинской информации
Работа выполнена студентами 240 группы
Васильева Дарья Дмитриевна
Воробьева Анастасия Дмитриевна
МОСКВА
2013 г.
Оглавление
Оглавление 2
Методы математической статистики для анализа данных 3
Сравнение двух независимых групп по одному параметру. 3
Сравнение двух зависимых групп по одному параметру. 3
Анализ взаимосвязи двух параметров. 4
Биология 5
История открытия 5
Строение клеток 6
Прокариотическая клетка 6
Кардиология 8
Ишемическая болезнь сердца 8
Классификация ИБС 8
Диагностика 10
Пульмонология 11
Пневмония 11
Классификация пневмоний 11
Лечение пневмонии 12
Крупозная пневмония 13
Методы обследования при ХОБЛ 15
Методы математической статистики для анализа данных
Сравнение двух независимых групп по одному параметру.
t-критерий Стьюдента для независимых выборок (групп) – наиболее популярный метод решения задачи, суть которой сводится к проверке, различаются ли средние значения параметра в сравниваемых группах. Может использоваться корректно только при условии нормального распределения параметров в каждой группе и равенства дисперсий распределений параметров в группах.
t-критерий Стьюдента для независимых выборок заключается в проверке нулевой гипотезы о том, что средние значения параметра в группах не различаются. Если нулевая гипотеза по результатам анализа отклоняется (p<0.05), принимается альтернативная гипотеза о том, что средние значения параметров в группах различаются.
Кроме «классического» t-критерия Стьюдента, существует его модификация, не требующая равенства дисперсий распределений параметров в группах.
Критерий Манна-Уитни (Mann-Whitney U-test) в настоящее время, когда врачи становятся более сведущими в математической статистике, догоняет по популярности t-критерий. Используется для сравнения выборок по количественным параметрам в случаях, когда хотя бы одна из сопоставляемых выборок параметра имеет распределение, отличное от нормального, или если характер распределения параметра не известен (проверка на нормальность не проводилась).
Суть метода – в проверке нулевой гипотезы о равенстве средних рангов в группах. То есть до проверки гипотезы осуществляется ранжирование значений параметра в каждой группе. Если нулевая гипотеза отклоняется, принимается альтернативная гипотеза о том, что между рангами групп есть различия.
Сравнение двух зависимых групп по одному параметру.
t-критерий Стьюдента для зависимых выборок, так же, как и t-критерий Стьюдента для независимых выборок, может применяться только при условии нормального распределения параметров в каждой группе и равенства дисперсий распределений параметров в группах. В большинстве случаев на реальных клинических данных эти условия не выполняются, и применение метода не правомочно.
Критерий Вилкоксона (Wilcoxon matched pairs test) – один из самых мощных непараметрических критериев. Используется для парного сравнения выборок количественных (или качественных порядковых) параметров в тех случаях, когда хоть в одной из анализируемых выборок распределение величин параметра не является нормальным.
При применении критерия Вилкоксона проверяется нулевая гипотеза об отсутствии различий выборок. Если она отклоняется (p<0.05), принимается альтернативная – об их наличии.
Анализ взаимосвязи двух параметров.
Общепринятый способ выявления взаимосвязи между переменными – расчет корреляции. Следует подчеркнуть, что обнаружение корреляции между двумя переменными не говорит о существовании причинной связи между ними, а лишь о возможности отыскания таковой (или фактора, определяющего изменение обеих переменных).
Обычно при использовании методов корреляции перед исследователем возникает вопрос о тесноте связи (степени сопряженности) переменных. Если каждому заданному значению одной переменной соответствуют близкие друг к другу, тесно расположенные около средней величины, значения другой переменной, то связь является более тесной; если эти значения сильно варьируют, связь менее тесная. То есть мера корреляции – значение коэффициента корреляции – указывает, насколько тесно связаны между собой параметры. Чем больше коэффициент корреляции, тем с большей степенью уверенности можно говорить о наличии линейной зависимости между параметрами.
Условно выделяют следующие уровни корреляционной связи: r≈0,3 – слабая теснота связи, от 0,31 до 0,5 – умеренная, от 0,51 до 0,7 – заметная, 0,71 и больше – высокая.
По форме корреляция бывает прямая (при увеличении значений первой переменной значения второй также увеличиваются) и обратная (при увеличении значений первой переменной значения второй убывают). Коэффициент корреляции r принимает значения от - 1 до + 1.
Обсуждать наличие корреляции имеет смысл только в тех случаях, когда она статистически значима (p<0.05).
Отсутствие линейной корреляции не означает, что параметры не зависимы: связь между ними может быть нелинейной.
Наиболее часто применяемыми в настоящее время методами исследования корреляции являются параметрический анализ по Пирсону и непараметрический анализ по Спирмену.
Корреляционный анализ по Пирсону используется при решении задачи исследования линейной связи двух нормально распределенных параметров. Проверяется нулевая гипотеза об отсутствии связи между параметрами, то есть что r=0. Кроме проверки на нормальность распределения каждого параметра, до проведения корреляционного анализа рекомендуется строить график в координатах оцениваемых параметров, чтобы визуально определить характер зависимости. Если нулевая гипотеза отклоняется (p<0.05), можно говорить о наличии значимой взаимосвязи между параметрами.
Корреляционный анализ по Спирмену применяется для исследования взаимосвязи двух параметров, если распределение хотя бы одного из них отлично от нормального. Проверяется нулевая гипотеза о том, что коэффициент корреляции равен нулю. Если нулевая гипотеза отклоняется (p<0.05), следовательно взаимосвязь между параметрами есть.
Биология
Кле́тка — элементарная единица строения и жизнедеятельности всех организмов (кроме вирусов, о которых нередко говорят как о неклеточных формах жизни), обладающая собственным
обменом веществ, способная к самостоятельному существованию, самовоспроизведению и развитию. Все живые организмы либо, как многоклеточные животные, растения и грибы, состоят из множества клеток, либо, как многие простейшие и бактерии, являются одноклеточными организмами. Раздел биологии, занимающийся изучением строения и жизнедеятельности клеток, получил название цитологии.
История открытия
Первым человеком, увидевшим клетки, был английский учёный Роберт Гук. В 1665 году, пытаясь понять, почему пробковое дерево так хорошо плавает, Гук стал рассматривать тонкие срезы пробки с помощью усовершенствованного им микроскопа. Он обнаружил, что пробка разделена на множество крошечных ячеек, напомнивших ему соты в ульях медоносных пчел, и он назвал эти ячейки клетками (по-английски cell означает «ячейка, клетка»).
В 1674 году голландский мастер Антоний ван Левенгук с помощью микроскопа впервые увидел в капле воды «зверьков» — движущиеся живые организмы (инфузории, амёбы, бактерии). Также Левенгук впервые наблюдал животные клетки — эритроциты и сперматозоиды. Таким образом, уже к началу XVIII века учёные знали, что под большим увеличением растения имеют ячеистое строение, и видели некоторые организмы, которые позже получили название одноклеточных.