Меню

Статистический сборник Здравоохранение в России 2019 полная версия

Статистический сборник «Здравоохранение в России — 2019», полная версия

ФЕДЕРАЛЬНАЯ СЛУЖБА ГОСУДАРСТВЕННОЙ СТАТИСТИКИ

ЗДРАВООХРАНЕНИЕ В РОССИИ 2019

Титульный лист статистического сборника Здравоохранение в России 2019 г.

Федеральная служба государственной статистики, 2019

Федеральная служба государственной статистики. Здравоохранение в России — 2019, официальное издание, полная версия

ПРЕДИСЛОВИЕ

Статистический сборник содержит информацию, характеризующую состояние здравоохранения в Российской Федерации в 2018 году в сравнении с рядом предшествующих лет. Сборник издается начиная с 2001 года с периодичностью один раз в два года.

При подготовке сборника использованы данные, получаемые органами
государственной статистики от юридических лиц, населения путем проведения федерального статистического наблюдения, выборочных обследований и других форм статистического наблюдения, данные министерств и ведомств Российской Федерации.

В сборнике публикуются сведения о медико-демографических аспектах здоровья населения и его отдельных социально-демографических групп, организации лечебно-профилактической помощи и санаторно-курортного лечения населения, а также
о состоянии рынка труда в здравоохранении, производстве товаров медицинского назначения, потребительском рынке товаров и услуг здравоохранения. Приведена информация о состоянии окружающей среды и санитарно-эпидемиологическом контроле. Методологические пояснения помещены в начале каждого раздела.

Статистическая информация о состоянии здравоохранения в Российской Федерации в целом и по субъектам Российской Федерации представлена в основном
за 2005, 2010, 2015 – 2018 годы. Данные за 2018 год по отдельным показателям в ряде случаев являются предварительными.

Статистическая информация в разрезе субъектов Российской Федерации выделена
в отдельное электронное приложение.

С 2015 г. статистический сборник «Здравоохранение в России» публикуется только
в электронном виде для размещения на официальном Интернет-сайте Росстата.

Источник

Данные медицинской статистики таблица

Золотов И.А. Центр изучения проблем здравоохранения

Вычисление среднего – один из распространенных примеров обобщения. Средний показатель отражает то общее, что характерно (типично) для всех единиц изучаемой совокупности, в то же время он игнорирует различия отдельных единиц статистической совокупности.

Продолжаем разговор о методологии статистического исследования. В статье «Методологические основы статистического исследования в области здравоохранения» [1] мы остановились на понятии средних величин и показателях вариации. Напомним, что построение на основе первичных статистических данных вариационного ряда – это только первый шаг к изучению всей совокупности. Далее определяют средние показатели изучаемого признака.

Повторим, что средней величиной в статистике называют обобщающий показатель, характеризующий типичный уровень явления в конкретных условиях места и времени, отражающий величину варьируемого признака в расчете на единицу качественно однородной совокупности. «Качественно однородная совокупность» – это ключевые слова, т.к. расчеты средних показателей при объединении совершенно различных (качественно неоднородных) групп теряют всякое практическое значение. Это что-то вроде средней температуры пациентов по больнице. Средняя продолжительность жизни в 50 лет получается при 2-х смертях в возрасте 49 лет и 51 год, а также при смерти столетнего долгожителя и новорожденного. Понятно, что во втором случае давать обобщающую характеристику средней продолжительности жизни нельзя. Нужно сравнивать только однородные группы по поло-возрастному составу и другим признакам.

Вычисление среднего – один из распространенных примеров обобщения. Средний показатель отражает то общее, что характерно (типично) для всех единиц изучаемой совокупности, в то же время он игнорирует различия отдельных единиц статистической совокупности. В каждом явлении практически всегда имеется сочетание случайности и детерминированности (необходимости). При исчислении средних в силу действия закона больших чисел случайности взаимопогашаются, уравновешиваются, поэтому можно абстрагироваться от несущественных особенностей явления, от количественных значений признака в каждом конкретном случае. В способности абстрагироваться от случайности отдельных значений, колебаний и заключена научная ценность средних величин как обобщающих характеристик совокупностей.

Там, где возникает потребность обобщения, расчет таких характеристик приводит к замене множества различных индивидуальных значений признака средним показателем, характеризующим всю совокупность явлений, что позволяет выявить закономерности, присущие массовым явлениям, незаметные в единичных наблюдениях. Повторим, что для того, чтобы средний показатель был действительно типизирующим, он должен определяться не для любых совокупностей, а только для совокупностей, состоящих из качественно однородных единиц. Это является основным условием научно обоснованного использования средних показателей. Средние, полученные для неоднородных совокупностей, будут искажать характер изучаемого общественного явления. Для решения проблемы в таких случаях метод средних используется в сочетании с методом группировок, позволяющим выделить однородные группы, по которым и вычисляются типические групповые средние.

Групповые средние позволяют избежать «огульных» средних, обеспечивают сравнение уровней отдельных групп с общим уровнем и друг с другом, что позволяет проводить анализ, выявляя различия и устанавливая закономерности.

На практике помимо групповых используются и системные средние показатели, обобщающие неоднородные явления, например, общая заболеваемость или смертность всего населения без дифференциации по поло-возрастному составу, нозологиям и т.д.

Читайте также:  Значение из заданной строки диапазона

При статистическом анализе нельзя ограничиваться лишь средними показателями, т.к. за общими благоприятными средними могут скрываться серьезные проблемы и недостатки, или наоборот, прогрессивные тенденции.

Средняя должна исчисляться для совокупности, состоящей из достаточно большого числа единиц, т.к. в этом случае согласно закону больших чисел (об этом мы писали выше) взаимопогашаются случайные индивидуальные различия между единицами статистической совокупности, и они не оказывают существенного влияния на среднее значение, что способствует проявлению основного, существенного, присущего всей совокупности.

Наиболее известными являются три вида средних величин: средняя арифметическая (М) [2] , мода (МО) и медиана (Ме). Мода (МО) и медиана (Ме) относятся к разряду средних структурных.

Средние структурные

Мода (МО) – это величина признака, которая чаще других встречается в изучаемой совокупности. Возьмем для примера результаты гипотетического измерения веса у 50 женщин в возрасте 30 лет (см. табл. 1) . Результаты измерения (вариационный ряд) для наглядности представлены также в виде диаграммы (см. диаграмму 1).

Результаты измерения веса у 50 женщин в возрасте 30 лет (вариационный ряд)

Источник



Статистика для диссертаций по медицине

Статистика для диссертаций по медицине Что такое диссертация и как ее написать?

Статистика для медицинских диссертаций – это важный инструмент для проведения экспериментальных данных по теме научной работы (ход развития выбранного заболевания в некоторых группах пациентов, клинические наблюдения, модернизация теоретических/практических постулатов, разработка новых методов лечения популярных заболеваний и т.д.)

В чем суть статистики для диссертации по медицине?

в чем суть статистика для диссертаций по медицине?

Статистический анализ может проводиться автором самостоятельно или при участии статистика – все зависит от сложности выбранной тематики/направления медицинского исследования. Основная задача соискателя ученой степени – подробно перечислить использованные методы анализа, статистические критерии/программы для проведения требуемых работ с учетом репрезентативности проделанной выборки данных.

Рекомендуемый объем для описания статистических методов – до десяти предложений. Если диссертация составляется по специфической тематике, разрешается выйти за рекомендуемые пределы (максимальное количество страниц – 7 шт).

Основные виды статистических данных в медицине

основные виды статистических данныхIllustration of graphs

Существует два типа статистических данных в медицине – это количественные (дискретные) и качественнее (номинальные) переменные. При сборе статистике/ заполнении данных, автор обязуется строго придерживаться выбранной категории – такая систематизация информации упростит соискателю дальнейшую обработку переменных в соответствующих статистических программах или редакторе Microsoft Excel.

Во избежание путаницы запрещается одновременное внесение числовых и/или текстовых переменных (пример: при указании подтверждения выбора «да/нет» как 1 или 0, не разрешается вносить буквенные обозначения действия).

Как самостоятельно собрать статистику для будущих исследований?

Сбор статистики для медицинской диссертации состоит из четырех основных этапов – это составление плана, сбор требуемого материала, систематизация полученных данных, анализ результатов.

1.Составляем план

План исследования – это документ, отображающий основные организационные элементы будущей работы с предоставлением информации о соискателе, времени и месте прогнозируемых экспериментов.

Перед составлением плана исследования, автор определяет основные свойства объекта, как статистической совокупности отдельных явлений/предметов, выделяя главные единицы наблюдения для написания диссертации.

2.Собираем требуемый материал

После составления плана, автор собирает требуемый материал и организовывает статистическое наблюдение, заполняя необходимые учетные документы в строгом соответствии с программой исследования.

При отборе категорий пациентов для определения эффективности метода лечения, соискатель учитывает их возраст, сопутствующие заболевания и т.д – это позволит объективно проанализировать результаты лечения.

3.Систематизируем полученные данные

Систематизация полученного материала может видоизменяться – все зависит от направления медицинской диссертации. Основные этапы – это контроль/шифровка данных, их группировка по категориям, сведение в таблицы, вычисление необходимых статистических показателей, создание наглядного материала (диаграммы, иллюстрации, графические изображения и т.п).

В процессе работы над данными/проведением исследований, соискатель ученой степени подбирает высокоточное оборудование с минимальным процентом погрешности, необходимое для получения объективных результатов.

4.Анализируем результаты и формируем выводы

После систематизации/анализа данных, автор сопоставляет полученные результаты с данными аналогичных исследований, обобщает материал с учетом критериев выбранного направления, формулирует конечные выводы/предложения по дальнейшему практическому применению в конкретной медицинской отрасли.

Основные этапы систематизации полученной статистики для медицинской диссертации

основные этапы систематизации статистики

Упростить сбор/систематизацию статистики для медицинской диссертации помогут девять основных этапов: от определения необходимого объема выборки до анализа выживаемости определенных категорий пациентов.

1. Определяем необходимый объем выборки

Перед началом статистического сбора, автор определяет первоначальный объем выборки данных, необходимый для достижения наилучшего результата.

2.Рандомизируем пациентов по основным группам

Разбивка пациентов по определенным группам – это один из ключевых моментов работы над медицинской статистикой, позволяющий избежать смещенной оценки полученных итогов. Рандомизация основывается на двух методах – простой и стратифицированный случайный выбор.

Читайте также:  Что такое свойства поля таблицы access

3.Проводим визуальный анализ полученных результатов

Составить грамотный визуальный ряд медицинской статистики поможет стороннее программное обеспечение или редактор Microsoft Excel. В зависимости от темы научной работы, можно интерактивно настроить необходимые диаграммы размаха/рассеивания, гистограммы, трехмерные графики, другие изображения по требуемым категориям.

4.Вычисляем требуемые описательные характеристики

Описательный анализ упрощает вычисление исследуемых параметров (например, дисперсия, уровень среднего отклонения от стандартных значений, доверительные интервалы, медианы, квартили для отдельно взятых пациентов и/или их групп).

5. Составляем таблицы сопряженности

Таблица сопряженности – это инструмент, необходимый для быстрой установки степени/уровня значимости взаимосвязей между несколькими категориальными признаками проводимых статистических исследований, а также вычисления относительных/абсолютных рисков с указанием предельной точки, необходимой для автоматического построения доверительных интервалов.

6. Определяем степень зависимости между несколькими показателями

Для вычисления степени зависимости между несколькими непрерывными показателями, автору рекомендуется использовать коэффициенты корреляции. Использование множественной регрессии подойдет для случаев с непрерывной зависимой переменной и несколькими непрерывными показателями.

7. Cравниваем эффективность лечения в нескольких группах

Сравнение/вычисление эффективности в различных группах можно несколькими способами – это Т-критерии или непараметрические критерии. В зависимости от направленности исследования/количества исследуемых групп, автору рекомендуется использовать дисперсионный анализ или непараметрический критерий Краскелла-Уоллиса.

8. Выявляем основные факторы, влияющие на результативность выбранного лечения

Способы выявления значимых статистических факторов зависит от типа исходных данных и специфики рассматриваемого объекта исследования. Соискатель ученой степени может воспользоваться дискриминантным анализом или логит-регрессией.

9. Анализируем выживаемость в разных группах

Для анализа статистики выживаемости пациентов из разных возрастных категорий могут использоваться критерии Гехана-Вилкоксона, логарифмический ранговый критерий и др.инструменты.

Программа Statistica: отличный помощник в систематизации статистических данных

Программа STATISTICA упрощает систематизацию статистических данных, представляя их в удобном, наглядном формате для пользователя. Автор медицинской диссертации получает возможность провести начальное исследование представленной информации, рассчитать необходимые показатели перед подготовкой презентации к процедуре защиты научной работы. Скачать программу можно на сайте StatSoft.

Источник

Азбука медицинской статистики. Глава I. C чего начинается статистический анализ?

Вся статистика — это изучение того, как один параметр влияет на другой, как они ­соизменяются

Математик-аналитик. Специалист в области статистических исследований в медицине и гуманитарных науках

На сегодняшний день существует огромное количество статей по клиническим исследованиям. Клиницист, стремящийся к глубоким знаниям, наверняка знает про базы медицинских статей, например, pubmed, eMedicine World Medical Library, National Library of Medicine — National Institutes of Health и так далее. Статьи в этих базах написаны строгим научным языком, с указанием методов статистического анализа. Читатель, не искушенный в статистике, встречается с большим количеством неясных ему терминов, например: «анализ мощности» и «расчет количества выборки», «критерии сравнения средних», «корреляции», «отношения шансов», «пропорциональные риски» и так далее. Если читатель не понимает, что это такое, то он или закроет статью, или не сможет оценить, адекватно ли автор применил статистические методы для анализа эмпирических данных и можно ли доверять полученным выводам. Итак, начнем с ­азов.

Медиана, мода, среднее, разброс

Рассмотрим пример: исследование охватило 200 человек с ожирением. Вес участников исследования колебался от 105 до 203 кг. Это разброс значений, или дисперсия. Средний вес составил 120 кг — это среднее значение веса в выборке. К примеру, 30 из 200 человек имели вес 115 кг. Остальные весили по‑разному, поэтому 115 — оказалось самым «популярным» значением веса в выборке, то есть модой ­веса.

Даже на базе этих данных мы можем составить представление о том, как выражен изучаемый признак: большинство участников исследования весило ближе к 100 кг, и только немногие весили около 200. Кроме определения «чистого» веса можно, например, ранжировать (разделить) пациентов по индексу массы тела — ИМТ. Например, 1 — ожирение первой степени (ИМТ 30–35), 2 — ожирение второй степени (ИМТ 35–40), 3 — ожирение третьей степени (ИМТ более 40). И тут мы плавно подходим к понятию шкал ­переменных.

Какие бывают шкалы

Для справки

Медиана — значение, которое делит ряд чисел (распределение) ровно пополам, так что одна половина больше этого значения, а вторая меньше. Например, семерка для ряда чисел 2, 3, 3, 4, 7, 5, 6, 9, 9. Если в выборке чётное число элементов, медиану чаще всего высчитывают как полусумму двух соседних значений. Например, медиану набора <1, 3, 5, 7>принимают равной 4.

Читайте также:  Маркировка SMD конденсаторов керамических электролитических танталовых

Мода — значение во множестве наблюдений, которое встречается наиболее часто. Мода достаточно редко встречается в медицинских исследованиях, однако является базовым понятием ­статистики.

Общепринято использовать классификацию шкал измерения, предложенную американским психологом Стенли Стивенсоном еще в 1946 ­году.

1. Номинативная (категориальная) шкала

Это шкала классификации каких‑то категорий. Например, пациентов можно разделить по полу, по уровню холестерина в крови (высокий, низкий, средний), степеням ожирения, как в приведенном примере, и т. ­п.

С этой шкалой нельзя производить никаких математических действий (сложение, деление, вычитание, умножение). Номинативные переменные часто называют группирующими, они нужны, для того чтобы разбить выборку на осмысленные ­категории.

2. Порядковая (ранговая) шкала

vrach_2016_04_прикладная-математика_01.png

Показывает степень выраженности признака, когда приписывается ранг от «очень слабо выражен» до «очень сильно выражен». Частный случай ранговой шкалы — это шкала суммарных оценок Лайкерта, которая часто используется в ­опросниках.

Например, в Болевом опроснике Мак-Гилла есть ­вопрос:

Как Вы оцениваете свою боль? Ответы: слабая, умеренная, сильная, сильнейшая, ­невыносимая.

Если пациент Петров описал свою степень боли как сильную, а пациент Иванов как невыносимую, мы понимаем, что Иванову скорее всего больнее, чем Петрову, условно говоря, на 2 пункта. Однако ранги — это неметрическая шкала, которая не несет количественной ­информации.

Еще к специфичным ранговым шкалам можно отнести шкалу Жана Стэпела. Это 10‑балльная шкала без нулевой точки, которая позволяет оценить, насколько верно или неверно каждое утверждение описывает вопрос. Например, вопрос к пациенту: «Вы считаете, что терапия этим лекарством Вам помогла?».

Да, терапия эффективна:

– 5, – 4, – 3, – 2, – 1, 1, 2, 3, 4, 5

Нет, терапия неэффективна:

– 5, – 4, – 3, – 2, – 1, 1, 2, 3, 4, 5.

Чем выше число, тем больше согласие с ­ утверждением.

С помощью ранговых шкал мы можем, во-первых, высчитать меру разброса, моду и медиану, а во‑вторых, сравнивать признак в нескольких выборках, например, у мужчин и женщин, в группе вмешательства и группе плацебо. Данные методы будут рассмотрены в следующих выпусках ­журнала.

3. Метрическая шкала

К ней относятся непрерывная шкала и шкала отношений (абсолютная ­шкала).

В непрерывной шкале значения лежат в диапазоне от минус бесконечности до плюс бесконечности. Классический пример — это температура по Цельсию. В этой шкале 0 («ноль») не означает отсутствие признака, например, температура воды в 0 ºС не означает, что у воды нет температуры. В этой шкале мы можем сказать, насколько больше или меньше выражен ­признак.

Шкала отношений такая же, как и непрерывная, но в ее случае 0 означает отсутствие признака. К примерам такой шкалы относятся рост, вес, возраст, т. к. не может быть роста минус 1,5 метра или веса в минус 50 килограмм.

Часто в научных статьях мы видим такие понятия, как дисперсия, стандартное отклонение, размах. Это одни из самых важных понятий в статистике, и обозначают они меру разброса значений изучаемого ­признака.

vrach_2016_04_прикладная-математика_02.png

Разброс — показатель того, насколько значения признака отклоняются от его среднего ­значения.

К каждой шкале применима своя мера разброса. Например, уровень гемоглобина — это метрическая шкала. Для такой шкалы характерная мера разброса — это дисперсия, показатель разнородности значений признака. Дисперсия (D) измеряется в квадратных единицах признака, в случае гемоглобина — (г/л)2, поэтому для удобства изучения можно извлечь корень из дисперсии √D и получить стандартное отклонение (standart diviation — SD), которое обозначают буквой σ (сигма). Стандартное отклонение характеризует разброс в обе стороны от среднего ­значения.

Для шкалы Лайкерта можно использовать стандартное ­отклонение.

Тем не менее иногда в статьях и диссертациях можно заметить, что размах используется совместно со стандартным отклонением для метрических ­переменных.

Среднее обозначают буквой µ (Мю) или М. Таким образом, если средний уровень гемоглобина µ=96, а стандартное отклонение σ=20, то диапазон значений лежит в пределах µ±σ (М±SD), или, в нашем случае, 96±20, то есть диапазон от 76 до 116. Важно помнить, что в этом диапазоне будет лежать 68 % значений признака в случае нормального распределения, 95 % значений лежат в пределах двух сигм и 99 % лежат в пределах трех сигм, но об этом в следующем ­номере.

Нашли ошибку? Выделите текст и нажмите Ctrl+Enter.

Источник