ԵՐԵՎԱՆԻ ՄԽԻԹԱՐ ՀԵՐԱՑՈՒ ԱՆՎԱՆ
ՊԵՏԱԿԱՆ ԲԺՇԿԱԿԱՆ ՀԱՄԱԼՍԱՐԱՆ
ՀԱՆՐԱՅԻՆ ԱՌՈՂՋՈՒԹՅԱՆ ԵՎ ԱՌՈՂՋԱՊԱՀՈՒԹՅԱՆ
ԿԱԶՄԱԿԵՐՊՄԱՆ ԱՄԲԻՈՆ
Կ ԵՆՍ ԱԲ Ա Ն ԱԿ ԱՆ
Վ Ի Ճ ԱԿ ԱԳ Ր ՈՒԹՅԱՆ
ՀԻՄ ՈՒՆՔ Ն ԵՐ
Ուսում նական ձեռնարկ
Հեղինակային հրատարակություն Երևան
ԴՏ 57:311(07) ԳՄԴ 28+60.6y7 Կ 414 Հ աստատված է Կանխարգելիչ բժշկագիտական առարկաների ուսումնամեթոդական խորհրդի կողմից 10.12.2018, արձանագրություն № 5, ԵՊԲՀ ուսումնամեթոդական խորհրդի կողմից 18.12.2018, արձանագրություն № 2, ԵՊԲՀ գիտական խորհրդի կողմից 27.03.2019, արձանագրություն № 4 Հեղինակներ՝ բ.գ.դ., պրոֆ. Ա. Է. Թադևոսյան, բ.գ.դ., պրոֆ. Ա. Կ. Հայրապետյան, բ.գ.թ., դոց., Գ. Հ. Սականյան, բ.գ.թ. Ռ. Ռ. Սուքիասյան Գրախոսներ՝ կենս. գիտ. թեկն. Ս. Քոչարյան, ԵՊԲՀ բժշկական ֆիզիկայի ամբիոնի վարիչ բժշկ. գիտ. դոկտ., Մ. Հովհաննիսյան, ԵՊԲՀ հանրային առողջության ֆակուլտետի դեկան եզվական խմբագիր՝ Լ բան. գիտ. թեկն., դոցենտ Հ. Վ. Սուքիասյան
Կ 414
ԿԵՆՍԱԲԱՆԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅԱՆ ՀԻՄՈՒՆՔՆԵՐ
Ուսումնական ձեռնարկ/Հեղ. խումբ. – Եր.: ԵՊԲՀ հրատարակչություն, 2019. – 200 էջ:
Ուսումնական ձեռնարկը նախատեսված է բարձրագույն բժշկական հաստատությունների ուսանողների համար: Ձեռնարկի հիմնական նպատակն է ապագա բժիշկներին սովորեցնել գրագետ օգտագործել անհրաժեշտ վիճակագրական մեթոդները, ճշգրիտ մեկնաբանել և ներկայացնել վիճակագրական հետազոտությունների արդյունքները: Ուսումնական ձեռնարկն ընդգրկում է վիճակագրության մեջ կիրառվող հիմնական սահմանումները, վիճակագրական հետազոտության փուլերի հակիրճ նկարագրությունը, ինչպես նաև բժշկակենսաբանական հետազոտություններում լայնորեն կիրառվող վիճակագրական վերլուծության մեթոդները: Ձեռնարկում արծարծված բազմաթիվ հարցեր ուշագրավ են նաև մագիստրոսների, ռեզիդենտների և ասպիրանտների համար: Հեղինակներն իրենց երախտագիտությունն են հայտնում CH2M/Jacobs հայաստանյան գրասենյակին՝ գրքի տպագրությանն օժանդակելու համար: ՀԴՏ 57:311(07) ԳՄԴ 28+60.6y7 ISBN 978-9939-65-215-3
© ԵՊԲՀ հրատ., 2019
| 3
ԿԵՆՍԱԲԱՆԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅԱՆ
ՆԵՐԱԾՈՒԹՅՈՒՆ
«Վիճակագրություն» բառը հաճախ զուգակցվում է «մաթեմատիկա» բառի հետ։ Հաճախ այդ հասկացությունը կապում են վերացականության բարձր մակարդակի բարդ բանաձևերի հետ: Սակայն վիճակագրությունը նախ և առաջ մտածելակերպ է, և այն կիրառելու համար պետք է սոսկ փոքրինչ առողջ դատողություն ունենալ և իմանալ մաթեմատիկայի հիմունքները: Առօրյա կյանքում մենք մշտապես զբաղվում ենք վիճակագրությամբ՝ դրա մասին չկռահելով: Օրինակ՝ երբ մենք ցանկանում ենք գնահատել ջանքերը, որոնք պահանջվելու են որևէ կուրս յուրացնելու համար՝ հաշվի առնելով մինչ այդ ստացած գնահատականները, պլանավորել բյուջեն, հաշվարկել ավտոմեքենայի բենզինի ծախսը կամ ընդհանրապես գնահատել, թե ինչպես է ազդելու այս կամ այն իրադարձությունը մեր անձնական կամ համատեղ ապագայի վրա: Մեզ մշտապես պետք է գալիս ընտրել, դասակարգել և կարգավորել տեղեկատվություն, կապել դա այլ տվյալների հետ այնպես, որ կարելի լինի հետևություններ անել, որոնք հնարավորություն կտան ընդունելու ճիշտ որոշում: Գործունեության բոլոր այդ տեսակները քիչ են տարբերվում այն գործողություններից, որոնք առկա են գիտական հետազոտության հիմքում և տվյալների սինթեզում են տարբեր խմբեր համեմատելիս, ստացվելով այս կամ այն փորձարարությամբ՝ պարզաբանում դրանց միջև եղած տարբերության բնույթը, դրանք համադրելիս հայտնաբերում ենք տարբեր ուղղություններով փոփոխվող ցուցանիշները, որոշակի փաստեր կանխագուշակելիս հիմնվում ենք ստացված արդյունքների եզրակացությունների վրա։ Հենց դա է վիճակագրության դերը գիտության տարբեր բնագավառների մեջ: Այսպիսով, վիճակագրությունը գիտություն է, որն ուսումնասիրում է զանգվածային երևույթներ և գործընթացներ բնութագրող քանակական տվյալների հավաքագրման, մշակման, վերլուծության և մեկնաբանության մեթոդները: Վիճակագրության առանձնահատկությունն այն է, որ զանգվածային երևույթներ ուսումնասիրելիս ի հայտ են բերվում ընդհանուր օրինաչափություններ, արվում են եզրակացություններ և եզրահանգումներ, որոնք, ամբողջությամբ հավաստի և օբյեկտիվ լինելով հանդերձ, այնուամենայնիվ, կիրառելի չեն եզակի երևույթ որոշելու համար: Այսպես, օրինակ՝ եթե բուժման մեթոդը հաջողված է 90%-ով, այնուամենայնիվ, անհնարին է կոնկրետ հիվանդի դեպքում ճշտորեն կանխագուշակել ելքը։
4 | Կենսաբանական վիճակագրության հիմունքներ Վիճակագրությունը լայնորեն կիրառվում է տարբեր ոլորտներում՝ մարքեթինգի, տնտեսագիտության, գործարարության, գյուղատնտեսության, հոգեբանության, սոցիոլոգիայի, մարդաբանության, կենսաբանության, բժշկության և այլն: Վիճակագրությունը, որը կիրառվում է բժշկության, հանրային առողջության և առողջապահության, կենսաբանության ոլորտներում գիտական հետազոտությունների արդյունքները մշակելու, գնահատելու և վերլուծելու համար, կոչվում է կենսավիճակագրություն: Բժիշկներին կենսավիճակագրության իմացությունն անհրաժեշտ է հիվանդություններն ախտորոշելու, բուժելու և դրանց կանխատեսության վերաբերյալ ճիշտ որոշումներ ընդունելու համար: Ցանկացած անձ, որն աշխատում է հիվանդների հետ, գիտի, թե մինչև կլինիկական որոշում ընդունելը որքան հաճախ է պետք լինում գտնել նոր բժշկական տեղեկատվություն: Ներկայումս նոր բժշկական տեղեկատվության աղբյուրները հիմնականում բժշկական ամսագրերն են: Ի դեպ, նոր դեղամիջոցի, բուժման սխեմայի կամ նոր ախտորոշիչ թեստի առավելությունների մասին հոդվածներ ընթերցելիս բժիշկներից քչերն են մտորում այն հարցի շուրջ, թե որքանով են դրանք ապացուցողական: Վիճակագրության իմացությունը բժիշկներին օգնում է քննադատաբար գնահատելու այդ տեղեկատվության ստույգությունը՝ մինչև կլինիկական պրակտիկայում տեսանելի լինեն առաջարկվող հետազոտությունների արդյունքները: Հենց այսպիսի գիտական մոտեցում է առաջարկում ապացուցողական բժշկությունը (Evidence-Based Medicine), որի նպատակը հրատարակված գիտաբժշկական հոդվածները գնահատելն է: Ապացուցողական բժշկությունը իր գործին լրջորեն վերաբերող ցանկացած բժշկի ուղղորդում է ոչ թե հոդվածների ուղղակի ընթերցման, այլ ճիշտ հոդվածներ ընթերցելու և կոնկրետ հիվանդի բուժման մեթոդներ ընտրելիս առկա կլինիկական հետազոտություններից առավել ապացուցողական արդյունքները խելամտորեն կիրառելու: Ճիշտ հոդվածները ոչ ճշգրիտ տեղեկություններ պարունակող հոդվածներից տարբերակելու համար բժիշկը պետք է պատկերացում ունենա բժշկական հետազոտություններ անցկացնելու փուլերի, դրանց տեսակների և դրանցից յուրաքանչյուրի հնարավորությունների ու թերությունների մասին: Բժիշկների համար խիստ կարևոր է վիճակագրական հետազոտության ընդհանուր տրամաբանությունը, վերլուծության գործընթացի էությունը, դրա հնարավորությունների սահմանը, ինչպես նաև սխալների առաջացման հավանականությունը հասկանալը: Ժամանակակից վիճակագրական մշակման ծրագրերի փաթեթները տեխնիկան հանգեցրին վերլուծությունների անցկացման ստեղների սեղմմանը՝ հետազոտողների շրջանում ստեղծելով վիճակագրական վերլուծության
| 5
դյուրինության և մատչելիության պատրանք: Սակայն զգալիորեն աճեց մեթոդների անօրինաչափ օգտագործման և արդյունքների անհամապատասխան մեկնաբանման դեպքերի քանակը: Անհրաժեշտ է հիշել, որ չկա «վիճակագրական» մեթոդ, այլ կա գիտական մեթոդ: Այն ինքնին չի կարող լինել վատը կամ լավը: Պարզապես այն կարող է կիրառվել սխալ կամ ոչ տեղին: Վիճակագրությունը սոսկ գործիք է հետազոտողի ձեռքերում, սակայն շատ հզոր գործիք, որը պետք է օգտագործել գրագիտորեն և զգուշորեն: Վիճակագրական մեթոդների կիրառման էությունը առողջ դատողության օգտագործումն է այս կամ այն տվյալները վերլուծելիս: Միշտ պետք է հիշել, որ վիճակագրական կապը դեռևս պատճառահետևանքային կապ չէ: Պատճառահետևանքային կապը ապացուցելու համար անհրաժեշտ է տրամաբանական վերլուծություն՝ մոտեցումների կիրառմամբ, որոնք հայտնի են որպես Բրեդֆորդ-Հիլլի պատճառային չափորոշիչներ (Bradford-Hill Causal Criteria): Դրանցից են կապի ուժը, մշտականությունը, ժամանակային հաջորդականությունը, կենսաբանական գրադիենտը, փորձարարական ապացույցները, ճշմարտանմանությունը, նմանօրինակությունները, համեմատությունները և այլն:
6|
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ
Կենսաբժշկական հետազոտությունների կազմակերպումը և իրականացումը ներառում են հետևյալ չորս փուլերը՝ փուլ 1.
հետազոտության ծրագրի և պլանի մշակում
փուլ 2.
հետազոտության ծրագրով նախատեսված անհրաժեշտ տեղեկությունների հավաքում և տվյալների բազայի ձևավորում.
փուլ 3.
հավաքված նյութի մշակում և ստացված արդյունքների վիճակագրական նկարագրում
փուլ 4.
վիճակագրական եզրակացությունների և առաջարկությունների ձևակերպում հետազոտության արդյունքների վերլուծության հիման վրա:
ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԱՌԱՋԻՆ ՓՈՒԼ
Մինչև հետազոտությունը սկսելը հետազոտողը պետք է հստակ պատկերացնի, թե ինչ է և ինչպես է անելու հետազոտության յուրաքանչյուր փուլում: Առաջին փուլում մանրազնին մշակվում են հետազոտության ծրագիրը և աշխատանքային պլանը: Հետազոտության ծրագիրն ընդգրկում է ուսումնասիրվող հիմնախնդրի, նպատակի և խնդիրների հստակ սահմանումները, վարկածների (հիպոթեզների) ձևակերպումը, հետազոտության դիզայնի (կառուցվածքի) որոշումը, դիտման միավորի և օբյեկտի որոշումը, ընտրովի ամբողջության ձևավորման մեթոդների որոշումը, վիճակագրական գործիքների մշակումը, հետազոտության առաջնակի տվյալների հավաքման, մշակման և վերլուծության մեթոդների որոշումը: Հետազոտության նպատակը որոշվում է վերջնական արդյունքով, որին հասնելուն է ուղղված տվյալ հետազոտությունը: Հետազոտության խնդիրները ներկայացվում են մի շարք միջանկյալ քայլերով (նպատակներ), որոնց հաջորդաբար լուծումը հնարավորություն է տալիս հասնել դրված նպատակին: Օրինակ՝ հետազոտության նպատակ կարող է լինել բժշկական համալսարանի ուսանողների առողջության պահպանման և ամրապնդման ուղղությամբ կանխարգելիչ միջոցառումների մշակումը: Տվյալ դեպքում հետազոտության խնդիրներ կարող են լինել՝
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 7
1. ուսանողների շրջանում ծխելու տարածվածության ուսումնասիրումը բժշկական համալսարանում ուսումնառության սկզբում և վերջում. 2. ծխելու տարածվածության վրա ազդող գործոնների բացահայտումը. 3. բժշկական համալսարանի ուսանողների շրջանում ծխելու դեմ պայքարի ուղղությամբ կանխարգելիչ միջոցառումների մշակումը: Հետազոտության նպատակի և խնդիրների հստակ ձևակերպումը հեշտացնում է վիճակագրական վարկածների մշակման և հետազոտության դիզայնի (կառուցվածքի) ընտրության խնդիրը: Մշակված վարկածները հնարավորություն են տալիս որոշելու հետազոտության ուղղությունը: Հետազոտությունը կատարվում է վարկածից դեպի հետազոտություն՝ վարկածը ստուգելու և եզրակացություններ կատարելու։ Վերոնշյալ հետազոտության համար վարկած կարող է լինել, օրինակ, ենթադրությունը, որ ուսումնառության վերջում բժիշկ-ուսանողների առողջության վիճակի վատացումը տեղի է ունենում ծխելու ազդեցության պատճառով: Հետազոտության տարբեր դիզայնների, ինչպես նաև դրանցից յուրաքանչյուրի առավելությունների և թերությունների վերաբերյալ մանրամասն տեղեկատվությունը ներկայացվելու է հաջորդ բաժնում: Ինչպես վերը նշվեց, հետազոտության ծրագրի մշակման փուլում որոշվում են նաև դիտման միավորն ու օբյեկտը: Դիտման միավորը վիճակագրական ամբողջության յուրաքանչյուր առաջնակի տարրն է (էլեմենտը): Դիտման օբյեկտը դիտման միավորների ամբողջություն է, որն ընտրվում է վիճակագրական դիտման համար: Վիճակագրության մեջ այն ընդունված է անվանել վիճակագրական ամբողջություն: Վիճակագրական ամբողջություններ կարող են լինել, օրինակ, երկրի ողջ բնակչությունը, բնակչության առանձին խմբերը և այլն: Մեր հետազոտության մեջ դիտման միավորը տվյալ բժշկական բուհում ուսուցման բոլոր տարիների ընթացքում սովորող ուսանողն է, իսկ դիտման օբյեկտը՝ այդ բուհում սովորող ուսանողները: Դիտման միավորն ունի նմանության և տարբերության հատկանիշներ, որոնք ենթակա են հաշվառման և հետագա դիտման, այդ պատճառով դրանք կոչվում են հաշվառման հատկանիշներ: Դիտման հատկանիշի կամ փոփոխականի (variable) տեսակով և հետազոտության դիզայնով որոշվում է, թե ինչպիսի գործողություններ կարելի է կատարել այդ հատկանիշների վերաբերյալ, և ինչպիսի վիճակագրական գործիքներ օգտագործել: Հատկանիշները, որոնք կարող են ստանալ պատահական արժեքներ, կոչվում են փոփոխականներ: Հաշվառման հատկանիշները կամ փոփոխականներն ըստ տեսակի կարող են լինել քանակական կամ որակական: Քանակական հատկանիշները փոփոխականներ են, որոնց արժեքներն ունեն թվային արտահայտում: Դրանք կարող են լինել դիսկրետ (ընդհատվող)
8 | Կենսաբանական վ իճակագրության հիմունքներ և անընդհատ (continuous): Դիսկրետ փոփոխականները տրված միջակայքում ընդունում են որոշակի սահմանափակ թվային արժեքներ և սովորաբար արտահայտվում են ամբողջական թվերով (երեխաների, հղիությունների, նոպաների քանակ և այլն): Անընդհատ քանակական հատկանիշները տրված միջակայքում ընդունում են անսահմանափակ թվային արժեքներ (մարմնի զանգվածը, գլյուկոզայի, խոլեստերինի, տարբեր հորմոնների մակարդակը արյան շիճուկում և այլն): Որակական կամ նկարագրական հատկանիշները բնորոշում են ամբողջության առանձին միավորների որակը: Որակական հատկանիշների համար չկան քանակական արժեքներ, կամ դրանք թաքնված են: Նկարագրական հատկանիշը բնութագրի որոշ կատեգորիա է (նշանակություն է), որին անհատը պատկանում է կամ չի պատկանում, կամ հատկություն է, որն անհատն ունի կամ չունի: Որոշ բնութագրեր կարող են արտահայտվել միայն մեկ եղանակով, մյուսները հնարավորություն են տալիս կիրառելու բնութագրման մի քանի եղանակ: Կա փոփոխականների չափման չորս սանդղակ՝ 1. անվանական (նոմինալների) սանդղակ. 2. կարգերի (ռանգերի) սանդղակ. 3. միջակայքերի (ինտերվալների) սանդղակ. 4. հարաբերությունների սանդղակ: Անվանական (նոմինալների) սանդղակ Անվանական (նոմինալների) սանդղակը բնութագրվում է նրանով, որ այստեղ չափվող փոփոխականներն ունենում են միայն անվանումներ, տարբերանշաններ, պիտակներ: Անվանական սանդղակում չափումը անհատական ցուցանիշի մեծության որևէ ցուցում չի պարունակում: Անվանական սանդղակի փոփոխականները կարող են լինել երկու տեսակի՝ դիխոտոմիկ (կամ բինար) և պոլիխոտոմիկ: Դիխոտոմիկ (այսինքն՝ երկարժեք) փոփոխականները կարող են ընդունել միայն երկու հնարավոր նշանակություն՝ ուսումնասիրվող հատկանիշների կամ վիճակների առկայություն կամ բացակայություն, օրինակ՝ որևէ հիվանդության առկայությունը կամ բացակայությունը, արական կամ իգական սեռին պատկանելությունը և այլն: Պոլիխոտոմիկ (այսինքն՝ բազմարժեք) փոփոխականները կարող են ստանալ երկուսից ավել արժեքներ (ընտանեկան կարգավիճակ՝ միայնակ, ամուսնացած, բաժանված, ամուրի, կրթական մակարդակ՝ տարրական, միջնակարգ, բարձրագույն, տարբեր ախտորոշումներ, հիվանդություններ և այլն): Անվանական սանդղակն ամենապարզն է, այն կիրառվում է որակական հատկանիշների չափման համար: Սանդղակի աստիճանների միջև չկա քանակական տարբերություն՝ շատ կամ քիչ, լավ կամ վատ: Գործողությունները,
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 9
որ հնարավոր են այս սանդղակում, սահմանափակվում են հաճախականությունների վերլուծությամբ, գումարում-հանում, միջին թվաբանականի հաշվարկ չի կատարվում: Օրինակ՝ վերլուծվել է Երևան քաղաքում շտապօգնության կանչերի քանակը ըստ նոզոլոգիական խմբերի (Վ. Պողոսյան, 2005), գնահատվել է թվարկված խմբերի հաճախականությունը՝ արտահայտված տոկոսներով (աղ. 1): Աղ յուսակ 1. Շտապօգնության կանչերի քանակը ըստ նոզոլոգիական խմբերի
Նոզոլոգիական խմբեր
2003 թ.
2004 թ.
Տարիքային խմբեր <30
Տարիքային խմբեր <30
N
%
N
%
Սրտանոթային
21.71
22.22
Նյարդային
25.67
29.09
Շնչառական օրգանների
33.59
27.74
Վիրաբուժական
7.22
7.34
Վարակիչ
2.43
2.96
Վնասվածքներ
7.54
7.88
Մանկաբարձական-գինեկոլոգիական
1.85
2.76
Ընդամենը
Այս տեսակի տվյալների վերլուծությունն ունի յուրահատկություններ, որոնք մենք կքննարկենք հետագայում: Կարգերի (ռանգերի) սանդղակ Եթե որակական հատկանիշների դասերի միջև կա ակնհայտ քանակական տարբերություն, սակայն այն չունի հստակ չափման միավոր, ապա կիրառվում է կարգային սանդղակը: Օրինակ՝ հիվանդության ընթացքը կարող է լինել թեթև, միջին ծանրության կամ ծանր, կրթությունը՝ տարրական, հիմնական, ավագ դպրոց, միջնակարգ մասնագիտական, բարձրագույն և այլն: Կարգերի սանդղակը, ունենալով անվանական սանդղակի բոլոր հատկությունները, հնարավորություն է տալիս նաև կարգավորելու փոփոխականները՝ դրանք դասավորելով ըստ արժեքի բնական աճի հերթականության: Ի դեպ, սանդղակը կարելի է դասավորել ինչպես աճման, այնպես էլ նվազման կարգով:
10 | Կենսաբանական վ իճակագրության հիմունքներ Կարգային սանդղակին կարող են նաև պատկանել այն փոփոխականները, որոնք ստացվել են ըստ դասերի՝ մեծությունները միավորելիս, օրինակ՝ ըստ դասերի՝ նորածինների մարմնի զանգվածի արժեքների միավորման, ամսական եկամտի մեծությունների միավորման և այլն: Աղ յուսակ 2. Դեղատների աշխատակիցներից համապարփակ պատասխաններ ստանալու հաճախականությունը և հաճախորդի տեղեկատվության վստահության աստիճանը (Ա. Սևիկյան, 2015) Տեղեկատվության նկատմամբ վստահության աստիճան Համապարփակ պատասխաններ ստանալու հաճախականությունը
Դեղատների աշխատակիցներից ստացված տեղե կատվության նկատմամբ վստահության աստիճանը Լիովին վստա հում են
Հիմնա կանում վստահում են
Ոչ լիովին են վստա հում
Չեն վստա հում
Ընդա մենը
Միշտ
Հաճախ
Երբեմն
Հազվադեպ
Երբեք
Ընդամենը
Այս տեսակի սանդղակներում հնարավոր է գումարում, եթե տրամաբանությունը հնարավորություն է տալիս դա անելու: Օրինակ՝ ներկայացված աղ յուսակում (աղ. 2) կարելի է միավորել տեղեկատվություն ստանալու երկու-երեք ցածր կամ, հակառակը, բարձր հաճախականությունները կամ դպրոցական կրթության երեք մակարդակները և այլն: Միջինացնել հիմնականում չի թույլատրվում, հատկապես կոպիտ սխալ է հիվանդության ծանրության միջին միավորի հաշվարկը ներկայացնել APACHE, APGAR, VAS և նման այլ սանդղակներով: Բացի հաճախականության վերլուծությունից, կարգերի սանդղակում չափվող փոփոխականները հնարավորություն են տալիս նաև այնպիսի վիճակագրական բնութագրեր հաշվելու, ինչպիսին մեդիանան է: Միջակայքերի (ինտերվալների) սանդղակ Քանակական հատկանիշները չափվում են միջակայքերի և հարաբերությունների սանդղակներում: Միջակայքերի սանդղակը կարգերի սանդղակին նման է նրանով, որ միջակայքերի սանդղակում ևս փոփոխականները
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 11
կարող են լինել կարգավորված, դասավորվել ըստ փոփոխականի արժեքների ավելացման հերթականության: Միջակայքերի սանդղակի առանձնահատկությունն այն է, որ հնարավորություն է տալիս ոչ միայն դասավորելու առանձին փոփոխականները, այլև բնութագրվում է սանդղակի առանձին աստիճանների միջև հավասար միջակայքերով: Միջակայքերը կարող են ներկայացվել որոշակի չափման միավորով արտահայտված թվերով: Ի տարբերություն հարաբերությունների սանդղակի՝ միջակայքերի սանդղակում ինչպես չափման միավորը, այնպես էլ զրոյական կետը (կոորդինատների սկիզբը կամ հաշվարկման ելակետը) պայմանական են և որոշվում են միայն համաձայնության գալով: Հարաբերությունների սանդղակում թույլատրվում են միայն գումարման և հանման գործողությունները, բազմապատկումը և բաժանումը իմաստավորված չեն: Օրինակ՝ ըստ Ցելսիուսի սանդղակի՝ 300C ջերմաստիճանը 150C ջերմաստիճանից բարձր է ոչ թե 2 անգամ, այլ բարձր է 150C աստիճանով: Մեկ այլ օրինակ. եթե, դիցուք, Վարդանի ինտելեկտի գործակիցը (IQ) 80 է, Կարենի IQ-ն՝ 120, իսկ Գագիկի IQ-ն՝ 160, ապա կարելի է ասել, որ Վարդանի համեմատությամբ Կարենը այնքանով է ավելի ինտելեկտուալ, որքանով Գագիկը Կարենից (40 միավորով՝ ըստ IQ-ի): Սակայն Գագիկի IQ-ի արժեքը Վարդանի IQ-ի արժեքից ավել է միայն 80 միավորով, բայց ոչ 2 անգամ: Այս սանդղակում թույլատրելի թվաբանական գործողությունները ներառում են բոլոր այն գործողությունները, որոնք թույլատրելի են կարգային սանդղակում: Դրանից բացի, չափումների արդյունքները կարելի է գումարել, հանել, բազմապատկել և բաժանել ցանկացած հաստատունի վրա՝ ստանալով մեկնաբանվող արդյունքներ: Այս սանդղակի համար միջակայքերի համեմատությունն ունի որոշակի իմաստ և կախյալ չէ մասշտաբից կամ գնահատումների նշման համակարգից: Այդպիսի փոփոխականների բնութագրման համար որպես վիճակագրորեն լիարժեք ցուցանիշ է միջին մեծության արժեքը: Հարաբերությունների սանդղակ Սանդղակը, որն ունի բացարձակ զրոյական կետ, կոչվում է հարաբերությունների սանդղակ: Այստեղ չափվում է ինտերվալային փոփոխականների մեծամասնությունը, օրինակ՝ ջերմաստիճանն ըստ Կելվինի՝ մարմնի զանգվածը, տարիքը և այլն: Օրինակ՝ 60 կգ մարմնի զանգված ունեցող հասուն մարդը միաժամանակ 30 կիլոգրամով և 2 անգամ է ավելի ծանր 30 կգ մարմնի զանգված ունեցող երեխայից: Հարաբերությունների սանդղակում թույլատրելի են բոլոր թվաբանական գործողությունները, ցանկացած երկու չափումների հարաբերությունն իմաստ ունի և պայմանավորված չէ մասշտաբով: Նշենք, որ գործնականում հարաբերությունների և
12 | Կենսաբանական վիճակագրության հիմունքներ միջակայքային սանդղակներին դասվող փոփոխականների միջև տարբերությունը սովորաբար էական չէ: Քանակական հատկանիշները կարելի է չափել տարբեր սանդղակներով: Օրինակ՝ մարմնի զանգվածը կարելի է արտահայտել քանակական (գրամ, կիլոգրամ) կամ նկարագրական (մարմնի ավելցուկային զանգվածի առկայություն կամ դրա բացակայություն) հատկանիշներով: Հատկանիշների ներկայացման տեսակի ընտրության դեպքում կարևոր է հաշվի առնել տվյալ հետազոտության առանձնահատկությունը, հուսալիության և վավերականության պահանջները, ինչպես նաև տարբեր չափման սանդղակների հատկությունները: Սակայն ընդհանուր առմամբ մոտեցումն այն է, որ քանակական հատկանիշները գերադասելի է ներկայացնել առանց դրանք ձևափոխելու և որակական հատկանիշների վերածելու: Պետք է հաշվի առնել, որ քանակական սանդղակներն ավելի զգայուն են և օբյեկտիվ, մինչդեռ անցումը դեպի ավելի «կոպիտ» որակական սանդղակների դասակարգելիս հանգեցնում է որոշակի սուբյեկտիվ պայմանական մոտեցման։ Հետազոտություն իրականացնելիս կարևոր է տվյալների ստացումը, որի համար գոյություն ունեն 3 հիմնական տեսակի գործիքներ՝ yy սարքեր. չափումները կատարվում են միայն մեխանիկական սարքերով (կշեռք, ջերմաչափ, մանոմետր և այլն), yy մարդիկ. չափումները կատարում են մարդիկ՝առանց սարքավորումների կամ դրանց նվազագույն օգտագործմամբ (անամնեզի հավաքում, անկետավորում, պերկուսիա, աուսկուլտացիա և այլն), yy մարդկանց և գործիքների համակցում (ռենտգենագրության վերլուծություն, պաթոմորֆոլոգիական հետազոտություն և այլն): Բոլոր դեպքերում ցանկալի է, որ տվյալների որոշման միջոցներն ունենան երկու կարևոր հատկություններ՝ հուսալիություն (reliability) և հիմնավորվածություն (վավերականություն validity): Հուսալիությունը (reliability) ցանկացած աշխատող սարքին բնորոշ հատկություն է: Հուսալի է այն սարքը, որը միանման պայմաններում միևնույն օբյեկտի կրկնակի հետազոտություն իրականացնելիս նշում է նույն արդյունքը։ Հիմնավորվածությունը (վավերականություն validity) մեթոդի կամ սարքի ունակությունն է՝ չափելու այն բնութագիրը, որի համար նա նշանակված է: Օրինակ՝ տենդը չի կարող լինել մալարիայի հիմնավորված (հավաստի) ցուցանիշ մալարիայի ցածր տարածվածություն ունեցող շրջանում, կամ անզավակությունը չի կարող լինել անպտղության հիմնավորված հատկանիշ և այլն: Վավերականության 2 կարևոր բաղադրիչներ են զգայունությունը և յուրահատկությունը:
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 13
Չափորոշիչի, մեթոդի կամ չափիչ սարքի զգայունությունը դիտվող ցուցանիշի փոփոխության հարաբերությունն է չափվող մեծության արժեքի համապատասխան փոփոխության նկատմամբ: Ինչքան մեծ է այդ հարաբերությունը, այնքան զգայուն է տվյալ մեթոդը: Օրինակ՝ եթե չափվում է որևէ նյութի խտությունը, և դրա չնչին փոփոխությունը հանգեցնում է արդյունքների զգալի փոփոխության, ապա այդպիսի թեստը զգայուն է: Այդ առումով զգայունությունը չի վերաբերում տվյալ նյութի նվազագույն քանակին, որը կարելի է հայտնաբերել (դա զգայունության շեմքն է): Յուրահատկությունը ցույց է տալիս, թե չափորոշիչը, մեթոդը կամ չափիչ սարքը ինչպիսի աստիճանով են ունակ արձագանքելու տվյալ մեծության առկայությանը և չարձագանքելու բոլոր մնացած փոփոխականների առկայությանը: Հետազոտությունների ընթացքում հետազոտողի կողմից «չափվող» մեծությունը կազմված է երկու բաղադրիչից՝ բուն ցուցանիշի մեծությունից և չափման սխալից, որը կարող է լինել 2 տեսակի՝ սիստեմատիկ սխալից (տեղաշարժում, bias error) և պատահական սխալից (random error): չափվող ﬔծությունը
= բուն ﬔծություն + չափման սխալ
սիստեմատիկ սխալ
վն ասում է վավերականությունը
+ պատահական սխալ
ﬖասում է հուսալիությունը
ատահական սխալներից անհնար է խուսափել, սակայն, բարեբախտաՊ բար, դրանք ճակատագրական չեն, և դրանք կարելի է հաշվառել և «ճշտումներ կատարել»՝ սխալ եզրակացություններից խուսանավելու համար: Սիստեմատիկ սխալները ենթակա են նախազգուշացման, ուստի թույլատրելի չեն, քանի որ հանգեցնում են սխալ հետևությունների և եզրակացությունների: Այս թեմայի վերաբերյալ քննարկումներին դեռևս անդրադառնալու ենք ստորև: Հաշվառման հատկանիշները, ըստ վիճակագրական ամբողջության մեջ ունեցած դերի, լինում են գործոնային (կամ անկախ, independent) և արդյունքային (կամ կախյալ, dependent):
14 | Կենսաբանական վ իճակագրության հիմունքներ Արդյունքային hատկանիշը կախյալ է՝ փոփոխելով իր նշանակությունը իրենով պայմանավորված և իր վրա ազդող գործոնային հատկանիշների ազդեցությամբ: Գործոնային հատկանիշները, համապատասխանաբար, ուսումնասիրվող երևույթի վրա ազդող հատկանիշներն են: Օրինակ՝ վնասակար գործոնները կամ ծխելու տևողությունը հանդես են գալիս որպես գործոնային հատկանիշներ, իսկ առողջության վիճակը, հիվանդության առկայությունը արդյունքային հատկանիշներ են: Նման բաժանումը՝ գործոնային և արդյունքային հատկանիշների, պայմանավորված է հետազոտության նպատակով և դրված խնդիրներով, այն հատկանիշի բաղադրիչ չէ: Օրինակ՝ եթե հետազոտության նպատակն է ուսումնասիրել առողջ ապրելակերպի քարոզչության տարբեր մեթոդների արդյունավետությունը վնասակար սովորույթների տարածվածության վրա, ապա վերջիններս դիտվում են որպես արդյունքային (կախյալ) հատկանիշներ: Հետազոտության 1-ին փուլում որոշվում է նաև վիճակագրական ամբողջության ծավալը, դիտման միավորների ընտրության մեթոդը և դիտման տեսակը: Վիճակագրական ամբողջության ներառման աստիճանով պայմանավորված, ընդունված է տարբերել համատարած և ոչ համատարած վիճակագրական հետազոտություններ: Տվյալների հավաքման այս մեթոդական առանձնահատկությամբ որոշվում է հետագա գործողությունների ամբողջ ընթացքը և վիճակագրական վերլուծության մեթոդիկան: Համատարած են կոչվում բժշկասոցիալական այն հետազոտությունները, որոնց ընթացքում ուսումնասիրվում են բոլոր դիտման միավորները, որոնք կազմում են գլխավոր ամբողջություն: Գործնականում համատարած հետազոտությունները հազվադեպ են կատարվում, քանի որ դրանց իրականացումը կազմակերպորեն բավականաչափ բարդ է կամ ֆիզիկապես անհնար՝ գլխավոր ամբողջության մեծ չափերի կամ այդ ամբողջության որոշակի սահմանների բացակայության պատճառով: Համատարած հետազոտությունները շատ ավելի թանկ են, քան ոչ համատարած հետազոտությունները: Ոչ համատարած հետազոտություն իրականացնելիս ուսումնասիրվում է միայն ամբողջության մասը՝ բնութագրելու համար ամբողջը: Ոչ համատարած հետազոտության տեսակներն են՝ yy մոնոգրաֆիկ նկարագրության մեթոդը yy հիմնական զանգվածի մեթոդը yy ընտրովի հետազոտությունը: Մոնոգրաֆիկ նկարագրության մեթոդն օգտագործվում է մեկ օբյեկտի մանրազնին հետազոտության համար (մեկ կազմակերպության, մեկ
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 15
բնակավայրի, նոր տեխնոլոգիայի և այլն), որն ունի որևէ ցայտուն առանձնահատկություն: Այդպիսի հետազոտություններից ստացված եզրակացությունները վերաբերում են կա՛մ միայն կոնկրետ հետազոտման օբյեկտին, կա՛մ կարող են տարածվել համարժեք օբյեկտների խիստ սահմանափակ խմբի վրա: Նշյալ մեթոդը լայնորեն կիրառվում է լավագույն (կամ վատագույն) բուժկանխարգելիչ հաստատության փորձառությունն ուսումնասիրելիս: Կլինիկայում դրան համապատասխանում է դեպքի ուսումնասիրությունը (case study), որը սովորաբար հետազոտությունների առաջին փուլն է, օգնում է ձևակերպելու վարկած հետագա լայնածավալ ուսումնասիրությունների համար: Հիմնական զանգվածի մեթոդը այն հետազոտությունն է, որի կատարման ընթացքում ուսումնասիրության են ենթարկում միայն ամբողջության այն մասերը, որոնցում կենտրոնացված է դիտման միավորների մեծամասնությունը: Օրինակ՝ երեխաների առողջությունն ուսումնասիրելիս, որոնց ծնողներն աշխատում են քիմիական արդյունաբերության ձեռնարկություններում, վերլուծության համար կարելի է օգտագործել միայն խոշոր ձեռնարկությունները՝ բացառելով մանր օբյեկտները: Սովորաբար այս մեթոդներն օգտագործվում են հետազոտության վաղ փուլերում, երբ դեռ միայն առաջ են քաշվում վարկածներ, և անցկացվում է դրանց սկզբնական ստուգում: Արդյունքում հետազոտողը պարզում է հիմնական օրինաչափությունները, ի հայտ է բերում ազդեցության հնարավոր մեխանիզմները և այլն: Ընտրովի հետազոտությունը գլխավոր ամբողջությունից ներառում է միայն ընտրովի ամբողջությունը կամ ուղղակի ընտրանքը: Ընտրանքի ուսումնասիրության վերջնական նպատակը գլխավոր ամբողջության մասին տեղեկատվություն ստանալն է: Գլխավոր պայմաններից մեկը ընտրանքի ներկայացուցչականությունն է: Ընտրանքը կոչվում է ներկայացուցչական, եթե յուրաքանչյուր հատկություն (կամ հատկությունների համակցումը) դիտվում է նույն հաճախականությամբ, ինչ գլխավոր ամբողջականության մեջ (կամ պոպուլ յացիայում), որից վերցված է տվյալ ընտրանքը: Ներկայացուցչականությունը լինում է քանակական և որակական։ Քանակական ներկայացուցչականությունը որոշվում է ընտրովի ամբողջության տարրերի բավականաչափ թվաքանակով՝ երաշխավորելով վիճակագրորեն հավաստի տվյալների ստացումը, և հիմնված է մեծ թվերի օրենքի վրա, համաձայն որի՝ զանգվածային երևույթների քանակական օրինաչափությունները հստակորեն դրսևորվում են միայն դրանց բավականաչափ մեծ թվաքանակում: Ըստ Չեբիշևի թեորեմի՝ «մեկին (100%) հնարավորինս մոտ հավանականությամբ կարելի է պնդել, որ դիտվող հատկանիշի միջին մեծությունը, ստացված լինելով անկախ դիտումների բավականաչափ
16 | Կենսաբանական վ իճակագրության հիմունքներ մեծաթիվ ընտրանքից, հնարավորինս քիչ է տարբերվելու համարժեք հատկանիշի միջինից, որը ստացվել է գլխավոր ամբողջությունից»: Այսինքն՝ մեծ թվերի օրենքի էությունն այն է, որ զանգվածային դիտման արդյունքում ստացված թվերում ի հայտ են գալիս որոշակի օրինաչափություններ, որոնք կարող են բացահայտվել միայն բավականաչափ թվով դիտումների դեպքում: Ընտրովի ամբողջության տարրերի բավականաչափ թվաքանակը հաշվարկվում է հատուկ բանաձևերով: Որակական ներկայացուցչականությունը հիմնված է հավանականության օրենքի վրա և որոշվում է ընտրովի ամբողջության և գլխավոր ամբողջության կառուցվածքային համապատասխանությամբ: Ընտրանքի որակական ներկայացուցչականությանը հասնելու առավել լավ միջոց է գլխավոր ամբողջությունից (կամ պոպուլ յացիայից) դիտման միավորների պատահական ընտրումը (random sample): Դա հնարավորություն է տալիս պոպուլ յացիայից դուրս բերելու ինչպես բնորոշ, այնպես էլ ոչ բնորոշ դեպքերը: Ամբողջության մեջ դրանք առավել ճիշտ պատկերացում են տալիս դիտվող գլխավոր ամբողջության մասին: Կարևոր է նաև այն, որ գլխավոր ամբողջությունից մարդկանց պատահականության սկզբունքով ընտրելիս նրանք մյուսներից տարբերվում են իրենց բոլոր, այդ թվում և մեզ ոչ հայտնի հատկանիշներով, որը պատահական է: Պատահականության սկզբունքով ընտրության գործընթացը իրականացվում է ռանդոմիզացիայի միջոցով: Պատահականության սկզբունքը նշանակում է, որ գլխավոր ամբողջության յուրաքանչյուր անդամ ի սկզբանե ունի ընտրանքում ընդգրկվելու հավասար հավանականություն: Ռանդոմիզացիայի իրականացումը դժվար չէ, և դրա համար ներկայումս կան բավականաչափ միջոցներ՝ պատահական թվերի աղ յուսակներ, համակարգչային տարբեր ծրագրեր: Ռանդոմիզացիայի միջոցների քննարկմանը մենք դեռ կանդրադառնանք «Բժշկական հետազոտությունների դիզայն» բաժնում: Շերտավորված (ստրատիֆիկացված) պատահական ընտրանքի (stratified random sample) ձևավորման դեպքում ուսումնասիրվող ոչ միատարր գլխավոր ամբողջությունը սկզբում բաժանվում է հարաբերորեն միատարր խմբերի (strata)՝ ըստ որևէ էական հատկանիշի, որից հետո յուրաքանչյուր խմբից իրականացվում է դիտման միավորների պատահական ընտրում: Նախնական ստրատիֆիկացիան ապահովում է ընտրանքի մեծ ներկայացուցչականությունը: Ստրատիֆիկացիան խորհուրդ է տրվում հատկապես ոչ մեծ ծավալով ընտրանք ձևավորելիս, քանի որ տվյալ դեպքում ներկայացուցչական խումբ ստանալու շանսերը պարզ ռանդոմիզացիայի միջոցով բավարար չեն: Օրինակ՝ եթե ամբողջ պոպուլ յացիան բաղկացած է թվով 5000 սպիտակամորթ և 5000 սևամորթ անձանցից, պատահական ընտրանքում ամբողջ
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 17
բնակչությունից թվով 100 մարդ ընտրելու փոխարեն կարելի է ընտրել 2 պատահական ընտրանք՝ թվով 50 անձ յուրաքանչյուր էթնիկական խմբից: Դա կապահովի տվյալ ընտրանքի (100 մարդ) մեծ էթնիկական ներկայացուցչականությունը: Այն դեպքերում, երբ պատահական կամ շերտավորված պատահական ընտրանք իրականացնելու համար անհրաժեշտ են մեծ ծախսեր և ժամանակ, կատարվում է կլաստերային ընտրում (cluster sampling): Օրինակ՝ եթե N քաղաքում անհրաժեշտ է թվով 1000 դպրոցականի շրջանում անցկացնել հարցում, ապա հետազոտողը կարող է սկզբում պատահականության սկզբունքով ընտրել տվյալ քաղաքի թվով 10 դպրոց (կլաստերներ), որից հետո դրանցից յուրաքանչյուրում նույն սկզբունքով ընտրված թվով 100-ական դպրոցականի շրջանում անցկացնել հարցում: Ակներև է, որ N քաղաքի դպրոցականների գլխավոր ամբողջությունից թվով 1000 դպրոցականի պատահական ընտրելու համեմատությամբ, նշյալ մեթոդը էապես խնայողական և գործնական է: Առանց ռանդոմիզացիայի օգտագործման պատահական ընտրելուն համարժեք է սիստեմատիկ կամ մեխանիկական ընտրումը: Սիստեմատիկ ընտրանքը ձևավորվում է՝ դիտման միավորներ ընտրելուն մեխանիկական մոտեցում ցուցաբերելով, այսինքն՝ գլխավոր ամբողջությունից ուսումնասիրության համար վերցվում է մեխանիկորեն ընտրված յուրաքանչյուր երրորդ, հինգերորդ, տասներորդ դիտման միավորը: Օրինակ՝ կարելի է ընտրել յուրաքանչյուր հինգերորդ հիվանդին, որն ընդունվել է հիվանդանոց, կամ յուրաքանչյուր երրորդ երեխային, որը ծնվել է տվյալ շրջանում: Ոչ ներկայացուցչական ընտրանքն ունի տեղաշարժում: Երբ պոպուլ յացիայի վերաբերյալ եզրահանգումները կատարվում են տեղաշարժված ընտրանքում իրականացված դիտումների հիման վրա, հնարավոր են իրենց իրական արժեքներից արդյունքների շեղումներ, որոնք կոչվում են սիստեմատիկ սխալներ: Չնայած սիստեմատիկ սխալների մասին խոսվել է, այնուամենայնիվ տեղին է ընդգծել, որ դրանք կարող են հանգեցնել իրական արդյունքի թերագնահատման կամ, հակառակը, դրանց գերագնահատմանը, գոյություն չունեցող փոխադարձ կապերի բացահայտմանը, հետազոտվող գործոնների միջև բացասական կապերի դրսևորմանը դրականի փոխարեն և հակառակը, և այլն: Սիստեմատիկ սխալների աղբյուրներն են օգտագործվող մեթոդների անկատարությունը, հետազոտության տեսակի անհամապատասխանությունը խնդիրներին, հետազոտության մասնակիցների ոչ համարժեք ընտրությունը, այլ փոփոխականների ազդեցությունը (անմիջականորեն չուսումնասիրվող): Ոչ ներկայացուցչական ընտրանքի դասական օրինակ է հասարակական կարծիքի վերաբերյալ անցկացրած հարցումը, որն իրականացվել է մինչև նախագահական ընտրությունները՝ 1936 թ. ԱՄՆ-ում «Literature
18 | Կենսաբանական վ իճակագրության հիմունքներ Digest» հանդեսի խմբագրության կողմից: Ըստ ավելի քան 10 մլն մարդուց բաղկացած ընտրանքի հարցման արդյունքների՝ կանխատեսվում էր Ալֆրեդ Լենդոնի բացարձակ հաղթանակը Ֆրանկլին Ռուզվելտի նկատմամբ, սակայն կայացած ընտրությունների արդյունքները ճիշտ հակառակն էին: Խնդիրն այն էր, որ ընտրանքը ձևավորվել էր յուրահատուկ ամսագրի բաժանորդներից՝ հիմնականում ինտելեկտուալ և արվեստի գործիչներ, որոնց ազգանունները գրանցված էին հեռախոսային տեղեկատուներում, մինչդեռ ԱՄՆ-ում Մեծ դեպրեսիայի շրջանում հաջողակ ինտելեկտուալները, որոնք կարող էին իրենց թույլ տալ հեռախոս ունենալ, ամբողջ ընտրազանգվածի ոչ մեծ մասն էին: Վիճակագրական հետազոտության 1-ին փուլում որոշվում են վիճակագրական տեղեկատվության հավաքման մեթոդները, վիճակագրական գործիքակազմը, մշակվում է և քանակավորումը (քարտեր, հարցաթերթիկներ, տվյալների տեղեկատվական բազաների ձևավորման և մշակման համակարգչային ծրագրեր), որտեղ տվյալների հավաքման ժամանակահատվածում մուտքագրվելու է ամբողջ տեղեկատվությունը: Վերջապես, հետազոտության ծրագիրը ներառում է վերլուծության ծրագիր՝ համապատասխան վիճակագրական մեթոդներով, որոնք անհրաժեշտ են ուսումնասիրվող երևույթի օրինաչափությունները բացահայտելու համար: Հետազոտության աշխատանքային պլանի մշակումը: Հետազոտության պլանով նախատեսվում է հետևյալ կազմակերպական հարցերի լուծում. հետազոտության անմիջական կատարողների ընտրում, ուսուցանում և աշխատանքի կազմակերպում, հետազոտությունն անցկացնելու համար անհրաժեշտ ռեսուրսների ծավալի և տեսակների որոշում (կադրեր, ֆինանսներ, նյութատեխնիկական, տեղեկատվական ռեսուրսներ և այլն), հետազոտության անցկացման տեղի և ժամկետների որոշում, հետազոտության առանձին փուլերի համար պատասխանատուների նշանակում:
ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԵՐԿՐՈՐԴ ՓՈՒԼ
իճակագրական հետազոտության երկրորդ փուլը ծրագրով նախատեսՎ ված անհրաժեշտ տվյալների հավաքումն է և տվյալների բազաների ձևավորումը: Ինչպես վերը նշվեց, անհրաժեշտ տվյալների հավաքման մեթոդները որոշվում են հետազոտության առաջին փուլում: Տվյալները լինում են երկու տեսակի՝ առաջնային և երկրորդային: Առաջնային տվյալներն անմիջականորեն տվյալ հետազոտողի ստացված տվյալներն են, ի տարբերություն որի երկրորդային տվյալները ստացված են լինում այլ անձից, սակայն դրանք լիովին կիրառելի են տվյալ հետազոտողի կողմից: Չնայած այդ բաժանումը փոքր-ինչ պայմանական է (մեկ
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 19
հետազոտողի առաջնային տվյալները մյուսի համար դառնում են երկրորդային), սակայն որակական տարբերությունը էական է: Բժշկասոցիալական հետազոտությունների անցկացման վիճակագրական գործիքակազմը սովորաբար ընդգրկում է երկու բաժին՝ 1. հետազոտվող խմբի առողջության վիճակի բնութագիրը, 2. հետազոտվող խմբի կյանքի պայմանների և կենսակերպի բնութագիրը: Հետազոտվող խմբի առողջության վիճակի մասին տեղեկատվության հիմնական աղբյուրներն են՝ yy վիճակագրական հաշվետվողականությունը (առողջապահության կառավարման մարմինների և կազմակերպությունների թղթային և էլեկտրոնային կրիչների վրա) ստացված՝ ինչպես պաշտոնապես հաստատված, այնպես էլ ժամանակավոր հաշվառման տեսակների հիման վրա, yy առաջնային բժշկական փաստաթղթերից պատճենահանված տվյալները, yy բնակչության բժշկական քննություններից (սքրինինգ) ստացված տվյալները, yy էլեկտրոնային բազաների անձնական տվյալները: Կյանքի պայմանների և կենսակերպի մասին տեղեկատվություն ստանալու համար կիրառվում են սոցիոլոգիական հետազոտության մեթոդիկաներ: Կյանքի պայմաններին և կենսակերպին վերաբերող հիմնական տեղեկությունները կարող են լինել ստացված անկետավորման (հեռակա հարցում), հարցազրույցների (անմիջական հարցում), այդ մեթոդների համակցման (անկետա-հարցազրույց), ուղիղ դիտումների, ինչպես նաև էքսպեդիցիոնմոնոգրաֆիկ մեթոդի (բնորոշ օբյեկտի տեղային առանձնահատկությունների զուգահեռ ուսումնասիրությամբ) միջոցով: Բժշկասոցիալական հետազոտություններում առավել հաճախ օգտագործվում են անկետավորման, հարցազրույցի և դրանց համակցման մեթոդները: Անկետաները և հարցաթերթիկները կազմվում են հետազոտության 1-ին փուլում: Դրանց մշակումը բավականին պատասխանատու գործ է: Հարցաթերթիկը պետք է լինի բավականաչափ լիարժեք, բայց ոչ գերծանրաբեռնված: Օպտիմալ է, երբ հարցաթերթիկը պարունակում է թվով 40-50 հարց: Ծավալուն հարցաթերթիկն առաջացնում է ռեսպոնդենտների բացասական ռեակցիաներ, հարցմանը մասնակցելուց հրաժարում կամ, ավելի վատ, անկետայի շուտափույթ և անփույթ լրացում: Եթե հետազոտության թեման հնարավորություն չի տալիս սահմանափակվելու վերոնշյալ ծավալով, ապա հարցաթերթիկը պետք է բաղկացած լինի տրամաբանորեն կապված ենթաբաժիններից: Հարցերը պետք է պարզ և հստակ ձևակերպված լինեն,
20 | Կենսաբանական վիճակագրության հիմունքներ հասկանալի և ոչ երկիմաստ, միաժամանակ ռեսպոնդենտին չպետք է հուշեն ցանկալի կամ սպասվող պատասխանը: Նախընտրելի են այն հարցերը, որոնց պատասխաններն են «Այո» կամ «Ոչ»: Ըստ կառուցվածքի հարցերը լինում են փակ, բաց և կիսաբաց: Փակ հարցերը ենթադրում են նշված պատասխանների կազմից սահմանափակ ընտրություն, կիսաբաց հարցերը հնարավորություն են տալիս ավելացնելու պատասխանի սեփական տարբերակը, մինչդեռ բաց հարցերը պատասխանի լիարժեք ազատություն են տալիս: Գերադասաբար փակ հարցեր պարունակող հարցաթերթիկները կոչվում են կառուցվածքայնացված (structured) կամ ստանդարտացված: Հարցաթերթիկները, որոնք պարունակում են զգալի քանակությամբ բաց կամ կիսաբաց հարցեր, կոչվում են կիսակառուցվածքայնացված (semi structured) կամ կիսաստանդարտացված: Բաց հարցերը պատասխանելու մեծ հնարավորություն են տալիս, սակայն պատասխանների բազմազանությունը բարդացնում է դրանց հետագա խմբավորումն ու մշակումը: Փակ հարցերը հաճախ հարցվողին դնում են անհարմար կացության մեջ՝ նշված պատասխաններից հարմարը չգտնելու պատճառով: Ի տարբերություն բաց հարցերի՝ փակ հարցերի առկայությունը զգալիորեն հեշտացնում է դրանց ֆորմալացումը (ձևականացումը) և հետագա մշակումը: Բոլոր դեպքերում հարցվողներին պետք է ազատություն տալ ընտրելու և պատասխանից խուսափելու՝ հնարավորություն տալով ընտրելու «Չգիտեմ» կամ «Դժվարանում եմ պատասխանել» պատասխանը։ Մի շարք հարցերի, հատկապես «զգայուն» կամ իմացությամբ պայմանավորված պատասխաններն անհրաժեշտ է հաստատել «ստուգողական» հարցերով: Օրինակ՝ եթե հարցը «Դուք գո՞հ եք Ձեր աշխատանքից», հիմնական է, ապա այդ հարցի պատասխանների ճշտությունը ստուգելու համար, այսինքն՝ պարզելու, թե որքանով անկեղծ է հարցվողը հարցին պատասխանում, կարելի է մի քանի հարց հետո տալ մեկ կամ նույնիսկ մի քանի ստուգողական հարցեր։ Օրինակ՝ «Դուք կցանկանայի՞ք փոխել Ձեր աշխատանքի տեղը» կամ «Ենթադրենք՝ որոշ պատճառներով Դուք ժամանակավորապես չեք աշխատում, արդյոք կվերադառնայի՞ք նախկին աշխատանքին»: Ինչպես արդեն նշվեց, ստուգողական հարցերը երբեք չպետք է հաջորդեն հիմնական հարցերին, որպեսզի հարցվողը դրանց միջև որևէ կապ չգտնի, հակառակ դեպքում ստուգողական հարցերը կկորցնեն իրենց նշանակությունը: Ցանկալի է հարցաթերթիկների աշխատունակությունը նախապես ստուգել՝ ոչ մեծ պիլոտային հետազոտություն իրականացնելով: Դա հնարավորություն է տալիս ի հայտ բերելու ավելորդ կամ բաց թողած, անհաջող և հարցվողների կողմից չընկալվող հարցերը և այլն: Եթե որևէ հարցի վերաբերյալ
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 21
պատասխանների 30%-ը «Դժվարանում եմ պատասխանել» տարբերակն է՝ անհաջող կամ լսարանի համար ոչ ընկալելի ձևակերպված լինելու պատճառով, ապա տվյալ հարցը պետք է փոխարինվի կամ բացառվի: Ցանկացած դեպքում նման հարցերին տրված պատասխանները ոչ հավաստի են և չեն ենթարկվում հետագա մշակման: Հարցաթերթիկն անպայման պետք է պարունակի ներածական մաս, որում հակիրճ նշվում է տվյալ հետազոտության կարևորությունը, պատասխանների նշանակությունը, ամբողջ տեղեկատվության գաղտնիության պահպանումը, որևէ հետևանքի բացառումը և վերջում հարցվողներին հայտնած շնորհակալական խոսք՝ համագործակցելու համար: Հավաքված տվյալները հետագայում խմբավորվում, կառուցվածքայնացվում և տեղափոխվում են էլեկտրոնային կրիչներ: Տվյալների այն զանգվածը, որը պահվում է էլեկտրոնային կրիչներում, կոչվում է տվյալների բազա: Ներկայումս տվյալների բազայում նոր տվյալների մուտքագրումը կատարվում է ոչ միայն թղթային կրիչներից (հարցաթերթիկներ, քարտեր և այլն), այլև էլեկտրոնային քարտերից՝ դրանց անմիջական տեղափոխությամբ:
ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԵՐՐՈՐԴ ՓՈՒԼ
Երրորդ փուլը հավաքված նյութի մշակումն ու ստացված արդյունքների վիճակագրական նկարագիրն է (descriptive statistics): Տվյալների մշակումը տվյալների բազաներից ստույգ տեղեկատվության ստացման գործընթացն է և դրա օգտագործումը հետագա վերլուծության համար: Վիճակագրական նկարագիրն ընդգրկում է ընտրովի ամբողջության տվյալների խմբավորումը, ընդհանրացումը՝ ամփոփ բնութագրերի ստացումը, և աղ յուսակներով կամ գրաֆիկների տեսքով պատկերումը: Վիճակագրական նկարագրի օրինակ է միջին զարկերակային ճնշում որոշելը՝ զարկերակային հիպերտենզիայով տառապող հիվանդների խմբում կամ հետվիրահատական բարդությունների ցուցանիշը հիվանդների տվյալ հիվանդության դեպքում վիրահատված խմբում որոշելը և այլն: Ներկայումս բնակչության առողջության ուսումնասիրության հետ կապված հետազոտություններում լայնորեն կիրառվում են տվյալների մշակման մաթեմատիկական-վիճակագրական տարբեր մեթոդները, որոնք ներդրվում են համակարգչային ծրագրերում: Համակարգչային մշակումը ենթադրում է տվյալների որոշ մաթեմատիկական կերպարանափոխում՝որոշակի ծրագրային միջոցներով: Ուստի պետք է պատկերացում ունենալ ինչպես տվյալների մշակման մաթեմատիկական մեթոդների, այնպես էլ համապատասխան ծրագրային միջոցների մասին:
22 | Կենսաբանական վիճակագրության հիմունքներ Արդի համակարգչային ծրագրերի փաթեթները գործնականում պարունակում են ոչ միայն տվյալների վիճակագրական մշակման անհրաժեշտ բոլոր մեթոդները, այլև վիճակագրական վերլուծության մեթոդները: Տվյալների համակարգչային մշակումն արագացնում և մեծացնում է վիճակագրական վերլուծության որակը: Ստացված տվյալների վիճակագրական նկարագրության մեթոդները մանրամասնվելու են «Նկարագրական վիճակագրություն» բաժնում:
ՀԵՏԱԶՈՏՈՒԹՅԱՆ ՉՈՐՐՈՐԴ ՓՈՒԼ
Չորրորդ փուլը վիճակագրական եզրակացությունների (statistical inference) և առաջարկությունների փուլն է՝ ստացված արդյունքների վերլուծության հիման վրա։ Վիճակագրական վերլուծության անհրաժեշտությունը պայմանավորված է նրանով, որ գործնականում առավել հաճախ կատարվում են ոչ թե համատարած, այլ ընտրովի հետազոտություններ: Ընդ որում՝ ընտրովի ամբողջության ուսում նասիրության վերջնական նպատակը միշտ տեղեկատվության ստացումն է և օրինաչափությունների բացահայտումը, որոնք բնութագրական են գլխավոր ամբողջության (այսինքն՝ պոպուլ յացիայի) համար: Ընտրովի հետազոտության վիճակագրական վերլուծության արդյունքները հնարավորություն են տալիս որոշակի հավանականությամբ եզրակացություններ անելու ամբողջ պոպուլ յացիայի վերաբերյալ: Վիճակագրական բնութագրերը, որոնք ստացվում են ընտրովի հետազոտության արդյունքում, կոչվում են վիճականիներ (վիճակագրեր, statistics)։ Վերջիններիս հիման վրա արվում են եզրակացություններ ամբողջ պոպուլյացիայի վիճակագրական բնութագրերի մասին, որոնք կոչվում են չափավորիչներ (պարամետրեր): Կան վերլուծության բազմաթիվ վիճակագրական մեթոդներ: Դրանց ընտրությունը յուրաքանչյուր կոնկրետ հետազոտության ժամանակ պայմանավորված է հետազոտության նպատակով և խնդիրներով, դիզայնով, ուսումնասիրվող ընտրանքների քանակով և ծավալով, ինչպես նաև փոփոխականների տեսակով: Վերլուծություն կատարելիս ամենից առաջ իրականացվում են տարբեր բնույթի համադրումներ: Համեմատվում է տարբեր բժշկական դեղամիջոցների, ախտորոշիչ թեստերի արդյունավետությունը, հետազոտության արդյունքում ստացված տվյալները համադրվում են նախկինում իրականացված հետազոտության տվյալներին, այլ հեղինակների, այլ շրջանների տվյալներին և գոյություն ունեցող նորմատիվներին:
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ | 23
Մեծ թվով վիճակագրական վերլուծության մեթոդներ կիրառվում են փոփոխականների միջև երկակի և բազմակի կապերի ուսումնասիրության համար (կորել յացիոն վերլուծություն, ռեգրեսիոն վերլուծություն և այլն): Ինչպես վերը նշվեց, ներկայումս վիճակագրական վերլուծություն կատարելու համար կիրառվում են համակարգչային վիճակագրական տարբեր փաթեթներ: Առավել լայն կիրառություն ունեցող վիճակագրական վերլուծության մեթոդները լուսաբանված են տվյալ ուսումնական ձեռնարկի համապատասխան բաժիններում:
24 |
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԴԻԶԱՅՆ
Հետազոտության դիզայնը (կառուցվածքը) հետազոտության կատարման ընդհանուր սխեման է: Դիզայնի տեսակի ընտրությունը պայմանավորված է կոնկրետ հետազոտության խնդիրներով: Յուրաքանչյուր տեսակի հետազոտությամբ պայմանավորված են որոշակի խնդիրներ, որոնց անտեսումը կարող է աղավաղել արդյունքները և հանգեցնել սխալ եզրակացությունների: Ուստի դիզայնի ճիշտ ընտրությունը կանխատեսում է ամբողջ հետազոտության հաջողությունը: Հետազոտության դիզայնը որոշող հիմնական հարցերն են․ yy Ի՞նչ նպատակով է կատարվում հետազոտությունը։ yy Հետազոտվող խնդիրը գիտական կամ կլինիկական նշանակություն ունի՞, թե՞ ոչ։ yy Նպատակին հասնելու համար ո՞րն է հետազոտության առավել հարմար պլանը։ Այսօրվա դրությամբ կա գիտական հետազոտությունների դասակարգման մի քանի մոտեցում։ Ըստ տվյալների հավաքման և վերլուծության մեթոդաբանության՝ հետազոտությունները լինում են քանակական և որակական։ Քանակական հետազոտությունները հնարավորություն են տալիս ուսումնասիրվող երևույթներին կամ գործընթացներին քանակական գնահատական տալ տեղեկատվություն հավաքելու և վիճակագրական վերլուծության ֆորմալացված մոտեցման և թվային եղանակով հետազոտվածներից հստակ տվյալներ ստանալու հիման վրա։ Տվյալների քանակական գնահատականը ենթադրում է միջինների կամ ցուցանիշների հաշվարկը, դրանց համեմատումը, ազդող գործոնների և ելքի միջև եղած կապի առկայության ու ուժգնության ուսումնասիրությունը։ Որակական հետազոտությունները հնարավորություն են տալիս հասկանալու, բացատրելու այն երևույթների կամ գործընթացների էությունը, որոնք դժվար կամ անհնար է չափել։ Հետազոտողը տեղեկություններ է հավաքում հետազոտվող անձանց դատողությունների, համոզմունքների, վարքագծի մասին, որպեսզի ուսումնասիրվեն նրանց ընդհանուր կարծիքը կամ հասարակության մեջ ընդունված վարքագծի դրդապատճառները։ Հետազոտվածների քանակը որակական հետազոտություններում փոքր է, օգտագործվում են տեղեկատվության հավաքման անհատականացված մեթոդներ՝ ուղիղ դիտում, հարցազրույց, ֆոկուս-խումբ, տեքստի կամ փաստաթղթի վերլուծություն: Ի տարբերություն քանակական հետազոտությունների՝ այս դեպքում տվյալների մեկնաբանման արդյունքները ներկայացվում են ոչ թե թվային,
ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԴԻԶԱՅՆ | 25
այլ տեքստային ձևաչափով։ Տվյալների արդյունավետ հավաքումը և մեկնաբանումը այս հետազոտություններում պայմանավորված են հետազոտողի վարպետությամբ, որը տվյալների հավաքման և վերլուծության գործընթացի ակտիվ մասնակից է։ Ըստ հետազոտության վարկածի/նպատակի հետազոտություները լինում են՝ օբսերվացիոն (observational) կամ դիտական և էքսպերիմենտալ (experimental) կամ փորձարարական (աղ. 3): Աղ յուսակ 3. Հետազոտությունների դիզայնի դասակարգումը 1.
Օբսերվացիոն (observational) կամ դիտական հետազոտություններ
1.1.
Դեպքի նկարագիր
1.2.
Դեպքերի սերիայի (մի շարք դեպքերի) նկարագիր
1.3.
Դեպք-ստուգիչ հետազոտություններ
1.4.
Լայնակի հետազոտություններ
1.5.
Կոհորտային (երկայնակի) հետազոտություններ
2.
Էքսպերիմենտալ (experimental) կամ փորձարարական հետազոտություններ
2.1.
Փորձարարական հետազոտություններ առանց ստուգիչ խմբերի առկայության
2.2
Փորձարարական հետազոտություններ ստուգիչ խմբերի առկայությամբ
2.2.1
Հետազոտություններ արտաքին, պատմական (ոչ զուգահեռ) ստուգիչ խմբերի օգտագործմամբ (համեմատություն նախկինում կատարված նմանատիպ հետազոտության արդյունքների հետ)
2.2.2.
Զուգահեռ կլինիկական փորձարկումներ (փորձարարական և ստուգիչ խմբերի միաժամանակ դիտումով)
●
ոչ ռանդոմիզացված հետազոտություններ
●
yy yy yy yy yy
2.2.3.
ռանդոմիզացված հետազոտություններ բաց սովորական «կույր» երկակի «կույր» եռակի «կույր»
Հետազոտություններ ինքնաստուգիչով
●
«մինչև-հետո» հետազոտություններ
●
խաչաձև հետազոտություններ
26 | Կենսաբանական վ իճակագրության հիմունքներ Օբսերվացիոն և փորձարարական հետազոտությունների միջև կան տարբերություններ: Դիտական հետազոտություններ կատարելիս հետազոտողները հետագա վերլուծության համար միայն դիտում և հաշվի են առնում հետազոտության օբյեկտի վրա ռիսկի տարբեր գործոնների ազդեցությունը, որոնք գործում են հետազոտողների կամքից անկախ: Դիտական հետազոտությունների գլխավոր առավելությունը դրանց կատարման հարաբերական պարզությունն է: Ի տարբերություն դիտականի՝ փորձարարական հետազոտությունները միշտ ընդգրկում են հետազոտողի որևէ կանխամտածված միջամտություն, օրինակ՝ բուժման նոր սխեմայի, նոր դեղամիջոցի, ախտորոշման նոր մեթոդի կիրառում և այլն: Ավելի հաճախ փորձարարական հետազոտությունների հիմնական նպատակը նոր դեղամիջոցի, բուժման նոր սխեմայի ավելի մեծ արդյունավետությունը կամ ախտորոշիչ նոր մեթոդի ավելի բարձր տեղեկատվությունն ապացուցելն է: Օբսերվացիոն և փորձարարական հետազոտություններում ուսումնասիրության օբյեկտներ կարող են լինել կենդանիները կամ մարդիկ:
| 27
ԴԻՏԱԿԱՆ (ՕԲՍԵՐՎԱՑԻՈՆ) ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
Ինչպես վերը նշվեց, դիտական հետազոտությունները (observational study) առանց կանխամտածված միջամտության են: Դիտական հետազոտություններից են դեպքի նկարագիրը, դեպքերի սերիայի նկարագիրը, դեպքստուգիչ հետազոտությունը, լայնակի և կոհորտային հետազոտությունները: Այդ հետազոտություններից առաջին երեքը նկարագրական են, իսկ մնացածը՝ վերլուծական:
ԴԵՊՔԻ ՆԿԱՐԱԳԻՐ
եպքի նկարագիրը (case report, case study) բժշկական հետազոտության Դ առավել հին եղանակ է: Այն տվյալների մանրակրկիտ շարադրանքն է, որոնք ստացվում են մեկ հիվանդի դիտման արդյունքում: Նման հետազոտություններն ապահովում են հիվանդության անսովոր դրսևորումների նկարագիրը, օգնում են ուսումնասիրելու հիվանդության ախտածագումը և առաջ քաշելու վարկածներ տվյալ հիվանդության պատճառաբանության և բուժման եղանակների մասին:
ԴԵՊՔԵՐԻ ՍԵՐԻԱՅԻ ՆԿԱՐԱԳԻՐ
Դեպքերի սերիայի նկարագիրը (case series) դիտական հետազոտություն է, որը նույն հիվանդության կամ նույն միջամտության օգտագործման արդյունքների ուսումնասիրությունն է մի քանի հիվանդի դեպքում (2-3-ից մինչև մի քանի հազար հիվանդ): Դեպքերի սերիան հիվանդության կլինիկական պատկերը նկարագրելու առավել տարածված եղանակն է: Այդպիսի հետազոտություններից հնարավոր է կարևոր արդյունքներ ստանալ, բայց դրանք միայն նախնական են, այլ ոչ թե վերջնական դիտումներ: Այս հետազոտությունների հիմնական թերությունը համեմատության խմբերի բացակայությունն է, ինչպես նաև այն, որ դեպքերն ուսումնասիրվում են ժամանակի տարբեր պահերին և հիվանդության ընթացքի տարբեր փուլերում։ Դեպքերի սերիայի նկարագիրը կարող է լինել ռետրոսպեկտիվ կամ պրոսպեկտիվ: Սովորաբար իրականացվում են այս հետազոտությունների ռետրոսպեկտիվ տեսակները: Տվյալները հավաքագրելու համար օգտագործվում են հիվանդության պատմությունները, հաշվետվական տեսակները, տվյալների բազաները:
28 | Կենսաբանական վիճակագրության հիմունքներ Պրոսպեկտիվ դիզայնը շատ հազվադեպ է կիրառվում: Նման է առանց ստուգիչ խմբի կլինիկական հետազոտւթյան: Ներքոհիշյալ հետազոտությունը ռետրոսպեկտիվ դիզայնի դեպքերի սերիայի նկարագրման հետազոտության օրինակ է: Այն իրականացվել էր 1981-1983 թթ. ԱՄՆ-ում ՁԻԱՀ-ն առաջին անգամ նկարագրելուց և դրա ախտանիշները որոշելուց մի քանի տարի անց: Հիվանդությունների վերահսկման կենտրոնի գիտնականները տվյալներ հավաքեցին ԱՄՆ-ում բնակվող 1000 հիվանդի մասին, որոնց ախտանիշները համապատասխանում էին տվյալ հիվանդության ախտորոշման չափանիշներին: Ընդ որում, նկարագրվել էին հիվանդների ժողովրդագրական և վարքագծային բնութագրերը և բարդությունները: Հիվանդների 50%-ի դեպքում հայտնաբերվել էր պնևմոցիստային թոքաբորբ, 28%-ի դեպքում՝ Կապոշի սարկոմա, 8%-ի դեպքում՝ այդ երկու հիվանդությունը միասին, 14%-ի դեպքում հայտնաբերվել են այլ վարակներ (ոչ պնևմոցիստային): Հիվանդների 94%-ը պատկանում էր նշված խմբերից մեկին կամ նույնիսկ մի քանիսին՝ տղամարդիկ՝ հոմո- կամ բիսեքսուալիստներ, ներերակային ճանապարհով թմրադեղ օգտագործող անձինք, Հաիթիում ծնված և հեմոֆիլիա ունեցող հիվանդներ: Այս հետազոտության մեջ ներառված չէր ՁԻԱՀ չունեցողներից բաղկացած ստուգիչ խումբը: Բացի դրանից, ՁԻԱՀ-ի ախտորոշման որոշ չափանիշներ նկարագրվել էին ավելի ուշ։ Այնուամենայնիվ, քանի որ դիտվող ուղեկցող հիվանդությունները շատ հազվադեպ են ՁԻԱՀ չունեցող անձանց դեպքում, և ռիսկի խմբերի բնութագրերը բավականին արտահայտիչ են, կատարված դեպքերի սերիայի նկարագրությունը պարզաբանեց պատկերացումը ՁԻԱՀ-ի մասին և սկիզբ դրեց ՄԻԱՎ վարակի դրսևորման և դրա ռիսկի գործոնների մանրամասն ուսումնասիրման փուլին: Որոշ հեղինակներ դեպքի նկարագիրը և դեպքերի սերիայի նկարագիրը չեն ընդգրկում հետազոտությունների դիզայնի դասակարգման մեջ, քանի որ, ինչպես վերը նշվեց, դրանք ունեն սոսկ նկարագրական բնույթ: Գիտական վարկածների կառուցումը հաճախ այդ հետազոտությունների արդյունք է, ուստի այդպիսի հետազոտությունները հաճախ նախորդում են այլ հետազոտություններին (կոհորտային, լայնակի, դեպք-ստուգիչ հետազոտություններին), որոնցում և կառուցված վարկածները ստուգվում են:
«ԴԵՊՔ-ՍՏՈՒԳԻՉ» ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
իցուք, Դուք՝ Դ քով հիվանդների շակի քիմիական ենթադրեցիք, որ
որպես կլինիցիստ, դիտարկում եք որևէ չարորակ ուռուցխումբ: Ընդ որում՝ գրեթե բոլոր հիվանդները նշել են որոնյութի ազդեցությանը ենթարկված լինելու մասին: Դուք այդ ուռուցքի զարգացումը պայմանավորված է տվյալ
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 29
քիմիական նյութի ազդեցությամբ: Ինչպե՞ս կարող եք ապացուցել կամ հերքել առաջ քաշված ենթադրությունը: Քննարկենք իրական օրինակ: XX դարի 40-ական թվականներին ավստրալացի ակնաբույժ Նորման Գրեգը ուսումնասիրում էր անսովոր տեսակի կատարակտով տառապող նորածին և կրտսեր տարիքի երեխաների խումբ: Գրեգը պարզեց, որ Գերմանիայում կարմրախտի համաճարակի ժամանակահատվածում այդ երեխաները մոր արգանդում էին: Նա ենթադրեց, որ պրենատալ շրջանում պտղի ինֆեկցիայի ազդեցության ենթարկվածության և անսովոր տեսակի կատարակտի զարգացման միջև կապ կա: Նշենք, որ այն ժամանակներում ոչինչ հայտնի չէր կարմրախտի վիրուսի արատածին (տերատոգեն) ազդեցության մասին, ուստի նա առաջարկեց վարկած սոսկ սեփական դիտումների տվյալների հիման վրա: Ենթադրենք, թե բժիշկը հաստատեց, որ կարմրախտի համաճարակի բռնկման ժամանակամիջոցում իր կողմից դիտարկվող նորածինների 90%-ը եղել է մոր արգանդում: Կարո՞ղ էր արդյոք դա ծանրակշիռ ապացույց լինել, որ կատարակտի զարգացումը պայմանավորված է կարմրախտով: Բնականաբար, պատասխանը պետք է լինի բացասական, քանի որ չնայած այդպիսի դիտարկումը կարող էր ուշագրավ լինել, այնուհանդերձ, դրա ճիշտ մեկնաբանությունը շատ դժվար կլիներ առանց երեխաների ստուգիչ խմբի տվյալների, որոնք չունեին այդ հիվանդությունը: Հնարավոր է, օրինակ, որ կատարակտ չունեցող նորածինների մայրերի 90%-ը նույնպես հղի է եղել կարմրախտի համաճարակի ժամանակամիջոցում: Այդ դեպքում հետազոտվող գործոնի ազդեցությանը ենթարկված լինելու հանգամանքը չպետք է տարբեր լիներ առողջ նորածինների և կատարակտով նորածինների մայրերի համար: Այսպիսով, հարցն այն է, որ պետք էր որոշել՝ կարմրախտի վիրուսի ազդեցության տարածվածությունն ավելի շատ էր կատարակտո՞վ նորածինների շրջանում առողջ նորածինների խմբի համեմատ, թե՞ ոչ: Դեպքերի խմբում տվյալ դիտարկման կարևորությունը որոշելու համար անհրաժեշտ է այդ խումբը համեմատել ստուգիչ խմբի հետ: Առանց նման համեմատության Գրեգի դիտարկումները կարող էին լինել հետաքրքիր, բայց ոչ գիտականորեն հիմնավորված: Համեմատությունը համաճարակաբանական հետազոտությունների կարևոր բաղադրիչ է և լավ լուսաբանվում է «դեպք-ստուգիչ» հետազոտությամբ:
«ԴԵՊՔ-ՍՏՈՒԳԻՉ» ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԴԻԶԱՅՆԸ
ամեմատությունները կատարվում են երկու խմբերի միջև. մեկում ընդՀ գրկված են որոշակի ախտաբանությամբ հիվանդներ («դեպք»), իսկ մյուսում՝
30 | Կենսաբանական վիճակագրության հիմունքներ առանց տվյալ ախտաբանության անձինք («ստուգիչ»): Ընդ որում, երկու խումբն էլ ընտրվում են միևնույն պոպուլ յացիայից, իսկ ստուգիչ խումբը պետք է ընտրվի՝ անկախ էքսպոզիցիայի կարգավիճակից: «Դեպք-ստուգիչ» հետազոտությունը (case control study) կարող է լինել ինչպես պրոսպեկտիվ (նկար 1) այնպես էլ ռետրոսպեկտիվ (նկար 2) (կամ էլ երկկողմանի): Տարբերությունն այն է, թե երբ են կատարվում «դեպքերը»՝ հետազոտությունը սկսելուց առա՞ջ, թե՞ դրա ընթացքում:
Նկար 1. Պրոսպեկտիվ հետազոտության սխեման
Նկար 2. Ռետրոսպեկտիվ հետազոտության սխեման
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 31
Ինչպես երևում է սխեմայից, պրոսպեկտիվ հետազոտության ժամանակ դեպքերի և ստուգիչ խմբերը հավաքագրվում են միաժամանակ: Հետազոտողն ինքն է ախտորոշում դեպքերը, կիրառում է միասնական մոտեցումներ, էքսպոզիցիայի կարգավիճակը որոշվում է ավելի հստակ, հիմնված չէ պատմական տվյալների և վերհիշման վրա: Ռետրոսպեկտիվ հետազոտության ժամանակ «դեպքերը» տեղի են ունեցել անցյալում, դրանք ախտորոշվել և գրանցվել են տարբեր հետազոտողների կողմից, հնարավոր է նաև օգտագործել տարբեր մոտեցումներ և չափորոշիչներ: Էքսպոզիցիայի կարգավիճակը որոշվում է պատմական տվյալների և հետազոտվողի վերհիշման հիման վրա: «Դեպք-ստուգիչ» հետազոտության նպատակը ելքի (հիվանդության զարգացման) և ռիսկի որոշակի գործոնների ազդեցության միջև կապի բացահայտումն է, այսինքն՝ հիվանդության էթիոլոգիայի ուսումնասիրությունը: Ստորև պատկերված է «դեպք-ստուգիչ» հետազոտության դիզայնը (նկ. 3): Անձինք, ովքեր ենթարկվել են տվյալ գործոնի ազդեցությանը
Անձինք, ովքեր չեն ենթարկվել տվյալ գործոնի ազդեցությանը
Անձինք, ովքեր տառապում են տվյալ հիվանդությամբ Դեպքերի խումբը
Անձինք, ովքեր ենթարկվել են տվյալ գործոնի ազդեցությանը
Անձինք, ովքեր չեն ենթարկվել տվյալ գործոնի ազդեցությանը
Անձինք, ովքեր չեն տառապում տվյալ հիվանդությամբ Ստուգիչ խումբը
Նկար 3. «Դեպք-ստուգիչ» հետազոտության դիզայնը
«Դեպք-ստուգիչ» հետազոտության կատարման հիպոթետիկ սխեման նշված է ստորև ներկայացված աղ յուսակում (աղ. 4): Հետազոտությունը սկսվում է տվյալ հիվանդությունն ունեցող և չունեցող հիվանդների խմբերի ընտրությամբ: Հետո հարցազրույցի և հիվանդության պատմությունների կամ արյան, մեզի կամ հյուսվածքի կենսաբանական անալիզների արդյունքների միջոցով որոշվում է հետազոտվող անձանց՝ տվյալ գործոնի ազդեցությանը ենթարկված լինելու փաստը: Եթե ուսումնասիրվող գործոնի ազդեցությունը երկակի հատկանիշ է, այսինքն՝ գործոնը ազդեցություն է ունեցել կամ չի ունեցել, ապա հնարավոր է բաժանումը 4 խմբի: «Դեպքերի» խմբի մասնակիցները բաժանվում են գործոնի ազդեցությանը a-ենթարկվածների և c-չենթարկվածների խմբերի: «Ստուգիչ» խմբի մասնակիցները նույնպես
32 | Կենսաբանական վ իճակագրության հիմունքներ բաժանվում են b-ենթարկվածների և d-չենթարկվածների խմբերի: Այսպիսով, «դեպքերի» ընդհանուր քանակը կազմում է a+b, իսկ «ստուգիչ» խմբի ընդհանուր քանակը՝ c+d: Եթե տվյալ գործոնի ազդեցության և հիվանդության զարգացման միջև գոյություն ունի որոշակի կապ, ապա պետք է սպասել, որ «դեպքերի» խմբում գործոնի ազդեցությանը ենթարկված անձանց տեսակարար կշիռը (a/a+c) ավելի մեծ կլինի «ստուգիչ» խմբում նրանց (b/b+d) տեսակարար կշռի համեմատ: Աղ յուսակ 4. «Դեպք-ստուգիչ» հետազոտության դիզայնը 1. Սկզբում՝ խմբերի ընտրանք
2. Հետո որոշվում է ենթարկվածությունը ուսումնասիրվող գործոնի ազդեցությանը
Դեպքերի խումբ
Ստուգիչ խումբ
ենթարկված են գործոնի ազդեցությանը
a
b
ենթարկված չեն գործոնի ազդեցությանը
c
d
a+c
b+d
a/a+c
b/b+d
Ընդամենը գործոնի ազդեցությանը ենթարկված անձանց մասը
«Դեպք-ստուգիչ» հետազոտության արդյունքում ստացված տվյալները հնարավորություն են տալիս հաշվարկելու երևույթի զարգացման հնարավորությունների հարաբերությունը (odds ratio) «դեպքերի» խմբում՝ «ստուգիչ» խմբում երևույթի առաջացման շանսերի նկատմամբ: Հնարավորությունը խմբում տվյալ երևույթի զարգացմամբ մարդկանց քանակի հարաբերությունն է այն մարդկանց քանակին, որոնց շրջանում երևույթը չի զարգացել: Այսպես՝ եթե 100 մարդուց կազմված խմբում երևույթի հաճախականությունը (event rate) հավասար է 0.20, ապա դա նշանակում է, որ 20 մարդու դեպքում երևույթը զարգացել է, իսկ 80-ի դեպքում չի զարգացել, և շանսը կազմելու է 20/80 կամ 0.25: Եթե շանսերի հարաբերությունը հավասար է մեկի (=1), ապա նշանակում է, որ հետազոտվող խմբերի միջև տարբերություն չկա: Իսկ եթե շանսերի հարաբերությունը մեծ է մեկից (>1), ապա նշանակում է, որ հիվանդության զարգացման ռիսկը ենթարկվածների խմբում մեծ է չենթարկվածների խմբի համեմատ:
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 33
«Դեպք-ստուգիչ» հետազոտության կատարման հիպոթետիկ օրինակ է նաև այն ուսումնասիրությունը (աղ. 5), որն անցկացվել է ծխելու և կորոնար հիվանդության զարգացման միջև կապը բացահայտելու համար: Հետազոտությունը սկսվել է պսակաձև անոթների հիվանդություն ունեցող 200 հիվանդների («դեպքերի» խումբ) և տվյալ հիվանդությունը չունեցող 400 անձանց («ստուգիչ» խումբ) համեմատումից: Ծխելու և կորոնար հիվանդության միջև կապի առկայության դեպքում մենք պետք է նախատեսած լինեինք, որ կորոնար հիվանդությամբ անձանց շրջանում ծխողների տեսակարար կշիռը ավելի մեծ է լինելու, քան «ստուգիչ» խմբում: Աղ յուսակ 5. «Դեպք-ստուգիչ» հետազոտության հիպոթետիկ օրինակ՝ ծխելու և պսակաձև անոթների հիվանդության զարգացման միջև կապը ուսումնասիրելու վերաբերյալ Կորոնար հիվանդություն ունեցող հիվանդներ
Կորոնար հիվանդություն չունեցող անձինք
Ծխողների քանակը
Չծխողների քանակը
Ընդամենը
Ծխողների %-ը
56.0
44.0
Հետազոտության ընթացքում պարզվեց, որ պսակաձև անոթների հիվանդություն ունեցող 200 հիվանդից ծխում էր 112-ը, իսկ 88-ը՝ ոչ, մինչդեռ «ս տուգիչ» խմ բում 400 ան ձից ծխում էր 176-ը, ի սկ 224-ը՝ ոչ: Այս պի սով, ծխողների տեսակարար կշիռը «դեպք» և «ստուգիչ» խմբերում կազմեց համապատասխանաբար՝ 56% և 44%: Շանսերի հարաբերությունը տվյալ դեպքում կազմում է՝
112/176 88/224
= 1.6
ա նշանակում է, որ ծխողների շրջանում կորոնար հիվանդության զարԴ գացման շանսը 1.6 անգամ մեծ է՝ չծխողների համեմատությամբ: Հարկ է նշել, որ օգտագործելով «դեպք-ստուգիչ» հետազոտության տվյալները՝ մենք չենք կարող գնահատել բնակչության շրջանում ուսումնասիրվող հիվանդության իրական տարածվածությունը, որից ընտրվել են համեմատվող երկու խմբերը: Նշված օրինակում հետազոտության մեջ ընդգրկված էին
34 | Կենսաբանական վ իճակագրության հիմունքներ պսակաձև անոթների հիվանդությամբ 200 հիվանդ և տվյալ հիվանդությունը չունեցող 400 անձ: Սակայն դա չի նշանակում, որ պսակաձև անոթների հիվանդության տարածվածությունը 33% է կամ 200/(200+400): Հետազոտության մեջ «դեպքերի» և «ստուգիչ» խմբերում ընդգրկվող անձանց քանակը սահմանվում է հետազոտողի կողմից և կամայական որոշում է: Վերը նշված օրինակում հետազոտողը կարող էր ընդգրկել, դիցուք՝ 200 հիվանդի և 200 առողջի կամ 200 հիվանդի և 800 առողջի: Ի վերջո նշենք, որ «դեպք-ստուգիչ» հետազոտության առանձնահատկությունն այն է, որ տվյալ հետազոտությունը սկսվում է որոշակի հիվանդություն ունեցող («դեպքերի խումբ») և այդ հիվանդությունը չունեցող («ստուգիչ խումբ») անձանց խմբերի ձևավորմամբ և նրանց հետագա համեմատությամբ: Ի տարբերություն «դեպք-ստուգիչ» հետազոտության՝ կոհորտային հետազոտությունը, օրինակ, սկսվում է ուսումնասիրվող գործոնի ազդեցությանը ենթարկված և չենթարկված մարդկանց խմբերի ձևավորմամբ և համեմատությամբ: Որոշ դեպքերում հանդիպում ենք այն սխալ կարծիքին, թե «դեպք-ստուգիչ» և կոհորտային հետազոտությունների հիմնական տարբերությունն այն է, որ կոհորտային հետազոտությունը պրոսպեկտիվ է, իսկ «դեպք-ստուգիչ» հետազոտությունը՝ ռետրոսպեկտիվ: Բայց, ինչպես հայտնի է, ռետրոսպեկտիվ կոհորտային հետազոտություններում ևս հետազոտողներն օգտագործում են անցյալում արձանագրված տվյալներ: Այսպիսով, օրացուցային ժամանակը կոհորտային և «դեպք-ստուգիչ» հետազոտությունների համար տարբերակիչ հատկանիշ չէ: Միակ բանը, որն իրականում տարբերիչ է հետազոտությունների այս երկու դիզայնի համար, դրանց մեթոդաբանությունն է, այսինքն՝ արդյոք հետազոտությունը սկսվե՞լ է հիվանդների և առողջների խմբերի ձևավորմամբ («դեպք-ստուգիչ» հետազոտություն) կամ դիտվող գործոնի ազդեցությանը ենթարկված և չենթարկված խմբերի ձևավորմամբ (կոհորտային հետազոտություն), թե՞ ոչ: «Դեպք-ստուգիչ» հետազոտությունների հիմնական առավելություններն են․ 1. «Դեպք-ստուգիչ» հետազոտությունները կարող են օգտագործվել հիվանդության էթիոլոգիայի և կլինիկական ընթացքն ուսումնասիրելու համար։ 2. Դեպք-ստուգիչ» տիպով հետազոտությունները հնարավորություն են տալիս բացահայտելու հիվանդության առանձին դեպքերը և համեմատություններ կատարելու՝ անկախ դրանց տարածվածությունից, ուստի դրանք հնարավորություն են տալիս դիտարկել հազվադեպ հիվանդություններ, ինչպես նաև հիվանդություններ, որոնք ունեն երկարատև լատենտ շրջան էքսպոզիցիայի և մանիֆեստացիայի միջև։ 3. «Դեպք-ստուգիչ» հետազոտությունները թանկ չեն կոհորտային հետազոտությունների համեմատ։
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 35
4. «Դեպք-ստուգիչ» հետազոտությունները կարող են սկսվել և կատարվել կարճ ժամանակահատվածում, քանի որ «դեպքերի» խումբը կարելի է հավաքել մասնագիտացված կլինիկաներում կամ էլ հիվանդությունների ռեգիստրներից, այլ ոչ թե փնտրել կամ սպասել դեպքերի ի հայտ գալուն ռիսկի որոշակի պոպուլ յացիայում։ 5. «Դեպք-ստուգիչ» հետազոտությունները հնարավորություն են տալիս ուսումնասիրելու հիվանդությունների առաջացման և զարգացման բազմակի պատճառային ազդակները (էքսպոզիցիաները): «Դեպք-ստուգիչ» հետազոտությունների թերություններից են սիստեմատիկ սխալներին ենթարկված լինելը, քանի որ էքսպոզիցիային և անամնեզին վերաբերող տեղեկատվությունը հիմնվում է նախ և առաջ հարցման տվյալների վրա և կարող է ենթարկվել ընտրանքի կանխամտածությանը: Էքսպոզիցիայի մասին տեղեկատվության հաստատումը շատ հաճախ բարդ է, ոչ լրիվ կամ անգամ անհնարին: «Դեպք-ստուգիչ» հետազոտություններում կարևոր խնդիր է դեպքերի ընտրանքի ներկայացուցչականության ապահովումը, քանի որ ընտրանքը սովորաբար ձևավորվում է միայն հիվանդներից, որոնք ստացիոնար բուժման մեջ են գտնվում: Բացի դրանից, հետազոտության այս դիզայնը հարմար չէ հազվադեպ ազդակները (էքսպոզիցիաները) ուսումնասիրելու համար: Լուրջ խնդիր է համապատասխան ստուգիչ խումբ կազմելը:
ԼԱՅՆԱԿԻ (ՀԱՏՈՒՅԹԱՅԻՆ, ՏԱՐԱԾՎԱԾՈՒԹՅԱՆ)
ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
Լայնակի հետազոտությունները (cross-sectional study, prevalence study, survey), ի տարբերություն երկայնակի հետազոտությունների, դիտական հետազոտություններ են, որոնք հիվանդությունների (կամ առողջության վիճակի այլ բնութագրերի) և այլ դիտվող փոփոխականների միջև կապը որոշակի պոպուլ յացիայում դիտում են ժամանակի կոնկրետ պահին (և՛ հիվանդությունը, և՛ դրա առաջացման գործոնները գնահատվում են միաժամանակ): Այսինքն՝ լայնակի հետազոտություններում յուրաքանչյուր հետազոտվողի (մասնակցի) զննումը կատարվում է մեկ անգամ: Արդյունքում կարելի է նկարագրել մեկ հետազոտվողի կամ հետազոտվողների խմբում հիվանդության պատկերը, ճշտել ախտանշանությունը (սիմպտոմատիկան), առանձին ախտանիշները կապել հիմնական ախտորոշմամբ և հիվանդության ծանրությամբ, այսինքն՝ լուծել բազում կարևոր հարցեր: Այս հետազոտությունները կիրառվում են լայնորեն: Առավել հաճախ միամոմենտ հետազոտությունների նպատակ բնակչության շրջանում տվյալ պահին որևէ հիվանդությանը վերաբերող իրադրություն ուսումնասիրելն է: Այս հետազոտությունները
36 | Կենսաբանական վիճակագրության հիմունքներ հնարավորություն են տալիս որոշելու հիվանդության և դրա առաջացմանը նպաստող կամ խոչընդոտող գործոնների տարածվածությունը, որով պայմանավորված՝ այս հետազոտությունները երբեմն կոչվում են տարածվածության հետազոտություններ: Տարածվածությունը (prevalence) հիվանդության նշաններ ունեցող (ըստ մշակված չափորոշիչների) անձանց քանակի հարաբերությունն է հետազոտվածների քանակին: Լայնակի հետազոտություններում տեղեկատվության աղբյուր են ինչպես բնակչության շրջանում իրականացվող հարցումները, այնպես էլ բժշկական զննումները: Շատ հաճախ հիվանդությունների տարածվածության տվյալներն օգտագործվում են պատճառաբանական եզրահանգումներ կատարելու համար, ուստի չափազանց կարևորվում է լայնակի հետազոտությունների սահմանափակումների իմացությունը:
ԼԱՅՆԱԿԻ ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԴԻԶԱՅՆԸ
Ստորև ներկայացված լայնակի հետազոտության դիզայնի սխեմայից (նկ. 4) երևում է, որ սկզբում որոշվում է պոպուլ յացիան կամ ընտրովի ամբողջությունը, որը ենթակա է հետազոտման: Այնուհետև, տվյալները հավաքելով, որոշվում է ուսումնասիրվող գործոնի ազդեցության առկայությունը և հետազոտվողներից յուրաքանչյուրի դեպքում տվյալ հիվանդության (վիճակի) առկայությունը: Այսպիսով, նրանցից յուրաքանչյուրը կարող է ներառվել 4 հնարավոր խմբերից մեկում: Պոպուլյացիայի կամ ընտրովի ամբողջության որոշումը
Գործոնի ազդեցության և հիվանդության առկայության մասին տեղեկությունների հավաքում
Կա գործոնի ազդեցություն, կա հիվանդություն
Կա գործոնի ազդեցություն, չկա հիվանդություն
Չկա գործոնի ազդեցություն, կա հիվանդություն
Չկա գործոնի ազդեցություն, չկա հիվանդություն
Նկար 4. Լայնակի հետազոտության դիզայնը (| սխեմա)
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 37
Ստացված տվյալները կարող են ներկայացվել նաև ստորև բերված նկարներով (աղ. 6 և 7), որոնք ևս պատկերում են լայնակի հետազոտության արդյունքների մեկնաբանության երկու մոտեցումները: Ինչպես երևում է նկարներից, n թվով ընտրովի ամբողջությունում հետազոտվածներից յուրաքանչյուրի համար որոշվում է գործոնի ազդեցության և հիվանդության առկայությունը: Այսպես՝ a խմբում ի հայտ է բերվել և՛ գործոնի ազդեցության առկայությունը, և՛ հիվանդության առկայությունը, b խմբում՝ գործոնի ազդեցության առկայությունը, բայց հիվանդության բացակայությունը, c խմբում՝ գործոնի ազդեցության բացակայությունը, բայց հիվանդության առկայությունը, d խմբում բացահայտվել է և՛ գործոնի ազդեցության բացակայությունը, և՛ հիվանդության բացակայությունը: Աղ յուսակ 6. Լայնակի հետազոտության դիզայնը (|| սխեմա) Հիվան դության առկայու թյուն
Հիվանդու թյան բացակա յություն
Հիվանդության տարածվածու թյունը ռիսկի գործոնի ազդեցությանը ենթարկվածների և չենթարկվածների շրջանում
ռիսկի գործոնի առկայություն
a
b
a/(a+b)
ռիսկի գործոնի բացակայություն
c
d
c/(c+d)
Գործոն, հիվանդություն
Հետազոտվող ռիսկի գործոնի ազդեցության և հիվանդության առաջացման միջև կապի առկայությունը որոշելու համար կա երկու հնարավորություն: Կարելի է որոշել ռիսկի գործոնի ազդեցությանը ենթարկված անձանց շրջանում հիվանդության տարածվածությունը (a/(a+b)) և այն համեմատել գործոնի ազդեցությանը չենթարկված անձանց հիվանդության տարածվածության մակարդակի հետ (c/(c+d)), կարելի է նաև համեմատել ռիսկի գործոնի ազդեցության տարածվածությունը տվյալ հիվանդությունն ունեցող (a/(a+c)) և չունեցող (b/(b+d)) անձանց շրջանում:
38 | Կենսաբանական վ իճակագրության հիմունքներ Աղ յուսակ 7. Լայնակի հետազոտության դիզայնը (||| սխեմա) Հիվանդության առկայություն
Հիվանդության բացակայություն
գործոնի առկայություն
a
b
գործոնի բացակայություն
c
d
a/(a+c)
b/(b+d)
Գործոն (հիվանդություն)
գործոնի ազդեցության տարածվածությունը տվյալ հիվանդությունն ունեցող և չունեցող անձանց դեպքում
Այսպիսով, հիվանդության տարածվածությունը ռիսկի գործոնի ազդեցությանը ենթարկված և չենթարկված անձանց շրջանում համապատասխանաբար կազմում է a/(a+b)՝ c/(c+d)-ի փոխարեն: Ռիսկի գործոնի ազդեցության տարածվածությունը հիվանդների և առողջների շրջանում համապատասխանաբար կազմում է a/(a+c)՝ b/(b+d)-ի փոխարեն: Ինչպես վերը նշվեց, լայնակի հետազոտությունները բավական հաճախ են կատարվում՝ պայմանավորված մի շարք առավելություններով: Լայնակի հետազոտությունները մյուս վերլուծական դիտական հետազոտությունների համեմատությամբ պարզ են և մատչելի, կատարման համար անհրաժեշտ է հարաբերականորեն կարճատև ժամանակ: Այդ պատճառով դրանք հաճախ կիրառվում են առողջապահական ծրագրեր նախաձեռնելու և գնահատելու նպատակով: Լայնակի հետազոտությունները հնարավորություն են տալիս որոշելու հիվանդությունների կամ ուսումնասիրվող ռիսկի գործոնների ազդեցության տարածվածությունը բնակչության շրջանում: Այս հետազոտությունները հաճախ առաջին քայլն են ռիսկի գործոնները որոնելու և վարկածները ձևակերպելու ուղղությամբ: Միևնույն ժամանակ լայնակի հետազոտություններն ունեն նաև մի շարք էական թերություններ. yy Այս հետազոտությունները չեն բացահայտում պատճառահետևանքային կապերը, այսինքն՝ հնարավորություն չեն տալիս ճիշտ պատկերացում կազմելու հիվանդությունների զարգացման պատճառների մասին: Օրինակ՝ եթե լայնակի հետազոտության մեջ ինսուլտով հիվանդների 30%-ի դեպքում բացահայտվել է դեպրեսիա, դա դեռ չի նշանակում, որ դեպրեսիա չունեցող՝ ինսուլտով հիվանդների 30%-ի դեպքում այն զարգանալու է հետագայում: Դա կարող է նշանակել, որ դեպրեսիան նախատրամադրում է ինսուլտի
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 39
զարգացմանը, կամ ինսուլտը հանգեցնում է դեպրեսիայի զարգացմանը, կամ էլ դեպրեսիա չունեցող՝ ինսուլտով հիվանդներն ավելի արագ են ապաքինվում: yy Լայնակի հետազոտության դեպքում հետազոտողների տեսադաշտում հայտնվում են միայն տվյալ, այսինքն՝ հետազոտության պահին հայտնաբերված հիվանդները, հաշվի չեն առնվում տվյալ հիվանդությունից մահացածները, ապաքինվածները և այլ պատճառներով հետազոտությունից դուրս մնացած հիվանդները: Դա հանգեցնում է հիվանդության դեպքերի հաճախականության թերագնահատմանը: Այսպիսով, տարածվածության ցուցանիշը լիարժեք չի արտացոլում հիվանդության զարգացման իրական հաճախականությունը: yy Քանի որ միամոմենտ հետազոտությունները չեն ընդգրկում ժամանակային միջակայք, ուստի դրանց արդյունքները կանխատեսական նշանակություն ունենալ չեն կարող. yy Դրանք բնութագրում են իրավիճակը միայն տվյալ պահին: yy Միամոմենտ հետազոտությունները սովորաբար ներառում են բնակչության մեծ քանակակազմ, և որքանով փոքր է հիվանդության տարածվածությունը, այնքանով մեծ պետք է լինի այդ քանակակազմը՝ ի հայտ բերելու համար հիվանդության դեպքերի բավականաչափ քանակը: Այս հետազոտությունները չեն կիրառվում հազվադեպ երևույթներ ուսումնասիրելու համար: yy Լայնակի հետազոտության ընթացքում հիվանդ և առողջ անձանց բնութագրեր համադրելիս առաջանում են որոշ դժվարություններ: Որոշ բնութագրեր, որոնք հայտնաբերվում են լայնակի հետազոտության ընթացքում հիվանդություն ունեցող անձանց շրջանում, կարող են չհամընկնել հիվանդության զարգացման սկզբնական փուլում եղած բնութագրերին: Այսպես՝ սրտի իշեմիկ հիվանդություն ունեցող միջին տարիքի անձանց սննդի առանձնահատկությունների դիտումն ունի սահմանափակ նշանակություն, քանի որ աթերոսկլերոզը սկսում է զարգանալ արդեն իսկ պատանեկան տարիքում, բացի դրանից, հիվանդացած մարդը կարող էր փոխել սննդի բնույթը հիվանդության պատճառով: Նշված բոլոր թերությունները սահմանափակում են լայնակի հետազոտությունների կիրառումը պոպուլ յացիայում:
ԿՈՀՈՐՏԱՅԻՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
ոհորտային (սերտախմբային) հետազոտությունը (cohort study) օբսերԿ վացիոն հետազոտություն է, որի դեպքում ըստ որոշված հատկանիշների առանձնացված մարդկանց խումբը (կոհորտան) դիտարկվում է որոշակի ժամանակահատվածում, և համեմատվում են ուսումնասիրվող գործոնի
40 | Կենսաբանական վիճակագրության հիմունքներ (կամ մի քանի գործոնի) ազդեցությանը ենթարկված, չենթարկված կամ էլ որոշ չափով ենթարկված անձանց ուսումնասիրության արդյունքները (նկ. 5):
Անձինք` առանց գործոնի ազդեցության առկայության
Անձինք` գործոնի ազդեցության առկայությամբ
հիվանդություն
հիվանդություն
հիվանդություն
հիվանդություն
կա
չկա
կա
չկա
Նկար 5. Կոհորտային հետազոտության դիզայնը
Կոհորտային հետազոտությունները կոչվում են նաև. yy Երկայնակի կամ երկայնաձիգ (longitudinal study)՝ ընդգծելով, որ հիվանդները դիտարկվում են ժամանակի մեջ: yy Հիվանդացության հետազոտություններ (incidence study)՝ ու շադ րություն դարձնելով այն փաստին, որ գնահատման հիմնական եղանակը հիվանդության նոր դեպքերի արձանագրումն է որոշակի ժամանակահատվածում: Կոհորտային հետազոտություններում դիտարկման ժամանակը կարող է լինել մի քանի օրից (սուր հիվանդությունների դեպքում) մինչև մի քանի տասնյակ տարիներ (երկարատև լատենտ շրջանով հիվանդություններ ուսումնասիրելու դեպքում): Ավելի հաճախ կոհորտային հետազոտությունների նպատակը պատճառագիտական վարկածներն ապացուցելն է, այսինքն՝ հիվանդության զարգացման պատճառների և ռիսկի գործոնների որոնումը: Ուսումնասիրվող գործոնի ազդեցության և հիվանդության զարգացման միջև կապի առկայության դեպքում տվյալ հիվանդության զարգացմամբ անձանց ավելի մեծ տեսակարար կշիռ (նոր դեպքերի հաճախականությունը ռիսկի գործոնի ազդեցությանը ենթարկվածների) պետք է դիտվեր այն անձանց շրջանում, ովքեր ենթարկված են եղել դիտվող ռիսկի գործոնի ազդեցությանը՝ հիվանդացածների շրջանում տեսակարար կշռի համեմատ, ովքեր չեն ենթարկվել ռիսկի գործոնի ազդեցությանը (նոր դեպքերի
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 41
հաճախականությունը ռիսկի գործոնի ազդեցությանը չենթարկվածների դեպքում): Ինչպես երևում է ստորև ներկայացված տվյալներից (աղ. 8), հետազոտությունը սկսվում է ուսումնասիրվող գործոնի (գործոնների) ազդեցությանը ենթարկված և չենթարկված անձանց ընտրանքից: Կարևոր է նշել, որ դիտումը սկսելու պահին երկու խմբի անձանց դեպքում հետազոտվող հիվանդությունը (վիճակը) բացակայում է: Ռիսկի գործոնի ազդեցությանը ենթարկվածների (a+b) շրջանում հիվանդությունը զարգացել է a խմբում: Այսպիսով, գործոնի ազդեցությանը ենթարկված անձանց շրջանում հիվանդության նոր դեպքերի հաճախականությունը (միջադեպային ցուցանիշը) հավասար է լինելու a/(a+b): Նույնն էլ ռիսկի գործոնի ազդեցությանը չենթարկված անձանց (c+d) շրջանում. հիվանդությունը զարգացել է c-խմբում, այսինքն՝ գործոնի ազդեցությանը չենթարկված անձանց շրջանում. միջադեպային ցուցանիշը հավասար է լինելու c/(c+d): Ստացված տվյալները հնարավորություն են տալիս հաշվարկելու հիվանդության զարգացման հարաբերական ռիսկը (Relative Risk - RR), այսինքն՝ ազդեցությանը ենթարկվածների խմբի ռիսկի հարաբերությունը չենթարկվածների խմբի ռիսկին: Ռիսկը (մասնաբաժինը, հավանականությունը կամ տոկոսը) տվյալ երևույթի զարգացմամբ անձանց քանակի հարաբերությունն է խմբի անդամների ընդհանուր քանակին: Աղ յուսակ 8. Կոհորտային հետազոտության դիզայնը 2. Հետևում են ուսում նասիրվող հիվանդու թյան զարգացմանը Բնութագրեր
1. Սկզբում մարդկանց խմբերի ընտրանք
Ընդա մենը
Միջա դեպային ցուցանիշ
Հիվան դությունը զարգա ցել է
Հիվան դությունը չի զար գացել
ռիսկի գործոնի ազդեցությանը ենթարկվածներ
a
b
a+b
a/(a+b)
ռիսկի գործոնի ազդեցությանը չենթարկվածներ
c
d
c+d
c/(c+d)
42 | Կենսաբանական վիճակագրության հիմունքներ արաբերական ռիսկը գնահատվում է այնպես, ինչպես շանսերի հարաՀ բերության ցուցանիշը: Եթե այն հավասար է մեկի (=1), ապա դա նշանակում է, որ համեմատվող խմբերի միջև տարբերություն չկա: Եթե հարաբերական ռիսկը մեծ է մեկից (>1), ապա դա նշանակում է, որ հիվանդության զարգացման ռիսկը գործոնի ազդեցության ենթարկվածների խմբում ավելի մեծ է, քան չենթարկվածների խմբում: Քանակապես հարաբերական ռիսկը (RR) միշտ ցույց է տալիս խմբերի միջև ավելի փոքր տարբերությունները՝ շանսերի հարաբերության (OR) ցուցանիշի համեմատ: Բայց, հազվադեպ հիվանդությունների դեպքում, երբ աղ յուսակ 4-ում a և c արժեքները ներկայացած են եզակի դեպքերով, իսկ b և d արժեքները հսկայաթիվ են, օրինակ՝ եթե յուրաքանչյուր խմբում դիտվեր թվով 10 000-ական մարդ, ապա b≈a+b, իսկ d≈c+d: Տվյալ դեպքում RR≈OR: Ցանկացած դեպքում համեմատվող խմբերի միջև եղած տարբերության մասին վստահ եզրակացություններ անել կարելի է միայն ցուցանիշների միջև ի հայտ եկած տարբերությունների վիճակագրական նշանակությունը գնահատելուց հետո: Միջադեպային ցուցանիշի և հարաբերական ռիսկի հաշվարկները ներկայացված են ծխելու և պսակաձև անոթների հիվանդության զարգացման միջև կապի ուսումնասիրության վերաբերյալ հիպոթետիկ կոհորտային հետազոտության օրինակում (աղ. 9): Աղ յուսակ 9. Ծխելու և կորոնար հիվանդության զարգացման միջև կապի ուսումնասիրության հիպոթետիկ կոհորտային հետազոտության արդյունքները 2. Հետևում են ուսումնասիրվող հիվանդության զարգացմանը Պսակաձև անոթների հիվանդու թյան զարգա ցում
Պսակաձև անոթների հիվանդության բացակայու թյուն
Ընդա մենը
Միջա դեպային ցուցանիշ, 1000 մար դու հաշվով
ծխողներ
28.0
չծխողներ
17.4
Բնութագրեր
1. Սկզբում մարդկանց խմբերի ընտրում
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 43
Ինչպես երևում է ներկայացված աղ յուսակից, տվյալ հետազոտության մեջ առանձնացվել է կոհորտա (խումբ)՝ բաղկացած 3000 ծխողից և 5000 չծխողից: Հետազոտվող անձինք հետազոտության սկզբում կորոնար հիվանդություն չեն ունեցել: Երկու խմբերը դիտարկվել են երկարատև ժամանակահատվածում՝ պսակաձև անոթների հիվանդության նոր դեպքեր հայտնաբերելու նպատակով: Պսակաձև անոթների հիվանդությունը զարգացել է 84 ծխողների և 87 չծխողների շրջանում: Այնուհետև պսակաձև անոթների հիվանդության զարգացման նոր դեպքերի հաճախականությունը համեմատվել է երկու խմբում: Ի վերջո, հիվանդության միջադեպային ցուցանիշը ծխողների դեպքում կազմել է (84/3000)*1000=28.0, իսկ չծխողների դեպքում՝ (87/5000)*1000=17.4: Հարաբերական ռիսկը հավասար է 28.0/17.4=1.6: Դա նշանակում է, որ ծխելը պսակաձև անոթների հիվանդության զարգացման ռիսկը մեծացնում է 60%-ով: Պետք է ուշադրություն դարձնել, որ քանի որ հիվանդության նոր դեպքերը նշվում են ժամանակի ընթացքում դրանց հետզհետե ի հայտ գալուն պես, ուստի դա հնարավորություն է տալիս հստակեցնելու դիտարկվող գործոնի ազդեցության և տվյալ հիվանդության զարգացման միջև ժամանակային կապի առկայությունը, այսինքն՝ հստակեցնել՝ արդյոք ռիսկի գործոնի ազդեցությունը նախորդե՞լ է հիվանդության զարգացմանը, թե՞ ոչ: Պարզ է, որ այդպիսի ժամանակային կապը կարող է հստակեցված լինել, եթե ուսումնասիրվող գործոնը դիտարկվում է որպես տվյալ հիվանդության հնարավոր պատճառ:
ԿՈՀՈՐՏԱՅԻՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ՏԵՍԱԿՆԵՐԸ
ոհորտային հետազոտությունների հիմնական խնդիրն այն է, որ ուսումԿ նասիրվող հիվանդության նոր դեպքեր հայտնաբերելու համար հետազոտվող խումբը պետք է դիտարկվի երկարատև ժամանակաշրջանում: Որպես օրինակ դիտենք հիպոթետիկ հետազոտությունը՝ ծխելու և թոքերի քաղցկեղի զարգացման միջև փոխադարձ կապի ուսումնասիրության վերաբերյալ: Ենթադրենք՝ հետազոտողների կողմից առանձնացվել և 10 տարիների ընթացքում դիտարկվել է դպրոցականների որոշակի խումբ: Տասը տարի անց բոլոր հետազոտվողները բաժանվել են 2 խմբի՝ ծխողների և չծխողների: Այդ երկու խմբում դիտարկումը շարունակվել է թոքերի քաղցկեղի զարգացման դեպքերը հայտնաբերելու նպատակով: Ենթադրենք, թե հետազոտությունը սկսվել է 1995 թվականին (նկ. 6), և լատենտ շրջանը ծխելու պահից մինչև թոքերի քաղցկեղի զարգացումը 10 տարի է:
44 | Կենսաբանական վ իճակագրության հիմունքներ Բնակչություն
Ռանդոմիզացիան բացակայում է
Ենթարկվածություն գործոնի ազդեցությանը
հիվանդություն կա
հիվանդություն չկա
Գործոնի ազդեցության բացակայություն
հիվանդություն կա
հիվանդություն չկա
Նկար 6. Հիպոթետիկ զուգահեռ կոհորտային հետազոտություն՝ սկսված 1995 թ.
անի որ հետազոտվող դպրոցականների խմբի առանձնացման պահից Ք մինչև դեռահասության շրջանում ծխելու հանդեպ նրանց վերաբերմունքի որոշման ժամանակահատվածը շուրջ 10 տարի է, հասկանալի է, որ ծխելու հանդեպ նրանց վերաբերմունքը որոշված չի լինելու 2005 թվականից շուտ, իսկ թոքերի քաղցկեղի զարգացման փաստը չի կարող հաստատված լինել 2015 թվականից շուտ: Նշված դիզայնի տեսակը կոչվում է զուգահեռ կամ պրոսպեկտիվ կոհորտային հետազոտություն (concurrent, prospective cohort study): Այն կոչվում է զուգահեռ, որովհետև հետազոտողը որոշում է ելակետային ամբողջությունը հետազոտության ամենասկզբում և ըստ էության ուղեկցում է հետազոտության մասնակիցներին օրացուցային ժամանակի ընթացքում՝ մինչև ուսումնասիրվող հիվանդության զարգացումը: Խնդիրն այն է, որ ձեռնարկված հետազոտությունը պետք է շարունակվի մինչև ավարտին հասցնելը՝ մոտ 20 տարի, ինչի հետևանքով ծագում են մի շարք խնդիրներ: Նախ՝ այդպիսի երկարատև հետազոտության համար անհրաժեշտ են շատ մեծ ծախսեր և ժամանակ: Հետազոտության երկարատևությամբ պայմանավորված՝ վտանգ կա, որ հետազոտվողներից շատերը տարբեր պատճառներով կարող են դուրս մնալ դիտարկումից, կամ հետազոտողը կարող է չապրել մինչև հետազոտության ավարտը: Նշված խնդիրներով պայմանավորված՝ հետազոտողների համար սովորաբար պրոսպեկտիվ հետազոտությունները գրավիչ չեն: Մի՞թե այդ խնդիրների պատճառով կարելի է համարել, որ կոհորտային հետազոտությունները պրակտիկ չեն: Քննարկենք կոհորտային հետազոտության անցկացման մեկ այլ մոտեցում (նկ. 7):
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 45
Բնակչություն Ռանդոմիզացիան բացակայում է է
Ենթարկվածություն գործոնի ազդեցությանը
հիվանդություն կա
հիվանդություն չկա
Գործոնի ազդեցության բացակայություն
հիվանդություն կա
հիվանդություն չկա
Նկար 7. Հիպոթետիկ ռետրոսպեկտիվ կոհորտային հետազոտություն՝ սկսված 1995 թ.
Ենթադրենք, թե մեր հետազոտությունը ևս սկսել ենք 1995 թվականին և ունենք 1975 թվականի դպրոցականների հին ցուցակը, 1985 թվականին անցկացվել է հետազոտություն՝ պարզելու համար ծխելու հանդեպ այդ դպրոցականների խմբի անդամների վերաբերմունքը: Ուստի այդ տվյալները կիրառելով 1995 թվականին՝ կարելի է որոշել, թե նշված խմբի անձանցից ում դեպքում է զարգացել թոքերի քաղցկեղ, և ում դեպքում այն չի զարգացել: Այս դիզայնը կոչվում է ռետրոսպեկտիվ կամ պատմական կոհորտային հետազոտություն (historical, retrospective cohort study): Սակայն հարկ է նշել, որ ռետրոսպեկտիվ կոհորտային հետազոտության դիզայնը չի տարբերվում պրոսպեկտիվ հետազոտության դիզայնից՝ երկու դեպքում էլ համեմատվում են գործոնի ազդեցությանը ենթարկվածների և գործոնի ազդեցությանը չենթարկվածների խմբերը: Ինչո՞վ են տարբերվում ռետրոսպեկտիվ և պրոսպեկտիվ հետազոտությունները: Ռետրոսպեկտիվ հետազոտության մեջ օգտագործում են արխիվային տվյալներ, ուստի հետազոտողը իրեն հետաքրքրող ամբողջ տեղեկատվությունը կարող է ստանալ շատ ավելի արագ: Ռետրոսպեկտիվ հետազոտությունը զուգահեռ հետազոտություն չէ, քանի որ հետազոտության կատարման ժամանակը կրճատելու համար այն սկսվում է արդեն իսկ ունեցած պոպուլ յացիայից: Հետազոտության այս երկու տեսակների միջև գլխավոր տարբերությունը օրացուցային ժամանակի տարբերությունն է: Այսինքն՝ պրոսպեկտիվ հետազոտության դեպքում գործոնի ազդեցությանը ենթարկվածների և չենթարկվածների խմբերն առանձնացնում են հետազոտության ընթացքում՝ դրանց ի հայտ գալուն պես, իսկ հետո նշված խմբերը դիտարկում են մի քանի տարվա ընթացքում և հաշվում հիվանդության նոր
46 | Կենսաբանական վ իճակագրության հիմունքներ դեպքերի առաջացման հաճախականության արժեքները: Ռետրոսպեկտիվ հետազոտության մեջ գործոնի ազդեցությունը հստակեցվում է արխիվային փաստաթղթերով, իսկ ազդեցության ելքը (հիվանդության զարգացումը կամ դրա բացակայությունը)՝ հենց այն ժամանակ, երբ հետազոտությունը սկսված է եղել: Պրոսպեկտիվ կոհորտայյին հետազոտություններում առանձին մասնակիցներ կարող են տարբեր պատճառներով դուրս մնալ հետազոտությունից (հիվանդանալ այլ հիվանդություններով, հրաժարվել մասնակցությունից, մեկնել բնակավայրից և այլն) մինչև դիտարկման ժամանակահատվածի ավարտը: Դրանով պայմանավորված՝ հաճախ խմբաքանակը պահպանելու նպատակով դուրս եկած մասնակիցների փոխարեն հավաքագրվում են նոր անդամներ՝ բաց կամ դինամիկ կոհորտա՝ ի տարբերություն փակ կոհորտայի, երբ խմբում մնում են միայն հետազոտության սկզբում ներգրավված անձինք (նկ. 8):
Նկար 8. Սերտախմբերի տեսակները
Այսպիսով, դիտարկվող խմբում առանձին անձանց համար ժամանակը, որի ընթացքում նրանք ենթարկվել են գործոնի ազդեցությանը, տարբեր է: Ցուցանիշը հաշվի չի առնում այդ փաստը, ուստի անբավարար ճշտությամբ է չափում ռիսկի խմբում ընդգրկված յուրաքանչյուր անձի հիվանդանալու միջին ռիսկը: Ռիսկի խմբում նոր դեպքերի առաջացման ռիսկն առավել ճշգրիտ ցույց է տալիս միջադեպային ցուցանիշը (մարդ-ժամանակ), որը հաշվարկվում է հետևյալ բանաձևով՝
PtR =
a ⋅ K, ΣT
Դիտական (ՕօբՍսերՎվացիո) հետազոտություններ | 47
որտեղ а-ն հետազոտվող խմբում հիվանդության ի հայտ բերված դեպքերն են, Т-ն՝ հետազոտության մեջ մասնակցի գտնվելու ժամանակը (ավելի հաճախ այն չափվում է տարիներով)՝ յուրաքանչյուր մասնակցի դեպքում անհատական, К-ն բազմապատկիչ է, որը սովորաբար հավասար է 1000-ի: Ա. Կոհորտային հետազոտության հիմնական առավելություններն են՝ 1. Ի տարբերություն «դեպք-ստուգիչ» և լայնակի հետազոտությունների՝ կոհորտային հետազոտությունների դեպքում ազդակը (էքսպոզիցիան) նախորդում է հիվանդությանը: Դա պատասխանում է ժամանակային հաջորդականության չափորոշիչին պատճառային կապեր հստակեցնելիս: 2. Կոհորտային հետազոտությունները կարող են ազդակները (էքսպոզիցիաները) ուսումնասիրելու համար հարաբերականորեն հազվադեպ կիրառված լինել ազդակի (էքսպոզիցիայի) բնույթով խմբերի մանրազնին ընտրության դեպքում: 3. Կոհորտային հետազոտությունները հնարավորություն են տալիս, դիտարկվող էքսպոզիցիայի ազդեցությամբ պայմանավորված, ուսումնասիրել ախտաբանությունների լայն սպեկտրը: 4. Կոհորտային հետազոտությունները հնարավորություն են տալիս, դիտարկվող հիվանդության զարգացմամբ պայմանավորված, ուսումնասիրել ռիսկի գործոնների լայն սպեկտրը: 5. Կոհորտային հետազոտությունները կարող են մանրամասն տեղեկատվություն հաղորդել խանգարող գործոնների մասին, որը հնարավորություն է տալիս դրանք վերահսկելու պլանավորման փուլում կամ տվյալների վերլուծության գործընթացում: Բացի դրանից, կոհորտային հետազոտությունները մանրամասն տվյալներ են տրամադրում ազդակի (էքսպոզիցիայի) մասին: Բ. Կոհորտային հետազոտություններն ունեն նաև մի շարք թերություններ. 1. Կոհորտային հետազոտությունները շատ ծավալուն, ժամանակատար են, և անհրաժեշտ են ֆինանսական մեծ ծախսեր: 2. Այս հետազոտությունները հարմար չեն հազվադեպ հիվանդություններ ուսումնասիրելու համար, քանի որ անձանց թիվը, որոնց անհրաժեշտ է ընդգրկել կոհորտային հետազոտության մեջ, այնքան մեծ է, որ հետազոտություն անցկացնելը գործնականում աննպատակահարմար է դառնում: 3. Երկար ժամանակի ընթացքում հետազոտվողներից շատերը կարող են դուրս մնալ դիտարկումներից կամ ենթարկվել մրցակցային ռիսկերի ազդեցությանը, որը հանգեցնում է սխալների առաջացմանը:
48 | Կենսաբանական վ իճակագրության հիմունքներ 4. Հաճախ դժվար է որոշել ազդակի (էքսպոզիցիայի) կարգավիճակը (դիետա, ֆիզիկական վարժություններ և այլն. այդ ընթացքում կարող է փոխվել (մարդը կարող է թողնել ծխելը կամ, հակառակը, սկսել): 5. Առաջանում են արդյունքի հասնելու ժամանակի գնահատման բարդություններ (դեմենցիա, ցրված սկլերոզ):
| 49
ՓՈՐՁԱՐԱՐԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
Բժշկական գրականության մեջ առավելապես կատարվում են փորձարարական, քան դիտական հետազոտություններ: Փորձարարական հետազոտությունն (Experimental study) այն հետազոտությունն է, որի անցկացման պայմանները հետազոտողի անմիջական հսկողության ներքո են: Փորձարարական հետազոտությունների նպատակը բժշկական միջամտությունների (նոր դեղամիջոցների, բժշկական տեխնիկայի, բուժման կամ կանխարգելման մեթոդների կիրառման) արդյունավետության և անվտանգության ուսումնասիրությունն է: Մինչև վաճառքի դուրսբերումը դեղամիջոցն անցնում է լուրջ փորձարկում ներ: Սկզբում այդ փորձարկում ներն անցկացվում են մինչկլինիկական փուլի (preclinical phase) շրջանակներում (դեղամիջոցի փորձարկումը կենդանիների վրա): Դրա նպատակն է ապացուցել, որ դեղամիջոցն օժտված չէ կանցերոգեն, մուտագեն, տերատոգեն ազդեցությամբ: Մինչկլինիկական հետազոտությունը նաև հնարավորություն է տալիս հասկանալու տվյալ դեղամիջոցի փոխազդեցության գործընթացը օրգանիզմի հետ: Դեղագործական ընկերությունը կենդանիների վրա անցկացրած փորձարկումներում դեղամիջոցի անվտանգությունն ու արդյունավետությունն ապացուցելուց հետո դիմում է պետության համապատասխան կարգավորող մարմիններին՝ պաշտոնական թույլտվություն տալու կլինիկական հետազոտություններ սկսելու համար: Կլինիկական հետազոտությունները կամ փորձարկումները (Clinical trials) դեղամիջոցների փորձարարական հետազոտություններ են մարդկանց մասնակցությամբ: Դրանք իրականացվում են չորս փուլով: Առաջին փուլում դեղամիջոցը փորձարկվում է առողջ կամավորականների վրա: Առաջին փուլի նպատակն է ապացուցել դեղամիջոցի անվտանգությունը: Եթե փորձարկման անցկացումն առողջ կամավորականների վրա անհնարին է կամ իմաստ չունի (դիցուք, օնկոլոգիական հիվանդությունների բուժման համար դեղամիջոցների դեպքում), ապա կարելի է թույլտվություն ստանալ հետազոտության առաջին փուլը համապատասխան ախտաբանությամբ հիվանդների վրա անցկացնելու համար: Երկրորդ փուլում գնահատվում են դեղամիջոցի կլինիկական արդյունավետությունը և անվտանգութունը, որն անցկացվում է համապատասխան հիվանդություն ունեցող հիվանդների շրջանում, և որոշվում են դեղամիջոցի
50 | Կենսաբանական վ իճակագրության հիմունքներ թերապևտիկ դեղաչափերը: Սովորաբար դրանք պլացեբո-հսկվող հետազոտություններն են: Երրորդ փուլում անցկացվում է նոր դեղամիջոցի փորձարկում՝ ուղեկցող տարբեր հիվանդություններ ունեցող տարբեր տարիքի հիվանդների մեծաթիվ խմբերում: Ուսումնասիրվում են բուժման բոլոր ուղղությունները՝ ռիսկօգտակարություն ցուցանիշի գնահատականի ընդգրկմամբ: Ըստ կլինիկական հետազոտությունների երրորդ փուլի արդյունքների՝ որոշում է ընդունվում նոր դեղամիջոցի արձանագրության կամ արձանագրության մերժման մասին: Հետազոտության չորրորդ փուլը կատարվում է այն բանից հետո, երբ թույլատրվել է կիրառել դեղամիջոցը: Այս հետազոտությունները հաճախ կոչվում են հետմարքեթինգային (կամ հետարձանագրային) հետազոտություններ: Դրանց նպատակն է բացահայտել այն կողմնակի ազդեցությունները, որոնք հազվադեպ են և ի հայտ են գալիս դեղամիջոցի երկարատև ու զանգվածային կիրառման ընթացքում (դեղազգոնություն) ինչպես նաև գնահատել օգտակարությունը առողջապահության տնտեսագիտության տեսակետից: Կլինիկական փորձարկումները բաժանվում են երկու խմբի՝ առանց ստուգիչ խմբի և ստուգիչ խմբով: Առանց ստուգիչ խմբի կամ չհսկվող կլինիկական փորձարկումներում (uncontrolled clinical trials) հետազոտողը միայն նկարագրում է փորձարարական միջամտության արդյունքները՝ առանց ստուգիչ խմբի հետ համեմատելու: Ստուգիչ խմբով փորձարկումների կամ հսկվող կլինիկական փորձարկումների (controlled clinical trials) դեպքում իրականացվում է մեկ և ավելի միջամտության խմբերի (փորձարարական խմբերի) համեմատություն՝ մեկ և ավելի համեմատելի խմբերի հետ (ստուգիչ խմբերի): Այլ կերպ ասած՝ փորձարկվող դեղամիջոցը կամ ախտորոշիչ պրոցեդուրան համեմատվում է նախկինում օգտագործվող մյուս դեղամիջոցի կամ պրոցեդուրայի հետ (տարբեր դեղամիջոցների զուգահեռ հսկողություն)՝ միջամտության բացակայությամբ (հսկողություն՝ բուժման բացակայությամբ) կամ պլացեբոյով (պլացեբո-հսկողություն): Այսպիսով, փորձարարական խմբերը ենթարկվում են որոշակի միջամտությունների կամ միևնույն միջամտության տարբեր ռեժիմների: Ստուգիչ խմբերը ճիշտ այնպիսի պայմաններում են, ինչպիսին և փորձարարական խմբերը, բացի նրանից, որ ստուգիչ խմբերում հիվանդները չեն ենթարկվում ուսումնասիրվող միջամտությանը: Բոլոր խմբերում դիտարկվում է հիվանդության կլինիկական ընթացքը, և ելքերում ցանկացած տարբերություն վերագրվում է ուսումնասիրվող միջամտությանը:
ՓորՁձարարական հետազոտություննե | 51
անի որ կլինիկական փորձարկումների նպատակը փորձարկվող միՔ ջոցի ավելի մեծ արդյունավետությունը որոշելն է՝ մյուս միջոցների համեմատությամբ, ուստի ստուգիչ խմբերով կլինիկական փորձարկումները՝ առանց ստուգիչ խմբերի փորձարկումների համեմատության, հնարավորություն են տալիս ավելի մեծ ճշտությամբ որոշել՝ արդյոք ստացված ավելի մեծ արդյունավետությունը փորձարարակա՞ն միջոցի կիրառման արդյունք է, թե՞ այլ գործոնի ազդեցության հետևանք: Դրանով իսկ բժշկության մեջ ստուգիչ խմբերով կլինիկական փորձարկումները դառնում են ավելի ապացուցողական, քան առանց ստուգիչ խմբերի փորձարկումները: Կլինիկական փորձարկումներ պլանավորելիս, պայմանավորված կոնկրետ պայմաններով և նպատակներով, կարող է ընտրվել դրանց կատարման տարբեր հերթականություն: Ներկայումս յուրաքանչյուր դիզայնով հետազոտության համար ձևավորվել են դրա նախապատրաստման որոշակի կարգ, իրականացման, տվյալների մշակման և ներկայացման որակի հատուկ չափորոշիչներ: Հսկվող փորձարկումները լինում են պատմական, զուգահեռ և ինքնաստուգիչ: Պատմական կամ ոչ զուգահեռ հսկողությամբ հետազոտությունը (historical or noncurrent control) կլինիկական հետազոտության տեսակ է, որում ժամանակակից բուժման արդյունքները համեմատվում են պատմական անցյալում նման հիվանդների դիտարկման համարժեք տվյալների հետ: Այսպիսով, այս հետազոտությունը հակադարձ է զուգահեռ խմբերով հսկողությանը (concurrent control), որի դեպքում ստուգիչ խումբը հավաքվում է միաժամանակ և միևնույն կանոններով, ինչ փորձարարական խումբը: Պատմական հսկողությամբ հետազոտությունների օգտագործման դեպքում մեծ է սիստեմատիկ սխալների ռիսկը, որը, պայմանավորված լինելով համեմատվող խմբերի միջև առկա սիստեմատիկ տարբերություններով, պայմանավորված է նաև ժամանակի ընթացքում ռիսկի, կանխատեսման, բժշկական օգնության փոփոխություններով: Կլինիկական հետազոտությունը զուգահեռ ստուգիչ խմբի հետ (parallel or concurrent control group design) կլինիկական հետազոտության տեսակ է, որի դեպքում ստուգիչ խումբը հավաքվում է միաժամանակ և նույն կանոններով, ինչ փորձարարական խումբը: Այս հետազոտությունները լինում են ռանդոմիզացված և ոչ ռանդոմիզացված: Կլինիկական հետազոտություններում հիվանդների համադրվող խմբերը պետք է լինեն միատարր բոլոր այն հատկանիշներով, որոնք կարող են ազդել հիվանդության ելքի վրա: Այս պայմանը իրագործելի է, եթե փորձարկման մասնակիցներից յուրաքանչյուրը հավասար հնարավորություն ունի հայտնվելու ինչպես փորձարարական, այնպես էլ ստուգիչ խմբում:
52 | Կենսաբանական վ իճակագրության հիմունքներ Փորձարարական և ստուգիչ խմբերում մարդկանց պատահական բաշխումն ապահովող գործընթացը կոչվում է ռանդոմիզացիա: Եթե հիվանդների բաշխումը ըստ համեմատվող խմբերի կատարվել է ոչ պատահական սկզբունքով, ապա դա ոչ ռանդոմիզացված կլինիկական փորձարկում է: Ոչ ռանդոմիզացված փորձարկումները, ըստ իրենց վավերականության, զգալիորեն զիջում են ռանդոմիզացված հետազոտություններին, քանի որ սրանց դեպքում ոչ մի բան չի ձեռնարկվում սիստեմատիկ սխալների առաջացումը կանխելու համար՝ պայմանավորված ըստ համեմատվող խմբերի հետազոտվող մասնակիցների բաշխմամբ: Չռանդոմիզացված հետազոտության մասնակիցների հանդեպ՝ ըստ համեմատվող խմբերի բաշխման, կան տարբեր մոտեցումներ: Դրանցից մեկում, օրինակ, առաջարկվում է հիվանդներին բաշխել խմբերի՝ պայմանավորված ստացիոնար ընդունվելու ամսաթվով: Դիցուք, եթե հիվանդը ընդունվել է հիվանդանոց ամսվա զույգ օր, նա ներառվում է Ա խմբում, եթե ընդունվել է կենտ օր՝ Բ խմբում: Տվյալ դեպքում խնդիրն այն է, որ, ի տարբերություն, ռանդոմիզացված հետազոտության, չռանդոմիզացված հետազոտության դեպքում հետազոտողին նախապես հայտնի է, թե որ խմբում է ներառվելու մյուս հիվանդը, որը ստեղծում է ընտրանքով պայմանավորված սիստեմատիկ սխալի առաջացման հնարավորություն: Կլինիկական հետազոտություններում միայն մասնակիցների պատահական բաշխմամբ կարելի է հասնել համեմատվող խմբերի միջև տարբերությունների բացակայությանը, բուժման արդյունավետության վրա շեղող գործոնների ազդեցության վերացմանը, որի շնորհիվ սիստեմատիկ սխալի հավանականությունը նվազում է: Այդպիսի կլինիկական փորձարկումները անվանվում են ռանդոմիզացված: Ի տարբերություն ցուցանիշների ստանդարտացման մեթոդի (կքննարկվի ավելի ուշ), որը հնարավորություն է տալիս վերացնելու ուսումնասիրվող ելքի վրա միայն այն գործոնների ազդեցությունը, որոնց մասին հետազոտողը տեղ յակ է, ռանդոմիզացիան վերացնում է հետազոտության արդյունքների վրա ազդող բոլոր հնարավոր գործոնների ազդեցությունը, այդ թվում նաև այն գործոնների, որոնց մասին հետազոտողը կարող է անտեղ յակ լինել: Ռանդոմիզացված հետազոտության սխեման ներկայացված է ստորև (նկ. 9): Յուրաքանչյուր պացիենտ պատահականության սկզբունքով ներառվում է փորձարկում անցնող բուժման սխեմաներից մեկում։ Բուժման յուրաքանչյուր սխեմային համապատասխանում է իր թերապևտիկ խումբը: Բոլոր հիվանդները, ովքեր դասվել են այս կամ այն թերապևտիկ խմբին, միանման բուժում են ստանում:
ՓորՁձարարական հետազոտություննե | 53
Ընտրովի ամբողջության որոշում
ռանդոմիզացիա
միջամտություն
ստուգիչ
արդյունքների գնահատական Նկար 9. Զուգահեռ հսկողությամբ կլինիկական հետազոտության սխեման
Ստորև ներկայացված հիպոթետիկ օրինակում (նկ. 10) ցույց է տր վում համեմատվող խմբերի ոչ լրիվ համադրելիության ազդեցությունը նշված խմբերում մահաբերության մակարդակի համեմատական արդյունքներով: Ենթադրենք, թե անցկացվել է պրոֆիլակտիկ միջոցառումների արդյունավետության ուսումնասիրություն սրտամկանի ինֆարկտով տառապող հիվանդների մահաբերության մակարդակի նվազման ուղղությամբ: Հետազոտության մեջ նշված ախտաբանությամբ (պաթոլոգիայով) ընդգրկվել է թվով ընդամենը 2000 հիվանդ, որոնց շրջանում 700-ն ունեցել են առիթմիա, իսկ 1300-ը չեն ունեցել առիթմիա: Մահաբերության մակարդակը առիթմիա ունեցող հիվանդների շրջանում կազմել է 50%, իսկ առիթմիա չունեցող հիվանդների շրջանում՝ 10%: Առանձնացվել է 2 խումբ՝ յուրաքանչյուրում սրտամկանի ինֆարկտով տառապող 1000-ական հիվանդի ներառմամբ։ 1-ին խմբում անցկացվել են կանխարգելիչ (պրոֆիլակտիկ) միջոցառումներ, իսկ 2-րդ խմբում կանխարգելիչ (պրոֆիլակտիկ) միջոցառումներ չեն անցկացվել: Եթե խմբերն ըստ առիթմիայի հաճախականության համադրելի չեն եղել, օրինակ՝ 1-ին խմբում 1000 հիվանդից 200-ն են ունեցել առիթմիա (50% մահաբերությամբ), իսկ 2-րդ խմբում 1000 հիվանդից առիթմիայով տառապել է 500-ը, ապա 1-ին խմբում մահաբերությունը կազմել է 18%, իսկ 2-րդ խմբում՝ 30%:
54 | Կենսաբանական վ իճակագրության հիմունքներ Արդյունքում մենք կարող ենք եզրակացնել, որ կատարված կանխարգելիչ (պրոֆիլակտիկ) միջոցառում ները մեծ արդյունավետություն են ունեցել: Այժմ ենթադրենք, թե խմբերն ըստ առիթմիայի հանդիպման հաճախականության են եղել համադրելի: Համեմատվող երկու խմբից յուրաքանչյուրում եղել է առիթմիայով տառապող՝ թվով 350-ական հիվանդ: Այս դեպքում մահաբերության մակարդակը երկու խմբում էլ կազմել է 24%: Այսպիսով, երկու համեմատվող խմբերի միջև տարբերությունը (կանխարգելիչ (պրոֆիլակտիկ) միջոցառումների անցկացմամբ և առանց դրանց իրականացման)՝ այն դեպքում, երբ խմբերը համադրելի չեն եղել, պայմանավորված էր միայն դիտվող խմբերի անհամադրելիությամբ, այլ ոչ կանխարգելիչ (պրոֆիլակտիկ) միջոցառումների ազդեցությամբ: 1 . Ոչ ռանդոմիզացված հետազոտություն՝ n = 2000։
Պրոֆիլակտիկ միջոցառումների անցկացում
│
մահվան դեպքերը
Մահերի ընդհանուր քանակը մահաբերություն`
180/1000 = 18%
│
Պրոֆիլակտիկ միջոցառումների բացակայություն
│
300/1000 =30%
ՓորՁձարարական հետազոտություննե | 55
2. Ռանդոմիզացված հետազոտություն՝ n = 2000։
│
Պրոֆիլակտիկ միջոցառումների անցկացում
Մահվան
Պրոֆիլակտիկ միջոցառումների բացակայություն
դեպքերը Մահերի ընդհանուր քանակը
Մահաբերություն՝ 240/1000 = 24%
240/1000 = 24%
Նկար 10. Ռանդոմիզացված և ոչ ռանդոմիզացված հետազոտությունների համեմատությունը
Այսպիսով, ռանդոմիզացիայի խնդիրն է ապահովել հիվանդների այնպիսի ընտրանք, որի դեպքում ստուգիչ խումբը փորձարարական խմբից տարբերվի միայն բուժման մեթոդով: Ռանդոմիզացիան պարտադիր պայման է՝ լավ պլանավորելու փորձարարական հետազոտությունը: Այնուհանդերձ, որոշ տվյալներով, ներկայումս հրատարակված առաջադեմ միջազգային բժշկական հանդեսներում սոսկ 20% հոդվածներում են պարունակվում ռանդոմիզացված հետազտությունների արդյունքներ: Մի քանի ռանդոմիզացված հետազոտությունների արդյունքներ, որոնք վերաբերում են որևէ կոնկրետ հիմնախնդրի ուսումնասիրությանը, կարելի է միավորել: Միևնույն միջամտության մի քանի կլինիկական փորձարկումների միավորված արդյունքների քանակական վերլուծությունը կոչվում է մետա վերլուծություն: Ընտրանքի չափի մեծացման հաշվին մետավերլուծությամբ ապահովվում է ավելի մեծ վիճակագրական հզորություն, քան յուրաքանչյուր առանձին փորձարկմամբ: Ռանդոմիզացիա իրականացնելու համար կարող են կիրառվել պատահական թվերի աղ յուսակները, ծրարների մեթոդը կամ տարբեր վիճակագրական ծրագրերով գեներացված պատահական թվերի հաջորդականության մեթոդը:
56 | Կենսաբանական վ իճակագրության հիմունքներ Ստորև ներկայացված է պատահական թվերի աղ յուսակից դուրս գրված հատված (աղ. 10): Աղ յուսակը բաղկացած է 5 տողից և 5 սյունակից կազմված խմբերից: Նման բաժանումը նախատեսված է աղ յուսակը հեշտ ընկալելի դարձնելու համար: Աղ յուսակում սյունակները համարակալված են վերևից ներքև՝ 00, 01, 02, 03 և այլն: Նույն կերպ, ձախից դեպի աջ համարակալված են տողերը՝ 00, 01, 02 և այլն: Ինչպե՞ս օգտվել պատահական թվերի աղ յուսակից: Ենթադրենք՝ պլանավորվել է անցկացնել հետազոտություն, որում պետք է համեմատվեն հիվանդների 2 խումբ, որոնք ստանում են Ա բուժում (Ա խումբ) և Բ բուժում (Բ խումբ): Դիցուք, մինչև հիվանդներին խմբերի բաժանելը որոշում է ընդունվել բոլոր կենտ թվով հիվանդներին ներառելու Ա խմբում, իսկ զույգ թվով հիվանդներին՝ Բ խմբում: Փակ աչքերով ցուցամատը դրվում է աղ յուսակին: Այն թիվը, որի վրա դրվել է ցուցամատը, ընդունվում է որպես ելակետային: Նախապես որոշվում է նաև աղ յուսակում շարժման ուղղությունը (հորիզոնական՝ ձախից աջ կամ աջից ձախ, ուղղահայաց՝ վերև կամ ներքև): Աղ յուսակ 10. Պատահական թվերի աղ յուսակ (դուրսգրված հատված) #
00-04
05-09
10-14
15-19
56348
01458
36236
07253
09372
27651
30103
37004
44782
54023
61355
71692
04383
90952
57204
57810
98190
89997
98839
76129
16263
35632
88105
59090
62032
90741
13468
02647
48457
78538
22759
12188
36782
06157
73084
48094
63302
55103
19703
74741
Ենթադրենք՝ ցուցամատը դրվել է 5 թվի վրա, որը 7-րդ տողի և 7-րդ սյան հատման տեղում է, և որոշվել է շարժվել հորիզոնական ուղղությամբ՝ ձախից աջ: Առաջին թիվը՝ 5-ը, կենտ է, հետևաբար առաջին հիվանդը պետք է ներառվի Ա խմբում, հաջորդ թիվը՝ 3-ը, նույնպես կենտ է, այսինքն՝ երկրորդ
ՓորՁձարարական հետազոտություննե | 57
հի վան դը ևս նե րառ վե լու է Ա խմ բում, եր րոր դը՝ 8-ը, զույգ թիվ է, ո ւս տի երրորդ հիվանդը ներառվելու է Բ խմբում և այլն: Այսպիսով, հետազոտողը ի սկզբանե չգիտի, թե համեմատվող խմբերից որ խմբում է ընդգրկվելու հաջորդ հիվանդը: Գոյություն ունեն պատահական թվերի աղ յուսակի օգտագործման մի շարք այլ եղանակներ: Օրինակ՝ մենք կարող ենք որոշել, թե 0-4 որ թվերը կարգադրագիր կլինեն պացիենտներին ընդգրկելու Ա խմբում, իսկ 5-9 թվերը՝ Բ խմբում: Նշված մեթոդներից յուրաքանչյուրն ունի միանման վավերականություն, բայց բոլոր դեպքերում նախապես՝ մինչև ռանդոմիզացիայի անցկացումը, անհրաժեշտ է գրավոր ներկայացնել, թե նշված մեթոդներից որն է օգտագործվելու: Պատահական թվերի աղ յուսակի կիրառման եղանակներից մեկը անթափանց ծրարների պատրաստումն է, որոնք արտաքին կողմից հաջորդաբար համարակալված են՝ 1, 2, 3, 4 և այլն: Յուրաքանչյուր ծրարում դրվում է բուժման սխեմայի ցուցման քարտը, այսինքն՝ Ա բուժման սխեմայով ցուցման քարտը դրվում է 1-ին ծրարում, Բ բուժման սխեմայով քարտը՝ 2-րդ ծրարում, և այդպես շարունակ՝ համապատասխանեցնելով պատահական թվերին: Ծրարները կնքվում են: Հետազոտության մեջ ընդգրկված առաջին հիվանդը բացում է որևէ ծրար, և որոշվում է խումբը, որում որ պետք է ընդգրկված լինի: Այս ամբողջ գործընթացը այնուհետ կրկնվում է հետազոտության հաջորդող մասնակիցներից յուրաքանչյուրի համար: Ռանդոմիզացված հետազոտությունները կարող են լինել բաց և կույր (այսինքն՝ դիմակավորված): Ռանդոմիզացված փորձարկումը բաց է այն դեպքում, եթե և՛ հիվանդը, և՛ բժիշկը ռանդոմիզացիա անցկացնելուց հետո են անմիջապես իմանում՝ ինչպիսի բուժման սխեմա է կիրառվելու տվյալ հիվանդի դեպքում: Հետազոտության «դիմակավորման» կամ «կուրացման» մակարդակը կարող է տարբեր լինել, և դրանով է պայմանավորված վերլուծության ստույգությունը և վերջնական արդյունքների մեկնաբանումը: Սովորական կույր մեթոդի (Blind study) դեպքում միայն հիվանդը չգիտի, թե ինչպիսի բուժում է ընտրված իր համար, երկակի կույր մեթոդի (Double blind study) դեպքում դրա մասին չգիտեն ո՛չ պացիենտը, ո՛չ հետազոտողը, ե ռա կի կույր մե թո դի (Triple-blind study) դեպ քում դրա մա սին չգի տեն հիվանդը, հետազոտողը և անգամ վիճակագիրը, որն անցկացնում է տվյալների վիճակագրական մշակումը: Հետազոտության «դիմակավորումը» կամ «կուրացումը» հնարավորություն է տալիս բացառելու սուբյեկտիվ գործոնների ազդեցությունը բուժման արդյունքների վրա՝ այդպիսով կլինիկական հետազոտություններում վերացնելով սիստեմատիկ սխալները։ Ռանդոմիզացված կլինիկական փորձարկումների հիմնական առավելությունը նախ և առաջ այն է, որ դրանք «ոսկե ստանդարտ» են ինչպես
58 | Կենսաբանական վիճակագրության հիմունքներ բժշկության մեջ, այնպես էլ հանրային առողջության բնագավառում՝ բուժական, կանխարգելիչ և այլ միջոցառումների արդյունավետությունն ուսումնասիրելու համար: Ռանդոմիզացված կլինիկական փորձարկումները հնարավորություն են տալիս առավել վստահ պնդելու, որ արդյունքը միջամտության հետևանք է, այլ ոչ որևէ ուրիշ պատճառի, քանի որ բոլոր կողմերով համադրելի խմբերը համեմատելու միջոցով, բացառությամբ ուսումնասիրվող միջամտության, հսկվում է ինչպես հայտնի, այնպես էլ անհայտ շեղող գործոնների ազդեցությունը: Այս հետազոտությունները հնարավորություն են տալիս գնահատելու միաժամանակ մի քանի միջամտության և դրանց համակցման ազդեցության արդյունքները: Կլինիկական փորձարկումների հիմնական թերություններն են դրանց թանկարժեքությունը, երկար տևողությունը, փորձարկվողների մեծ թվաքանակը, կատարման տեխնիկայի բարդությունը, ինչպես նաև էթիկական խնդիրները, որոնք միշտ առաջանում են դրանք անցկացնելու ընթացքում: Կրծքագեղձի քաղցկեղի վիրահատական բուժման երկու՝ հասարակ և ռադիկալ մաստեկտոմիայի մեթոդները համեմատելու համար անցկացվող ռանդոմիզացված հետազոտության ժամանակ վիրաբույժներից մեկը, համոզված լինելով, որ բոլոր դեպքերում ավելի ճիշտ է կիրառել վիրահատության ռադիկալ մեթոդը, չէր կիրառում հասարակ մաստեկտոմիայի մեթոդը հետազոտության մեջ ընդգրկված հիվանդներից ոչ մեկի դեպքում: Հիվանդների շրջանում ռանդոմիզացիա իրականացնելու ժամանակ նա մի կողմ էր դնում բոլոր այն ծրարները, որոնք պարունակում էին հասարակ մաստեկտոմիայի կատարման ցուցումներ, այնքան ժամանակ, մինչև պատահում էր ծրար՝ ռադիկալ մաստեկտոմիայի ցուցումով։ Այս օրինակը ցույց է տալիս բազմաթիվ կլինիցիստների շրջանում առաջացող ներքին բախումը ռանդոմիզացված կլինիկական փորձարկումներում իրենց պացիենտներին ընդգրկելիս: Մի կողմից բժիշկը պարտավորվածություն է զգում պացիենտի համար անել հնարավորինս ամեն ինչ, մյուս կողմից, երբ նա մասնակցում է կլինիկական փորձարկմանը, պարտավորվում է հետևել հետազոտության կատարման կանոններին: Այսպիսով, ռանդոմիզացված փորձարկումներ կատարելիս հաճախ առաջանում է ներքին բախում կլինիկական փորձարկմանը մասնակցող հետազոտողի դերի և բժշկի դերի միջև՝ հանգեցնելով սիստեմատիկ սխալի առաջացմանը:
ՓորՁձարարական հետազոտություննե | 59
ԿԼԻՆԻԿԱԿԱՆ ՓՈՐՁԱՐԿՈՒՄՆԵՐ, ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ
ԻՆՔՆԱՍՏՈՒԳԻՉՈՎ
Խաչաձև կլինիկական հետազոտություն (crossover group design): Տվյալ դիզայնով հետազոտության դեպքում փորձարարական և ստուգիչ խմբերի միջև տարբերություններ գրեթե չկան՝ 2 խմբերը հերթականությամբ ստանում են 2 համեմատվող դեղերը (նկ. 11): Դրա համար պացիենտներին ռանդոմիզացնում են խմբերում, որոնցում նրանք անցնում են միանման բուժման կուրս, բայց տարբեր հաջորդականությամբ: Օրինակ՝ առաջին փուլում պացիենտների մի խմբին տալիս են ստուգիչ բուժումը, իսկ երկրորդ խմբին՝ դիտարկվող նոր բուժումը: Երկրորդ փուլում խմբերի նշանակումները խաչաձև փոխվում են՝ առաջին խմբի պացիենտները ստանում են նոր բուժումը, իսկ երկրորդ խմբինը՝ ստուգիչ բուժումը: Բուժման արդյունքը համադրվում է յուրաքանչյուր խմբում, յուրաքանչյուր փուլում: Երկու փուլերի միջև տրվում է դադար (դադարի փուլ), որպեսզի օրգանիզմը լրիվ ազատվի նախորդ միջամտությունից: Ա դեղամիջոցը Բ պլացեբոյի համեմատությամբ Ընտրովի ամբողջության որոշում
ռանդոմիզացիա
Ա միջամտություն
փուլ 1
Բ միջամտություն
դադարի փուլ
Բ միջամտություն
փուլ 2
Ա միջամտություն
Նկար 11. Խաչաձև երկփուլային կլինիկական հետազոտության սխեման
Այսպիսով, կլինիկական փորձարկման «խաչաձև մոդելում» յուրաքանչյուր պացիենտ փորձարկվող է, և ստուգիչ: Հետևապես «խաչաձև մոդելով» կլինիկական հետազոտությունը հնարավորություն է տալիս գնահատելու
60 | Կենսաբանական վիճակագրության հիմունքներ միևնույն հետազոտվողների շրջանում ինչպես ուսում նասիրվող դեղամիջոցների, այնպես էլ համեմատվող բուժման կուրսերի արդյունքները: Ի տարբերություն զուգահեռ խմբային վերլուծության սխեմայի՝ նման մոտեցումն ապահովում է թերապևտիկ արդյունքի ավելի հուսալի թեստավորում ավելի քիչ թվով պացիենտների դեպքում: Այս սխեման կիրառվում է այն պացիենտների դեպքում, ովքեր ունեն կայուն ընթացքով հիվանդություն՝ սովորաբար քրոնիկական բնույթի: Դիզայնի խաչաձև տարբերակները հաճախ կիրառվում են կլինիկաֆարմակոլոգիական փորձարկում ներ անցկացնելիս: Խաչաձև կլինիկական փորձարկումների հիմնական թերությունը դեղերի փոփոխման պատճառով փոխանցման արդյունքի առաջացման հավանականությունն է, երբ բուժման երկրորդ փուլի արդյունքների գնահատման վրա կարող են ազդել առաջին փուլում օգտագործված թերապիայի արդյունքները: Փոխանցման էֆեկտը փոքրացնելու նպատակով պետք է ճիշտ որոշվի բուժման փուլերի միջև դադարի փուլի տևողությունը: Սովորաբար դադարի փուլի տևողությունը պետք է մի քանի անգամ գերազանցի օրգանիզմից տվյալ դեղորայքի կիսադուրսբերման տևողությունը, բայց չի կարող շատ երկար լինել, որովհետև հիվանդները կարող են հրաժարվել երկրորդ փուլին մասնակցելուց: «Մինչև-հետո» հետազոտությունը (before-after study) կլինիկական հետազոտություն է, որը նկարագրում է ուսումնասիրվող միջամտության ազդեցությանը ենթարկված մի խումբ պացիենտների շրջանում հիվանդության ընթացքը: Տվյալ դեպքում հետազոտվող հիվանդների միևնույն խումբը դիտվում է և՛ որպես փորձարարական, և՛ որպես ստուգիչ խումբ: Տվյալ մոտեցումը հիմնված է այն ենթադրության վրա, որ ցանկացած բարելավում, որը դիտվում է բուժումից հետո, պայմանավորված է հենց բուժմամբ: Այդ ենթադրությունը կարող է լինել կեղծ, որը հետազոտության այս մեթոդը դարձնում է շատ խոցելի: Նշենք, որ «մինչև-հետո» հետազոտության արդյունքները վերլուծելու համար անհրաժեշտ են վիճակագրական վերլուծության հատուկ մեթոդներ, որոնք կքննարկվեն այլ բաժիններում:
| 61
ԱԽՏՈՐՈՇԻՉ ԵՎ ՍՔՐԻՆԻՆԳԱՅԻՆ ԹԵՍՏԵՐԻ
ԱՐԴՅՈՒՆԱՎԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ
Բժշկության մեջ որոշումներ ընդունելու գործընթացը պայմանավորված է տարբեր ախտորոշիչ մեթոդների օգտագործմամբ: Միևնույն ժամանակ ամեն մի բժիշկ ախտորոշիչ թեստ օգտագործելիս թե՛ հետազոտության ֆիզիկական մեթոդի կամ լաբորատոր թեստի դեպքում, որը նշանակված է պացիենտի կլինիկական ախտորոշումը հաստատելու համար, թե՛ սքրինինգային թեստի դեպքում, որն օգտագործվում է ամբողջ բնակչության առողջության վիճակը օբյեկտիվ գնահատելու համար, տրվում է հարցով, թե ինչքանով է լավորակ կիրառված թեստը: Դա բավականաչափ բարդ հարց է, քանի որ ախտորոշիչ հետազոտությունների արդյունավետությունը գնահատելու համար կան մեծ քանակությամբ չափորոշիչներ: Դրանցից շատերը համընդհանուր են, այսինքն՝ կիրառելի են կլինիկական բժշկության բոլոր բնագավառներում, մյուսներն ունեն յուրահատուկ նշանակություն: Ախտորոշիչ թեստի որակը գնահատելու համար անհրաժեշտ է, առնվազն իմանալ, թե ինչպիսին են այդ թեստի՝ yy վավերականությունը (validity, ստուգությունը). yy հուսալիությունը (reliability, վերարտադրությունը): Վավերականությունը ախտորոշիչ թեստի ունակությունն է՝ տարբերակելու հետազոտվողներին՝ ըստ տվյալ հիվանդության առկայության, այսինքն՝ դա ունակությունն է որոշելու, թե ով ունի տվյալ ախտաբանությունը, և ով չունի այն: Թեստի վավերականությունը գնահատվում է ախտորոշիչ փորձարարության մեջ, որի ընթացքում ուսումնասիրվող թեստի արդյունքները համեմատվում են ախտորոշիչ մեթոդի (կամ համալիր մեթոդների) արդյունքների հետ, որը տվյալ պահին առավել հուսալի է: Այդպիսի մեթոդները կոչվում են էտալոնային (ռեֆերենտային) կամ «ոսկե ստանդարտ»: Ոսկե ստանդարտն այնպիսի ախտորոշիչ թեստ է, որն առավելագույնս ճիշտ (գործնականորեն անսխալ) է որոշում պացիենտի որոշակի հիվանդության առկայությունը կամ դրա բացակայությունը: Ոսկե ստանդարտի օրինակներ են հյուսվածքաբանական հետազոտությունը, հերձումը, որոշակի հիվանդությունների կենսաքիմիական կամ կլինիկական ճշգրիտ հատկանիշները: Ոսկե ստադարտը պարտադիր չէ, որ իր տեսակի մեջ եզակի թեստ լինի: Ավելի հաճախ էտալոնային է տվյալ հիվանդության առկայության կամ բացակայության համակողմանի որոշման արդյունքը՝ ախտորոշման հուսալի
62 | Կենսաբանական վ իճակագրության հիմունքներ միջոցների ամբողջ շտեմարանի կիրառմամբ և դրանց արդյունքների մեկնաբանությամբ: Ախտորոշիչ թեստի վավերականության արդյունավետությունը գնահատելու համար անցկացվող փորձարարության ընթացքում թեստեր կատարող մասնագետները չպետք է իմանան այլ թեստերի կիրառման արդյունքները (կույր գնահատում): Հակառակ դեպքում տեղաշարժ է առաջանալու հետազոտվող և «էտալոնային» թեստերի արդյունքների բարձրացված համընկնման ուղղությամբ («տեղաշարժում ենթադրյալ ախտորոշման կողմում»): Ախտորոշիչ թեստի վավերականությունը գնահատելու համար պացիենտների որոշակի խմբում դրա կիրառման արդյունքներն ամփոփվում են 2х2 աղ յուսակում, որը կոչվում է որոշումների մատրիցա: Ընդ որում, պայմանավորված տվյալ ախտորոշիչ մեթոդի և հիվանդության փաստացի առկայությամբ՝ ռեֆերենտային ախտորոշման արդյունքների համընկնումով, պատասխանը կարող է լինել ճիշտ կամ սխալ: Հնարավոր են ախտորոշիչ թեստի արդյունքների գնահատման հետևյալ տարբերակները՝ yy «դրական» մեկնաբանումը հիվանդության առկայությամբ պացիենտների շրջանում ճիշտ դրական (ՃԴ) դեպքերն են yy «բացասական» մեկնաբանումը հիվանդության բացակայությամբ պացիենտների շրջանում ճիշտ բացասական (ՃԲ) դեպքերն են yy «դրական» մեկնաբանումը հիվանդության բացակայությամբ պացիենտների շրջանում կեղծ դրական (ԿԴ) դեպքերն են, գերախտորոշման սխալները yy «բացասական» մեկնաբանումը հիվանդության առկայությամբ պացիենտների շրջանում կեղծ բացասական (ԿԲ) դեպքերն են, գերախտորոշման սխալները կամ «բացթողումները»: Ախտորոշիչ թեստերի վավերականությունը գնահատվում է ըստ որոշակի չափորոշիչների: Դրանցից են թեստի զգայունությունը, յուրահատկությունը, ճշտության գործակիցը, ինչպես նաև ախտորոշիչ թեստի դրական և բացասական կանխատեսական նշանակությունները և ճշմարտանմանության հարաբերությունը: Թեստի զգայունությունը (Se - sensitivity) ունակությունն է՝ ճշգրիտ որոշելու տվյալ հիվանդության առկայությունը անձի դեպքում, ով իրականում այն ունի: Զգայունությունը ցույց է տալիս ճիշտ դրական (ՃԴ) արդյունքների մասնաբաժինն այն անձանց շրջանում, ովքեր ունեն տվյալ հիվանդությունը (ՃԴ+ԿԲ): Թեստի զգայունությունը (Se) որոշվում է հետևյալ բանաձևով՝
Se=ՃԴ*100%/(ՃԴ+ԿԲ):
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 63
Բարձր զգայունության թեստերը սակավադեպ են դասակարգում տվյալ ախտաբանությամբ անձանց որպես առողջների, այսինքն՝ այսպիսի թեստերի բացասական արդյունքների հիման վրա կարելի է հուսալիորեն բացառել կասկածելի հիվանդությունը: Ըստ այդմ՝ բաձր զգայունությամբ մեթոդները հաճախ կոչվում են իդենտիֆիկատորներ: Դրանք երաշխավորվում են կիրառելու ախտորոշման վաղ փուլերում, երբ պահանջվում է նեղացնել ենթադրելի հիվանդությունների շրջանակը: Միաժամանակ բարձր զգայունությամբ թեստեր կիրառելիս թույլ են տրվում զգալիորեն մեծ քանակությամբ կեղծ դրական սխալներ: Դրանով պայմանավորված՝ անհրաժեշտություն է ստեղծվում կատարելու լրացուցիչ հետազոտություններ, ինչը հանգեցնում է զգալի տնտեսական ծախսերի՝ հատկապես զանգվածային հետազոտությունների դեպքում: Ուստի բժշկական ախտորոշման մեջ պետք է ձգտել ոչ թե առավելագույն, այլ մեթոդի խելամտորեն հասանելի զգայունությանը: Թեստի յուրահատկությունը (Sp - specificity) ունակությունն է՝ ճշգրիտ որոշելու տվյալ հիվանդության բացակայությունն առողջ անձանց շրջանում: Այլ կերպ ասած՝ թեստի յուրահատկությունը ցույց է տալիս ճիշտ բացասական (ՃԲ) դեպքերի մասնաբաժինը այն անձանց շրջանում, որոնք չունեն տվյալ հիվանդությունը (ՃԲ+ԿԴ): Թեստի յուրահատկությունը (Sp) որոշվում է հետևյալ բանաձևով՝ Sp= ՃԲ*100%/(ՃԲ+ԿԴ): Դրական արդյունքը, որը ստացվել է մեծ յուրահատկությամբ թեստ կիրառելիս, հիմք է տալիս հետագա տարբերակիչ ախտորոշման գործընթացում ընդգրկելու կասկածելի հիվանդությունը: Բարձր յուրահատկությամբ թեստերն արդյունավետ են ախտորոշման 2-րդ փուլում, երբ ենթադրելի հիվանդությունների շրջանը նեղացվել է, և անհրաժեշտ է վստահաբար ապացուցել տվյալ հիվանդության առկայությունը: Թեստի զգայունության և յուրահատկության հաշվարկները ներկայացված են լյարդի ռենտգենյան սկանավորման վավերականության գնահատման օրինակում, որն օգտագործվում է այդ օրգանի ախտաբանությունն ախտորոշելու նպատակով: Աղ յուսակում (աղ. 11) պատկերված է լյարդի ռենտգենյան սկանավորման և ճշգրիտ ախտորոշման (հերձման, բիոպսիայի կամ վիրաբուժական զննման) վրա հիմնված արդյունքների միջև հարաբերակցությունը:
64 | Կենսաբանական վ իճակագրության հիմունքներ Աղ յուսակ 11. Լյարդի ռենտգենյան սկանավորման և ճշգրիտ ախտորոշման արդյունքների հարաբերակցությունը
Ռենտգենյան սկանավորման արդյունքներ
Ախտաբանության առկայություն Ախտաբանություն
Նորմա
Ընդամենը
Ախտաբանություն (+)
Նորմա (-)
Ընդամենը
եստի զգայունությունը հավասար է՝ Se=231*100%/(231+27)= 89.5%: Թ Թեստի յուրահատկությունը հավասար է՝ Sp=54*100%/(54+32)=62.8%: Բժշկական պրակտիկայում ցանկալի կլիներ, իհարկե, օգտագործել թեստ, որն ապրիորի օժտված լիներ ինչպես մեծ զգայունությամբ, այնպես էլ մեծ յուրահատկությամբ: Սակայն իրականում դրան հասնել չի կարելի, քանի որ թեստի զգայունության մեծացումը, անշուշտ, ուղեկցվելու է յուրահատկության նվազումով և, հակառակը, յուրահատկության մեծացումը՝ զգայունության նվազումով: Ուստի օպտիմալ ախտորոշիչ համակարգ ստեղծելու համար պետք է փոխհատուցում գտնել զգայունության և յուրահատկության ցուցանիշների միջև: Ախտորոշիչ թեստի ընդհանուր ճշտությունը գնահատվում է նրա ճշտության գործակիցը (ՃԳ կամ Accuracy, Ac) որոշելու միջոցով՝ մեծությամբ, որը ցույց է տալիս բոլոր ճիշտ արդյունքների մասնաբաժինը թեստի բոլոր արդյունքների ընդհանուր քանակում: Ճշտության գործակիցը հաշվարկվում է հետևյալ բանաձևով՝ Ac=(ՃԴ+ՃԲ) *100%/(ՃԴ+ՃԲ+ԿԴ+ԿԲ): Մեր օրինակում լյարդի ռենտգենյան սկանավորման ճշտության գործակիցը հավասար է. ՃԳ=(231+54) *100/(231+54+32+27)= 82.8%: Զգայունությունը և յուրահատկությունը ախտորոշիչ թեստի կայուն բնութագրեր են: Դրանք պայմանավորված չեն հետազոտված խմբում ուսումնասիրվող հիվանդության տարածվածությամբ: Այսպես. եթե թեստի զգայունությունը 80% է, ապա պացիենտների շրջանում տվյալ հիվանդությամբ հիվանդների քանակից անկախ՝ նրանց 4/5-ը բացահայտված է լինելու թեստի միջոցով: Եթե թեստի յուրահատկությունը 90% է, նշանակում է, որ
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 65
հետազոտվող խմբում՝ տվյալ հիվանդության տարածվածությունից անկախ, 90% դեպքերում ճիշտ բացասական արդյունք կլինի: Ախտորոշիչ թեստի հիմնական նպատակը հիվանդությունը ախտորոշելն է: Զգայունությունը և յուրահատկությունը չեն որոշում հիվանդության առկայության հավանականությունը ախտորոշիչ թեստի իրականացումից հետո: Մինչդեռ բժշկին՝ հետազոտության արդյունքի ի հայտ գալու պես, հիմնականում հետաքրքրում է, թե ինչքան է հիվանդության առկայության (կամ բացակայության) հավանականությունը: Ցուցանիշները, որոնց միջոցով որոշվում է այդ հավանականությունը, հայտնի են դրական և բացասական կանխատեսական նշանակություններ անվանումով: Դրական արդյունքի կանխատեսական նշանակությունը (ԴԱԿՆ կամ PPVpositive predictive value) ճիշտ դրական արդյունքների մասնաբաժինն է թեստի բոլոր դրական արդյունքների շրջանում: Այն ցույց է տալիս, թե ինչքանով է մեծ տվյալ հիվանդության առկայության հավանականությունը հետազոտությունների դրական արդյունքների դեպքում: Դրական արդյունքի կանխատեսական նշանակությունը որոշվում է հետևյալ բանաձևով՝ ԴԱԿՆ=ՃԴ*100%/(ՃԴ+ԿԴ): Այսպես, լյարդի ռենտգենյան սկանավորման վերոնշյալ օրինակում ճիշտ ախտորոշման հավանականությունը հավասար է՝ ԴԱԿՆ= 231*100%/(231+32)=87.8%: Բացասական արդյունքի կանխատեսական նշանակությունը (ԲԱԿՆ կամ NPV- Negative predictive value) թեստի բոլոր բացասական արդյունքներով անձանց ընդհանուր թվաքանակում ճիշտ բացասական արդյունքների մասնաբաժինն է, որը ցույց է տալիս թեստի բացասական արդյունքներով անձանց շրջանում հիվանդության բացակայության հավանականությունը: Թեստի բացասական արդյունքի կանխատեսական նշանակությունը որոշվում է հետևյալ բանաձևով՝ ԲԱԿՆ=ՃԲ*100%/(ՃԲ+ԿԲ): Այսպես՝ մեր օրինակում նորմալ լյարդով թվով 81 պացիենտների շրջանում ճիշտ ախտորոշման հավանականությունը հավասար է՝ ԲԱԿՆ=54*100%/(54+27) =66.7%: Հաշվարկված հավանականությունների ստույգությունը, սակայն, սահմանափակ է այն դեպքում, երբ զգայունությունը և յուրահատկությունը մշտական են՝ հիվանդության տարածվածությունից անկախ: Կլինիկական պրակտիկայում իրականացված թեստի արդյունքներով կանխատեսական նշանակությունները խստիվ պայմանավորված են դիտարկվող պացիե նտների խմբում հիվանդության տարածվածությամբ, որը կարող է խիստ տարբեր լինել պոպուլ յացիոն մակարդակում այդ հիվանդության
66 | Կենսաբանական վիճակագրության հիմունքներ տարածվածության միջինից: Դա նսեմացնում է կատարված ուսում նասիրության արժեքը: Ախտորոշիչ մեթոդի դրական արդյունքի կանխատեսական նշանակությունը մեծանում է հետազոտվողների խմբում տվյալ հիվանդության հանդիպման հաճախականության մեծացմանը զուգընթաց: Դա նշանակում է, որ որոշակի զգայունությամբ և յուրահատկությամբ օժտված միևնույն ախտորոշիչ մեթոդը ոչ միանման է «գործելու» տարբեր բուժական հաստատություններում, մասնավորապես ընդհանուր ուղղվածության, մասնագիտացված հիմնարկներում՝ հիվանդության դեպքերի հանդիպման մեծ հաճախականությամբ, իսկ սքրինինգի դեպքում՝ ցածր հաճախականությամբ: Օրինակ՝ լյարդի հիվանդության տարածվածությունը մեր պացիենտների խմբում կազմել էր P=75%: Եթե տվյալ թեստը իրականացվեր պացիենտների մեկ այլ խմբում, որում հիվանդության տարածվածությունը, դիցուք, P=25% է, ապա թեստի դրական արդյունքի կանխատեսական նշանակությունը (աղ. 12) կկազմեր ԴԱԿՆ=44.5%, իսկ բացասական արդյունքի կանխատեսական նշանակությունը՝ ԲԱԿՆ=94.7%: Աղ յուսակ 12. Լյարդի ռենտգենյան սկանավորման և ճշգրիտ ախտորոշման արդյունքների հարաբերակցությունը հիվանդացության 25/ մակարդակում Ռենտգենյան սկանավորման արդյունքներ
Ախտաբանության առկայություն ախտաբանություն
նորմա
ընդամենը
Ախտաբանություն (+)
Նորմա (-)
Ընդամենը
ԴԱԿՆ=77*100% /(77+96) =44.5%, ԲԱԿՆ=162*100% /(162+9) = 94.7%: Վերոնշյալից հետևում է ախտորոշման կարևորագույն կանոնը․ ախտորոշիչ հետազոտության արդյունավետությունն անհրաժեշտ է գնահատել միայն՝ հաշվի առնելով դիտարկվող հիվանդության հաճախականությունը, այսինքն՝ հաշվի առնելով տվյալ հետազոտության մեթոդի կիրառման կոնկրետ պայմանները: Օրինակ՝ սրտի հնարավոր հիվանդություններով հիվանդներին հետազոտելու համար էլեկտրասրտագրումը խիստ տեղեկատվական է, բայց այն քիչ օգտակար է դառնում բնակչության սքրինինգային հետազոտություններ իրականացնելիս:
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 67
ասկանալի է, որ ախտորոշիչ թեստի կանխատեսական նշանակության Հ վրա ազդում են նաև նրա բնութագրերը՝ զգայունությունը և յուրահատկությունը, որոնք ինչքան մեծ են, այնքան մեծ է թեստի կանխատեսական նշանակությունը: Սակայն թեստի դրական արդյունքի կանխատեսական նշանակության վրա ավելի մեծ ազդեցություն է ունենում նրա յուրահատկությունը, քան զգայունությունը (աղ. 13 և 14): Դա բա ցատր վում է նրա նով, որ դեպ քե րի ճնշող մեծամասնությունում հիվանդությունների տարածվածությունը ցածր է: Հիվանդությունների խիստ տարածվածության (>50%) դեպքում թեստի զգայունության ազդեցությունը էապես ավելի բարձր կլիներ նրա յուրահատկության համեմատ: Աղ յուսակ 13. Թեստի զգայունության ազդեցությունը նրա կանխատեսական նշանակության վրա Ռենտգենյան սկանավորման արդյունքներ
Ախտաբանության առկայություն ախտաբանություն
նորմա
ընդամենը
Նորմա (-)
Ընդամենը
Ախտաբանություն (+)
Հիվանդացության մակարդակը 75% է։ Se=93.8% Sp=62.8% ԴԱԿՆ=(242/274)*100% = 88.3% ԲԱԿՆ=(54/70)*100% = 77.1% Աղ յուսակ 14. Թեստի յուրահատկության ազդեցությունը նրա կանխատեսական նշանակության վրա Ռենտգենյան սկանավորման արդյունքներ
Ախտաբանության առկայություն ախտաբանություն
նորմա
ընդամենը
Ախտաբանություն (+)
Նորմա (-)
Ընդամենը
68 | Կենսաբանական վ իճակագրության հիմունքներ Հիվանդացության մակարդակը 75% է։ Se=89.5% Sp=94.2% ԴԱԿՆ=(231/236)*100% = 97.9% ԲԱԿՆ=(81/108)*100%=75.0% Հիվանդության տարածվածությունը կարելի է մեկնաբանել որպես ապրիորի (նախաթեստային) հավանականություն այն առումով, որ պացիենտը հիվանդ է մինչև թեստի անցկացումը, որի միջոցով ի հայտ է բերվում հիվանդությունը: Դիցուք, եթե պացիենտի դեպքում չկա տվյալ հիվանդության որևէ ախտանիշ, և մենք գիտենք, որ պոպուլ յացիայում տվյալ հիվանդությամբ տառապում է միջինը 20-ից 1-ը, ապա դա նշանակում է, որ հիվանդության առկայության հավանականությունը պացիենտի դեպքում 5% է: Դրական և բացասական կանխատեսական նշանակությունները կարգավորում են այդ հավանականության գնահատականը պացիենտների դեպքում, ովքեր ունեն թեստի դրական և բացասական արդյունքներ: Այդ գնահատականները կոչվում են ապոստերիորի հավանականություններ: Տարբերությունը ապրիորի և ապոստերիորի հավանականությունների միջև տվյալ թեստի արժեքավորության չափորոշիչն է: Ախտորոշիչ թեստի արդյունքների կանխատեսական նշանակության մասին տեղեկատվություն կարելի է ստանալ նաև՝ կիրառելով ճշմարտանմանության հարաբերությունների արժեքները: Թեստի ցանկացած արդյունքի համար մենք կարող ենք համեմատել այդ արդյունքի ստացման հավանականությունը այն պայմանով, որ պացիենտն իրականում հիվանդ է համապատասխան հավանականությամբ, եթե նա լիներ առողջ: Այդ հավանականությունների հարաբերությունը հայտնի է որպես ճշմարտանմանության հարաբերություն (Likelihood ratio): Ճշմարտանմանության հարաբերության մեծ արժեքը վկայում է թեստի բարձր հավաստիության մասին: Դրական արդյունքի ճշմարտանմանության հարաբերությունը ցույց է տալիս, թե ինչքանով է ավելի հավանական այն, որ հիվանդ մարդու դեպքում թեստի արդյունքը լինելու է դրական՝ առողջի համեմատ: Դրական արդյունքի ճշմարտանմանության հարաբերությունը հաշվարկվում է հետևյալ բանաձևով՝ զգայունություն/(1-յուրահատկություն): Բացասական արդյունքի ճշմարտանմանության հարաբերությունը հիվանդ մարդու դեպքում բացասական արդյունքի հավանականության հարաբերությունն է առողջ մարդու բացասական արդյունքի հավանականության հանդեպ: Բացասական արդյունքի ճշմարտանմանության հարաբերությունը հաշվում են հետևյալ բանաձևով՝ (1-զգայունություն)/յուրահատկություն:
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 69
եր օրինակում դիտարկվող պացիենտների խմբում լյարդի ախտաբաՄ նության տարածվածությունը 75% էր, լյարդի ռենտգենյան սկանավորման զգայունությունը և յուրահատկությունը՝ համապատասխանաբար, 89.5% և 62.8%: Ուստի դրական արդյունքի ճշմարտանմանության հարաբերությունը հավասար է 0.895/(1-0.628)=2.4: Ճշմարտանմանության հարաբերության միջոցով կարելի է հաշվարկել պացիենտի հիվանդության առկայության ապոստերիորի (հետթեստային) հավանականությունը պացիենտի մոտ: Ախտորոշիչ թեստի հուսալիությունը (reliability, վերարտադությունը) նրա ունակությունն է՝ կրկնակի չափումների սերիայում նույնանման գնահատելու որևէ երևույթ, գործընթաց, վիճակ: Կրկնակի հետազոտությունների դեպքում առողջության չափորոշիչների բացառապես միանման գնահատականները հարաբերորեն սակավադեպ են: Ցուցանիշների տարբերությունների (տատանումների) պատճառները պայմանավորված են օբյեկտիվ (իրական, կենսաբանական) և սուբյեկտիվ տարափոխմամբ: Արդյունքների օբյեկտիվ տարափոխումը պայմանավորված է հետազոտվող օրգանիզմի կենսագործունեության առանձնահատկություններով: Հայտնի է, որ անգամ առողջ մարդկանց շրջանում շատ ցուցանիշներ տարափոխվում են հետազոտությունների միջև եղած ոչ մեծ ժամանակահատվածի ընթացքում: Սուբյեկտիվ տարափոխումը բացատրվում է անձնակազմի կողմից թույլ տրված սխալներով կամ թեստի (տեխնիկայի) թերություններով: Թե որքանով ազդել կարող են անձնակազմի թույլ տված սխալներն արդյունքների տարափոխման վրա, ցույց է տալիս զարկերակային ճնշման (ԶՃ) չափման կարողության ստուգումը, որն իրականացվել է ԶՃ-ն որոշակի և մշտական չափորոշիչն առաջադրող հատուկ սարքերի վրա: Գործնականում բոլոր անձինք, որոնք չեն անցել հատուկ պատրաստվածություն, ԶՃ-ն չափելիս ստացել են տարբեր արդյունքներ: Անգամ միևնույն բժշկի կողմից կատարված չափումների սերիայում ստացվել են էապես տարբերվող արդյունքներ: Միևնույն հատկանիշի չափման արդյունքների ավելի մեծ տարափոխում է նշվել տարբեր տեխնիկական միջոցներ կիրառելիս, օրինակ՝ ԶՃ չափելու համար տարբեր սարքեր օգտագործելիս։ Հետևապես պետք է ստանդարտացնել թեստի մեթոդիկան և դրա իրականացման պայմանները։ Սուբյեկտիվ տարափոխումը հանգեցնում է չափումների պատահական կամ սիստեմատիկ սխալների: Ընդգծենք, որ սուբյեկտիվ տարափոխումը հատկապես մեծ է լինում, երբ անձնակազմի սխալները համալրվում են մեթոդի (թեստի) թերություններով: Թեստի վերարտադրության գնահատականը տալու համար անցկացվում է փորձարկումների սերիա՝ ուսումնասիրելով ստացած արդյունքների տարափոխումը:
70 | Կենսաբանական վ իճակագրության հիմունքներ Սուբյեկտիվ տարափոխումը հնարավորինս նվազագույնի հասցնելու համար համաճարակաբանական հետազոտությանը մասնակցող անձնակազմը պետք է մանրազնին նախապատրաստված լինի, ինչը ենթադրում է կիրառվող ստանդարտացված մեթոդների օգտագործման առանձնահատկությունների ուսուցում և տիրապետում:
ՄԻ ՔԱՆԻ ԱԽՏՈՐՈՇԻՉ ԹԵՍՏԵՐԻ ԿԻՐԱՌՈՒՄԸ
Որոշ դեպքերում բժիշկները կիրառում են ոչ կատարյալ ախտորոշիչ թեստեր, որոնց զգայունությունը և յուրահատկությունը պակաս է 100%-ից: Բժիշկները սովորաբար շարունակում են որոնել ախտորոշիչ այլ միջոցներ, այսինքն՝ կիրառում են մի քանի ախտորոշիչ թեստեր՝ ջանալով մեծացնել ախտորոշման ընդհանուր զգայունությունը և յուրահատկությունը: Բացառություն են դեպքերը, երբ արդյունքի հստակեցման համար չկան ախտորոշման այլ հնարավորություններ, կամ երբ հիվանդին, արդյունքից անկախ, հնարավոր չէ օգնել, կամ երբ ախտորոշման այլ եղանակի հետագա որոնումը պայմանավորված է լրացուցիչ ռիսկով: Բոլոր մնացած դեպքերում բժիշկները ձգտելու են շարունակել հետազոտումը: Մի քանի թեստեր նշանակվում են զուգահեռ, երբ անհրաժեշտ է վիճակն արագ գնահատել՝ հոսպիտալացված հիվանդների շրջանում անհետաձգելի դեպքերում, կամ էլ երբ ամբուլատոր հիվանդները ներկայացել են կարճատև ժամանակով հետազոտվելու: Մի քանի ախտորոշիչ թեստերի զուգահեռ կիրառման շնորհիվ սովորաբար մեծանում է ախտորոշման ընդհանուր զգայունությունը և բացասական արդյունքի կանխատեսական արժեքը: Մյուս կողմից, նվազում է յուրահատկությունն ու դրական արդյունքի կանխատեսական արժեքը: Այսպիսով, փոքրանում է հիվանդությունը չախտորոշելու հավանականությունը (զուգահեռ թեստավորման կիրառումը հնարավոր պատճառներից մեկն է, ըստ որի՝ մասնագիտացված կենտրոններում հաճախ ախտորշում են հիվանդություններ, որոնք պոլիկլինիկայում բժիշկների կողմից չեն բացահայտվել), սակայն միաժամանակ մեծանում է կեղծ դրական ախտորոշումների հավանականությունը (մասնագիտացված կենտրոններում առկա է գերախտորոշման որոշ միտում): Օրինակ՝ մատով ռեկտալ հետազոտությունը և պրոստատ-սպեցիֆիկ անտիգենի (ՊՍԱ) մակարդակի որոշումը ոչ շատ զգայուն թեստեր են շագանակագեղձի քաղցկեղն ախտորոշելու համար: Ներկայացված նկարում (նկ. 12) նախ ցույց են տրված վերոնշյալ թեստերի զգայունությունը, յուրահատկությունը, ինչպես նաև դրանց դրական և բացասական կանխատեսական նշանակությունները սքրինինգի դեպքում (այսինքն՝ տղամարդկանց
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 71
պոպուլ յացիայում, որոնց դեպքում հիվանդության ախտանիշները բացակայում են): Այնուհետև ներկայացված են այդ երկու թեստերի զուգահեռ կիրառման դեպքում ախտորոշման ընդհանուր զգայունության, յուրահատկության, ԴԱԿՆ-ի և ԲԱԿՆ-ի փոփոխությունները:
Մատով ռեկտալ հետազոտում Թեստի զգայունությունը հավասար է 50.0%, յուրահատկությունը՝ 94.0%-ի, ԴԱԿՆ-ն 23.9%-ի, ԲԱԿՆ-ն 846/863*100 = 98.0%-ի։ Թեստի Հիվանդության առկայությունը արդյունքները + + ընդամենը Պրոստատ-սպեցիֆիկ անտիգենը որոշելը Թեստի զգայունությունը հավասար է 67.0%-ի, յուրահատկությունը՝ 97.0%-ի, ԴԱԿՆ-ն՝ 46.0%-ի, ԲԱԿՆ-ն՝ 873/884*100 = 98.8%-ի։ Թեստի արդյունքները Հիվանդության առկայությունը
+ ընդամենը
+
-
Ախտորոշում մատով ռեկտալ հետազոտման և պրոստատ-սպեցիֆիկ անտիգենը որոշող թեստերի միաժամանակ օգտագործմամբ՝ ազդեցությունը զգայունության վրա Թեստի Մատով ռեկտալ Պրոստատ-սպեցիֆիկ արդյունքները հետազոտում անտիգենի որոշում + + + ընդամենը
72 | Կենսաբանական վիճակագրության հիմունքներ
Երկու թեստերը միասին
Դրական պատասխան Միայն մատով ռեկտալ Միայն պրոստատհետազոտում սպեցիֆիկ անտիգենի որոշում
34*0.5*0.67 17-(17*0.67) 23-(23*0.5) ընդհանուր զգայունությունը հավասար է (11+6+11)/34 = 82.4%-ի։ Ախտորոշում մատով ռեկտալ հետազոտման և պրոստատ-սպեցիֆիկ անտիգենը որոշող թեստերի զուգահեռ օգտագործմամբ՝ ազդեցությունը յուրահատկության վրա Թեստի Մատով ռեկտալ Պրոստատ-սպեցիֆիկ արդյունքները հետազոտում անտիգենի որոշում
+ ընդամենը
Բացասական պատասխան Երկու թեստերը միասին
900*0.94*0.97 Ընդհանուր յուրահատկությունը հավասար է 821/900 = 91.2%-ի։ ԴԱԿՆ-ն հավասար է 28/107 = 26.2%-ի ԲԱԿՆ-ն հավասար է 821/827 = 99.3%-ի։ Նկար 12. Մատով ռեկտալ հետազոտման և պրոստատ-սպեցիֆիկ անտիգենը որոշող թեստերի բնութագրերը դրանց առանձին կիրառման դեպքում
եստերը հաջորդաբար կիրառելու դեպքում մեծանում է յուրահատկուԹ թյունը և դրական կանխատեսական նշանակությունը, բայց նվազում են զգայունությունը և բացասական կանխատեսական նշանակությունը (նկ. 13): Ի վերջո մեծանում է բժշկի համոզմունքը, որ թեստի դրական արդյունքը
ԱԽՏՈՐՈՇԻՉ Եվ սՔՐԻՆԻՆԳԱՅԻՆ ԹԵսՏԵՐԻ ԱՐԴՅՈՒՆԱվԵՏՈՒԹՅԱՆ ԳՆԱՀԱՏՈՒՄԸ | 73
հաստատում է ենթադրելի հիվանդության առկայությունը, բայց միևնույն ժամանակ մեծանում է հիվանդությունը չախտորոշելու ռիսկը:
Մատով ռեկտալ հետազոտում Թեստի զգայունությունը հավասար է 50.0%-ի, յուրահատկությունը՝ 94.0%-ի։ եստի Թ արդյունքները + ընդամենը
Հիվանդության առկայությունը +
Պրոստատ-սպեցիֆիկ անտիգենը որոշելը Թեստի զգայունությունը հավասար է 67.0%-ի, յուրահատկությունը՝ 97.0%-ի։ Թեստի արդյունքները + ընդամենը
Հիվանդության առկայությունը +
Ընդհանուր զգայունությունը հավասար է 11*100%/34 = 32.4%-ի։ Ընդհանուր յուրահատկությունը հավասար է (845+53)*100%/900 = 99.8%-ի։ ԴԱԿՆ-ն հավասար է 11*100%/13 = 84.6%-ի։ ԲԱԿՆ-ն հավասար է 898*100%/921 = 97.5%-ի: Նկար 13. Ախտորոշում՝ մատով ռեկտալ հետազոտման և պրոստատ-սպեցիֆիկ անտիգենը որոշող թեստերի հաջորդական կիրառմամբ
Երկու տարբեր թեստերի հաջորդաբար կիրառումը սովորաբար նախընտրելի է կլինիկական իրավիճակներում, որոնց անհրաժեշտ չէ արագ գնահատել հիվանդի վիճակը, օրինակ՝ ամբուլատոր պրակտիկայում: Դրանից բացի, ախտորոշիչ թեստերի հաջորդաբար կիրառումը նպատակահարմար է, եթե հարցը վերաբերում է հետազոտության թանկարժեք կամ ռիսկային լինելուն. այդպիսի թեստը սովորաբար նշանակվում է միայն հետազոտման
74 | Կենսաբանական վիճակագրության հիմունքներ ավելի պարզ և ոչ ինվազիվ մեթոդներ կիրառելու դրական արդյունքներից հետո: Օրինակ՝ Դաունի համախտանիշով մանկան ծնվելու ռիսկը գնահատվում է սկզբից ըստ մոր տարիքի և արյան անալիզի արդյունքների (ալֆա-ֆետոպրոտեինի, խորիոնիկ հոնադոտրոպինի և էսթերոլի պարունակության), որից հետո միայն բարձր ռիսկի խմբի հղիներին առաջարկվում է ամնիոցենտեզ: Թեստերը հաջորդաբար կիրառելու դեպքում զուգահեռի համեմատ կրճատվում է լաբորատոր աշխատանքների ծավալը, քանի որ յուրաքանչյուր հաջորդ թեստում հաշվի են առնվում նախորդի արդյունքները: Դրա հետ մեկտեղ թեստերի հաջորդաբար կիրառումն ավելի երկարատև է, քանի որ հերթական ախտորոշման ընթացակարգը նշանակվում է նախորդի արդյունքները ստանալուց հետո միայն: Եթե բժիշկը որոշել է հաջորդաբար կիրառել 2 թեստ, ապա արդյունավետ է մեծ յուրահատկությամբ թեստը նշանակել սկզբում: Դա հնարավորություն է տալիս երկու թեստի ենթարկելու քիչ թվով հիվանդների, թեև, ի վերջո, թեստերի կիրառման հաջորդականությունից անկախ, հստակեցված ախտորոշում ունեցող հիվանդների քանակը լինելու է նույնը: Սակայն եթե թեստերից մեկը զգալիորեն էժան է մյուսից կամ քիչ ռիսկ է պարունակում պացիենտի համար, ապա հավանաբար խելամիտ է սկզբում նշանակել հենց այդ թեստը:
| 75
ՆԿԱՐԱԳՐԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅՈՒՆ
Գործնականում վիճակագրական նյութ հավաքելու արդյունքում սովորաբար հավաքվում է դիտումների մեծ ամբողջություն (անհատական բնութագրերի տասնյակ, հարյուրավոր, իսկ երբեմն նաև հազարավոր չափումների արդյունքներ), ուստի ստեղծվում է հավաքված տվյալները սեղմ նկարագրելու անհրաժեշտություն: Այդ պատճառով օգտագործվում են նկարագրական վիճակագրության մեթոդներ, որոնք, ինչպես արդեն նշվել է, հնարավորություն են տալիս ամփոփելու դիտման կամ փորձարկման ընթացքում ստացված առաջնային արդյունքները: Գործառույթներն այստեղ ի մի են բերվում տվյալները խմբավորելով՝ ըստ դրանց արժեքների, դրանց հաճախականությունների բաշխման կառուցմանը բաշխման կենտրոնական միտումների հայտնաբերման (օրինակ՝ միջին թվաբանականի), արդեն իսկ ի հայտ բերված կենտրոնական միտման նկատմամբ տվյալների ցրվածության գնահատման:
ՀԱՃԱԽԱԿԱՆՈՒԹՅՈՒՆՆԵՐԻ ԲԱՇԽՄԱՆ ԱՂՅՈՒՍԱԿՆԵՐ
Չկազմակերպված տվյալների ամբողջությունը բարդ է ճիշտ ընկալելու և հասկանալու համար: Դիտարկենք 25-34 տարիքային խմբում թվով 1054 տղամարդկանց արյան մեջ խոլեստերինի մակարդակի ուսումնասիրության օրինակը (աղ. 15): Ստացված տվյալների կազմակերպման պարզագույն եղանակ է դրանց հաջորդաբար դասավորումն ըստ աճման կամ նվազման կարգի՝ նշելով յուրաքանչյուր մեծության (V) հաճախականությունը (P): Արդյունքում ստացվում է ունեցած մեծությունների հաճախականությունների բաշխման աղ յուսակ: Նշված աղ յուսակում 1054 հետազոտված տղամարդկանց շրջանում արյան մեջ խոլեստերինի մակարդակի տվյալները ներկայացված են աճման կարգով: Խոլեստերինի նվազագույն արձանագրված մակարդակը հավասար է 120 մգ/դլ, իսկ առավելագույնը՝ 399 մգ/դլ: Աղ յուսակը տվյալների այսպիսի դասավորումից ստացվում է չափազանց ծավալուն և անհարմար: Այն ավելի գրավիչ և հասկանալի է, եթե տվյալները նշվեն ոչ թե առանձին մեծությունների հաճախականությունների բաշխումով, այլ դրանց խմբային միջակայքով: Այսպես (աղ. 16)՝ 1054 տղամարդկանց խումբը, ըստ արյան մեջ խոլեստերինի մակարդակի արժեքների (մգ/դլ), բաժանել են 7 խմբի: Առանձնացված խմբերից յուրաքանչյուրն ունի միանման միջակայք, որը տվյալ դեպքում հավասար է 40-ի:
P
V
V
P
V
P
V
P
V
P
V
P
V
P
V
P
Աղ յուսակ 15. Արյան մեջ խոլեստերինի մակարդակի բաշխման խտությունը 25-34 տարիքային խմբում 1054 տղամարդկանց շրջանում
76 | Կենսաբանական վիճակագրության հիմունքներ
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 77
78 | Կենսաբանական վ իճակագրության հիմունքներ Աղ յուսակ 16. Արյան մեջ խոլեստերինի մակարդակի հաճախականությունների խմբավորված, հարաբերական և կումուլ յատիվ բաշխումը 25-34 տարիքային խմբում 1054 տղամարդկանց շրջանում Միջակայքեր, մգ/դլ
Հաճախականու թյուն
Հարաբերական հաճախականու թյուն (%)
Կումուլ յատիվ հաճախականություն
120-159
14.2
14.2
160-199
41.9
56.1
200-239
28.4
84.5
240-279
10.9
95.4
280-319
3.2
98.6
320-359
0.9
99.5
360-399
0.5
100.0
ընդամենը
100.0
-
Աղ յուսակ 16-ի տվյալներից երևում է, որ հաճախականությունների խմբավորված բաշխումը կարող է փոխակերպված լինել հարաբերական հաճախականությունների միջակայքերի բաշխման: Միջակայքի հարաբերական հաճախականությունը ցույց է տալիս ամեն մի խմբային միջակայքի սահմաններում եղած մեծությունների տեսակարար կշիռը և հաշվարկվում է դրա հանդիպման հաճախականությունը բաժանելով հետազոտվածների ընդհանուր քանակին: Այսպես, օրինակ՝ 120-159 մգ/դլ միջակայքի սահմաններում խոլեստերինի մակարդակ ունեցող անձանց տեսակարար կշիռը (150/1054)*100%=14.2% է: Աղ յուսակում ներկայացված են նաև կումուլ յատիվ հաճախականության արժեքները: Կումուլ յատիվ հաճախականությունը ցույց է տալիս մեծության հաճախականությունը տվյալ և բոլոր նախորդ միջակայքերի սահմաններում: Աղ յուսակ 16-ի տվյալների համաձայն՝ 25-34 տարիքային խմբի հետազոտվածների շրջանում 14.2% դեպքերում խոլեստերինի մակարդակը եղել է 120-159 մգ/դլ, 41.9% դեպքում՝ 160-199 մգ/դլ: Հետևաբար 56.1% կազմող հետազոտվածների (14.2%+41.9%) դեպքում խոլեստերինի մակարդակը 120-199 մգ/ դլ է: Դա նշանակում է, որ հետազոտվածների շուրջ 56%-ի խոլեստերինի մակարդակը եղել է ≤199 մգ/դլ, իսկ մնացած 44%-ի դեպքում՝ (100%-56%)>199 մգ/ դլ: Խմբի կումուլ յատիվ հաճախականությունը, որն ընդգրկում է խոլեստերինի առավել բարձր մակարդակներ, տվյալ դեպքում 360-399 մգ/դլ միջակայքն է, հավասար է 100%-ի: Դա նշանակում է, որ ընդհանուր առմամբ հետազոտվածների խմբում խոլեստերինի մակարդակի արժեքները եղել են ≤399 մգ/դլ:
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 79
ՀԱՃԱԽԱԿԱՆՈՒԹՅՈՒՆՆԵՐԻ ԲԱՇԽՄԱՆ ԳՐԱՖԻԿԱԿԱՆ
ՊԱՏԿԵՐՈՒՄԸ
Սովորաբար հաճախականությունների աղ յուսակային բաշխումը համալրվում է դրա գրաֆիկական պատկերմամբ: Միջակայքերի սանդղակին կամ էլ հարաբերությունների սանդղակին վերաբերող հատկանիշների մեծությունների հաճախականությունների գրաֆիկական բաշխումը պատկերվում է հիստոգրամներով: Հիստոգրամը գրաֆիկի տարատեսակ է: Կոորդինատների «X» առանցքի վրա տեղադրում են որոշակի հատկանիշի արժեքների միջակայքերը, իսկ «Y» առանցքի վրա՝ դրանց հանդիպման համապատասխան հաճախականությունները կամ հարաբերական հաճախականությունները, որի արդյունքում գրաֆիկը դառնում է աստիճանաձև: Նկար 14-ում պատկերված է աղ յուսակ 16-ում ներկայացված մեծությունների հաճախականությունների բաշխման հիստոգրամը: Աբսցիսների առանցքի վրա նշված են արյան մեջ խոլեստերինի մակարդակի միջակայքերը, իսկ օրդինատների առանցքի վրա՝ համապատասխան միջակայքերի սահմաններում մեծությունների հաճախականությունները:
Նկար 14. 25-34 տարիքային խմբում 1054 տղամարդկանց խոլեստերինի մակարդակի հաճախականությունների խմբավորված բաշխման հիստոգրամը
ամեմատվող խմբերում քանակական հատկանիշների արժեքներին Հ վերաբերող տեղեկությունները գրաֆիկորեն պատկերելու համար, որոնք առանձնացված են ըստ անվանական հատկանիշի, սովորաբար օգտագործվում է սյունակային դիագրամը:
80 | ԿենսաբանաԿան վիճաԿագրության հիմունքներ Օրինակ՝ եթե 100 տղամարդուց բաղկացած խմբում արյան մեջ խոլեստերինի միջին մակարդակը 218 մգ/դլ է, իսկ 100 կնոջից բաղկացած խմբում արյան մեջ խոլեստերինի միջին մակարդակը 190 մգ/դլ է, երկու խմբերի միջինները կարելի է ներկայացնել ստորև բերված սյունակային դիագրամով (նկ. 15): Սյունակային դիագրամ ները շատ նման են հիստոգրամ ներին: Տարբերությունն այն է, որ հիստոգրամը ներկայացնում է մեկ խմբում ուսում նասիրվող հատկանիշի արժեքների բաշխվածությունը: Հիստոգրամ ներում ուղղանկյունները չեն առանձնացվում իրարից՝ ցուցադրելով խմբային միջակայքերի անընդհատությունը, մինչդեռ սյունակային դիագրամ ներում յուրաքանչյուր ուղղանկյուն հստակ տարանջատվում է մյուսից, ինչը վկայում է, որ համապատասխան հատկանիշները պատկանում են տարբեր կատեգորիաների:
Նկար 15. Հետազոտված 100 տղամարդկանց և 100 կանանց արյան մեջ խոլեստերինի միջին մակարդակի սյունակային դիագրամ
Միջակայքային սանդղակին կամ հարաբերությունների սանդղակին վերաբերող հատկանիշների մեծությունների հանդիպման հաճախականությունների բաշխման ընդհանուր կոնֆիգուրացիան առավել ցայտուն պատկերելու համար կառուցում են հաճախականությունների բաշխման բազմանկյուններ կամ պոլիգոններ (նկ. 16):
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 81
Նկար 16. 25-34 տարիքային խմբում 1054 տղամարդկանց արյան մեջ խոլեստերինի մակարդակի հաճախականությունների բաշխման պոլիգոն
Այդ նպատակով ուղիղ կտրվածքներով իրար են միացնում հիստոգրամի բոլոր ուղղանկյունների վերին կողմերի կենտրոնները, իսկ հետո երկու կողմից միացնում են կորագծի տակի մակերեսը՝ պոլիգոնների ծայրերը մինչև հորիզոնական առանցք հասցնելով այն կետերում (հաճախականությունը=0), որոնք համապատասխանում են բաշխման ամենաեզրային արժեքներին: Ինտերվալային կամ հարաբերակցության սանդղակին վերաբերող հատկանիշների մեծությունների կումուլ յատիվ հաճախականությունների բաշխումը կարող է ներկայացվել կումուլ յատիվ կորագծով (նկ. 17):
Նկար 17. 25-34 տարիքային խմբում 1054 տղամարդկանց արյան մեջ խոլեստերինի մակարդակի կումուլ յատիվ հաճախականությունների բաշխման կորագիծը
82 | Կենսաբանական վիճակագրության հիմունքներ ումուլ յատիվ կորագիծը և հատկանիշի հաճախականությունների մեծուԿ թյունների կումուլ յատիվ բաշխումը պատկերում են պերցենտիլների (տոկոսային կետերի) հայեցակարգը: Պերցենտիլները կվանտիլների (քանորդիչների) տարատեսակ են, որոնք բաշխումը բաժանում են որոշակի թվով հավասար մասերի: Պերցենտիլները բաշխումը բաժանում են 100 հավասար մասերի: Կվանտիլներից են նաև կվարտիլները (քառորդիչները), որոնք բաշխումը բաժանում են 4 հավասար մասերի, կվինտիլները՝ 5 հավասար մասերի, և դեցիլիները (տասնորդիչները)՝ 10 հավասար մասերի: Սակայն գործնականում կվանտիլներից ավելի հաճախ կիրառվում են պերցենտիլները և կվարտիլները: Պերցենտիլը տրված բաշխման այնպիսի արժեք է, որը մեծ է բաշխման բոլոր p տոկոսային արժեքներից: Այլ կերպ ասած, պերցենտիլը ցույց է տալիս հատկանիշի այն տոկոսային արժեքները, որոնք ցածր են կամ հավասար են հատկանիշի տվյալ մեծությանը: Հաճախականությունների խմբավորված բաշխման դեպքում, ըստ աղ յուսակ 12-ում ներկայացված տվյալների, պերցենտիլները ցույց են տալիս դիտումների տոկոսը, որը ցանկացած խմբային միջակայքի սահմաններում է կամ դրանից ցածր: Այսպես՝ խոլեստերինի արժեքի 100% պերցենտիլը խոլեստերինի արժեքն է, ըստ որի՝ 100% կազմող արժեքները այդ կետից ցածր են: Դա առավելագույն արժեք է, որը տվյալ դեպքում հավասար է 360-399 մգ/դլ միջակայքին: Նմանապես, զրոյական պերցենտիլը նվազագույն արժեք է, որը տվյալ դեպքում հավասար է 120-159 մգ/դլ միջակայքին: Ներկայացված տվյալներից նաև երևում է, որ բոլոր հետազոտվածների շուրջ 56%-ի դեպքում արյան մեջ խոլեստերինի մակարդակը ցածր է 199 մգ/դլ-ից, որը 56-րդ պերցենտիլն է: Խոլեստերինի 199 մգ/դլ մակարդակով տղամարդը ներառվում է 56-րդ պերցենտիլի սահմաններում, բոլոր հետազոտվածներից մնացած 44%-ի դեպքում խոլեստերինի արժեքները նշված մակարդակից բարձր են: Պերցենտիլները հաճախ կիրառվում են անհատական տվյալները նորմայի հետ համեմատելիս: Դրանք լայնորեն տարածում ունեն ֆիզիկական զարգացման մակարդակի, ինտելեկտի մակարդակի գնահատման սանդղակների մշակման և օգտագործման համար: Դրանցով որոշվում է նաև նորմայի սահմանագիծը լաբորատոր ցուցանիշների համար: Նկար 15-ում պատկերված է 0-36 ամսական աղջիկների ֆիզիկական զարգացման գնահատման ցենտիլային սանդղակը: Այսպես՝ 21 ամսականում աղջիկների համար, օրինակ, քաշի 95-րդ պերցենտիլը հավասար է 12 կգ (նկ. 18. ցույց է տրված սլաքով): Դա նշանակում է, որ 95% աղջիկները 21 ամսականում կշռում են 12 կգ կամ դրանից պակաս, և տվյալ տարիքային խմբի միայն 5% աղջիկներն են կշռում 12 կգ-ից ավելի:
ՆԿԱՐԱԳՐԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 83
Նկար 18. 0-36 ամսական աղջիկների ֆիզիկական զարգացման գնահատման ցենտիլային սանդղակը
84 | Կենսաբանական վ իճակագրության հիմունքներ Ինչպես արդեն ասվել է, կվարտիլները կվանտիլներ են, որոնք բաշխումը բաժանում են 4 հավասար մասերի: 1-ին կվարտիլը 25-րդ պերցենտիլն է, 2-րդ կվարտիլը՝ 50-րդ պերցենտիլը, 3-րդ կվարտիլը՝ 75-րդ պերցենտիլը: Բոլոր դիտումների բաշխման կեսը գտնվում է 25-75-րդ պերցենտիլների միջև: 3-րդ և 1-ին կվարտիլների միջև տարբերությունը, կամ 75% և 25% պերցենտիլների միջև տարբերությունը կոչվում է միջքառորդային լայնք (միջկվարտիլային ցրվածություն), որն ընդգրկում է բոլոր դիտումների կենտրոնական 50%-ը: Այսպես՝ 9 ամսական աղջիկների քաշի միջկվարտիլային ցրվածությունը ներառում է արժեքներ 7.5 կգ (75-րդ պերցենտիլը) և 6.5 կգ (25-րդ պերցենտիլը) միջև: Դա նշանակում է, որ տվյալ տարիքային խմբում աղջիկների 50%-ի կշիռը 6.5-7.5 կգ արժեքների միջև է: Պերցենտիլների և կվարտիլների մեծ առավելությունն այն է, որ դրանք, անկախ բաշխման տեսակից, շատ հարմար են տվյալները նկարագրելու համար: Դրանցով չի նախատեսվում նորմալ բաշխման առկայություն: Ի՞նչ ենք հասկանում՝ նորմալ բաշխում ասելով: Հաճախականությունների բաշխման բազմանկյունները կարող են լինել տարբեր ձևերի, բայց բազմաթիվ բնական երևույթներ ունեն համաչափ (սիմետրիկ), զանգակաձև բաշխում: Այդ բաշխումը կոչվում է նորմալ կամ էլ օրինաչափությունը հայտնաբերող հեղինակի անունով՝ գաուսյան բաշխում (նկ. 19):
Նկար 19. Նորմալ բաշխման կորը
Նկար 20-ում պատկերված են տրված հաճախականությունների բաշխումների որոշ այլ տեսակներ: Հաճախականությունների անհամաչափ բաշխումները կոչվում են շեղված (skewed distributions): Ասիմետրիկ (անհամաչափ) բաշխումը կարող է լինել շեղված դեպի աջ (դրական ասիմետրիա,
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 85
նկ. 20, ա) կամ դեպի ձախ (բացասական ասիմետրիա, նկ. 20, բ): Թեքվածության ուղղությունը որոշվում է պոչի տեղակայմամբ: Դրական ասիմետրիայով բաշխումը բնութագրվում է ուսումնասիրվող հատկանիշի հարաբերորեն մեծ թվով փոքր արժեքների և ոչ մեծ թվով մեծ արժեքների առկայությամբ: Համապատասխանաբար, բացասական ասիմետրիայով բաշխման դեպքում դիտվող հատկանիշի մեծ արժեքները գերակշռում են ոչ մեծ թվով փոքր արժեքների նկատմամբ: Նկար 20, գ-ում և դ-ում ցույց են տրված j–աձև և երկսապատավոր (երկմոդալ) բաշխումները: Երկմոդալ բաշխումը հաճախ երկու նորմալ բաշխումների կոմբինացումն է, օրինակ՝ տղամարդկանց և կանանց մեծաքանակ խմբի հասակի արժեքների բաշխումը, որի դեպքում յուրաքանչյուր սեռի հասակային արժեքները նորմալ բաշխում ունեն երկու տարբեր միջին մեծությունների նկատմամբ:
Նկար 20. Հաճախականությունների ասիմետրիկ բաշխման օրինակներ
86 | Կենսաբանական վ իճակագրության հիմունքներ
ԿԵՆՏՐՈՆԱԿԱՆ ԲԱՇԽՄԱՆ ՄԵԾՈՒԹՅՈՒՆՆԵՐԸ
եծությունների ամբողջ բաշխումը հնարավոր է ներկայացնել մեկ ամեՄ նաբնորոշ մեծությամբ, որը կբնութագրի ողջ հետազոտվող ամբողջությունը: Այդ առավել տիպիկ մեծությունը կոչվում է կենտրոնական բաշխման մեծություն: Կենտրոնական բաշխման մեծություններից են միջինը, մեդիանը և մոդան: Կենտրոնական բաշխման այդ բոլոր երեք մեծություններն օգտագործվում են քանակական հատկանիշներով ներկայացված տվյալները բնութագրելու համար: Մեդիանը և մոդան կարող են նաև օգտագործվել կարգային հատկանիշները բնութագրելու համար: Մոդա (Mo): Բոլոր կենտրոնական բաշխման մեծություններից մոդան ամենապարզ և ամենահազվադեպ օգտագործվող ցուցանիշն է, նշվում է «Mo» խորհրդանիշով: Դա հատկանիշի այն արժեքն է, որն առավել հաճախ է հանդիպում հատկանիշի բոլոր ստացված արժեքների շարքում: Մոդան հեշտությամբ կարելի է գտնել հաճախականությունների բաշխման պարզ դիտարկման ժամանակ: Օրինակ՝ ներքոնշյալ տվյալների մոդան, որը ցույց է տալիս հարցված կանանց խմբում ծննդաբերությունների քանակը, հավասար է մեկի (Mo=1)՝ 0,0,1,1,1,1,2,2,2,3,4,6: Հաճախականությունների բաշխման բազմանկյան վրա մոդան համապատասխանում է կորագծի ամենաբարձր կետին: Եթե պարզվում է, որ յուրաքանչյուր արժեք հանդիպում է մեկ անգամ (կամ մի քանի անգամ միևնույն քանակությամբ), ապա այդպիսի բաշխումը մոդա չի ունենա: Եթե առավելագույն հաճախականությամբ հանդիպում է ոչ թե մեկ, այլ երկու մեծություն, ապա բաշխումը կունենա երկու մոդա, իսկ բուն բաշխումը կլինի երկսապատավոր (երկմոդալ)։ Եթե առավելագույն հաճախականությամբ հանդիպում են մի քանի մեծություններ, ապա բաշխումը կլինի բազմամոդալ: Միջին թվաբանական ( X ): Սա կենտրոնական բաշխման առավել հաճախ օգտագործվող մեծությունն է: Այն այնքան հաճախ է օգտագործվում կենտրոնական բաշխումը նկարագրելու համար, որ դարձել է տիպիկ արժեքի հոմանիշը և հաճախ պարզապես կոչվում է «միջին»: Տվյալների շարքի միջին թվաբանականը հաշվարկվում է հետևյալ բանաձևով՝ n
Ընտրանքային միջինը X =
∑x
n
i
,
որտեղ X -ը միջինն է՝ վերևում ընդգծված, Σ-ն Xi փոփոխականի չափված արժեքների գումարի նշանն է: Գումարի նշանի վերին և ստորին արտահայտումները նշանակում են, որ գումարվում է Xi փոփոխականի արժեքների շարքը՝ նշված «i» ինդեքսով, 1-ից մինչև n-ը՝ n-ը X փոփոխականի չափված արժեքներն են կամ էլ դիտարկումների թիվը:
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 87
իջին թվաբանականի այս պարզ հաշվարկը տեղ է գտել ոչ միայն վիՄ ճակագրական վերլուծության ծրագրերի հատուկ փաթեթներում (օրինակ՝ SPSS, SAS և այլն), այլև լայն նշանակության ծրագրերի փաթեթներում, օրինակ՝ էլեկտրոնային աղ յուսակներում (MS Excel և այլն): Դիտարկենք միջին թվաբանականի մեծության հաշվարկը հետևյալ օրինակով: Հեպատիտ A-ի բռնկման ժամանակ ուսումնական հաստատությունում հիվանդացել է 6 մարդ, որոնց հիվանդության գաղտնի շրջանը կազմել է 29, 31, 24, 29, 30 և 25 օր: n
X=
∑x
n
i
=
29 + 31 + 24 + 29 + 30 + 25 = 28 :
Այսպիսով, տվյալ բռնկման ժամանակ հիվանդության գաղտնի շրջանը միջինում կազմել է 28 օր: Միջին թվաբանականը կենտրոնական բաշխման այլ մեծությունների համեմատությամբ առավել հաճախ է օգտագործվում, քանի որ օժտված է հարմար վիճակագրական հատկություններով: Օրինակ՝ միջին թվաբանականից առանձին արժեքների շեղումների գումարը հավասար է 0-ի: Պարզաբանենք դա հեպատիտ A-ի բռնկման օրինակով: Ստորև ներկայացված աղ յուսակում ներկայացված են տվյալներ, որոնք ստացվել են հիվանդության առանձին գաղտնի շրջանների արժեքներից գաղտնի շրջանի միջին արժեքը հանելով: Ներկայացված է նաև դրանց գումարը, որը, ինչպես երևում է, հավասար է 0-ի: Դա նշանակում է, որ միջին թվաբանականը բաշխման թվաբանական կենտրոնն է: Հիվանդության գաղտնի շրջանի առանձին արժեքներ
Հանած միջինի արժեքը
Տարբերությունը
+1
+1
+2
+3
168-168=0
-7+7=0
88 | Կենսաբանական վ իճակագրության հիմունքներ իջին թվաբանականը կենտրոնական բաշխման լավագույն ցուցանիշն Մ է, որն առավել կայուն է տարբեր ընտրանքների տատանման ազդեցության նկատմամբ: Օրինակ՝ միևնույն հիվանդի արյան նմուշները կրկնակի հետազոտելու դեպքում լեյկոցիտների միջին թիվը արյան տարբեր նմուշներում անհամեմատ ավելի քիչ կտատանվի, քան կենտրոնական միտման երկու մյուս ցուցանիշների արժեքները: Չնայած միջին թվաբանականը մի շարք տվյալների բավականին լավ ընդհանրացնող բնութագիր է, այնուհանդերձ տվյալները պետք է բաշխված լինեն մոտավորապես նորմալ կամ սիմետրիկ, քանի որ միջին թվաբանականը չափազանց «զգայուն» է բաշխման ծայրային արժեքների նկատմամբ: Օրինակ՝ եթե վերը նշված օրինակում հիվանդության ծածկված շրջանի առավելագույն արժեքը լիներ 131 օր և ոչ թե 31 օր, ապա միջին թվաբանականը հավասար կլիներ 44.7, և ոչ թե 28.0․ (24+25+29+29+30+131)/6=44.7 Միջին թվաբանականի ստացված արժեքը (44.7) այս տվյալների «ծանրության կենտրոնում» է, բայց իրականում դրանք լավ չի արտահայտում: Մեկ շատ մեծ («դուրս ընկնող») արժեքի ազդեցության հետևանքով միջին թվաբանականի արժեքը դառնում է ավելի մեծ՝ բաշխման մնացած արժեքների համեմատ, բացի «դուրս ընկնող» արժեքից: Այսպիսով, միջին թվաբանականը ճիշտ է արտացոլում կենտրոնական միտումը միայն սիմետրիկ (համաչափ) բաշխման դեպքում: Տվյալների ասիմետրիկ (անհամաչափ) բաշխման դեպքում միջին թվաբանականի փոխարեն հաշվարկվում է մեդիանան: Մեդիանան (կիսորդը) (Me) ևս կենտրոնական բաշխման հաճախակի կիրառվող մեծություններից մեկն է: Այն հատկապես հարմարավետ է ասիմետրիկ բաշխված տվյալները նկարագրելու համար: Մեդիանան այն արժեքն է, որը հերթականությամբ դասավորված տվյալները բաժանում է երկու հավասար մասերի, որոնցից մեկն ընդգրկում է մեդիանայից ավելի մեծ արժեքներ, իսկ մյուսը՝ ավելի փոքր արժեքներ: Ենթադրենք, թե առկա են արյան սիստոլիկ ճնշման չափման արժեքներ՝ 110, 120, 122, 130, 180 մմ ս.ս.: Տվյալ օրինակում երկու արժեքները (130, 180) մեծ են 122-ից, իսկ երկուսը (110, 120) փոքր են, ուստի մեդիանան հավասար է 122 մմ ս.ս.: Վերը նշված շարքի արժեքների նկատմամբ միջին թվաբանականի արժեքը (132 մմ ս.ս.) առաջին 4 արժեքներից ավելի մեծ է և չի կարող տիպիկ համարվել այս տվյալների համար: Ի տարբերություն միջին թվաբանականի՝ մեդիանան չի ենթարկվում բաշխման ծայրային արժեքների ազդեցությանը: Օրինակ՝ ստորև նշված տվյալների շարքերը տարբերվում են միայն դիտարկման վերջին տվյալով.
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 89
24, 25, 29, 29, 30, 31 միջինը = 28.0, մեդիան ա = 29 24, 25, 29, 29, 30, 131 միջինը = 44.7, մեդիան ա = 29 Ինչպես երևում է, մեկ դիտարկման արժեքի (131) տարբերությունը զգալիորեն փոփոխում է միջին թվաբանականի մեծությունը, բայց ընդհանրապես չի փոփոխում մեդիանայի արժեքը: Այսպիսով, մեդիանայի կիրառումն ավելի նախընտրելի է, եթե դիտումների շարքը շեղված է այս կամ այն կողմ, կամ եթե տվյալներն ունեն մի քանի շատ մեծ կամ շատ փոքր արժեքներ: Այն դեպքում, երբ բաշխումն ընդգրկում է կենտ թվով դիտարկումներ, մեդիանան հավասար է շարքի մեջտեղում գտնվող դիտման արժեքին: Զույգ թվով դիտարկումների դեպքում մեդիանան հավասար է մեջտեղում գտնվող երկու արժեքների միջին թվաբանականին: Վերը նշված երեք կենտրոնական բաշխման մեծությունների հարաբերությունը պայմանավորված է բաշխման ձևով: Սիմետրիկ՝ նորմալ բաշխման դեպքում բոլոր երեք մեծությունները համընկնում են (նկար 16), իսկ ասիմետրիկի դեպքում՝ ոչ: Ինչպես դրական, այնպես էլ բացասական՝ ասիմետրիկ բաշխումների դեպքում մոդան զբաղեցնում է բաշխման կորագծի ամենաբարձր կետը, միջին թվաբանականը շեղվում է ներքև կամ վերև՝ համեմատաբար փոքր կամ մեծ արժեքների ազդեցությամբ, մեդիանան տեղակայվում է միջինի և մոդայի միջև՝ բաշխումը բաժանելով երկու հավասար դաշտերի, որոնք կորագծի տակ են (նկ. 21):
Նկար 21. Կենտրոնական բաշխման մեծությունները դրական (ա) և բացասական (բ) ասիմետրիկ բաշխման դեպքում
90 | Կենսաբանական վիճակագրության հիմունքներ
ՓՈՓՈԽԱԿԱՆՈՒԹՅԱՆ ԿԱՄ ՑՐՎԱԾՈՒԹՅԱՆ ՑՈՒՑԱՆԻՇՆԵՐ
Նկար 22-ում ներկայացված են A և B երկու բաշխումներ, որոնց միջինները, միջնաթվերը և մոդաները համընկնում են, և, ինչպես բոլոր նորմալ բաշխման կորագծերը, սրանք ևս սիմետրիկ են և միագագաթ: Սակայն չնայած բոլոր նշված նմանություններին՝ այս բաշխումները տարբեր են և միմյանցից տարբերվում են տարափոխման աստիճանով, այսինքն՝ աստիճանով, ըստ որի՝ դրանց արժեքները մոտ են կամ հեռու են միմյանցից: Հասկանալի է, որ արժեքները, որոնք ձևավորում են A բաշխումը, ավելի ցրված են, քան արժեքները, որոնք ձևավորում են B բաշխումը: Վերը նշվածից կարելի է եզրակացնել, որ նորմալ բաշխումը նկարագրելիս հնարավոր չէ սահմանափակվել միայն կենտրոնական միտման ցուցանիշներով: Անհրաժեշտ է նաև հաշվի առնել ուսումնասիրվող տվյալների շարքում հատկանիշների արժեքների տարափոխման կամ ցրվածության աստիճանը:
Նկար 22. Միանման կենտրոնական միտման ցուցանիշներով նորմալ բաշխման կորագծեր, որոնք տարբերվում են տարափոխ մեծություններով
Տարափոխ կամ ցրվածության մեծությունը շատ կարևոր նշանակություն ունի: Եթե միջին մեծություններն օգտագործվում են բաշխման գագաթնակետը նկարագրելու համար, ապա փոփոխականության ցուցանիշները մատնանշում են տվյալների ցրվածության աստիճանը (տարափոխումը) կենտրոնական արժեքի նկատմամբ: Այսպես, օրինակ, եթե նկար 22-ում ներկայացված բաշխումները երկու տարբեր դեղամիջոցներ օգտագործող, շաքարային դիաբետով հիվանդների արյան մեջ գլյուկոզի մակարդակներն են, ապա հասկանալի է, որ B դեղամիջոցն ունի առավելություններ A-ի նկատմամբ, քանի որ B բաշխման մեջ գլյուկոզայի շատ բարձր կամ շատ ցածր մակարդակներ ունեցող հիվանդները քիչ են, չնայած որ B դեղամիջոցի միջին արդյունքը նույնն է, ինչ A դեղամիջոցինը:
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 91
ոյություն ունեն տարափոխության կամ ցրվածության մի քանի ցուցաԳ նիշներ՝ լայնք, դիսպերսիա, ստանդարտ շեղում, վարիացիայի գործակից, կվարտիլներ և միջքառորդային լայնք: Ամպլիտուդը (լայնք) փոփոխականության ամենապարզ ցուցանիշն է: Տվյալների շարքի ամպլիտուդ է կոչվում շարքի ամենամեծ (առավելագույն) և ամենափոքր (նվազագույն) արժեքների տարբերությունը: Հետևաբար, ամպլիտուդը հաշվի է առնում շարքի միայն այդ երկու մեծությունների արժեքները: Օրինակ՝ ստորև ներկայացված տվյալների շարքերում՝ 24, 25, 29, 29, 30, 31 24, 25, 29, 29, 30, 31, 331, ամպլիտուդը համապատասխանաբար հավասար է՝ 31-24=7 և 331-24=307։ Եթե որպես կենտրոնական միտման մեծություն կիրառվում է միջին թվաբանականը, ապա հատկանիշի տարափոխումը նկարագրելու համար օգտագործվում են դիսպերսիան և ստանդարտ շեղումը, իսկ միջնաթթվի օգտագործման դեպքում սովորաբար օգտագործվում են կվարտիլները և միջկվարտիլային ամպլիտուդը: Ստանդարտ շեղումը (SD՝ standard deviation) առավել հաճախ կիրառվող տարափոխման մեծություն է, կարևորագույն վիճակագրական ցուցանիշ է, բազմաթիվ վիճակագրական թեստերի կարևորագույն տարր: Այն ցույց է տալիս հատկանիշի արժեքների ցրվածությունը տվյալ շարքի դիտարկումների համար հաշվարկված միջինի նկատմամբ: Սովորաբար ընտրանքից հաշվված ստանդարտ շեղումը նշվում է SD հապավումով, իսկ պոպուլ յացիոն ստանդարտ շեղումը, որը ցույց է տալիս փոփոխականի արժեքի տարափոխման աստիճանն ամբողջ պոպուլ յացիայի համար, նշվում է հունարեն σ- սիգմա տառով: Ստանդարտ շեղման մեծությունը որոշելու համար տվյալ շարքում ներկայացված հատկանիշի յուրաքանչյուր արժեքից (X) անհրաժեշտ է հանել միջինի արժեքը ( X ), հետո գումարել բոլոր շեղումները և ստացված գումարը բաժանել դիտարկումների ընդհանուր թվի վրա (n), այսինքն՝
∑(X − X ) : n
Սակայն խնդիրն այն է, որ միջին մեծությունից հատկանիշի արժեքների շեղումների գումարը միշտ հավասար է 0-ի: Այդ խնդիրը լուծվում է գումարելուց առաջ յուրաքանչյուր շեղման արժեքը քառակուսի բարձրացնելով:
s2 =
∑(X − X ) n −1
:
92 | Կենսաբանական վ իճակագրության հիմունքներ Շեղումների արժեքների քառակուսիների գումարի բաժանումը n-1 վրա, որտեղ n-ը դիտումների ընդհանուր թիվն է, հնարավորություն է տալիս հաշվելու տարափոխման մեծությունը, որը կոչվում է դիսպերսիա և նշվում s2 նշանով՝
s2 =
∑(X − X ) n −1
:
Շեղում ների քառակուսիների գումարի՝ n-1-ի (և ոչ թե n-ի) վրա բաժանելու բացատրությունը բավականին բարդ է և ընդգրկված չէ այս դասընթացի ծրագրում: Նշենք միայն, որ բանաձևի հայտարարում n-ի փոխարեն n-1-ի օգտագործումը հնարավորություն է տալիս ավելի ճիշտ գնահատելու պոպուլ յացիայում հատկանիշի արժեքի իրական տատանողականության մեծութունը: Բանն այն է, որ պոպուլ յացիոն տարատեսակությունն ավելի մեծ է, քան ընտրանքայինը․ անհավանական է, որ ընտրանքը կընդգրկի պոպուլյացիայի բոլոր ամենամեծ և ամենափոքր արժեքները, ուստի որպեսզի մեր գնահատականը լինի չշեղված, մենք պետք է փոքրացնենք հայտարարը: Սակայն դիսպերսիայի չափողականությունն արտահայտվում է քառակուսի աստիճանով: Նորմալ չափողականությանը վերադառնալու համար դիսպերսիայից հանվում է քառակուսի արմատը, որն էլ կոչվում է ստանդարտ շեղում (SD)՝
SD = s 2 =
∑(X − X ) n −1
:
իտարկենք հետևյալ օրինակը: Աղ յուսակ 17-ում ներկայացված են 18 Դ հետազոտված հիվանդների սրտի կծկման հաճախականության փոփոխությունների տվյալները և ստանդարտ շեղման հաշվման բոլոր փուլերը: Աղ յուսակից երևում է, որ հետազոտված խմբի սրտի կծկման հաճախականության փոփոխությունների միջինը կազմել է 48.77 զ/ր: Յուրաքանչյուր X արժեքից հանվում է միջին թվաբանականի արժեքը, ստացված մեծությունները հաջորդաբար բարձրացվում են քառակուսի, հետո գումարվում, որի արդյունքում ստացվում է 9653.76: Նշված մեծությունն ազատության աստիճանի վրա բաժանելով՝ ստանում ենք դիսպերսիայի արժեքը՝ 567.87, որի քառակուսի արմատը 23.83 է, որն էլ հենց ստանդարտ շեղումն է: Այսպիսով, հետազոտված հիվանդների սրտի կծկման հաճախականության փոփոխությունների միջին շեղումը՝ 23.83, հնարավորություն է տալիս պնդելու, որ արդյունքների մեծ մասը (>50%) տեղակայված է միջինից 23.83 սահմաններում՝ (48.77-23.83) և (48.77+23.83), այսինքն՝ 24.94-ի և 72.60ի միջև:
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 93
Աղ յուսակ 17. Հետազոտված հիվանդների խմբում սրտի կծկման հաճախականության փոփոխությունների ստանդարտ շեղման հաշվարկը Պացիենտներ (n=18)
Х
Х-Х
(Х-Х)2
19,20
-29,57
874,19
51,90
3,13
9,82
33,10
-15,67
245,44
86,70
37,93
1438,94
29,10
-19,67
386,78
45,30
-3,47
12,02
14,40
-34,37
1181,07
67,10
18,33
336,11
64,80
16,03
257,07
15,90
-32,87
1080,22
75,80
27,03
730,80
42,60
-6,17
38,03
74,20
25,43
646,85
41,40
-7,37
54,27
85,70
36,93
1364,07
22,10
-26,67
711,11
64,90
16,13
260,28
43,60
-5,17
26,69
գումար
877,80
միջին թվաբանական
48,77
9653,76
Ի՞նչ ենք հասկանում՝ «արդյունքների մեծ մասը» ասելով: Նորմալ բաշխման կորագծի տակ գտնվող ամբողջ մակերեսը հավասար է 1 (100%): Վիճակագրորեն ապացուցված է, որ նորմալ բաշխման դեպքում արդյունքների մեծ մասը տեղակայված է լինում միջինի երկու կողմերից մեկ ստանդարտ շեղման սահմաններում, որը, ըստ տոկոսային արժեքի, միշտ նույնն է և պայմանավորված չէ ստանդարտ շեղման մեծությամբ: Այն կազմում է պոպուլ յացիայի 68%-ը (այսինքն՝ տարրերի 34%-ը տեղակայված է միջին արժեքի ձախ կողմում, իսկ մյուս 34%-ը՝ աջ կողմում).
94 | Կենսաբանական վ իճակագրության հիմունքներ
Վիճակագրորեն ապացուցված է նաև, որ նորմալ բաշխման դեպքում պոպուլ յացիայի տարրերի 94.45%-ը կամ շուրջ 95%-ը ընդգրկված է լինում միջինից երկկողմ՝ 2 ստանդարտ շեղումների սահմաններում.
իջինից երկկողմ՝ 3 ստանդարտ շեղումների սահմաններում ընդգրկՄ վում է գրեթե ամբողջ պոպուլ յացիան՝ 99.73%.
Վարիացիայի գործակիցը (Cv) ստանդարտ շեղման տոկոսային հարաբերությունն է միջին թվաբանականի արժեքին՝
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 95
CV =
SD x100% : X
Այսպիսով, ի տարբերություն ստանդարտ շեղման՝ վարիացիայի գործակիցը հատկանիշի տարափոխման հարաբերական չափորոշիչ է: Վարիացիայի գործակիցն օգտագործվում է տարբեր չափման միավորներ ունեցող հատկանիշների տարափոխման համեմատականը գնահատելու համար, օրինակ՝ այն կարող է կիրառվել արյան մեջ լեյկոցիտների և նատրիումի կոնցենտրացիաների տարափոխումը գնահատելու համար: Եթե վարիացիայի գործակիցը մինչև 10% է, ապա հատկանիշի տարափոխումը թույլ է, 10-20%-ի դեպքում՝ միջին, եթե 20%-ից բարձր է՝ ուժեղ: Հատկանիշի ուժեղ տարափոխումը վկայում է համապատասխան միջին թվաբանականի ցածր ներկայացուցչականության, հետևապես, գործնականում այն կիրառելու աննպատակահարմարության մասին: Z-արժեքներ որմալ բաշխման դեպքում բաշխման ցանկացած տարրի հեռավորուՆ թյունը միջին թվաբանականից կարող է արտահայտված լինել ստանդարտ շեղումներով, այսինքն՝ կարելի է որոշել, թե միջինից (բարձր կամ ցածր) քանի ստանդարտ շեղումների տարածության վրա է այս կամ այն մեծությունը: Այդ տարածությունը, որն արտահայտված է ստանդարտ շեղումներով, հայտնի է որպես տարրի z արժեք: Եթե տվյալ տարրը միջին մեծությունից բարձր է, ապա այն կունենա դրական z արժեք, իսկ միջին մեծությունից ցածրի դեպքում՝ բացասական z արժեք: Z արժեքը հաշվվում է հետևյալ բանաձևով՝
z=
Xi − m
σ
:
Օրինակ, եթե առողջ մարդկանց պոպուլ յացիայում սիստոլիկ ճնշման արժեքներն ունեն նորմալ բաշխում, որի դեպքում միջին թվաբանականը (ք) հավասար է 120 մմ ս.ս., իսկ ստանդարտ շեղումը (σ) 10 մմ ս.ս. է, ապա արյան ճնշման մեծությունը, որը հավասար է 135 մմ ս.ս., կտեղակայվի միջին թվաբանականից 1.5 ստանդարտ շեղումով բարձր, հետևապես այդ մեծության z արժեքը հավասար կլինի +1.5 (135-120)/10): Արյան ճնշման մեծությունը, որը հավասար է 115 մմ ս.ս., կտեղակայվի միջին թվաբանականից մոտավորապես 0.5 ստանդարտ շեղումով ցածր, հետևաբար այդ մեծության z-արժեքը հավասար կլինի -0.5 (115-120)/10 ):
96 | Կենսաբանական վիճակագրության հիմունքներ Z արժեքների աղ յուսակի միջոցով (աղ. 18) կարելի է որոշել բաշխման տարբեր մեծությունների տեսակարար կշիռները, որոնք ցանկացած տրված z արժեքից բարձր են կամ ցածր, և ոչ թե միայն z արժեքներից, որոնք հավասար են ± 1, 2 և 3: Աղ յուսակից երևում է, օրինակ, որ բաշխման մեծությունների 0.309-ը կամ մոտավորապես 31%-ը 0.5 z արժեքից բարձր է: Քանի որ նորմալ բաշխումը համաչափ է, ուրեմն դա նշանակում է, որ բաշխման մեծությունների մոտավորապես 31%-ը -0.5 z արժեքից ցածր է: Ուրեմն վերը նշված պոպուլ յացիայի 31%-ի սիստոլիկ ճնշման արժեքը հավասար է 115 մմ ս.ս.: Z արժեքները ստանդարտացված են, այդ իսկ պատճառով դրանք հնարավորություն են տալիս համեմատելու նորմալ բաշխման տարբեր արժեքներ: Օրինակ՝ համապատասխան z արժեքների միջոցով կարելի է համեմատել մարդու հասակը նրա քաշի հետ (այն պայմանով, որ երկու հատկանիշներն էլ նորմալ բաշխման տարրեր են): Որոշակի մեծություններին համապատասխանող բաշխման տեսակարար կշիռը գտնելու համար z արժեքի օգտագործման փոխարեն հնարավոր է կատարել հակառակը, այսինքն՝ օգտագործել z արժեքները այն մեծության արժեքը որոշելու համար, որը բաշխումը բաժանում է որոշակի տոկոսների: Աղ յուսակ 18. Նորմալ բաշխման կորի տակ գտնվող մակերեսը
z
Մակերեսը – z և +z արժեքների միջև
Մակերեսը երկու պոչերում (< -z և > +z)
Մակերեսը մեկ պոչում (< -z կամ > +z)
0,00
0,000
1,000
0,500
0,05
0,040
0,960
0,480
0,10
0,080
0,920
0,460
0,15
0,119
0,881
0,440
0,20
0,159
0,841
0,421
0,25
0,197
0,803
0,401
0,30
0,236
0,764
0,382
0,35
0,274
0,726
0,363
0,40
0,311
0,689
0,345
0,45
0,347
0,653
0,326
0,50
0,383
0,617
0,309
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 97
0,55
0,418
0,582
0,291
0,60
0,451
0,549
0,274
0,65
0,484
0,516
0,258
0,70
0,516
0,0484
0,242
0,75
0,547
0,453
0,227
0,80
0,576
0,424
0,212
0,85
0,605
0,395
0,198
0,90
0,632
0,368
0,184
0,95
0,658
0,342
0,171
1,00
0,683
0,317
0,159
1,05
0,706
0,294
0,147
1,10
0,729
0,271
0,136
1,15
0,750
0,250
0,125
1,20
0,770
0,230
0,115
1,25
0,789
0,211
0,106
1,28
0,800
0,200
0,100
1,30
0,806
0,194
0,097
1,35
0,823
0,177
0,089
1,40
0,838
0,162
0,081
1,45
0,853
0,147
0,074
1,50
0,866
0,134
0,067
1,55
0,879
0,121
0,061
1,60
0,890
0,110
0,055
1,645
0,900
0,100
0,050
1,65
0,901
0,099
0,049
1,70
0,911
0,089
0,045
1,75
0,920
0,080
0,040
1,80
0,928
0,072
0,036
1,85
0,936
0,064
0,032
1,90
0,943
0,057
0,029
1,95
0,949
0,051
0,026
1,96
0,950
0,050
0,025
2,00
0,954
0,046
0,023
98 | Կենսաբանական վ իճակագրության հիմունքներ Օրինակ՝ օգտագործելով z արժեքի աղ յուսակը՝ հնարավոր է որոշել z արժեքը, որը պոպուլ յացիայում սիստոլիկ ճնշման առավելագույն արժեք ունեցող 5% անձանց առանձնացնում է մնացած 95%-ից (այսինքն՝ այն խումբը, որը համապատասխանում է 95-րդ պերցենտիլին կամ դրանից բարձր): 5% մեծությունը կամ 0.05-ը աղ յուսակում համապատասխանում է z-ի 1.645 արժեքին: Դա նշանակում է, որ սիստոլիկ ճնշման համապատասխան մեծությունը 1.645 ստանդարտ շեղումով բարձր է միջինի արժեքից, այսինքն՝ այն հավասար է ք +1.645՝ σ =120+(1.645x10)=136.45 կամ մոտավորապես 136 մմ ս.ս.: Այսպիսով, կարելի է եզրակացնել, որ պոպուլ յացիայում սիստոլիկ ճնշման առավելագույն արժեքով 5% անձանց սիստոլիկ ճնշումը 136 մմ ս.ս.-ից բարձր է: Z-արժեքը, պոպուլ յացիայի վերին 5%-ը առանձնացնում է մնացած 95%-ից, հավասար չէ 2: Չնայած բաշխման մեծությունների 95%-ը միջինից 2 ստանդարտ շեղումների սահմաններում է, այնուամենայնիվ այդ 95%-ը բաժին է ընկնում նորմալ բաշխման կորագծի տակի մակերեսի մեջտեղին, 95%-ով մակերեսից երկկողմանի մնացած «երկու պոչերին» բաժին է ընկնում ամբողջ բաշխման 5%-ը: Բայց քանի որ նորմալ բաշխման կորագիծը համաչափ է, ապա բաշխման 2.5%-ը տեղակայված է միջինից 2 ստանդարտ շեղումով բարձր, իսկ մյուս 2.5%-ը՝ ցածր: Z արժեքները հնարավորություն են տալիս որոշելու նաև այն հավանականությունը, որ հատկանիշի պատահական ընտրված տարրի մեծությունը տրված արժեքից բարձր կամ ցածր կլինի: Օրինակ՝ եթե հայտնի է, որ պոպուլ յացիայի 5%-ի շրջանում սիստոլիկ ճնշումը բարձր է 136 մմ ս.ս.-ից, ապա հավանականությունը, որ տվյալ պոպուլ յացիայից պատահական ընտրված մարդը կունենա 136 մմ ս.ս. սիստոլիկ ճնշման արժեք, հավասար կլինի 5%-ի: Նմանապես հնարավոր է որոշել այն հավանականությունը, որ տվյալ պոպուլ յացիայից պատահական ընտրված մարդը կունենա 100 մմ ս.ս.-ից ցածր սիստոլիկ ճնշում: Քանի որ 100-ը միջին մեծությունից (120 մմ ս.ս.) 2 ստանդարտ շեղումով ցածր է (100-120)/10), այսինքն՝ համապատասխանում է z-ի արժեքին, որը հավասար է 2 (z=2), և հայտնի է, որ բաշխման մոտավորապես 95%-ը ±2 միջակայքի սահմաններում է, հետևապես բաշխման մնացած 5%-ը այդ միջակայքից դուրս է, մասնավորապես 2.5%-ը կգտնվի z=-2 արժեքից ցածր, իսկ 2.5%-ը՝ z=+2 արժեքից բարձր: Այսպիսով, հավանականությունը, որ տվյալ պոպուլ յացիայից պատահական ընտրված մարդու սիստոլիկ ճնշումը 100 մմ ս.ս.-ից ցածր կլինի, հավասար է 2.5%-ի:
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 99
ՀԱՐԱԲԵՐԱԿԱՆ ՄԵԾՈՒԹՅՈՒՆՆԵՐԸ,
ԴՐԱՆՑ ԳՐԱՖԻԿԱԿԱՆ ՊԱՏԿԵՐՈՒՄԸ
Ինչպես վերը նշվեց, կենտրոնական միտման ցուցանիշները գրեթե միշտ (հատկապես միջին թվաբանականը) օգտագործվում են քանակական հատկանիշների ներկայացման տվյալները բնութագրելու համար: Որակական հատկանիշների տվյալները բնութագրելու համար առավել հաճախ օգտագործվում են հարաբերական մեծությունները, որոնցից են էքստենսիվ, ինտենսիվ, հարաբերակցության ցուցանիշները: Էքստենսիվ ցուցանիշն ամբողջի մեջ բաղադրամասի տեսակարար կշռի ցուցանիշ է, այն ամբողջը բաղադրամասերի վրա բաշխման ցուցանիշ է, այսինքն՝ կառուցվածքային ցուցանիշ: Էքստենսիվ ցուցանիշը հաշվարկելու համար անհրաժեշտ է ունենալ ինչպես ամբողջի, այնպես էլ նրա բոլոր բաղադրամասերի քանակական տվյալները: Էքստենսիվ ցուցանիշը սովորաբար արտահայտվում է տոկոսներով: Ամբողջն ընդունվում է որպես 100%, իսկ նրա առանձին բաղադրամասերը՝ X%: Էքստենսիվ ցուցանիշը հաշվարկվում է հետևյալ բանաձևով՝ Էքստենսիվ ցուցանիշ = ամբողջության մասը * 100% ։ ամբողջությունը Օրինակ՝ տարվա ընթացքում Ն շրջանում գրանցվել է ինֆեկցիոն հիվանդությունների 500 դեպք, որից համաճարակային հեպատիտից՝ 60 դեպք, կարմրուկից՝ 100 դեպք, այլ ինֆեկցիոն հիվանդություններից՝ 340 դեպք: Հետևապես, ինֆեկցիոն հիվանդությունների կառուցվածքում համաճարակային հեպատիտի մասնաբաժինը կկազմի 12%=(60*100% / 500), կարմրուկինը՝ 20%=(100*100% / 500), այլ ինֆեկցիոն հիվանդությունների մասնաբաժինը՝ 68%=(340*100% / 500): Էքստենսիվ ցուցանիշը կարող է կիրառվել միայն ժամանակի կոնկրետ պահին, կոնկրետ ամբողջության վերլուծության համար: Էքստենսիվ ցուցանիշները չեն կարող օգտագործվել տարբեր ամբողջություններ համեմատելու կամ դինամիկ վերլուծություններ կատարելու համար, քանի որ դա կհանգեցնի սխալ եզրակացությունների: Բանն այն է, որ ցուցանիշը փոխվում է ոչ միայն հատկանիշի քանակական փոփոխություններից, այլև այլ հատկանիշների փոփոխություններից: Ենթադրենք՝ Ա բնակավայրում գրանցվել էին հետևյալ հիվանդությունները. սուր աղիքային վարակիչ հիվանդություններ՝ 1000 դեպք (20%) սուր շնչառական հիվանդություններ՝ 1000 դեպք (20%) շաքարային դիաբետ՝ 100 դեպք (2%)
100 | Կենսաբանական վ իճակագրության հիմունքներ խ պիպ՝ 50 դեպք (1%) այլ հիվանդություններ՝ 2850 դեպք (57%) ըն դա մե նը՝ 5000 դեպք (100%) ոյուղու և ջրմուղի վերանորոգումից հետո սանիտարահիգիենիկ վիԿ ճակի բարելավման հետևանքով աղիքային վարակիչ հիվանդությունների կտրուկ անկում է նկարագրվում․ գրանցվել է ընդամենը 500 դեպք, միաժամանակ ավելացել են խպիպի դեպքերը՝ սուր աղիքային վարակիչ հիվանդություններ՝ 500 դեպք (11.11%) սուր շնչառական հիվանդություններ՝ 1000 դեպք (22.22%) շաքարային դիաբետ՝ 100 դեպք (2.22%) խ պիպ՝ 60 դեպք (1.33%) այլ հիվանդություններ՝ 2840 դեպք (63.11%) ըն դա մե նը՝ 4500 դեպք (100%) Հիմնվելով միայն էքստենսիվ ցուցանիշների վրա՝ կարելի է եզրակացնել, որ աղիքային հիվանդությունները նվազել են 45%-ով (20%-ից 11%), մինչդեռ իրականում այդ հիվանդությունների դեպքերի թիվը նվազել է 50%-ով (1000-ից 500 դեպք): Խպիպի դեպքերի թիվը ավելացել է 33%-ով, մինչդեռ իրականում ավելացել են 20%-ով (50-ից 60): Շաքարային դիաբետի, սուր շնչառական և այլ հիվանդությունների տեսակարար կշիռը ավելացել է, համապատասխանաբար, 11%, 11.1%, 10.7%-ով, մինչդեռ իրականում այլ հիվանդությունների դեպքերը 10-ով նվազել են, իսկ սուր շնչառական հիվանդությունների և շաքարային դիաբետի քանակի փոփոխություն չի եղել: Էքստենսիվ ցուցանիշների վերլուծության հաճախ հանդիպող սխալներից է, երբ գնահատվում է ոչ թե ամբողջ կառուցվածքը, այլ առանձին բաղադրիչները: Ավելի կարևոր է ոչ թե թվային արժեքների փոփոխությունը, այլ կարգային համարի փոփոխությունը ընդհանուր կառուցվածքում: Էքստենսիվ ցուցանիշը վիճակագրական ցուցանիշ է՝ այն գրաֆիկորեն պատկերվում է միայն սեկտորային կամ ներսյունակային դիագրամներով (նկ. 23), որոնք հարթակային դիագրամների տարատեսակներ են: Սեկտորային դիագրամի շրջանը ամբողջն է, որն ընդունվում է 100%: Հետևապես՝ դիագրամի յուրաքանչյուր սեկտոր կներկայացնի հետազոտվող ամբողջի այս կամ այն բաղադրամասը: Ներսյունակային դիագրամի դեպքում ամբողջը ներկայացված է լինում ուղղանկյունով, որի բարձրությունն ընդունվում է 100%: Ամբողջի
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 101
բաղադրամասերի տեսակարար կշիռները պատկերվում են ուղղանկյունու ներսում, որտեղ դրանք տեղադրվում են տոկոսային արժեքների նվազեցման կարգով՝ ներքևից դեպի վերև, վերջում նշվում է «այլ հիվանդություններ» խմբի մասնաբաժնի տոկոսային արժեքը: Ա-ն սեկտորային դիագրամ է, Բ-ն՝ ներսյունակային
Նկար 23. Ն շրջանում ինֆեկցիոն հիվանդությունների բաշխումն ըստ նոզոլոգիական տեսակների (/)
Ինտենսիվ ցուցանիշը որոշակի միջավայրում տեղի ունեցող երևույթների (պրոցեսների) հաճախականության, տարածվածության, մակարդակի ցուցանիշ է: Ինտենսիվ ցուցանիշը ցույց է տալիս ուսումնասիրվող երևույթի հաճախականությունը որոշակի միջավայրում, որն առաջացնում, ծնում է այդ երևույթը: Ինտենսիվ ցուցանիշների օրինակներ են հիվանդացության, մահացության, ծնելիության ցուցանիշները և այլն: Ինտենսիվ ցուցանիշը հաշվարկելու համար անհրաժեշտ է տվյալներ ունենալ երևույթի և կոնկրետ միջավայրի բացարձակ չափերի մասին: Երևույթը բնութագրող բացարձակ թվի արժեքը բաժանվում է միջավայրի չափի ցուցման բացարձակ թվի արժեքի վրա և բազմապատկվում է 100-ով, 1000-ով և այլն: Ինտենսիվ ցուցանիշի հաշվարկը կատարվում է հետևյալ բանաձևով՝ Ինտենսիվ ցուցանիշ = երևույթ * 100 (1000; 10 000; 100 000) :
միջավայր
102 | Կենսաբանական վ իճակագրության հիմունքներ
Հանդիպման հաճախականությունը
Կարևոր է նշել, որ համարիչը հայտարարի մի մասն է, ինչով տարբերվում է հարաբերակցության ցուցանիշից (տե՛ս ստորև): Բազմապատկիչը (100, 1000 և այլն) պայմանավորված է միջավայրում երևույթի տարածվածությամբ, այսինքն՝ որքան հազվադեպ է երևույթը, այնքան մեծ է բազմապատկիչը (1000, 10 000 և այլն) և հակառակը (100): Օրինակ՝ պետք է որոշել ծնելիության ցուցանիշը: Ա քաղաքում բնակվում է 120 000 մարդ (միջավայրն է): Նախորդ տարում ծնվել է 108 երեխա (երևույթն է): Ծնելիության ցուցանիշը հավասար է 9‰= (108 x 1000/120 000): Ինտենսիվ ցուցանիշներն օգտագործվում են ինչպես նույն տարածքում տևական ժամանակում երևույթի տարածվածության մակարդակը ուսումնասիրելու, այնպես էլ միևնույն ժամանակահատվածում, բայց տարբեր տարածաշրջաններում, շրջաններում, հիմնարկներում նույն երևույթի տարածվածության, հաճախականության համեմատականը գնահատելու համար: Գրաֆիկորեն ինտենսիվ ցուցանիշները կարող են պատկերվել գծային, շառավղային և սյունակային դիագրամներով: Գծային դիագրամը սովորաբար կիրառվում է ժամանակի դինամիկայում տվյալները ներկայացնելու համար: Տվյալ դեպքում ժամանակը ներկայացվում է աբսցիս (հորիզոնական) առանցքի, իսկ ուսումնասիրվող երևույթի մեծությունները՝ օրդինատ (ուղղահայաց) առանցքի վրա (նկ. 24):
Նկար 24. Տուբերկուլոզի տարածվածությունը և հիվանդացությունը ՀՀ-ում (100 000 բնակչի հաշվարկով)
Շառավղային դիագրամը գծային դիագրամի տեսակ է: Այն կիրառվում է ժամանակի պարփակված ցիկլի (օր, շաբաթ, ամիս, տարի) ընթացքում երևույթի դինամիկան պատկերելու համար: Շառավղային դիագրամը կարող է
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 103
կիրառվել, օրինակ՝ ինֆեկցիոն հիվանդացության սեզոնային տատանումները ներկայացնելու, շտապօգնության կանչերի քանակի օրական տատանումները պատկերելու համար: Շառավղային դիագրամի վրա ցիկլիկ պրոցեսները ներկայացվում են շրջանով, որը եզրափակում է ժամանակի դիտարկման ամբողջ ցիկլը: Շրջանի շառավիղը հավասար է ուսումնասիրվող երևույթի միջին ցիկլային (օրինակ՝ միջին օրական, միջին ամսական) մակարդակին (նկ. 25): Ուսումնասիրվող երևույթի ժամանակահատվածներին համապատասխանաբար՝ ամբողջ շրջանը շառավիղներով բաժանվում է սեկտորների, և յուրաքանչյուր շառավղի վրա տեղադրվում է ուսումնասիրվող երևույթի մեծությունը՝ ժամանակի յուրաքանչյուր հատվածին համապատասխան: Արդյունքում ստացվում է ոչ ճիշտ ձևի բազմանկյուն, որն արտահայտում է ժամանակի պարփակված ցիկլում ուսումնասիրվող երևույթի մակարդակի տատանումները:
Նկար 25. Տարվա ընթացքում դիզենտերիայով հիվանդացության դեպքերի քանակի սեզոնային տատանումները Ն քաղաքում
Ինչպես վերը նշվեց, սյունակային դիագրամը կարող է օգտագործվել համեմատվող խմբերում անվանական (նոմինալ) հատկանիշների քանակական արժեքներին վերաբերող տվյալները ներկայացնելու համար: Բացի դրանից, սյունակային դիագրամը կարող է օգտագործվել նաև ինտենսիվ ցուցանիշներ պատկերելու համար, օրինակ՝ դիտարկվող ժամանակահատվածում համեմատվող խմբերում տվյալ հատկանիշի հաճախականությունները ներկայացնելու կամ միևնույն խմբում տարբեր ժամանակահատվածներում տվյալ հատկանիշի հաճախականությունը պատկերելու համար (նկ. 26):
104 | Կենսաբանական վիճակագրության հիմունքներ Վերջինիս դեպքում աբսցիս առանցքի վրա, ինչպես և գծային դիագրամի դեպքում, նշվում են ժամանակահատվածները, իսկ օրդինատ առանցքի վրա՝ ուսումնասիրվող երևույթի մեծությունը՝ ընդունված մասշտաբով:
Նկար 26. Ն երկրում բնակչության՝ քութեշով և կապույտ հազով հիվանդացությունը տվյալ և նախորդ տարիներին
արաբերակցության ցուցանիշը բնութագրում է երկու իրար հետ չկապՀ ված ամբողջությունների հարաբերությունը, որոնցից մեկը բնութագրվում է որոշակի հատկանիշի առկայությամբ (a), օրինակ՝ հիվանդությամբ, իսկ մյուսը (b)՝ դրա բացակայությամբ: Հարաբերակցության ցուցանիշը հաշվարկվում է հետևյալ բանաձևով՝ Հարաբերակցության ցուցանիշ = a/b: Այսպիսով, հարաբերակցության ցուցանիշի առանձնահատկությունն այն է, որ համարիչը երբևիցե հայտարարի մասը չէ: Հարաբերակցության ցուցանիշը ևս երբեմն բազմապատկվում է բազմապատկիչով, որը կարող է հավասար լինել 100-ի, 1000-ի, 10 000-ի և այլն: Հարաբերակցության ցուցանիշների օրինակ են, դիցուք՝ բնակչության հիվանդանոցային մահճակալներով, բժիշկներով, միջին բուժաշխատողներով, բժշկական տեխնիկայով ապահովվածության ցուցանիշները: Նշված ցուցանիշներից, օրինակ, առաջինը հաշվարկվում է այսպես՝ բնակչության հիվանդանոցային մահճակալներով ապահովվածության ցուցանիշը
=
հիվանդանոցային մահճակալների թիվ * 10 000 բնակչության միջին տարեկան թիվ
Դիտարկենք հաջորդ օրինակը: Ա քաղաքում բնակչության քանակը 120 000 մարդ է, քաղաքում թերապևտիկ մահճակալների ընդհանուր քանակը 300 է: Բնակչության թերապևտիկ մահճակալներով ապահովվածության ցուցանիշը 25 մահճակալ է՝ 10 000 բնակչի հաշվարկով (25 = 300 * 10 000 / 120 000):
ՆԿԱՐԱԳՐԱԿԱՆ վԻՃԱԿԱԳՐՈՒԹՅՈՒՆ | 105
արաբերակցության ցուցանիշի օրինակ է նաև հետազոտվող խմբում Հ տվյալ երևույթի զարգացմամբ մարդկանց քանակի հարաբերությունը մարդկանց քանակին, որոնց շրջանում տվյալ երևույթը չի զարգացել, դիցուք՝ առողջների և հիվանդների հարաբերակցությունը հետազոտվող խմբում: Այս ցուցանիշը կիրառվում է հնարավորությունների հարբերակցությունը հաշվարկելու համար, որը ցույց է տալիս հետազոտվող խմբում երևույթի առաջացման հնարավորությունների թվի հարաբերությունը հսկիչ խմբում երևույթի առաջացման հնարավորությունների թվի նկատմամբ, որն էլ դիտարկված է հետազոտությունների դիզայնի բաժնում:
106 |
ՎԻՃԱԿԱԳՐԱԿԱՆ ԵԶՐԱԿԱՑՈՒԹՅՈՒՆՆԵՐ
Մենք արդեն դիտարկել ենք z-մեծության օգտագործման հնարավորությունը այն հավանականությունը որոշելու համար, որ հատկանիշի պատահականորեն ընտրված տարրի մեծությունը կարող է բարձր կամ ցածր լինել նշված արժեքից: Այս մեթոդը կարող է կիրառվել նորմալ բաշխման դեպքում, գլխավոր համախմբի (պոպուլ յացիայի) բոլոր բնութագրերի՝ պոպուլ յացիոն միջին թվաբանականի և ստանդարտ շեղման մասին տեղեկատվության առկայության դեպքում: Սակայն գործնականում հետազոտողները առավել հաճախ չունեն տեղեկություններ ամբողջ պոպուլ յացիան բնութագրող միջին թվաբանականի կամ ստան դարտ շեղ ման մա սին, քա նի որ ի րա կան կյան քում դրանց հաշվարկումը հաճախ լինում է ոչ գործնական: Պոպուլ յացիաները կարող են ընդգրկել տասնյակ հազարավոր և նույնիսկ միլիոնավոր մարդկանց, հետևաբար նրանց հետազոտությունը պայմանավորված է զգալի ծախսերով: Նման դեպքերում սովորաբար հետազոտողները սահմնափակվում են այս կամ այն երևույթի բնութագրերի ուսումնասիրման համեմատաբար ոչ մեծ ընտրանքով, որն ընտրում են իրենց հետաքրքրող պոպուլ յացիայից: Այսպիսով, այն ամենը, ինչ հայտնի է դառնում ընտրովի հետազոտության ստացված տվյալներից, տեղեկություններ են միջինի և ստանդարտ շեղման մասին: Այդ իսկ պատճառով առավել հաճախ հետազոտողների խնդիրն է դառնում ընտրանքի ուսումնասիրության արդյունքներից բխող եզրակացությունների (տարածումը) էքստրապոլ յացիան ողջ պոպուլ յացիայի վրա, որից ընտրվել է տվյալ ընտրանքը: Օրինակ՝ հիվանդների ոչ մեծ ընտրանքում անցկացրած փորձարկման հիման վրա հետազոտողները ձգտում են ապացուցել որևէ նոր դեղամիջոցի արդյունավետությունը համապատասխան ախտաբանությամբ տառապող բոլոր հիվանդների դեպքում: Եզրակացությունների նման տարածումը (էքստրապոլ յացիան) կոչվում է վիճակագրական եզրակացություն (Inferential statistics): Հայտնի են բազմաթիվ վիճակագրական մեթոդներ, որոնք հնարավորություն են տալիս կատարելու այդ եզրակացությունները: Պոպուլ յացիաների բնութագրերը (ք, σ), որոնց մասին արվում են եզրակացություններ, ընդունված է անվանել պարամետրեր, իսկ հետազոտություններից ստացված բնութագրերը ( X և ՍՇ)՝ վիճականիներ: Հետազոտվող ընտրանքը չի կարող ամբողջապես համապատասխանել պոպուլ յացիային, որից այն ընտրված է, հետևապես վիճակագրերը (օրինակ՝ ընտրանքային միջինը) չեն կարող ամբողջությամբ հավասար լինել
ՎՎիճակագրական եզրակացություննե | 107
պարամետրերին (օրինակ՝ պոպուլ յացիոն միջինին): Ենթադրենք՝ արյան մեջ խոլեստերինի մակարդակը հետազոտելու համար որոշակի պոպուլ յացիայից ընտրվել է թվով 1000 մարդուց բաղկացած ընտրանք: Հետազոտվածների արյան մեջ խոլեստերինի մակարդակը կազմել է 180 մգ/100 մլ: Դա ամենևին չի նշանակում, որ ուսումնասիրվող ամբողջ պոպուլ յացիայում բոլոր մարդկանց արյան մեջ խոլեստերինի մակարդակը պարտադիր պետք է համընկնի հետազոտված ընտրանքից ստացված (180 մգ/100 մլ) մակարդակին: Ընտրանքային հետազոտություններ անցկացնելու համար պարտադիր լինում է ընտրանքային հետազոտության սխալ, որն առաջանում է հատկանիշի մեծության բնական տարափոխման (վարիացիայի) հետևանքով: Այդ տարափոխումն էլ այն տարբերությունն է, որը դիտվում է ընտրովի հետազոտությունից ստացված վիճակագրական տվյալների և պոպուլ յացիայի բնութագրման պարամետրերի արժեքների միջև: Պատկերացնենք, որ վերը դիտարկված պոպուլ յացիայից պատահական ընտրության միջոցով ընտրել ենք 1000 մարդուց բաղկացած մեկ ընտրախումբ և հաշվել նրանց արյան մեջ խոլեստերինի միջին մակարդակը: Առաջին ընտրախմբի դեպքում հաշված միջինը նշենք ( X 1): Դրանից հետո նույն պուպլ յացիայից ընտրել ենք ևս 1000 մարդուց բաղկացած երկրորդ ընտրախումբը, որի դեպքում հաշված միջինը նշենք ( X 2): Արդյոք կհամընկնե՞ն հաշվարկված միջին թվաբանականները: Բնականաբար, ո՛չ: Ընտրովի հետազոտության սխալի հետևանքով միջինները որոշակի աստիճանով տարափոխված կլինեն: Եթե պատկերենք երկու ընտրանքային միջինները հաճախականությունների բաշխման կորով, ապա կպարզվի, որ ստացված բաշխումը շատ նման է նորմալին: Այդ բաշխումը կոչվում է պատահական ընտրանքների միջինների բաշխում: Եթե ընտրախմբերի ընտրության գործընթացը և ստացված միջինների տեղակայումը բաշխման կորի վրա շարունակենք մինչև անսահմանություն, ապա կհայտնաբերվի, որ բաշխումը իրականում դառնում է նորմալ: Ընտրանքային միջինների բաշխման կորը նորմալ է նույնիսկ այն դեպքում, եթե ուսումնասիրվող պոպուլ յացիան չունի նորմալ բաշխում: Այս սկզբունքը հայտնի է որպես կենտրոնական սահմանային տեսու թյուն, ըստ որի՝ պոպուլյացիայում հատկանիշի մեծությունների բաշխման ձևից անկախ, որից ընտրված են եղել ընտրախմբերը, ընտրանքային միջինների բաշխման կորը միշտ կմնա նորմալ: Կենտրոնական սահմանային տեսության համաձայն՝ ընտրանքների չափերի մեծացման հետ մեկտեղ ընտրանքային միջինների բաշխման կորը էլ ավելի շատ է մոտենում նորմալին: Բացի դրանից, ըստ կենտրոնական սահմանային տեսության՝ բոլոր ընտրանքային միջինների միջինը (քx) հավասար է ամբողջ պոպուլյացիայի իսկական միջինին (ք):
108 | Կենսաբանական վիճակագրության հիմունքներ ոլոր բաշխումների նման, ընտրանքային միջինների բաշխումը ևս բնուԲ թագրվում է ոչ միայն միջինով, այլև ստանդարտ շեղումով (SD): Այս դեպքում, ինչպես և ամեն դեպքում, ստանդարտ շեղումը տարափոխման չափ է, որը ցույց է տալիս բաշխման տարրերի ցրվածությունը: Դա իրական պոպուլյացիոն միջինից ընտրանքային միջինների հատուկ ստանդարտ շեղում է, որը ցույց է տալիս նրանց տարափոխման չափը: Այն կոչվում է ստան դարտ սխալ և նշվում SE հապավումով կամ «m» տառով: Որքան փոքր լինի ստանդարտ սխալի մեծությունը, այնքան պոպուլ յացիոն միջինին մոտ կլինի ցանկացած կոնկրետ ընտրանքի միջինը: Սակայն ընտրանքային միջինները անհատական արդյունքների համեմատ բնութագրվում են ավելի փոքր տարափոխությամբ: Օրինակ՝ միևնույն պոպուլ յացիայից ընտրված երկու տարբեր ընտրանքների դեպքում հաշված՝ արյան մեջ խոլեստերինի միջին մակարդակները կունենան շատ մոտ արժեքներ: Բոլոր դեպքերում դրանց արժեքները շատ ավելի մոտ կլինեն իրար, քան պոպուլ յացիայից պատահականորեն ընտրված երկու մարդկանց արյան մեջ խոլեստերինի մակարդակի արժեքները: Ընտրանքային միջինների ավելի փոքր տարափոխման պատճառը անհատական արժեքների համեմատ ակնհայտ է: Միջին թվաբանականը միջինացնում է մի քանի անհատական արժեքների մեծություններ: Նույնիսկ ընտրանքում մի քանի ծայրային (դուրս եկող) արժեքների առկայության դեպքում վերջիններիս ազդեցությունը զգալի աստիճանով հարթեցվում է տվյալ հատկանիշի նորմալ արժեքների ազդեցությամբ, որոնք մեծամասնություն են կազմում: Դա հնարավորություն է տալիս ընտրախմբի մասին բավականին հիմնավորված եզրակացություններ անելու: Պատկերացնենք հետևյալ պարզ օրինակը: Ենթադրենք՝ մեզ անհրաժեշտ է համեմատել բժիշկ ուսանողների և ուսանողուհիների միջին հասակը: Եթե մենք պարզապես ընտրենք 1 ուսանող և 1 ուսանողուհի և համեմատենք նրանց հասակի արժեքները, ապա ավելի շուտ մենք պետք է սպասենք, որ տղայի հասակը կլինի ավելի բարձր, քան աղջկանը: Սակայն կարող է լինել այնպես, որ ընտրված աղջիկն ավելի բարձրահասակ լինի, քան տղան: Ինչպես տղաների, այնպես էլ աղջիկների հասակը ենթարկվում է զգալի փոփոխականության, և նրանց հասակի արժեքների բաշխման կորերը զգալի աստիճանով շերտադարսվում են միմյանց վրա, եթե նույնիսկ տղաների միջին հասակը 15 սմ-ով բարձր է աղջիկների հասակից: Միայն մեկ դիտարկում պարունակող ընտրանքի հիման վրա եզրակացություն անելու ցանկացած փորձ, բնականաբար, անիմաստ է՝ փոփոխականներին բնորոշ տարափոխության և, դրա հետևանքով, անհուսալիության պատճառով: Սակայն շատ զարմանալի կլիներ, եթե մենք ընտրեինք 16-ական տղա ու աղջիկ, և հանկարծ հայտնաբերեինք, որ աղջիկների միջին հասակը
ՎՎիճակագրական եզրակացություննե | 109
զգալի բարձր է տղաների միջին հասակից: Նույնիսկ ընտրված ուսանողների միջև ոչ մեծ թվով անսովոր բարձրահասակ աղջիկների և անսովոր ցածրահասակ տղաների առկայության դեպքում նրանց ազդեցութունն ընտրանքային միջին արժեքի վրա շատ չնչին կլինի: Տղաների և աղջիկների մի քանի ընտրանքների կրկնակի ընտրման դեպքում ընտրանքային միջինները հաշվելիս մենք կնկատենք, որ դրանց արժեքներն ընտրանքից ընտրանք փոքր-ինչ տարափոխվում են: Սակայն, շնորհիվ հարթեցման, միջինացման պրոցեսի ազդեցությանը՝ ընտրանքային միջինների այդ փոփոխակությունը, զգալի կկրճատվի, և տղաների ու աղջիկների հասակի ընտրանքային միջինների բաշխման կորերը գրեթե չեն շերտադասվի իրար վրա: Այլ կերպ ասած, ըստ էության, տղաների և աղջիկների ցանկացած ընտրված ընտրախումբ ցույց կտա, որ իրականում տղաներն ավելի բարձրահասակ են, քան աղջիկները: Այսպիսով, միջին մեծությունները պակաս տարափոխվող են անհատական մեծությունների համեմատ: Մենք արդեն քննարկել ենք, որ տարափոխման նվազումը ընտրանքում անհատական արժեքների միջինացման ուղիղ հետ ևանք է: Հարց է ծա գում. որ քա նո՞վ է այդ տա րա փո խու մը նվա զում և ինչո՞վ է պայմանավորված: Միանգամայն ակնհայտ է, որ ընտրանքային միջինների տարափոխումը պայմանավորված կլինի փոփոխականի անհատական արժեքների տարափոխմամբ, որոնց հիման վրա դրանք հաշվվել են: Ինչքան մեծ է անհատական արժեքների տարափոխումը, այնքան ավելի տարափոխվող կլինեն միջին թվաբանականների արժեքները: Թվում է՝ միանգամայն հիմնավորված է նաև այն ենթադրությունը, որ ընտրանքային միջինի տարափոխումը պետք է պայմանավորված լինի ընտրանքի չափով, որի համար այն հաշվվել է: Ընտրանքը, որն ընդգրկում է ընդամենը երկու դիտարկում, միայն մասամբ է միջինացնում անհատական արժեքների տատանողականությունը և զգալիորեն ավելի քիչ աստիճանով է նվազեցնում փոփոխականի խիստ բարձր կամ ցածր արժեքների ազդեցությունը: Մյուս կողմից՝ ընտրանքը, որն ընդգրկում է 100 դիտարկում, ապահովում է միջինի զգալիորեն ավելի հուսալի պաշտպանություն անսովոր արժեքների ազդեցությունից, և միջինը, որը ստացվել է նման ընտրանքից, ավելի շատ վստահություն է ներշնչում, քան 2 դիտարկումներ ընդգրկող ընտրանքի միջինը: Այսպիսով, ընտրանքային միջինների տարափոխումը կամ ստանդարտ սխալը պայմանավորված է երկու մեծությունով՝ ստանդարտ շեղումով և ընտրանքի չափով: Նրանց միջև հարաբերությունը տրված է ներքոհիշյալ բանաձևում. σ : m=
n
110 | Կենսաբանական վ իճակագրության հիմունքներ նչպես երևում է բանաձևից, ստանդարտ սխալը հավասար է պոպուլ յաԻ ցիայի ստանդարտ շեղման և ընտրանքի չափի քառակուսի արմատի հարաբերությանը: Ինչքան մեծ է ստանդարտ շեղման արժեքը, այսինքն՝ որքան շատ են դիտարկումները տարբերվում միջինից, այնքան քիչ է միջինի մեծության նկատմամբ վստահությունը, և այնքան մեծ կլինի ստանդարտ սխալը: Ինչքան մեծ է ընտրանքի ծավալը, այնքան մեծ է վստահությունը, թե ստացված ընտրանքային միջինը մոտ կլինի պապուլ յացիոն միջինին և համապատասխանաբար այնքան փոքր կլինի ստանդարտ սխալը: Քանի որ, ըստ սահմանվածի պատահական ընտրանքների միջինի, բաշխման կորը նորմալ է, ուստի բոլոր հայտնի փաստերը նորմալ բաշխման և z արժեքների վերաբերյալ կարող են կիրառվել այն հավանականությունը որոշելու համար, որ ընտրանքի միջինը կունենա որոշակի մեծությունից բարձր կամ ցածր արժեք այն պայմանով, որ ընտրանքը պատահական է: Բացի դրանից, քանի որ ընտրանքային միջինների բաշխման կորը միշտ կմնա նորմալ՝ անկախ պոպուլ յացիայում փոփոխականի մեծությունների բաշխման ձևից, ապա z արժեքները ևս կարող են օգտագործվել պոպուլ յացիայում բաշխման ձևից՝ անկախ այն պայմանից, որ ընտրանքը պատահական է: Ընտրանքային միջինը որոշելու մեթոդիկան շատ նման է առանձին տարրերի որոշման մեթոդիկային. այն ընդգրկում է z արժեքների որոշումը, որոնք համապատասխանում են մեզ հետաքրքրող մեծությանը: Սակայն z արժեքի հաշվարկի փոխարեն, որը ցույց է տալիս, թե առանձին տարրերը քանի ստանդարտ շեղումներով են բարձր կամ ցածր պոպուլ յացիոն միջինից, տվյալ դեպքում z արժեքը ցույց կտա, թե ընտրանքային միջինը քանի ստանդարտ սխալներով է բարձր կամ ցածր պոպուլ յացիոն միջինից: Այսպիսով, z արժեքի հաշվարկի բանաձևը կունենա հետևյալ տեսքը՝
z=
X −m : m
Օրինակ՝ 120 մմ ս.ս. սիստոլիկ ճնշման միջին արժեքով և 10-ին հավասար ստանդարտ շեղումով պոպուլ յացիայում հավանականությունը, որ 25 մարդուց բաղկացած պատահական ընտրանքում սիստոլիկ ճնշման միջին արժեքը հավասար կլինի 125 մմ ս.ս. և բարձր, կարելի հաշվել հետևյալ կերպ՝
z= որտեղ
m=
σ n
=
X −m , m = 2:
ՎՎիճակագրական եզրակացություննե | 111
Այստեղից էլ՝
z=
X − m 125 − 120 = = 2,5 : m
Աղ յուսակ 18-ում ներկայացված տվյալների համաձայն՝ z արժեքին, որը հավասար է 2.5-ի, համապատասխանում է 0.006 հավանականությունը: Այսպիսով, հավանականությունը, թե տվյալ պոպուլ յացիայից պատահական ընտրված 25 մարդուց բաղկացած ընտրանքում սիստոլիկ ճնշման միջին արժեքը կլինի 125 մմ ս.ս.-ից բարձր, կկազմի 0.6%: Հնարավոր է նաև որոշել, թե ընտրանքային միջիններից որն ունի այնքան մեծ արժեք, որը հանդիպում է միայն 5% կամ 5%-ից քիչ ընտրանքներում: Աղ յուսակ 18-ից երևում է, որ z արժեքը, որը բաժանում է բաշխման ստորին 95%-ը վերին 5%-ից, հավասար է 1.645: Սիստոլիկ ճնշման համապատասխան արժեքը հավասար կլինի ք+ 1.645*m (այսինքն՝ պոպուլ յացիոն միջինին +1.645 ստանդարտ սխալները): Քանի որ պոպուլ յացիոն միջինը հավասար է 120-ի, և ստանդարտ սխալը հավասար է 2-ի, ապա սիստոլիկ ճնշման արժեքը կկազմի 120+(1.645*2), կամ 123.29 մմ ս.ս.: Հնարավոր է նաև որոշել այն միջակայքերը, որոնց սահմաններում կլինի բոլոր ընտրանքային միջինների 95%-ը: Ինչպես և յուրաքանչյուր նորմալ բաշխման դեպքում ընտրանքային միջինների բաշխման 95%-ը կլինի ± 2m սահմաններում, այսինքն՝ z= ±2 սահմաններում: Այսպիսով, բոլոր ընտրանքային միջինների 95%-ը պետք է լինի ± 2m սահմաններում պոպուլ յացիոն միջինի նկատմամբ: Ինչպես երևում է 18-րդ աղ յուսակից, z-ի ստույգ արժեքը, որը համապատասխանում է նորմալ բաշխման 95% միջիններին, հավասար է ±1.96, և ոչ թե ±2: Այսպիսով, ստույգ սահմանները կկազմեն 120 և 123.92 մմ ս.ս.:
ՄԻՋԻՆ ԹՎԱԲԱՆԱԿԱՆԻ ՎՍՏԱՀԵԼԻՈՒԹՅԱՆ ՍԱՀՄԱՆՆԵՐԸ
Մենք արդեն խոսել ենք, որ պատահական ընտրանքների միջինների բաշխման կորը մեծ n-ի դեպքում նորմալ է, և հետևապես տվյալ դեպքում կիրառելի են նորմալ բաշխման և z արժեքների բոլոր հայտնի փաստերը: Դա նշանակում է, որ ինչպես պոպուլ յացիայի մեծությունների նորմալ բաշխման դեպքում պոպուլ յացիայի բոլոր անդամների 68%-ի արժեքները կլինեն միջինից ±1σ սահմաններում, 95%-ը՝ ±2σ սահմաններում (կամ ավելի հստակ՝ ±1.96), իսկ 99.7%-ը՝ ±3σ սահմաններում, այնպես էլ ընտրանքային միջինների բաշխման կորերի վրա բոլոր ընտրանքային միջինների 68%-ը կլինի պոպուլյացիոն միջին՝ ստանդարտ սխալի սահմաններում, 95%-ը՝ մոտավորապես ±2 ստանդարտ սխալի, և վերջապես 99.7%-ը՝ ±3 ստանդարտ սխալի սահմաններում:
112 | Կենսաբանական վ իճակագրության հիմունքներ Եթե ընտրանքային միջինների ( X ) 95%-ը պուպուլ յացիոն միջինի նկատմամբ (ք) մոտավորապես ±2 ստանդարտ սխալների սահմաններում է, ապա դա նշանակում է, որ մեզ հետաքրքրող անհայտ պուպլ յացիոն միջինը նույնպես այդ սահմաններում կլինի: Միաժամանակ, եթե մենք գիտենք, որ բոլոր ընտրանքային միջինների 95% արժեքները լինելու են նշված միջակայքի սահմաններում, ապա կարող ենք նաև հաստատել, որ 95%-ով համոզված ենք, որ իրական պոպուլ յացիոն միջինը այդ սահմաններում է: Բնականաբար մենք չենք կարող հաստատել դա 100% համոզվածությամբ, քանի որ հնարավոր է, որ կարող էինք ընտրած լինել շատ անսովոր և տվյալ պոպուլյացիայի համար ոչ բնորոշ արժեքներով ընտրանք: Սակայն մենք կարող ենք համոզվել՝ հաշվելով այն սահմանը, որում կարող են տեղակայվել բոլոր ընտրանքային միջինների 99.7%-ը (±3 ստանդարտ սխալներ): Այդ դեպքում մենք կարող ենք ասել, որ 99.7%-ով համոզված ենք, որ պոպուլ յացիոն միջինն այդ սահմանում է ընկած: Սակայն այս դեպքում թերությունն այն է, որ միջինների սահմանները դառնում են ավելի լայն և հետևապես՝ անորոշ: Այդ միջակայքը մոտավորապես 2 կամ 3 ստանդարտ սխալների սահմաններում հայտնի է որպես վստահելիության սահմաններ: Բժշկական հետազոտություններում ցանկալի է, որքան հնարավոր է, համոզված լինել ստացված եզրակացությունների հավաստիության մեջ, ըստ որի էլ սովորաբար վստահելիության սահմանները վերցվում են հավասար 95%-ին կամ 99.7%-ին: Վստահելիության սահմանները որոշելը վիճակագրական եզրահանգման մեթոդ է, քանի որ պոպուլ յացիոն միջինի (ք) մեծությունը գնահատելու համար կիրառվում է ընտրանքային միջինը ( X ): Օրինակ, եթե հետազոտողը մեծ պոպուլ յացիայում ցանկանում է որոշել սիստոլիկ ճնշման իրական մեծությունը, գործնական չի լինի պոպուլ յացիայի յուրաքանչյուր անդամի ճնշումը չափել առանձին-առանձին: Դրա փոխարեն հետազոտողը պոպուլ յացիայից կընտրի խումբ և կչափի միայն այդ ընտրանքի անդամների սիստոլիկ ճնշման մեծությունը: Քանի որ ընտրանքն իսկապես պատահական է, ուստի հետազոտողը կարող է 95%-ով համոզված լինել, որ իրական միջինն ընտրանքային միջինի նկատմամբ ±1.96 ստանդարտ սխալների սահմաններում է: Օրինակ, եթե ընտրանքային միջինը հավասար է 90 մմ ս.ս., իսկ m=3, հետազոտողը կարող է 95%-ով համոզված լինել, որ իրական պոպուլ յացիոն միջինը ընտրանքային միջինից (90-ից) ±1.96 ստանդարտ սխալների սահմաններում է, այսինքն՝ 90 ± (1.96*3) կամ 84.12-ից՝ 95.88 մմ ս.ս. միջակայքում: Այսպիսով, վստահելիության սահմանները (ՎՍ) հավասար են ընտրանքային միջինին ±z արժեքը (որը հայտնի է աղ յուսակից) բազմապատկած ստանդարտ սխալի արժեքով՝
ՎՎիճակագրական եզրակացություննե | 113
ՎՍ = X ± z *⋅ m : երին և ստորին վստահելիության սահմանների միջև տարբերությունը Վ կոչվում է վստահելիության միջակայք (լայնություն)՝ ՎՄ: Հասկանալի է, որ հետազոտողները ձգտում են հնարավորինս նեղ վստահելիության միջակայք ստանալ: Ինչպես երևում է ՎՄ-ի հաշվարկի բանաձևից, որպեսզի ՎՄ-ն լինի նեղ (օրինակ՝ տվյալ վստահելիության մակարդակի դեպքում այն 95% է), ստանդարտ սխալը պետք է լինի ավելի քիչ: Ինչպես հայտնի է, ստանդարտ սխալը հաշվվում է հետևյալ բանաձևով՝
m=
σ : n
Քանի որ σ-ն պոպուլ յացիոն պարամետր է, որի մեծությունը հետազոտողի կողմից չի կարող փոխվել, ուստի ստանդարտ սխալի փոքրացման միակ եղանակը ընտրանքի չափը մեծացնելն է (n): Այսպիսով, ևս մեկ անգամ կարելի է ստանալ այն բանի մաթեմատիկական հիմնավորումը, թե ինչու մեծ ընտրանքների հիման վրա անցկացրած հետազոտություններին կարելի է վստահել ավելի շատ, քան փոքր ընտրանքներով հետազոտություններին: Ստանդարտ սխալի հաշվման բանաձևի համաձայն՝ նրա արժեքը հակադարձ համեմատական է ընտրանքի չափի քառակուսի արմատին: Այսպիսով, վստահելիության միջակայքի լայնությունը ընտրանքի չափից կնվազի քառակուսի արմատին ուղիղ համեմատական: Արդեն խոսվել է, թե որքան լայն է ՎՄ-ն, այնքան պակաս է պոպուլյացիոն միջինի գնահատականի ճշգրտությունը: Համաձայն սահմանման՝ ճշգրտությունը այն աստիճանն է, ըստ որի՝ մեծությունը (օրինակ՝ պոպուլ յացիոն միջինի գնահատականը) պաշտպանված է պատահական փոփոխականությունից: Քանի որ ՎՄ-ի լայնությունը նվազում է ընտրանքի ծավալից քառակուսի արմատին համամասնորեն, ուստի ճշգրտությունը համամասնական է ընտրանքի ծավալից քառակուսի արմատին: Այսպես՝ գնահատականի ճշգրտությունը (հուսալիությունը) 2 անգամ բարձրացնելու համար ընտրանքի ծավալը պետք է մեծացնել 4 անգամ: Այսպիսով, հետազոտության հուսալիությունը մեծացնելու համար անհրաժեշտ է ընտրանքը մեծացնել ոչ համամասնական, հետևապես մեծ ճշգրտությամբ հետազոտություն կատարելու համար պահանջվում են գումարների և ժամանակի զգալի ծախսեր: Հուսալիությունը պետք է տարբերել վավերականությունից, որը ցույց է տալիս այն աստիճանը, ըստ որի՝ գնահատականը պաշտպանված է սիստեմատիկ սխալից:
114 | Կենսաբանական վ իճակագրության հիմունքներ Նկար 27-ում հուսալիության և վավերականության միջև եղած տարբերությունը ներկայացված է ընտրանքային միջինների չորս վարկածային բաշխումների օրինակով: Ստացված արդյունքների ստույգության մասին կարելի է դատել յուրաքանչյուր կորի նեղության աստիճանով, իսկ հիմնավորվածության մասին՝ տարածությամբ, որը պատահական ընտրանքային բաշխման միջինների միջինի և իրական պոպուլ յացիոն միջինի (ք) միջև է:
Նկար 27. Չորս վարկածային բաշխումների ընտրանքային միջինները
Նկար 27-ում A բաշխումը ցույց է տալիս ընտրանքային միջինների լայնացած բաշխումը և այդպիսով ապահովում է իրական պոպուլ յացիոն միջինի ոչ ստույգ գնահատականը: Միաժամանակ բաշխման միջինը համընկնում է իրական պոպուլ յացիոն միջինին, հետևապես ապահովում է իրական պոպուլ յացիոն միջինի վավերական գնահատականը: Այլ կերպ ասած, գնահատականը անաչառ է, սակայն այն ենթակա է զգալի պատահական փոփոխականության: Դա այն արդյունքն է, որը կարելի է ստանալ փոքր, բայց պատահական ընտրանքի դեպքում: Նկար 27-ում B բաշխումը բնութագրվում է նեղությամբ, որն ապահովում է իրական պոպուլ յացիոն միջինի ստույգ գնահատականը: Ստանդարտ սխալի ոչ մեծ արժեքի հետևանքով վստահելիության միջակայքի լայնությունը նեղ կլինի: Սակայն այդ բաշխման միջինը իրական պոպուլ յացիոն միջինից զգալի մեծ տարածության վրա է, հետևապես կարող է ապահովել իրական պոպուլ յացիոն միջինի աչառու գնահատական: Նման արդյունքը կարող է ստացվել մեծ, բայց ոչ պատահական ընտրանքի դեպքում: Նկար 27-ում C բաշխումը շատ ցրված է (ստանդարտ սխալի մեծ արժեքով), հետևապես կարող է ապահովել իրական պոպուլ յացիոն միջինի ոչ ստույգ գնահատականը: Բաշխման միջին իրական պոպուլ յացիոն միջինից
ՎՎիճակագրական եզրակացություննե | 115
զգալիորեն մեծ տարածության վրա է, որի գնահատականը նույնպես աչառու է: Նման արդյունք կարող է ստացվել այն դեպքում, եթե ընտրանքները փոքր են և ընտրվում են ոչ պատահական: Նկար 27-ում D բաշխումը նեղ է, ուստի ստույգ է: Նրա միջինը այն կետում է, ինչ իրական պոպուլ յացիոն միջինը, հետևապես բաշխումը վավերական է: Այս բաշխումը իդեալական է և կարող է ստացվել պատահական և բավականին մեծ ընտրանքներից: Այսպիսով, վիճակագրական եզրակացություններում առավելագույն հուսալի և վավերական արդյունքներին հասնելու համար ընտրանքները պետք է մեծ լինեն և իրականում պատահական: t արժեքներ Վերը դիտարկված օրինակում վստահելիության սահմանները որոշելու համար կիրառվեցին z արժեքները, որոնք ցույց են տալիս՝ պոպուլ յացիոն միջինից քանի ստանդարտ սխալներով է հեռացված ընտրանքային միջինը: Սակայն ստանդարտ սխալը որոշելու համար անհրաժեշտ է իմանալ պոպուլյացիոն ստանդարտ շեղման մեծությունը ( σ )՝
m=
σ n
:
Գործնականում սովորաբար հետազոտողներին հայտնի չի լինում պոպուլ յացիոն ստանդարտ շեղման արժեքը: Միակ բանը, որ նրանց հայտնի է լինում, վիճակագրական տվյալներն են (վիճականիները), որոնք ստացվում են ընտրանքներից՝ ընտրանքային միջինը և ընտրանքային ստանդարտ շեղումը, որը կիրառվում է, ստանդարտ սխալի գնահատականը (հաճախ այն կոչվում է պարզապես ստանդարտ սխալ) հաշվելու համար: Գնահատող ստանդարտ սխալը հաշվում են հետևյալ բանաձևով՝
m=
SD , n
որտեղ SD-ն ընտրանքից ստացված ստանդարտ շեղումն է, n-ը ընտրանքի չափն է: Այնպիսի դեպքերում, երբ պոպուլ յացիոն ստանդարտ շեղումը հայտնի չէ (իսկ դա լինում է մեծ մասամբ), միջինների մասին եզրակացություններ անելու համար, միջինների վստահելիության սահմանները որոշելու համար z արժեքի փոխարեն օգտագործվում է t արժեքը, որը երբեմն կոչվում է նաև Ստյուդենտի t արժեք: Z արժեքների աղ յուսակի պես, որը թույլ է տալիս որոշելու նորմալ բաշխման տոկոսները, որոնք z-ի որոշակի արժեքից բարձր կամ ցածր են,
116 | Կենսաբանական վ իճակագրության հիմունքներ գոյություն ունի նաև t արժեքների աղ յուսակ, որը ցանկացած t արժեքի համար ապահովում է նույն տեղեկատվությունը: Սակայն աղ յուսակների միջև տարբերություն կա: Այն դեպքում, երբ z արժեքը բաշխման ցանկացած մասնաբաժնի համար մնում է անփոփոխ (օրինակ՝ z-արժեքը, որը հավասար է ±1.96-ի, միշտ համապատասխանում է բաշխման 95% միջիններին), t արժեքը տարափոխվում է՝ պայմանավորված ընտրանքի մեծությամբ: Մեծ ընտրանքների դեպքում (n>100) z և t արժեքները նույնն են: Ընտրանքի ծավալը նվազեցնելու հետ մեկտեղ դրանց արժեքները դառնում են մեկը մյուսից էլ ավելի տարբեր: t արժեքների աղ յուսակում (աղ. 19) ցույց են տր ված t-ի ար ժեք նե րը, որոնք համապատասխանում են նորմալ բաշխման կորի տակի տարբեր մակերեսներին տարբեր ծավալներով ընտրանքների համար: Աղ յուսակի ձախ կողմի առաջին սյունակում ցույց են տրված ընտրանքների ծավալները, իսկ ավելի ստույգ՝ ազատության աստիճանի արժեքները, որոնք վստահելիության սահմանները որոշելու դեպքում ընդունվում են որպես (n-1): Օրինակ, եթե ընտրանքն ընդգրկում է 26 մարդ, t-արժեքը, որը համապատասխանում է բաշխման 95% միջիններին, հավասար կլինի 2.060: Աղ յուսակ 19. Նորմալ բաշխման կորի տակի մակերեսը (է արժեքները) Մակերեսը երկու պոչերում
0,1
0,05
0,01
Մակերեսը մեկ պոչում
0,05
0,025
0,005
64,314
12,706
63,657
2,920
4,303
9,925
2,353
3,182
5,841
2,132
2,776
4,604
2,015
2,571
4,032
1,943
2,447
3,707
1,895
2,365
3,499
1,860
2,306
3,355
1,833
2,262
3,250
1,812
2,228
3,169
1,796
2,201
3,106
Ազատության աստիճանը
ՎՎիճակագրական եզրակացություննե | 117
1,782
2,179
3,055
1,771
2,160
3,012
1,761
2,145
2,977
1,753
2,131
2,947
1,708
2,060
2,787
1,676
2,009
2,678
1,660
1,984
2,626
∞
1,645
1,960
2,576
t արժեքների կիրառման ցուցադրման օրինակ է վերը դիտարկված խնդիրը, որը վերաբերում էր իրական պոպուլ յացիոն սիստոլիկ ճնշման գնահատմանը (95% հավաստիությամբ)՝ հիմնված ընտրանքային միջինի վրա: Այս անգամ մենք անիրական ենթադրություններ չենք անի պոպուլ յացիոն ստանդարտ սխալի մասին տեղեկատվության առկայության վերաբերյալ: Ենթադրենք, թե ընտրվել է թվով 26 մարդուց բաղկացած ընտրանք: Սիստոլիկ ճնշման ընտրանքային միջին արժեքը խմբում կազմել է 90 մմ ս.ս., իսկ ստանդարտ շեղումը՝ ՍՇ=3 մմ ս.ս.: Նշանակում է ստանդարտ սխալի գնահատականը կկազմի՝ m= = 0,59 :
Ազատության աստիճանի արժեքը 26 մարդուց բաղկացած ընտրանքի դեպքում հավասար կլինի 25-ի: Դա նշանակում է, որ t արժեքը, որը համապատասխանում է բաշխման 95% միջիններին, պետք է փնտրել 25-ին հավասար ազատության աստիճանի տողի վրա: Այդ մեծությունը 2.060-ն է, այն շատ չի տարբերվում z=2 մեծությունից, որը համապատասխանում է բաշխման 95%-ին: Այսպիսով՝ 95% ՎՍ = 90 ± (2.060 x 0.59), 95% ՎՍ (88.8 ; 91.2): Ստացված արդյունքների հիման վրա 95% հավաստիությամբ կարելի է եզրակացնել, որ իրական միջինը կլինի 88.8-91.2 մմ ս.ս. միջակայքում:
118 |
ՈՐԱԿԱԿԱՆ ՓՈՓՈԽԱԿԱՆՆԵՐԻ ԴԵՊՔՈՒՄ ՀԱՇՎԱՐԿՎԱԾ
ՑՈՒՑԱՆԻՇՆԵՐԻ ՎՍՏԱՀԵԼԻՈՒԹՅԱՆ ՍԱՀՄԱՆՆԵՐԸ ՈՐՈՇԵԼԸ
իջին թվաբանականը միակ վիճակագրական ցուցանիշը չէ, որի համար Մ կարելի է հաշվել վստահելիության սահմանները: Շատ հաճախ բժշկակենսաբանական հետազոտություններում որակական փոփոխականների հետ գործ ունենալու դեպքում հարկ է լինում գնահատել դրանք բնութագրող ընտրանքային ցուցանիշները: Վստահելիության միջակայքերը հաճախ հաշվվում են ինտենսիվ և էքստենսիվ ցուցանիշների համար, շանսերի հարաբերության, հարաբերական ռիսկի ցուցանիշների համար, երբ պետք է եզրակացություններ անել ամբողջ պոպուլ յացիայի վերաբերյալ՝ ըստ ընտրանքի բնութագրերի: Օրինակ՝ մենք կարող ենք հետաքրքրված լինել հիվանդների տեսակարար կշռի գնահատմամբ, որոնք թոքերի քաղցկեղի հայտնաբերման պահից ողջ են մնացել 5 տարվա ընթացքում: Տվյալ դեպքում մենք առնչվում ենք ոչ թե քանակական, այլ որակական ցուցանիշին, որը չափվում է անվանական սանդղակում (5 տարվա ժամանակաընթացքում ողջ մնացածների քանակը): Ողջ մնացած հիվանդների տեսակարար կշիռը որոշվում է որպես սովորական ինտենսիվ ցուցանիշ.
P =
երևույթ * 100 (1000, 10 000, 100 000) միջավայր
,
որտեղ «երևույթը» հիվանդների թիվն է, որոնք ողջ են մնացել 5 տարվա ժամանակաընթացքում, «միջավայրը» ուսումնասիրված հիվանդների ընդհանուր թիվն է, որոնց շրջանում ախտորոշվել է թոքերի քաղցկեղը: Բնականաբար, այս դեպքում ևս մենք չենք ուսումնասիրի բոլոր հիվանդների ապրելունակությունը, որոնց շրջանում ախտորոշվել է թոքերի քաղցկեղ, այլ սովորականի պես կանցկացնենք ընտրովի հետազոտություն: Հետևապես, ստացված ցուցանիշը ցույց է տալու հետազոտվող երևույթի հաճախականությունն ուսումնասիրված ընտրանքում, և ոչ թե մեզ հետաքրքրող հիվանդների ամբողջ պոպուլ յացիայում: Սովորաբար ընտրովի հետազոտություններ անցկացնելիս առաջանում է ընտրովի հետազոտական սխալ: Ինչպես և ընտրանքային միջինների դեպքում, ընտրանքային հետազոտության սխալի հետևանքով ընտրանքային ցուցանիշները որոշակի աստիճանով կփոխարկվեն իրական պոպուլ յացիոն ցուցանիշի շուրջ: Ընտրանքային ցուցանիշների փոփոխականության չափը
ՈՐԱԿԱԿԱՆ ՓՈՓՈԽԱԿԱՆՆԵՐԻ ԴԵՊՔՈՒՄ ՀԱՇվԱՐԿվԱԾ... | 119
կոչվում է ցուցանիշի ստանդարտ սխալ և նշվում ՑՍՍ հապավումով կամ mp տառով: Այն հաշվվում է հետևյալ բանաձևով՝
mp =
p ⋅ (1 − p ) , n
որտեղ p-ն ընտրովի հետազոտությունից ստացվող ցուցանիշն է, որը ցույց է տալիս ողջ մնացած հիվանդների տեսակարար կշիռը, (1-p)-ն հիվանդների տեսակարար կշիռն է, որոնք մահացել են դիտարկման ժամանակահատվածում, n-ը ընտրանքի ծավալն է: Պոպուլ յացիոն ցուցանիշի համար վստահելիության սահմանների կառուցման բանաձևը շատ նման է այն բանաձևին, որը մեր կողմից կիրառվեց պոպուլ յացիոն միջինի վստահելիության սահմանները կառուցելու համար՝ 95% ՎՍ = p ± z*m Ստացված արդյունքների մեկնաբանումը այս դեպքում ևս այնպիսին է, ինչպիսին պոպուլ յացիոն միջինի համար վստահելիության սահմանների կառուցման դեպքում էր: Որքան նեղ է ՎՍ-ի միջակայքը, այնքան ճշգրիտ է պոպուլ յացիայում տվյալ պարամետրի մեծության գնահատականը, և այդքան մեծ է վստահությունը, որ հետազոտությունից ստացված բնութագրի արժեքը մոտ կլինի պոպուլ յացիոն բնութագրի մեծությանը: Վստահելիության սահմանների հաշվարկը կատարվում է նաև հարաբերական ռիսկը և շանսերի հարաբերության հավաստիությունը գնահատելու նպատակով: Ընդ որում, մեզ հետաքրքրում է՝ արդյոք վիճակագրորեն հավաստի՞ է հարաբերական ռիսկի և շանսերի հարաբերության արժեքի տարբերությունը 1-ից, թե՞ այդ տարբերությունը զուտ պատահական է և պայմանավորված է կոնկրետ ընտրանքով: Ինչպես ընտրանքի հիման վրա հաշվարկված ցանկացած պարամետրի դեպքում, այնպես ել հարաբերական ռիսկի տվյալ արժեքի դեպքում հնարավոր է տրված հավանականությամբ հաշվարկել վստահելիության սահմանները (օրինակ՝ 95%): Այդ դեպքում վստահելիության սահմանների արժեքը վկայում է նրա մասին, որ հարաբերական ռիսկի որոնելի իսկական արժեքը ստացված սահմանների միջակայքում է, և հավանականության սխալը կազմում է ընդամենը 5%: Դա իր հերթին նշանակում է, որ ուսումնասիրվող գործոնների միջև գոյություն ունի կապ: 95% նշանակալիության դեպքում հարաբերական ռիսկի ցուցանիշի վստահելիության սահմանների բանաձևը հետևյալն է՝
1 − [a /(a + b)] 1 − [c /(c + d )] exp ln(RR ) ± 1.96 + , a c
120 | Կենսաբանական վ իճակագրության հիմունքներ որտեղ ln (RR)-ը հարաբերական ռիսկի ցուցանիշի բնական լոգարիթմն է, a + b-ն՝ ուսումնասիրվող գործոնի ազդեցության տակ գտնվող անձանց թիվը՝ а-ն այն անձանց թիվն է, որոնց դեպքում հիվանդությունը զարգացել է, b-ն՝ այն անձանց թիվը, որոնց դեպքում հիվանդությունը չի զարգացել: c + d-ն համապատասխանաբար ռիսկի գործոնի ազդեցությունը չկրած անձանց թիվն է՝ c-ն՝ այն անձանց, որոնց դեպքում հիվանդությունը զարգացել է, d-ն հիվանդություն չունեցողներն են: Ծխելու և պսակաձև անոթների հիվանդության զարգացման միջև կապն ուսումնասիրելու համար կատարված կոհորտային հետազոտության քննարկված օրինակում (տե՛ս աղ. 9) պսակաձև անոթների հիվանդության զարգացման հարաբերական ռիսկը կազմել էր 1.6։ Այս դեպքում, ըստ հաշվարկների, հարաբերական ռիսկի 95% նշանակալիության վստահելիության սահմանները կազմում են՝ 4.79 և 5.12 կամ 4.79<ՀՌ<5.12: Այսպիսով, չծխողների համեմատ, ծխողների պսակաձև անոթների հիվանդության զարգացման հարաբերական ռիսկը կազմեց 1.6, 95% ՎՍ (4.79;5.12): Քանի որ միջակայքը չի ընդգրկում 1 արժեքը, ուստի կարելի է պնդել, որ հարաբերական ռիսկի արժեքը վիճակագրորեն հավաստի տարբերվում է 1-ից, և ուրեմն ծխելը իրականում մեծացնում է պսակաձև անոթների հիվանդության զարգացման հավանականությունը: Շանսերի հարաբերության ցուցանիշի վստահելիության սահմանները հաշվարկվում են հետևյալ բանաձևով՝
1 1 1 1 exp ln(OR ) ± 1.96 + + + , a b c d որտեղ ln (ՕR-ը) շանսերի հարաբերության ցուցանիշի բնական լոգարիթմն է, a-ն և c-ն՝ համապատասխանաբար, ռիսկի գործոնի ազդեցությանը ենթարկված և չենթարկված դեպքերի: b-ն և d-ն ռիսկի գործոնի ազդեցությանը ենթարկված և չենթարկված ստուգիչ խմբի անձինք են: Չնայած վերոնշյալ բանաձևերի թվացող դժվարությանը՝ լոգարիթմի և էքսպոնենտի որոշելու վստահելիության սահմանների հաշվարկը կատարվում է համապատասխան ֆունկցիաներով հաշվիչով։ Բացի դրանից, կան այդ հաշվարկները կատարող վիճակագրական ծրագրեր:
| 121
ՎԱՐԿԱԾՆԵՐԻ ՍՏՈՒԳՈՒՄ
Վստահելիության սահմանների որոշումը, որի ժամանակ վիճակագրական տվյալները (օրինակ՝ ընտրանքային միջինը) կիրառվում են պարամետրը (պոպուլ յացիոն միջինի) գնահատելու համար, վիճակագրական եզրակացությունների կարևոր մեթոդներից մեկն է: Սակայն վիճակագրական վերլուծության առավել կարևոր և տարածված մեթոդ է վարկածի ստուգումը: Միջինի մասին վարկածի ստուգման հիմնական փուլերն են՝ 1. երկընտրանքային (մրցող) և զրոյական վարկածների սահմանումը (HA և H0). 2. նշանակալիության մակարդակի (α-ի) որոշումը. 3. t-ի արժեքի հաշվումը (t հաշվ.), որը համապատասխանում է ընտրանքային միջինին. 4. կրիտիկական արժեքների որոշումը. 5. t-ի հաշվարկային և կրիտիկական արժեքների համեմատումը և զրոյական վարկածի ընդունումը կամ հերքումը: Դիտարկենք հետևյալ օրինակը: Ենթադրենք՝ բնակչության 20-74 տարիքային խմբում տղամարդկանց (պոպուլ յացիա) արյան խոլեստերինի միջին մակարդակը (ք0) 211 մգ/դլ է: Մենք կարող ենք պնդել, որ նույն տարիքային խմբում հիպերտոնիայով տառապող տղամարդկանց (սուբպոպուլ յացիա) արյան խոլեստերինի միջին (բ) մակարդակը չի կարող նույնպես հավասար լինել 211 մգ/դլ: Այս պնդումը կոչվում է այլընտրանքային վարկած, որը պետք է ստուգել: Այլընտրանքային վարկածը սովորաբար նշվում է HA: Այսպիսով, տվյալ դեպքում, ըստ այլընտրանքային վարկածի HA՝ ք≠ ք0= 211 մգ/դլ: Այլընտրանքային վարկածին միշտ հակասում է, զրոյական վարկածը, որը նշանակվում է H0: Այն կոչվում է զրոյական, որովհետև հետազոտություններում մեծ մասամբ մատնանշում է համեմատվող պոպուլ յացիաների միջև տարբերության բացակայությունը (օրինակ՝ բուժման երկու սխեմաների արդյունավետության միջև տարբերության բացակայություն): Մեր օրինակում, ըստ զրոյական վարկածի, տղամարդկանց շրջանում հիպերտոնիկների (սուբպոպուլ յացիա) արյան խոլեստերինի միջին մակարդակը (ք) հավասար է պոպուլ յացիոն միջինին (ք0) կամ H0՝ ք= ք0=211 մգ/դլ: Վարկածի ստուգման եղանակներից մեկը հիպերտոնիայով տառապող յուրաքանչյուր մարդու արյան խոլեստերինի մակարդակը որոշելն է և սուբպոպուլ յացիոն միջինի հաշվարկը, որի դեպքում անհրաժեշտ են ժամանակի և ֆինանսական մեծ ծախսեր: Ուստի ավելի գործնական կլինի, եթե մենք հետազոտվող սուբպոպուլ յացիայից վերցնենք որոշակի ընտրանք, հաշվենք
122 | Կենսաբանական վիճակագրության հիմունքներ ընտրանքային միջինը, այնուհետև ընտրանքային հետազոտության հիման վրա ողջ սուբպոպուլ յացիայի վերաբերյալ կատարենք վիճակագրական եզրակացություններ: Ենթադրենք՝ մենք ամբողջ սուբպոպուլ յացիայից վերցրել ենք հիպերտոնիայով տառապող 12 տղամարդուց բաղկացած ընտրանք և հաշվել ենք ընտրանքային միջինը: Հետո մենք պետք է համեմատենք ստացված ընտրանքային միջինը պոպուլ յացիոն միջինի (ք0) հետ: Եթե նույնիսկ պարզվի, որ զրոյական վարկածը սխալ է, իսկ այլընտրանքը ճիշտ է, այսինքն՝ ք ≠ 211 մգ/դլ, հարց կառաջանա՝ արդյոք ընտրանքային և պոպուլ յացիոն միջինների միջև տարբերությունը օրինաչա՞փ է, թե՞ պատահական: Մենք արդեն քննարկել ենք, որ ընտրանքային հետազոտության սխալի հետևանքով ստացված ընտրանքային միջինի մեծությունը միշտ շեղված կլինի պոպուլ յացիոն միջինի մեծությունից (տվյալ դեպքում՝ սուբպոպուլ յացիոն): Օրինակ՝ եթե խոլեստերինի մակարդակի ընտրանքային միջինը հավասար չէ 211 մգ/դլ, ապա մենք չենք կարող միանգամից եզրակացնել, որ զրոյական վարկածը սխալ է, քանի որ նույն սուբպոպուլ յացիայից հնարավոր էր ընտրել մեկ այլ ընտրանք, որի համար արյան խոլեստերինի հաշված միջին մակարդակը հավասար կլիներ 211 մգ/դլ: Որպեսզի եզրակացություն կատարենք զրոյական վարկածի ճիշտ կամ սխալ լինելու մասին, պետք է որոշենք, թե ընտրանքային միջինի և 211 մեծության միջև տարբերության ո՞ր արժեքն է ոչ թե պատահական, այլ օրինաչափ: Այդ արժեքը պետք է որոշվի նախօրոք՝ մինչև ընտրանքը վերցնելն ու տվյալները հավաքելը: Այդ մեծությունը որոշվում է ոչ թե խոլեստերենի մակարդակով, այլ հավանականությունը որոշելով: Հավանականության մակարդակը, որի դեպքում զրոյական վարկածը սխալ է, կոչվում է հայտանիշ կամ նշանակալիության մակարդակ, որը նշվում է α տառով: Ինչպես ցույց է տալիս ընտրանքային միջինների բաշխումը, ընտրանքային միջինը չի կարող խիստ տարբերվել պոպուլ յացիոն միջինի արժեքից (մեր դեպքում՝ սուբպոպուլ յացիոն միջինից): Իսկ եթե այն խիստ տարբերվում է և մոտ է բաշխման կորի պոչային հատվածներից մեկին, ապա կասկածելի է դառնում այն, որ ընտրանքը վերցվել է ոչ թե զրոյական վարկածում նշված սուբպոպուլ յացիայից, այլ ուրիշ սուբպոպուլ յացիայից: Եթե ճիշտ հաշված միջինի և ընտրանքային միջինի արժեքների միջև մեծ տարբերություն ստանալու հավանականությունը շատ փոքր է, ապա զրոյական վարկածը հերքվում է: Իսկ ի՞նչ ենք հասկանում՝ «շատ փոքր հավանականություն» ասելով: Ըստ պայմանավորվածության՝ այդ հավանականությունը պետք է լինի փոքր 5%-ից կամ <0.05-ից: Այսպիսով, զրոյական վարկածը պետք է հերքվի այն դեպքում, երբ հավանականությունը, որ ընտրանքը կարող էր ընտրված
ՎՎարկածների ստուգու | 123
լին ել պոպուլ յացիայից, որի միջինի արժեքը հավասար է ք 0-ի, փոքր է 5%-ից: Դա ենթադրում է, որ, զրոյական վարկածը հերքելով, մենք կարող ենք սխալվել 5% դեպքում: Այսինքն՝ բազմիցս կրկնելով հավաստիությունը որոշելու թեստը՝ մենք կարող ենք սխալվել 100-ից 5 դեպքում: Երբեմն արված եզրակացությունների ավելի մեծ հավաստիության համար հավանականությունը վերցվում է 0.01-ին հավասար: Տվյալ դեպքում սխալ թույլ տալու հավանականությունը 100-ից մեկ դեպք է: Վիճակագրական վարկածի ստուգումը կարող է համեմատվել դատավարության հետ: Դատարանում մեղավոր ճանաչված մարդը իրականում կարող է լինել և՛ մեղավոր, և՛ անմեղ: Տվյալ դեպքին վերաբերող փաստերը ներկայացնելուց հետո դատարանը որոշում է մեղադրյալի անմեղ կամ մեղավոր լինելը: Եթե մեղադրյալը անմեղ է, և դատարանը որոշում է ընդունում նրա անմեղության մասին, ապա կայացվում է արդարացի դատավճիռ: Դատավճիռն արդարացի է նաև, եթե մեղադրյալն իսկապես մեղավոր է և դատապարտվում է կատարած հանցանքի համար: Դրան համարժեքորեն, իրական սուբպոպուլ յացիոն միջինը կարող է հավասար լինել ք0-ի կամ կարող է հավասար չլինել ք0-ի: Մենք ենթադրում ենք, որ զրոյական վարկածը (H0՝ ք=ք0) ճշմարիտ է, և դիտարկում ենք վկայությունները, որոնք ներկայացված են n ծավալով ընտրանքի տեսքով: Մեր արդյունքների հիման վրա զրոյական վարկածը հերքվում է կամ էլ չի հերքվում: Տվյալ դեպքում մենք ևս ունենում ենք երկու իրավիճակ, որոնց դեպքում եզրակացությունը ճիշտ է՝ առաջին դեպքում, երբ սուբպոպուլ յացիոն միջինը հավասար է ք0-ի, և զրոյական վարկածն ընդունվում է, իսկ երկրորդ դեպքում, երբ սուբպոպուլ յացիոն միջինը հավասար չէ ք0-ի, և զրոյական վարկածը ժխտվում է: Դատավարությանը համարժեքորեն, վարկածի ստուգման գործընթացը ևս կատարյալ չէ: Այս դեպքում ևս կարող են թույլ տրվել երկու տեսակի սխալներ: Հնարավոր է, որ մենք ժխտենք զրոյական վարկածն այն դեպքում, երբ իրականում ք=ք0, կամ ընդունենք, երբ ք≠ք0: Նշված սխալների մասին ավելի մանրամասն կներկայացվի ստորև: Միջինի ստացման հավանականությունը, որ նրա արժեքը շատ կտարբերվի այն միջինից, որը ստացվել էր զրոյական վարկածը ճիշտ լինելու պայմանով, կոչվում է թեստի p մեծություն: Հարցը պարզաբանելու համար, թե արդյոք զրոյական վարկածը պե՞տք է լինի ժխտված, հաշված p մեծությունը պետք է համեմատել նախապես որոշված α մեծության հետ: Եթե պարզվում է, որ p<α, ապա զրոյական վարկածը ժխտվում է, իսկ եթե p>α, ընդունվում է: Ի լրումն հետազոտության արդյունքների՝ սովորաբար մասնագիտական գրականության մեջ նշվում է նաև ստացված p մեծությունը: Վիճակագրորեն նշանակալի p≤0.05 մեծությանը հասնելը վկայում է, որ ստացված արդյունքը ոչ թե պատահականություն է, այլ վիճակագրական
124 | Կենսաբանական վ իճակագրության հիմունքներ օրինաչափություն: Ստացված արդյունքի պատահականություն լինելու հավանականությունը 5% է և ավելի քիչ (≤5%): Պարտադիր չէ, որ դա նշանակի, որ արդյունքը հավաստի է սովորական հասկացության մեջ, այսինքն՝ նշանակում է՝ արդյունքն արժանի է ուշադրության կամ իմաստ ունի: Դա, իհարկե չի նշանակում, որ այն պարտադիր պետք է լինի կլինիկորեն նշանակալի: Վիճակագրորեն նշանակալի է այն ամենը, ինչն իրականում գոյություն ունի մեծ հավանականությամբ: Կլինիկորեն նշանակալի է այն, ինչն իր չափով (օրինակ՝ մահաբերության ցուցանիշի նվազեցման մեծությունը) համոզում է բժշկին իր պրակտիկայում փոփոխություն մտցնելու անհրաժեշտության մասին՝ ի նպաստ նոր գործելակերպի:
| 125
t ՄԵԾՈՒԹՅԱՆ ՀԱՇՎԱՐԿԸ
t արժեքը, որը համապատասխանում է ընտրանքային միջինին (tընտր.), ցույց է տալիս, թե ընտրանքային միջինը քանի ստանդարտ սխալով է վարկածային պոպուլ յացիոն միջինից վերև կամ ներքև: t արժեքը հաշվվում է հետևյալ բանաձևով՝
t=
X −m ։ m
Դիտարկենք հետևյալ օրինակը: Ենթադրենք՝ նորածինների պոպուլ յացիայից վերցվել է 10 նորածնից կազմված ընտրանք, որոնք ստանում էին ալ յումինիում պարունակող թթվամարիչներ (անտացիդներ): Երեխաների արյան պլազմայում ալ յումինիումի մակարդակի համար պոպուլ յացիոն միջինն ու ստանդարտ շեղումն անհայտ են: Սակայն մենք գիտենք, որ երեխաների արյան պլազմայում ալ յումինիումի մակարդակի ընտրանքային միջինը կազմել է 37.20 մկգ/լ, իսկ ստանդարտ շեղումը՝ 7.13 մկգ/լ: Անտացիդները չստացած երեխաների պոպուլ յացիայի համար արյան պլազմայում ալ յումինիումի միջին մակարդակը 4.13 մկգ/լ է: Կարո՞ղ էին արդյոք մեր ընտրանքի տվյալները ստացված լինել այն պոպուլ յացիայից, որի միջինի արժեքը հավասար է 4.13 մկգ/լ: Այս հարցին պատասխանելու համար մենք անցկացնենք վարկածի ստուգման թեստ: Տվյալ դեպքում զրոյական վարկածը կհաստատի, որ H0– ք=4.13 մկգ/լ, իսկ այլընտրանքայինը՝ HA–ք≠4,13 մկգ/լ: Որպես նշանակալիության մակարդակ (α) վերցնենք α=0.05 մեծությունը: Քանի որ մենք չգիտենք պոպուլ յացիոն ստանդարտ շեղման արժեքը, ուստի պետք է օգտագործենք ոչ թե z թեստը, այլ t թեստը՝
t=
X − m 37,20 − 4,13 = = 14,67 ։ m 7,13 / 10
Այսպիսով, ընտրանքային միջինը (37.20) վարկածային պոպուլ յացիոն միջինի (4.13 ) նկատմամբ 14.7 ստանդարտ սխալներով վերև է:
126 |
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ
Վարկածի ստուգման հաջորդ փուլը կրիտիկական արժեքներ որոշելն է: Մենք արդեն քննարկել ենք, որ որոշակի պոպուլ յացիայից վերցված բավականին մեծ թվով պատահական ընտրանքների դեպքում նրանց միջինները ձևավորում են նորմալ բաշխում, այսինքն՝ պատահական ընտրանքային միջինների բաշխում, որի միջինը հավասար է պոպուլ յացիոն միջինի մեծությանը: Զրոյական վարկածի ստուգման մասին խոսելիս մենք նաև նշեցինք, որ ըստ պայմանավորվածության՝ զրոյական վարկածը հերքվում է այն դեպքում, երբ հաշված միջին մեծությունից զգալիորեն տարբերվող ընտրանքային միջինի ստացման հավանականությունը փոքր է՝ <5%-ից կամ <0.05-ից: Դա նշանակում է, որ եթե ընտրանքային միջինը հայտնվում է այն տիրույթում, որի սահմաններում պատահական ընտրանքների բոլոր միջինների 95%-ն է, ապա զրոյական վարկածը կընդունվի: Այդ տիրույթը կոչվում է ընդունման տիրույթ: Եթե ընտրանքային միջինը նշված տիրույթի սահմաններից դուրս է, ապա զրոյական վարկածը ժխտվում է, և ընդունվում է այլընտրանքային վարկածը: Այդ տիրույթի սահմանները կոչվում են կրիտիկական արժեքներ և որոշվում են t արժեքների աղ յուսակով: Դիտարկվող օրինակում ընտրանքի քանակը հավասար է 10-ի, հետևապես ազատության աստիճանը (degree of freedom՝ df) հավասար կլինի 9-ի (n-1): Ինչպես երևում է t արժեքների աղ յուսակից, 9-ին հավասար ազատության աստիճանի դեպքում t արժեքը, որն առանձնացնում է 95% ընդունման տիրույթը երկու 2.5% հերքման տիրույթներից, հավասար է ± 2.262: Սրանք կրիտիկական արժքներն են և սովորաբար նշվում են tկրիտ. = ± 2.262: Նկար 28-ում ցույց է տրվում պատահական ընտրանքների միջինների բաշխումը մեր վարկածային պոպուլ յացիայի համար, որի միջինը հավասար է՝ ք =4.13: Նկարում նաև ցույց է տրված ընդունման և հերքման տիրույթը, որը նշված է որոշված t կրիտիկական արժեքներով: Վարկածային պոպուլյացիայի միջինը հաճախ նշանակվում է քվարկ.:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 127
t-ի հաշված արժեքի համեմատումը իր կրիտիկական արժեքների հետ և զրոյական վարկածի ընդունումը կամ հերքումը
Նկար 28. Միջինի 4.13-ին հավասար արժեքով վարկածային պոպուլ յացիայի ընտրանքային միջինների բաշխումը
Եթե t-ի հաշված արժեքը կրիտիկական արժեքների սահմաններից դուրս է, ապա նշանակում է, որ այն երկու հերքման տիրույթներից մեկում է: Նկար 28-ը ցույց է տալիս, որ ներկայացված օրինակում t արժեքը հերքման տիրույթի վերին սահմանում է: Այսպիսով, զրոյական վարկածը կժխտվի, և կընդունվի այլընտրանքային վարկածը: Դրա բացատրությունը հանգում է հետևյալին: Ընտրանքային միջինն այնքան է տարբերվում վարկածային պոպուլ յացիոն միջինից, որ զրոյական վարկածի ճիշտ լինելու դեպքում նրա ստացման հավանականությունը հավասար է 0.05 (կամ ցածր՝ <0.05): Կարելի է ասել, որ ընտրանքային և վարկածային պոպուլ յացիոն միջինների միջև տարբերությունը վիճակագրորեն նշանակալի է, և զրոյական վարկածը ժխտվում է 0,05 մակարդակում։ Սովորաբար դա նշվում է հետևյալ ձևով։ «Վարկածը, որ ալ յումինիում պարունակող անտացիդներ ստացած նորածինների արյան պլազմայում ալ յումինիումի պարունակությունը 4.13 մկգ/լ է, ժխտվում է, t=14.67, df=9, p≤0.05»: Եթե հաշված t արժեքը գտնվեր ընդունման տիրույթի երկու կրիտիկական արժեքների միջև, ապա զրոյական վարկածը չէր մերժվի: Տվյալ դեպքում կարելի է եզրակացնել, որ ընտրանքային և վարկածային պոպուլ յացիոն միջինների միջև տարբերությունը վիճակագրորեն էական չէ (p>0.05):
128 | Կենսաբանական վիճակագրության հիմունքներ
ԵՐԿՈՒ ՏԵՍԱԿԻ ՍԽԱԼՆԵՐ
Թեստի արդյունքները
իճակագրական հայտանիշներից ոչ մեկը չի տալիս բացարձակ՝ 100% Վ վստահություն այն մասին, որ եզրակացությունները սխալներ չեն պարունակում: Հակառակը, բոլոր վիճակագրական հայտանիշները հնարավորություն են տալիս պնդելու որևէ բան միայն եզրակացոթյան սխալի որոշ հավանականությամբ: Վարկածը ստուգելիս կարող են առաջանալ 2 տեսակի սխալներ: Վիճակագրորեն նշանակալի մեծությանը (p≤0.05) հասնելը նշանակում է, որ հետազոտողը կարող է 95%-ով վստահ լինել, որ ստացված արդյունքը պատահականություն չէ: Չնայած զրոյական վարկածը ժխտվում է, սակայն կա 5% հավանականություն, որ այն ճիշտ է: Զրոյական վարկածի հերքումն այն դեպքում, երբ այն ճիշտ է, կոչվում է առաջին տեսակի սխալ (Type I error): Առաջին տեսակի սխալ թույլ տալու հավանականությունը փաստորեն p մեծությունն է: Քանի որ այս մեծությունը պատկանում է α չափանիշներին, ուստի այն հայտնի է նաև որպես α սխալ (α error): Ըստ պայմանավորվածության՝ α սխալի հավանականությունը պետք է լինի փոքր՝ <5%-ից կամ <0.05-ից: Առաջին տեսակի սխալին հակադարձ է երկրորդ տեսակի սխալը (Type II error), որը հանգում է զրոյական վարկածի ընդունմանը այն դեպքում, երբ այն իրականում սխալ է: Այս մեծությունը կոչվում է բետտա սխալ (β error): Սովորաբար ընդունելի է երկրորդ տեսակի սխալը, որի արժեքը ≤0.2-ից: Ստորև բերված աղ յուսակում ցույց են տրված որոշումների չորս հնարավոր տարբերակներ, որոնք կարող են ընդունվել վիճակագրական թեստերի հիման վրա. Իրական վիճակ
Ho ընդունում Ho ժխտում
Ho ճիշտ է
Ho ճիշտ չէ
Սխալ չկա
երկրորդ տեսակի սխալ (β սխալ)
առաջին տեսակի սխալ (α սխալ)
Սխալ չկա
α չափանիշի հարմարավետ մակարդակի ընտրությունը պայմանավորված է համապատասխանաբար առաջին և երկրորդ տեսակի սխալների հետևանքներով: Եթե հետազոտողը ցանկանում է ավելի վստահ պնդել, որ ստացված արդյունքները վիճակագրորեն նշանակալի են, ապա նա ազատ է սահմանելու վիճակագրական նշանակալիության շատ բարձր շեմք, օրինակ՝ α=0.01 կամ նույնիսկ α=0.001: Սակայն այս դեպքում մեծանում է երկրորդ տեսակի սխալի հավանականությունը:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 129
ՀԱՅՏԱՆԻՇԻ (ԹԵՍՏԻ) ՎԻՃԱԿԱԳՐԱԿԱՆ ՀԶՈՐՈՒԹՅՈՒՆ
Այսպիսով, առաջին տեսակի սխալի հնարավորությունը փոքրացնելու համար կարելի վերցնել α-ի վիճակագրական նշանակալիության ավելի բարձր շեմք: Իսկ ինչպե՞ս փոքրացնել երկրորդ տեսակի սխալի առաջացման հնարավորությունը: Ըստ սահմանման՝ երկրորդ տեսակի սխալն ընդգրկում է սխալ զրոյական վարկածը ընդունելը, այդ պատճառով էլ վիճակագրական թեստի երկրորդ տեսակի սխալից խուսափելու հավանականությունը պայմանավորված է նրա՝ վարկածի սխալ լինելը որոշելու հատկությամբ: Այդ հատկությունը հայտնի է որպես հայտանիշի հզորություն և հավասար է 1-β: Այսպիսով, վիճակագրական հզորությունը (power) զրոյական վարկածի ժխտման հավանականությունն է, երբ այն իսկապես սխալ է: Համաձայն պայմանավորվածության՝ հետազոտության մեջ թեստի հայտանիշի հզորությունը պետք է լինի 0.8 (այսինքն՝ β=0.2): Այլ կերպ ասած, հետազոտությունը, որում սխալ զրոյական վարկածը որոշելու հավանականությունը փոքր է՝ <80%, անընդունելի է: Հայտանիշի հզորության բարձրացման առավել պրակտիկ և կարևոր եղանակ է ընտրանքի ծավալը մեծացնելը: Դա հանգեցնում է ստանդարտ սխալի փոքրացմանը և, հետևապես, հաշված t արժեքի մեծացմանը: Այսպիսով, մեծ ծավալով ընտրանքների դեպքում զրոյական վարկածի ժխտման հավանականությունն ավելի մեծ է, քան ոչ մեծ ծավալով ընտրանքների դեպքում: Հայտանիշի հզորության բարձրացմանը հանգեցնում է նաև α արժեքի մեծացումը: Դա էլ հանգեցնում է t-ի կրիտիկական արժեքների փոքրացմանը և այդպիսով հերքման տիրույթի մակերեսի մեծացմանը, և հետևապես զրոյական վարկածի ժխտման հավանականության մեծացմանը: Բացի դրանից, հայտանիշի հզորությունը պայմանավորված է նաև ընտրանքային և վարկածային միջինների տարբերությամբ, ինչպես նաև ընտրանքում փոփոխականի փոփոխականության մեծությունից: Հասկանալի է, որ ինչքան մեծ է ընտրանքային և պոպուլ յացիոն միջինների միջև տարբերությունը, այնքան մեծ է t չափանիշի մեծությունը, այսինքն՝ այնքան ավելի մեծ կլինի հայտանիշի հզորությունը: Ինչքան փոքր է փոփոխականի փոփոխականությունը, այսինքն՝ ինչքան փոքր է ստանդարտ շեղման մեծությունը, այնքան փոքր է ընտրանքի ստանդարտ սխալի մեծությունը: Ստանդարտ սխալի արժեքի փոքրացման դեպքում մեծանում է t չափանիշի մեծությունն ու հայտանիշի հզորությունը:
130 | Կենսաբանական վիճակագրության հիմունքներ
ՄԻԱԿՈՂՄԱՆԻ ՎԻՃԱԿԱԳՐԱԿԱՆ ՀԱՅՏԱՆԻՇՆԵՐ
իշտ մինչև վարկածի ստուգումը՝ դեռևս մինչև պատահական ընտրանՄ քի ընտրելը, անհրաժեշտ է լինում որոշել՝ պետք է օգտագործել միակողմանի՞, թե՞ երկկողմանի վիճակագրական հայտանիշներ: Դիտարկված օրինակում (ալ յումինիում պարունակող անտացիդներ ստացած և չստացած նորածինների արյան պլազմայում ալ յումինիումի միանման միջին մակարդակների հնարավորության մասին վարկածի ստուգումը) կիրառվել է երկկողմանի վիճակագրական հայտանիշ (two tailed, two-sided test): Տվյալ օրինակում այլընտրանքային վարկածը սխալ է: Այն պարզապես պնդում է, որ ալ յումինիում պարունակող անտացիդներ ստացած նորածինների արյան պլազմայում ալ յումինիումի պոպուլ յացիոն միջին մակարդակը հավասար չէ անտացիդներ չստացած նորածինների համար այդ նույն փոփոխականի պոպուլ յացիոն միջին մակարդակին (4.13 մկգ/լ)՝ չնշելով՝ պոպուլ յացիոն միջինը բա՞րձր է, թե՞ ցածր այդ մեծությունից: Այսպիսով, ինչպես երևում է նկար 26-ում, ունենք երկու հերքման տիրույթներ՝ մեկը բարձր է վարկածային պոպուլ յացիոն միջինից, մյուսը՝ ցածր: Սակայն նման ենթադրության փոխարեն մենք կարող էինք ենթադրել, որ ալ յումինիում պարունակող անտացիդներ ստացած նորածինների արյան պլազմայում ալ յումինի միջին մակարդակը պետք է լինի առնվազն 4.13 մկգ/լ: Այս դեպքում զրոյական վարկածը կպնդի, որ ք ≤4.13, իսկ այլընտրանքային վարկածը՝ ք>4.13: Տվյալ դեպքում այլընտրանքային վարկածն ուղղորդված է, քանի որ այն հստակեցնում է, որ զրոյական վարկածի նկատմամբ պոպուլյացիոն միջինը որոշակի ուղղությամբ է:
Նկար 29. Ընդունման և հերքման տիրույթները միակողմանի է թեստի դեպքում
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 131
Նման իրավիճակներում ընտրանքային միջինների բաշխման կորի վրա արդեն չեն լինի երկու հերքման տիրույթներ: Ինչպես երևում է նկար 29-ում, տվյալ դեպքում կա միայն մեկ հերքման տիրույթ: Եթե α=0.05, ընդունման տիրույթը (տիրույթ, որում է վարկածային պոպուլ յացիայից ընտրված բոլոր հնարավոր ընտրանքային միջինների 95%-ը) լայնանում է դեպի աջ՝ սկսած բաշխման ամենացածր կետից՝ թողնելով միայն մեկ հերքման տիրույթ՝ կորի վերին 5%-ը: Այսպիսով, այս դեպքում հերքման տիրույթը միայն բաշխման մի կետում է, և ոչ թե երկու կետերում: Ուղղորդված ստուգման դեպքում t չափանիշով վարկածի ստուգման քայլերը նույնն են, բացի նրանից, որ տվյալ դեպքում t-ի կրիտիկական արժեքն այլ է: Այսինքն՝ այս դեպքում կրիտիկական արժեքը ոչ թե անջատում է միջինների 95%-ը երկու պոչերից (հերքման տիրույթներից), որոնցից յուրաքանչյուրը 2.5% է, այլ բաշխման վերին 5%-ը անջատում է ստորին 95%-ից: Աղ յուսակ 10-ում համապատասխան սյունակը ցույց է տալիս, որ t-ի նոր կրիտիկական արժեքը (միևնույն ազատության աստիճանի դեպքում) հավասար է +1.833, և ոչ թե նախորդ՝ վերը նշված ± 2.262 արժեքին: Ինչպես երևում է նկար 29-ում, այս նոր կրիտիկական արժեքը պայմանավորված է բաշխման միայն մեկ պոչով: Այսպիսով այս մեծության կիրառումն ընդգրկում է միակողմանի վիճակագրական թեստի անցկացում (one-tailed, one-sidede test)՝ ի հետևանք այն բանի, որ այլընտրանքային վարկածն ուղղորդված է: Այս օրինակում, ինչպես և երկկողմանի թեստի անցկացման օրինակում, հաշված t մեծությունը հերքման տիրույթում է: Սակայն երբեմն միևնույն տվյալների դեպքում երկկողմանի թեստ անցկացնելիս հաշվարկված t չափանիշը հայտնվում է ընդունման տիրույթում, մինչդեռ միակողմանի թեստ անցկացնելու դեպքում այն հայտնվում է հերքման տիրույթում: Այլ կերպ ասած, երկկողմանի թեստի ոչ նշանակալի արդյունքները միակողմանի թեստի դեպքում դառնում են վիճակագրորեն նշանակալի: Այդ իսկ պատճառով նշված դեպքերում միակողմանի թեստերը պետք է կիրառվեն որպես հազվադեպ բացառություն: Եթե անգամ հետազոտողը համոզված է, որ տարբերություն կարող է դիտվել միայն մեկ ուղղությամբ, ապա որոշ դեպքերում դա նրան իրավունք չի տալիս կիրառելու միակողմանի վիճակագրական չափանիշ: Օրինակ՝ նոր դեղամիջոցի փորձարկման դեպքում, եթե անգամ հետազոտողը համոզված է, որ դեղը հիվանդի առողջական վիճակի վրա բարենպաստ ազդեցություն է թողնելու, ապա դա նրան թույլ չի տալիս կիրառելու միակողմանի թեստ: Այն օգտագործելը կնշանակեր, որ հետազոտողն անտեստում է պրեպարատի հնարավոր բացասական ազդեցությունը հիվանդի առողջական վիճակի վրա, ինչն անթույլատրելի է բժշկական հետազոտություններում:
132 | Կենսաբանական վ իճակագրության հիմունքներ
ԵՐԿՈՒ ՄԻՋԻՆՆԵՐԻ ՀԱՄԵՄԱՏՈՒՄԸ
ախորդ բաժնում մենք դիտարկեցինք մի պոպուլ յացիայի միջինի հաՆ մեմատման հնարավորությունը որևէ հայտնի m0 մեծության հետ: Սակայն առավել հաճախ բժշկակենսաբանական հետազոտությունների խնդիրը երկու տարբեր պոպուլ յացիոն միջինների համեմատումն է, որոնք հայտնի չեն: Ընդ որում՝ հետազոտողին հետաքրքրում է այն հարցը, թե երկու պոպուլ յացիաների միջև եղած տարբերությունը պատահակա՞ն է, թե՞ հավաստի: Այս հարցին պատասխանելու համար դարձյալ կիրառվում է վարկածի ստուգումը, որն ընդհանուր առմամբ շատ նման է մեկ պոպուլ յացիոն միջինին վերաբերող վարկածի ստուգմանը: Այս դեպքում ևս վարկածի ստուգման հիմնական փուլերն են զրոյական և այլընտրանքային վարկածների սահմանումները, վիճակագրական չափանիշի t (z) հաշվումը, կրիտիկական արժեքների որոշումը, t (z) հաշվված և կրիտիկական արժեքների համեմատումը և զրոյական վարկածի ընդունումը կամ մերժումը: Տվյալ դեպքում զրոյական վարկածը կպնդի, որ երկու խմբերն էլ ընտրվել են միևնույն միջինով պոպուլ յացիայից, այլ կերպ ասած, երկու ընտրանքները, ըստ էության, վերցվել են միևնույն պոպուլ յացիայից, հետևապես նրանց միջև ոչ մի տարբերություն չկա: Այլընտրանքային վարկածը կպնդի, որ երկու պոպուլ յացիոն միջինները տարբեր են՝
H0 ՝ m1= m2
HA ՝ m1≠ m2
Երկու միջինների մասին վարկածի ստուգումը լայնորեն կիրառվում է կլինիկական փորձարկումների ժամանակ, օրինակ՝ փորձարարական և ստուգիչ խմբերը համեմատելիս երկու տարբեր դեղամիջոցների կամ երկու բուժման սխեմաների արդյունավետությունը համեմատելու համար և այլն: Ստուգիչ խմբի օգտագործմամբ հետազոտությունների դիզայնը քննարկելիս մենք նշեցինք, որ դրանք կարող են տարբեր լինել: Եթե ստուգիչ խմբում պացիենտի ընդգրկումը պայմանավորված չէ փորձարկվող խմբում այլ պացիենտի ընդգրկմամբ, ապա դա անկախ ընտրանքների դեպք է (independent samples): Եթե փորձարարական և ստուգիչ խմբերում ընդգրկվում են միևնույն մարդիկ, բայց տարբեր ժամանակներում (օրինակ՝ բուժման կուրս ստանալուց առաջ և հետո), ապա դա կապված ընտրանքների դեպք է (paired samples): Եթե փորձարարական խմբի պացիենտի համար ստուգիչ խմբից ընտրվում է հավասար տարիքի և սեռի զույգ, ապա սա ևս կապված ընտրանքների տարբերակ է (matched pairs): Կարևոր է, որ վիճակագրական չափանիշները, որոնք նախատեսված են կապված ընտրանքների համար, չկիրառվեն անկախ ընտրանքների համար և հակառակը: Սույն ձեռնարկում ներկայացված է միայն անկախ ընտրանքների դեպքում երկու միջինների վարկածի ստուգման մեթոդը:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 133
ԵՐԿՈՒ ՄԻՋԻՆՆԵՐԻ ՀԱՄԵՄԱՏՈՒՄԸ ԱՆԿԱԽ
ԸՆՏՐԱՆՔՆԵՐԻ ԴԵՊՔՈՒՄ
Քննարկենք հետևյալ օրինակը: Հիպերտոնիայով տառապող 50 հիվանդ հավասարապես բաժանվել են երկու խմբի՝ փորձարարական և ստուգիչ: Փորձարարական խմբում հիվանդները ստանում էին միզամուղ՝ այլ հակահիպերտենզիվ դեղերի հետ, այն դեպքում, երբ ստուգիչ խմբի հիվանդները ստանում էին միայն միզամուղ: Միամսյա բուժումից հետո փորձարարական և ստուգիչ խմբերում հաշվվեցին սիստոլիկ ճնշման միջինի արժեքները և ստանդարտ շեղումները, որոնք կազմեցին Xփորձ.= 93 մմ ս.ս., SDփորձ. = 20.2 ; Xստուգ.= 117 մմ ս.ս., SDստուգ.= 21.6։ Սկսենք վարկածի ստուգումը զրոյական և այլընտրանքային վարկածների ձևակերպումից: Զրոյական վարկածը կպնդի, որ բուժման սխեմայի և զարկերակային ճնշման մակարդակի միջև ոչ մի կապ չկա, հետևապես բուժում ստանալուց հետո երկու խմբում էլ հիվանդների զարկերակային ճնշման միջին մակարդակները պետք է նույնը լինեն: Այլընտրանքային վարկածը կպնդի հակառակը՝ նշված փոփոխականների միջև գոյություն ունի կապ, հետևապես երկու համեմատվող խմբերի հիվանդների զարկերակային ճնշման միջին մակարդակները տարբեր կլինեն: Հաջորդող փուլում հաշվվում է համապատասխան վիճակագրական չափանիշը: Երկու միջիններ համեմատելիս առավել հաճախ հաշվում են t չափանիշը (t թեստ), քանի որ, սովորաբար, պոպուլ յացիոն դիսպերսիաները հայտնի չեն լինում: Շատ հազվադեպ երկու համեմատվող պոպուլ յացիաներում փոփոխականի դիսպերսիայի մեծությունների մասին տեղեկություններ ունենալու դեպքում կարող է օգտագործվել z թեստը: T չափանիշի հաշվարկի բանաձևը՝ անկախ ընտրանքների դեպքում.
t=
(X1 − X 2 )
m1 + m2
=
(X1 − X 2 )
s1 s + 2 n1 n2
,
որտեղ X 1 -ը և X 2 -ը փորձարարական և ստուգիչ խմբերում բուժում ստանալուց հետո հիվանդների զարկերակային ճնշման մեծություններն են, s12-ը և s22-ը, համապատասխանաբար, դրանց դիսպերսիաներն են, n1-ը և n2-ը խմբերում հիվանդների քանակն է: Բոլոր տվյալները բանաձևում տեղադրելով՝ կստանանք հետևյալը՝ t=
117 − 93 = 4,05 : 470 409 −
134 | Կենսաբանական վիճակագրության հիմունքներ t չափանիշը հաշվելու համար նախատեսված բանաձևը կիրառվում է բոլոր այն դեպքերում, երբ երկու միջինները համեմատելիս ենթադրություն է արվում երկու պոպուլ յացիոն դիսպերսիաների անհավասարության մասին: Այն դեպքում, երբ ենթադրվում է, որ նրանք հավասար են, t չափանիշը հաշվելու համար նախատեսված բանաձևն ընդգրկում է երկու համեմատվող պոպուլ յացիաներում փոփոխականի միացյալ դիսպերսիայի մեծությունը (pooled variance): Հաջորդ փուլում որոշվում են t-ի կրիտիկական արժեքները: t արժեքների աղ յուսակից օգտվելու համար այս դեպքում ևս անհրաժեշտ է հաշվել ազատության աստիճանի արժեքը: Այն որոշելու բանաձևը հետևյալն է՝ df=n1+n2 -2, այսինքն՝ 25+25-2=48: t արժեքների աղ յուսակում մենք չունենք 48-ին հավասար ազատության աստիճան, բայց կա դրան մոտ արժեք՝ df=50: Ինչպես երևում է t արժեքների աղ յուսակից, երկկողմանի թեստի կատարման դեպքում ազատության աստիճանի 50-ին հավասար արժեքին համապատասխանում է t կրիտիկական արժեքը, որը հավասար է t=±2.009: Մեր կողմից հաշված t մեծությունը (4.05) ավելի մեծ է t կրիտիկական արժեքից, իսկ դա նշանակում է, որ այն հերքման տիրույթում է: Այսպիսով, զրոյական վարկածն այն մասին, որ համեմատվող երկու խմբերում զարկերակային ճնշման մակարդակը նույնն է, հերքվում է, և ընդունվում է այլընտրանքային վարկածը: Զրոյական վարկածը ստուգելու համար կարող է կիրառվել 3 մեթոդ: Նրանցից մեկը վերը դիտարկված վարկածի ստուգման մեթոդն է, որն ընդգրկեց կրիտիկական արժեքների որոշումը և հաշված tհաշվ. մեծության համեմատումը աղ յուսակային tկրիտ.-ի հետ: Բացի դրանից, զրոյական վարկածի ստուգումը կարող է անցկացվել tհաշվ.-ին համապատասխանող p մեծությունը հաշվելու միջոցով: Օրինակ՝ մեր կողմից դիտարկված օրինակում tհաշվ. մեծությունը ստացվեց 4.05: Մոտավորապես 50-ի հավասար ազատության աստիճանի և երկկողմանի թեստ կատարելու դեպքում ստացված մեծությանը համապատասխանում է p<0.01 արժեքը, որը փոքր է թույլատրելի p≤0.05-ից: Այսպիսով, ստացված արդյունքը համընկնում է t-ի կրիտիկական արժեքներով համեմատման արդյունքին: Վարկածի ստուգման երրորդ մեթոդը պոպուլ յացիոն միջինների միջև տարբերության համար վստահելիության սահմանները որոշելն է: Այս մեթոդի հիման վրա զրոյական վարկածը հերքվում է այն դեպքում, եթե պոպուլ յացիոն միջինների միջև տարբերության համար հաշվված վստահելիության սահմանը չի ընդգրկում 0:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 135
ԴԻՍՊԵՐՍԻՈՆ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆ
Որոշ դեպքերում բժշկակենսաբանական հետազոտությունների խնդիրը երկուսից ավելի խմբերի համեմատումն է, օրինակ՝ տարբեր սխեմաներով բուժում ստացած երեք խումբ պացիենտների բուժման արդյունքների համեմատումը: Եթե համեմատվող խմբերից յուրաքանչյուրում ընդգրկվում են երիտասարդ և տարեց պացիենտներ, հետազոտողը կարող է նաև համեմատություն անցկացնել տարիքային խմբերի միջև և արդյունքում կստանա համեմատվող 6 խումբ, այսինքն՝ 3 խումբ տարբեր բուժման սխեմաներով՝ յուրաքանչյուր խմբում երկուական տարիքային խմբերով: Զրոյական վարկածը (H0) տվյալ դեպքում կարող է գրվել հետևյալ ձևով. (H0) – ք1 =
ք2 = ք3 = ք4 = ք5 = ք6 ։
Տեսականորեն այդ վարկածը կարող է ստուգվել t թեստի բազմաթիվ կիրառմամբ: Սակայն այս մեթոդն ունի մի շարք թերություններ: Առաջին հերթին այն ժամանակատար է, քանի որ ընդգրկում է 15 առանձին t թեստերի հաշվարկ: Բացի դրանից, յուրաքանչյուր թեստի վիճակագրական հզորությունը համեմատաբար ցածր կլինի, իսկ 1-ին տեսակի սխալի առաջացման հավանականությունը՝ բարձր: Օրինակ՝ 5% նշանակալիության մակարդակի Ստյուդենտի գործակցի 15 անգամ օգտագործելու դեպքում, ըստ հավանականության տեսության, համեմատվող խմբերի միջև հավանականություն հայտնաբերելու տարբերությունը դրա բացակայության դեպքում ոչ թե 5% է, այլ 5*15=75%: Այս արդյունքը Բոնֆերոնիի անհավասարության մասնավոր դեպքն է․ եթե k անգամ օգտագործվել է գործակիցը α նշանակալիության մակարդակով, ապա հավանականությունը հայտնաբերելու տարբերությունը դրա բացակայության դեպքում գոնե մեկ դեպքում չի գերազանցում k*α արտադրյալը։ Բոնֆերոնիի անհավասարությունը արտահայտվում է՝ α1 < kα, որտեղ α1-ը տարբերությունները սխալմամբ հայտնաբերելու հավանականությունն է։ Բոնֆերոնիի անհավասարությունից բխում է, որ α1 հավանականություն ապահովելու համար ընդունվում է α1 /k նշանակալիության մակարդակ (Բոնֆերոնիի ուղղում): Օրինակ՝ 15 անգամ համեմատելու դեպքում նշանակալիության մակարդակը պետք է հավասար լինի 0.05/15 = 0.0003, կամ 0.3%: Բոնֆերոնիի ուղղումը չափազանց խիստ մոտեցում է և սովորաբար կիրառվում է 3-5 համեմատությունների դեպքում: Ավելի շատ խմբերի դեպքում զրոյական վարկածը հազվադեպ հնարավոր կլինի հերքել: Կա վիճակագրական մեթոդ ևս, որը հնարավորություն է տալիս հաղթահարելու այդ խնդիրները: Դա դիսպերսիոն վերլուծությունն է (ANOVA, Analysis of Variance-ի հապավումն է), որը ներկայումս օգտագործվում է բավականին հաճախ: Ըստ էության, մեր կողմից դիտարկված t թեստը դիսպերսիոն վերլուծության մասնակի դեպք է, որը հնարավորություն է տալիս
136 | Կենսաբանական վիճակագրության հիմունքներ ի հայտ բերելու երկու ուսում նասիրվող խմբերի միջև տարբերությունը: Դիսպերսիոն վերլուծությունը տարբերությունների ուսում նասիրման ավելի լայն ուսում նասիրության եղանակ է, որը հնարավորություն է տալիս համեմատելու երկուսից ավելի խմբեր: Երկու խմբեր համեմատելու դեպքում դիսպերսիոն վերլուծության արդյունքը համընկնում է t չափանիշով համեմատվող արդյունքին: Դիսպերսիոն վերլուծության հիմքում ընկած հաշվարկները բավականաչափ բարդ են և ընդգրկված չեն այս ուսուցման դասընթացի շրջանակներում: Սակայն դիսպերսիան բնութագրում է փոփոխականների արժեքների ցրվածությունը: Հետազոտման արդյունքների ցանկացած ամբողջության մեջ, օրինակ, երեք տարբեր սխեմաներով բուժված երիտասարդ և տարեց պացիենտների ուսումնասիրություններից ստացված արդյունքներում հետազոտվող փոփոխականը կտարափոխվի: Փոփոխականի այդ ընդհանուր տարափոխումը պայմանավորված է երկու բաղադրիչով: Առաջին հերթին այն պայմանավորված է խմբերի միջև հայտնի տարբերության արդյունքում առաջացած տարափոխմամբ (միջխմբային տարափոխում), որը մեր օրինակում բուժման տարբեր սխեմաների միջև տարբերությունն է, ինչպես նաև տարիքային խմբերի միջև եղած տարբերությունը: Երկրորդ բաղադրիչը, որը պայմանավորում է հետազոտության արդյունքներում փոփոխականի ընդհանուր տարափոխումը, ուսումնասիրվող փոփոխականի սովորական տարափոխումն է յուրաքանչյուր խմբի սահմաններում (ներխմբային տարափոխում), որն առաջանում է պացիենտների միջև անհատական տարբերության կամ ընտրովի հետազոտության սխալի արդյունքում և այլն: Դիսպերսիոն վերլուծությունը հնարավորություն է տալիս որոշելու՝ հետազոտման արդյունքում հայտնաբերված ընդհանուր տարափոխումը զգալի աստիճանո՞վ է պայմանավորված խմբերի միջև ուսումնասիրվող տարբերությամբ, թե՞ ոչ: Այլ կերպ ասած, դիսպերսիոն վերլուծությունը հնարավորություն է տալիս պատասխանելու հետևյալ հարցին. համեմատվող խմբերը պատկանում են միևնո՞ւյն պոպուլ յացիային, թե՞ նրանք ընտրված են տարբեր պոպուլ յացիաներից: Եթե բոլոր ընտրանքները պատկանում են միևնույն պոպուլ յացիային, ապա միջխմբային տարափոխումը չպետք է լինի ավելի մեծ, քան ներընտրանքային փոփոխականների տարափոխումը: Իսկ եթե համեմատվող խմբերը պատկանում են տարբեր պոպուլ յացիաների, և նրանց միջև կա զգալի տարբերություն, ապա տարբեր խմբերի միջև դիսպերսիան պետք է լինի զգալիորեն ավելի մեծ, քան առանձին խմբերի ներսում փոփոխականի տատանման մեծությունը: Եթե հետազոտությունը ճիշտ է անցկացվել, ապա ուսումնասիրվող խմբերի միջև տարբերությունը պետք է լինի բուժման տարբեր սխեմաների օգտագործման կամ էլ պացիենտների տարիքի տարբերության հետևանքով:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 137
Այսպիսով, դիսպերսիոն վերլուծությունը հնարավորություն է տալիս որոշելու՝ արդյոք ողջ ամբողջության տվյալների ընդհանուր միջինի նկատմամբ ընտրանքային միջինների դիսպերսիան հավաստիորեն ավելի մե՞ծ է՝ յուրաքանչյուր ընտրանքի սահմաններում միջինի նկատմամբ փոփոխականի դիսպերսիայի համեմատ։ Դա արվում է հասարակ հարաբերակցության հաշվարկի միջոցով, որը կոչվում է F-հարաբերակցություն (F-ratio).
F=
միջխմբային դիսպերսիա ներխմբային դիսպերսիա
։
իճակագրական վերլուծությունը, սակայն ինչպես միշտ, սկսվում է զրոՎ յական և այլընտրանքային վարկածների սահմանումից: Զրոյական վարկածը կպնդի, որ ուսումնասիրվող փոփոխականների միջև, մեր օրինակում՝ բուժման արդյունքի և օգտագործված բուժման սխեմայի միջև, ինչպես նաև բուժման արդյունքի և պացիենտների տարիքների միջև կապ չկա: Այլընտրանքային վարկածը պնդում է հակառակը: Երկրորդ փուլում հաշվվում է F հարաբերակցությունը, որը ցույց է տալիս միջխմբային դիսպերսիայի հարաբերությունը ներխմբայինի նկատմամբ: Այնուհետև սովորականի պես վարկածի ստուգման ժամանակ որոշվում են F-ի կրիտիկական արժեքները: Ստացված Fհաշվ. մեծությունը համեմատվում է F-ի կրիտիկական արժեքի (Fկրիտ.) հետ, որը գտնում են F-Ֆիշերի բախշման աղ յուսակում: Ինչպես և t թեստի դեպքում է, եթե հաշված մեծությունը գերազանցում է աղ յուսակային մեծությունը, որը համապատասխանում է α-ի որոշակի մեծությանը, ապա զրոյական վարկածը պետք է լինի մերժված, որը մեկնաբանվում է հետևյալ կերպ՝ խմբերից գոնե մեկը տարբերվում է: Այսպիսով, F թեստը դիսպերսիաների հարաբերակցության թեստ է, և դա կիրառվում է դիսպերսիոն վերլուծության ժամանակ՝ պարզաբանելու՝ արդյոք համեմատվող խմբերի միջև տարբերությունը վիճակագրորեն նշանակալի՞ է, թե՞ ոչ: F թեստերը, դիսպերսիոն վերլուծության մեթոդից բացի, երբեմն կիրառվում են տարբեր խմբերում փոփոխականի դիսպերսիաների միջև տարբերության մասին վարկածներ ստուգելու համար: Օրինակ՝ կարող է անհրաժեշտություն ստեղծվել անեմիայի դեմ տարբեր դեղամիջոցներով բուժված հիվանդների արյան մեջ հեմոգլոբինի մակարդակի դիսպերսիան համեմատելու համար: Եթե բազմաթիվ համեմատվող խմբեր միմյանցից տարբերվում են միայն մեկ փոփոխականով, օրինակ՝ կիրառված բուժման սխեմայով, ապա կիրառվում է միաչափ դիսպերսիոն վերլուծություն (One-way ANOVA): Եթե համեմատվող խմբերը տարբերվում են միաժամանակ երկու փոփոխականներով, ապա կիրառվում է երկչափ դիսպերսիոն վերլուծություն
138 | Կենսաբանական վիճակագրության հիմունքներ (Two-way ANOVA): Օրինակ՝ վիճակագրական վերլուծության այս մեթոդը կարելի է կիրառել, եթե պացիենտների խմբերը տարբերվում են ոչ միայն ըստ բուժման սխեմայի, այլև ըստ տարիքի: Այս դեպքում ANOVA-ն ցույց կտա ոչ միայն այն, թե արդյունքների միջև կա՞ արդյոք կարևոր տարափոխման աղբյուր, այլև այն, թե արդյոք դա պայմանավորված է մե՞կ փոփոխականի, թե՞ մյուս փոփոխականի և կամ միասին վերցրած երկու փոփոխականների ազդեցությամբ: Ուսումնասիրվող փոփոխականներից միայն մեկի ազդեցության փաստի հաստատումը վկայում է հիմնական արդյունքի մասին: Եթե արդյունքը նշանակալի է երկու փոփոխականների համակցված ազդեցությունից, ապա դա փոխազդեցության արդյունք է: Փոխազդեցության արդյունքն առաջանում է այն դեպքում, երբ միասին վերցրած երկու փոփոխականների արդյունքը տարբերվում է դրանց անհատական ազդեցության գումարից: Մի քանի փոփոխականով տարբերվող խմբերի միջև տարբերություններն ուսումնասիրելու անհրաժեշտության դեպքում կարող է կիրառվել բազմագործոնային դիսպերսիոն վերլուծություն (Multifactor ANOVA): Դիսպերսիոն վերլուծությունը ցույց է տալիս համեմատվող միջինների միջև եղած տարբերությունը, բայց չի բացահայտում, թե կոնկրետ որ միջիններն են միմյանցից վիճակագրորեն հավաստի տարբերվում։ Սակայն կան մի քանի տարբեր թեստեր (t թեստ Բոնֆերոնիի ուղղումով, Տյուկի, ՆյումենՔեյսլի, Դաննետի և այլն), որոնք հնարավորություն են տալիս կատարելու միջինների զույգերով համեմատում։ Մեծ թվով համեմատությունների դեպքում Բոնֆերոնիի ուղղումը Ստյուդենտի գործակիցը շատ կոշտ է դարձնում։ Ավելի նուրբ Նյումեն-Քեյլսիի գործակիցը տալիս է α հավանականության ավելի ճշգրիտ գնահատական, դրա զգայունությունը ավելի բարձր է Բոնֆերոնիի ուղղումով Ստյուդենտի գործակցի համեմատ։ Նշված ցանկացած թեստից առաջ նախ դիսպերսիոն վերլուծության միջոցով ստուգվում է բոլոր միջինների հավասարման մասին զրոյական վարկածը, և նշված թեստերից մեկն օգտագործվում է միայն այն դեպքում, եթե զրոյական վարկածը ժխտվում է։ Նյումեն-Քեյլսի թեստը իրականացնում է բոլոր միջինների զույգ առ զույգ համեմատություն։ Միջինները տեղադրվում են աճման կարգով (1-ից մինչև m-ը) և համեմատվում զույգերով՝ ամեն անգամ հաշվարկելով Նյումեն-Քեյլսի գործակցի արժեքը՝
q=
XA − XB
sint 1 1 ⋅ + 2 nA nB
:
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 139
Այս բանաձևում ХА-ն և ХB –ն համեմատվող միջիններն են, sвну2-ն ներխմբային ցրվածությունն է, իսկ nA-ն nB–ն՝ խմբերի քանակը: Հաշվարկված արժեքը համեմատվում է կրիտիկական արժեքի հետ (աղ յուսակ 20)։ Կրիտիկական արժեքը որոշելու համար հաշվարկվում է ազատության աստիճանը (v) և համեմատության միջակայքը ()): Ազատության աստիճանը որոշվում է հետևյալ բանաձևով՝
ν = N-m, որտեղ N–ը հետազոտվողների ընդհանուր քանակն է, m–ը՝ խմբերի քանակը: Համեմատության միջակայքը որոշելու համար օգտվում ենք հետևյալ բանաձևից՝ )= j-i+1, որտեղ j-ն և i–ն համեմատվող խմբերի համարներն են: q-ի կրիտիկական արժեքը v-ի և )-ի հատման կետում է: Տարբերությունը համեմատվող խմբերի միջև վիճակագրորեն հավաստի է, եթե q-ի հաշվարկված արժեքը մեծ է կրիտիկական արժեքից: Համեմատությունն իրականացվում է համապատասխան հաջորդականությամբ։ Նախ համեմատվում են ամենամեծ և ամենափոքր արժեքները, այսինքն՝ m-ը 1-ինի հետ, այնուհետև՝ m-ը 2-րդի, 3-րդի և այլ միջինների հետ մինչև m-1 արժեքը: Այնուհետև նույն հաջորդականությամբ նախավերջինը (m-1-ը) համեմատվում է 1-ին, 2-րդ, 3-րդ և այլ միջինների հետ մինչև m-2 արժեքը։ Այս «ձգող համեմատությունները» շարունակվում են մինչև այն զույգը, որի համար տարբերությունը դառնում է ոչ հավաստի։ Եթե երկու համեմատվող միջինների միջև տարբերություն չկա, ապա անիմաստ է համեմատել բոլոր այն միջինները, որոնք նրանց միջև են։ Տյուկի թեստը շատ նման է Նյումեն-Քեյլսի թեստին, սակայն տարբերվում է միայն կրիտիկական արժեքը որոշելու մեթոդով։ Նյումեն-Քեյլսի թեստում q կրիտիկական արժեքը պայմանավորված է համեմատության միջակայքով ()): Տյուկի թեստի դեպքում կրիտիկական արժեքը հաստատուն է, քանի որ պայմանավորած է միայն խմբերի քանակով (m)։ Քանի որ Տյուկի թեստի դեպքում բոլոր համեմատությունների համար օգտագործվում է առավելագույն կրիտիկական արժեքը, ուստի զրոյական վարկածն ավելի հազվադեպ կհերքվի, քան Նյումեն-Քեյլսի թեստում։ Այսինքն՝ Տյուկի թեստը շատ կոշտ է, իսկ Նյումեն-Քեյլսինը՝ շատ փափուկ։ Թեստի ընտրությունն առավելապես որոշվում է հոգեբանական գործոնով․ ինչից է հետազոտողը ամենից շատ խուսափում․ գտնե՞լ տարբերությունները դրանց բացակայության դեպքում, թե՞ բաց թողնել եղած տարբերությունները։ Այն դեպքում, երբ հարկ է լինում բազմակի համեմատություններ կատարել մեկ ստուգիչ խմբում, որպես դիսպերսիոն վերլուծության շարունակություն՝
140 | Կենսաբանական վիճակագրության հիմունքներ կիրառվում են Բոնֆերոնիի ուղղումով t թեստի տարատեսակը կամ Դաննետի թեստը: Բոնֆերոնիի ուղղումով t թեստի տարատեսակի դեպքում հաշվարկների ընթացքը նույնն է, ինչ որ Բոնֆերոնիի ուղղման ընդհանուր դեպքում, միայն համեմատությունների թիվը հավասար է k=m-1, և յուրաքանչյուր համեմատության դեպքում նշանակալիության մակարդակը պետք է կազմի α=α1/k։ Այս թեստի դեպքում պետք է հիշել, որ 1-ին խումբը 2-րդի և 1-ինը 3-րդի հետ համեմատելով ոչ մի եզրակացություն չի արվում 2-րդի և 3-րդի վերաբերյալ։ Դաննետի թեստը Նյումեն-Քեյսլի թեստի տարբերակն է՝ մեկ ստուգիչի հետ համեմատելու հանար։ Այն ավելի զգայուն է, քան Բոնֆերոնիի ուղղումով Ստյուդենտի թեստը, հատկապես խմբերի մեծ քանակի դեպքում։ Համեմատությունների քանակը այս դեպքում հավասար է խմբերի քանակին՝ չհաշված ստուգիչ խումբը, այսինքն՝ շատ ավելի քիչ է, քան Նյումեն-Քեյլսի թեստում։ Համապատասխանաբար փոքր կլինեն նաև կրիտիկական արժեքները։ Խմբերը դասավորվում են ըստ ստուգիչից բացարձակ արժեքի տարբերության և քայլ առ քայլ համեմատվում՝ սկսած ամենամեծ արժեքից։ Եթե հերթական խմբի դեպքում տարբերություն չի հայտնաբերվում, ապա համեմատությունները դադարեցվում են։ Կրիտիկական արժեքը պայմանավորված չէ համեմատության միջակայքով ()), որը մնում է հաստատուն և հավասար խմբերի քանակին (m): Ազատության աստիճանը հաշվարկվում է նույն բանաձևով՝ v= N-m: q գործակցի հաշվարկի բանաձևը այս դեպքում հետևյալն է՝
q=
X cont − X A ։ + sint ⋅ ncont nA
Ինչպես երևում է, բանաձևում վերցվում է տվյալ և ստուգիչ խմբերի միջինների տարբերությունը (Xконт-XА): Հաշվարկված արժեքը համեմատվում է նույն աղ յուսակի կրիտիկական արժեքի հետ (աղ. 20):
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 141
Աղ յուսակ 20. q կրիտիկական արժեքները α = 0.05-ի դեպքում v
17,97
26,98
32,82
37,08
40,41
43,12
45,40
47,36
49,07
6,085
8,331
9,798
10,88
11,74
12,44
13,03
13,54
13,99
4,501
5,910
6,825
7,502
8,037
8,478
8,853
9,177
9,462
3,927
5,040
5,757
6,287
6,707
7,053
7,347
7,602
7,826
3,635
4,602
5,218
5,673
6,033
6,330
6,582
6,802
6,995
3,461
4,339
4,896
5,305
5,628
5,895
6,122
6,319
6,493
3,344
4,165
4,681
5,060
5,359
5,606
5,815
5,998
6,158
3,261
4,041
4,529
4,886
5,167
5,399
5,597
5,767
5,918
3,199
3,949
4,415
4,756
5,024
5,244
5,432
5,595
5,739
3,151
3,877
4,327
4,654
4,912
5,124
5,305
5,461
5,599
3,113
3,82
4,256
4,574
4,823
5,028
5,202
5,353
5,487
3,082
3,773
4,199
4,508
4,751
4,950
5,119
5,265
5,395
3,055
3,735
4,151
4,453
4,690
4,885
5,049
5,192
5,318
3,033
3,702
4,111
4,407
4,639
4,829
4,990
5,131
5,254
3,014
3,674
4,076
4,367
4,595
4,782
4,940
5,077
5,198
2,998
3,649
4,046
4,333
4,557
4,741
4,897
5,031
5,15
2,984
3,628
4,020
4,303
4,524
4,705
4,858
4,991
5,108
2,971
3,609
3,997
4,277
4,495
4,673
4,824
4,956
5,071
2,960
3,593
3,977
4,253
4,469
4,645
4,794
4,924
5,038
2,950
3,578
3,958
4,232
4,445
4,620
4,768
4,896
5,008
2,919
3,532
3,901
4,166
4,373
4,541
4,684
4,807
4,915
2,888
3,486
3,845
4,102
4,302
4,464
4,602
4,720
4,824
2,858
3,442
3,791
4,039
4,232
4,389
4,521
4,635
4,735
2,829
3,399
3,737
3,977
4,163
4,314
4,441
4,550
4,646
2,800
3,356
3,685
3,917
4,096
4,241
4,363
4,468
4,560
∞
2,772
3,314
3,633
3,858
4,030
4,170
4,286
4,387
4,474
142 | Կենսաբանական վ իճակագրության հիմունքներ
ՑՈՒՑԱՆԻՇՆԵՐԻ ՀԱՄԵՄԱՏՈՒՄԸ
ախորդ բաժիններում մենք քննարկեցինք քանակական փոփոխականՆ ների դեպքում օգտագործվող վիճակագրական վերլուծության մեթոդները: Սակայն բժշկակենսաբանական հետազոտությունների խնդիրը կարող է լինել ոչ միայն պոպուլ յացիոն միջին մեծությունների, այլև ցուցանիշների համեմատությունը: Ինչպես պոպուլ յացիոն միջինները համեմատելիս, այնպես էլ այս դեպքում կիրառվում է վարկածի ստուգում արդեն իսկ հայտնի բոլոր փուլերով՝ 1. այլընտրանքային և զրոյական վարկածների սահմանում (HA և H0). 2. α արժեքի նշանակալիության մակարդակի որոշում. 3. z արժեքի հաշվումը, որը համապատասխանում է ընտրանքային ցուցանիշին (p հաշվ.). 4. կրիտիկական արժեքների որոշում. 5. z ի հաշվված և կրիտիկական արժեքների համեմատում և զրոյական վարկածի ընդունում կամ հերքում: Զրոյական և այլընտրանքային վարկածներն այս դեպքում գրվում են հետևյալ կերպ՝ ≠ 2 , որտեղ 1 ¨ 1և¨ 2 2 համեմատվող պոպուլ յաH0՝ 1 = 2 , HÀ՝ ցիոն ցուցանիշներն են: t թեստի փոխարեն տվյալ դեպքում կիրառվում է z թեստը: z հայտանիշը հաշվվում է հետևյալ բանաձևով՝
π π
ππ ππ
π π
z=
p−p p ⋅ (1 − p ) p ⋅ (1 − p ) + n n
։
Այնուհետև վարկածները ստուգելիս որոշվում են z-ի կրիտիկական արժեքները: Հաշվված zհաշվ. մեծությունը համեմատվում է z-ի կրիտիկական արժեքի՝ zկրիտ. հետ, որը z արժեքների աղ յուսակում է: Եթե հաշվված z արժեքը գերազանցում է աղ յուսակում նշված z արժեքին, որը համապատասխանում է α-ի որոշակի մեծությանը, ապա զրոյական վարկածը հերքվում է, և ընդունվում է մրցողը:
ՀԵՏԱԶՈՏՈՒԹՅԱՆ ԱՆՀՐԱԺԵՇՏ ԾԱՎԱԼԸ ՈՐՈՇԵԼԸ
եկ կամ երկու խմբերի դեպքում ընտրանքի ծավալը որոշվում է ճշգրտուՄ թյան (վստահելիության սահմանների մեծություն), վարկածները ստուգելու համար։
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 143
Մեկ ընտրանքի ծավալի հաշվարկման նպատակը հետևյալն է՝ ունենալ բավական մեծ ընտրանք, որի շնորհիվ կարելի է գնահատել ընտրանքի միջինը (կամ միջինների տարբերությունը) կամ հավանականությունը (կամ հավանականությունների տարբերությունը) նախապես ընդունված ցանկալի նեղ սահմաններում ու բարձր վստահելիությամբ: Մեկ ընտրանքի ծավալը որոշելը Ընտրանքի ծավալը որոշելը հիմնված է նախընտրելի ճշգրտության վրա, որն ունի առանձնահատկություններ՝ պայմանավորված ելքի բնույթով՝ քանակակա՞ն, թե՞ բինար: Քանակական հատկանիշների դեպքում նպատակը ընտրանքային միջին թվաբանականի միջոցով պոպուլ յացիոն միջինը (μ) տվյալ ճշգրտությամբ (d=z*m (1) գնահատելն է, որը կոչվում է նաև առավելագույն սխալ, այսինքն՝ վստահելիության սահմաններով: Հիշենք, որ վստահելիության սահմանները հաշվարկվում են հետևյալ բանաձևով՝ ՎՍ= X ± z ⋅ m (տե՛ս էջ 113): Երբեմն կիրառվում է գնահատման ամբողջ լայնքը՝ w=2d: Եթե միջին սխալի արժեքը տեղադրենք բանաձևի մեջ (1) և կատարենք պարզագույն վերափոխումներ, ապա կստանանք՝
d = zα / 2 d 2 = ( zα n=
δ2 n
)2 ⋅ σ 2
(zα 2 )2 ⋅ σ 2 d2
=
n 4( zα
)2 ⋅ σ 2 ,
w2
որտեղ d–ն գնահատման ցանկալի ճշգրտությունն է, w-ն՝ գնահատման ամբողջ լայնքը, zα/2–ն գնահատման 5% սխալի հավանականության արժեքն է՝ հավասար 1.96, σ–ն՝ ստանդարտ շեղումը, n–ն՝ դիտարկումների քանակը։ Օրինակ՝ անհրաժեշտ է գնահատել 14 տարեկան տղաների հասակը ±3 սմ ճշգրտությամբ (d=±3): Որքա՞ն պետք է լինի հետազոտվողների քանակը, որ ստացված միջին թվաբանական մեծությունը բավարարի պահանջվող ճշգրտությանը: Գրականությունից (կամ պիլոտային հետազոտությունից) հայտնի է, որ հասակի ստանդարտ շեղումը հավասար է 8.14 սմ: Բանաձևում տեղադրելով z-ի արժեքը 95% հավանականության (1.96) և σ-ի (8.14) դեպքում կստանանք՝
144 | Կենսաբանական վ իճակագրության հիմունքներ
n=
z 2 ⋅ σ 2 (1.96) 2 (8.14) = = 108.56 ≈ 109 ։ (3) 2 d2
Այսինքն՝ եթե 109 տղաների հասակը չափման արդյունքում հաշվարկվի, որ միջին թվաբանականը հավասար է X արժեքի, ապա դրա հիման վրա կատարած պոպուլ յացիոն միջինի գնահատականը կգտնվի X±3 սմ միջակայքում: Բինար ելքի դեպքում, երբ անհրաժեշտ է գնահատել երևույթի հավանականությունը (ինտենսիվ ցուցանիշներ), կիրառվում է երկու բանաձև՝ մեկը անհայտ (անսահմանափակ) պոպուլ յացիայի համար (2)՝
d = zα / 2
pq n
pq n ( zα / 2 ) ⋅ pq 4( zα / 2 ) ⋅ pq , n= = w2 d2 d 2 = ( zα / 2 ) ⋅
որտեղ d–ն գնահատման ցանկալի ճշգրտությունն է, w-ն՝ գնահատման ամբողջ լայնքը, zα/2–ն գնահատման 5% սխալի հավանականության արժեքն է, հավասար 1.96, p–ն՝ ցուցանիշի (երևույթի) հաճախականությունը, q–ն՝ այլընտրանքի (երևույթի ի հայտ չգալու) մեծությունը, q=1-p, n–ը՝ դիտարկումների քանակը։ Ենթադրենք, թե համաճարակաբանն ուզում է որոշել, թե գյուղական վայրի երեխաների որ մասն է շարունակում մայրական կաթով սնվել 18-ամսականից հետո: Ընդունենք, որ նման վայրում կրծքով սնվող երեխաները 0.20 մասն են: Ի՞նչ մեծության պետք է լինի ընտրանքը ճիշտ մասի ±3% 95% վստահությամբ հաստատելու համար: Ընդունենք՝ p=0.2, d=0.03, α=0.05: Տեղադրենք արժեքները՝
z 2 ⋅ pq (1.96) 2 ⋅ (0.2)(0.8) n= = = 683 ։ d2 0.032
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 145
Եթե ցուցանիշի մեծության մասին չկա որևէ տվյալ, ապա կիրառվում է «վատագույն սցենարի» մոտեցումը՝ p-ի արժեքն ընդունվում է հավասար 0.5-ի, որի դեպքում n-ը կստացվի առավելագույնը: Եթե հայտնի է պոպուլ յացիայի ընդհանուր ծավալը, ապա բանաձևը հետևյալն է՝
N ⋅ z 2 ⋅ pq , n= N ⋅ d 2 + z 2 ⋅ pq որտեղ N-ը պոպուլ յացիայի ընդհանուր ծավալն է։ Նշենք, որ եթե պատասխանն ամբողջական թիվ չէ, ապա կլորացումը միշտ կատարվում է դեպի մեծ արժեքը: Ընտրանքի ծավալը որոշելը միջինի կամ ցուցանիշի տարբերությունը գնահատելու համար Նպատակը երկու պոպուլ յացիոն միջինների կամ ցուցանիշների տարբերությունը գնահատելն է՝ μ1–μ2 (p1 – p2): Պահանջվում է, որ X1 - X2 = ±d, d=z*m, կամ 95%ՎԻ w=2d:
d = z⋅
σ 12
(
n
+
σ 22 n
z 2 ⋅ σ1 + σ 2 n= d2
)
Ցուցանիշի համար նույնանման՝
p1q1 p2 q2 + n n z 2 ⋅ ( p1q1 + p2 q2 ) n= d2 d = z⋅
Ընտրանքի ծավալը որոշելը վարկածները ստուգելու համար Նպատակը բավարար ընտրանք ունենալն է պոպուլ յացիոն միջինների կամ ցուցանիշների միջև տարբերություն (∆) հայտնաբերելու համար։ Այլ կերպ ասած, գնահատվում են ∆= μ1–μ0 կամ ∆=p1 – p0 մեկ խմբի համար և ∆= μ1–μ2, կամ ∆=p1 – p2 երկու խմբի համար: Այս դեպքում իրավիճակը փոխվում է․ հիշենք, որ կա նաև երկրորդ՝ β տեսակի սխալի հնարավորություն,
146 | Կենսաբանական վիճակագրության հիմունքներ ուստի պետք է ձգտել և՛ α, և՛ β, սխալներ գործելու հնարավորինս փոքր հավանականության, և բանաձևում պետք է հաշվի առնել դա ևս: Ինչպես երևում է ներկայացված նկարից, այս դեպքում β-թեստը լինում է միակողմանի (նկ. 30):
Նկար 30. Երկու պոպուլ յացիոն միջինների տարբերության գնահատման գծագիրը
Այսպիսով, մեկ խմբի ընտրանքի ծավալի քանակական փոփոխականի համար վարկածի ստուգման բանաձևը հետևյալն է՝
n =
( za / 2 + zβ ) 2 σ 2
∆
։
րինակ՝ ձևակերպվել է վարկած, որ ընտանիքում սիրտ-անոթային հիՕ վանդությունների առկայությունը կարող է հանգեցնել երեխաների մոտ խոլեստերինի մակարդակի բարձրացմանը: Հայտնի է, որ խոլեստերինի միջին մակարդակը 175 մգ/100 մլ է, և σ=50: Որքա՞ն պետք է լինի հետազոտության ծավալը ռիսկային երեխաների շրջանում խոլեստերինի մակարդակը որոշելու համար: Ձևակերպվում է զրոյական վարկած՝ H0 μ≤175 և այլընտրանքային՝ Ha μ>175, պահանջվող վստահելիության մակարդակները՝ α=0.05 և 1-β=0.8: Սկզբում անհրաժեշտ է ընտրել խոլեստերինի որևէ այլընտրանքային հիպոթետիկ մա կար դակ, օ րի նակ՝ 190 մգ/100 մլ: Ստու գում ե նք H0 μ≤175 հանդեպ Ha μ=190, այսինքն՝ տարբերությունը ∆=15:
n =
( za + zβ ) 2 σ 2 ∆2
=
(1.645 + 0.84) 2 50 2 = 68.6 ։
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 147
Նկատենք, որ մեզ ծանոթ zα/2 փոխարեն կիրառվել է միակողմանի թեստ zα, որի արժեքն է 1.645, քանի որ զրոյական վարկածը ձևակերպվել է հստակ միակողմանի՝ Ha μ =190, այլ ոչ թե μ ≠190: Ցուցանիշների դեպքում բանաձևը հետևյալն է՝
z n = α/2
p0 q0 + z β ∆
pα qα
,
որտեղ p0-ն և q0-ն զրոյական վարկածի համապատասխանաբար ցուցանիշն են (հավանականությունը) և այլընտրանքը, իսկ pa-ն, qa-ն՝ այլընտրանքային վարկածի համապատասխան մեծություններ: Օրինակ՝ պատրաստվում եք գնահատել Ա բնակավայրում որոշակի հիվանդության տարածվածությունը Բ բնակավայրի համեմատ, որտեղ այն կազմում է 0.15: Ձևակերպենք վարկածներ Ho: p = 0.15, Ha: p ≠ 0.15, առաջադրենք պայմաններ՝ α= 0.05, 1-β= 0.80: Ինչպես նախորդ օրինակում, անհրաժեշտ է ընտրել ինչ-որ այլընտրանքային հիպոթետիկ մակարդակ, օրինակ՝ 0.25: Ստուգում ենք H0 p=0.15 հանդեպ Ha p=0.25, այսինքն՝ տարբերությունը ∆=10․
z n = α/2
p 0 q0 + z β ∆
pα qα =
1.96 (0.15)(0.85) + 0.84 (0.25)(0.75) = 113.1 ։ 0.10 Հետազոտությունն անցկացնելու համար պահանջվում է 114 դիտարկում (կրկին հիշեցնենք՝ կլորացումը դեպի մեծ արժեքը): Առանց մանրամասնելու բերենք երկու հավասար խմբերի ծավալի հաշվարկը անընդհատ և բինար ելքերի համար, ինչպես նաև անհավասար խմբերի դեպքում: Բոլոր նշումները նույնն են, ինչպես նախորդ դեպքում λ–ն բազմապատիկության գործակիցն է: Երկու հավասար խումբ, միջին մեծություններ՝
n1 = n2 =
( z a / 2 + z β ) 2 (σ 12 + σ 22 ) ։ ∆2
րինակ՝ որոշել բուժում ստացող և ստուգիչ խմբերի անհրաժեշտ ծավաՕ լը, եթե սպասվում է, որ ճնշման միջին տարբերությունը խմբերում լինելու է
148 | Կենսաբանական վ իճակագրության հիմունքներ 5 մմ ս․ս.: Անսխալ գնահատման պահանջը նույնն է՝ α=0.05, 1-β=0.8, ստանդարտ շեղումները հավասար են՝ δ1= δ2=15, զրոյական վարկածը՝ H0 : ք1- ք2=0, այլընտրանքայինը՝ Ha : ք1- ք2≠0
( z a + z β ) 2 (σ 12 + σ 22 )
n=
∆2
=
(1.96 + 0.84) 2 (152 + 152 ) = 141.1 ։
Երկու հավասար խումբ, ցուցանիշներ՝
n1 = n2 =
(z
a/2
pq +p q )
2 pq + z β
1 1
2 2
∆
։
Օրինակ՝ հին բուժման հաջողության հավանականությունը 0.25 է, նորինը՝ 0.35։ Քանի՞ անձի վրա պետք է փորձարկել՝ դրանում համոզվելու համար․ զրոյական վարկածը՝ H0 : p1- p2=0, այլընտրանքայինը՝ Ha : p1- p2=0.1, α=0.05 1-β=0.8: Սկզբում հաշվում ենք միացյալ (pooled) ցուցանիշը (aaa) և արժեքները տեղադրում բանաձևում (bb)՝
p=
n1 = n2
(1.96 =
p1 + p2 0.35 + 0.25 = = 0.30
aaa
)
2(0.3)(0.7) + 0.84 (0.35)(0.65) + (0.25)(0.75 ) = 328.1 (0.10) 2
bb
Երկու անհավասար խումբ, միջին մեծություններ, n2=λn1 ՝
n1 =
( z a / 2 + z β ) 2 (σ 12 + σ 22 λ ) ∆2
։
Երկու անհավասար խումբ, ցուցանիշներ, n2=λn1՝
(z n =
a/2
pq (λ + 1)λ + z β
p1q1 + p2 q2 λ
∆
)
։
Վերադառնանք վերոնշյալ խնդրին․ ինչքա՞ն պետք է լինեն դեղ ստացող և պլացեբո ստացող խմբերը, եթե փորձնականը կրկնակի մեծ պետք է լինի՝
n1 =
(1.96 + 0.84) 2 (152 + 152 2) = 106 ։
ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ | 149
n2=λn1= 2*106=212 Եվ վերջում հիշեցնենք α և β սխալների ընդունված արժեքները՝ α = 0.05, միակողմանի թեստի դեպքում Zα =1.645, երկկողմանիի դեպքում՝ Zα=1.96։ Թեստի հզորությունը միակողմանի է՝ 1-β = 0.8, β = 0.2, Zβ = 0.84, 1-β = 0.90, β = 0.1, Zβ = 1.28։
150 |
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵՍՏԵՐ
Նախորդ բաժիններում քննարկված t, z թեստերը և դիսպերսիոն վերլուծությունը միավորվում են պարամետրիկ թեստերի անվան տակ, քանի որ դրանք կիրառվում են վարկածները ստուգելու համար, որոնք վերաբերում են պոպուլ յացիոն պարամետրերին (պոպուլ յացիոն միջինին կամ պոպուլ յացիոն դիսպերսիային): Նշենք նաև, որ դրանց վարկածները վերաբերում են այն փոփոխականներին, որոնք չափվում են միջակայքային սանդղակներում և հարաբերակցության սանդղակներում: Բոլոր այս թեստերում առկա է ենթադրություն պոպուլ յացիոն տվյալների նորմալ բաշխման մասին: Ի տարբերություն պարամետրիկ թեստերի՝ ոչ պարամետրիկները չունեն վերը նշված բոլոր առանձնահատկությունները: Սրանցում չկա ենթադրություն պոպուլ յացիոն բնութագրերի և պոպուլ յացիոն տվյալների նորմալ բաշխման մասին: Այդ պատճառով էլ սրանք կոչվում են նաև թեստեր, որոնք ազատ են պարամետրերից կամ ազատ են բաշխումից: Ոչ պարամետրիկ թեստերը կիրառվում են անվանական կամ կարգային սանդղակներում չափվող փոփոխականների թեստավորման համար: Դրանք կիրառվում են նաև այն դեպքում, երբ տվյալների ծավալներն անբավարար են պարամետրիկ թեստեր կիրառելու համար: Ոչ պարամետրիկ թեստերի հիմնական թերությունն այն է, որ իրենց հզորությամբ սրանք զիջում են պարամետրիկ թեստերին, այդ պատճառով էլ այն դեպքում, երբ հնարավորություն կա կիրառելու պարամետրիկ թեստ, պետք չէ կիրառել ոչ պարամետրիկը: Ոչ պարամետրիկ թեստերը բաժանվում են երկու խմբի՝ կարգային և ոչ կարգային։ Ոչ կարգային թեստերը երկուսն են՝ Պիրսոնի համապատասխանության գործակցի հաշվարկը և Մակ-Նիմարի թեստը։ Կարգային թեստերն իրական մեծությունները փոխարինում են կարգերով։ Ընդ որում, պահպանվում է բաշխվածության մասին տեղեկատվությունը, բայց էական չէ դրա տեսակը։ Այս դեպքում բաշխվածության պարամետրերը հետաքրքիր չեն, և չկա ցրվածության հավասարության անհրաժեշտություն։ Վերլուծության այս մեթոդները կիրառելու համար անհրաժեշտ է միայն, որ համեմատվող ամբողջություններում բաշխվածության տեսակը նույնը լինի։ Կարգային թեստերից են Ման-Ուիթնիի, Ուիլկոկսոնի, ԿռուսկալՈւոլլիսի, Ֆրիդմանի թեստերը։
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 151
ՍՏՈՒԳՈՒՄ ԸՍՏ c2 ՀԱՅՏԱՆԻՇԻ
Առավել հաճախ օգտագործվող ոչ պարամետրիկ թեստը համապատասխանության չափանիշի հաշվումն է կամ ստուգումը c2 չափանիշով (Chisquare test): 2 չափանիշով ստուգումն օգտագործվում է այն վարկածների թեստավորման համար, որոնք վերաբերում են անվանական սանդղակում չափվող փոփոխականների միջև կապի առկայությանը: Վերլուծության այս վիճակագրական մեթոդի առավելություններից մեկն այն է, որ վերջինս հնարավորություն է տալիս համեմատություններ անցկացնելու միմյանց հետ չկապված երկու և ավելի ամբողջությունների միջև: Ինչպես և վարկածների ստուգման մյուս թեստերը, վերլուծության այս վիճակագրական մեթոդն ընդգրկում է հետևյալ հիմնական քայլերը՝ զրոյական և այլընտրանքային վարկածների սահմանումը, c2 վիճականու հաշվումը ստանդարտ բանաձևով ու դրա համեմատումը կրիտիկական արժեքի հետ (որը ներկայացված է հայտանիշների համապատասխանության աղ յուսակում և համապատասխանում է α-ի ընտրած արժեքին), եզրակացությունը: Այլընտրանքային վարկածը տվյալ դեպքում վկայում է ուսումնասիրվող փոփոխականների միջև կապի առկայության մասին, իսկ զրոյական վարկածը՝ նշված կապի բացակայության մասին: Վերլուծության այս մեթոդի առանձնահատկությունը սպասվող մեծությունների հաշվումն է այն ենթադրության հիման վրա, որ զրոյական վարկածը ճիշտ է: Հաշվարկվող վիճականին (c2), որը կոչվում է համապատասխանության հայտանիշ, ցույց է տալիս հետազոտության արդյունքում ստացված փաստացի տվյալների և զրոյական վարկածի ճշտության մասին ենթադրության հիման վրա ստացված սպասվող տվյալների միջև տարբերությունը: Վերլուծության այս մեթոդի դեպքում տվյալները ներկայացնելու համար կիրառվում են զուգորդված հայտանիշների աղ յուսակները: Աղ յուսակում արտահայտված գաղափարն այն է, որ մեկ փոփոխականը (օրինակ՝ բուժումը և բուժման բացակայությունը) կարող է պայմանավորված լինել մեկ այլ փոփոխականով (օրինակ՝ պացիենտի կողմից օգտագործված այս կամ այն հակաբիոտիկը): (c2) չափանիշի միջոցով ստուգումը բավականին հզոր վիճակագրական թեստ է, սակայն ունի իր սահմանափակումները: Վիճակագրական վերլուծության այս մեթոդը կիրառելու համար հետազոտության տվյալները պետք է ներկայացված լինեն բացարձակ մեծություններով, և ոչ թե ցուցանիշներով: Վերլուծության այս մեթոդը չի կարող կիրառվել, եթե սպասվող տվյալների մեծությունը կատեգորիաներից մեկում փոքր է 5-ից: Այս խնդրի լուծման համար առաջարկվել է մի քանի մեթոդ, որոնցից առավել հաճախ կիրառվում են Յետսի անընդհատության ուղղման և Ֆիշերի ճշտության չափանիշները:
152 | Կենսաբանական վ իճակագրության հիմունքներ Օրինակ՝ Յետսի ուղղումը կիրառվում է 2x2 աղ յուսակներում և նախատեսում է յուրաքանչյուր (O-E) տարբերության փոքրացումը 0.5 միավորով՝
x
=∑
( O − E − 0.5) 2 E
։
Դիտարկենք c2 գործակցի հաշվարկի հետևյալ օրինակը: Ստորև ներկայացված աղ յուսակում ընտրովի հետազոտության արդյունքներն են շունտի մակարդուկի (թրոմբոզի) և ասպիրինի օգտագործման միջև փոխադարձ կապի ուսումնասիրության վերաբերյալ: Աղ յուսակ 21. Շունտի մակարդուկներ (թրոմբոզներ) պլացեբո և ասպիրին ընդունելու ժամանակ Հիվանդների ընդհանուր քանակը
Մակարդուկը (թրոմբոզը) առկա է
Մակարդուկը (թրոմբոզը) բացակայում է
Պլացեբո
Ասպիրին
Ընդամենը
100%
54.5%
45.5%
Ինչպես երևում է 21-րդ աղ յուսակից, հետազոտության մեջ ընդգրկված ուսումնասիրված 44 հիվանդից 25-ը ստացել են պլացեբո, մնացած 19-ը՝ ասպիրին: 25 հիվանդից, որոնք ընդունել են պլացեբո, 18-ի դեպքում հայտնաբերվել է թրոմբոզ այն դեպքում, երբ 19 հիվանդից, ովքեր ստացել են ասպիրին, միայն 6-ի դեպքում է հայտնաբերվել թրոմբոզ: Ստուգումը սկսում ենք ըստ (c2) չափանիշի՝ զրոյական և այլընտրանքային վարկածների սահմանումից: Ըստ զրոյական վարկածի՝ տվյալ դեպքում ասպիրինի ընդունման և թրոմբոզի առաջացման հաճախականության միջև ոչ մի կապ չկա, իսկ ըստ այլընտրանքային վարկածի՝ հակառակը, ուսումնասիրվող փոփոխականների միջև կապ կա: Սպասվող տվյալները հաշվելու համար մենք ենթադրում ենք, որ զրոյական վարկածը ճիշտ է: Եթե այդպես է, ապա նշանակում է, որ հիվանդների բաշխումն ըստ թրոմբոզի առաջացման հաճախականության երկու խմբերում՝ նրանց շրջանում, ովքեր ստացել են պլացեբո, և նրանց շրջանում, ովքեր ստացել են ասպիրին, պետք է լինի միանման և այնպիսին, ինչպիսին դա կլինի երկու խմբում միասին վերցրած:
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 153
Եթե երկու խմբում հիվանդների ընդհանուր քանակը (44) ընդունենք հավասար 100%-ի, ապա զրոյական վարկածի համաձայն՝ 54.5% (24) հիվանդների դեպքում թրոմբոզը պետք է զարգանար, իսկ 45.5% (20) հիվանդների դեպքում՝ ոչ: Աղ յուսակ 22. Շունտի մակարդուկներ (թրոմբոզներ) պլացեբո և ասպիրին ընդունելու ժամանակ սպասվող ցուցանիշներ Հիվանդների ընդհանուր քա նակը
Մակարդուկը (թրոմբոզը) առկա է
Մակարդուկը (թրոմբոզը) բացակայում է
Պլացեբո
13.6
11.4
Ասպիրին
10.4
8.6
Ընդամենը
աշվելով, թե որքան է կազմում 54.5% 25-ից և 19-ից՝ համապատասխաՀ նաբար կստանանք 13.6 և 10.4 (աղ. 22.): Դրանք էլ հենց թրոմբոզով հիվանդների սպասվող ցուցանիշներն են խմբերում, ովքեր ստացել են պլացեբո և ասպիրին: Այսպիսով, հնարավոր է ստանալ թրոմբոզ չունեցող հիվանդների սպասվող ցուցանիշներ. պլացեբոյի խմբում՝ 45.5% 25-ից, այսինքն՝ 11.4, ասպիրինի խմբում՝ 45.5% 19-ից, այսինքն՝ 8.6: Այժմ կարելի է սկսել հաշվել համապատասխանության հայտանիշը: Այն հաշվելու բանաձևն է՝
x
(0 − E ) 2 , =∑ E
որտեղ O-ն փոխադարձ կապի արտահայտման աղ յուսակի վանդակում փաստացի թիվն է, E-ն սպասվող թիվն է նույն վանդակում: Գումարումը կատարվում է ըստ աղ յուսակի բոլոր վանդակների: Արդյունքում կստանանք՝
(18 − 13,6) 2 (7 − 11,4) 2 (6 − 10,4) 2 (13 − 8,6) 2 + + + 13.6 11.4 10.4 8.6
x
=
x
= 1,42 + 1,70 + 1,86 + 2,25 = 7,23 :
Համապատասխանության չափանիշի ստացված արժեքը համեմատվում է աղ յուսակի արժեքի հետ (աղ. 23): Կրիտիկական արժեքների աղ յուսակից օգտվելու համար, բացի վիճականի (2) մեծությունից, անհրաժեշտ է նաև
154 | Կենսաբանական վ իճակագրության հիմունքներ նախապես որոշել ազատության աստիճանի մեծությունը (degree of freedom, df): df հաշվելու բանաձևը հետևյալն է՝ df = (C-1) x (R-1) , որտեղ C-ն սյունակների քանակն է, R-ը փոխադարձ կապի արտահայտման աղ յուսակում տողերի քանակն է՝ առանց «Ընդամենը» սյունակի և տողի: Մեր ներկայացրած օրինակում df = (2-1) x (2-1) = 1: Դա նշանակում է, որ կրիտիկական (c2) արժեքը մենք պետք է փնտրենք աղ յուսակի առաջին տողում: Առաջին տողում կրիտիկական (c2) արժեքը, որը համապատասխանում է 0.050 նշանակալիության մակարդակին, հավասար է 3.84: Մեր կողմից հաշվված մեծությունը՝ 7.3, էականորեն բարձր է կրիտիկական արժեքից: Այդ իսկ պատճառով ասպիրինի ընդունման և տրոմբոզի առաջացման հաճախականության միջև կապի բացակայության մասին զրոյական վարկածը մեր կողմից մերժվում է, և ընդունվում է այլընտրանքային վարկածը: Աղ յուսակ 23. (c2) կրիտիկական արժեքները Նշանակության մակարդակ Df
0,100
0,050
0,025
0,010
0,001
2,71
3,84
5,02
6,63
10,83
4,61
5,99
7,38
9,21
13,82
6,25
7,81
9,35
11,34
16,27
7,78
9,49
11,14
13,28
18,47
9,24
11,07
12,83
15,09
20,52
10,64
12,59
14,45
16,81
22,46
12,02
14,07
16,01
18,48
24,32
13,36
15,51
17,53
20,09
26,12
14,68
16,92
19,02
21,67
27,88
15,99
18,31
20,48
23,21
29,59
17,28
19,68
21,92
24,72
31,26
18,55
21,03
23,94
26,22
32,91
19,81
22,36
24,74
27,69
34,53
21,06
23,68
26,12
29,14
36,12
22,31
25,00
27,49
30,58
37,70
23,54
26,30
28,85
32,00
39,25
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 155
24,77
27,59
30,19
33,41
40,79
25,99
28,87
31,53
34,81
42,31
27,20
30,14
32,85
36,19
43,82
28,41
31,41
34,17
37,57
45,31
29,62
32,67
35,48
38,93
46,80
30,81
33,92
36,78
40,29
48,27
32,01
35,17
38,08
41,64
49,73
33,20
36,42
39,36
42,98
51,18
34,38
37,65
40,65
44,31
52,62
ՄԱԿ-ՆԻՄԱՐԻ ԹԵՍՏ
c2 թեստը կիրառվում է անկախ խմբերը համեմատելու նպատակով։ Այն դեպքում, երբ վերլուծության են ենթարկվելու որակական հատկանիշների կրկնակի չափումների արդյունքները, որպես վերլուծական մեթոդ՝ կիրառվում է Մակ-Նիմարի թեստը, որը Ստյուդենտի զույգ խմբերի թեստի նմանօրինակն է։ Մակ-Նիմարի թեստը սովորաբար իրականացվում է «մինչև-հետո» և զույգ դիտարկումների դեպքում, և նախատեսված են հետևյալ փուլերը․ նախ հաշվարկվում է այն հետազոտվածների թիվը, որոնց պատասխանը փոխվել է։ Սպասվելիք արժեքները հաշվելու համար այդ թիվը բաժանվում է երկուսի։ Այնուհետև գնահատվում է շեղման աստիճանը․ հաշվարկվում է c2 գործակիցը Յետսի ուղղումով։ Հաշվարկված արժեքը համեմատվում է կրիտիկականի հետ: Դիտարկենք հետևյալ օրինակը. Մարդու օրգանիզմի դիմադրողականությունը գնահատելու համար կիրառվում է դինիտրոքլորբենզոլի մաշկային փորձը: Փորձի արդյունքը դրական է, եթե մաշկի վրա դինիտրոքլորբենզոլ կիրառելուց հետո զարգանում է բորբոքային ռեակցիա: Դրական արդյունքը վկայում է դիմադրողականության բարձր մակարդակի մասին: Մի շարք հեղինակներ, սակայն, վիճարկում են թեստի նշանակությունը՝ նշելով մասնավորապես այն, որ բորբոքային ռեակցիան կարող է առաջանալ դինիտրոքլորբենզոլի տեղական գրգռիչ ազդեցությամբ և չի արտացոլում դիմադրողականության վիճակը: Այս հարցը պարզաբանելու համար անցկացվել էր հետևյալ փորձը. հիվանդների մաշկի վրա միաժամանակ քսում էին դինիտրոքլորբենզոլը, իսկ կողքին՝ կրոտոնային յուղը: Կրոտոնային յուղը մաշկի վրա առաջացնում է տեղային գրգռիչ ռեակցիա, որը պայմանավորված չէ դիմադրողականության
156 | Կենսաբանական վ իճակագրության հիմունքներ վիճակով: Հեղինակի տրամաբանությունը հետևյալն էր. եթե երկու նյութերն էլ առաջացնեն նման ռեակցիա, ապա երկու դեպքում էլ այդ ռեակցիան չի արտացոլում դիմադրողականության վիճակը: Աղ յուսակ 24-ում ներկայացված են փորձի արդյունքները: «+» նշանը համապատասխանում է ռեակցիայի առկայությանը, «-» նշանը՝ դրա բացակայությանը: Աղ յուսակ 24. Դինիտրոքլորբենզոլի և կրոտոնային յուղի նկատմամբ մաշկային ռեակցիան Ռեակցիա դինիտրոքլորբենզոլի նկատմամբ
Ռեակցիա կրոտոնային յուղի նկատմամբ
+
-
+
-
Ինչպես երևում է աղ յուսակից, միայն դինիտրոքլորբենզոլի նկատմամբ ռեակցիա ունեցողների քանակը 23 է, միայն կրոտոնային յուղի նկատմամբ՝ 48: Եթե դինիտրոքլորբենզոլի և կրոտոնային յուղի ազդեցությունը նույնն է, ապա հիվանդները, որոնց ռեակցիան դիտվել միայն մեկ գրգռիչի նկատմամբ, պետք է բաժանվեն հավասարաչափ․ մի կե սի դեպ քում կդիտ վեր դինիտրոքլորբենզոլի նկատմամբ ռեակցիա, մյուսի դեպքում՝ կրոտոնային յուղի հանդեպ։ Հետևաբար սպասվող քանակը երկու դեպքում էլ կկազմի (23+48)/2= 35.5: Սպասվող թվերի հետ փաստացի տվյալները համեմատելու համար օգտվենք c2 գործակցից.
x
( O − E − 0.5) 2 ( 23 − 35.5 − 0.5 ) ( 48 − 35.5 − 0. 5) =∑ = + = 8.82 ։ E 35.5 35.5
c2 աղ յուսակից երևում է, որ նշանակալիության 0.01 մակարդակի դեպքում c2-ի կրիտիկական արժեքը 1-ին հավասար ազատության աստիճանի դեպ քում հա վա սար է 6.63, այ սինքն՝ փոքր է c2 հաշվարկված արժեքից։ Այսպիսով, կարելի է եզրակացնել, որ դինիտրոքլորբենզոլի ազդեցությունը վիճակագրորեն տարբերվում է կրոտոնային յուղի ազդեցությունից։
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 157
ՄԱՆ-ՈՒԻԹՆԻԻ ԹԵՍՏ
ան-Ուիթնիի թեստը կիրառվում է երկու անկախ խմբերի միջև տարբեՄ րության հավաստիությունը գնահատելու նպատակով և համապատասխանում է անկախ ընտրանքների Ստուդենտի t թեստին։ Երկու համեմատվող խմբերի տվյալները միավորվում և դասավորվում են աճման կարգով, հատկանիշի ամեն մի մեծությանը տրվում է համապատասխան կարգ․ ամենափոքր արժեքին՝ առաջին կարգը, հաջորդին՝ երկրորդ կարգը և այսպես շարունակ։ Ամենամեծ կարգը տրվում է երկու խմբերում եղած ամենամեծ արժեքին։ Համընկնող արժեքներին տրվում է միջին նույն կարգը։ Քանակով փոքր խմբի համար հաշվարկում են դրա անդամ ների կարգերի գումարը (T արժեքը)։ Եթե երկու խմբում էլ հետազոտվածների քանակը նույնն է, ապա T արժեքը կարելի է հաշվարկել դրանցից ցանկացածի համար։ Ստացված T արժեքը համեմատվում է Ման-Ուիթնիի կրիտիկական արժեքների վերցված արժեքի հետ։ Որպես կրիտիկական է վերցվում այն արժեքը, որը համապատասխանում է նշանակության մակարդակին։ Կրիտիկական արժեքների սյունակը պարունակում է թվերի զույգեր։ Տարբերությունը համեմատվող խմբերի միջև վիճակագրորեն հավաստի է, եթե հաշվարկած T արժեքը փոքր է, փոքր կամ մեծ է մեծ արժեքից։ Ուիլկոկսոնի թեստը կիրառվում է երկու՝ միմյանց հետ կապված խմբերը համեմատելու համար, այսինքն՝ համապատասխանում է կապված ընտրանքների Ստուդենտի t թեստին։ Այս թեստի սկզբունքը հետևյալն է․ յուրաքանչյուր հետազոտվածի համար հաշվարկվում է չափվող հատկանիշի փոփոխության մեծությունը, այնուհետև բոլոր փոփոխությունները կարգավորվում են ըստ բացարձակ արժեքների (նշանը հաշվի չի առնվում) փոքրից դեպի մեծը։ Կարգերին տրվում են փոփոխության նշանները՝ «+», եթե փոփոխությունը դրական է, և «-», եթե բացասական է, որից հետո գումարվում են «նշանային կարգերը»։ Արդյունքում ստացվում է Ուիլկոկսոնի գործակցի արժեքը (W)։ Ուշադրություն պետք է դարձվի այն նրբությանը, որ ի սկզբանե կարգերը տրվում են փոփոխությունների բացարձակ արժեքներին, օրինակ՝ 5․32 և -5.32 մեծություններին կտրվի նույն կարգը, որից հետո կարգերին կտրվի փոփոխության նշանը։ Դիտողության այն զույգերը, որոնց դեպքում հատկանիշի արժեքը միջամտությունից առաջ և հետո չի փոփոխվել, հաշվարկից հանվում են, որի արդյունքում ընտրանքի ծավալը մեկական միավորով փոքրանում է։ Հաշվարկված Ուիլկոկսոնի գործակցի արժեքը աղ յուսակում համեմատվում է կրիտիկական արժեքի հետ։ Միջամտության ազդեցությունը վիճակագրորեն հավաստի է այն դեպքերում, երբ հաշվարկված արժեքը մեծ է կրիտիկականից։
158 | Կենսաբանական վ իճակագրության հիմունքներ Եթե համեմատվող խմբերի քանակը երկուսից ավելի է, ապա որպես վերլուծության ոչ պարամետրիկ մեթոդներ կարող են կիրառվել ԿրուսկալՈւոլիսի, Ֆրիդմանի թեստերը։ Կրուսկալ-Ուոլիսի թեստը կիրառվում է մի քանի անկախ խմբեր համեմատելու համար։ Այն միաչափ դիսպերսիոն վերլուծության համանունն է, իսկ Կրուսկալ-Ուոլիսի գործակիցը Ման-Ուիթնի գործակցի ընդհանրացումն է։ Բոլոր արժեքները, անկախ դրանց համեմատվող ընտրանքներին պատկանելուց, դասավորվում են աճման կարգով։ Ամեն մեկին տրվում է համապատասխան կարգ՝ կարգավորված շարքում դրա տեղի համարը։ Այնուհետև յուրաքանչյուր խմբի համար հաշվարկվում է կարգերի միջինը։ Խմբերի միջև տարբերությունների բացակայության դեպքում դրանց միջին կարգերը պետք է լինեն իրար մոտ։ Եթե համեմատվող խմբերից յուրաքանչյուրում հետազոտվածների քանակը 5 և ավելի է, ապա ստացված արդյունքների հավաստիությունը գնահատելու համար Կրուսկալ-Ուոլիսի գործակիցը (H) համե2 մատվում է χ կրիտիկական արժեքի հետ։ Որպես կրիտիկական վերցվում է այն արժեքը, որը համապատասխանում է համեմատվող խմբերի քանակին՝ հանած մեկ միավոր։ Զրոյական վարկածը ժխտվում է, եթե հաշվարկված H արժեքը մեծ է կրիտիկականից։ Փոքր խմբերի դեպքում (<5) կիրառվում է Կրուսկալ-Ուոլիսի բաշխման ճշգրիտ արժեքների աղ յուսակը (աղ. 25)։
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԲԱԶՄԱԿԻ ՀԱՄԵՄԱՏՈՒԹՅՈՒՆՆԵՐ
թե, ըստ Կրուսկալ-Ուոլիսի թեստի, համեմատվող խմբերի միջև հայտԵ նաբերվում է վիճակագրորեն հավաստի տարբերություն, ապա հաջորդ քայլը պետք է լինի պարզաբանումը, թե կոնկրետ որ խմբերն են միմյանցից տարբերվում։ Այդ նպատակով կիրառվում են ոչ պարամետրիկ բազմակի համեմատություններ։ Այն դեպքում, երբ համեմատվող խմբերի ծավալները հավասար են, կարող է կիրառվել Նյումեն-Քեյլսի թեստի ոչ պարամետրիկ տարբերակը խմբերը զույգ առ զույգ համեմատելու համար, կամ Դաննետի թեստի ոչ պարամետրիկ տարբերակը՝ մեկ ստուգիչ խմբի հետ համեմատություններ իրականացնելու համար: Նյումեն-Քեյլսի և Դաննետի գործակիցները համընկնում են, քանի որ Դաննետի գործակիցը Նյումեն-Քեյլսի գործակցի տարբերակն է բոլոր ընտրանքների համեմատության մեկ ստուգիչի հետ։ Հաշվարկված Նյումեն-Քեյլսի գործակիցը (q) համեմատվում է աղ յուսակի ազատության աստիճանի անսահմանափակ թվին համապատասխանող կրիտիկական արժեքի հետ։ Ընտրանքների տարբեր ծավալների դեպքում կիրառվում է Դաննի թեստը։ Հաշվարկված Դաննի գործակիցը (Q) համեմատվում է զույգ առ զույգ համեմատությունների Q արժեքների աղ յուսակի կրիտիկական մեծության
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 159
Աղ յուսակ 25. Կրուսկալ-Ուոլիսի բաշխման ճշգրիտ արժեքների աղ յուսակը
հետ։ Դաննի գործակիցը կարող է օգտագործվել նաև ստուգիչ խմբի հետ համեմատություններ կատարելու համար, բայց այդ դեպքում կրիտիկական արժեքները վերցվում են այլ աղ յուսակից (ստուգիչ խմբի հետ համեմատության Q կրիտիկական արժեքների աղ յուսակ)։ Ֆրիդմանի թեստն ընտրվում է բազմակի կրկնակի համեմատությունների անհրաժեշտության դեպքում: Եթե հիվանդների նույն խումբը հաջորդաբար ենթարկվում է բուժման մի քանի տեսակներին կամ հետազոտվում է տարբեր ժամանակահատվածներում արդյունքների վերլուծության համար, ապա պետք է իրականացվի կրկնակի չափումների դիսպերսիոն վերլուծություն: Բայց որպեսզի դիսպերսիոն վերլուծության կիրառումը օրինաչափ լինի, տվյալները պետք է ենթարկվեն նորմալ բաշխվածության: Դիսպերսիոն
160 | Կենսաբանական վիճակագրության հիմունքներ վերլուծության ոչ պարամետրիկ նմանօրինակն է Ֆրիդմանի թեստը։ Ֆրիդմանի թեստի տրամաբանությունը շատ պարզունակ է։ Հիվանդներից յուրաքանչյուրը մեկ անգամ է ենթարկվում համեմատվող բուժման ամեն մի տեսակին (կամ դիտարկվում է ֆիքսված ժամանակահատվածներում): Յուրաքանչյուր հիվանդի արդյունքները կարգավորվում են, և արդյունքում ստացվում հիվանդների քանակին համապատասխանող կարգավորված շարքեր։ Բուժման ամեն մեթոդի համար հաշվարկվում է կարգերի գումարը։ Մեթոդների արդյունավետության միջև տարբերության հավաստիությունը գնահատելու համար հաշվարկվում է Ֆրիդմանի գործակիցը, որը համեմատվում է կրիտիկական արժեքի հետ: Վիճակագրորեն հավաստի տարբերության դեպքում որոշվում է, թե կոնկրետ որ մեթոդների միջև է տարբերությունը հավաստի։ Բուժման մեթոդները զույգ առ զույգ համեմատելու նպատակով կարող է կիրառվել Նյումեն-Քեյլսի թեստը, իսկ եթե բուժման մեթոդներից մեկը դիտվում է որպես «ստուգիչ», ապա՝ Դաննետի թեստը։ Գործակիցների հաշվարկված արժեքները համեմատվում են համապատասխան աղ յուսակների կրիտիկական արժեքների հետ: Ներկայումս գործող SPSS ծրագրով օգտատերերին առաջարկվում են մի շարք ոչ պարամետրիկ թեստեր: Բոլոր այդ թեստերը ստորև ներկայացված աղ յուսակում են։ Ձախ սյունակում տրված են օժանդակ մենյուի նկարագրությունները, իսկ աջ կողմում՝ Analyze մենյուում համապատասխան երկխոսության պատուհանի միջոցով կանչվող թեստերի նկարագրությունները։ Օժանդակ մենյու
Նմանակային պատուհան
Chi-Square TeÎ (χ2 թեստ) Binomial TeÎ (Բինոﬕալ թեստ) Runs TeÎ (Հաջորդականությունների թեստ) One-Sample Kolmogorov-Smirnov TeÎ (Կոլմոգորով-Սﬕրնովի թեստը ﬔկ ընտրանքի համար)
2 Independent Samples TeÎs (Երկու անկախ ընտրանքների թեստեր)
• Mann-Whitney-U-TeÎ (Ման-Ուիթնիի U-թեստը) • Moses extreme reactions (Ըստ Մոզեսի Էքստեմալ ռեակցիաներ) • Z Kolmogorov-Smirnov (Կոլմոգորով-Սﬕրնովի Z թեստ) • Wald-Wolfowitz runs (Ուալդ-Վոլֆովիցի հաջորդականություններ)
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 161
К Independent Samples TeÎs (>2) (К թվով անկախ ընտրանքների թեստեր (>2))
• Н Kruskal-Wallis (Կռուսկալ-Ուոլիսի Н-թեստ • Jonckheere-TerpÎa TeÎ (Ջոնհիեր-Թերպսրի թեստ) • Median TeÎ (Միջնաթթվի թեստ)
2 Related Samples TeÎs (Երկու զույգ ընտրանքների թեստեր)
• Wilcoxon TeÎ (Ուիլկոկսոնի թեստ) • Sign TeÎ (Նշանային թեստ) • McNemar (Մակ-Նիմարի թեստ) • Marginal Homogenity TeÎ (Սահմանային ﬕատարրության թեստ)
К Related Samples TeÎs (>2) (Մի քանի զույգ ընտրանքների թեստեր (>2))
• Friedman (Ֆրիդմանի թեստ) • W Kendall (Կենդալի W-թեստ) • Q Cochran (Կոհրանի Q-թեստ)
Առավել հաճախ կիրառվում են երկու և ավելի անկախ և զույգ ընտրանքների թեստերը։ Առավել ճանաչվածներն են դրանցից Ման-Ուիթնիի U թեստը, Կռուսկալ-Ուոլիսի Н թեստը, Ուիլկոկսոնի և Ֆրիդմանի թեստերը։ Կարևոր նշանակություն ունի նաև մեկ ընտրանքի համար Կոլմոգորով-Սմիրնովի թեստը, որը կիրառվում է նորմալ բաշխման առկայությունը ստուգելու նպատակով։
ԿՈՐԵԼՅԱՑԻՈՆ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆ
աճախ բժշկակենսաբանական հետազոտություններում անհրաժեշտ է Հ լինում որոշել երկու փոփոխականների միջև կապի առկայությունը, օրինակ, օգտագործված աղի քանակի և արյան ճնշման միջև կամ շրջակա միջավայրի ջերմաստիճանի և հարբուխային հիվանդությունների միջև: Վիճակագրական մեթոդը, որը նկարագրում է երկու փոփոխականների միջև կապի բնույթը, կոչվում է կորել յացիոն վերլուծություն: Կորել յացիոն վերլուծությունը կորել յացիոն գործակցը (r) հաշվարկելու միջոցով հնարավորություն է տալիս ուսումնասիրելու երկու փոփոխականների միջև կապի ուժն ու ուղղությունը: Կորել յացիոն գործակիցը կարող է ընդունել արժեքներ՝ -1-ից մինչև +1 սահմաններում: Կորել յացիոն գործակցի նշանները՝ «+» և «-», ցույց են տալիս կապի ուղղությունը, իսկ բացարձակ մեծությունը՝ կապի ուժը: Պլ յուս նշանը ցույց է տալիս երկու փոփոխականների միջև դրական կորել յացիոն կապը, որի դեպքում մեկ փոփոխականի արժեքի մեծացումը հանգեցնում է մյուս փոփոխականի արժեքի մեծացմանը, որը առաջինից կորելյացիոն կախվածության մեջ է: Օրինակ՝ սիստոլիկ ճնշման բարձրացմանը զուգընթաց բարձրանում է դիսատոլիկ ճնշումը, կամ հասակի մեծացմանը զուգընթաց ավելանում է մարմնի զանգվածը:
162 | Կենսաբանական վ իճակագրության հիմունքներ Մինուս նշանը ցույց է տալիս բացասական կորել յացիոն կապի առկայությունը. մեկ փոփոխականի մեծացումը հանգեցնում է մյուս փոփոխականի փոքրացմանը, որն առաջինից կորել յացիոն կախվածության մեջ է: Օրինակ՝ ինչքան շատ մարդ է պատվաստվում, այնքան ցածր է բնակչության հիվանդացության մակարդակը տվյալ հիվանդությամբ, ընդդեմ որի կատարվել է պատվաստումը: Ինչքան ուժեղ է կորել յացիոն կապը, այնքան մեծ է կորել յացիոն գործակցի բացարձակ մեծությունը: Կորել յացիոն կապի բացակայության դեպքում կորել յացիոն գործակիցը հավասար է 0-ի: Կորել յացիոն գործակցի 0-ից մինչև 0.3 արժեքները ցույց են տալիս թույլ կապի առկայությունը, 0.31-ից մինչև 0.7 արժեքի դեպքում՝ միջին կապի, իսկ 0.71-ից մինչև 1 արժեքի դեպքում՝ ուժեղ կապի առկայությունը: Երկու կորել յացիոն փոփոխականների միջև ձևավորվում է երկչափային բաշխում, որը սովորաբար գրաֆիկորեն ներկայացվում է ցրվածության դիագրամներով (scattergram): Առաջին փոփոխականի արժեքները (սիստոլիկ ճնշումը, մարմնի երկարությունը) սովորաբար տեղադրվում են հորիզոնական առանցքի (X) վրա, երկրորդ փոփոխականի արժեքները՝ ուղղահայաց առանցքի (Y): Յուրաքանչյուր տեղադրված կետ զույգ արժեքների դիտարկում է, օրինակ՝ յուրաքանչյուր հետազոտվողի մարմնի զանգվածը և մարմնի երկարությունը: Այսպիսով, տեղադրված կետերի թվաքանակը համապատասխանում է զույգ դիտումների թվին: Նկար 31-ում ներկայացված են 4 տարբեր ցրվածության դիագրամներ:
Նկար 31. Ցրվածության դիագրամներ
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 163
Ըստ ցրվածության դիագրամի՝ նախապես կարելի է դատել ինչպես փոփոխականների միջև կապի առկայության ու նրա բնույթի, այնպես էլ ուղղության մասին: Կորել յացիոն կապի առկայության և ուժգնության մասին կարելի է դատել նրանով, թե ինչքանով հստակ կարելի է ուղիղ գիծ անցկացնել տեղադրված կետերի միջով: Օրինակ՝ Ա և Բ նկարներում տեղադրված կետերի միջև կարելի է անցկացնել միայն մեկական ուղիղ գիծ: Դա նշանակում է, որ կորել յացիոն կապը հավասար է 1-ի: Նկար Գ-ում երևում է, որ փոփոխականների միջև առկա է ուժեղ բացասական կապ՝ կորել յացիայի գործակցի մոտավորապես -0.7-ին հավասար արժեքով: Նկար Դ-ում երևում է, որ տեղադրված կետերի միջև ուղիղ գիծ անցկացնելն անհնար է, ինչը նշանակում է, որ կորել յացիոն գործակիցը մոտավորապես հավասար է 0-ի: Կորել յացիոն գործակիցը հաշվելու համար առավել հաճախ կիրառվում են Պիրսոնի և Սպիրմենի մեթոդները: Պիրսոնի մեթոդը կարող է օգտագործվել միայն միջակայքային կամ հարաբերակցության սանդղակներում չափվող փոփոխականների միջև գծային կապը նկարագրելու համար: Ըստ Պիրսոնի մեթոդի՝ անհրաժեշտ է նորմալ բաշխում: Սպիրմենի կարգային կորել յացիայի մեթոդը ոչ պարամետրիկ մեթոդ է, անհրաժեշտ չէ որոշակի տեսակի բաշխում և հիմնականում օգտագործվում է կարգային սանդղակում չափվող փոփոխականների միջև կապը հայտնաբերելու համար: Կորել յացիոն վերլուծությունն ունի մի շարք սահմանափակումներ: Կորել յացիոն վերլուծության մեթոդը, նախևառաջ, հնարավորություն է տալիս բացահայտելու փոփոխականների միջև գծային կապի առկայությունը, հնարավորություն է տալիս փոփոխականների միջև որոշելու ուղիղ գծային կապի ուժգնությունը: Եթե երկու փոփոխականների միջև գոյություն ունի ուժեղ ոչ գծային կապ, ապա կորել յացիոն վերլուծության մեթոդը կարող է թերագնահատել դրանց միջև առկա կապի իրական ուժը: Դեղամիջոցն ունի շատ ուժեղ ազդեցություն, ինչը պայմանավորված է նրա դեղաչափով: Սակայն շատ մեծ կամ շատ փոքր դեղաչափերի դեպքում այն կարող է ունենալ շատ թույլ ազդեցություն: Այսպիսով, քանի որ դեղամիջոցի դեղաչափի և ազդեցության արդյունքի միջև առկա է ոչ գծային կապ, ապա Պիրսոնի մեթոդով հաշված կորել յացիոն գործակցի արժեքը շատ փոքր կլինի, եթե անգամ այդ փոփոխականների միջև առկա է ուժեղ կախվածություն: Երկրորդ՝ երկու փոփոխականների միջև կորել յացիոն կախվածությունը, եթե նույնիսկ այն շատ ուժեղ է, միայն փոփոխականների միջև վիճակագրական կախվածության չափն է: Փոփոխականների միջև պատճառային կապի առկայության մասին հետևությունը, որը հիմնված է կորել յացիոն վերլուծության վրա, խիստ կոպիտ սխալ է: Ընտրովի հետազոտության տվյալների հիման վրա հաշված կորել յացիոն գործակիցը շատ զգայուն է ծայրային (դուրս ընկնող) վարիանտների
164 | Կենսաբանական վիճակագրության հիմունքներ ազդեցության նկատմամբ և դրանց առկայության դեպքում կարող է հանգեցնել սխալ արդյունքների: Ընտրանքում երկու փոփոխականների միջև կորել յացիոն կապի առկայությունը դեռևս չի վկայում պոպուլ յացիայում նրա առկայության մասին: Որպեսզի նշված ընտրանքի տվյալներով կատարված կորել յացիոն վերլուծության արդյունքները տարածենք ամբողջ պոպուլ յացիայի վրա, անհրաժեշտ է կատարել վարկածի ստուգում, այսինքն հատուկ կիրառվում է t թեստը:
ՌԵԳՐԵՍԻՈՆ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆ
րկու փոփոխականների միջև կորել յացիոն կապի առկայության դեպԵ քում երբեմն հարկ է լինում պարզելու, թե ինչպիսի մեծությամբ կփոխվի փոփոխականներից մեկի արժեքը (կախյալ փոփոխականի) մյուս փոփոխականի (անկախ փոփոխական) փոփոխության դեպքում՝ ըստ ընդունված կամ տվյալ հետազոտողի կողմից սահմանված չափման միավորի: Օրինակ՝ ինչպե՞ս կփոխվի առաջին դասարանի աշակերտի (տղայի կամ աղջկա) մարմնի զանգվածը, եթե հասակն ավելանա 1 սմ-ով: Այդ նպատակով կիրառվում է ռեգրեսիոն վերլուծության մեթոդը: Ռեգրեսիոն վերլուծությունը լինում է պարզ և բազմակի: Պարզ գծային ռեգրեսիոն վերլուծության մեթոդը հնարավորություն է տալիս երկու փոփոխականների միջև ուղիղ գծային կախվածությունը որոշող հասարակ գծային մաթեմատիկական ֆունկցիայի միջոցով (ռեգրեսիայի հավասարում ներ) որոշելու փոփոխականներից մեկի (y) մեծությունը մյուս փոփոխականի (x) մեծությամբ: Ուղիղ գիծը կամ ռեգրեսիայի գիծը կորել յացիայի գործակիցը հաշվելիս օգտագործվող ցրվածության դիագրամի նույն առավել հարմարավետ գիծն է: Պարզ գծային ռեգրեսիայի հավասարումն այնպիսին է, ինչպիսին ցանկացած ուղիղ գծի հավասարումը: Կախյալ մեծությունը (y) հավասար է y=α+βx, որտեղ x-ը, անկախ փոփոխականից, x մեծությունն է, α-ն հաստատուն է, որը հայտնի է որպես հատման կետ, քանի որ դա այն կետն է, որտեղ y առանցքը հատվում է ռեգրեսիայի գծի հետ։ Ցույց է տալիս, թե ինչպիսին կլինի սպասվող մեծության միջին արժեքը x փոփոխականի մեծության 0-ի հավասար արժեքի դեպքում: β-ն ռեգրեսիայի գծի թեքությունն է, որը հայտնի է որպես ռեգրեսիայի գործակից։ Ցույց է տալիս y սպասվող մեծության փոփոխությունը, որը, անկախ x փոփոխականի մեծությունից, համապատասխանում է մեկ միավորով փոփոխվելու դեպքում:
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 165
Ենթադրենք՝ առաջին դասարանի աղջիկների հասակի և մարմնի զանգվածի միջև գծային կապը ներկայացվում է ռեգրեսիայի հետևյալ հավասարումով՝ y=-6+0.3x։ Տվյալ հավասարման մեջ α=-6, β=0.3: Համաձայն հավասարման՝ հասակը 1 սմ-ով ավելացնելու դեպքում մարմնի զանգվածն ավելանում է 0.3 կգ-ով: Օգտագործելով ռեգրեսիայի տվյալ հավասարումը՝ կարելի է հաշվել y-ի սպասվելիք արժեքը x-ի ցանկացած մեծության դեպքում: Օրինակ՝ աշակերտների 116 սմ-ի հավասար հասակի դեպքում նրանց մարմնի միջին զանգվածը կկազմի 26.8 կգ: Պարզ գծային ռեգրեսիոն վերլուծության մեթոդը, ի տարբերություն կորելյացիոն վերլուծության մեթոդի, միակողմանի մեթոդ է։ Այն կարող է կիրառվել հետևյալ դեպքերում՝ 1․ եթե ուսումնասիրվող x և y փոփոխականները քանակական են. 2․ եթե x և y փոփոխականների միջև կապը գծային է. 3․ y փոփոխականների արժեքները նույն x փոփոխականի մեծության համար ունեն նորմալ բաշխվածություն՝ ք միջինով և σ ստանդարտ շեղումով. 4․ x կախյալ փոփոխականի ցանկացած արժեքի դեպքում կախյալ y փոփոխականի արժեքների ցրվածությունը (σ) մնում է անփոփոխ։
ՌԵԳՐԵՍԻՈՆ ՀԱՎԱՍԱՐՄԱՆ ՊԱՐԱՄԵՏՐԵՐԻ ԳՆԱՀԱՏՈՒՄԸ
Ընտրովի հետազոտության միջոցով երկու քանակական փոփոխականների միջև հայտնաբերված կապի հավաստիության գնահատումն իրականացվում է ռեգրեսիոն հավասարման α և β պարամետրերը գնահատելու միջոցով։ Նվազագույն քառակուսիների մեթոդը Ռեգրեսիոն հավասարման α և β պարամետրերի ընտրանքային գնահատականները նշանակենք a և b տառերով։ Այդ պարամետրերի լավագույն գնահատականների գտնելը նույնն է, ինչ անցկացվի լավագույն ուղիղը X և Y փոփոխականների եղած արժեքների հատման կետերով, քանի որ Y=a+bX հավասարումը ուղիղի հավասարումն է։ Ընդ որում՝ լավագույն է այն ուղիղը, որն ամենից մոտն է ընտրանքի բոլոր կետերին, այսինքն՝ այն, որի նկատմամբ կետերի ցրվածությունը նվազագույնն է։ Ցրվածությունը գնահատելու համար օգտագործում են միջինից շեղման միջին քառակուսին։ Հեռավորությունը որոշվում է ուղղաձիգով յուրաքանչյուր կետից մինչև ուղիղը (т նկար 32)․ ստացված մեծությունները բարձրացվում են քառակուսի և գումարվում։ Լավագույն է այն ուղիղը, որը հնարավորինս մոտ է բոլոր կետերին, այսինքն՝ որի նկատմամբ շեղումների քառակուսիների գումարը նվազագույն է։ Լավագույն գծի (մոդելի) փնտրման մեթոդը, որի նկատմամբ հեռավորությունների
166 | Կենսաբանական վիճակագրության հիմունքներ քառակուսիների գումարը բոլոր կետերից նվազագույնն է, կոչվում է նվազագույն քառակուսիների մեթոդ, իսկ գիծը՝ ուղիղ ռեգրեսիայի գիծ։
Նկար 32
Հատման կետի գործակցի հաշվարկի բանաձևը հետևյալն է՝
(∑ Y )(∑ X ) − (∑ X )(∑ XY ) ։ a= n(∑ X ) − (∑ X )
Ռեգրեսիայի գծի թեքության գործակիցը հաշվարկվում է հետևյալ բանաձևով՝
b=
n(∑ XY ) − (∑ X )(∑ Y )
(
)
n ∑ X 2 − (∑ x )
։
Այս բանաձևերում X-ը և Y-ը ընտրանքի անդամների անկախ և կախյալ փոփոխականների արժեքներն են։ Ռեգրեսիայի հավասարման ընտրանքային պարամետրերը (a և b) α և β իրական ռեգրեսիայի գործակիցների գնահատականներն են։ Տարբեր ընտրանքների համար ռեգրեսիայի գործակիցների գնահատականները տարբեր կլինեն։
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 167
Օրինակ՝ X
Y
X2
XY
7.8
241.8
8.3
265.6
7.6
250.8
9.1
309.4
9.6
336.0
9.8
343.0
11.8
472.0
12.1
496.1
14.7
617..4
13.0
598.0
103.8
13841
3930.1
α=
103.8 × 13841 − 369 × 3930.1 = −6.0 ։ 10 ×13841 − 369 2
b=
10 × 3930.1 − 369 × 103.8 = 0.44 ։ 10 × 13841 − 369 y= -6.0 + 0.44 x։
Ռեգրեսիոն մոդելի որակի գնահատման կարևորագույն ցուցանիշներից է նաև դետերմինացիայի գործակիցը (R2), որը ցույց է տալիս տվյալ մոդելով բացատրվող կախյալ փոփոխականի տարատեսականության բաժինը: Որպեսզի այն հաշվարկվի, ընտրանքի համար հաշվարկված կորել յացիոն գործակիցը բարձրացվում է քառակուսի՝ R2 = r2: Որքան մոտ է դետերմինացիայի գործակիցը 100%-ին, այնքան բարձր է գնահատվում մոդելի որակը:
ԲԱԶՄԱԿԻ ՌԵԳՐԵՍԻԱ
Ռեգրեսիայի վերոնշյալ հավասարումը կիրառվում է այն դեպքում, երբ փոխներգործում են երկու հատկանիշներ՝ կախյալ և անկախ։ Սակայն իրական հետազոտությունների ժամանակ հաճախ գործ ենք ունենում
168 | Կենսաբանական վիճակագրության հիմունքներ բազմագործոնային կախվածությունների հետ։ Բազմակի ռեգրեսիոն վերլուծությունը, որը կարող է կիրառվել այդ կախվածություններն ուսումնասիրելու համար, հնարավորություն է տալիս ոչ միայն գնահատելու առանձին վերցրած յուրաքանչյուր փոփոխականի, այլև դրանց միասնական ազդեցությունը կախյալ փոփոխականի վրա։ Բազմակի ռեգրեսիայի հավասարումն է ՝ y = β0 + β1 X1 + β2 X2 +..+ βn Xn , որտեղ y–ը կախյալ փոփոխականի, իսկ X1-ը, X2-ը, Xn-ը տարբեր անկախ փոփոխականների արժեքներն են։ Օրինակ՝ մի խումբ հետազոտողների կողմից հաստատված է, որ նորածնի մարմնի զանգվածը (y, գ) կարելի է մասամբ կանխատեսել երեխայի ինչպես մոր (x1), այնպես էլ հոր (x2) կողմից օրական ծխած գլանակների թվաքանակով՝ բազմակի ռեգրեսիայի հավասարության միջոցով՝ y = 3385 - 9x1- 6x2։ Հավասարության մեջ β0-ն հաստատուն մեծություն է, իսկ β1-ը, β2-ը, βn-ը՝ ստանդարտացված գործակիցներ, որոնք ցույց են տալիս համապատասխան գործոնի և կախյալ փոփոխականի միջև կորել յացիոն կապը բոլոր այլ գործոնների ֆիքսված մեծության պայմաններում: Այսինքն՝ վերոնշյալ հավասարման մեջ β1 գործակիցը ցույց է տալիս x1 փոփոխականի կորել յացիան y փոփոխականի հետ՝ հաշվի առնելով բոլոր այլ անկախ փոփոխականների ազդեցությունը։ Կորել յացիայի այս տեսակը կոչվում է մասնավոր կորել յացիա։ Օրինակ՝ պոպուլ յացիայում կարելի է հայտնաբերել նշանակալի բացասական կորել յացիա մազերի երկարության և հասակի միջև (ցածր հասակ ունեցող անձինք ունեն ավելի երկար մազեր)։ Առաջին հայացքից դա կարող է տարօրինակ թվալ, բայց եթե բազմակի ռեգրեսիայի հավասարման մեջ որպես նոր փոփոխական ավելացնել սեռը, նշված կորել յացիան, երևի կվերանա։ Դա բացատրվում է նրանով, որ կանայք միջին հաշվով ունեն ավելի երկար մազեր և միջինում ավելի ցածրահասակ են, քան տղամարդիկ։ Այսպիսով, երբ որպես նոր փոփոխական հավասարման մեջ վերցնում ենք սեռը, ըստ սեռի՝ տարբերությունը վերանում է, որի հետևանքով վերանում է կապը մազերի երկարության և հասակի միջև, որովհետև մազերի երկարությունը անհատական ազդեցություն չունի հասակի վրա, նրա ազդեցությունը պայմանավորված է սեռի հետ կապով։ Այլ կերպ ասած, եթե մի մեծությունը մյուսի հետ կորել յացիոն կապի մեջ է, ապա դա կարող է պայմանավորված լինել նրանով, որ այդ երկու մեծությունները կորել յացիոն կապի մեջ են երրորդ փոփոխականի կամ նույնիսկ մի քանի այլ փոփոխականների հետ։ Շատ կարևոր է գտնել այն փոփոխականները, որոնք կախյալ փոփոխականի վրա վիճակագրորեն հավաստի ազդեցություն ունեն։ SPSS ծրագիրը հնարավորություն է տալիս ռեգրեսիոն հավասարման մեջ ընդգրկելու միայն
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 169
վիճակագրորեն նշանակալի փոփոխականները։ Ռեգրեսիոն վերլուծության քայլ առ քայլ մեթոդն առանձնացնում է կախյալ փոփոխականի վրա ամենամեծ ազդեցություն ունեցող փոփոխականը՝ ընդգրկելով այն ռեգրեսիայի հավասարման մեջ։ Այնուհետև հերթով մոդելում են ընդգրկվում այն փոփոխականները, որոնք որոշում են կախյալ փոփոխականի արժեքների վիճակագրորեն հավաստի ամենամեծ լրացուցիչ տարատեսակության արժեքը։ Ինչպես արդեն նշվեց, բազմագործոնային ռեգրեսիոն վերլուծության դեպքում կանխատեսվող գործակիցների հաշվարկի ժամանակ պետք է հաշվի առնվի ոչ միայն անկախ գործոնների կորել յացիան կանխատեսվող մեծության հետ, այլև կորել յացիան գործոնների միջև: Ռեգրեսիոն հավասարման մեջ չի կարելի օգտագործել այն անկախ գործոնները, որոնց միջև կորել յացիոն կապը ուժեղ է: Անկախ գործոններից նույնիսկ թույլ կորել յացիայի պատճառով, պարզ գծային ռեգրեսիայի համեմատ, բազմագործոնային ռեգրեսիայի ժամանակ ռեգրեսիոն գործակիցների հաշվարկի ճշգրտության մակարդակն ավելի ցածր է և զգալիորեն ընկնում է ուսումնասիրվող գործոնների թվաքանակի մեծացման դեպքում: Այդ պատճառով բազմակի ռեգրեսիոն վերլուծություն կիրառելիս դիտարկումների քանակը պետք է մեծ լինի գնահատվող գործոնների քանակից։ Եթե հնարավորություն կա, ապա իմաստ ունի հավասարման մեջ տեղադրել դիտարկումների մի մասը, իսկ մյուս մասը օգտագործել հավասարման վավերականությունը ստուգելու համար։ Բազում փոփոխականների միջև ոչ գծային կապը որոշելու համար օգտագործվում են այլ վիճակագրական մեթոդներ:
ԼՈԳԻՍՏԻԿ ՌԵԳՐԵՍԻԱ
ոգիստիկ ռեգրեսիան բազմակի ռեգրեսիայի տեսակ է, որտեղ կախյալ Լ փոփոխականը որակական է և կարող է ունենալ երկու (բինար ռեգրեսիա) կամ ավելի (պոլինոմիալ ռեգրեսիա) գրադացիաներ, իսկ որպես կանխատեսող (անկախ) փոփոխականներ կարող են կիրառվել տարբեր տեսակի փոփոխականներ, այդ թվում՝ նաև որակական։ Բինար ռեգրեսիան լոգիստիկ ռեգրեսիայի ամենապարզ տեսակն է, և վերլուծության հենց այս տեսակն էլ կքննարկվի մեր կողմից: Քանի որ լոգիստիկ ռեգրեսիան բազմակի ռեգրեսիայի տեսակ է, ապա դրա հավասարման մեջ տրված է լինում կապը կախյալ և մի քանի անկախ փոփոխականների միջև: Ընդ որում՝ քանի որ լոգիստիկ ռեգրեսիայի մոդելը գծային չէ, դա հնարավորություն է տալիս ուսումնասիրելու ոչ միայն մոդելում ընդգրկված առանձին անկախ փոփոխականների (պրեդիկտորների) ազդեցությունը կախյալ երևույթի վրա, այլև պրեդիկտորների տարբեր համակցությունների ազդեցությունը:
170 | Կենսաբանական վ իճակագրության հիմունքներ Լոգիստիկ ռեգրեսիայի նշանակությունը տարբերվում է գծային ռեգրեսիայից: Նրա հավասարման մեջ կանխատեսվող մեծությունը հավանականություն է, որը կարող է տատանվել 0-ից մինչև 1-ի սահմաններում։ Լոգիստիկ ռեգրեսիայի միջոցով կարելի է գնահատել ուսումնասիրվող երևույթի ի հայտ գալու հավանականությունը կոնկրետ հետազոտվողի համար: Լոգիստիկ ռեգրեսիայի կարևորագույն հասկացություններից է լոգիտը՝ հարաբերության բնական լոգարիթմը։ Ենթադրենք՝ n թվով փորձեր են անցկացվել։ Նշենք հավանականությունը, որ А իրադարձությունը տեղի կունենա p=p(A), այդ դեպքում հավանականությունը, որ այդ իրադարձությունը տեղի չի ունենա, կլինի 1-p=p(A՝)։ Այս դեպքում լոգիտը հավասար կլինի ln p/1-p։ Լոգիստիկ ռեգրեսիան հնարավորություն է տալիս կանխատեսելու ուսումնասիրվող ելքի հավանականությունը կոնկրետ հետազոտվողի համար: Ընդ որում, ուսումնասիրվող ելքի հավանականությունը, օրինակ՝ հիվանդի առողջանալը, կարելի է ներկայացնել հետևյալ արտահայտությամբ՝ P (Y=1| X1, X2, ...Xkn) = 1/ 1+e-z, որտեղ P-ն (Y=1| X1, X2, ...Xk) հավանականությունն է, որ Y կախյալ փոփոխականը կլինի հավասար 1-ի (հիվանդը կառողջանա) այն պայմանում, որ այդ հիվանդի դեպքում k անկախ հատկանիշները (պրեդիկտորները) ընդունեցին հետևյալ կոնկրետ արժեքները՝ x1=X1, x2=X2, . xk=X (x-ը պրեդիկտորն է, X-ը՝ այդ պրեդիկտորի կոնկրետ արժեքը), իսկ z-ը ստանդարտ ռեգրեսիոն հավասարումն է, որը հավասար է՝ z = b0+b1*X1+b2*X2+... +bk*Xk: Այս հավասարման մեջ b0-ն հաստատուն մեծությունն է (հատման կետ), b1, b2... bk-ն՝ պրեդիկտորների ռեգրեսիոն գործակիցները: Լոգիստիկ ռեգրեսիայի հավասարումների գնահատման ժամանակակից մեթոդները հնարավորություն են տալիս ոչ միայն հաշվարկելու վերոնշյալ ռեգրեսիոն գործակիցները, նրանց բնութագրերը, այլև մի շարք այլ՝ շատ կարևոր ցուցանիշներ, որոնք բնութագրում են ամբողջ ռեգրեսիոն մոդելի որակը: Շատ կարևոր են, մասնավորապես, ստանդարտացված ռեգրեսիոն գործակիցները (բետագործակիցները), որոնք հնարավորություն են տալիս համեմատելու տարբեր փոփոխականների հարաբերական ազդեցությունը կախյալ փոփոխականի վրա: Որքան մեծ է այդ գործակցի արժեքը, այնքան ուժեղ է համապատասխան գործոնի ազդեցությունը կախյալ փոփոխականի վրա: Ուսումնասիրվող երևույթի հավանականության կախվածությունը ռեգրեսիոն հավասարումից պատկերված է հետևյալ գրաֆիկում՝
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 171
Կա լոգիստիկ ռեգրեսիայի գործակիցների հաշվարկի մի քանի եղանակ, որոնցից ամենից հաճախակի օգտագործվողը առավելագույն ճշմարտանմանության (maximal likelihood) մեթոդն է: Օրինակ՝ դիտենք տվյալների մի զանգված, որտեղ օգտագործվել են հետևյալ հատկանիշները։ Փոփոխականների կոդավորումը
N
#
Մահվան ելք մեկ 6 ամսից հետո
Var 9A
Փորոքների ֆիբրիլ յացիա
Var 1A
Սրտամկանի ինֆարկտի /ՍԻ/ տեղայնացումը
Var 2A
ՍԻ-ի ռեցիդիվը
Var 3A
Սրտի անևրիզմ
Var 4A
Ձախ փորոքի սուր անբավարարության աստիճանը
Var 5A
Ռեպերֆուզիա թրոմբոլիտիկ թերապիայի դեպքում
Var 6A
Սրտի քրոնիկական անբավարարություն
Var 7A
Փոփոխականների անվանումը Դիտարկման համարը
Կախյալ փոփոխականը այստեղ մահվան ելքն է 6 ամսից հետո, որը կարող է ստանալ 2 արժեք՝ 1․ կենդանի է մնացել, 2․ մահացել է: Առավելագույն ճշմարտանմանության մեթոդի միջոցով կատարվել է ռեգրեսիոն հավասարման գործակիցների գնահատումը, որի արդյունքները ներկայացված են հետևյալ աղ յուսակում․
Ազատության աստիճան
Ռեգրեսիոն գործակից
Ստանդարտ սխալ
Ուալդի χ2
(P)
Հատման կետ
-5.0549
0.3272
238.7252
<0.0001
A1
1.9837
0.1055
353.5922
<0.0001
0.3406
A2
0.6682
0.0736
82.3593
<0.0001
0.1774
A3
1.6669
0.0738
510.5945
<0.0001
0.3753
A4
0.7598
0.0744
104.4339
<0.0001
0.1791
A5
-0.6918
0.0531
169.4445
<0.0001
-0.2383
A6
-0.5950
0.0730
66.3628
<0.0001
-0.1513
A7
-0.2773
0.0310
80.1958
<0.0001
-0.1638
Ստանդարտացված գործակիցներ
Պարամետր
172 | Կենսաբանական վիճակագրության հիմունքներ
Ինչպես երևում է աղ յուսակից, բոլոր պրեդիկտորները վիճակագրորեն նշանակալից ազդեցություն են ունեցել կախյալ հատկանիշի վրա (P< 0.05-ից): Բայց ըստ Ուալդի χ2 վիճականու և վերջին սյունակում նշված ստանդարտացված գործակիցների արժեքների՝ բոլոր պրեդիկտորներից գերակշռող ազդեցություն ունեցել են երկուսը՝ փորոքների ֆիբրիլ յացիան և ՄԻ-ի ռեցիդիվը: Ինչպես արդեն նշվեց, բացի գործակիցների բնութագրերից, լոգիստիկ ռեգրեսիոն վերլուծության ժամանակ հաշվարկվում են մի շարք այլ ցուցանիշներ, որոնք բնութագրում են ամբողջ ռեգրեսիոն մոդելի որակը: Այդ ցուցանիշներից են R2 Կոկս-Սնելլի և R2 Նայջելկերկի դետերմինացիայի գործակիցները: Լավագույնը այն մոդելն է, որի համար դետերմինացիայի գործակիցները ամենաբարձրն են: Ամենասկզբից ռեգրեսիոն մոդելի որակի փոփոխության գնահատումը բազայինի համեմատ կատարվում է χ2 արժեքի հաշվարկի վրա հիմնված մոդելի գործակիցների ունիվերսալ թեստերի (Omnibus Tests of Model Coefficients) միջոցով: Իսկ արդեն ռեգրեսիոն մոդելում պրեդիկտորները տեղադրելուց հետո նրա որակի փոփոխությունը գնահատվում է նմանության ֆունկցիայի միջոցով: Որպես ճշմարտանմանության չափանիշ օգտագործվում է
ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵսՏԵՐ | 173
այդ ֆունկցիայի լոգարիթմի բացասական կրկնակի արժեքը (-2 Log likelihood): Մոդելի որակի լավացման մասին է վկայում այդ արժեքի նվազումը: Մոդելի որակի մասին է վկայում նաև Հոսմեր-Լեմեշովի թեստի (Hosmer-Lemeshow goodness of fit test) արդյունքը: Թեստը ցույց է տալիս, թե որքանով է ստացված ռեգրեսիոն մոդելը պիտանի ճիշտ կանխատեսում կատարելու համար, հատկապես ուսումնասիրվող երևույթի ի հայտ գալու ռիսկը կանխատեսելու համար: Թեստի արդյունքները ներկայացված են χ2 և p արժեքներով: Քանի որ Հոսմեր-Լեմեշովի թեստի դեպքում մոդելի բարձր պիտանելիությունը ենթադրվում է զրոյական վարկածի կողմից, ուստի մոդելի բարձր պիտանելիության մասին է վկայում 0.05-ից մեծ P արժեքը:
174 |
ՈՐԱԿԱԿԱՆ ՀԱՏԿԱՆԻՇՆԵՐԻ ՄԻՋԵՎ ԵՂԱԾ ՓՈԽԱԴԱՐՁ
ԿԱՊԻ ԳՆԱՀԱՏՈՒՄԸ ՓՈԽԱԴԱՐՁ ԶՈՒԳՈՐԴՄԱՆ
ՍԿԶԲՈՒՆՔԻ ՀԻՄԱՆ ՎՐԱ
Որակական հատկանիշների միջև եղած փոխադարձ կապի վիճակագրական վերլուծության խնդիրը այդ կապի քանակական բնութագիրն է, որը կոչվում է փախադարձ զուգորդում: Որակական հատկանիշներով ներկայացված տվյալների զուգորդման գնահատականը հիմնված է հաճախականությունների բաշխման վիճակագրական մշակման վրա: Աղ յուսակը, որը ներկայացնում է երկու որակական հատկանիշների խմբավորումների փոխադարձ բաշխումը, կոչվում է փախադարձ զուգորդման աղ յուսակ: Այդ աղ յուսակը ցույց է տալիս միայն հաճախականությունների բաշխման միջև փոխադարձ կապի առկայությունը, սակայն այդ կապի քանակական բնութագրի համար հաշվարկվում են տարբեր զուգորդման գործակիցներ: Այս կամ այն գործակցի ընտրությունը պայմանավորված է սկզբնական տվյալների տեսակով և վերլուծության ճշգրտության աստիճանով: Զուգորդման գործակիցները շատ հեշտ են հաշվարկվում և կարող են օգտագործվել նաև քանակական հատկանիշների համար, եթե դրանք չափված են նոմինալների սանղակով: Յուլի և կոնտինգենցիայի գործակիցներ Քառադաշտ աղ յուսակի (2х2) միջոցով կարելի է երկու հատկանիշների միջև հայտնաբերել փոխադարձ կապը և տալ այդ կապի քանակական գնահատականը: Քառադաշտ զուգորդման աղ յուսակը հետևյալն է․ I հատկանիշ
II հատկանիշ
Ընդամենը
+
-
+
A
B
a+b
-
C
d
c+d
Ընդաﬔնը
a+c
b+d
n=a+b+c+d
Այս աղ յուսակի տվյալների հիման վրա կարելի է հաշվարկել Յուլի ասոցիացիայի գործակիցը (Q) հետևյալ բանաձևով՝
Q=
ad − cb ։ ad + cb
ՈՐԱԿԱԿԱՆ ՀԱՏԿԱՆԻՇՆԵՐԻ ՄԻՋԵվ ԵՂԱԾ ՓՈԽԱԴԱՐձ ԿԱՊԻ ԳՆԱՀԱՏՈՒՄԸ...| 175
Երբ աղ յուսակում ներկայացված 4 հաճախականություններից գոնե մեկը բացակայում է, ասոցիացիայի գործակցի արժեքը հավասար է լինում 1-ի, և ուրեմն հատկանիշների միջև եղած կապի ուժգնությունը չափազանց մեծ է ստացվում: Նման դեպքերում ասոցիացիայի գործակցի փոխարեն նախընտրելի է հաշվարկել կոնտինգենցիայի գործակիցը՝
Ф=
ad − cb (a + b)(c + d )(b + d )(a + c)
։
Գործակիցները կարող են ընդունել -1-ից մինչև +1 արժեքներ: Որքան մեծ է գործակցի բացարձակ արժեքը, այնքան ուժեղ է կապը ուսումնասիրվող հատկանիշների միջև: Յուլի ասոցիացիայի գործակցի դեպքում խոսքը սովորաբար կապի առկայության մասին է, եթե Q գործակցի բացարձակ արժեքը ≥0.5: Կոնտինգենցիայի գործակցի արժեքը միշտ ավելի փոքր է Յուլի գործակցի արժեքից, քանի որ Ф գործակիցը, ի տարբերություն Q գործակցի, տալիս է կապի երկկողմանի գնահատականը: Այս գործակիցը հաշվարկելու դեպքում կարևոր է գնահատել, թե որքանով է դրա փաստացի ստացված առժեքը տարբերվում առավելագույն հնարավոր արժեքից: Ф գործակցի առավելագույն արժեքը հաշվարկելու համար կիրառվում է հետևյալ բանաձևը՝
(π 1 /(1 − π 1 )((1 − π 2 ) / π 2 ) ։ Այս բանաձևում π1-ը և π2-ը՝ աղ յուսակի տողերում և սյունակներում եղած՝ համապատասխանաբար նվազագույն և առավելագույն հաճախականություններն են: Կոնտինգենցիայի գործակցի նորմավորված արժեքը հաշվարկվում է հետևյալ բանաձևով՝
Ф
norm
= Ф/Ф
max
։
Յուլի և Պիրսոնի գործակիցների վիճակագրական հավաստիությունը գնահատելու համար պետք է կիրառվի 2 գործակիցը: Գործակիցները կիրառելիս պետք է հիշել, որ դրանք չեն նշում կապի ուղղությունը: Տվյալները տեղափոխելիս նշանը կարող է փոխվել աղ յուսակների: Պիրսոնի (C) և Չուպրովի (K) զուգորդման գործակիցները Այս գործակիցները հաշվարկվում են այն դեպքում, երբ ուսումնասիրվող որակական հատկանիշները այլընտրանքային չեն, և ստացվում է ոչ թե
176 | Կենսաբանական վ իճակագրության հիմունքներ զուգորդման 2x2, այլ sxt աղ յուսակ, որտեղ s-ը և t-ն, համապատասխանաբար, տողերի և սյունակների թվերն են: Գործակիցների հաշվարկը հիմնված է աղ յուսակում տրված փաստացի և հաշվարկված սպասվող (տեսական) հաճախականությունների միջև եղած տարբերության գնահատման վրա: C և K գործակիցների կիրառման մաթեմատիկական տրամաբանությունն այն է, որ եթե հաճախականությունների տեսական բաշխումը վկայում է հատկանիշների անկախության մասին, ապա որքան մեծ է տարբերությունը փաստացի և սպասվող հաճախականությունների միջև, այնքան ուժեղ պետք է լինի կապը ուսում նասիրվող հատկանիշների միջև: Փաստացի և սպասվող հաճախականությունների միջև տարբերությունը գնահատվում է 2 գործակցի միջոցով հետևյալ բանաձևերով՝
χ2
C= K=
,
χ +n
χ2 n ( s − 1)(t − 1)
։
Բանաձևերում n-ը՝ հետազոտվածների, իսկ s-ը և t-ն տողերի և սյունակների թվերն են: Չուպրովի գործակիցը ապահովում է ավելի ճշգրիտ արդյունքներ, եթե աղ յուսակը քառակուսի է և չի գերազանցում 5х5-ը: Այն միշտ փոքր է Պիրսոնի գործակցի արժեքից և սովորաբար ավելի զգուշավոր գնահատական է տալիս: Այս գործակիցները չունեն նշաններ, քանի որ քառակուսի արմատի հաշվարկման արդյունք են, իսկ բացարձակ արժեքով կարող են լինել 0-ից մինչև 1-ի սահմաններում: Սակայն Պիրսոնի գործակիցը երբեք չի հասնում 1 արժեքին, քանի որ C-ի սահմանային արժեքը պայմանավորված է ոչ միայն աղ յուսակում հաճախականությունների բաշխմամբ, այլև աղ յուսակի չափերով: Այդ պատճառով Պիրսոնի գործակցի համար ճիշտ է հաշվել նորմավորված արժեքը, որն ամեն մի կոնկրետ դեպքի համար ավելի ճշգրիտ բնութագիր է։ Սիմետրիկ աղ յուսակի համար, որտեղ տողերի քանակը հավասար է սյունակների քանակին, Cmax-ը հաշվարկվում է հետևյալ բանաձևով՝
C
=C/C
norօ
օax
,
ՈՐԱԿԱԿԱՆ ՀԱՏԿԱՆԻՇՆԵՐԻ ՄԻՋԵվ ԵՂԱԾ ՓՈԽԱԴԱՐձ ԿԱՊԻ ԳՆԱՀԱՏՈՒՄԸ... | 177
C max =
t −1 ։ t
որտեղ t-ն տողերի քանակն է: Աղ յուսակի չափերի մեծացման դեպքում Cmax արժեքը նույնպես մեծանում է՝ ձգտելով 1-ին, և այս դեպքում վերանում է C արժեքի ճշտման անհրաժեշտությունը: Բայց քանի որ կլինիկական հետազոտություններում, հետազոտությունների համեմատաբար փոքր թվի պատճառով, որակական հատկանիշների բաժանումը մեծ թվով դիապազոնների շատ հազվադեպ է տեղի ունենում, զուգորդման գնահատականների նորմավորված արժեքների կիրառումը շատ նպատակահարմար է: Պիրսոնի և Չուպրովի գործակիցների կիրառման սահմանափակումները նույնն են, ինչ 2 թեստի օգտագործման դեպքում․ սպասվող հաճախականությունները աղ յուսակի վանդակներում պետք է լինեն 5-ից, իսկ հետազոտությունների ընդհանուր թիվը՝ 50-100-ից ոչ պակաս:
178 |
ՀԱՄԱՊԱՏԱՍԽԱՆ ՎԻՃԱԿԱԳՐԱԿԱՆ ԹԵՍՏԻ ԸՆՏՐՈՒԹՅՈՒՆ
Որոշակի հետազոտական խնդրի համար համապատասխան վիճակագրական թեստի ընտրությունը որոշվում է երկու գործոնով՝ հավաքված տվյալների տեսակով, իսկ ավելի կոնկրետ՝ ուսումնասիրվող փոփոխականների չափման սանդղակով և հետազոտման խնդրով: Անվանական սանդղակով չափվող փոփոխականները ուսումնասիրելու դեպքում որպես հետազոտման խնդիր կարող է լինել երկու և ավելի՝ իրար հետ կապ չունեցող ամբողջությունների համեմատումը: Այդպիսի վերլուծության դեպքում որպես հարմար վիճակագրական մեթոդ կարող է լինել ըստ 2 չափանիշի ստուգումը: Կարգային սանդղակով չափվող փոփոխականներն ուսումնասիրելու դեպքում հետազոտության խնդիր կարող է լինել ուսումնասիրվող փոփոխականների միջև կապի ուժգնության ու դրա ուղղվածության նկարագրումը: Տվյալ դեպքում որպես հարմար վիճակագրական մեթոդ կարող է լինել կորել յացիոն վերլուծությունը՝ Սպիրմենի մեթոդով: Հարաբերակցության սանդղակում չափվող փոփոխականների դեպքում կարող են առաջադրվել հետևյալ խնդիրները՝ 1) իրական պոպուլ յացիոն միջինի որոշումը. 2) երկու կամ մի քանի ընտրանքային միջինների միջև տարբերությունների հավաստիության գնահատումը. 3) երկու ընտրանքներում դիսպերսիաների միջև տարբերության հավաստիության գնահատումը. 4) երկու փոփոխականների միջև կապի ուժգնության և ուղղության նկարագրումը: Յուրաքանչյուր կոնկրետ դեպքում կարելի է կիրառել t կամ z թեստ կամ ANOVA: Պոպուլ յացիոն միջինը գնահատող, պոպուլ յացիոն միջինի մասին վարկածը ստուգող կամ երկու ընտրանքային միջինները համեմատող խնդիրները լուծելու համար սովորաբար օգտագործվում է t թեստը: Այն դեպքում, երբ ընտրանքի ծավալը՝ n>100-ից, կամ երբ հայտնի է պոպուլ յացիոն ստանդարտ շեղումը, կարող է օգտագործվել z թեստը: Երբ հետազոտման խնդիրը երկուսից ավելի միջինների համեմատումն է, հարմար վիճակագրական մեթոդ է դիսպերսիոն վերլուծությունը (ANOVA) F թեստով: F թեստը ընտրանքներում դիսպերսիաները համեմատելու միակ մեթոդն է:
Համապատասխան վիճակագրական թեստի ընտրությու | 179
իջակայքային կամ էլ հարաբերակցության սանդղակներում չափվող Մ երկու փոփոխականների միջև կապի ուժգնությունը և ուղղությունը գնահատելու համար կիրառվում է Պիրսոնի մեթոդով կորել յացիոն վերլուծությունը որոշակի տեսակի t թեստի հետ միասին՝ պոպուլ յացիայում փոփոխականների միջև կապի բացակայության վերաբերյալ զրոյական վարկածը ստուգելու համար: Մի փոփոխականի մեծությունը որոշելու համար այն դեպքում, երբ հայտնի է մյուս փոփոխականի արժեքը, կիրառվում է ռեգրեսիոն վերլուծությունը:
180 |
ԴԻՆԱՄԻԿ ՇԱՐՔԵՐ
Գիտագործնական աշխատանքում բժշկին հաճախ պետք է լինում վերլուծության ենթարկել ժամանակի ընթացքում բնակչության առանձին խմբերի առողջության վիճակում, բժշկական հաստատությունների գործունեության մեջ, փորձարարական հետազոտություններում կատարվող փոփոխությունները: Դիտարկվող երևույթների հիմնական միտումների բացահայտումը «պատահական» գործոնների ազդեցությունից դուրս հնարավորություն է տալիս՝ որոշելու դրանց փոփոխությունների օրինաչափությունները, և հիմք է դառնում կանխատեսումներ իականացնելու համար: Ժամանակի ընթացքում դիտարկվող երևույթների դինամիկան (շարժումը) ուսումնասիրելու համար կիրառվում են դինամիկ շարքերը: Դինամիկ շարք է կոչվում միատարր վիճակագրական մեծություններից կազմված շարքը, որը ցույց է տալիս որոշակի ժամանակահատվածում դիտարկվող որևէ երևույթի փոփոխությունը: Դինամիկ շարք կազմող մեծությունները կոչվում են մակարդակներ: Դինամիկ շարքի մակարդակները կարող են արտահայտվել բացարձակ, հարաբերական և միջին մեծություններով: Դինամիկ շարքերը, մակարդակների բնույթով պայմանավորված, կարող են լինել պարզ (մակարդակներն արտահայտված են բացարձակ մեծություններով) կամ ածանցյալ (մակարդակներն արտահայտված են հարաբերական կամ միջին մեծություններով): Դինամիկ շարքը, որի մակարդակներն արտահայտում են դիտարկվող երևույթի մեծության արժեքները ժամանակի որոշակի պահերին, կոչվում է մոմենտային: Մոմենտային դինամիկ շարքի մակարդակները չեն ենթարկվում մասնատման: Դինամիկ շարքը, որի մակարդակներն արտահայտում են դիտարկվող երևույթի մեծության արժեքները որոշակի ժամանակահատվածում (օր․՝ շաբաթ, ամիս, տարի և այլն), կոչվում է միջակայքային (ինտերվալային): Միջակայքային շարքը կարելի է բաժանել ավելի մասնատված միջակայքերի, ինչպես նաև կարելի է խոշորացնել միջակայքերը: Միջակայքային շարքի դիտարկվող ժամանակահատվածի մեծության ընտրությունը հայտնի չափով որոշվում է երևույթի փոփոխականության աստիճանով: Այսինքն՝ ժամանակի ընթացքում որքան ավելի դանդաղ է փոփոխվում երևույթը, այնքան ավելի մեծ կարող են լինել դիտարկվող ժամանակահատվածները:
| 181
ՈՒՍՈՒՄՆԱՍԻՐՎՈՂ ԵՐԵՎՈՒՅԹԻ ՄԻՏՈՒՄՆԵՐԻ ԿԱՄ
ՕՐԻՆԱՉԱՓՈՒԹՅՈՒՆՆԵՐԻ ՈՐՈՇՄԱՆ ԵՂԱՆԱԿՆԵՐԸ
ինամիկ շարքը ոչ միշտ է կազմված լինում նվազեցման կամ բարձրացԴ ման ուղղությամբ հաջորդաբար փոփոխվող մակարդակներից: Դինամիկ շարքերում հաճախ որոշ մակարդակներ արտահայտվում են զգալի տատանումներով, ինչը դժվարացնում է դիտարկվող ժամանակահատվածներում ուսումնասիրվող երևույթներին բնորոշ հիմնական օրինաչափություններին հետևելը: Նման դեպքերում ուսումնասիրվող երևույթի փոփոխության օրինաչափությունն ի հայտ բերելու համար կարելի է կատարել դինամիկ շարքի ձևափոխում կամ հավասարեցում: Շարքի ձևափոխումը կիրառվում է դիտարկվող երևույթների փոփոխությունները տեսանելի դարձնելու համար: Շարքի մակարդակներից մեկը, սովորաբար՝ առաջինը, կամ նվազագույն կամ առավելագույն արժեքն ընդունվում է 100%, և շարքի տվյալ մակարդակի նկատմամբ հաշվարկվում են մնացած մակարդակները: Նվազող շարքերի դեպքում նախընտրելի է ձևափոխել ըստ առավելագույն արժեքի, աճող շարքերը՝ ըստ նվազագույն մակարդակի: Եթե ընդհանուր օրինաչափություն չի նկատվում, ապա ձևափոխումն անիմաստ է: Դինամիկ շարքերի հավասարեցումն իրականացվում է շարքերի մակարդակների թռիչքաձև փոփոխությունների դեպքում: Հավասարեցման նպատակն է վերացնել պատահական գործոնների ազդեցությունը, վերծանել երևույթի մակարդակի փոփոխությունների միտումը և հաստատել դրանց օրինաչափությունները: Կա դինամիկ շարքերի հավասարեցման մի քանի եղանակ՝ միջակայքի խոշորացում, խմբային և սողացող միջինների հաշվարկ և այլն: Միջակայքի խոշորացումը կիրառվում է այն դեպքում, երբ ուսումնասիրվող երևույթը միջակայքային շարքում արտահայտված է բացարձակ մեծություններով: Տվյալ դեպքում կատարվում է միջակայքի խաշորացում, որն իրականացվում է մի շարք հարակից ժամանակամիջոցների տվյալների գումարման ճանապարհով (տե՛ս աղ. 16): Շարքի հավասարեցման տվյալ եղանակի կիրառումը հնարավոր է միջակայքերի ընդհանուր քանակի բազմապատիկության դեպքում: Աղ յուսակ 16-ում ներկայացված տվյալներից երևում է, որ բարդացած տեսակների թոքաբորբերով հիվանդ երեխաների քանակը դիտարկման տարիներին մեկ ավելանում է, մեկ պակասում է: Երկուական տարիներով միջակայքեր խոշորացնելուց հետո տեսանելի է դառնում որոշակի օրինաչափություն․ բարդացած թոքաբորբերով հիվանդ
182 | Կենսաբանական վիճակագրության հիմունքներ երեխաների առավելագույն քանակը նշվում է դիտարկվող ժամանակահատվածի վերջին երկու տարիների միջակայքում: Խմբային միջինի հաշվարկը կատարվում է այն դեպքում, երբ միջակայքային շարքերի մակարդակներն արտահայտվում են բացարձակ, միջին կամ հարաբերական մեծություններով: Կողմնային մակարդակները գումարվում, իսկ հետո բաժանվում են գումարելիների թվին (տե՛ս աղ. 26): Այս եղանակը կիրառելի է միջակայքերի ընդհանուր քանակի բազմապատիկության դեպքում: Աղ յուսակ 26. Պուլմոնոլոգիական բաժանմունքում բարդացած տեսակների թոքաբորբերով բուժվող երեխաների քանակի (n) դինամիկան 2009-2018 թթ. Դինամիկ շարքի ձևափոխման եղանակները Տարի
n
միջակայքի խոշորացում
խմբային միջինի հաշվարկ
29.5
20.5
32.5
սողացող միջինի հաշվարկ 24.7 16.7 27.3 24.7 19.7 24.3 27.0 -
ողացող միջինը հաշվարկվում է, երբ շարքի մակարդակներն արտաՍ հայտված են բացարձակ, միջին կամ հարաբերական մեծություններով: Շարքի յուրաքանչյուր մակարդակ փոխարինվում է միջին մեծությամբ՝ հաշվի առնելով տվյալ մակարդակը և դրան հարող երկու կողմնային մակարդակները (տե՛ս աղ. 26): Օրինակ՝ 2011 թվականին սողացող միջինը հավասար է եղել (15+9+26)/3=16.7: Այս եղանակը կիրառելի է այն դեպքում, երբ չի պահանջվում հատուկ ճշտություն, երբ դինամիկ շարքերը բավականին երկար են, և կարելի է անտեսել այդ շարքերի երկու սահմանային արժեքների կորուստը:
ՈՒսՈՒՄՆԱսԻՐվՈՂ ԵՐԵվՈՒՅԹԻ ՄԻՏՈՒՄՆԵՐԻ ԿԱՄ... | 183
ինամիկ շարքի միջին մեծությունը (կոչվում է նաև միջին ժամանակագԴ րական (քրոնոլոգիական)) շարքի բոլոր անդամների միջինն է: Միջակայքային շարքի դեպքում դա հաշվարկվում է որպես սովորական միջին թվաբանական: Օրինակ՝ ներկայացված տվյալներից ծնունդների միջին տարեկան թիվը հավասար է (տե՛ս աղ. 27). x X = ∑n = 15.6+15.4+16.1+616.0+15.4+14.5 = 15.5 ։
ոմենտային շարքի դեպքում հաշվարկը տարբերվում է և պայմանաՄ վորված է միջակայքի հավասարությամբ: Հավասար միջակայքերի դեպքում բանաձևն է՝
X =
x1 + x2
+ ...+ x n −1 + n −1
xn
= 1131.5 / 2 +1067.2 +1077.4 +10766 .5 +1074.6 +11076.6 +1079.4 / 2 = 1079.63։
Եթե հաշվարկը կատարվեր սովորական եղանակով, ապա արդյունքը շեղված կլիներ դեպի մեծ արժեք՝ 1083.33: Աղ յուսակ 27. Երևան քաղաքի բնակչության քանակը և ծնունդների թիվը 2012-2018 թթ. (հազ.)
Տարեթիվ
Բնակչությունը առ 01 հոկտեմբերի
Ծնունդներ
1131.5
15.6
1067.2
15.4
1077.4
16.1
1076.5
16.0
1074.6
15.4
1076.6
14.5
1079.4
-
Եթե մոմենտային շարքում միջակայքերը հավասար չեն, դիցուք՝ ունենք տվյալներ միայն 2012, 2013 և 2017 թթ․ համար, ապա բանաձևն է՝
xT X = ∑T ∑
,
184 | Կենսաբանական վ իճակագրության հիմունքներ որտեղ T–ն ժամանակի հատվածն է, որի ընթացքում դինամիկ շարքի մակարդակը ենթադրվում է հարաբերորեն հաստատուն: xT X = ∑ T = 1131.5*1+10676.2*4+1076.6*1 = 1079.48 ։ ∑
Ինչպես տեսնում ենք՝ տարբերությունը լրիվ տվյալների հետ չնչին է, մինչդեռ սովորական երեք արժեքների միջինը զգալիորեն մեծ է՝ 1091.77։
| 185
ԴԻՆԱՄԻԿ ՇԱՐՔԻ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆԸ
Դիտարկվող ժամանակահատվածում երևույթի փոփոխությունների ընթացքը վերլուծելու համար հաշվարկում են դինամիկ շարքի ցուցանիշները: Դրանցից են հետևյալ ցուցանիշները՝ բացարձակ աճը (կամ նվազումը), բացարձակ աճի տեմպը, աճի տեմպը, ինչպես նաև բացարձակ աճի 1%-ի արժեքը: Բացարձակ աճը և բացարձակ աճի տեմպը կիրառվում են ժամանակի ընթացքում երևույթի փոփոխության արագությունը բնութագրելու համար: Բացարձակ աճը (ԲԱ) ցույց է տալիս դինամիկ շարքի տվյալ և նախորդ մակարդակների տարբերությունը, այսինքն՝ աճի բացարձակ մեծությունը միավոր ժամանակում: Այսպես՝ աղ յուսակ 28-ի տվյալներով 2015 թվականի ԲԱ-ն հավասար է՝ 23-26=-3 օր: Բացարձակ աճի տեմպը (ԲԱՏ) ցույց է տա լիս տվյալ մա կար դակի բացարձակ աճի տոկոսային հարաբերությունը նախորդ մակարդակի նկատմամբ (տե՛ս աղ. 28), օրինակ՝ 2015 թվականի ԲԱՏ-ը հավասար է՝ -3.0*100/26.0= -11.5%: Աճի տեմպը (ԱՏ) ցույց է տալիս տվյալ մակարդակի տոկոսային հարաբերությունը նախորդ մակարդակի նկատմամբ: Աղ յուսակ 28-ի տվյալներով՝ 2015 թվականի ԱՏ-ը հավասար է 23.0*100/26.0 = 88.5%: Աղ յուսակ 28. Խոցային հիվանդությամբ հիվանդների հոսպիտալացման միջին տևողությունը դիտարկման 2014-2018 թթ. Ցուցանիշներ
Հոսպիտալացման միջին տևողությունը (օր)
ԲԱ (+, -)
ԱՏ (%)
ԲԱՏ (%, +, -)
ԲԱ 1%-ը
26.0
-
-
-
-
23.0
-3.0
88.5
-11.5
0.26
20.0
-3.0
87.0
-13.0
0.23
21.0
+1.0
105.0
+5.0
0.20
20.0
-1.0
95.2
-4.8
0.21
Տարի
186 | Կենսաբանական վիճակագրության հիմունքներ 1% բացարձակ աճը (1% ԲԱ) ցույց է տալիս դինամիկ շարքի յուրաքանչյուր միջակայքի բացարձակ աճի հարաբերությունը բացարձակ աճի տեմպի նկատմամբ, որի արժեքը, աղ յուսակ 28-ի տվյալներով, 2015 թվականին հավասար է եղել -3/-11.5=0.26: Բացարձակ աճի 1%-ի արժեքը կիրառվում է տարբեր ելակետային մակարդակներ ունեցող դինամիկ շարքեր համեմատելիս: Այսպես՝ աղ յուսակ 29-ի տվյալներից երևում է, որ Ա շրջանում բացարձակ աճի 1%-ի արժեքը հավասար է +3.8/+108.6=0.035, իսկ Բ շրջանում՝ +2.8/+186.7=0.015: Աղ յուսակ 29. Ա և Բ շրջաններում բնակչության՝ կարմրուկով հիվանդացության դինամիկան 2009 և 2018 թթ. Շրջան
2009թ.
2018թ.
ԲԱ (+, -)
ԱՏ (%)
ԲԱՏ (%, +, -)
1% ԲԱ
Ա
3.5
7.3
+3.8
208.6
+108.6
0.035
Բ
1.5
4.3
+2.8
286.7
+186.7
0.015
Այսինքն՝ ցուցանիշների վերլուծությունը (աղ. 29) հնարավորություն է տալիս եզրակացնելու, որ Բ շրջանում հիվանդացության բացարձակ աճի տեմպը (+186.7%), չնայած ավելի բարձր է Ա շրջանի համարժեք ցուցանիշի (+108.6%) համեմատությամբ, այնուհանդերձ Ա շրջանում կարմրուկով հիվանդացությունն աճել է ավելի մեծ աստիճանով (0.035%), քան Բ շրջանում (0.015%): Շատ հաճախ հաշվարկվում է ընդհանուր դինամիկայի միտումը (տրենդը): Միտումները նկարագրվում են տարբեր հավասարումներով՝ գծային, լոգարիթմական, էքսպոնենցիալ, պոլինոմիալ և այլն: Տրենդի փաստացի տեսակը որոշվում է վիճակագրական մեթոդներով դրա գործառական մոդելի ընտրությամբ, որն առավել լավ կնկարագրի միտումը: Չծանրաբեռնելով շարադրումը մաթեմատիկական բանաձևերով՝ ասենք միայն, որ Excel ծրագիրը գծապատկեր կառուցելիս հնարավորություն է տալիս անցկացնելու նաև միտումի գիծը (trendline) և գնահատելու դրա հավաստիությունը դետերմինացիայի գործակցի միջոցով (R2)․ հերթով փորձելով տարբեր հավասարումներ՝ ընտրվում է այն տարբերակը, որի R2-ն ունի առավելագույն արժեք (տե՛ս նկ. 33)։
Դինամիկ շարքի վերլուծություն | 187
Քաղցկեղի դինամիկան Աբովյանի տարածաշրջանում
Բնածին արատների դինամիկան Չարենցավանի տարածաշրջանում
Նկար 33. Դինամիկ պրոցեսի տրենդի գնահատման տարբեր մոդելներ
Ինչպես երևում է բերված օրինակներից՝ քաղցկեղի դինամիկան ավելի լավ է բնու թագ րում գծային մո դե լը (R2 0.9767) քան լոգարիթմականը (R2 0.8258), իսկ բնածին արատներինը՝ պոլինոմիալը (R2 0.9318), գծայինի համեմատ (R2 0.43): Ենթադրվում է, որ մոդելը բավարար է արտահայտում դինամիկան, եթե R2 գործակիցը մեծ է 0.5-ից:
ՑՈՒՑԱՆԻՇՆԵՐԻ ՍՏԱՆԴԱՐՏԱՑՈՒՄԸ
արբեր ամբողջություններից ստացված ցուցանիշներ համեմատելիս Տ պետք է հաշվի առնել դրանց մակարդակների վրա համեմատվող ամբողջությունների կազմերի անմիատարրության ազդեցության հնարավորությունը՝ ըստ մի շարք հատկանիշների: Այսպես՝ երկու հիվանդանոցների համար հաշվարկված ընդհանուր մահաբերության մակարդակները համեմատելիս համեմատվող ցուցանիշներում տարբերությունների պատճառների մասին եզրակացություններ անելուց առաջ անհրաժեշտ է վերլուծել այդ հիվանդանոցներում բուժում ստացած հիվանդների կազմերի միատարրությունը՝ ըստ նոզոլոգիական տեսակների: Պարզ է, որ մահաբերության ընդհանուր ցուցանիշի մակարդակն ավելի բարձր կլինի այն հիվանդանոցում, որտեղ հիվանդների կազմում քրոնիկական ծանր հիվանդություններով տառապող անձանց քանակն ավելի շատ է: Համեմատվող հիվանդանոցներում բուժվող հիվանդների կազմերի անմիատարրությունը հնարավորություն չի տալիս եզրակացություններ անելու մահաբերության ցուցանիշների մակարդակներում տարբերությունների պատճառների մասին: Ըստ կառուցվածքի անմիատարր ամբողջություններից հաշվարկված ընդհանուր ցուցանիշները համեմատելու դեպքում կիրառվում է ստանդարտացման մեթոդը: Ցուցանիշների ստանդարտացման մեթոդը հնարավորություն
188 | Կենսաբանական վ իճակագրության հիմունքներ է տալիս վերացնելու ամբողջությունների կազմերում որևէ մի հատկանիշով տարբերությունների հնարավոր ազդեցությունը համեմատվող ընդհանուր ցուցանիշների մակարդակների վրա: Այդ նպատակով ամբողջությունների կազմերը ըստ տվյալ հատկանիշի հավասարեցվում են, ինչը հնարավորություն է տալիս հետագայում հաշվարկելու ստանդարտացված ցուցանիշները: Ստանդարտացված ցուցանիշները պայմանական, հիպոթետիկ մեծություններ են, որոնք չեն արտահայտում երևույթների իրական չափերը: Դրանք վկայում են, թե ինչպիսին կլինեին համեմատվող ցուցանիշների արժեքները, եթե բացառված լինեին ամբողջությունների կազմերում որևէ հատկանիշով տարբերությունները: Կան ցուցանիշների ստանդարտացման երկու հիմնական մեթոդներ՝ ուղիղ և անուղղակի: Կոնկրետ մեթոդի ընտրությունը պայմանավորված է ելակետային տվյալներով: Առավել տարածված է ցուցանիշների ստանդարտացման ուղիղ մեթոդը, որը կիրառվում է համեմատվող ամբողջությունների համար հատուկ ցուցանիշների հաշվարկի հնարավորության դեպքում (օրինակ՝ ըստ տարիքի, հիվանդության ծանրության աստիճանի և այլն): Մեթոդի էությունը հանգում է տվյալ երևույթի դեպքերի քանակի (օրինակ՝ մահվան կամ հիվանդությունների) վերակշռադատմանը՝ օգտագործելով ստանդարտային խմբի կառուցվածքը և հատուկ ցուցանիշները (օրինակ՝ մահացության կամ հիվանդացության), որոնք որոշվել են համեմատվող ամբողջությունների համար:
ՑՈՒՑԱՆԻՇՆԵՐԻ ՍՏԱՆԴԱՐՏԱՑՄԱՆ ՈՒՂԻՂ ՄԵԹՈԴԸ
Ստանդարտացված ցուցանիշների հաշվարկի փուլերը՝ 1. ընդհանուր և հատուկ ինտենսիվ ցուցանիշների հաշվարկ երկու համեմատվող ամբողջությունների համար. 2. ստանդարտի ընտրություն և հաշվարկ: Ստանդարտը ամբողջության կազմ է, որն ընդհանուր է երկու համեմատվող խմբերի համար: Որպես ստանդարտ յուրաքանչյուր կոնկրետ դեպքում վերցվում է համեմատվող ամբողջություններից որևէ մեկի կազմը կամ դրանց գումարային կազմը, կամ էլ որևէ երրորդ ամբողջության կազմը: Օրինակ՝ Հայաստանի տարբեր մարզերում մահացության ստանդարտացված ցուցանիշներ հաշվարկելիս որպես ստանդարտ բնակչություն պետք է ընդունել Հայաստանի բնակչության քանակը, իսկ Հայաստանի բնակչության մահացության ստանդարտացված ցուցանիշներ հաշվարկելիս եվրոպական երկրների հետ համեմատելու համար որպես ստանդարտ կարող է ընդունվել Առողջապահության համաշխարհային կազմակերպության (ԱՀԿ) կողմից ներկայացված՝ եվրոպական բնակչության ստանդարտային քանակը:
Դինամիկ շարքի վերլուծություն | 189
3. Համեմատվող խմբերում սպասվող բացարձակ մեծությունների հաշվարկ՝ հիմք ընդունելով 1-ին փուլում հաշվարկված խմբային ինտենսիվ ցուցանիշները: 4. Համեմատվող ամբողջությունների համար ստանդարտացված ցուցանիշների հաշվարկ: 5. Ստանդարտացված և ընդհանուր ինտենսիվ ցուցանիշների համադրում, եզրակացության ձևակերպում: Օրինակ՝ համեմատվող հիվանդանոցներում (աղ. 30) մահաբերության ցուցանիշի մակարդակը (100 դուրս գրված հիվանդի հաշվով) Ա հիվանդանոցում կազմել է 4.0 դեպք, իսկ Բ հիվանդանոցում՝ 3.8 դեպք: Ուսումնասիրություններից պարզվել է, որ երկու հիվանդանոցներում հիվանդների տարիքային կազմը տարբերվում է: Այսինքն՝ կարելի է կատարել մահաբերության ստանդարտացված ցուցանիշների հաշվարկ: I փուլ: Ի սկզբանե որոշվում են երկու համեմատվող հիվանդանոցներում մահաբերության ընդհանուր ցուցանիշների արժեքները 100 դուրս գրված հիվանդի հաշվով, որը՝ Ա հիվանդանոցում հավասար է 80*100/2000=4.0%, Բ հիվանդանոցում՝ 76*100/2000=3.8%: Մահաբերության ընդհանուր ցուցանիշները հաշվարկելուց հետո նույն սկզբունքով որոշվում է յուրաքանչյուր առանձին տարիքային խմբում մահաբերության ցուցանիշի արժեքը, 100 դուրս գրված հիվանդի հաշվով՝ ըստ համապատասխան տարիքային խմբի: Օրինակ (1)՝ <40 տ. խմբում ցուցանիշի արժեքը Ա հիվանդանոցում հավասար է 12*100/600=2.0%, իսկ Բ հիվանդանոցում՝ 42*100/1400=3.0%: Օ րի նակ (2), 60 տ. և > տա րի քային խմ բում ցու ցա նի շի ար ժե քը Ա հիվանդանոցում հավասար է 60*100/1200=5.0%, իսկ Բ հիվանդանոցում՝ 24*100/400=6.0%: II փուլ: Որպես ստանդարտ ընդունվում է երկու հիվանդանոցներում դուրս գրված հիվանդների ընդհանուր գումարը՝ ըստ յուրաքանչյուր տարիքային խմբի: III փուլ: Հաշվի առնելով համապատասխան մահաբերության ցուցանիշները՝ Ա և Բ հիվանդանոցներում որոշում են մահացածների սպասվող քանակը ըստ առանձին տարիքային խմբերի: Օրինակ (1)՝ Ա հիվանդանոցի հիվանդների շրջանում 40-ից փոքր տարիքային խմբում մահացածների սպասվող քանակը կազմում է 2*2000/100=40, իսկ Բ հիվանդանոցում՝ 3*2000/100=60: Օրինակ (2)՝ Ա հիվանդանոցում 40-59 տարիքային խմբում մահացածների սպասվող քանակը կազմում է 4*400/100=16, իսկ Բ հիվանդանոցում՝ 5*400/100=20:
60 տ. և >
Ընդամենը
Ա
Բ
մահվան դեպքերի քանակը
I փուլ
4.0
5.0
4.0
2.0
Ա
3.8
6.0
5.0
3.0
Բ
Մահաբերության ցուցանիշը՝ 100 դուրս գրված հիվանդի հաշվով
IV փուլ՝ ստանդարտացված ցուցանիշների որոշում
40-59 տ.
Բ
Ա
դուրս գրված հիվանդների քանակը
<40 տ.
Հիվանդի տարիքը
Համեմատվող հիվանդանոցներում II փուլ
ՍՏԱՆԴԱՐՏԸ՝
2 հիվանդանոցում դուրս գրվածների ընդհանուր քանակը
Աղ յուսակ 30. Հիվանդների մահաբերությունը Ա և Բ հիվանդանոցներում
3.4
Ա
4.4
Բ
հիվանդանոցներում մահվան դեպքերի սպասվող քանակը ըստ ստանդարտի
III փուլ
190 | Կենսաբանական վիճակագրության հիմունքներ
Դինամիկ շարքի վերլուծություն | 191
ույն սկզբունքով կատարվում են հաշվարկներ նաև մյուս տարիքային Ն խմբերում: Այնուհետև ըստ հիվանդանոցների առանձին-առանձին որոշվում է մահացածների սպասվող քանակների գումարը, որը Ա հիվանդանոցում հավասար է 40+16+80=136, իսկ Բ հիվանդանոցում՝ 60+20+96=176: IV փուլ: Այս փուլում ըստ հիվանդանոցների որոշվում են մահաբերության ընդհանուր ստանդարտացված ցուցանիշները 100 դուրս գրված հիվանդի հաշվով, որի արժեքը Ա հիվանդանոցում հավասար է 136*100/4000=3.4%, իսկ Բ հիվանդանոցում հավասար է 176*100/4000=4.4%: V փուլ: Այս փուլում համադրվում է Ա և Բ հիվանդանոցների ընդհանուր ինտենսիվ և ստանդարտացված ցուցանիշների հարաբերակցությունը և ձևակերպվում եզրակացությունը: Հիվանդանոցներ
ԱևԲ
Ցուցանիշներ Ա
Բ
հարաբերակցությունը
Ինտենսիվ
4.0
3.8
Ա>Բ
Ստանդարտացված
3.4
4.4
Ա<Բ
Եզրակացության ձևակերպում Եթե «Ա և Բ հիվանդանոցում հիվանդների տարիքային կազմը լիներ միատարր, ապա մահաբերության ցուցանիշի արժեքը ավելի բարձր կլիներ Բ հիվանդանոցում: Մահաբերության ցուցանիշներում տարբերությունների վրա (մասնավորապես Ա հիվանդանոցում դրա «բարձրացումը» և Բ հիվանդանոցում «նվազումը») ազդեցություն է թողել հիվանդների անմիատարր տարիքային կազմը, այսինքն՝ Ա հիվանդանոցում գերակշռել են մեծահասակ տարիքային խմբի հիվանդները, որոնք ունեն հարաբերորեն բարձր մահաբերության ցուցանիշներ, իսկ Բ հիվանդանոցում, հակառակը՝ մինչև 40 տարեկան տարիքային խմբի հիվանդները, որոնք ունեն մահաբերության ցածր ցուցանիշներ:
ՑՈՒՑԱՆԻՇՆԵՐԻ ՍՏԱՆԴԱՐՏԱՑՄԱՆ ԱՆՈՒՂՂԱԿԻ ՄԵԹՈԴԸ
Ստանդարտացման անուղղակի մեթոդը սովորաբար կիրառվում է այն դեպքում, երբ երկու համեմատվող ամբողջություններում կամ նրանցից որևէ մեկում բացակայում են ըստ խմբերի հատուկ ցուցանիշների հաշվարկի համար անհրաժեշտ տվյալները:
192 | Կենսաբանական վ իճակագրության հիմունքներ եթոդը կիրառելու համար անհրաժեշտ են տվյալներ ուսումնասիրվող Մ ամբողջությունների կառուցվածքների մասին՝ ըստ հատկանիշի, որն ազդեցություն է թողնում հետազոտվող երևույթի մեծության վրա (օրինակ՝ ըստ տարիքի), համեմատվող ամբողջություններում հետազոտվող երևույթի հանդիպման փաստացի (արձանագրված) դեպքերի ընդհանուր թվաքանակի, ինչպես նաև տվյալներ մահացության և հիվանդացության խմբային ցուցանիշների մասին, որոնք կարող են ընդունվել որպես ստանդարտ: Հաշվարկների հաջորդականությունը հետևյալն է: I փուլ: Ընտրվում է ստանդարտը: Որպես ստանդարտ ընդունվում են խմբային, բացի համեմատվողներից, բնակչության ցանկացած այլ խմբի ցուցանիշներ (օրինակ՝ տարիքային): Դրանք սովորաբար տվյալ երկրի (կամ մեծ տարածաշրջանի) համար հաշվարկված ընդհանուր ցուցանիշներն են: II փուլ: Համեմատվող խմբերում հաշվարկվում են ուսում նասիրվող երևույթի «սպասվող» բացարձակ մեծությունները, որն իրականացվում է ստանդարտային պոպուլ յացիայի խմբային ցուցանիշների հիման վրա: Սպասվող մեծությունները ուսում նասիրվող երևույթի հանդիպման դեպքերի թվաքանակներն են, որոնք կդիտվեին համեմատվող խմբերում, եթե վերջիններում բոլոր խմբային ցուցանիշները (օրինակ՝ մահացության, հիվանդացության) լինեին այնպիսին, ինչպիսիք են ստանդարտային պոպուլյացիայում: III փուլ: Բնակչության մահացությունը վերլուծելու դեպքում իրականացվում է ստանդարտացված մահացության հարաբերության (SMR-standardized mortality ratio), իսկ հիվանդացությունը վերլուծելու դեպքում՝ ստանդարտացված հիվանդացության հարաբերության (SIR- standardized incidence ratio) հաշվարկ: Դա պայմանական հիպոթետիկ մեծություն է (սովորաբար արտահայտվում է տոկոսներով), որը ցույց է տալիս համեմատվող խմբերի կառուցվածքներում տարբերությունները վերացնելու դեպքում ուսումնասիրվող երևույթի մակարդակի տարբերությունը ստանդարտային խմբի համեմատությամբ: Եթե ստանդարտացված մահացության հարաբերությունը >100%-ից, նշանակում է, որ դիտարկվող տարածաշրջանում մահացությունն ավելի բարձր է, քան ստանդարտային պոպուլ յացիայում, իսկ եթե <100%-ից, ապա տվյալ տարածաշրջանում մահացությունն ավելի ցածր է ստանդարտային պոպուլ յացիայի համեմատությամբ: IV փուլ: Եզրակացության ձևակերպում: Քննարկենք հաշվարկի մեթոդիկան հետևյալ հիպոթետիկ օրինակով: Զարգացած և զարգացող երկրներում մանկական մահացության մակարդակների համեմատությունից պարզվեց, որ վերջինում ցուցանիշի արժեքը շուրջ 2 անգամ ավելի բարձր է (23.9%0՝ 12.0%0-ի դիմաց): Զարգացող երկրում
Դինամիկ շարքի վերլուծություն | 193
ցուցանիշի առավել բարձր մակարդակը կարող է պայմանավորված լինել, օրինակ, նորածինների մարմնի զանգվածի գործոնի ազդեցությամբ: Ենթադրենք, թե մենք ունենք տվյալներ երկու համեմատվող ամբողջություններում կենդանի ծնված մանկիկների մարմնի զանգվածի, նրանց շրջանում մահերի ընդհանուր քանակի, ինչպես նաև ստանդարտ պոպուլ յացիայում մանկական մահացության խմբային ցուցանիշների վերաբերյալ (աղ. 31): I փուլ: Որպես ստանդարտ՝ ընդունվում են մանկական մահացության միջին համաշխարհային ցուցանիշները ըստ կենդանի ծնված երեխաների մարմնի զանգվածի: Աղ յուսակ 31. Մանկական մահացության ցուցանիշների ստանդարտացումը (անուղղակի մեթոդ)
Նորածինների մարմնի զանգվածը
Ստան դարտային պոպուլ յա ցիայում մանկական մահացության խմբային ցուցանիշ, %
Զարգացած երկիր
Զարգացող երկիր
Կենդանի ծնված ների քանակը
Սպասվող մահերի քանակը
Կենդանի ծնված ների քանակը
Սպասվող մահերի քանակը
<1500 գ
50.0
20000
30000
1500-2499 գ
20.0
30000
45000
≥ 2500 գ
10.0
150000
65000
II փուլ: Համեմատվող երկրներից յուրաքանչյուրի դեպքում սպասվող մահերի քանակի հաշվարկը, ըստ մարմնի զանգվածի, կատարվում է՝ ստանդարտային պոպուլ յացիայում համապատասխան մահացության հատուկ ցուցանիշի և տվյալ երկրում կենդանի ծնված երեխաների քանակի արտադրյալի արժեքը բաժանելով 1000-ի (նկատի ունենալով, որ մանկական մահացության ցուցանիշը որոշված է 1000 երեխայի հաշվով): Այսպես, զարգացած երկրում մինչև 1500 գ մարմնի զանգվածով ծնված երեխաների խմբում սպասվող մահերի քանակը հաշվվում է հետևյալ ձևով՝ 50.0*20000/1000=1000: III փուլ: Իրականացվում է ստանդարտացված մահացության հարաբերության (ՍՄՀ) հաշվարկը, այսինքն՝ փաստացի մահացած երեխաների քանակի և սպասվող մահերի քանակի հարաբերության որոշումը (աղ. 32):
194 | Կենսաբանական վիճակագրության հիմունքներ Աղ յուսակ 32. Ստանդարտացված մահացության հարաբերության հաշվարկը
Մինչև 1 տարեկան երեխաների մահվան դեպքերը
Համեմատվող երկրներում զարգացած
զարգացող
փաստացի մահվան դեպքերի քանակը
ընդամենը սպասվող մահերի քանակը
2400/3100=0.77
3345/3050 =1.1
ստանդարտային մահացության հարաբերություն
Այսպես. ստանդարտային մահացության հարաբերությունը (ՍՄՀ)՝ զարգացած երկրում հավասար է 2400/3100=0.77 կամ 77%, իսկ զարգացող երկրում՝ 3345/3050 =1.1 կամ 110%: IV փուլ: Այսպիսով, համեմատվող երկրներում կենդանի ծնված երեխաների շրջանում ըստ մարմնի զանգվածի միանման կառուցվածքի դեպքում մանկական մահացության մակարդակը ստանդարտայինի համեմատ զարգացած երկրում կլիներ 23%-ով ցածր, իսկ զարգացող երկրում՝ 10%-ով բարձր:
ԳՐԱԿԱՆՈՒԹՅՈՒՆ
1. 2. 3. 4. 5. 6. 7.
Герасимов А. Н., Медицинская статистика, МИА, 2007, 488 с. Зайцев В. Н., Маринский В. И., Лифляндский В. Г., Приклодная медицинская статистика, СПб, 2003, 432 с. Стентон Гланц. Медико-биологическая статистика. Москва, 1999, 459 с. Marcello Pagano, Kimberlee Gauvreau. Principles of Biostatistics. Belmont, Duxbury Press, 1993, 112 p. Leon Gordis. Epidemiology. W.B.Saunders Company, 1996, 400 p. Beth Dawson, Robert G. Trapp. Basic and Clinical Biostatistics. Lange Medical Books/McGraw-Hill, 2001, 400 p.
GUPTA S. P., ELEMENTARY STATISTIGAL METHODS Sultan Chand & Sons, 2007,
759 p.
ԲՈՎԱՆԴԱԿՈՒԹՅՈՒՆ
ԿԵՆՍԱԲԱՆԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅԱՆ ՆԵՐԱԾՈՒԹՅՈՒՆ ....................... 3 ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԱՆՑԿԱՑՄԱՆ ՓՈՒԼԵՐԸ ................. 6 Հետազոտության առաջին փուլ ........................................................................ 6 Հետազոտության երկրորդ փուլ ......................................................................18 Հետազոտության երրորդ փուլ ........................................................................21 Հետազոտության չորրորդ փուլ ...................................................................... 22 ԲԺՇԿԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐԻ ԴԻԶԱՅՆ ....................................... 24 ԴԻՏԱԿԱՆ (ՕԲՍԵՐՎԱՑԻՈՆ) ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ................................ 27 Դեպքի նկարագիր............................................................................................ 27 Դեպքերի սերիայի նկարագիր........................................................................ 27 «Դեպք-ստուգիչ» հետազոտություններ ......................................................... 28 «Դեպք-ստուգիչ» հետազոտության դիզայնը ................................................ 29 Լայնակի (հատույթային, տարածվածության) հետազոտություններ ........... 35 Լայնակի հետազոտության դիզայնը .............................................................. 36 Կոհորտային հետազոտություններ ................................................................ 39 Կոհորտային հետազոտությունների տեսակները ......................................... 43 ՓՈՐՁԱՐԱՐԱԿԱՆ ՀԵՏԱԶՈՏՈՒԹՅՈՒՆՆԵՐ ................................................. 49 Պատմական կամ ոչ զուգահեռ հսկողությամբ հետազոտությունը ...............51 Կլինիկական հետազոտությունը զուգահեռ ստուգիչ խմբի հետ ..................51 Կլինիկական փորձարկումներ, հետազոտություններ ինքնաստուգիչով ............59 «Մինչև-հետո» հետազոտությունը ................................................................. 60
ԱԽՏՈՐՈՇԻՉ ԵՎ ՍՔՐԻՆԻՆԳԱՅԻՆ ԹԵՍՏԵՐԻ ԱՐԴՅՈՒՆԱՎԵՏՈՒԹՅԱՆ
ԳՆԱՀԱՏՈՒՄԸ.................................................................................................. 61 Մի քանի ախտորոշիչ թեստերի կիրառումը .................................................. 70
ՆԿԱՐԱԳՐԱԿԱՆ ՎԻՃԱԿԱԳՐՈՒԹՅՈՒՆ ........................................................ 75 Հաճախականությունների բաշխման աղ յուսակներ ..................................... 75 Հաճախականությունների բաշխման գրաֆիկական պատկերումը ............. 79 Կենտրոնական բաշխման մեծությունները .................................................... 86 Փոփոխականության կամ ցրվածության ցուցանիշներ ................................ 90 Հարաբերական մեծությունները, դրանց գրաֆիկական պատկերումը ....... 99 ՎԻՃԱԿԱԳՐԱԿԱՆ ԵԶՐԱԿԱՑՈՒԹՅՈՒՆՆԵՐ ................................................106 ՄԻՋԻՆ ԹՎԱԲԱՆԱԿԱՆԻ ՎՍՏԱՀԵԼԻՈՒԹՅԱՆ ՍԱՀՄԱՆՆԵՐԸ ................ 111
ՈՐԱԿԱԿԱՆ ՓՈՓՈԽԱԿԱՆՆԵՐԻ ԴԵՊՔՈՒՄ ՀԱՇՎԱՐԿՎԱԾ
ՑՈՒՑԱՆԻՇՆԵՐԻ ՎՍՏԱՀԵԼԻՈՒԹՅԱՆ ՍԱՀՄԱՆՆԵՐԸ ՈՐՈՇԵԼԸ............ 118 ՎԱՐԿԱԾՆԵՐԻ ՍՏՈՒԳՈՒՄ.............................................................................121 t ՄԵԾՈՒԹՅԱՆ ՀԱՇՎԱՐԿ............................................................................. 125 ԿՐԻՏԻԿԱԿԱՆ ԱՐԺԵՔՆԵՐ ՈՐՈՇԵԼԸ ..........................................................126 Երկու տեսակի սխալներ.................................................................................128 Հայտանիշի (թեստի) վիճակագրական հզորություն ...................................129 Միակողմանի վիճակագրական հայտանիշներ ...........................................130 Երկու միջինների համեմատումը ................................................................... 132 Երկու միջինների համեմատումը անկախ ընտրանքների դեպքում ............133 Դեպրեսիոն վերլուծություն ............................................................................135 Ցուցանիշների համեմատումը .......................................................................142 Հետազոտության անհրաժեշտ ծավալը որոշելը...........................................142 ՈՉ ՊԱՐԱՄԵՏՐԻԿ ԹԵՍՏԵՐ...........................................................................150 Ստուգում ըստ X2 հայտանիշի........................................................................ 151 Մակ-Նիմարի թեստ......................................................................................... 155 Ման-Ուիթնիի թեստ......................................................................................... 157 Ոչ պարամետրիկ բազմակի համեմատություններ .......................................158 Կորելյացիոն վերլուծություն .......................................................................... 161 Ռեգրեսիոն վերլուծություն ............................................................................165 Ռեգրեսիոն հավասարման պարամետրերի գնահատումը .........................165
Բազմակի ռեգրեսիա....................................................................................... 167 Լոգիստիկ ռեգրեսիա......................................................................................169
ՈՐԱԿԱԿԱՆ ՀԱՏԿԱՆԻՇՆԵՐԻ ՄԻՋԵՎ ԵՂԱԾ ՓՈԽԱԴԱՐՁ ԿԱՊԻ
ԳՆԱՀԱՏՈՒՄԸ ՓՈԽԱԴԱՐՁ ԶՈՒԳՈՐԴՄԱՆ ՍԿԶԲՈՒՆՔԻ ՀԻՄԱՆ ՎՐԱ ....174
ՀԱՄԱՊԱՏԱՍԽԱՆ ՎԻՃԱԿԱԳՐԱԿԱՆ ԹԵՍՏԻ ԸՆՏՐՈՒԹՅՈՒՆ ................178 ԴԻՆԱՄԻԿ ՇԱՐՔԵՐ........................................................................................180
ՈՒՍՈՒՄՆԱՍԻՐՎՈՂ ԵՐԵՎՈՒՅԹԻ ՄԻՏՈՒՄՆԵՐԻ ԿԱՄ
ՕՐԻՆԱՉԱՓՈՒԹՅՈՒՆՆԵՐԻ ՈՐՈՇՄԱՆ ԵՂԱՆԱԿՆԵՐԸ.............................. 181 ԴԻՆԱՄԻԿ ՇԱՐՔԻ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆԸ ...................................................185 Ցուցանիշների ստանդարտացումը ...............................................................187 Ցուցանիշների ստանդարտացման ուղիղ մեթոդը .......................................188 Ցուցանիշների ստանդարտացման անուղղակի մեթոդը ............................. 191 ԳՐԱԿԱՆՈՒԹՅՈՒՆ..........................................................................................195
ԵՆՍԱԲԱՆԱԿԱՆ
Կ
ԻՃԱԿԱԳՐՈՒԹՅԱՆ ՀԻՄՈՒՆՔՆԵՐ
Վ Ուսումնական ձեռնարկ
Տեխն. խմբագիր՝
Արարատ Թովմասյան
Էջադրող՝
Նարինե Հովհաննիսյան
Սրբագրիչ՝
Անժելա Ավագյան
Կազմը՝
Վիտալի Ասրիևի
«Անտարես» հրատարակչատուն ՀՀ, Երևան 0009, Մաշտոցի պ. 50ա/1 Հեռ.՝ (+374 10) 58 10 59, 58 76 69 [email protected] www.antares.am