Эталоны ответов:

1. 2 9. Прямая, обратная 17. в.

2. 2 10. Прямолинейные, криволинейные 18. б.

3. 3 11. Спирмена 19.а.

4. 1 12. Пирсона

5. 3 13. x

6. 3 14. 1

7. 3.6.8. 15. 0

8. Функциональной, корреляционной 16. Слабые, средние, сильные.

Литература:

Основная:

1.Общественное здоровье и здравоохранение. Учебник для студентов медвузов под ред. В.А. Миняева, Н.И. Вишнякова. М.: МЕДпресс-информ, 2006. – 528с;

2.Ю.П. Лисицын Общественное здоровье и здравоохранение. Учебник. – М.: ГОЭТАР Медиа, 2007. – 512 с.

3. Применение методов статистического анализа для изучения общественного здоровья и здравоохранения. Уч.пособие для практических занятий / под ред. В.З. Кучеренко. – 4-ое изд., перераб. и доп. – М.: ГЭОТАР-Медиа, 2007. – 256 с.

Дополнительная:

1.Герасимов А.Н. Медицинская статистика. Учебное пособие. – М.: Медицинское информационное агентство, 2007. – 480 с.

2.Применение методов статистического анализа для изучения общественного здоровья и здравоохранения. Учебное пособие для практических занятий под ред. В.З Кучеренко. – М.: ГЭОТАР-Медиа, 2005. – 192 с.

План работы на занятии

1. Вводное слово преподавателя о необходимости и важности изучения этой темы для будущих врачей – 15 мин.

2. Определение исходного уровня знаний путем опроса студентов или написания теста, активное собеседование – 30 мин.

3. Решение ситуационных задач совместно с преподавателем, обсуждение и оценка ситуаций -50

4. Самостоятельная работа студентов – 60 мин.

5. Подведение итогов. Задание на дом – 3 мин.

.

Место проведения занятия– аудитория кафедры.

Время проведения–9.00 – 11.50.

Оснащение занятия: таблицы по теме; методические материалы кафедры.

Форма отчетности: в конце занятия студент должен представить рабочую тетрадь с результатами решения задач и тестов, конспектами по самоподготовке.

Информационный блок для студентов

Все явления в природе и обществе находятся во взаимной связи. Различают две формы связи: функциональную и корреляционную.

Функциональная связь означает строгую зависимость явлений. При функциональной связи изменение какого либо одного явления вызывает обязательно строго определенные по величине изменения другого явления. Такого рода связь чаще наблюдается в физико-химических явлениях.

В области биологических и общественных явлений чаще встречаются взаимосвязи иного характера. Такого рода связи называют статистическими, или корреляционными. Корреляция - латинское слово – означает соотношение, взаимосвязь между признаками.

При корреляционной связи значению каждой средней величины одного признака соответствует несколько значений другого взаимосвязанного с ним признака.

Всем известно, что уровень антитоксина в крови и заболеваемость дифтерией взаимосвязаны между собой. При одинаковом уровне антитоксина в разных группах детей встречается разное количество заболевших.

В качестве примеров корреляционной связи можно указать на связь между количеством проведенных профилактических прививок и размерами заболеваемости, между размерами заболеваемости и смертности, между сроками изоляции инфекционных больных и частотой вторичных заболеваний в очаге, между качеством питьевой воды и заболеваемостью острыми кишечными инфекциями и т.д.

Параллельное изменение признаков двух явлений само по себе еще не говорит (хотя и наводит на мысль) о наличии связи между ними, так как может быть обусловлено случайным совпадением многих обстоятельств, не связанных друг с другом.

Измерение связи методами статистики целесообразно только тогда, когда наличие и материальная природа связи хотя бы предположительно установлена специальными методами данной науки.

При наличии действительной связи, установленной на основе конкретного анализа материальной природы изучаемых явлений, статистика дает возможность измерить размер (тесноту, силу) этой связи и установить степень зависимости между изучаемыми явлениями.

Измерение связи заключается в определении ее размеров (тесноты,

силы). Под теснотой связи понимается степень сопряженности связанных признаков, широта варьирования каждого из них при изменении средней величины другого. Помимо тесноты связи, статистические методы позволяют вскрыть форму этой связи.

По силе связи корреляция колеблется от 0 до 1:от 0 до 0,3 – слабая,

от 0,3 до 0,69 – средняя, от 0,7 до 1 – сильная. При силе связи равной 1 выявлена полная связь (функциональная связь). Сила связи измеряется коэффициентами корреляции.

По характеру связь может быть прямой и обозначается (+) и обратной (-). Прямая связь – это такая связь, когда изменение одного признака влечет за собой изменение другого в том же направлении. Обратная связь – один признак увеличивается, другой уменьшается.

По форме (или направленности) корреляционные связи подразделяются на прямолинейные, когда наблюдается пропорциональное изменение одного признака в зависимости от изменения другого (графически это выражается в виде прямой линии), и криволинейные, когда одна величина признака изменяется непропорционально изменению другой (на графике эти связи изображаются параболами или иной кривой линией).

Методы сравнения наблюдений, которые независимо от вида распределения называют ранговыми или непараметрическими, т.е. независящие от формы распределения признаков в генеральной совокупности. Их применение в медико-биологических исследованиях более оправдано хотя бы потому, что они менее трудоемкие по сравнению с другими. Наиболее часто в этом случае используется метод определения коэффициента корреляции рангов (Спирмена). Этот коэффициент целесообразно использовать, при наличии небольшого числа наблюдений в случаях, когда сопоставляемые данные носят приближенный характер, а форма связи – криволинейна.

При наличии прямолинейной связи между взаимосвязанными компонентными признаками, особенно при большом числе наблюдений, рациональнее прибегать к параметрическим методам оценки, которые требуют вычисления определенных параметров средней величины, среднеквадратического отклонения, средней ошибки. При этом вычисление связи проводится при числе наблюдений 30 и менее сравниваемых пар по методу квадратов (К. Пирсона).

Метод определения коэффициента ранговой корреляции или метод рангов, или метод Спирмена (по автору).

Последовательность расчета:

1. Составить ряды из парных признаков (XиY).

2. Каждой величине признака XиYопределить номер ранга. В тех случаях, когда имеется несколько одинаковых по величине чисел, порядковый номер обозначают средним числом из суммы очередных порядковых номеров.

3. Определение разности рангов d=X₁–Y₁

4. Разность рангов возвести в квадрат d²

5. Получить сумму квадратов разности åd²

6. Определить коэффициент ранговой корреляции по формуле:

Р = 1 – ^{6 ∑}d ²

ⁿ⁽n^{2 - 1)}

где р- коэффициент ранговой корреляции, n– число пар корреляционных рядов,^∑d^{2 - сумма квадратов разности между рангами двух корреляционных рядов; 6 – постоянный коэффициент.}

7. Определить направление связи.

8. Определить ошибку m_pи оценить достоверностьp.

9.Сделать выводы.

Влияние удельного веса нестандартной воды по бак. показателям в Свердловском районе г. Перми на заболеваемость ОКИ.

Месяц		Декада		Число больн. ОКИ	Уч. вяз. местной воды	ранги		d	d2
						X	Y
Апрель Май Июнь		1У 1 11 111 У 1 11 111 У1 1 11 111		54 56 56 59 84 80 84 125 132	1,4 0,8 4,4 11,5 17,8 5,2 2,8 1,9 20,0	11 9,5 9,5 8 5,5 7 5,5 4 3	10 11 7 5 4 6 8 9 3	1 -1,5 2,5 3 1,5 1 -2,5 -5 0	1 -2,25 5,25 9 2,25 1 5,25 25,0 0
Июль		У11 1 11	149 280		34,0 24,4	2 1	1 2	1 -1	1 1

Между уровнем заболеваемости ОКИ и качеством воды существует сильная прямая связь.

Оценку достоверности полученного показателя нужно провести по специальной таблице (приложение 1) критических значений коэффициентов корреляции Спирмена. Так по таблице при n=10 вероятность 0,05соответствует коэффициенту 0,564, а вероятность 0,01 соответствует коэффициенту – 0,746. В нашем примере коэффициент равен 0,76. Это позволяет сделать вывод, что между показателями нестандартной воды и числом больных ОКН существует достаточно сильная прямая связь с вероятностью безошибочного прогноза р >0,01, то есть связь статистически значима

m_ρ = ±1 – ρ²

Ön

Величина коэффициента корреляции может считаться достаточно достоверной в тех случаях, когда он не менее, чем в 3 раза превышает свою среднюю ошибку.