17) Вероятностные методы диагностики. Расчёты на основе метода Байеса. Априорные и Апостериорные вероятности. Поиск наиболее вероятных нозологических единиц из списка возможных вариантов.

-Применяя тот или иной метод диагностики, лечащий врач часто хотел бы знать - с какой вероятностью можно доверять методу.

Самый лучший метод, с точки зрения лечащего врача, должен иметь 100% надежность, хотя по абсолютному большинству заболеваний уровень науки и техники пока не позволяет создать такие методы.

-Теорема Байеса-одна из основных теорем теории вероятностей, которая позволяет определить вероятность того, что произошло какое-либо событие (гипотеза) при наличии лишь косвенных тому подтверждений (данных), которые могут быть неточны.

В медицине используется для вычисления вероятности болезни в группе лиц с определенным признаком на основании данных о частоте встречаемости заболевания (априорная частота болезни) и правдоподобии этого признака у здоровых и у больных.

Наиболее известное применение теорема Байеса получила в анализе принятия решений в клинике, где она используется для оценки вероятности определенного диагноза при наличии определенных симптомов или инструментальных данных.

В упрощенном виде теорему можно представить так:

P (D|S) = P(S|D)P(D) / (P(S|D) P(D) + P(S|D`) P(D`)),

где

D — болезнь, S — симптом, D`— отсутствие болезни

Формула подчеркивает возможность, которую часто не может охватить интуиция клинициста, а именно — вероятность наличия болезни, при которой встречается данный симптом, зависит не только от того, насколько данный симптом характерен для этой болезни, но также от того, как часто это заболевание встречается среди обслуживаемого населения.

Кроме того, теорему можно использовать для вычисления частоты болезни при воздействии по результатам исследований типа случай-контроль, если имеется информация о частоте болезни в популяции.

-АПОСТЕРИОРНАЯ ВЕРОЯТНОСТЬ-вероятность (шансы) которая рассчитывается после получения результатов исследования.

-АПРИОРНАЯ ВЕРОЯТНОСТЬ-— шансы или вероятность, вычисляемые или оцениваемые согласно теории или убеждению до исследования.

18) Приведите примеры методов из программных средств, которые используются для получения первичной статистической информации о выборках медицинской информации – описательная статистика – по совокупности данных медицинских исследований.

Одним из обязательных этапов любого научного исследования является статистический анализ данных. Продолжительное время анализ медицинских данных был уделом специалистов, так как это требовало серьезной

предварительной подготовки. С появлением и совершенствованием современных программ обработки данных статистическая обработка поднялась на новый уровень. Теперь исследователь-медик может и не иметь математической подготовки. Достаточно оперировать статистическими понятиями и, самое главное, правильно выбрать метод анализа. Все осуществимо благодаря компьютеру и новейшим программам. Все программы статистической обработки данных можно разделить на профессиональные, полупрофессиональные (популярные) и специализирован- ные. Статистические программы относятся к наукоемкому программному обеспечению. Профессиональные пакеты имеют большое количество методов анализа, популярные пакеты - количество функций, достаточное для универсального применения. Специализированные же пакеты ориентированы на какую-либо узкую область анализа данных. Создатели программных статистических пакетов заявляют, что их продукт превосходит аналоги. Отсутствие у большинства исследователей времени для освоения нескольких программ, делает непростым ее выбор. Далее приведена базовая информация о присутствующих на рынке основных полупрофессиональных программных пакетах, пригодных для статистической обработки биомедицинских данных. MS Excel. Самой часто упоминаемой (и используемой) в отечественных статьях является приложение MS Excel из пакета офисных программ компании Microsoft – MS Office. Расчеты сделанные при ее помощи не признаются авторитетными биомедицинскими журналами. Также в MS Excel невозможно построить качественные научные графики. Безусловно, MS Excel хорошо подходит для накопления данных, промежуточного преобразования, предварительных статистических прикидок, для построения некоторых видов диаграмм. Однако окончательный статистический анализ необходимо делать в программах, которые специально созданы для этих целей