У Лизы сильные боли после операции. Врачу необходимо сделать выбор в пользу таблеток, исходя из внешних клинических подтверждающих данных, или инъекции, исходя из личного клинического опыта и предпочтений пациентки. Врачу известно, что, согласно внешним клиническим подтверждающим данным, таблетки, содержащие морфий, были бы лучшим выбором. Однако, как выяснилось при операции, Лиза страдает от распространенного побочного эффекта анестезии — рвоты. Это означает что, если Лиза примет таблетку и у нее начнется рвота, содержимое таблетки выйдет наружу и не окажет обезболивающего эффекта. Врачу и Лизе известно по предыдущему опыту, что рвота у Лизы может начаться в течение 30 минут после окончания действия анестезии. Поэтому вместо таблетки врач решает назначить Лизе инъекцию с морфием.

В приведенном примере врач, основываясь на личном клиническом опыте и предпочтениях пациентки, принимает решение использовать инъекцию с морфием вместо таблетки с морфием, хотя именно в пользу последней говорят лучшие внешние клинические данные. Врач использует одно и то же медицинское вещество (т.е. морфий), как и предполагают внешние клинические данные, однако выбирает другую лекарственную форму (инъекцию вместо таблетки).

Это пример принятия врачом определенного решения в процессе лечения, основанного на подтверждающих данных, после обсуждения с пациентом.

Что такое доказательная медицина?

(evidence-based medicine, EBM) — это процесс систематического пересмотра, оценки и использования результатов клинических исследований с целью оказания оптимальной медицинской помощи пациентам. Информированность пациентов о доказательной медицине имеет большое значение, поскольку позволяет им принимать более осознанные решения об управлении и лечении заболевания. Она также позволяет пациентам сформировать более точное представление о риске, способствует целесообразному использованию отдельных процедур и позволяет врачу и (или) пациенту принимать решения, исходя из подтверждающих данных.

Доказательная медицина сочетает в себе принципы и методы. Благодаря действию этих принципов и методов решения, инструкции и стратегии в медицине основываются на текущих подтверждающих данных об эффективности разных форм течения и медицинских услуг в целом. В отношении лекарственных средств доказательная медицина во многом опирается на информацию, полученную в ходе оценки преимуществ и рисков (результативности и безопасности).

Понятие доказательной медицины появилось в 1950-х гг. До этого момента врачи принимали решения в основном на основе своего образования, клинического опыта и чтения научных периодических изданий. Однако исследования показали, что решения о медицинском лечении у разных медицинских специалистов значительно различались. Была формирована база для внедрения систематических методов сбора, оценки и организации данных научных исследований, что и стало началом доказательной медицины. Появление доказательной медицины было признано врачами, фармацевтическими компаниями, контрольно-надзорными органами и общественностью.

Тому, кто принимает решение, необходимо опираться на собственный опыт лечения пациентов в сочетании с лучшими подтверждающими данными, полученными в ходе контролируемых исследований и научных разработок. Важно в процессе принятия решений сочетать клинический опыт и контролируемые исследования. При отсутствии клинического опыта Риск — это вероятность причинения вреда или нанесения травмы в результате лечения, проводимого в клинической практике или в рамках исследования. Вред или травма могут быть физическими, а также психологическими, социальными или экономическими. Риски включают развитие побочных эффектов лечения или прием препарата, чья эффективность ниже стандартного лечения (в рамках испытания). При проведении испытания нового медицинского препарата могут возникнуть побочные эффекты или другие риски, не предвиденные исследователями. Такая ситуация наиболее характерна для начальных этапов клинических испытаний.

Проведение любых клинических испытаний сопряжено с рисками. Участники должны получить информацию о возможных преимуществах и рисках до принятия решения об участии (см. определение информированного согласия).

" target="_blank">риск , связанный с определенным лечение, может закончиться появлением нежелательных эффектов.

Пятиэтапная модель доказательной медицины

Один из подходов к доказательной медицине предполагает модель из 5 этапов:

1. формирование клинически релевантного запроса (поиск врачом информации для постановки правильного диагноза),
2. поиск лучших подтверждающих данных (поиск врачом подтверждающих данных в поддержку информации, обнаруженной на этапе 1),
3. оценка качества подтверждающих данных (обеспечение врачом высокого качества и надежности),
4. формирование медицинского решения на основе подтверждающих данных (принятие пациентом и врачом осознанного решения о лечении на основе этапов 1-3),
5. оценка процесса (оценка врачом и пациентом достигнутого результата и соответствующая корректировка решений о лечении в случае необходимости).

В вышеприведенном примере выбор врача согласуется как с принципами доказательной медицины, так и с обратной связью от пациента. Решение, принятое врачом, подразумевает сознательное, открытое и осознанное использование лучших подтверждающих данных на текущий момент времени, в том числе опыт пациентки, для выбора наилучшего из возможных способов медицинской помощи данной пациентке.

Участие пациентов в процессе принятия решений имеет важное значение для выработки новых принципов лечения. Такое участие подразумевает чтение и понимание информации о лечении и осознанное следование рекомендациям, совместную работу с клиническими специалистами, направленную на оценку и выбор лучших вариантов лечения, а также предоставление обратной связи относительно полученных результатов. Пациенты могут активно участвовать в создании подтверждающих данных на любом уровне.

Оценка подтверждающих данных для нужд доказательной медицины

Собранная информация классифицируется в зависимости от уровня содержащихся в ней подтверждающих данных с целью оценки их качества. Пирамида на нижеуказанном рисунке демонстрирует разные уровни подтверждающих данных и их ранжирование.

уровни подтверждающих данных

Комментарии или экспертные мнения

Это данные, основанные на мнениях панели экспертов и направленные на формирование общей медицинской практики.

Исследование серии случаев и описания клинических случаев

Исследование серии случаев — это описательное исследование небольшой людей. Как правило, оно служит дополнением или приложением к описанию клинического случая. Описание клинического случая представляет собой подробный отчет о симптомах, признаках, диагнозе, лечении и сопровождении одного пациента.

Исследования случай-контроль

— это наблюдательное ретроспективное исследование (с обзором исторических данных), в котором пациенты, страдающие каким-либо заболеванием, сравниваются с пациентами, не имеющими этого заболевания. Такие случаи, как заболевание раком легких, как правило, изучаются методом исследования случай-контроль. Для этого набирается группа курящих лиц (группа под воздействием) и группа некурящих лиц (группа не под воздействием), за которыми устанавливается наблюдение на протяжении определенного периода времени. Затем разница в частотности заболевания раком легких фиксируется документально, что позволяет рассмотреть переменную (независимую переменную — в данном случае, курение) как причину зависимой переменной (в данном случае, рака легких).

В этом примере значимое увеличение случаев заболевания раком легких в группе курящих по сравнению с некурящей группой рассматривается как подтверждение причинной связи между курением и возникновением рака легких.

Когортное исследование

Современное определение когорты в клиническом исследовании — группа лиц, обладающих определенными характеристиками, за которыми ведется наблюдение с целью выявления последствий, связанных со здоровьем.

Фрамингемское исследование сердечных заболеваний — это пример когортного исследования, проводимого с целью найти ответ на вопрос в области эпидемиологии. Фрамингемское исследование начато в 1948 году и продолжается до сих пор. Цель исследования — изучить воздействие ряда факторов на частоту возникновения сердечных заболеваний. Вопрос, который стоит перед исследователями — связаны ли такие факторы как высокое артериальное давление, избыточная масса тела, диабет, физическая активность и другие факторы с развитием сердечных заболеваний. Для исследования каждого из факторов воздействия (например, курения) исследователями набирается группа курящих людей (группа под воздействием) и группа некурящих людей (группа не под воздействием). Затем за группами ведется наблюдение на протяжении определённого периода времени. Затем в конце периода наблюдения документально фиксируется разница в частоте возникновения сердечных заболеваний в этих группах. Группы сопоставляются с точки зрения многих других переменных факторов, таких как

• экономический статус (например, образование, доход и род занятий),
• состояние здоровья (например, наличие других заболеваний).

Это означает, что переменная (независимая переменная — в данном случае, курение) может изолироваться в качестве причины зависимой переменной (в данном случае, рака легких).

В этом примере статистически значимое увеличение случаев сердечных заболеваний в группе курящих по сравнению с некурящей группой рассматривается как подтверждение причинной связи между курением и возникновением сердечных заболеваний. Результаты, обнаруженные в ходе Фрамингемского исследования на протяжении многих лет, убедительно доказывают, что сердечно-сосудистые заболевания в значительной мере являются результатом измеримых и поддающихся коррекции факторов риска, и что человек может контролировать состояние здоровья своей сердечной системы, если внимательно следит за своим питанием и образом жизни и отказывается от потребления рафинированных жиров, холестерина и курения, снижает вес или начинает вести подвижный образ жизни, регулирует уровень стресса и артериального давления. В основном именно благодаря Фрамингемскому исследованию мы сейчас имеем ясное представление о связи определенных факторов риска с сердечными заболеваниями.

Еще одним примером когортного исследования, которое проводится уже много лет, является «Национальное исследование развития ребенка» (National Child Development Study, NCDS) — самое изучаемое из всех британских когортных исследований новорожденных. Самое крупное исследование, касающееся женщин — это «Исследование здоровья медицинских сестер» (Nurses Health Study). Оно началось в 1976 году, количество сопровождаемых лиц — более 120 тысяч человек. По данным этого исследования анализировались многие заболевания и результаты.

Рандомизированные клинические испытания

Клинические испытания называют рандомизированными, если при распределении участников в разные группы лечения используют метод рандомизации. Это означает, что группы для лечения наполняются случайным образом с использованием формальной системы, и для каждого участника существует попасть в каждое из исследуемых направлений.

Мета-анализ

— это систематическое, основанное на статистике рассмотрение данных, в котором сопоставляются и комбинируются результаты разных исследований, направленное на выявление шаблонов, несоответствий и других связей во множестве исследований. Мета-анализ может служить подтверждением для более убедительного вывода по сравнению с любым отдельным исследованием, но необходимо помнить о недостатках, связанных с систематическими ошибками из-за предпочтительных публикаций положительных результатов исследования.

Исследование результатов

Исследование результатов — это широкое зонтичное понятие, не имеющее постоянного определения. В исследовании результатов изучаются конечные результаты медицинской помощи, иначе говоря, эффект от процесса оказания медицинских услуг на здоровье и самочувствие пациентов. Другими словами, исследования клинических результатов направлены на мониторинг, понимание и оптимизацию воздействия медицинского лечения на конкретного пациента или определенную группу. В таких исследованиях описываются научные изыскания, которые связаны с эффективностью мер здравоохранения и медицинских услуг, то есть результаты, полученные благодаря таким услугам.

Часто внимание концентрируется на лицо, страдающее заболеванием — иначе говоря, на клинические (общие результаты), наиболее релевантные для этого пациента или группы пациентов. Такими конечными точками могут быть или степень болевых ощущений. Однако исследования результатов могут также быть сфокусированы на эффективности предоставления медицинских услуг, при этом параметрами измерения могут быть , состояние здоровья и тяжесть заболевания (влияние проблем со здоровьем на человека).

Разница между доказательной медициной и исследованиями результатов состоит в концентрации внимания на разных вопросах. В то время как основной задачей доказательной медицины является обеспечение пациенту оптимальной медицинской помощи в соответствии с клиническими подтверждающими данными и опытом, исследования результатов направлены прежде всего на предопределение конечных точек. В исследовании клинических результатов эти точки обычно соответствуют клинически релевантным конечным точкам.

В исследованиях результатов релевантными конечными точками часто становятся симптомы или параметры измерения функциональных способностей и потребности в уходе — то, что пациент, получающий лечение, считает важным. Например, пациент, страдающий от инфекции, которому введен пенициллин, может обращать большее внимание на то, что у него нет высокой температуры и улучшилось общее состояние, чем на воздействие пенициллина на фактический уровень инфекции. В этом случае симптомы и то, как он себя чувствует, рассматривается как прямая оценка состояния его здоровья — а это те конечные точки, на которых концентрируется внимание при проведении исследования результатов. Пациент также, вероятнее всего, будет заинтересован в возможных побочных эффектах, связанных с пенициллином, а также в стоимости лечения. В случае с другими заболеваниями, такими как рак, важным клиническим результатом, релевантным для пациента, будет риск смертельного исхода.

В случае если исследование является продолжительным по времени, при изучении результатов исследований могут использоваться « ». Суррогатная конечная точка предполагает использование биомаркера для измерения результата, действуя в качестве замены для клинической конечной точки, измеряющей, в котором эффект от пенициллина проверяется по снижению количества одного из видов белка (С-реактивного белка), который всегда присутствует в крови. Количество этого белка в крови здорового человека очень мало, но при острой инфекции оно стремительно повышается. Таким образом, измерение уровня С-реактивного белка в крови — косвенный способ определения наличия инфекции в организме, поэтому в данном случае белок служит «биомаркером» инфекции. Биомаркер — это измеримый показатель состояния болезни. Этот параметр также коррелируется с риском возникновения или прогрессирования заболевания или с тем, как предписанное лечение повлияет на заболевание. Ежедневно у пациента производится забор крови на анализ для измерения количества биомаркера в крови.

Необходимо подчеркнуть, что для использования суррогатной конечной точки с целью контроля и надзора, маркер нужно заранее подтвердить или проверить. Необходимо продемонстрировать, что изменения с биомаркером коррелируются (согласовываются) с клиническим результатом в случае с конкретным заболеванием и эффектом от лечения.

Дополнительные источники

• World Health Organisation (2008). Where are the patients in decision-making about their own care? Retrieved 31 August, 2015, from

Проблемы здоровья и экологии

диобиологии, проф. Е. Б. Бурлаковой. Эти данные формируют новые представления о биологической эффективности хронического воздействия излучений на человека и однозначно свидетельствуют о неправомочности экстраполяции эффектов больших доз ионизирующей радиации на область малых доз.

Развитие новых концепций важно для формирования взвешенных планов развития атомной энергетики и справедливой социальной политики по отношению к ликвидаторам Чернобыльской катастрофы и жителям загрязненных радионуклидами районов.

При оценке действия излучений на здоровье человека следует иметь в виду, что ионизирующая радиация - космогенный фактор среды обитания. Хорошо известно, что природный радиационный фон необходим для, роста, развития и существования разнообразных живых существ, в том числе млекопитающих. Понимание радиобиологических закономерностей связано с проникновением в суть феномена жизни, связи живого и космоса. Есть немало загадок в эффектах ионизирующей радиации, в том числе положительное или отрицательное воздействие облученных биологических объектов на необлученные. Представляет безусловный интерес мысль, высказанная А. М. Кузиным в его последней записке к сотрудникам: «Жизнь, живое тело - это метаболизирующая система структур на молекулярном уровне, составляющих единое целое благодаря информации, непрерывно доставляемой вторичным, биогенным излучением, возникающим под влиянием атомной радиации природного радиоактивного фона космического и земного происхождения».

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Кудряшов, Ю. Б. Радиационная биофизика. Ионизирующие излучения / Ю. Б. Кудряшов.- М.: изд. Моск. ун-та, 2004. - 580 с.

2. Ярмоненко, С. П. Радиобиология человека и животных / С. П. Ярмоленко, А. А. Вайнсон. - М.: Высш. шк., 2004. - 550 с.

3. Mothersill, C. Low-dose radiation effects: Experimental hematology and the changing paradigm / C. Mothersill, C. Seymour // Experimental Hematology. - 2003. - № 31. - С. 437-445.

4. Ли, Д.Е. Действие радиации на живые клетки / Д. Е. Ли. - М.: Госатомиздат, 1966. - 288 с.

5. Тимофеев-Ресовский, Н. В. Применение принципа попадания в радиобиологии / Н. В. Тимофеев-Ресовский, В. И. Иванов, В. И. Корогодин. - М.: Атомиздат, 1968. - 228 с.

6. Гончаренко, Е. Н. Химическая защита от лучевого поражения / Е. Н. Гончаренко. - М.: изд. Моск. ун-та, 1985. - 248 с.

7. Национальный доклад «20 лет после Чернобыльской катастрофы: последствия в Республике Беларусь и их преодоление» / Комитет по проблемам последствий катастрофы на Чернобыльской АЭС при Совете Министров Республики Беларусь; под ред. В. Е. Шевчука, В. Л. Гуравского. - 2006. - 112 с.

8. Vozianov, A. Health erects of Chornobyl accident, Eds / А Vozianov, V. Bebeshko, D. Bayka. - Kyiv.: «DIA», 2003. - 508 с.

9. Кузин, А. М. Структурно-метаболическая гипотеза в радиобиологии / А. М. Кузин. - М.: Наука, 1970. - 170 с.

10. Кузин, А. М. Структурно-метаболическая теория в радиобиологии / А. М. Кузин. - М.: Наука, 1986. - 20 с.

11. Князева, Е. Н. Основания синергетики / Е. Н. Князева, С. П. Курдимов. - СПб.: Изд-во Алетейя, 2002. - 31 с.

12. Степанова, С. И. Биоритмологические аспекты проблемы адаптации / С. И. Степанова. - М.: Наука,1986. - 244 с.

13. Немонотонность метаболического ответа клеток и тканей млекопитающих на воздействие ионизирующей радиации / И. К. Коломийцев [и др.] // Биофизика. - 2002. - Т. 47, Вып. 6. - С. 1106-1115.

14. Kolomiytseva, I. K. Nonmonotonous changes in metabolic parameters of tissues and cells under action ionizing radiation on animals / I. K. Kolomiytseva, Т. Р. Markevich, L. N. Potekhina // J. Biol. Physics. - 1999. - № 25. - С. 325-338.

15. Бурлакова, Е. Б. Новые аспекты закономерностей действия низкоинтенсивного облучения в малых дозах/ Е. Б. Бурлакова, А. Н. Голощапов, Г. П. Жижина, А. А. Конрадов // Радиац. биология. Радиоэкология. - 1999. - Т. 39. - С. 26-34.

Поступила 18.04.2008

ИСПОЛЬЗОВАНИЕ ДАННЫХ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ В КЛИНИЧЕСКОЙ ПРАКТИКЕ (обзор литературы)

А. Л. Калинин1, А. А. Литвин2, Н. М. Тризна1

1Гомельский государственный медицинский университет 2Гомельская областная клиническая больница

Приведен краткий обзор принципов доказательной медицины и мета-анализа. Важным аспектом доказательной медицины является определение степени достоверности информации.

Количественное объединение данных различных клинических исследований с помощью мета-анализа позволяет получить результаты, которые невозможно получить из отдельных клинических исследований. Чтение и изучение систематических обзоров и результатов мета-анализа позволяет более эффективно ориентироваться в большом количестве публикуемых статей.

Ключевые слова: доказательная медицина, мета-анализ.

Проблемы здоровья и экологии

USE OF DATA OF EVIDENCE BASED MEDICINE IN CLINICAL PRACTICE

(literature review)

A. L. Kalinin1, A. A. Litvin2, N. M. Trizna1

1Gomel State Medical University 2Gomel Regional Clinical Hospital

The purpose of article is the review of principles of evidence based medicine and the meta-analysis. A prominent aspect of evidence based medicine is definition of degree of reliability of the information.

Quantitative association of the given various clinical researches by means of the meta-analysis allows to receive results which cannot be received from separate clinical researches. Reading and studying of systematic reviews and results of the meta-analysis allows to be guided more effectively in a considerable quantity of published articles.

Key words: evidence based medicine, meta-analysis.

Ни один практический врач не обладает достаточным опытом, позволяющим свободно ориентироваться во всем многообразии клинических ситуаций. Можно полагаться на мнения экспертов, авторитетные руководства и справочники, однако это не всегда надежно из-за так называемого эффекта запаздывания: перспективные медицинские методы внедряются в практику спустя значительное время после получения доказательств их эффективности . С другой стороны, информация в учебниках, руководствах и справочниках зачастую устаревает еще до их публикации, а возраст проводящего лечение опытного врача отрицательно коррелирует с эффективностью лечения .

Время полужизни литературы отражает интенсивность прогресса. Для медицинской литературы этот период равен 3,5 лет . Только 1015% информации, публикуемой сегодня в медицинской печати, в дальнейшем будут иметь научную ценность. Ведь если предположить, что хотя бы 1% из публикуемых ежегодно 4 миллионов статей имеют какое-то отношение к лечебной практике врача, ему пришлось бы прочитывать каждый день около 100 статей. Известно, что только 10-20% всех медицинских вмешательств, использующихся в настоящее время, были основаны на надежных научных доказательствах .

Возникает вопрос: почему хорошие доказательные данные врачи не применяют на практике? Оказывается, что 75% врачей не понимают статистики, 70% не умеет критически оценивать опубликованные статьи и исследования . В настоящее время, чтобы практиковать доказательными данными, врач должен обладать знаниями, необходимыми для оценки достоверности результатов клинических испытаний, иметь оперативный доступ к различным источникам информации (прежде всего международным журналам), иметь доступ к электронным базам данных (Medline), владеть английским языком .

Целью этой статьи является краткий обзор принципов доказательной медицины и ее составляющей - мета-анализа, позволяющего более быстро ориентироваться в потоке медицинской информации.

Термин «Evidence Based Medicine» впервые был предложен в 1990 г. группой канадских ученых из Университета Мак Мастера в Торонто. Термин быстро прижился в англоязычной научной литературе, однако тогда еще не существовало четкого его определения. В настоящее время наиболее распространенным является следующее определение: «Доказательная медицина (evidence based medicine) - это раздел медицины, основанный на доказательствах, предполагающий поиск, сравнение, обобщение и широкое распространение полученных доказательств для использования в интересах больных» .

На сегодняшний день доказательная медицина (ДМ) - это новый подход, направление или технология сбора, анализа, обобщения и интерпретации научной информации. Доказательная медицина предусматривает добросовестное, объяснимое и основанное на здравом смысле использование наилучших современных достижений для лечения каждого пациента . Основная цель внедрения принципов доказательной медицины в практику здравоохранения - оптимизация качества оказания медицинской помощи с точки зрения безопасности, эффективности, стоимости и других значимых факторов.

Важным аспектом доказательной медицины является определение степени достоверности информации: результатов исследований, которые берут за основу при составлении систематических обзоров. Центр доказательной медицины в Оксфорде разработал следующие определения степени достоверности представляемой информации :

A. Высокая достоверность - информация основана на результатах нескольких независимых клинических испытаний (КИ) с совпадением результатов, обобщенных в систематических обзорах.

Проблемы здоровья и экологии

B. Умеренная достоверность - информация основана на результатах, по меньшей мере, нескольких независимых, близких по целям КИ.

C. Ограниченная достоверность - информация основана на результатах одного КИ.

D. Строгие научные доказательства отсутствуют (КИ не проводились) - некое утверждение основано на мнении экспертов.

Согласно современным оценкам, достоверность доказательств из разных источников не одинакова и убывает в следующем порядке :

1) рандомизированное контролируемое КИ;

2) нерандомизированное КИ с одновременным контролем;

3) нерандомизированное КИ с историческим контролем;

4) когортное исследование;

5) исследование типа «случай - контроль»;

6) перекрестное КИ;

7) результаты наблюдений;

8) описание отдельных случаев.

Тремя «китами» достоверности в клинической медицине являются: случайная слепая выборка испытуемых в группы сравнения (слепая рандомизация); достаточная величина выборки; слепой контроль (в идеале - тройной). Нужно специально подчеркнуть, что неправильный, но повсеместно употребляемый термин «статистическая достоверность» с его пресловутым р <... не имеет к вышеизложенному определению достоверности никакого отношения . Достоверные исследования свободны от так называемых систематических ошибок (возникающих от неправильной организации исследования), тогда как статистика (р <...) позволяет учесть лишь случайные ошибки .

В клинической медицине «золотым стандартом» процедуры проверки эффективности вмешательств и процедур стали рандомизированные контролируемые испытания (РКИ). Процесс «ослепления» участников испытания призван устранить систематическую ошибку субъективной оценки результата, ибо человеку свойственно видеть то, что он хочет, и не видеть того, чего он видеть не желает. Рандомизация должна решать проблему разнообразия испытуемых, обеспечивая генетическую полноту «абстрактного представителя генеральной совокупности», на которого потом можно переносить полученный результат. Специально проведенные исследования показали, что отсутствие рандомизации или ее неверное проведение приводят к переоценке эффекта до 150%, либо к его недооценке на 90% .

Чрезвычайно важно подчеркнуть, что технология РКИ позволяет получить четыре варианта ответов о действии вмешательства вообще без

знания его механизма. Оно позволяет обоснованно с позиций доказательной медицины утверждать, что вмешательство 1) действенно; 2) бесполезно; 3) вредно; или, в худшем случае, что 4) на сегодняшний день ничего об эффективности данного вида вмешательства сказать нельзя. Последнее происходит тогда, когда интересующее нас вмешательство, в силу малочисленности участников эксперимента, не позволило получить в РКИ статистически значимый результат .

Таким образом, ДМ отвечает на уже упомянутые вопросы: действует (вредно или полезно) / не действует (бесполезно) / неизвестно; но не отвечает на вопросы «каким образом и почему действует». На них может ответить только фундаментальное исследование. Иными словами, ДМ для своих целей может обойтись без фундаментальных исследований, тогда как фундаментальные исследования для внедрения своих результатов в повседневную медицинскую практику не могут обойтись без процедуры проверки эффекта по стандартам ДМ.

Для оптимизации анализа доказательной информации используют такие специальные методы работы с информацией, как систематический обзор и мета-анализ . Мета-анализ (metaanalysis) - применение статистических методов при создании систематического обзора в целях обобщения результатов, включенных в обзор исследований. Систематические обзоры иногда называют мета-анализом, если этот метод применялся в обзоре . Мета-анализ проводят для того, чтобы обобщить имеющуюся информацию и распространить ее в понятном для читателей виде. Он включает определение основной цели анализа, выбор способов оценки результатов, систематизированный поиск информации, обобщение количественной информации, анализ ее с помощью статистических методов, интерпретацию результатов .

Существует несколько разновидностей мета-анализа . Кумулятивный мета-анализ позволяет построить кумулятивную кривую накопления оценок при появлении новых данных. Проспективный мета-анализ - попытка разработки метаанализа планируемых испытаний. Такой подход может оказаться приемлемым в областях медицины, где уже существует сложившаяся сеть обмена информацией и совместных программ, например, разработанная ВОЗ электронная информационная система мониторинга качества стоматологической помощи населению «Oratel». На практике вместо проспективного мета-анализа часто применяют проспективно-ретроспективный мета-анализ, объединяя новые результаты с ранее опубликованными. Мета-анализ индивидуальных данных основан на изучении результатов лечения отдельных больных,

Проблемы здоровья и экологии

для его проведения необходимо сотрудничество многих исследователей и жесткое соблюдение протокола. В ближайшем будущем мета-анализ индивидуальных данных, вероятнее всего, будет ограничиваться изучением основных заболеваний, лечение которых требует крупномасштабных централизованных капиталовложений .

Главным требованием к информативному мета-анализу является наличие адекватного систематического обзора, в котором в котором изучаются результаты многочисленных исследований по определенной проблеме по алгоритму:

Выбор критериев для включения оригинальных исследований в мета-анализ;

Оценка гетерогенности (статистической неоднородности) оригинальных исследований;

Собственно мета-анализ (обобщенная оценка величины эффекта);

Анализ чувствительности выводов.

Результаты мета-анализа обычно представляют как график в виде точечных оценок с указанием доверительного интервала и отношения шансов ^dds ratio), суммарного показателя, отражающего выраженность эффекта (рисунок 1). Это позволяет показать вклад результатов отдельных исследований, степень неоднородности этих результатов и обобщенную оценку величины эффекта. Результаты мета-регрессионного анализа можно представить в виде графика, по оси абсцисс которого отложены значения анализируемого показателя, а по оси ординат - величина лечебного эффекта . Кроме того, следует указать результаты анализа чувствительности по ключевым параметрам (в том числе сравнение результатов применения моделей постоянных и случайных эффектов, если эти результаты не совпадают).

Рисунок 1 - Воронкообразный график, позволяющий выявить систематическую ошибку, связанную с преимущественным опубликованием положительных результатов исследования

На графике представлены данные метаанализа, посвященного оценке эффективности одного из методов лечения . Относительный риск (ОР) в каждом исследовании сопоставлен с размером выборки (весом исследования). Точки на графике группируются вокруг средневзвешенного значения ОР (показано стрелкой) в виде симметричного треугольника (воронки), внутри которого размещаются данные большинства исследований. В опубликованных материалах небольших исследований эффект лечения оказывается завышенным по сравнению с более крупными исследованиями. Асимметричное распределение точек означает, что некоторые небольшие исследования с отрицательными результатами и значи-

тельной дисперсией не были опубликованы, т. е. возможна систематическая ошибка, связанная с преимущественным опубликованием положительных результатов. График показывает, что небольших (10-100 участников) исследований, в которых ОР превышал 0,8, значительно меньше, чем аналогичных исследований, в которых этот показатель был ниже 0,8, а данные средних и крупных исследований расположены практически симметрично. Таким образом, некоторые небольшие исследования с отрицательными результатами, вероятно, не были опубликованы. Кроме того, график позволяет легко выявить исследования, результаты которых существенно отличаются от общей тенденции .

Проблемы здоровья и экологии

В большинстве случаев при проведении мета-анализа используют обобщенные данные о сравниваемых группах больных в том виде, в каком они приводятся в статьях. Но иногда исследователи стремятся более детально оценить исходы и факторы риска у отдельных больных. Эти данные могут быть полезны при анализе

выживаемости и многофакторном анализе. Мета-анализ данных о конкретных больных стоит дороже и требует больше времени, чем мета-анализ групповых данных; для его проведения необходимо сотрудничество многих исследователей и жесткое соблюдение протокола (рисунок 2).

А. Графическое представление результатов стандартного мета-анализа. Относительный риск прогрессирования в каждом исследовании и его обобщенная оценка представлены в виде точек, а доверительные интервалы (ДИ; обычно 95% ДИ) изображены горизонтальными линиями. Исследования представлены в соответствии с датой публикации. Относительный риск <1 означает снижение числа исходов в группе лечения по сравнению с группой контроля. Тонкие линии представляют совокупные индивидуальные результаты, нижняя линия - объединенные результаты.

Б. Результаты кумулятивного мета-анализа данных, полученных в тех же исследованиях. Точки и линии обозначают, соответственно, значения относительного риска и 95% ДИ обобщенных данных после включения в анализ каждого дополнительного исследования. Если доверительный интервал пересекает линию OR = 1, то наблюдаемый эффект статистически недостоверен при выбранном уровне значимости 0,05 (95%). Если нет существенной неоднородности данных, при добавлении последующего исследования ДИ сужается.

N - число больных в исследовании; N - суммарное число больных.

Рисунок 2 - Результаты стандартного и кумулятивного мета-анализа данных, полученных в одних и тех же исследованиях

В большинстве сводных таблиц мета-анализа обобщенные данные по всем испытаниям приводятся в виде ромба (нижняя горизонтальная линия с точкой). Расположение ромба по отношению к вертикальной линии отсутствия эффекта является основным в понимании эффективности испытаний. Если ромб перекрывает линию отсутствия эффекта, можно сказать, что между двумя видами лечения нет разницы в воздействии на частоту первичного исхода.

Важным понятием для правильной трактовки результатов мета-анализа является определение гомогенности испытаний. На языке мета-анализа гомогенность означает, что результаты каждого отдельного испытания сочетаются с результатами других. Гомогенность можно

оценить одним взглядом по расположению горизонтальных линий (рисунок 2). Если горизонтальные линии перекрывают друг друга можно сказать, что эти исследования гомогенны.

Для оценки гетерогенности испытаний используется числовое значение критерия %2 (в большинстве форматов мета-анализа обозначается как «Chi-squared for homogeneity»). Статистика %2 для гетерогенности групп объясняется следующим практическим правилом: критерий х2 в среднем имеет значение, равное числу степеней свободы (число испытаний в мета-анализе минус один). Поэтому значение X2, равное 9,0, для набора из 10 испытаний показывает отсутствие доказательств статистической гетерогенности .

Проблемы здоровья и экологии

При существенной гетерогенности результатов исследований целесообразно использовать регрессионный мета-анализ, который позволяет учитывать несколько характеристик, влияющих на результаты изучаемых исследований. Например, детальная оценка исходов и факторов риска у отдельных больных необходима при анализе выживаемости и многофакторном анализе. Результаты регрессионного мета-анализа представляются в виде коэффициента наклона с указанием доверительного интервала.

Для проведения компьютерного мета-анализа в Интернете представлено программное обеспечение.

Бесплатные программы:

RevMan (Review Manager) находится по адресу: http://www.cc-ims.net/RevMan;

Meta-Analysis version 5.3: http://www.statistics. com/content/freesoft/mno/metaana53.htm/;

EPIMETA: http://ftp.cdc.gov/pub/Software/ epimeta/.

Платные программы:

Comprehensive Meta-Analysis: http://www. meta-analysis.com/;

MetaWin: http://www.metawinsoft.com/;

WEasyma: http://www.weasyma.com/.

Статистические пакеты программ, в которых предоставлена возможность проведения мета-анализа:

SAS: http://www.sas.com/;

STATA: http://www.stata. com/;

SPSS: http://www.spss.com/ .

Таким образом, количественное объединение данных различных клинических исследований с помощью мета-анализа позволяет получить результаты, которые невозможно извлечь из отдельных клинических исследований. Чтение и изучение систематических обзоров и результатов мета-анализа позволяет более быстро ориентироваться в лавине публикуемых статей и с точки зрения доказательной медицины выбирать из них те немногие, которые действительно заслуживают нашего времени и внимания. Вместе с тем необходимо осознавать, что метаанализ - не «палочка-выручалочка», решающая проблему научной доказательности, и не стоит заменять им клинические рассуждения.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Systematic reviews and meta-analysis for the surgeon scientist / S. S.Mahidl // Br. J. Surg. - 2006. - Vol. 93. - P. 1315-1324.

2. A comparison of results of meta-analyses of randomized control trials and recommendations of clinical experts / E. T.Antman // JAMA. - 1992. - Vol. 268, N 2. - P. 240-248.

3. Evidence based medicine: what it is and what it isn’t / D. L. Sack-ett // BMJ. - 1996. - Vol. 312. - P. 71-72.

4. Egger, M. Meta-analysis: potentials and promise / M. Egger,

S. G. Davey // BMJ. - 1997. - Vol. 315. - P. 1371-1374.

5. Юрьев, К. Л. Доказательная медицина. Кокрановское сотрудничество / К. Л. Юрьев, К. Н. Логановский // Укр. мед. ча-сопис. - 2000. - № 6. - С. 20-25.

6. The Cochrane database of systematic reviews. - London: BMJ Publishing Group and Update Software, 1995. - 260 p.

7. Davies, H. Что такое мета-анализ? / H. Davies, I. Crombie // Клиническая фармакология и фармакотерапия. - 1999. - № 8. - C. 10-16.

8. Egger, M. Meta-analysis: principles and procedures / M. Egger, S. G. Davey, A. N. Phillips // BMJ. - 1997. - Vol. 315. - P. 1533-1537.

9. Lewis, S. Forest plots: trying to see the wood and the trees / S. Lewis, M. Clarke // BMJ. - 2001. - Vol. 322. - P. 1479-1480.

10. Bero, L. The Cochrane Collaboration. Preparing, maintaining, and disseminating systematic reviews of the effects of health care / L. Bero, D. Rennie // JAMA. - 1995. - Vol. 274. - P. 1935-1938.

11. Does the inclusion of grey literature influence estimates of intervention effectiveness reported in meta-analyses? / L. Mc. Auley // Lancet. - 2000. - Vol. 356. - P. 1228-1231.

12. Fleiss, J. L. The statistical basis of meta-analysis / J. L. Fleiss // Stat. Methods Med. Res. - 1993. - Vol. 2. - P. 121-145.

13. Greenland, S. Invited commentary: a critical look at some popular meta-analytic methods / S. Greenland // Am. J. Epidemiol. -

1994. - Vol. 140. - P. 290-296.

14. Guidelines for meta-analyses evaluating diagnostic tests / L. Irwig // Ann. Intern. Med. - 1994. - Vol. 120. - P. 667-676.

15. Stewart, L. A. Practical methodology of meta-analyses (overviews) using updated individual patient data. Cochrane Working Group / L. A. Stewart, M. J. Clarke // Stat. Med. - 1995. - Vol. 14. - P. 2057-2579.

16. Гринхальх Т. Основы доказательной медицины / Т. Грин-хальх; пер. с англ. - М.: ГЭОТАР - Медиа, 2006. - 240 с.

17. Olkin, I. Statistical and theoretical considerations in meta-analysis / I. Olkin // J. Clin. Epidemiol. - 1995. - Vol. 48. - P. 133-146.

18. Villar, J. Predictive ability of meta-analyses of randomised controlled trials / J. Villar, G. Carroli, J. M. Belizan // Lancet. -

1995. - Vol. 345. - P. 772-776.

19. Deeks, J .J. Systematic reviews in health care: Systematic reviews of evaluations of diagnostic and screening tests / J. J. Deeks // BMJ. - 2001. - Vol. 323. - P.157-162.

Поступила 01.02.2008

УДК 616.12-005.8-0.53.8-08

СТРУКТУРА ОСТРОГО ИНФАРКТА МИОКАРДА, ВОЗРАСТНЫЕ И ПОЛОВЫЕ ОСОБЕННОСТИ ТЕЧЕНИЯ И СМЕРТНОСТИ НА ГОСПИТАЛЬНОМ ЭТАПЕ ЛЕЧЕНИЯ

Н. В. Василевич

Гомельский государственный медицинский университет

Прослежена структура, динамика развития острого инфаркта миокарда в зависимости от пола, возраста, сроков поступления в стационар, тяжести повреждения миокарда на госпитальном этапе лечения.

Ключевые слова: острый инфаркт миокарда, пол, возраст, летальность.

Проблемы здоровья и экологии

12. American Society of Echocardiography minimum standards for the cardiac sonographer: a position paper / S. M. Bierig // J Am Soc Echocardiogr. - 2006. - Vol. 19. - P. 471-474.

13. Antihypertensive drug therapy for mild to moderate hypertension during pregnancy / E. Abalos // The Cochrane Library Syst. Rev. - 2001. - Issue 4.

14. Antihypertensive drugs in pregnancy and fetal growth: evidence for «pharmacological programming» in the first trimester? / H. Bayliss // Hypertens Pregnancy. - 2002. - Vol. 21. - P. 161-174.

15. Antihypertensive therapy in the management of hypertension in pregnancy - a clinical double-blind study of pindolot / G. Bott-Kanner G. // Clin Exp Hypertension Pregnancy. - 1992. - Vol. 11. - P. 207-220.

16. Atenolol and fetal growth in pregnancies complicated by hypertension / C. Lydakis // Am. J. Hypertens. - 1999. - № 12. - P. 541-547.

17. Australasian Society for the Study of Hypertension in Pregnancy: The detection, investigation and management of hypertension in pregnancy: full consensus statement / M. A. Brown // Am. J. Gynecol. - 2000. - Vol. 40. - P. 139-155.

18. Butters, L. Atenolol in essential hypertension during pregnancy / L. Butters, S. Kennedy, P. C. Rubin // Br. Med. J. - 1990. - Vol. 301. - P. 587-589.

19. Collins, R. Pharmacological prevention and treatment of hypertensive disorders in pregnancy / R. Collins, H.C. S. Wallenburg // Effective Care in Pregnancy and Childbirth / eds. I. Chalmers, M Enkin, M.J.N.C. Keirse. - Oxford: Oxford University Press, 1989. - P. 512-533.

20. Effect of atenolol on birthweight / G. Y. Lip // Am. J. Cardiol. - 1997. - Vol. 79. - P. 1436-1438.

21. Effects of methyldopa on uteroplacental and fetal hemodynamics in pregnancy-induced hypertension / S. Montan // Am. J. Obstet. Gynecol. - 1993. - Vol. 168. - P. 152-156.

22. Fall in mean arterial pressure and fetal growth restriction in pregnancy hypertension: a meta-analysis / P. von Dadelszen // Lancet. - 2000. - Vol. 355. - P. 87-92.

23. Gallery, E.D.M. Antihypertensive treatment in pregnancy: analysis of different responses to oxprenolol and methyldopa /

E.D.M. Gallery, M. Ross, A. Z. Gyory // Br. Med. J. - 1985. - Vol. 291. - P. 563-566.

24. Gluckman, P. D. Maternal constraint of fetal growth and its consequences / P. D. Gluckman, M. A. Hanson // Semin Fetal Neonatal Med. - 2004. - Vol. 9, № 5. - P. 419-425.

25. Guidelines Committee. 2003 European Society of Hypertension - European Society of Cardiology guidelines for the management of arterial hypertension // J. Hypertens. - 2003. - Vol. 21, № 6. - P. 1011-1053.

26. Magee, L. A. Fortnightly review: management of hypertension in pregnancy / L. A. Magee, M. P. Ornstein, P. von Dadelszen // BMJ. - 1999. - Vol. 318, Issue 7194. - P. 1332-1336.

27. Magee, L. A. Oral beta-blockers for mild to moderate hypertension during pregnancy (Cochrane Review) / L. A. Magee, L. Duley // Cochrane Database Syst. Rev. - 2002. - Issue 1.

28. Preeclampsia - a state of sympathetic overactivity / H. P. Schobel // N. Engl. J. Med. - 1996. - Vol. 335. - P. 1480-1485.

29. Prevention of preeclampsia: a randomized trial of atenolol in hyperdynamic patients before onset of hypertension / T. R. Easterling // Obstet. Gynecol. - 1999. - Vol. 93. - P. 725-733.

30. Report of the National High Blood Pressure Education Program Working Group on High Blood Pressure in Pregnancy / R. W. Gifford // Am. J. Obstet. Gynecol. - 2000. - Vol. 183, № 1. - P. 1-22.

31. The Task Force for the Management of Arterial Hypertension of the European Society of Hypertension and of the European Society of Cardiology / G. Mancia // Eur. Heart J. - 2007. - Vol. 28. - P. 1462-1536.

32. The Task Force on the Management of Cardiovascular Diseases During Pregnancy on the European Society of Cardiology. Expert consensus document on management of cardiovascular diseases during pregnancy // Eur. Heart. J. - 2003. - Vol. 24. - P. 761-781.

33. Use of antihypertensive medications in pregnancy and the risk of adverse perinatal outcomes: McMaster outcome study of hypertension in pregnancy 2 (MOS HIP 2) / J.G. Ray // BMC Pregnancy Childbirth. - 2001. - № 1. - P.6.

34. World Health Organization - International Society of Hypertension 1999 Guidelines for the Management of Hypertension // High Blood Press. - 1999. - Vol. 8. - P. 1^3.

Поступила 29.10.2008

ИСПОЛЬЗОВАНИЕ ДАННЫХ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ В КЛИНИЧЕСКОЙ ПРАКТИКЕ (сообщение 3 - ДИАГНОСТИЧЕСКИЕ ИССЛЕДОВАНИЯ)

А. А. Литвин2, А. Л. Калинин1, Н. М. Тризна3

1Гомельский государственный медицинский университет 2Гомельская областная клиническая больница 3Белорусский государственный медицинский университет, г. Минск

Важным аспектом доказательной медицины является полнота и точность представления данных. Целью статьи является краткий обзор принципов доказательной медицины в исследованиях, посвященных точности диагностических тестов.

Диагностические тесты используются в медицине, чтобы установить диагноз, степень тяжести и особенности течения заболевания. Диагностическая информация получается из множества источников, включая субъективные, объективные, специальные методы исследования. Эта статья основывается на описании данных об измерении качества исследований, преимуществ различных способов итоговой статистики c помощью метода логистической регрессии и ROC-анализа.

Ключевые слова: доказательная медицина, диагностические тесты, логистическая регрессия, ROC-анализ.

USE OF DATA OF EVIDENCE BASED MEDICINE IN CLINICAL PRACTICE (report 3 - DIAGNOSTIC TESTS)

A. A. Litvin2, A. L. Kalinin1, N. M. Trizna3

1Gomel State Medical University 2Gomel Regional Clinical Hospital 3Belarus State Medical University, Minsk

A prominent aspect of evidence based medicine is completeness and accuracy of data presentation. Article purpose is the short review of principles of evidence based medicine in the researches devoted to accuracy of diagnostic tests.

Проблемы здоровья и экологии

Diagnostic tests are used in medicine to screen for diagnose, grade, and monitor the progression of disease. Diagnostic information is obtained from a multitude of sources, including sings, symptoms and special investigations. This article concentrates on the dimensions of study quality and the advantages of different summary statistics with logistic regression and ROC-analysis.

Key words: evidence based medicine, diagnostic tests, logistic regression, ROC-analysis.

Когда врач на основании данных анамнеза и обследования пациента выносит суждение о диагнозе, он редко бывает в нем полностью уверен. В связи с этим более целесообразно говорить о диагнозе с точки зрения его вероятности. Все еще очень часто эта вероятность выражается не в форме процентов, а с помощью таких выражений, как «почти всегда», «обычно», «иногда», «редко». Поскольку разные люди вкладывают различную степень вероятности в одни и те же термины, это ведет к возникновению недопонимания между врачами или между врачом и пациентом . Врачам следует как можно более точно давать свои заключения и, если это осуществимо, использовать для выражения вероятности количественные методы .

Хотя наличие таких количественных показателей было бы очень желательно, они обычно отсутствуют в клинической практике. Даже опытные клиницисты часто не в состоянии точно определить вероятность развития тех или иных изменений. Имеется тенденция к гипердиагностике относительно редких заболеваний. Особенно трудно бывает количественно оценить вероятность, которая может быть очень высокой или очень низкой .

Поскольку установление достоверных диагностических критериев является краеугольным камнем клинического мышления, для разработки статистических подходов к улучшению диагностического предвидения используется накопленный клинический опыт, который в идеале должен быть представлен в форме компьютерных банков данных . В подобных исследованиях обычно идентифицируют фак-

торы, находящиеся в корреляции с тем или иным диагнозом. Затем эти данные могут быть включены в многофакторный анализ, что позволяет определить, какие из них являются достоверными независимыми предикторами диагноза. Некоторые виды анализа позволяют идентифицировать важные факторы предсказания диагноза и затем определить их «вес», который может быть при дальнейшем математическом расчете трансформирован в вероятность. С другой стороны, анализ позволяет выделить ограниченное число категорий пациентов, каждая из которых имеет собственную вероятность наличия того или иного диагноза .

Эти количественные подходы к постановке диагноза, которые часто называют «правилами предсказания», особенно полезны, если они представлены в удобном для использования виде и если их ценность была широко изучена на достаточном числе и спектре пациентов. Чтобы такие правила предсказания могли оказать реальную помощь клиницистам, они должны быть разработаны на представительных группах больных с использованием доступных воспроизводимых тестов для того, чтобы полученные результаты могли быть применены в медицинской практике повсеместно .

В связи с этим чрезвычайно важно знать несколько наиболее часто используемых при анализе результатов исследований и в эпидемиологии терминов, включая распространенность, чувствительность, специфичность, положительную предсказательную ценность и отрицательную предсказательную ценность (таблица 1) .

Таблица 1 - Систематические термины, наиболее часто используемые в диагностических исследованиях

имеется отсутствует

Положительные а (истинноположительные) б (ложноположительные)

Отрицательные в (ложноотрицательные) г (истинноотрицательные)

Распространение (априорная вероятность) = (а+в) / (а+б+в+г) = число больных / общее число обследованных

Чувствительность (sensitivity) = а / (а+в) = число истинноположительных результатов / общее число больных

Специфичность (specificity) = г / (б+г) = число истинноотрицательных результатов / число пациентов без данного заболевания

Частота ложноотрицательных результатов = в / (а+в) = число ложноотрицательных результатов / общее число больных

Частота ложноположительных результатов = б / (б+г) = число ложноположительных результатов / число пациентов без данного заболевания

Проблемы здоровья и экологии

Окончание таблицы 1

Результаты теста Патологическое состояние

имеется отсутствует

Положительная предсказательная ценность (positive predictive value) = а / (а+б) = число истинноположительных результатов / число всех положительных результатов

Отрицательная предсказательная ценность (negative predictive value) = г / (в+г) = число истинноотрицательных результатов / число всех отрицательных результатов

Общая точность (accuracy) = (а+г) / (а+б+в+г) = число истинноположительных и истинноотрицательных результатов / число всех результатов

Отношение правдоподобия положительного результата (likelihood ratio of a positive test) - = чувствительность / (1 - специфичность)

Отношение правдоподобия отрицательного результата теста (likelihood ratio of a negative test) - = 1 - чувствительность / специфичность

Вопросы, на которые отвечают данные характеристики диагностического теста :

1) чувствительность - насколько хорош тест для выявления пациентов, имеющих данное состояние?

2) специфичность - насколько хорош тест для правильного исключения пациентов, не имеющих данного состояния?

3) прогностическая ценность положительного результата теста - если у человека тест положительный, какова вероятность того, что у него действительно есть данное заболевание?

4) прогностическая ценность отрицательного результата теста - если у человека тест отрицательный, какова вероятность того, что у него действительно нет данного заболевания?

5) индекс точности - какая часть всех тестов дала правильные результаты (т. е. истинноположительные и истинноотрицательные результаты по отношению ко всем)?

6) отношение правдоподобия положительного результата (likelihood ratio of a positive test) - насколько более вероятно то, что тест будет положительным у человека с заболеванием по сравнению со здоровым?

Поскольку только меньшая часть из правил предсказания соответствует строгим критериям, таким как число и спектр обследованных, а также проспективное подтверждение результатов, большинство из них непригодно для повседневного клинического использования. Более того, многие правила предсказания не могут оценить вероятность каждого диагноза или исхода, с которыми сталкивается клиницист. Тест, обладающий определенной чувствительностью и специфичностью, имеет различную положительную и отрицательную предсказательную ценность, если применяется в группах с различной распространенностью заболевания. Чувствительность и специфичность какого-либо теста не зависят от распростра-

ненности заболевания (или процента больных, у которых имеется заболевание, от всех обследованных пациентов), они зависят от состава группы пациентов, среди которых этот тест был использован .

В некоторых ситуациях неточное знание чувствительности и специфичности теста в изучаемой группе пациентов может ограничить его клиническую ценность. Поскольку врач редко знает (или может знать) популяцию пациентов, на которой назначаемый им тест был стандартизован, получаемые результаты обладают информацией намного менее достоверной, чем принято думать. Более того, для любого диагностического теста увеличение чувствительности будет сопровождаться снижением специфичности .

Модель с высокой чувствительностью часто дает истинный результат при наличии положительного исхода (обнаруживает положительные примеры). Наоборот, модель с высокой специфичностью чаще дает истинный результат при наличии отрицательного исхода (обнаруживает отрицательные примеры). Если рассуждать в терминах медицины - задачи диагностики заболевания, где модель классификации пациентов на больных и здоровых называется диагностическим тестом, то получится следующее: 1) чувствительный диагностический тест проявляется в гипердиагностике - максимальном предотвращении пропуска больных; 2) специфичный диагностический тест диагностирует только доподлинно больных . Поскольку нельзя ожидать, что какая-либо величина или производный показатель в отдельности могли бы обладать одновременно превосходной чувствительностью и специфичностью, часто бывает необходимо определить, какой показатель является наиболее ценным и необходимым для принятия решения. Графическое изображение, получившее название ROC-кривой

Проблемы здоровья и экологии

(рисунок 1), связывающей обсуждаемые характеристики теста, показывает неизбежность выбора между стремлением к высокой чувствительности и специфичности. Подобное графическое изображение свидетельствует о том, что результаты тестов могут быть определены как нормальные или патологические в зависимости от того, учитыва-

ется заболевание, если тест обладает высокой специфичностью, или исключается, если тест обладает высокой чувствительностью. Разные тесты могут обладать различной чувствительностью и специфичностью. Чувствительность и специфичность более достоверных тестов выше, чем недостоверных тестов .

Рисунок 1 - Графическое изображение внутреннего несоответствия чувствительности и специфичности

ROC-кривая (Receiver Operator Characteristic) - кривая, которая наиболее часто используется для представления результатов бинарной классификации в машинном обучении . Название пришло из систем обработки сигналов. Поскольку классов два, один из них называется классом с положительными исходами, второй - с отрицательными исходами. ROC-кривая показывает зависимость количества верно классифицированных положительных примеров от количества неверно классифицированных отрицательных примеров. В терминологии ROC-анализа первые называются истинноположительным, вторые - ложноотрицательным множеством. При этом предполагается, что у классификатора имеется некоторый параметр, варьируя который мы будем получать ту или иную разбивку на два класса. Этот параметр часто называют порогом, или точкой отсечения (cut-off value) .

ROC-кривая получается следующим образом. Для каждого значения порога отсечения, которое меняется от 0 до 1 с шагом, например, 0,01, рассчитываются значения чувствительности Se и специфичности Sp. В качестве альтернативы порогом может являться каждое последующее значение примера в выборке. Строится график зависимости: по оси Y откладывается чувствительность Se, по оси X - 100% - Sp (сто процентов минус специфичность) . В результате вырисовывается некая кривая (рисунок 1). График часто дополняют прямой y = х.

Для идеального классификатора график ROC-кривой проходит через верхний левый

угол, где доля истинноположительных случаев составляет 100 %, или 1,0 (идеальная чувствительность), а доля ложноположительных примеров равна нулю. Поэтому чем ближе кривая к верхнему левому углу, тем выше предсказательная способность модели. Наоборот, чем меньше изгиб кривой и чем ближе она расположена к диагональной прямой, тем менее эффективна модель. Диагональная линия соответствует «бесполезному» классификатору, т. е. полной неразличимости двух классов .

При визуальной оценке ROC-кривых расположение их относительно друг друга указывает на их сравнительную эффективность. Кривая, расположенная выше и левее, свидетельствует о большей предсказательной способности модели. Так, на рисунке 2 две ROC-кривые совмещены на одном графике. Видно, что модель A лучше.

Визуальное сравнение кривых ROC не всегда позволяет выявить наиболее эффективную модель. Своеобразным методом сравнения ROC-кривых является оценка площади под кривыми. Теоретически она изменяется от 0 до 1,0, но поскольку модель всегда характеризуются кривой, расположенной выше положительной диагонали, то обычно говорят об изменениях от 0,5 («бесполезный» классификатор) до 1,0 («идеальная» модель). Эта оценка может быть получена непосредственно вычислением площади под многогранником, ограниченным справа и снизу осями координат и слева вверху - экспериментально полученными точками (рисунок 3). Численный показатель площади под кривой называется AUC (Area Under Curve).

Проблемы здоровья и экологии

Рисунок 2 - Сравнение ROC-кривых

Рисунок 3 - Площадь под ROC-кривой

С большими допущениями можно считать, что чем больше показатель AUC, тем лучшей прогностической силой обладает модель. Однако следует знать, что показатель AUC предназначен скорее для сравнительного анализа нескольких моделей; AUC не содержит ника-

кой информации о чувствительности и специфичности модели .

В литературе иногда приводится следующая экспертная шкала для значений AUC, по которой можно судить о качестве модели (таблица 2) .

Таблица 2 -Экспертная шкала значений AUC

Интервал AUC Качество модели

0,9-1,0 Отличное

0,8-0,9 Очень хорошее

0,7-0,8 Хорошее

0,6-0,7 Среднее

0,5-0,6 Неудовлетворительное

Идеальная модель обладает 100% чувствительностью и специфичностью. Однако на практике добиться этого невозможно, более того, невозможно одновременно повысить и чувствительность, и специфичность модели.

Компромисс находится с помощью порога отсечения, т.к. пороговое значение влияет на соотношение Se и Sp. Можно говорить о задаче нахождения оптимального порога отсечения (optimal cut-off value) (рисунок 4) .

Рисунок 4 - «Точка баланса» между чувствительностью и специфичностью

Проблемы здоровья и экологии

Порог отсечения нужен для того, чтобы применять модель на практике: относить новые примеры к одному из двух классов. Для определения оптимального порога нужно задать критерий его определения, т.к. в разных задачах присутствует своя оптимальная стратегия. Критериями выбора порога отсечения могут выступать: 1) требование минимальной величины чувствительности (специфичности) модели. Например, нужно обеспечить чувствительность теста не менее 80 %. В этом случае оптимальным порогом будет максимальная специфичность (чувствительность), которая достигается при 80 % (или значение, близкое к

нему «справа» из-за дискретности ряда) чувствительности (специфичности) .

Приведенные теоретические данные лучше воспринимаются на примерах из клинической практики. Первый пример, на котором мы остановимся, будет диагностика инфицированного панкреонекроза (набор данных взят из базы данных ). Обучающая выборка содержит 391 запись с выделением 12 независимых переменных в следующем формате (таблица 3). Зависимая переменная (1 - наличие заболевания, 0 - отсутствие). Распределение зависимой переменной следующее: 205 случаев - отсутствие заболевания, 186 - его наличие.

Таблица 3 - Независимые переменные для диагностики инфицированного панкреонекроза, коэффициенты логистической регрессии (пример)

Независимые переменные Формат данных Коэффициент, %

Число дней от начала заболевания > 14 < 14 2,54

Число дней, проведенных больным на лечении в ОАРИТ > 7 < 7 2,87

Частота сердечных сокращений числовое значение 1,76

Частота дыхания числовое значение 1,42

Температура тела числовое значение 1,47

Лейкоциты крови числовое значение 1,33

Лейкоцитарный индекс интоксикации числовое значение 1,76

Мочевина крови числовое значение 1,23

Общий белок плазмы крови числовое значение 1,43

Адекватная антибиотикопрофилактика при установлении диагноза тяжелого острого панкреатита да/нет -1,20

Выполнение миниинвазивных лечебно-профилактических операций да/нет -1,38

Наличие отрицательной динамики да/нет 2,37

На рисунке 4 изображена полученная ROC- можно охарактеризовать как очень хорошую, кривая. Предсказательную способность модели AUC = 0,839.

Рисунок 4 - ROC-кривая диагностической модели инфицированного панкреонекроза

Проблемы здоровья и экологии

Рассмотрим фрагмент массива точек «чув- ня внутрибрюшного давления у больных тяже-

ствительшсть-специфичшсть» на примере уров- лым острым панкреатитом .

Таблица 4 - Чувствительность и специфичность различных уровней ВБД для прогнозирования развития ИПН (пример)

ВБД, мм рт. ст. Чувствительность, % Специфичность, % Se + Sp Se - Sp

13,5 25 100 125 75

14,5 30 95 125 65

15,5 40 95 135 55

16,5 65 95 160 30

17,5 80 90 170 10

18,5 80 80 160 0

19,5 80 70 150 10

20,5 85 65 150 20

21,5 95 55 150 40

23,0 100 45 145 55

24,5 100 40 140 60

25,5 100 25 125 75

Как видно из таблицы, оптимальным пороговым уровнем ВБД у больных острым деструктивным панкреатитом, обеспечивающим максимум чувствительности и специфичности теста (или минимум ошибок I и II рода), является 17,5 ± 2,3 (M ± SD) мм рт.ст., при котором отмечается 80 % чувствительность и 90 % специфичность метода для определения вероятности развития инфекционных осложнений пан-креонекроза. Чувствительность равна 80 % - это означает, что у 80 % пациентов с инфицированным панкреонекрозом диагностический тест положителен. Специфичность равна 90 %, следовательно, у 90 % пациентов, у которых нет инфицированного панкреонекроза, результаты теста являются отрицательными. Точкой баланса, в которой чувствительность и специфичность примерно совпадают - 80 %, является 18,5. В целом положительная прогностическая ценность измерения ВБД составила 86 %, отрицательная прогностическая ценность - 88 %.

Проведение логистической регрессии и ROC-анализа возможно с использованием статистических пакетов . Однако «Statistica» 6 и 7 (http://www.statistica.com) проводят данный анализ только с использованием блока «Искусственные нейронные сети» . В SPSS (http://www. spss.com) (начиная с 13 версии) ROC-анализ дан только в графическом модуле и анализируется одна ROC-кривая. В SPSS выводится значение площади под кривой (AUC), уровень значимости и значение чувствительности и специфичности в каждой точке измерения. Оптимальную точку (optimal cut-off) необходимо находить самим из таблицы чувствительности и 1-специфичность . Программа MedCalc проведет сравнение нескольких ROC-кривых, в таблице пометит значение переменной, при

которой соотношение чувствительности и специфичности оптимально (optimal cut-off). В SAS (http://www.sas.com) также, как и R-Commander есть модуль сравнения кривых и нахождения точек, AUC. Логистическая регрессия и ROC-анализ есть в бесплатной программе WINPEPI (PEPI-for-Windows) (http://www.brixtonhealth. com/ winpepi.zip) .

Заключение

Искусство диагностики постоянно совершенствуется. Ежедневно появляются новые диагностические тесты, а технология существующих методов изменяется. Переоценка точности соответствующих исследований, в частности, в результате возникновения систематической ошибки, связанной с недобросовестной практикой исследований и публикаций, может привести к преждевременному внедрению диагностических тестов и принятию неправильных клинических решений. Тщательная оценка диагностических тестов до их широкого применения не только снижает риск развития неблагоприятных исходов, обусловленных ошибочными представлениями об информативности метода, но также может ограничить расходование ресурсов здравоохранения за счет отказа от ненужных обследований. Неотъемлемой частью оценки диагностических тестов являются исследования, посвященные точности диагностических тестов, самыми информативными из которых являются метод логистической регрессии и ROC-анализ.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Гринхальх, Т. Основы доказательной медицины / Т. Грин-хальх; пер. с англ. - М.: ГЭОТАР-Медиа, 2006. - 240 с.

Проблемы здоровья и экологии

3. Власов, В. В. Введение в доказательную медицину / В. В. Власов. - М. МедиаСфера, 2001. - 392 с.

4. Флетчер, Р. Клиническая эпидемиология. Основы доказательной медицины / Р. Флетчер, С. Флетчер, Э. Вагнер; пер. с англ. - М.: МедиаСфера, 1998. - 352 с.

5. Банержи, А. Медицинская статистика понятным языком: вводный курс / А. Бенержи; пер с англ. - М.: Практическая медицина, 2007. - 287 с.

6. Жижин, К. С. Медицинская статистика: учеб. пособие. - Ростов н/Д.: Феникс, 2007. - 160 с.

7. Deeks, J. J. Systematic reviews of evaluations of diagnostic and screening tests / J. J. Deeks // BMJ. - 2001. - Vol. 323. - P. 157-162.

8. Guidelines for meta-analyses evaluating diagnostic tests / L. Irwig // Ann. Intern. Med. - 1994. - Vol. 120. - P. 667-676.

9. Systematic reviews and meta-analysis for the surgeon scientist /

S. S. Mahid // Br. J. Surg. - 2006. - Vol. 93. - P. 1315-1324.

10. Meta-analytical methods for diagnostic test accuracy / L. Irwig // J. Clin. Epidemiol. - 1995. - Vol. 48. - P. 119-130.

11. Users" guides to the medical literature. How to use an article about a diagnostic test. A. Are the results of the study valid? / R. Jaeschke // JAMA. - 1994. - Vol. 271. - P. 389-391.

12. Use of methodological standards in diagnostic test research: getting better but still not good / M. C. Read // JAMA. - 1995. - Vol. 274. - P. 645-651.

13. StAR: a simple tool for the statistical comparison of ROC curves / I. E. Vergara // BMC Bioinformatics. - 2008. - Vol. 9. - P. 265-270.

14. A comparison of parametric and nonparametric approaches to ROC-analysis of quantitative diagnostic tests / K. O. Hajian-Tilaki // Medical Decision Making. - 1997. - Vol. 17, N. 1. - P. 94-102.

15. Receiver operator characteristic (ROC) curves and nonnormal data: An empirical study / M.J. Goddard // Statistics in Medicine. - 1989. - Vol. 9, N. 3. - P. 325-337.

16. Возможности прогнозирования инфицированного пан-креонекроза / А. А. Литвин [и др.] // Проблемы здоровья и экологии. - 2007. - Т. 12, № 2. - С. 7-14.

17. Метод мониторинга внутрибрюшного давления у больных тяжелым острым панкреатитом / А. А. Литвин [и др.] // Проблемы здоровья и экологии. - 2008. - Т. 16, № 2. - С. 80-85.

18. Comparison of eight computer programs for receiver-operating characteristic analysis / C. Stephan // Clin. Chem. - 2003. - Vol. 49, N. 3. - P. 433-439.

19. Zhu, X. A short preview of free statistical software packages for teaching statistics to industrial technology majors / X. Zxu // J. Ind. Technology. - 2005. - Vol. 21, N. 2. - P. 10-20.

20. Боровиков, В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов / В. Боровиков. - СПб.: Питер, 2001. - 656 с.

21. Бююлъ, А. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / А. Бююль. - СПб.: ДиаСофтЮП, 2002. - 608 с.

22. Abramson, J. H. WINPEPI (PEPI-for-Windows): computer programs for epidemiologists / J. H. Abramson, // Epidemiologic Perspectives & Innovations. - 2004. - Vol. 1, N. 6. - P. 1-10.

Поступила 24.10.2008

УДК 616.1:616-009.12:616-005.8:616.831-005.1

НЕКОТОРЫЕ ПОКАЗАТЕЛИ МИКРОЦИРКУЛЯЦИИ И ПОВРЕЖДЕНИЯ ЭНДОТЕЛИЯ В ОЦЕНКЕ РИСКА РАЗВИТИЯ ИНСУЛЬТОВ, ИНФАРКТОВ МИОКАРДА, ЛЕТАЛЬНЫХ ИСХОДОВ У БОЛЬНЫХ АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИЕЙ

В. И. Козловский, А. В. Акулёнок Витебский государственный медицинский университет

Цель исследования: выделение факторов, ассоциированных с повышением риска развития инфарктов миокарда, мозговых инсультов, летальных исходов у больных артериальной гипертензией (АГ) II степени.

Материал и методы: в исследование были включены 220 больных АГ II степени (средний возраст 57 ± 8,4 лет), которые госпитализировались в связи с гипертоническим кризом, и 30 человек без АГ (средний возраст

53,7 ± 9 лет).

Результаты: за 3,3 ± 1 лет наблюдения в группе больных АГ II степени зафиксировано 29 инсультов, 18 инфарктов миокарда, 26 летальных исходов. Повышение числа циркулирующих эндотелиальных клеток (ЦЭК), агрегации лейкоцитов, тромбоцитов, адгезии лейкоцитов у больных АГ было ассоциировано с повышением риска развития инфарктов миокарда, инсультов и летальных исходов.

Заключение: показатели числа ЦЭК, агрегации тромбоцитов и лейкоцитов, адгезии лейкоцитов можно использовать для выделения групп гипертензивных больных повышенного риска развития инфарктов миокарда, инсультов и летальных исходов, а также в создании комплексных моделей прогноза.

Ключевые слова: артериальная гипертензия, риск, инфаркт миокарда, инсульт, летальный исход, циркулирующие эндотелиоциты.

SOME FINDINGS OF MICROCIRCULATION AND ENDOTHELIAL DAMAGE IN ESTIMATION OF RISK FOR STROKES, MYOCARDIAL INFARCTIONS, LETHAL OUTCOMES IN HYPERTENSIVE PATIENTS

V. I. ^zlovsky, A. V. Akulionak Vitebsk Statel Medical University

Objective: to determine factors, associated with increased risk for development of strokes, myocardial infarctions, lethal outcomes in patients with arterial hypertension (AH) II degree.

Methods: 220 patients with AH II degree (mean age 57 ± 8,4 years), complicated by hypertensive crisis, and 30 persons without AH (mean age 53,7 ± 9 years) were followed-up for 3,3±1 years.

Results: elevation of number of circulating endothelial cells (CEC), aggregation of platelets and leukocytes, adhesion of leukocytes in hypertensive patients were associated with increased risk for development of strokes, myocardial infarctions, lethal outcomes.

ГЛАВА V АНАЛИЗ МЕДИЦИНСКИХ ПУБЛИКАЦИЙ С ПОЗИЦИЙ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ

Заглавие статьи. Интересное заглавие привлекает внимание. Если оно заинтересовало, можно приступать к дальнейшей работе над статьей. Особого интереса заслуживают статьи и обзоры, в названии которых заложена информация по принципу «за» и «против», поскольку помимо возможной интересной авторской позиции здесь будут приведены аргументы и контраргументы. Используя список рекомендуемой литературы, можно будет легко ознакомиться с первоисточниками и составить собственное мнение о проблеме (в качестве

примера в приложении приведена статья «Диуретики: доказанное и недоказанное»).

Вслед за заглавием всегда идет список авторов и название учреждения, в котором выполнена работа. Встреча со знакомой и известной фамилией и уважаемым учреждением позволяют заранее представить себе качественный уровень исследования. Если в статье приведены результаты РКИ, целесообразно потрать время и найти на сайте Росздрава информацию о том, имеет ли данное учреждение лицензию на проведение исследований. Наличие лицензии, а также опыт аналогичной работы позволяют с большим доверием отнестись к информации, изложенной в публикации.

Реферат позволяет получить расширенное представление о сути исследования, контингенте его участников и выводах. Если данные отвечают поставленной задаче по поиску информации, можно переходить к анализу статьи. При отсутствии реферата нужно сразу ознакомиться с выводами исследования, публикуемыми в конце статьи.

Заглавие, реферат и выводы должны дать представление о возможном научно-методическом уровне исследования, категории пациентов и возможности применения его результатов в условиях реальной практики (например, диагностические возможности поликлиники и специализированных центров существенно различаются в пользу последних).

Методы исследования - один из ключевых разделов публикации, поскольку именно он дает представление о качестве полученных результатов и выводов, поскольку плохо спланированное и выполненное с использованием нестандартных методик исследование не может быть основой для принятия решений.

В настоящее время сформированы методологические требования к качественно-выполненным клиническим исследованиям:

Наличие контрольной группы (плацебо, традиционная терапия, вмешательство сравнения);

Критерии включения и исключения пациентов из исследования;

Дизайн исследования (распределение пациентов, включенных в исследование, до и после рандомизации);

Описание метода рандомизации;

Описание принципов применения препарата (открытое, слепое, двойное слепое, тройное слепое);

. «слепая» и независимая оценка результатов лечения не только по конечным точкам, но и с учетом лабораторно-инструментальных показателей;

Представление результатов (особое внимание уделяется клинико-демографической сопоставимости контрольной и исследуемой групп);

Информация об осложнениях и побочных эффектах лечения;

Информация о числе больных, выбывших в ходе исследования;

Качественный и адекватный задачам статистический анализ с применением лицензированных статистических программ;

Представление результатов в той форме, которая может быть перепроверена (только проценты и дельта изменения показателя неприемлемы);

Указание на конфликт интересов (с какими организациями сотрудничает автор и кто был спонсором исследования).

Достаточно немного публикаций отвечает всем перечисленным требованиям, поэтому при анализе статей необходимо не просто констатировать имеющиеся недостатки, а оценить их влияние на достоверность полученных выводов.

Большинство экспертов в области доказательной медицины выделяют наиболее важные составляющие качественной медицинской публикации.

Использование рандомизации пациентов в исследовании.

В международных рецензируемых журналах сообщения о рандомизации приводятся в 90% статей о клинических исследованиях, однако только в 30% из них описан конкретный метод рандомизации. В настоящее время упоминание понятия «рандомизация», особенно в отечественных работах, стало признаком «хорошего» тона. Однако используемые методы часто таковыми не являются, и обеспечить однородность сравниваемых групп не могут. Иногда разница по количеству пациентов в группах сравнения указывает, что рандомизация вообще не проводилась. Нельзя отнести к методам рандомизации и «распределение пациентов по группам случайным образом». Использование некачественных методов рандомизации, явные огрехи в проведении или ее отсутствие делают бесполезным и бессмысленным дальнейшее изучение публикации, так как полученные выводы будут бездоказательны. Отсутствие качественной информации по интересующей проблеме лучше, чем использование некачественной в принятии решения. К сожалению, в реальной практике некачественные преобладают над качественными исследованиями.

Основные критерии оценки эффективности лечения. Очень важно, чтобы в публикации были использованы общепринятые «жесткие» и «суррогатные» конечные точки для конкретного заболевания. Нельзя согласиться с мнением В.В. Власова «К сожалению, подмена "конечных" результатов (истинных критериев оценки - клинических исходов) "промежуточными" (косвенными критериями оценки вроде снижения уровня глюкозы или холестерина в крови, артериального давления) весьма распространена». Сегодня для каждой нозологии существуют строго определенные суррогатные конечные точки, влияющие на прогноз заболевания. В ряде исследований достижение «жестких» конечных точек невозможно в принципе, поэтому оценка эффективности вмешательства по его влиянию на суррогатные конечные точки вполне допустима. Другое дело, что они должны быть выбраны корректно: например, для артериальной гипертензии, это уровень АД, а не состояние перекисного окисления липидов. Вообще работа над исследованием очередного изофермента, как правило, не имеет клинического значения по двум причинам: во-первых, кроме авторов их больше никто не определяет, во-вторых, связь с конечными «жесткими» точками практически никогда не доказана.

Значимость результатов исследования и их статистическая достоверность. Только то, что происходит с высокой вероятностью, статистически достоверно, причем вероятность необходимо задать до начала исследования. Клинически значимо то, что можно применить у широкого круга пациентов. По своей эффективности он достоверно превосходит, а по безопасности не уступает уже существующим альтернативным методам лечения и диагностики.

Большой размер выборки (число пациентов) в крупных РКИ позволяет статистически достоверно выявить даже небольшие эффекты от применения изучаемых лекарственных препаратов. Малый размер выборки, характерный для большинства публикаций, не позволяет этого сделать, поэтому малая выраженность эффекта в них означает, что лишь у малой части пациентов (1-2%) будет получен положительный эффект от вмешательства. Оценка безопасности вмешательства у небольшого числа пациентов считается неэтичной. Нельзя принимать решения, основываясь на «выраженной тенденции», они могут быть предметом дальнейшего научного исследования, но не основой для принятия клинических решений. Кроме этого, данные корреляционного и регрессионного анализов не могут быть положены в основу клинически значимых выводов, так как отражают направлен-

ность и выраженность связи показателей, а не изменение в результате вмешательства.

В последнее время появились определенные проблемы и с крупномасштабными исследованиями. Количество их участников иногда настолько велико, что даже незначительное отклонение признака в результате вмешательства может стать статистически достоверным. Например, в исследовании ALLHAT участвовали 33357 пациентов, из которых 15255 получали терапию хлораталидоном, а оставшиеся принимали амлодипин или лизиноприл. К окончанию исследования в группе на хлорталидоне было выявлено повышение глюкозы на 2,8 мг/дл (2,2%), а в группе амлодипина ее снижение на 1,8 мг/дл (1,3%). Эти изменения, которым в условиях реальной клинической практики могли и не придать никого значения, оказались статистически достоверными.

Отсутствие достоверных различий в эффективности сравниваемых методов исследования наиболее часто связано с малым числом пациентов в выборке. Недостаточная по размерам выборка делает отрицательный результат недостаточным для негативной оценки лечения, а в случае получения положительного эффекта вмешательства не позволяет с уверенностью рекомендовать его для широкой клинической практики.

Помимо оценки эффективности вмешательства по отношению к «жестким» и «суррогатным» конечным точкам важно знать о его влиянии на качество жизни (например, для пациента с болевым синдромом изменение этого показателя важнее, чем влияние на риск декомпенсации хронической сердечной недостаточности при применении НСПВС).

Доступность метода в условиях реальной клинической практики.

Врач должен решить, насколько сопоставима группа больных, включенных в исследование, с теми пациентами, к которым он собирается его применить (демографические характеристики, тяжесть и длительность заболевания, сопутствующая патология, пропорция мужчин и женщин, существующие противопоказания к диагностическим и/или терапевтическим мероприятиям, и т.д.).

Представленные выше сведения в основном касались исследований по оценке эффективности новых методов лечения. Публикации по проблемам диагностики и фундаментальным проблемам этиологии и патогенеза заболеваний имеют ряд отличий как по своей сути, так и по атрибутивным признакам, позволяющим считать их информативными с позиции доказательной медицины.

ПУБЛИКАЦИИ ПО ДИАГНОСТИКЕ

Диагностические процедуры могут быть использованы с разной целью:

Как обязательный стандарт обследования (например, измерение АД, определение веса, анализ крови и мочи и т.д.) проводят всем лицам, оказавшимся в медицинском учреждении в связи с любым заболеванием для исключения сопутствующей патологии (case finding);

В качестве скрининга для выявления больных в здоровой популяции (например, тест на фенилкетонурию в родильном доме или измерение АД для выявления лиц с артериальной гипертензией);

Для постановки и уточнения диагноза (например, ЭКГ и эзофагогастроэндоскопия при наличии болей в левой половине грудной клетки);

Для динамического контроля за эффективностью лечения (например, суточное мониторирование АД во время антигипертензивной терапии).

В этой связи необходимо наличие в статье четкой информации о цели предпринятого диагностического вмешательства.

Для оценки достоверности информации о преимуществах предлагаемого диагностического вмешательства необходимо ответить на ряд вопросов:

Проводилось ли сравнение предлагаемого метода с существующим «золотым стандартом» для конкретной патологии (например, ЭхоКГ с ЭКГ при ИБС, скорости измерения пульсовой волны с ультразвуковым определением толщины комплекса интима-медиа);

Является ли выбранный метод сравнения действительно «золотым стандартом»;

Проводилось ли сравнение диагностических вмешательств с использование слепого метода;

Приведены ли границы возможного применения диагностического метода (например, первые часы инфаркта миокарда для тропонинов, уровень гликированного гемоглобина и т.д.);

Достаточно ли широко представлена сопутствующая патология, влияющая на эффективность диагностического вмешательства;

Насколько воспроизводим диагностический метод, и является ли он «оператор» зависимым (например, морфометрия при ЭхоКГ).

Врачи переоценивают воспроизводимость результатов исследований, связанных с оценкой изображения (ультразвуковых, рентгенологических, радиоизотопных, электрокардиографических и эндоскопических);

На основании каких тестов разграничивалась норма и патология.

Понятие нормы и точки разделения должны быть четко сформулированы. Точкой разделения называют величину физиологического показателя, которая служит границей, разделяющей лиц на здоровых и больных. Так, за нормальный уровень АД могут быть приняты значения 140/90 и 130/80 мм рт.ст. Естественно, что в зависимости от этого могут быть получены существенные различия, например по частоте гипертрофии левого желудочка с использованием любой оценочной диагностической методики. Точка разделения (х2) позволяет оценить чувствительность, специфичность и прогностическую ценность диагностического вмешательства. Повышение значений точки разделения снижает чувствительность, но повышает специфичность и прогностическую ценность положительного диагностического вмешательства. Соответственно при уменьшении значения точки разделения влево (х1) повышаются чувствительность и прогностическая ценность отрицательного результата, но снижаются специфичность и прогностическая ценность положительного результата диагностического теста. Для описания изменений результатов исследования в зависимости от выбора точки разделения используют называемый ROC-анализ (Receiver Operating Characteristic analysis), которая позволяет оценить риск ложноположительных результатов.

При анализе публикаций по диагностическим вмешательствам необходимо оценить:

Насколько убедительно доказано, что использование нового диагностического теста в сочетании с другими стандартными для данной патологии тестами повышает эффективность диагностики. Неэффективное диагностическое вмешательство не повысит и результативность диагностики при его добавлении к существующей «батарее диагностических тестов». Критерием полезности диагностического теста является возможность с его помощью положительно повлиять на исход заболевания (например, за счет более раннего или более надежного выявления патологии);

Возможно ли применение нового диагностического вмешательства в условиях реальной повседневной клинической практики;

Каков риск от нового диагностического вмешательства (даже рутинное диагностическое вмешательство имеет свой риск осложнений, например велоэргометрия, и тем более коронарография при ИБС);

Какова стоимость нового диагностического вмешательства при сравнении с уже существующими, и особенно с «золотым стандартом» (например, стоимость ЭКГ и ЭхоКГ для определения гипертрофии левого желудочка существенно различаются, но последний метод гораздо точнее);

Насколько детально описаны процедура проведения диагностического вмешательства (подготовка пациента, техника проведения диагностического вмешательства, способы хранения полученной информации).

ПУБЛИКАЦИИ О ТЕЧЕНИИ ЗАБОЛЕВАНИЯ

Наиболее сложными для анализа являются публикации, касающиеся течения заболевания, поскольку они требуют от врача знаний в области неинфекционной эпидемиологии.

Важными вопросами, на которые должен ответить врач, анализируя качество представленной информации, являются:

Какой принцип был положен в формирование исследуемой группы пациентов (скорая помощь; стационар общего или специализированного профиля, поликлиника);

Есть ли четкие диагностические критерии для отнесения пациентов к исследуемой группе? Например, в медицинской литературе нет четкого определения понятия вегетососудистой дистонии. Таким образом, в исследуемую группу могут попасть совершенно разные пациенты;

Четко ли сформулированы ли критерии исхода заболевания и соответствуют ли они принятым в настоящее время. Только документированный смертельный исход является очевидным, хотя и здесь на причину смерти может оказывать серьезное влияние место, где она констатирована (дома или в стационаре, проводилось вскрытие или нет). Для всех остальных случаев должны быть разработаны четкие критерии, желательно, чтобы конечные точки оценивал независимый комитет экспертов («streaming committee»);

Каким образом было организовано проспективное наблюдение за течением заболевания (обращаемость к врачу, госпитализации, смерть).

Полнота отслеживания является ключевым моментом качественного исследования по течению заболевания. Если в ходе наблюдение выбывает более 10% больных, то результаты такого исследования считаются сомнительными. При выбытии более 20% пациентов результаты исследования вообще не представляют никакой научной ценности, так как в группах с высоким риском развития осложнений и смертностью их просто не удастся отследить. Специальному независимому комитету необходимо анализировать причины выбытия каждого пациента:

Кто и как (вслепую или нет) оценивал исход заболевания;

Учтено ли влияние сопутствующей патологии на конечные точки. Если нет, то имеющиеся результаты существенно искажаются клинико-демографическими особенностями исследуемой группы;

Как и с какой точностью рассчитывалась прогностическая значимость симптомов и событий. Вероятность развития изучаемых событий (смертность, выживаемость, развитие осложнений) является основным результатом. Она может быть представлена в виде вероятности или частоты в долях от единицы (0,35), в процентах (35%), промилле (35?), отношения шансов (3,5:6,5). Обязательно указывают доверительный интервал, который позволит корректно экстраполировать полученные результаты на реальный контингент пациентов. При этом практически всегда необходима стандартизация полученных данных по полу, возрасту и другим клинико-демографическим показателям;

Влияют ли полученные результаты о течении заболевания на выбор диагностического и лечебного вмешательства;

Соответствует ли характеристика участников исследования тому контингенту пациентов, с которым врач сталкивается в условиях реальной клинической практики.

Приведенные выше критерии оценки исследований о течении заболеваний применимы только к проспективным наблюдениям. Ретроспективные наблюдения практически никогда не выдерживают критики с позиции неинфекционной эпидемиологии и доказательной медицины. Именно по этой причине результаты подобных исследований (особенно отечественные), выполненные в 70-80-х годах прошлого столетия, не представляют никакой ценности.

МЕДИЦИНСКИЕ ИССЛЕДОВАНИЯ ПО ИЗУЧЕНИЮ ЭТИОЛОГИИ И ПАТОГЕНЕЗУ ЗАБОЛЕВАНИЙ

Такие исследования относятся к области фундаментальных медицинских знаний. В их основе лежит анализ причинно-следственных связей и большинство ошибок в них связано с игнорированием известного принципа «появление чего-либо после события не означает, что это произошло вследствие этого события». Классическим примером причинно-следственных связей является выявление дозазависимых эффектов. Любая доказательная связь должна быть понятной и объяснимой с позиций эпидемиологии и общемедицинских знаний.

В отличие от экспериментальных исследований, клинические имеют единственную возможность получения данных об этиологии и патогенезе заболеваний через проведение эпидемиологических (проспективных и «случай-контроль») исследований. Ключевую роль при их интерпретации и оценке достоверности результатов имеет систематическая ошибка вследствие недоучета смещения отбора пациентов. Преднамеренное исключение определенной группы пациентов может привести к совершенно необъяснимым с точки зрения логики результатам. Если подобное происходит, необходимо еще раз проанализировать клинико-демографические особенности исследуемой популяции.

Среди эпидемиологических исследований наиболее надежными, свободными от многих возможных ошибок являются проспективные исследования. Вместе с тем они чрезвычайно дороги и редко проводятся. Значительно чаще генез заболеваний изучают в исследованиях типа «случай-контроль» (ИСК). В таблице приведены основные требования, предъявляемые к исследованиям этиологии и патогенеза заболеваний. Основные стандарты проведения подобных исследований хорошо известны (Horwitz R.I., Feinstein A.R. Methodologic standards and contradicting results in case-control research. Am J Med 1979;

. заранее определенный метод отбора обследуемых определяется до начала исследования с четким указанием критериев включения и исключения пациентов из исследования;

. четко определенный изучаемый причинный фактор развития заболевания и метод его выявления;

. неискаженный сбор данных. Лица, собирающие информацию о пациентах, не должны знать, с какой целью ведется сбор. Классическим

примером последствий целенаправленного сбора информации является увеличение числа пациентов с кашлем при приеме ингибиторов АПФ почти в 5 раз по сравнению с группой пациентов, которые самостоятельно сообщали о его возникновении;

. отсутствие различий при сборе анамнеза в группах сравнения. Необходимо использовать формализованные и при необходимости валидизированные опросники. Если используется переводной опросник, необходимо подтверждение точности перевода его обратным переводом;

. отсутствие излишних ограничений при формировании групп сравнения;

. отсутствие различий в диагностическом обследовании групп сравнения. Контрольная группа гарантировано не должна иметь изучаемой патологии. Следовательно, должен быть разработан набор высокоинформативных диагностических тестов для каждой патологии;

. отсутствие различий по частоте и характеру обследования на догоспитальном этапе ведения групп сравнения;

. отсутствие различий в демографических характеристиках групп сравнения;

. отсутствие различий в других факторах риска, кроме изучаемого, в группах сравнения.

В идеале для решения поставленных задач необходимо проведение проспективного исследования. Однако на это потребуются годы и десятилетия, тем более если речь идет о редкой патологии. Так, если болезнь развивается за 10 лет у 2 из 1000, то для выявления 10 случаев надо отследить как минимум 5000 человек на протяжении 10 лет. В таких случаях используют исследования, организованные по принципу «случай-контроль» (ИСК). В них сравнивают частоту какого-либо фактора (например, ожирения) у больных с интересующей патологией и другими заболеваниями. Для уточнения роли факторов риска могут сравниваться популяции в различных регионах с разной выраженностью присутствия этого фактора. Наименее надежными источниками для выявления причинно-следственных отношений являются исследования отдельных случаев заболевания или описание групп больных.

При выявлении недостатков в публикации необходимо попытаться понять, что послужило их причиной: незнание основ планирования исследования и математической статистики, заведомо неправильная интерпретация данных, увлеченность автора («если факты мешают теории, то их можно отбросить») или интерес спонсора исследования.

Типичными ошибками при проведении исследований являются:

Отсутствие «опытной» (с анализируемым вмешательством) и «контрольной» (получающая плацебо или «традиционное», «стандартное» лечение). При отсутствии контрольной группы статья бесполезна (иногда даже вредна) и ее читать не следует. В настоящее время можно говорить о следующей закономерности: применяя такие средства, как гомеопатия, иглорефлексотерапия, липосакция, биологически активные добавки, авторы получают впечатляющие результаты, однако качество исследования при этом низкое;

Отсутствие критериев исключения не дает полноценной возможности сравнить однородность опытной и контрольной групп;

Не приведены количество и причины выбытия пациентов в ходе исследования. Статьи с выбытием более 20% пациентов можно не читать;

Отсутствие «ослепления» исследования;

Отсутствие деталей статического анализа. Приведение только общепринятых показателей (средняя, среднеквадратичное отклонение, проценты, дельта) бывает недостаточным, особенно при малочисленных группах. Оценить достаточность числа больных для отрицательного результата исследования можно с помощью специальных таблиц. В ячейке, соответствующей частоте событий в группе лечения и в контрольной группе, представлено число больных в каждой группе, необходимое для выявления снижения частоты на 5%, 10%, 25%, 50% и т.д. Если в рассматриваемом материале число больных меньше, значит эффект мог быть не обнаружен только из-за малого числа пациентов;

Недоучет сопутствующих факторов (confounding factors), например пола, возраста, курения, употребления алкоголя и т.д. Хорошо известно, что эффективность одних β-адреблокаторов, например атенолола, снижается у курильщиков, а других (бисопролол) - нет. Статистический анализ должен быть скорректирован с учетом таких факторов, потенциально влияющих на оцениваемый параметр. Эта процедура называется стандартизацией по одному или нескольким показателям.

При окончательном принятии решения о возможности использования опубликованных данных врач должен сопоставить, насколько выводы исследования соответствуют существующим представлениям. Выбор в пользу нового метода или подхода в лечении и диагности-

ке должен базироваться не на желании врача удовлетворить свой профессиональный интерес (в данном случае за счет здоровья пациента), а на стройной и бесспорной системе доказательств его преимущества и безопасности.

Критический подход к научным данным является основой силы прогресса в любой сфере знаний, в том числе и медицине.

Литература

1. How to Read Clinical Journals: 1. Why to Read them and How to start

Reading them Critically. Can Med Ass J 1981; 124:555-558.

2. Currie B.F. Continuing education from medical periodicals. J Med Educ

3. Statistical Methods in Cancer Research: Part 2. The design and analysis of cohort studies. IARC Sci Publ. N.82. Lyon:WHO, IARC,1987: 1-406.

4. Bailar J.C., Louis T.A., Lavori P.W., Polansky M. A classification for

biomedical research reports. N Engl J Med 1984; 311: 23: 1482-1487.

5. Brown G.W., Baca G.M. A classicification of original articles. Am J Dis Child 1986; 140: 641-645.

6. How to Read Clinical Journals: 2.To Learn about a Diagnostic Tesr. Can Med Ass J 1981;124:703-710.

7. Der Simonian R., Charette L.J., McPeck B., Mosteller F. Reporting on methods of clinical trials. N Engl J Med 1982; 306: 1332-7.

8. Detsky A.S., Sackett D.L. When was a «negative» clinical trial big enough? How many patients you needed depends on what you found. Arch Int

Med 1985; 145: 709-12.

9. CONSORT Group. Improving the quality of reporting of randomised

controlled trials: the CONSORT statement. JAMA 1996; 276: 637-9.

10. Feinstein A.R. Meta-analysis: Statistical alchemy for the 21st century. J

Clin Epidemiol 1995; 48: 71-9.

11. User"s guides to the medical literature: II. How to use an article about therapy or prevention. A. Are the results of the study valid? JAMA 1993; 270: 2598-601.

12. Guyatt G.H., Sackett D.L., Cook D.J. User"s guides to the medical literature: II. How to use an article about therapy or prevention. B. What were the results and will they help me in caring for my patients. JAMA 1994; 271: 59-63.

13. Rosenbaum P.R. Discussing hidden bias in observational studies. Ann

Int Med 1991; 115: 901-5.

14. Schultz K.F., Chalmers I., Altman D.G., Grimes D.A., Dore C.J. The methodologic quality of randomisation as assessed from reports of trials in specialist and general medical journals. Online J Clin Trails, 1995 (doc N 197).

Одним из важнейших инструментов доказательной медицины является статистика .

Медицинская общественность долго не желала признавать этих достижений, отчасти потому, что статистика приуменьшала значение клинического мышления. Подобный подход ставил под сомнение компетентность врачей, опирающихся на постулаты неповторимости каждого больного, и, следовательно, неповторимости выбранной терапии. Особенно это было заметно во Франции - стране, которая подарила миру множество исследователей, изучавших проблемы вероятности: Пьера де Ферма, Пьера-Симона Лапласа, Авраама де Муавра, Блеза Паскаля и Симеона Дениса Пуассона. В 1835 г. уролог Ж. Сивиаль опубликовал статью, из которой следовало, что после бескровного удаления камней мочевого пузыря выживают 97% больных, а после 5175 традиционных операций выжили только 78% больных. Французская академия наук назначила комиссию врачей, для того, чтобы проверить данные статьи Ж. Сивиаля. В отчёте этой комиссии было высказано и обосновано мнение о нецелесообразности применения статистических методов в медицине: «Статистика, прежде всего, отрешается от конкретного человека и рассматривает его в качестве единицы наблюдения. Она лишает его всякой индивидуальности для того, чтобы исключить случайные влияния этой индивидуальности на изучаемый процесс или явление. В медицине такой подход неприемлим». Однако, дальнейшее развитие медицины и биологии показало, что в действительности статистика является мощнейшим инструментом этих наук.

Отрицательное отношение к использованию статистики в медицине культивировалось и в СССР в период лысенковшины. После августовской сессии ВАСХНИЛ 1948г. гонению подверглась не только генетика, но и статистика, как один из основных инструментов генетики. В 50-е годы 20 века ВАК СССР даже отказывала в присуждении учёных степеней кандидата и доктора медицинских наук под предлогом использования в диссертациях «буржуазной» статистики.

К середине 19 века «… уже были разработаны основные принципы статистики и известно понятие вероятности событий. В книге «Общие принципы медицинской статистики» Жюль Гавар применил их к медицине. Эта книга замечательна тем, что в ней впервые подчеркивалось, что вывод о преимуществе одного метода лечения перед другим должен основываться не только на умозрительном заключении, но вытекать из результатов, полученных в процессе непосредственного наблюдения достаточного количества больных, получавших лечение по сравниваемым методикам. Можно сказать, что Гавар фактически разработал статистический подход, на котором в наши дни основывается доказательная медицина.

Появлению доказательной медицины, как направления медицинской науки и практики, способствовали две основные причины. Во-первых, это резкий рост объёма доступной информации, которая перед использованием на практике нуждается в критическом анализе и обобщении. Вторая причина носит чисто экономический характер. Рациональность расходования финансовых ресурсов в медицинской науке и практике напрямую зависит от результатов исследований, которые должны проверять эффективность и безопасность методик диагностики, профилактики и лечения в клинических исследованиях. Врачу приходится иметь дело с конкретным больным и всякий раз задавать себе вопрос: можно ли, и если да, то в какой степени распространить результаты, полученные в клиническом испытании, на данного пациента? Допустимо ли считать данного конкретного больного «средним»? Дело врача определить, подходят ли результаты, полученные в том или ином контролируемом исследовании, к клинической ситуации, с которой он столкнулся».

В здравоохранении, как в системе организации медицинской помощи населению, а также в профилактической и клинической медицине повсеместно используются различные численные методы. Они применяются в клинической практике, когда врач имеет дело с отдельным больным, в организации медико-социальной помощи населению при прогнозировании и оценке результатов тех или иных медико-социальных программ. Знание этих методов необходимо при планировании и проведении научных исследований, для правильного понимания их результатов, критической оценки публикуемых данных. Понимает врач это или нет, но в основе решения любого вопроса о применении способа, тактики лечения или профилактики патологии лежат численные методы. Исторически сложилось так, что большой набор численных методов, применяемых в медицине, получил общее название -статистика.

По своей природе термин статистика имеет несколько толкований. Наиболее примитивное из них подразумевает под статистикой всякий упорядоченный набор числовых характеристик какого-либо явления. Считается, что корни терминастатистика происходят от латинского слова «статус»(status) - Состояние. Несомненна связь и с итальянским «государство». Собирание данных о материальном состоянии населения, случаях рождений и смерти, по свидетельству древнегреческого историка Геродота, существовало в Персии уже за 400 лет до Рождества Христова. В Ветхом Завете Библии есть целая глава (Книга чисел), посвященная таким статистическим выкладкам.

В эпоху возрождения в Италии появились люди, которых называли «Statisto» - знаток государства. Как синоним терминовполитическая арифметика и государствоведние термин статистик, стал впервые употребляться с середины ХVIIвека.

В медицинской статистике, как отрасли знаний, нередко выделяют: статистику клиническую, онкологическую статистику инфекционной заболеваемости, заболеваемости особо опасными инфекциями и т. д. Многообразие этих разделов медицинской статистики определяется многообразием разделов медицины как науки и разнообразием видов конкретной практической деятельности медиков. Все разделы медицинской статистики тесно между собой взаимосвязаны, имеют единую методическую основу, и их деление во многих случаях является весьма условным.

Математическая статистика , как отрасль знаний, представляет собой специальную научную дисциплину и соответствующую ей учебную дисциплину. Предмет этой дисциплины - явления оценка которых может производиться только в массе наблюдений. Эта ключевая особенность обусловлена тем, что изучаемые статистикой явления не имеют постоянных, всегда одних и тех же исходов.Например: масса тела даже у одного и того же человека постоянно меняется, состав клеточных элементов крови при каждом заборе анализа у одного и того же пациента будет несколько различаться, последствия применения одного и того же препарата у разных людей могут иметь свои индивидуальные особенности, и т. п. Однако многие хаотичные на первый взгляд явления имеют на самом деле вполне упорядоченную структуру и, соответственно, могут, иметь вполне конкретные численные оценки. Главное условие для этого - статистическая регулярность, статистическая устойчивость этих явлений, то есть существование строго определенных закономерностей, пусть даже скрытых на первый взгляд, которые можно описать математическими методами статистики.

Фактором, оказавшим значительное влияние на развитие математических методов статистики, стало открытие закона больших чисел Яковом Бернулли (1654-1705) и появление теории вероятности, основы которой разработал французский математик и астроном Пьер Симон Лаплас (1749-1827). Заметным этапом в ряду этих событий для медицинской статистики стала публикация работ бельгийского ученого А. Кетле (1796-1874), впервые применившего на практике математико-статистические методы исследования. В своей работе «О человеке и развитии его способностей» А. Кетле вывел тип среднего человека, наделенного, наряду со средними показателями физического развития (рост, вес), средними умственными способностями и средними моральными качествами. В этот же период времени в России выходит работа врача Бернулли «О прививках против оспы: о смерти и теории вероятности».

Медицинская статистика как точка приложения методов математической статистики занимает особое место. Это особое место обусловлено большой ролью медицины в возникновении статистики как самостоятельной науки и существенным влиянием научно-исследовательских разработок медико-биологических проблем на появление многих методов статистического анализа. В настоящее время, с целью подчеркнуть особый статус медико-биологической математической статистики, для ее обозначения все чаще используют терминбиометрия.

Большинство методов статистического анализа являются универсальными и могут применяться не только в разных отраслях медицинской статистики, но и в самых разнообразных отраслях человеческой деятельности. Например, с точки зрения формальной логики статистический прогноз инфекционной заболеваемости и прогноз курса доллара - одна и та же задача.

Методы медицинской статистики можно разделить на следующие группы:

Сбор данных, который может быть пассивным (наблюдение) или активным (эксперимент).

Описательная статистика, которая занимается описанием и представлением данных.

Сравнительная статистика, которая позволяет проводить анализ данных в исследуемых группах и сравнение групп между собой с целью получения определенных выводов. Эти выводы могут быть сформулированы в виде гипотез или прогнозов.