Статистическая обработка материала
При вычислении медианы в интервальном ряду сначала находили медианный интервал, (т.е. содержащий медиану), для чего использовали накопленные частоты. Медианным являлся интервал, накопленная частота которого равнялась или превышала половину всего объема совокупности. В своей работе мы использовали 25й; и 75й-перцентили интерквартильного интервала. В связи с тем, что в работе планировалось… Читать ещё >
Статистическая обработка материала (реферат, курсовая, диплом, контрольная)
T-критерий Стьюдента. Параметрические методы статистики в нашей работе представлены t-критерием Стьюдента, разработанным Уильямом Госсетом. Данный критерий применяли для проверки равенства средних значений в двух выборках. Статистику проводили по следующему общему принципу: в числителе случайная величина с нулевым математическим ожиданием, а в знаменателе — выборочное стандартное отклонение этой случайной величины, получаемое как квадратный корень из несмещенной оценки дисперсии. При использовании данного критерия исходные данные имели нормальное распределение. В случае использования двухвыборочного критерия для независимых выборок соблюдали условия равенства дисперсий.
В связи с тем, что в нашей работе центральные тенденции и дисперсии количественных признаков, не имели приближенно нормального распределения. В 80% случаев мы использовали непараметрические методы статистики.
Медиана (Ме). Медиану использовали вместо средней арифметической, когда крайние варианты ранжированного ряда (наименьшая и наибольшая) по сравнению с остальными оказывались чрезмерно большими или чрезмерно малыми. В дискретном вариационном ряду, содержащем нечетное число единиц, медиана равнялась варианте признака, имеющей номер: где N — число единиц совокупности. В дискретном ряду, состоящем из четного числа единиц совокупности, медиана определялась как средняя из вариант.
При вычислении медианы в интервальном ряду сначала находили медианный интервал, (т.е. содержащий медиану), для чего использовали накопленные частоты. Медианным являлся интервал, накопленная частота которого равнялась или превышала половину всего объема совокупности. В своей работе мы использовали 25й; и 75й-перцентили интерквартильного интервала.
U-критерий Манна-Уитни. В своей работе в качестве альтернативы t-тесту Стьюдента мы использовали U-критерий Манна-Уитни — непараметрический метод проверки гипотез. Данный критерий использовали для сравнения медиан двух распределений, не являющихся нормальными (отсутствие нормальности не позволяет применить t-тест). Для корректной работы теста выполняли следующие условия: распределения X и Y были непрерывны, имели одинаковую форму, использовали независимые выборки и порядковую шкалу изменений.
Критерий Вилкоксона. Критерий Вилкоксона применяли для сопоставления показателей изменений в двух разных условиях на одной и той же выборке испытуемых. С его помощью определяли, является ли сдвиг показателя в каком-то одном направлении более существенным, чем в другом.
Многофакторный регрессионный анализ. При проведении многофакторного регрессионного анализа первоначально выделяли признак, наиболее значимо связанный с тяжестью хронического катарального гингивита. Включение последующих переменных проводили только в случае, если их добавление увеличивало общую прогностическую мощность модели. Обработка полученных данных проводили с помощью пакета программ (Statistika 7,0), с использованием непараметрических статистических методов.
Статистика планирования. Задача нахождения объема выборки решалась с помощью метода анализа мощности, реализованного в программе «Statistica — 7,0», при этом уровень значимости (Р<0,05), а требуемая мощность критерия была ниже 0,9. Для расчета количества вводились предполагаемые клинически значимые различия показателей. Расчет необходимого количества наблюдений в выборках представлен в таблице 2.9.1.
Таблица 2.9.1. Определение требуемого числа наблюдений в группах для получения клинически значимого различия показателей в двух выборках
№. | Метод исследования. | Показатели в единицах измерения. | М-1. | М-2. | Количество. | |
1. | Метод Понна. | мм. | 2,1. | 1,0. | ||
2. | Метод Коркхауза. | мм. | 1,5. | 0,5. | ||
3. | Индекс иррегулярности. | мм. | 4,0. | 2,0. | ||
4. | Индекс РМА. | %. | ||||
5. | ПТС — индекс периферического сопротивления сосудов. | %. | ||||
6. | ИЭ — индекс эластичности. | %. | ||||
7. | ИПС — индекс периферического сопротивления. | %. | ||||
8. | ПМ — показатель микроциркуляции. | перф. ед. | 8,0. | 10,0. | ||
9. | НТнейрогенный тонус. | усл. ед. | 3,0. | 1,5. | ||
10. | МТмиогенный тонус. | усл. ед. | 3,5. | 2,0. | ||
11. | Индекс Пурсело — (RI). | см/сек. | 2,0. | 3,0. | ||
12. | Индекс Гослинга- (PI). | см/сек. | 3,5. | 2,0. | ||
13. | Объемная скорость кровотока. | мл/мин. | 0,004. | 0,008. | ||
14. | Линейная скорость кровотока. | см/сек. | 1,0. | 2,0. | ||
Примечание: М 1 — средний показатель совокупности в первой выборки, М 2- средний показатель совокупности во второй выборки.
После получения количества наблюдений, отбор пациентов в группы проводился с соблюдением принципов рандомизации.
В связи с тем, что в работе планировалось использовать непараметрические методы, которые требуют больших объемов выборки, чтобы сравнятся по статистической мощности с параметрическими методиками, в группы сравнения и исследуемые группы набирали больший объём по сравнению с требуемым числом наблюдений в выборках.