Научная электронная библиотека

Монографии, изданные в издательстве Российской Академии Естествознания

ЭПИДЕМИОЛОГИЧЕСКИЕ АСПЕКТЫ ОСНОВНЫХ СТОМАТОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ В ЧЕЛЯБИНСКОЙ ОБЛАСТИ

Сафиуллин А. А.,

2.4. Методы статистической обработки данных

Полученные при обследовании результаты были статистически обработаны при помощи программы Vortex 8.0.7. В программе сравнительный анализ показателей стоматологического обследования в различных группах населения проводился с использованием t-критерия Стьюдента с общепринятым для медицинских исследований уровнем достоверности р=О,05. Полученные данные представлены в виде M±m, где М среднеарифметическое, m стандартная ошибка среднего.

Для определения статистической связи использовался коэффициент Эта. При этом вероятность ошибки должна быть не высокой – менее 5%, тогда связь между переменными считается высокой.

В результате исследования и обработки, полученных данных в программе Vortex 8.0.7 мной были получены следующие средние значения со стандартными отклонениями:

− количество обследованного населения по районам;

− значения показателей внеротового обследования;

− значения показателей ВНЧС;

− значения показателей патологии пародонта;

− значения показателей некариозных поражений;

− значения показателей КПУ, КП;

− значения нуждаемости в лечении и протезировании;

− данные зубочелюстных аномалий;

− индекс стоматологической помощи;

− индекс уровня стоматологической помощи;

− значения социологического обследования (частота чистки зубов, частота употребления сахара, и др.)

Расчет проводился с помощью:

1. коэффициента Крамера, с помощью которого оценивалась степень статистической связи между двумя переменными (при вероятности ошибки более 5% связь отсутствала);

2. критерия t-Стьюдента для установления предельной величины ошибки репрезентативности для определения статистической значимости различий (обычно критической величиной выступает вероятность ошибки в 5%);

3. коэффициента Пирсона для оценки статистической связи (наиболее эффективен:

− если обе переменных замерены по количественной шкале;

− если значение коэффициента находится в отрицательной части шкалы и вероятность ошибки не высокая (<5%), то взаимосвязь носит обратный характер: с ростом одной переменной наблюдается уменьшение другой;

− если значение коэффициента находится в положительной части шкалы и вероятность ошибки не высокая (<5%), то взаимосвязь носит прямой характер: с ростом одной переменой растут и значения другой; если вероятность ошибки высокая (>5%), то статистически значимая взаимосвязь между переменными отсутствует);

− коэффициент Пирсона наиболее чувствителен к линейной связи, когда рост одной переменной однозначно вызывает рост или снижение другой переменной, однако если связь носит нелинейный характер, коэффициент Пирсона может ее не зафиксировать, поэтому его всегда имеет смысл сравнивать с коэффициентом Эта;

4. коэффициента Эта, который оценивает статистическую связь в таблице двухмерного распределения; используется, если зависимая переменная носит количественный характер (при этом вероятность ошибки должна быть не высокой (не более 5%), иначе данная связь статистически незначима); в отличие от коэффициента Пирсона, коэффициент Эта чувствителен к нелинейной связи, когда нет однозначного соответствия между ростом одной и изменением другой переменной.