Медицинская статистика

Размещено на http://www.allbest.ru/

Разделы медицинской статистики

Медицинская (санитарная) статистика - Изучает количественную сторону явлений и процессов, связанных с медициной, гигиеной и здравоохранением. Выделяют 3 раздела медицинской статистики:

1. Статистика здоровья населения - изучает состояние здоровья населения в целом или его отдельных групп (путем сбора и статистического анализа данных о численности и составе населения, его воспроизводстве, о естественном движении, физическом развитии, распространенности различных заболеваний, продолжительности жизни и т. д.). Оценка показателей здоровья проводится в сопоставлении с общепринятыми оценочными уровнями и уровнями, полученными по различным регионам и в динамике.

2. Статистика здравоохранения - решает вопросы сбора, обработки и анализа информации о сети учреждений здравоохранения (их размещении, оснащении, деятельности) и кадрах (о численности врачей, среднего и младшего медицинского персонала, о распределении их по специальностям, стажу работы, о их переподготовке и т. д.). При анализе деятельности лечебно-профилактических учреждений осуществляется сопоставление полученных данных с нормативными уровнями, а также уровнями, полученными по другим регионам и в динамике.

3. Клиническая статистика - это использование статистических методов при обработке результатов клинических, экспериментальных и лабораторных исследований; она позволяет с количественной точки зрения оценить достоверность результатов исследования и решить ряд других задач (определение объема необходимого числа наблюдений при выборочном исследовании, сформировать экспериментальную и контрольную группы, изучить наличие корреляционных и регрессионных связей, устранить качественную неоднородность групп и т. д.).

2.Определение статистической совокупности

Объектом любого статистического исследования является статистическая совокупность.

Статистическая совокупность - группа, состоящая из множества относительно однородных элементов, взятых вместе в известных границах пространства и времени и обладающих признаками сходства и различия.

Свойства статистической совокупности: 1) однородность единиц наблюдения 2) определенные границы пространства и времени изучаемого явления. Объектом статистического исследования в медицине и здравоохранении могут быть различные контингенты населения (население в целой или его отдельные группы, больные, умершие, родившиеся), лечебно-профилактические учреждения и др.

3.Количественные признаки, их виды. Количественные признаки выражены числами. Количественные признаки относятся к характеристикам, которые различаются по степени своего выражения и могут быть отнесены к полигенным эффектам, то есть являются продуктом двух или более генов.

медицина здравоохранение амплитуда статистический

Основная классификация
по характеру их выражения	по способу измерения	по отношению к характеризуемому объекту	по характеру вариации	по отношению ко времени
2. Количественные	2. Вторичные или расчетные	2. Косвенные	2. Дискретные	2. Интервальные
			3. Непрерывные

4.Статистические величины (абсолютные и сравнительные)

Статистический показатель - количественная характеристика социально-экономические процесса или явления. С точки зрения конкретных объектов и формы выражения, показатели могут быть абсолютными, относительными, средними.

Статистические показатели, выражающие размеры (объемы, уровни) социально-экономических явлений в единицах меры, веса, объема, протяженности, площади, стоимости и т.д. называются абсолютными статистическими величинами. Они всегда имеют определенную размерность, определенные единицы измерения. Относительная величина в статистике - это обобщающий показатель, который дает числовую меру соотношения двух сопоставляемых абсолютных величин. Основное условие правильного расчета относительной величины - сопоставимость сравниваемых показателей и наличие реальных связей между изучаемыми явлениями.

5.Интенсивный показатель.

Показатель интенсивный -- показатель, отражающий частоту возникновения, силу, распространенность того или иного явления в продуцирующей данное явление среде. Рассчитывается на 100, 1000, 10 000 и 100 000 населения (рождаемость, смертность, заболеваемость и др.).

6.Показатель наглядности

Показатель наглядности -- показатель степени доступности восприятия и отражения сравниваемых явлений. Определяется с помощью составления динамических рядов явлений. Выражается в абсолютных и относительных, а также в средних величинах (коэффициенты наглядности). При вычислении последних одна из величин принимается за 100 или за 1, а другие рассчитываются по пропорции к ней.

Диаграмма, её виды.

Наиболее распространенным способом графического изображения статистической информации являются диаграммы.

Диаграммы принято подразделять по их форме на следующие виды:

столбиковые диаграммы;

полосовые диаграммы;

круговые диаграммы;

линейные диаграммы;

фигурные диаграммы;

Другим признаком подразделения диаграмм является их содержание. По этому признаку они подразделяются на диаграммы сравнения, структурные, динамические, графики связи, графики контроля и др.

Диаграммы сравнения отражают соотношения различных исследуемых объектов в связи с каким-либо экономическим показателем. Самыми удобными графиками, на которых осуществляется сопоставление величин экономических показателей, являются столбиковые и полосовые диаграммы. Полосовые диаграммы, в отличие от столбиковых, изображают по горизонтали: основа полос располагается на оси ординат, а экономические показатели в определенном масштабе -- на оси абсцисс.

Фигурные диаграммы содержат соотношения определенных экономических показателей (объектов), которые представлены в условном виде как определенные художественные фигуры, например, головы крупного рогатого скота, какие-либо машины, и др. Динамические диаграммы характеризуют динамику, то есть изменения количественной оценки данного экономического явления в течение известных периодов времени.

Столбиковая диаграмма

Среди плоскостных диаграмм наибольшее распространение получили столбиковые, полосовые или ленточные, треугольные, квадратные, круговые, секторные, фигурные.

8.Картодиаграмма.

Картодиаграммы применяются для изображения географической характеристики изучаемых явлений. Они показывают размещение изучаемого явления, его интенсивность на определенной территории в республике, области, экономическом или административном районе и т. д.

Картодиаграмма -- это сочетание карты или плана местности с диаграммой. В картодиаграммах используемые геометрические символы (столбики, круги и т.д.) или условные рисунки размещаются на контуре географической карты, что дает возможность получить представление не только о величине явления, но и о его распределении по территории. Примером картодиаграмм могут служить карты, используемые в экономической географии, в которых представлено размещение производительных сил по территории стран.

9.Мода: определение, порядок вычисления

Модой (Мо) называют значение признака, которое встречается наиболее часто у единиц совокупности. Для дискретного ряда модой будет являться вариант с наибольшей частотой. Для определения моды интервального ряда сначала определяют модальный интервал (интервал, имеющий наибольшую частоту). Затем в пределах этого интервала находят то значение признака, которое может являться модой.

Чтобы найти конкретное значение моды, необходимо использовать формулу

(7.5)

где xМо - нижняя граница модального интервала; iМо - величина модального интервала; fМо - частота модального интервала; fМо-1 - частота интервала, предшествующего модальному; fМо+1 - частота интервала, следующего за модальным.

10.Применение средних величин в медицине. Средняя величина - это количественная обобщающая характеристика однородной совокупности с изменяющимся варьирующим признаком.[5,c.39] Средняя величина - это число, выражающее общую меру исследуемого признака в совокупности. С помощью средних величин измеряют средний уровень изучаемого признака, то есть то общее, что характерно для него в данной совокупности.

Средние величины применяются:

.для оценки состояния здоровья:

·параметров физического развития (средний рост, средняя масса тела, среднее значение жизненной емкости легких и др.),

·физиометрических показателей (средняя частота пульса, дыхания, АД, средний уровень сахара в крови);

.для характеристики организации работы лечебно - профилактических учреждений:

·в поликлинике: показатели нагрузки врачей, посещаемость поликлиники, среднее число посещений на 1-м году жизни, среднее число детей на участке, среднее число посещений при определенном заболевании и т. д.,

·в стационаре: среднее число дней работы койки в году,

·средняя длительность лечения при определенных заболеваниях и т. д.,

·в санитарно-эпидемической станции: средняя площадь (или кубатура) на 1 человека, средние нормы питания в дневном рационе возрастных групп у детей и взрослых и т. д.;

.для определения медико-физиологических показателей организма в норме и патологии в клинических и экспериментальных исследованиях;

.в специальных демографических и социально-гигиенических исследованиях.

Вариационный ряд, их виды.

Вариационный ряд - это числовые значения признака, представленные в ранговом порядке с соответствующими этим значениям частотами.

Виды вариацией

а) простой -- это ряд, в котором каждая вариата встречается по одному разу (р=1);

6) взвешенный -- ряд, в котором отдельные варианты встречаются неоднократно (с разной частотой).

Вариационный ряд необходим для определения средней величины (М) и критериев разнообразия признака, подлежащего изучению (у, Сv)

12.Средние арифметические величины, их виды

Под средней арифметической понимается такое значение признака, которое имела бы каждая единица совокупности, если бы общий итог всех значений признака был распределен равномерно между всеми единицами совокупности. Вычисление данной величины сводится к суммированию всех значений варьирующего признака и делению полученной суммы на общее количество единиц совокупности.

Средняя арифметическая простая используется в тех случаях, когда варианты или варьирующие признаки встречаются только по одному разу и имеют одинаковый вес в совокупности.

Средняя арифметическая взвешенная используется, когда данные сгруппированы, а отдельные значения признака встречаются неодинаковое число раз.

13.Амплитуда: определение, порядок вычисления.

Амплитумда (лат. amplitudo -- значительность, обширность, величие, обозначается буквой А) -- максимальное значение смещения или изменения переменной величины от среднего значения при колебательном или волновом движении. Виды амплитуды:

пиковая амплитуда -- это отклонение от некоего среднего значения симметричных периодических волн (вроде синусоидальных, прямоугольных или пилообразных);

пик-пик амплитуда, размах -- это разница между положительным и отрицательным пиками;

среднеквадратичная амплитуда-- это квадратный корень среднего по времени значения квадрата отклонения графика от горизонтальной оси асимметричных волн.

14.Методы вычисления показателей динамического ряда

Динамический ряд -- ряд однородных величин, характеризующих изменения явления во времени. Динамические ряды могут быть представлены только однородными величинами: абсолютными, относительными или средними величинами

Типы динамических рядов

Моментный ряд -- характеризует изменение значений явления на определенную дату (момент).

Интервальный ряд -- характеризует изменения значений явления за определенный период (интервал времени). Применяется в случае необходимости анализа процесса в различные дробные периоды

Показатели динамического ряда

Для характеристики скорости изменения процесса применяются такие показатели, как абсолютный прирост (убыль), темп прироста (убыли).

Абсолютный прирост (убыль) характеризует скорость изменения процесса (абсолютную величину прироста (убыли) в единицу времени). Абсолютный прирост рассчитывается как разность между данным уровнем и предыдущим; обозначается знаком "+", характеризуя прирост, или знаком "--", характеризуя убыль.

Темп прироста (убыли) характеризует величину прироста (убыли) в относительных показателях в % и определяется как процентное отношение абсолютного прироста (убыли) к предыдущему уровню ряда; обозначается знаком "+" (прирост) или знаком "--" (убыль).

Для характеристики изменения процесса одного периода по отношению к предыдущему периоду применяется такой показатель, как темп роста (снижения); рассчитывается как процентное отношение последующего (уровня) к предыдущему.

При сравнении динамических рядов с разными исходными уровнями (например, средними, интенсивными, абсолютными) используется показатель -- значение 1% прироста (убыли); рассчитывается как отношение абсолютного прироста к темпу прироста за каждый период.

Для обобщенной количественной оценки тенденций динамического ряда используется показатель, именуемый средним темпом прироста (снижения), выраженный в %. При его расчете для большинства рядов можно использовать следующую формулу:

15.Оценка достоверности результата статистических исследований.

В практической и научно-практической работе врачи обобщают результаты, полученные как правило на выборочных совокупностях. врачи, как правило, проводят исследования на выборочных совокупностях, теория статистики позволяет с помощью математического аппарата (формул) переносить данные с выборочного исследования на генеральную совокупность. При этом врач должен уметь не только воспользоваться математической формулой, но сделать вывод, соответствующий каждому способу оценки достоверности полученных данных. С этой целью врач должен знать способы оценки достоверности. Среди методов оценки достоверности различают параметрические и непараметрические. Параметрические методы оценки достоверности называют количественные методы статистической обработки данных, применение которых требует обязательного знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров. Непараметрические методы оценки достоверности являются количественные методы статистической обработки данных, применение которых не требует знания закона распределения изучаемых признаков в совокупности и вычисления их основных параметров.

Параметрические и непараметрические критерии проверки гипотез.

Статистический критерий - это решающее правило, обеспечивает математически обоснованное принятие истинной и отклонение ложной гипотезы. Согласно статистических гипотез статистические критерии делятся на параметрические и непараметрические

Параметрические критерии используются в задачах проверки параметрических гипотез и включают в свой расчет показатели распределения, например, средние, дисперсии и т.д. Это такие известные классические критерии, как г-критерий, г-к критерий Стьюдента, ^-критерий Фишера и др..

Непараметрические критерии проверки гипотез основаны на операциях с другими данными, в частности, частотами, рангами и т.п. Это А-критерий Колмогорова-Смирнова, [/-критерий Вилкоксона-Манна-Уитни и многие другие

Параметрические критерии позволяют прямо оценить уровень основных параметров генеральных совокупностей, разности средних и различия в дисперсиях Параметрические критерии считаются несколько более мощными, чем не-параметрические, при условии, что признак измеренная с интервальной шкале и нормально распределенная

Непараметрические они не позволяют осуществить прямую оценку уровня таких важных параметров, как среднее или дисперсия, с их помощью невозможно оценить взаимодействий действие двух и более условий или факторов, влияющих на изменение признаки Непараметрические критерии позволяют решить некоторые важные задачи, которые сопровождают исследования в психологии и педагогике: выявление различий в уровне исследуемого признака, оценка сдвига значений исследуемого признака, выявление различий в распределениях ознак.

17.Критерий согласия Хи-квадрат Пирсона.

Критерий хи-квадрат -- любая статистическая проверка гипотезы, в которой выборочное распределение критерия имеет распределение хи-квадрат при условии верности нулевой гипотезы. Считается, что критерий хи-квадрат -- это критерий, который асимптотически верен, то есть, выборочное распределение можно сделать как угодно близким к распределению хи-квадрат путём увеличения размера выборки.

Критерий согласия Пирсона или критерий согласия . Если критерий хи-квадрат упоминается без каких-либо модификаций или без другого исправляющего контекста, этот критерий обычно даёт посредственные результаты (для точного теста, используемого вместо , применяется точный тест Фишера).

Одним из популярных является критерий согласия хи-квадрат К. Пирсона.

В нем вычисляется статистика хи-квадрат:

,

18.Критерий Манна-Уитни.

U-критерий Манна -- Уитни (англ. Mann -- Whitney U-test) -- статистический критерий, используемый для оценки различий между двумя независимыми выборками по уровню какого-либо признака, измеренного количественно. Позволяет выявлять различия в значении параметра между малыми выборками. Для применения U-критерия Манна -- Уитни нужно произвести следующие операции.

Составить единый ранжированный ряд из обеих сопоставляемых выборок, расставив их элементы по степени нарастания признака и приписав меньшему значению меньший ранг. Общее количество рангов получится равным:

где -- количество элементов в первой выборке, а -- количество элементов во второй выборке.

Разделить единый ранжированный ряд на два, состоящие соответственно из единиц первой и второй выборок. Подсчитать отдельно сумму рангов, пришедшихся на долю элементов первой выборки, и отдельно -- на долю элементов второй выборки. Определить большую из двух ранговых сумм (), соответствующую выборке с элементами.

Определить значение U-критерия Манна -- Уитни по формуле:



По таблице для избранного уровня статистической значимости определить критическое значение критерия для данных и . Если полученное значение меньше табличного или равно ему, то признается наличие существенного различия между уровнем признака в рассматриваемых выборках (принимается альтернативная гипотеза). Если же полученное значение больше табличного, принимается нулевая гипотеза. Достоверность различий тем выше, чем меньше значение .

При справедливости нулевой гипотезы критерий имеет математическое ожидание и дисперсию и при достаточно большом объёме выборочных данных распределён практически нормально.

19.Основы дисперсионного анализа.

Дисперсионный анализ -- метод в математической статистике, направленный на поиск зависимостей в экспериментальных данных путём исследования значимости различий в средних значениях[ Суть дисперсионного анализа сводится к изучению влияния одной или нескольких независимых переменных, обычно именуемых факторами, на зависимую переменную. Может быть поставлена задача сравнения двух выборочных дисперсий. Для ее решения применяется критерий, названный в честь английского статистика Рональда Фишера (1890 - 1968)F- критерием. Этот критерий представляет собой отношение выборочных дисперсий s21 и s22,которые рассматриваются как оценки одной и той же генеральной дисперсии у2:

.

20.Виды дисперсионных анализов, область применения. Можно выделить три основных вида гипотез:

1. (значимо ли различие между двумя дисперсиями?)

2. (одна дисперсия значимо больше другой?)

3. (значимо ли различие между несколькими дисперсиями?)

Первые две гипотезы дисперсионного анализа проверяются с помощью критерия Фишера. Причем 1-я гипотеза - с помощью двустороннего критерия, а вторая - с помощью одностороннего. Строго говоря, эти критерии не равны, но в общем случае разницей можно пренебречь. Проверка производится по следующей формуле:

С 3-й гипотезой (сравнение нескольких дисперсий или проверка однородности дисперсий) дело обстоит сложнее. Попарно сравнивать дисперсии некорректно (например, какой вывод нужно сделать, если из трех дисперсий дисперсии 1, 2 и 1, 3 различаются незначимо, а дисперсии 2, 3 - значимо?). В зависимости от типа и количества переменных, различают

однофакторный и многофакторный дисперсионный анализ (одна или несколько независимых переменных);

одномерный и многомерный дисперсионный анализ (одна или несколько зависимых переменных);

дисперсионный анализ с повторными измерениями (для зависимых выборок);

дисперсионный анализ с постоянными факторами, случайными факторами, и смешанные модели с факторами обоих типов;

21.Двухфакторный дисперсионный анализ.

В двухфакторном дисперсионном анализе проверяется гипотеза о равенстве математических ожиданий выходного контролируемого параметра y при различных уровнях двух факторов. При применении двухфакторного дисперсионного анализа исследователь проверяет влияние двух независимых переменных (факторов) на зависимую переменную. Может быть изучен также эффект взаимодействия двух переменных.

Исследуемые группы называют эффектами обработки. Схема двухфакторного дисперсионного анализа имеет несколько нулевых гипотез: одна для каждой независимой переменной и одна для взаимодействия.

Условия применения двухмерного дисперсионного анализа:

Генеральные совокупности, из которых извлечены выборки, должны быть нормально распределены.

Выборки должны быть независимыми.

Дисперсии генеральных совокупностей, из которых извлекались выборки, должны быть равными.

Группы должны иметь одинаковый объем выборки.

22.Статистические методы в эпидемиологическом анализе.

Под статистическим наблюдением в эпидемиологии понимают научно организованный сбор (по единой программе) и обработку данных, например, о проявлениях эпидемического процесса конкретной инфекционной болезни. Этот метод используют в эпидемиологии для количественного изучения инфекционной заболеваемости, деятельности лечебно-профилактических учреждений, а также для оценки эффективности проводимых профилактических и противоэпидемических мероприятий. Статистический метод применяют всегда в сочетании с другими методами, он часто носит вспомогательный характер, т.е. служит для обработки материалов, полученных в результате эпидемиологических исследований.

23.Эпидемиологическая проверка и контроль.

Должностными лицами санитарно-эпидемиологической службы на объекте государственного санитарно-эпидемиологического контроля проводятся следующие виды проверок:

плановая -- запланированная государственным органом проверка, проводимая с учетом установленных законами РК временных интервалов по отношению к предшествующим проверкам;

внеплановая -- проверка, назначаемая в связи со сложившейся социально-экономической ситуацией, требующей немедленного устранения угрозы жизни и здоровью физических лиц, окружающей среде, по имеющимся фактам.

рейдовая -- проверка, охватывающая одновременно деятельность нескольких субъектов предпринимательства по вопросам соблюдения требований законодательства РК в области санитарно-эпидемиологического благополучия населения. Санитарно-эпидемиологический надзор -- это сбор информации и динамическая оценка факторов риска, условий жизни, заболеваемости населения конкретной территории, обоснования и проведения необходимых профилактических и противоэпидемических мероприятий.

Целью санитарно-эпидемиологического надзора является предупреждение возникновения острых инфекционных заболеваний среди населения.

24.Статистические методы исследования.

СТАТИСТИЧЕСКИЕ МЕТОДЫ - научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение. Статистические методы включают в себя и экспериментальное, и теоретическое начала.

Основные статистические методы исследования

Регрессионный анализ. В регрессионном анализе моделируется взаимосвязь одной случайной переменной от одной или нескольких других случайных переменных.

Канонический анализ. Канонический анализ предназначен для анализа зависимостей между двумя списками признаков (независимых переменных), характеризующих объекты.

Частотный анализ. Таблицы частот, или как еще их называют одновходовые таблицы, представляют собой простейший метод анализа категориальных переменных.

Кластерный анализ. Кластерный анализ - это метод классификационного анализа; его основное назначение - разбиение множества исследуемых объектов и признаков на однородные в некотором смысле группы, или кластеры.

Дискриминантный анализ. Дискриминантный анализ включает статистические методы классификации многомерных наблюдений в ситуации, когда исследователь обладает так называемыми обучающими выборками.

Факторный анализ. Факторный анализ - один из наиболее популярных многомерных статистических методов. Если кластерный и дискриминантный методы классифицируют наблюдения, разделяя их на группы однородности, то факторный анализ классифицирует признаки (переменные), описывающие наблюдения.

Корреляционный анализ - метод, позволяющий обнаружить зависимость между несколькими случайными величинами.

25.Анализ и применение регрессии.

Наиболее часто метод регрессионного анализа применяется для разработки нормативных шкал и стандартов физического развития.

Определение регрессии. Регрессия -- функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым. С этой целью применяется коэффициент регрессии и целый ряд других параметров. Например, можно рассчитать число простудных заболеваний в среднем при определенных значениях среднемесячной температуры воздуха в осенне-зимний период.

26.Различия между функциональной и корреляционной связями.

Виды проявления количественных связей между признаками

функциональная связь

корреляционная связь

Определения функциональной и корреляционной связи

Функциональная связь -- такой вид соотношения между двумя признаками, когда каждому значению одного из них соответствует строго определенное значение другого (площадь круга зависит от радиуса круга и т.д.). Функциональная связь характерна для физико-математических процессов.

Корреляционная связь -- такая связь, при которой каждому определенному значению одного признака соответствует несколько значений другого взаимосвязанного с ним признака (связь между ростом и массой тела человека; связь между температурой тела и частотой пульса и др.). Корреляционная связь характерна для медико-биологических процессов.

27.Прямая и обратная связь.

В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы, оказывающие основное влияние на вариацию изучаемых процессов и явлений.

По направлению выделяют связь прямую и обратную. При прямой связи с увеличением или уменьшением значений факторного признака происходит увеличение или уменьшение значений результативного. В случае обратной связи значения результативного признака изменяются под воздействие факторного в противоположном направлении по сравнению с изменением факторного признака. Обратная связь вводится для достижения требуемой динамики управляемого объекта, то есть для приведения переменной состояния к заданному значению за некоторое конечное время. Обратная связь характеризует переменные состояния. Положительная обратная связь -- тип обратной связи, при котором изменение выходного сигнала системы приводит к такому изменению входного сигнала, которое способствует дальнейшему отклонению выходного сигнала от первоначального значения. Отрицательная обратная связь -- тип обратной связи, при котором входной сигнал системы изменяется таким образом, чтобы противодействовать изменению выходного сигнала. Отрицательная обратная связь делает систему более устойчивой к случайному изменению параметров.

Прямая связь увеличивает быстродействие системы. Идея прямой связи -- подать на вход управляемого объекта сигнал без задержки. Система, в которой есть только прямая связь, называется открытой (разомкнутой). Отсутствие обратной связи не позволяет системе изменять своё состояние в зависимости от выхода .

28.Формула, вычисляющая корреляционный коэффициент по методу Пирсона

Коэффициент корреляции Браве-Пирсона (r) -- это параметрический показатель, для вычисления которого сравнивают средние и стандартные отклонения результатов двух измерений. При этом используют форму

где УXY -- сумма произведений данных из каждой пары;

n-число пар;

X --средняя для данных переменной X;

Y-- средняя для данных переменной Y

Sx -- стандартное отклонение для распределения х;

Sy -- стандартное отклонение для распределения у

29.Виды методов стандартизации. Метод стандартизации является одним из приемов статистического анализа. Метод стандартизации - это прием или совокупность приемов, с помощью которых достигаются цели стандартизации.

Стандартизация базируется на общенаучных и специфических методах. Ниже рассматриваются широко применяемые в работах по стандартизации методы:

упорядочение объектов стандартизации;

параметрическая стандартизация;

унификация продукции;

агрегатирование;

комплексная стандартизация;

опережающая стандартизация.

Существует три метода стандартизации:

Прямой.

2. Косвенный.

3. Обратный.

Прямой метод стандартизации применяется в тех случаях, когда известно возрастное, социальное, профессиональное и т. д. распределение умерших или заболевших и возрастная, социальная, профессиональная и т. д. структура населения.

Косвенный метод стандартизации применяется тогда, когда есть сведения о возрастной, социальной, профессиональной структуре населения, а состав умерших или заболевших неизвестен.

Обратный метод стандартизации назван так потому, что он является обратным по отношению к косвенному методу и применяется в тех случаях, когда есть сведения о возрастном, социальном, профессиональном и т.д. составе умерших или заболевших, но неизвестна структура населения.

30. Этапы прямого метода стандартизации.

Прямой метод стандартизации применяется в тех случаях, когда известно возрастное, социальное, профессиональное и т. д. распределение умерших или заболевших и возрастная, социальная, профессиональная и т. д. структура населения.

Прямой метод стандартизации: этот метод может быть схематично изложен в виде 3-х последовательных этапов.

1 этап - вычисление возрастных показателей.

2 этап - выбор стандарта.

3 этап - вычисление стандартизованных показателей.

II этап - выбор и вычисление стандарта

За стандарт можно принять:

1. Состав одной из сравниваемых групп.

2. Средний состав сравниваемых групп.

3. Состав населения какой-либо другой группы (например население Российской Федерации).

В нашем примере за стандарт взят средний возрастной состав населения обоих городов.

После выбора стандарта необходимо его представить в относительных величинах, т.е. определить удельный вес каждой возрастной группы в общем стандарте, принятом за 100, 1000 или 10000.

Обычно стандарт рассчитывается на тот знаменатель, в котором получены сравниваемые показатели. Если показатель общей смертности в %, то и стандарт рассчитывается на 1000.

III этап - вычисление стандартизованных показателей

Стандартизованные показатели представляют собой ожидаемые числа умерших по стандарту.

На этом этапе возрастные показатели смертности перемножаются на удельный вес соответствующего возраста по стандарту и делятся на 100, если структура стандарта взята в ?% и на 1000, если структура в %.

Размещено на Allbest.ru

...