Методика сан интерпретация результатов: узнаём больше о настроении и состоянии ребёнка

Содержание

узнаём больше о настроении и состоянии ребёнка

Психоэмоциональное состояние играет очень важную роль в жизни человека, оказывая влияние на все сферы деятельности. А если речь идёт о ребёнке, то эти показатели считаются основными для полноценного интеллектуального и физического развития. Вот почему так важно вовремя диагностировать и устранить в случае необходимости любые нарушения, связанные с областью эмоций и чувств. Одним из эффективных способов определения самочувствия, настроения и общей активности является методика САН.

Описание методики «Самочувствие, активность, настроение»

Методика САН была предложена в 1973 году группой учёных 1 Московского медицинского института имени Сеченова. В состав разработчиков входили В. А. Доскин, Н.А. Лаврентьева, В.Б. Шарай и М.П. Мирошников. Тест представляет собой 30 пар слов, описывающих общие состояния, степень эмоциональной и физической активности и настроения человека. В качестве целей исследования учёные выделили:

  • оценку психического состояния испытуемого;
  • выявление психоэмоциональной реакции на умственную нагрузку;
  • определение биологических ритмов, свойственных физиологическим и психическим функциям.

Методику рекомендуется применять в переходные периоды жизни ребёнка или подростка, такие как:

  • старт обучения в школе;
  • переход в среднее звено;
  • начало пубертатного периода;
  • поступление в старшие классы и окончание школы.

Таким образом, методика САН может использоваться для диагностики детей любого возраста.

Активность ребёнка напрямую связана с его настроением, которое, в свою очередь, определяется самочувствием — вот почему эти три показателя должны исследоваться вместе

Процедура тестирования САН

Возможен как групповой способ проведения диагностики, так и индивидуальный. Использование один на один с испытуемым рекомендуется в том случае, если ребёнок неуверенно читает и испытывает трудности с пониманием значения всех слов-состояний, на анализе которых и построен тест.

Временных ограничений для детей нет, но стоит указать на то, что ответ должен быть дан быстро — первое пришедшее в голову. Только так можно рассчитывать на объективность результатов теста.

В работе с дошкольниками и младшими школьниками важно разбирать каждую пару слов, чтобы у испытуемого не возникло непонимания сути вопроса.

Инструкция по организации диагностики:

  1. Взрослый выдаёт испытуемому опросник.
  2. Затем доступно объясняет ребёнку, что перед ним расположен список из 30 пар состояний-настроений, а задача тестируемого — оценить степень проявления того или иного качества у себя, выставив один из баллов (от 1 до 3). При этом цифра 1 означает, что настроение проявляется лишь изредка, 2 — довольно часто, а 3 — постоянно.
  3. Экспериментатор также оговаривает: если в паре ни одно из качеств не проявляется или они одинаково выражены, то нужно поставить 0.

    Тест лучше проводить один на один с ребёнком, чтобы в случае необходимости помочь сориентироваться в незнакомых понятиях

Файл: Стимульный материал

Опросник к тесту

Обработка и интерпретация результатов (обсчёт)

Индекс 3, обозначающий неудовлетворительное состояние, оценивается в 1 балл, индекс 2 — 2 очка, 3 — 3 балла. За отметку 0 засчитываем ребёнку 4 очка. Индекс 1, обозначающий слабую выраженность положительного состояния, оценивается в 5 баллов, 2 — в 6, 3 — в 7. Таким образом, за негативное испытуемый получает низкие баллы, а за позитивное — высокие. После обсчёта нужно вывести общую сумму оценок, ориентируясь на таблицу (ключ):

Исследуемое состояние Вопросы, которые его выявляют
Самочувствие 1, 2, 7, 8, 13, 14, 19, 20, 25, 26
Активность 3, 4, 9, 10, 15, 16, 21, 22, 27, 28
Эмоциональное состояние или настроение 5, 6, 11, 12, 17, 18, 23, 24, 29, 30.

По общей сумме — от 10 до 70 баллов — можно определить состояние испытуемого на текущий момент времени:

  • меньше 30 — плохой показатель;
  • от 30 до 50 — средний;
  • больше 50 — высокий.

Ряд источников предлагает несколько иную систему подсчёта: полученные результаты по каждой шкале нужно поделить на 10. В результате получится средний балл:

  • больше 4 — благоприятное состояние;
  • 5–5,5 — нормальные показатели;
  • меньше 4 — плохое значение.

Первые испытания методики состоялись на группе студентов 1 Московского медицинского института имени Сеченова. Средние показатели у испытуемых были в диапазоне от 5 до 5,5 баллов. В начале 2000-х эксперимент был повторён. У той же возрастной группы учащихся значения снизились до 3–3,5 баллов.

Обратите внимание, что для составления объективной картины психоэмоционального состояния ребёнка важно также учитывать соотношение показателей. Так, если малыш отдохнул, находится в хорошем расположении духа, то его оценки активности, настроения и самочувствия будут примерно одинаковы. А вот если усталость или напряжение нарастает, то значения самочувствия и активности будут существенно ниже, чем настроения.

Методика САН — удобный инструмент диагностики для определения психоэмоционального состояния школьника в разном возрасте. С помощью теста можно оценить не только психическое состояние испытуемого, но и выявить биологические ритмы, связанные с процессами в организме ребёнка.

Методика САН (Самочувствие, активность, настроение)

Дата: 18 апреля 2017 Автор: Евгений Лешкович Рубрика: Школа

Важнейшая задача школьного психолога — контроль за психологическим самочувствием подростков. Помочь в этом может методика САН («Самочувствие, активность, настроение») — наиболее эффективный способ выявления текущего состояния учащихся.

Методика «Самочувствие, активность, настроение»: авторы и назначение

Эта методика разработана в 1973 году группой советских учёных, которую возглавлял физиолог и гигиенист Валерий Доскин.

Доскин Валерий Анатольевич (род. 23.09.1941, Сталинград) – физиолог, гигиенист, доктор медицинских наук (1986), профессор (1991), заслуженный деятель науки РФ (2001). РМА НПО МинЗдрава РФ.

Предназначение — быстрая оценка текущего психологического состояния индивида. Она используется в работе со школьниками и студентами. При этом важно помнить, что этот способ оценки рассчитан на учащихся не моложе 14 лет.

Описание процедуры диагностики

Для проведения диагностики по методике САН попросите учащегося (либо группу учащихся) заполнить специальный бланк. На бланке указаны 30 альтернативных состояний, например, «я счастлив — я несчастен», «мне весело — мне грустно». Между этими определениями находится шкала: 3–2-1–0-1–2-3. Если учащийся чувствует себя счастливым, он подчёркивает цифру «3», размещённую рядом с утверждением «я счастлив». Если несчастен, выбирает противоположную «тройку». Если учащийся не чувствует себя ни счастливым, ни несчастным, отмечает «0». Если чувствует, что «почти счастлив», выделяет «двойку», если «скорее счастлив, чем несчастлив» — «единицу».

Образец бланка для диагностики по методике САН

Очень важно, чтобы подросток чётко понимал: ответ должен отражать текущее состояние, а не то, как он в целом оценивает удовлетворённость жизнью.

Критически важно, чтобы ученик давал честные ответы. Об этом нужно предупредить до начала процедуры диагностики.

Проведение исследования занимает 10–15 минут.

Обработка данных, подсчёт результатов и их интерпретация

Для подведения итогов используйте модернизированную шкалу, в которой самый негативный ответ («я несчастлив») оценивается в 1 балл, а самый позитивный («я счастлив») в 7 баллов. Ответ «+2», соответственно, будет стоить 6 баллов, ответ «+1» — 5, «0» — 4 и т. д. При этом помните, что в некоторых вопросах самый негативный вариант расположен не справа, а слева, поэтому готовьте ключ внимательно.

Для того чтобы оценить самочувствие учащегося, просуммируйте его баллы, полученные за ответы на вопросы 1, 2, 7, 8, 13, 14, 19, 20, 25, 26. Оценка активности производится по вопросам 3, 4, 9, 10, 15, 16, 21, 22, 27, 28. Оставшиеся десять вопросов помогают оценить текущее настроение подростка.

Сумму, полученную в каждой категории, разделите на 10. Таким образом, максимальный показатель в каждой категории составляет 7, минимальный — 1. Валерий Доскин писал, что балл выше четырёх свидетельствует о благоприятном самочувствии испытуемого. Если балл ниже четырёх, то на это следует обратить внимание. Если балл ниже 2,5, имеет смысл провести с учеником отдельную беседу. Возможно, ребёнок нуждается в срочной психологической помощи. Однако важно помнить, что категории нельзя оценивать в отрыве друг от друга. Пусть низкие показатели в категории «самочувствие» не вызывают у вас особой тревоги, если в категории «настроение» у подростка выше четырёх. Такая ситуация означает лишь то, что испытуемый чувствует физическую усталость, но его психологическое состояние находится на вполне приемлемом уровне.

Эта методика — надёжный и проверенный способ быстро и эффективно оценить психологическое состояние учащихся.

Меня зовут Евгений Лешкович. Мне 26 лет, я закончил истфак БГУ по специальности «историк-политолог». Оцените статью: Поделитесь с друзьями!

Метки:

Опросник САН « Психологические тесты

Шкалы: самочувствие, активность, настроение

Темы: эмоции

Тестируем: психические состояния · Возраст: взрослым, школьникам
Тип теста: вербальный, психосемантика · Вопросов: 30
Комментарии: 4 · написать

Назначение теста

Тест предназначен для оперативной оценки самочувствия, активности и настроения (по первым буквам этих функциональных состояний и назван опросник).

Испытуемых просят соотнести свое состояние с рядом признаков по многоступенчатой шкале. Шкала состоит из индексов (3 2 1 0 1 2 3) и расположена между тридцатью парами слов противоположного значения, отражающих подвижность, скорость и темп протекания функций (активность), силу, здоровье, утомление (самочувствие), а также характеристики эмоционального состояния (настроение). Испытуемый должен выбрать и отметить цифру, наиболее точно отражающую его состояние в момент обследования.

Тестовый материал
1. Самочувствие хорошее3210123Самочувствие плохое
2. Чувствую себя сильнымЧувствую себя слабым
3. ПассивныйАктивный
4. МалоподвижныйПодвижный
5. ВеселыйГрустный
6. Хорошее настроение
Плохое настроение
7. РаботоспособныйРазбитый
8. Полный силОбессиленный
9. МедлительныйБыстрый
10. БездеятельныйДеятельный
11. СчастливыйНесчастный
12. ЖизнерадостныйМрачный
13. НапряженныйРасслабленный
14. ЗдоровыйБольной
15. БезучастныйУвлеченный
16. РавнодушныйВзволнованный
17. ВосторженныйУнылый
18. РадостныйПечальный
19. ОтдохнувшийУсталый
20. СвежийИзнуренный
21. СонливыйВозбужденный
22. Желание отдохнутьЖелание работать
23. СпокойныйОзабоченный
24. ОптимистичныйПессимистичный
25. ВыносливыйУтомляемый
26. БодрыйВялый
27. Соображать трудноСоображать легко
28. РассеянныйВнимательный
29. Полный надеждРазочарованный
30. ДовольныйНедовольный
Ключ к тесту
  • Вопросы на самочувствие – 1, 2, 7, 8, 13, 14, 19, 20, 25, 26.
  • Вопросы на активность – 3, 4, 9, 10, 15, 16, 21, 22, 27, 28.
  • Вопросы на настроение – 5, 6, 11, 12, 17, 18, 23, 24, 29, 30.
Обработка и интерпретация результатов теста

При обработке оценки респондентов перекодируются следующим образом: индекс 3, соответствующий неудовлетворительному самочувствию, низкой активности и плохому настроению, принимается за 1 балл; следующий за ним индекс 2 – за 2; индекс 1 – за 3 балла и так до индекса 3 с противоположной стороны шкалы, который соответственно принимается за 7 баллов (внимание: полюса шкалы постоянно меняются).

Положительные состояния всегда получают высокие баллы, а отрицательные низкие. По этим «приведенным» баллам и рассчитывается среднее арифметическое как в целом, так и отдельно по активности, самочувствию и настроению. Например, средние оценки для выборки из студентов Москвы равны:

  • самочувствие – 5,4;
  • активность – 5,0;
  • настроение – 5,1.

При анализе функционального состояния важны не только значения отдельных его показателей, но и их соотношение. У отдохнувшего человека оценки активности, настроения и самочувствия обычно примерно равны. По мере нарастания усталости соотношение между ними изменяется за счет относительного снижения самочувствия и активности по сравнению с настроением.

Источники
  • Тест дифференцированной самооценки функционального состояния / Доскин В.А., Лаврентьева Н.А., Мирошников М.П., Шарай В.Б. // Вопросы психологии. – 1973, – № 6. – С.141-145.

san — Психологическая диагностика


 
 
                                 МЕТОДИКА:                                  
                  Самочувствие. Активность. Настроение.                     
                                  (CAH)                                     
     (В.А. Доскин, Н.А. Лаврентьева, В. Б. Шарай, М.П. Мирошников).         
  
      Методика предназначена для диагностики психологического состояния ис- 
 пытуемого, а также динамики этого состояния в определенном  временном  ин- 
 тервале (многократное тестирование).                                       
      Испытуемому предлагают соотнести свое состояние с определенной  оцен- 
 кой на шкале. При обработке результатов исследования оценки пересчитывают- 
 ся в "сырые" баллы от 1 до 7. Количественный результат представляет  собой 
 сумму первичных баллов по отдельным категориям (или их  среднее  арифмети- 
 ческое).                                                                   
      При разработке методики авторы исходили из  того,  что  три  основные 
 составляющие функционального психоэмоционального состояния - самочувствие, 
 активность и настроение - могут быть охарактеризованы полярными  оценками, 
 между которыми существует континуальная  последовательность  промежуточных 
 значений. Однако получены данные о том, то шкалы САН имеют чрезмерно обоб- 
 щенный характер. Факторный анализ позволяет выявить более дифференцирован- 
 ные шкалы: "самочувствие", "уровень напряженности",  "эмоциональный  фон", 
 "мотивация" (А.Б.Леонова, 1984).                                           
      Конструктная Валидность САН устанавливалась на основании  сопоставле- 
 ния с результатами психофизиологических методик с учетом показателей крит- 
 ической частоты мельканий, температурной динамики тела,  хронорефлексомет- 
 рии. Текущая ваидность устанавливалась  путем  сопоставления  данных  кон- 
 трастных групп, а также путем сравнения результатов  испытуемых  в  разное 
 время рабочего дня.                                                        
      Разработчиками методики проведена ее стандартизация на материале  об- 
 следования выборки 300 студентов. САН нашел  широкое  распространение  при 
 оценке психического состояния больных и здоровых  лиц,  психоэмоциональной 
 реакции на нагрузку, для выявления индивидуальных особенностей и  биологи- 
 ческих ритмов психофизиологических функций.                                
 
      Опросник состоит из 30 утверждений.                                   
      Примерное время тестирования 10-15 минут.                             
 
 
                           ПРИМЕР ТЕСТИРОВАНИЯ:                             
 
                                    ---                                     
 
                       ПСИХОЛОГИЧЕСКАЯ  ДИАГНОСТИКА.                        
 
 Методика: Самочувствие - Активность - Настроение (САН).                    
 Ф.И.О: __________________                                                  
 Доп. данные: ____________                                                  
 
 
                             Диаграмма:                                     
 
               C ╟─▒▒▒▒▒▒▒▒▒▒▓▓▓──────────────────╢>                        
 
               A ╟─▒▒▒▒▒▒▒▒▒▒▓▓▓▓▓▓▓▓▓▓───────────╢>                        
 
               H ╟─▒▒▒▒▒▒▒▒▒▒▓▓▓▓▓▓▓──────────────╢>                        
 
                   <──[-]───><──[=]───><──[+]───>                           
 
 
                        Тестовые показатели:                                
 
                       Самочувствие - C = 36                                
                       Активность   - A = 49                                
                       Настроение   - H = 43                                
 
 
                           ИНТЕРПРЕТАЦИЯ:                                   
 
      Самочувствие в общем удовлетворительное,  некоторое  незначи-         
 тельное утомление, небольшая усталость, апатия.                            
 
      Активность на среднем уровне, некоторое снижение темпов  мыш-         
 ления и деятельности, рассеянность внимания, небольшая рассосредо-         
 точенность, отсутствие сильной увлеченности.                               
 
      Настроение "как обычно", без особого подъема. Это  не  мешает         
 реально оценивать события, окружающих людей,  прогнозировать  свои         
 возможности, не возлагать "радужных надежд" на будущее,  но  и  не         
 слишком переживать прошедшие неудачи.                                      
 


Опросник САН: интерпретация результатов

Чтобы оценивать самочувствие, активность и настроение, был разработан специальный опросник. Его создали сотрудники Первого Московского медицинского института им. И. М. Сеченова. А если более конкретно, то в 1973 году опросник САН разрабатывали В. А. Доскин, Н. А. Лаврентьева, В. Б. Шарай, М. П. Мирошников. Об особенностях этого тестирования рассказывается в статье.

Каким образом используется опросник

Тест востребован для оценки психического состояния. При этом он отображает самочувствие не только пациентов медицинских учреждений, но и здоровых людей. Исследование направлено на определение биологических ритмов. Они представлены периодически повторяющимися изменениями особенностей, силы явлений и процессов биологического характера. Также это касается индивидуальных особенностей, отображающих психофизиологические функции.

Прохождение тестирования состоит в соотношении состояния с психологическими признаками. Опросник САН очень удобен в использовании. Он представлен в виде шкалы с индексами (3 2 1 0 1 2 3). Испытуемому предлагается 30 пар слов, для которых свойственно противоположное значение. Задание состоит том, чтобы выбрать и обвести в кружок по 1 цифре на каждой шкале. Выбранное значение должно наиболее точно отражать состояние человека, каким оно является в момент проведения теста.

Составляющие опросника

Используя бланк, можно анализировать своё самочувствие в настоящий момент времени. Суть состоит в том, что внутреннее состояние всегда сформировано из нескольких характеристик.

Опросник САН выявляет такие особенности:

  1. Самочувствие, состоящее из силы, утомляемости и здоровья.
  2. Активность – из подвижности, скорости протекания функций.
  3. Настроение, составляемое характеристиками эмоционального состояния.

Именно эти характеристики показывают, как чувствует себя опрашиваемый в данный момент времени. Благодаря тестированию становится ясным общее состояние здоровья, степень подвижности, а также эмоциональный фон.

Структура теста

Опросник САН составлен из 30 пар противоположных качеств, характеризующих самочувствие. Ответы на них помогают разобраться в себе, отображая меру проявления каждой характеристики в данный момент времени. При прохождении теста нужно максимально точно описывать своё состояние. Для этого в каждой из приведенных пар нужно выбирать особенность, с помощью которой можно отобразить состояние в данный момент времени. С этой целью следует выбирать цифру, которая максимально точно соответствует ощущениям в данный момент времени.

Каждая из шкал имеет средний балл, который равен 4. Вот таким образом устроен опросник САН. Самочувствие, активность, настроение определяются как благоприятные, когда оценка превышает 4 балла. А вот если значение является меньшим, то нельзя судить о хорошем отношении к происходящему в этот момент времени. Для нормальных оценок состояния свойственен диапазон 5,0-5,5 баллов.

Самочувствие

Одной из подлежащих анализу особенностей является то, как индивидуум чувствует себя. Она представляет собой совокупность субъективных ощущений. Таким образом происходит выявление особенностей физиологического и психологического комфорта. Направление чувств и мыслей также определяется, если попробовать в действии опросник САН.

Интерпретация результатов свидетельствует о том, что самочувствие представлено некоторой обобщающей характеристикой. Это может быть бодрость, недомогание и прочие. Подобные эмоции могут вызывать дискомфорт в разных частях тела.

Активность

Деятельность является общей характеристикой живых существ. При этом собственная динамика состоит в том, чтобы преобразовывать или поддерживать жизненно значимые взаимоотношения с внешними раздражителями. Этому сопутствует определённое разделение. Оно представлено видами активности:

  1. Химической.
  2. Активностью сознания.
  3. Физической, нервной, психической активностью.
  4. Группы.
  5. Личности.
  6. Общества.

Активность напрямую связана с тем, каким образом происходит прогнозирование развития событий. Это касается самой среды, а также положения живого организма в ней.

Кроме того, это сфера проявления темперамента. Она определяется широтой взаимодействия человека и окружающей среды (социальной и физической). Этот параметр определяет самочувствие, отвечающее характеристикам:

  1. Инертность.
  2. Пассивность.
  3. Инициативность.
  4. Спокойствие.
  5. Стремительность.
  6. Активность.

Настроение

Указанное качество представлено продолжительными состояниями, для которых характерна устойчивость. Так устроен опросник САН. Интерпретация предполагает оценивание эмоционального фона, характеризующего подавленное или приподнятое настроение. Эмоциональный фон представляет собой реакцию на последствия определённых событий. Это касается и их значения в отношении общих ожиданий, жизненных планов и интересов.

При этом важна чёткая идентификация состояния. Это может быть скука или восторг, радость. В отличие от ощущений, настроение направляется на один или другой объект. Его вызывает какой-то повод, причина. При этом немаловажным является присутствие эмоционального отклика на любые воздействия.

Как происходит обработка данных

Результаты опросника САН подсчитать несложно. Индекс 3 нужно выбирать при неудовлетворительном самочувствии, наиболее низкой активности и очень плохом настроении. Он соответствует 1 баллу.

За ним следует индекс 2, который соответствует такому же числу баллов. А 1 принимается за 3 балла и так далее. Полюса шкалы претерпевают постоянные изменения. Индекс 3 с противоположной стороны становится равен 7 баллам. Для положительных состояний свойственны высокие значения, а для отрицательных – наиболее низкие. По приведенным баллам следует рассчитать среднее арифметическое. Это нужно делать в целом, а также отдельно, в зависимости от активности, настроения и самочувствия.

Подобный тест очень эффективен и прост. Особенно удобно проходить его онлайн, каждый раз заполняя чистое поле. Хотя можно воспользоваться распечаткой и ручкой, чтобы выявить особенности своего самочувствия. Он может быть проведен профессионалом или с целью удовлетворения личного интереса.

Методика сан обработка результатов выводы. Тест для диагностики самочувствия, активности и настроения (САН). Типовая карта методики САН

Чтобы оценивать самочувствие, активность и настроение, был разработан специальный опросник. Его создали сотрудники Первого Московского медицинского института им. И. М. Сеченова. А если более конкретно, то в 1973 году опросник САН разрабатывали В. А. Доскин, Н. А. Лаврентьева, В. Б. Шарай, М. П. Мирошников. Об особенностях этого тестирования рассказывается в статье.

Каким образом используется опросник

Тест востребован для оценки При этом он отображает самочувствие не только пациентов медицинских учреждений, но и здоровых людей. Исследование направлено на определение Они представлены периодически повторяющимися изменениями особенностей, силы явлений и процессов биологического характера. Также это касается индивидуальных особенностей, отображающих психофизиологические функции.

Прохождение тестирования состоит в соотношении состояния с психологическими признаками. Опросник САН очень удобен в использовании. Он представлен в виде шкалы с индексами (3 2 1 0 1 2 3). Испытуемому предлагается 30 пар слов, для которых свойственно противоположное значение. Задание состоит том, чтобы выбрать и обвести в кружок по 1 цифре на каждой шкале. Выбранное значение должно наиболее точно отражать состояние человека, каким оно является в момент проведения теста.

Составляющие опросника

Используя бланк, можно анализировать своё самочувствие в настоящий момент времени. Суть состоит в том, что всегда сформировано из нескольких характеристик.

Опросник САН выявляет такие особенности:

  1. Самочувствие, состоящее из силы, утомляемости и здоровья.
  2. Активность — из подвижности, скорости протекания функций.
  3. Настроение, составляемое характеристиками эмоционального состояния.

Именно эти характеристики показывают, как чувствует себя опрашиваемый в данный момент времени. Благодаря тестированию становится ясным общее состояние здоровья, степень подвижности, а также эмоциональный фон.

Структура теста

Опросник САН составлен из 30 пар противоположных качеств, характеризующих самочувствие. Ответы на них помогают разобраться в себе, отображая меру проявления каждой характеристики в данный момент времени. При прохождении теста нужно максимально точно описывать своё состояние. Для этого в каждой из приведенных пар нужно выбирать особенность, с помощью которой можно отобразить состояние в данный момент времени. С этой целью следует выбирать цифру, которая максимально точно соответствует ощущениям в данный момент времени.

Каждая из шкал имеет средний балл, который равен 4. Вот таким образом устроен опросник САН. Самочувствие, активность, настроение определяются как благоприятные, когда оценка превышает 4 балла. А вот если значение является меньшим, то нельзя судить о хорошем отношении к происходящему в этот момент времени. Для нормальных оценок состояния свойственен диапазон 5,0-5,5 баллов.

Самочувствие

Одной из подлежащих анализу особенностей является то, как индивидуум чувствует себя. Она представляет собой совокупность субъективных ощущений. Таким образом происходит выявление особенностей физиологического и психологического комфорта. Направление чувств и мыслей также определяется, если попробовать в действии опросник САН.

Интерпретация результатов свидетельствует о том, что самочувствие представлено некоторой обобщающей характеристикой. Это может быть бодрость, недомогание и прочие. Подобные эмоции могут вызывать дискомфорт в разных частях тела.

Активность

Деятельность является общей характеристикой живых существ. При этом собственная динамика состоит в том, чтобы преобразовывать или поддерживать жизненно значимые взаимоотношения с внешними раздражителями. Этому сопутствует определённое разделение. Оно представлено видами активности:

  1. Химической.
  2. Активностью сознания.
  3. Физической, нервной, психической активностью.
  4. Группы.
  5. Личности.
  6. Общества.

Активность напрямую связана с тем, каким образом происходит прогнозирование развития событий. Это касается самой среды, а также положения живого организма в ней.

Кроме того, это сфера проявления темперамента. Она определяется широтой взаимодействия человека и окружающей среды (социальной и физической). Этот параметр определяет самочувствие, отвечающее характеристикам:

  1. Инертность.
  2. Пассивность.
  3. Инициативность.
  4. Спокойствие.
  5. Стремительность.
  6. Активность.

Настроение

Указанное качество представлено продолжительными состояниями, для которых характерна устойчивость. Так устроен опросник САН. Интерпретация предполагает оценивание эмоционального фона, характеризующего подавленное или приподнятое настроение. представляет собой реакцию на последствия определённых событий. Это касается и их значения в отношении общих ожиданий, жизненных планов и интересов.

При этом важна чёткая идентификация состояния. Это может быть скука или восторг, радость. В отличие от ощущений, настроение направляется на один или другой объект. Его вызывает какой-то повод, причина. При этом немаловажным является присутствие эмоционального отклика на любые воздействия.

Как происходит обработка данных

За ним следует индекс 2, который соответствует такому же числу баллов. А 1 принимается за 3 балла и так далее. Полюса шкалы претерпевают постоянные изменения. Индекс 3 с противоположной стороны становится равен 7 баллам. Для положительных состояний свойственны высокие значения, а для отрицательных — наиболее низкие. По приведенным баллам следует рассчитать среднее арифметическое. Это нужно делать в целом, а также отдельно, в зависимости от активности, настроения и самочувствия.

Подобный тест очень эффективен и прост. Особенно удобно проходить его онлайн, каждый раз заполняя чистое поле. Хотя можно воспользоваться распечаткой и ручкой, чтобы выявить особенности своего самочувствия. Он может быть проведен профессионалом или с целью удовлетворения личного интереса.

Опросник САН (активность, самочувствие, настроение) разработан для определения состояния взрослого человека на момент опроса. Информация об интерпретации показателей больше нужна специалистам, но и обычные люди также могут узнать побольше об опроснике.

Методика САН: что это?

Тест проверяет, насколько функционален человек на данный момент, может ли он адекватно принимать решения, быстро реагировать, физически работать? Или же ему крайне необходим отдых.

В опроснике три десятка полярных вопросов. Каждое состояние: самочувствие, активность, и «боевое» либо угнетенное настроение определяется по 10 критериям.

Испытуемый сам определяет свое состояние на данный момент и отвечает — бодр и активен он или же пассивен, работоспособен или устал, считает ли себя счастливым или несчастным и т. д. Психолог записывает все ответы, а затем дает развернутую интерпретацию.

Для кого разработан опросник САН

Разработан названный тест ведущими сотрудниками Московского университета им. Сеченова еще в 1973 году. Принимали участие в его создании Доскин В. А., Лавреньева Н.А., Шарай В. Б. и другие исследователи.

Опросник САН, точнее обработанная информация, собранная опросником, помогает специалистам определить некоторые личностные особенности человека:

  • психоэмоциональную реакцию индивидуума на нагрузку;
  • личные биоритмы;
  • особенности эмоционального состояния здорового психически человека без влияния стресса.

Кроме того, применяется опросник для определения состояния психически больных людей в конкретный период времени. То есть опросник применяется повсюду, где точно нужно установить состояние психоэмоционального здоровья конкретной личности в период нагрузки.

Часто он применяется для исследований подросткового периода. Для этого опрашивают около 100 человек подростков и подсчитывают общие результаты.

Интерпретация результатов: ключи

А как квалифицированный психолог считает баллы? Оценка дается по каждому критерию усредненная. Для подсчета результатов необходимо опираться на таблицу. Каждый вопрос имеет 7 вариантов ответа — цифры от -3 до 3. За ответ 3 начисляется 7 баллов, за 2 зачисляется 6 баллов и так далее, по нисходящей до 0. Ключ для каждого вопроса свой.

Подсчет, как видим, несложный. Есть 30 ответов-подсказок, которые характеризуют 3 показателя. Каждый ответ — это критерий, оценивающий состояние в баллах от 1 до 7. Средний балл — 4, но нормальным показателем считается оценка 5.0 или 5.5. Специалист во время обработки результатов смотрит не только на баллы, важным показателем является и соотношение активности, настроения и самочувствия.

Недостатки методики

В описанной методике есть один существенный недостаток. В опросник САН включены довольно общие признаки для многих состояний. Это затрудняет диагностику. К тому же ответы часто крайне субъективны.

Можно найти множество экспресс-тестов САН, которые дают компьютерную обработку результатов, но лучше, когда характеристику пишет подготовленный специалист, который за баллами видит реальные особенности личности.

Условия опроса: применение

В развернутой характеристике по результатам опроса, психолог должен описать, при каких условиях проводилось исследование: после стресса, физического напряжения или в спокойной обстановке. Тот кто тестирует, должен учитывать насколько давно отдыхал человек.

Если опросник САН дается человеку в конце рабочего дня, то, само собой, тест покажет низкие баллы по активности и самочувствию (ниже 4). При этом настроение может быть хорошим, но может также быть угнетенным. Однако все снова зависит от особенностей личности. У многих активность сохраняется хорошей и в конце дня, когда применяется опросник САН.

Интерпретация результатов тестирования, чтобы быть объективной, должна проводиться только специалистом. Это следует учитывать. Кроме того, методика не предназначена диагностировать никаких отклонений, а проводится только для профилактики стрессов и изучения личности.

(Савченко М.Ю. Профориентация. Личностное развитие.- М., 2006.)

Инструкция. Вам предлагается описать свое состояние с помощью таблицы, состоящей из 30 полярных признаков. Вы должны в каждой паре выбрать ту характеристику, которая наиболее точно описывает Ваше состояние, и отметить цифру, которая соответствует степени (силе) выраженности данной характеристики.

Участникам раздаются бланки, которые они заполняют.

Ф.И.О.________ возраст______ класс _____ дата______

“+” признаки7 6 5 4 3 2 1 “-”признаки

1.Самочувствие хорошее

Самочувствие плохое

2. Чувствую себя сильным

Чувствую себя слабым

3. Активный

Пассивный

4. Подвижный

Малоподвижный

5. Весёлый

Грустный

6. Хорошее настроение

Плохое настроение

7. Работоспособный

Разбитый

8. Полный сил

Обессиленный

9. Быстрый

Медлительный

10. Деятельный

Бездеятельный

11. Счастливый

Несчастный

12. Жизнерадостный

13. Расслабленный

Напряжённый

14. Здоровый

15. Увлечённый

Безучастный

16. Неравнодушный

Равнодушный

17. Восторженный

18. Радостный

Печальный

19. Отдохнувший

20. Свежий

Изнурённый

21. С ясным сознанием

Сонливый

22. Желание работать

Желание отдохнуть

23. Спокойный

Возбуждённый

24. Оптимистичный

Пессимистичный

25. Выносливый

Утомляемый

26. Бодрый

27. Соображать легко

Соображать трудно

28. Внимательный

Рассеянный

29. Полный надежд

Разочарованный

30. Довольный

Недовольный

Обработка данных. При подсчёте крайняя степень выраженности положительного признака оценивается в 7 баллов, крайняя степень выраженности отрицательного признака оценивается в 1 балл , средняя степень — в 4 балла ; не забывать о существовании промежуточных степеней , которые оцениваются соответственно 6, 5, 3, 2 баллами. Баллы группируются в три категории и подсчитывается количество баллов по каждой из них:

Самочувствие (сумма баллов по шкалам): 1, 2, 7, 8, 13, 14, 19, 20, 25, 26.

Активность (сумма баллов по шкалам) : 3, 4, 9, 10, 15, 16, 21, 22, 27, 28.

Настроение (сумма баллов по шкалам): 5, 6, 11, 12, 17, 18, 23, 24, 29, 30.

Полученные результаты по каждой категории делятся на 10. Средний балл шкалы равен 4. Оценки, превышающие 4 балла, говорят о благоприятном состоянии испытуемого. Оценки ниже 4 баллов свидетельствуют о неблагоприятном состоянии испытуемого. Нормальные оценки состояния лежат в диапазоне 5-6 баллов (подсчёт ведётся по всем трём шкалам в отдельности — самочувствие, активность, настроение).

Примечание. Данным тестом можно пользоваться как только возникает необходимость выяснить состояние своего самочувствия, активности, настроения.

Изучение социально-психологического климата в классном коллективе

Методика «Психологическая атмосфера в коллективе» (Л.Г.Жедуновой).

Цель: изучение психологической атмосферы в коллективе.

Ход проведения. Каждому школьнику предлагается оценить состояние психологической атмосферы в коллективе по девятибалльной системе. Оцениваются полярные качества:

9 8 7 6 5 4 3 2 1

Дружелюбие

Враждебность

Согласие

Несогласие

Удовлетворённость

Неудовлетворённость

Увлечённость

Равнодушие

Результативность

Нерезультативность

Теплота взаимоотношений

Холодность взаимоотношений

Сотрудничество

Отсутствие сотрудничества

Взаимная поддержка

Недоброжелательность

Занимательность

Успешность

Неуспешность

Чем выше балл, тем выше оценка психологического климата и наоборот. Анализ результатов предполагает субъективные оценки состояния психологического климата и их сравнение между собой, а также вычисление средней для коллектива оценки атмосферы.

Методика « Наши отношения»

(Фридман Л.М. и др. Изучение личности учащегося и ученических коллективов.-М.,1988.)

Цель: выявление степени удовлетворённости учащихся различными сторонами жизни коллектива.

Ход проведения. Школьнику предлагается ознакомиться с шестью утверждениями. Нужно записать номер того утверждения, которое больше всего совпадает с его мнением. Может быть выявление различных сфер взаимоотношений детей в коллективе. Например, для изучения взаимоприемлемости друг друга (дружбы, сплочённости, или наоборот, конфликтности) может быть предложена серия утверждений:

      Наш класс очень дружный и сплочённый.

      Наш класс дружный.

      В нашем классе нет ссор, но каждый существует сам по себе.

      В нашем классе иногда бывают ссоры, но конфликтным наш класс назвать нельзя.

      Наш класс недружный, часто возникают ссоры.

      Наш класс очень недружный. Трудно учиться в таком классе.

Другая серия утверждений позволяет выявить состояние взаимопомощи (или её отсутствие):

        В нашем классе принято помогать без напоминания.

        В нашем классе помощь оказывается только своим друзьям.

        В нашем классе помогают только тогда, когда об этом просит ученик.

        В нашем классе помощь оказывается только тогда, когда требует учитель.

        В нашем классе не принято помогать друг другу.

        В нашем классе отказываются помогать друг другу.

Те суждения, которые отмечены большинством учащихся свидетельствуют о состоянии взаимоотношений и атмосферы в коллективе. В то же время мнение конкретного ученика показывает, как ощущает он себя в системе этих отношений.

Тест «Опросник САН (самочувствие, активность, настроение)»

Вместе с тестом Спилбергера нами был проведен тест САН (Самочувствие, активность, настроение) для лучшего понимая причин тревожности у учащихся старших классов. Данные виды тестирований часто проводятся вместе (независимо друг от друга) для лучшего понимания возникновения повышенной ситуативной тревожности.

Сущность оценивания заключается в том, что испытуемых просят соотнести свое состояние с рядом признаков по многоступенчатой шкале. Шкала эта состоит из индексов (3 2 1 0 1 2 3) и расположена между тридцатью парами слов противоположного значения, отражающих подвижность, скорость и темп протекания функций (активность), силу, здоровье, утомление (самочувствие), а также характеристики эмоционального состояния (настроение). Испытуемый должен выбрать и отметить цифру, наиболее точно отражающую его состояние в момент обследования. Достоинством методики является его повторяемость, то есть допустимо неоднократное использование теста с одним и тем же испытуемым.

При обработке результатов все вышеперечисленные индексы перекодируются следующим образом: индекс 3, соответствующий неудовлетворительному самочувствию, низкой активности и плохому настроению, принимается за 1 балл; следующий за ним индекс 2 — за 2; индекс 1 — за 3 балла, и так до индекса 3 с противоположной стороны шкалы, который соответственно принимается за 7 баллов (необходимо учитывать, что полюса шкалы постоянно изменяются).

Итак, положительные состояния всегда получают высокие баллы, а отрицательные низкие. По таким «переведенным» баллам и рассчитывается среднее арифметическое как в целом, так и отдельно по активности, самочувствию и настроению.

Следует упомянуть, что при анализе функционального состояния важны не только значения отдельных его показателей, но и их соотношение. Дело в том, что у отдохнувшего человека оценки активности, настроения и самочувствия обычно примерно равны. А по мере нарастания усталости соотношение между ними изменяется за счет относительного снижения самочувствия и активности по сравнению с настроением.

Таблица 2.

Самочувствие хорошее

Самочувствие плохое

Чувствую себя сильным

Чувствую себя слабым

Пассивный

Активный

Малоподвижный

Подвижный

грустный

Хорошее настроение

Плохое настроение

Работоспособный

Разбитый

Полный сил

Обессиленный

Медлительны

Бездеятельный

Деятельный

Счастливый

Несчастный

Жизнерадостный

Напряженный

Расслабленный

Здоровый

Безучастный

Увлеченный

Равнодушный

Взволнованный

Восторженный

Радостный

Печальный

Отдохнувший

Уставший

Изнуренный

Сонливый

Возбужденный

Желание отдохнуть

Желание работать

Спокойный

Озабоченный

Оптимистичный

Пессимистичный

Выносливый

Утомляемый

Соображать трудно

Соображать легко

Рассеянный

Внимательный

Полный надежд

Разочарованный

Довольный

Недовольный

Ключ к тесту:

Вопросы на самочувствие — 1, 2, 7, 8, 13, 14, 19, 20, 25, 26.

Вопросы на активность — 3, 4, 9, 10, 15, 16, 21, 22, 27, 28.

Вопросы на настроение — 5, 6, 11, 12, 17, 18, 23, 24, 29, 30.

Обработка и интерпретация результатов теста:

При обработке оценки респондентов перекодируются следующим образом: индекс 3, соответствующий неудовлетворительному самочувствию, низкой активности и плохому настроению, принимается за 1 балл; следующий за ним индекс 2 — за 2; индекс 1 — за 3 балла и так до индекса 3 с противоположной стороны шкалы, который соответственно принимается за 7 баллов (внимание: полюса шкалы постоянно меняются).

При проведении теста САН были получены следующие результаты:

Таблица 3.

Анастасия Б.

Полина П.

Наталья С.

Виталий Ч.

Евгений Ш.

Татьяна С.

Средний балл шкалы равен 4. Оценки, превышающие 4 балла, говорят о благоприятном состоянии испытуемого, оценки ниже четырех свидетельствуют об обратном. Оценки нормального состояния лежат в диапазоне 5,0-5,5 баллов.

Исходя из проведенного теста САН с учениками гимназии № 2 города Мурманск, можно сделать вывод, что у учащихся 10 «А» класса в целом благоприятное состояние.

Психоэмоциональное состояние играет очень важную роль в жизни человека, оказывая влияние на все сферы деятельности. А если речь идёт о ребёнке, то эти показатели считаются основными для полноценного интеллектуального и физического развития. Вот почему так важно вовремя диагностировать и устранить в случае необходимости любые нарушения, связанные с областью эмоций и чувств. Одним из эффективных способов определения самочувствия, настроения и общей активности является методика САН.

Описание методики «Самочувствие, активность, настроение»

Методика САН была предложена в 1973 году группой учёных 1 Московского медицинского института имени Сеченова. В состав разработчиков входили В. А. Доскин, Н.А. Лаврентьева, В.Б. Шарай и М.П. Мирошников. Тест представляет собой 30 пар слов, описывающих общие состояния, степень эмоциональной и физической активности и настроения человека. В качестве целей исследования учёные выделили:

  • оценку психического состояния испытуемого;
  • выявление психоэмоциональной реакции на умственную нагрузку;
  • определение биологических ритмов, свойственных физиологическим и психическим функциям.
  • старт обучения в школе;
  • переход в среднее звено;
  • начало пубертатного периода;
  • поступление в старшие классы и окончание школы.

Таким образом, методика САН может использоваться для диагностики детей любого возраста.

Процедура тестирования САН

Возможен как групповой способ проведения диагностики, так и индивидуальный. Использование один на один с испытуемым рекомендуется в том случае, если ребёнок неуверенно читает и испытывает трудности с пониманием значения всех слов-состояний, на анализе которых и построен тест. Временных ограничений для детей нет, но стоит указать на то, что ответ должен быть дан быстро — первое пришедшее в голову. Только так можно рассчитывать на объективность результатов теста.

В работе с дошкольниками и младшими школьниками важно разбирать каждую пару слов, чтобы у испытуемого не возникло непонимания сути вопроса.

Инструкция по организации диагностики:

Файл: Стимульный материал

Обработка и интерпретация результатов (обсчёт)

Индекс 3, обозначающий неудовлетворительное состояние, оценивается в 1 балл, индекс 2 — 2 очка, 3 — 3 балла. За отметку 0 засчитываем ребёнку 4 очка. Индекс 1, обозначающий слабую выраженность положительного состояния, оценивается в 5 баллов, 2 — в 6, 3 — в 7. Таким образом, за негативное испытуемый получает низкие баллы, а за позитивное — высокие. После обсчёта нужно вывести общую сумму оценок, ориентируясь на таблицу (ключ):

По общей сумме — от 10 до 70 баллов — можно определить состояние испытуемого на текущий момент времени:

  • меньше 30 — плохой показатель;
  • от 30 до 50 — средний;
  • больше 50 — высокий.

Ряд источников предлагает несколько иную систему подсчёта: полученные результаты по каждой шкале нужно поделить на 10. В результате получится средний балл:

  • больше 4 — благоприятное состояние;
  • 5–5,5 — нормальные показатели;
  • меньше 4 — плохое значение.

Первые испытания методики состоялись на группе студентов 1 Московского медицинского института имени Сеченова. Средние показатели у испытуемых были в диапазоне от 5 до 5,5 баллов. В начале 2000-х эксперимент был повторён. У той же возрастной группы учащихся значения снизились до 3–3,5 баллов.

Обратите внимание, что для составления объективной картины психоэмоционального состояния ребёнка важно также учитывать соотношение показателей. Так, если малыш отдохнул, находится в хорошем расположении духа, то его оценки активности, настроения и самочувствия будут примерно одинаковы. А вот если усталость или напряжение нарастает, то значения самочувствия и активности будут существенно ниже, чем настроения.

Методика САН — удобный инструмент диагностики для определения психоэмоционального состояния школьника в разном возрасте. С помощью теста можно оценить не только психическое состояние испытуемого, но и выявить биологические ритмы, связанные с процессами в организме ребёнка.

самочувствие, активность, настроение (В.А. Доскин, Н.А. Лаврентьева, В.Б. Шарай и М.П. Мирошников)

Источник: Барканова О.В. (сост.) Методики диагностики эмоциональной сферы: психологический практикум. [серия: Библиотека актуальной психологии]. – Вып. 2 – Красноярск: Литера-принт, 2009. — 237 с.

Возраст: для психодиагностического обследования взрослых лиц (в возрасте от 14-18 до 60-65 лет) без каких-либо ограничений по половым, социальным, профессиональным, образовательным и т. п. признакам.

Назначение: для оперативной оценки психоэмоционального состояния взрослого человека на момент обследования.

 При разработке методики авторы исходили из того, что три основные составляющие функционального психоэмоционального состояния − самочувствие, активность и настроение могут быть охарактеризованы полярными оценками, между которыми существует континуальная последовательность промежуточных значений. Однако есть данные о том, что шкалы САН имеют чрезмерно обобщенный характер. Факторный анализ позволяет выявить более дифференцированные шкалы: «самочувствие», «уровень напряженности», «эмоциональный фон», «мотивация» (А.Б. Леонова, 1984). Конструктная валидность САН устанавливалась на основании сопоставления с результатами психофизиологических методик с учетом показателей критической частоты мельканий, температурной динамики тела, хронорефлексометрии. Текущая валидность устанавливалась путем сопоставления данных контрастных групп, а также путем сравнения результатов испытуемых в разное время рабочего дня. Разработчиками методики проведена ее стандартизация на материале обследования выборки 300 студентов.

САН представляет собой карту (таблицу), которая содержит 30 пар противоположных характеристик, отражающих исследуемые особенности психоэмоционального состояния (самочувствие, активность, настроение). Каждое состояние представлено 10 парами слов. На бланке обследования между полярными характеристиками располагается рейтинговая шкала. Испытуемому предлагают соотнести свое состояние с определенной оценкой на шкале (отметить степень выраженности той или иной характеристики своего состояния). При обработке результатов обследования оценки пересчитываются в «сырые» баллы от 1 до 7. Количественный результат представляет собой сумму первичных баллов по отдельным категориям (или их среднее арифметическое).

САН нашел широкое распространение при оценке психического состояния больных и здоровых лиц, психоэмоциональной реакции на нагрузку, при выявлении индивидуальных особенностей и биологических ритмов психофизиологических функций.

Инструкция: Вам предлагается описать свое состояние, которое Вы испытываете в настоящий момент, с помощью таблицы, состоящей из 30 полярных признаков. Вы должны в каждой паре выбрать ту характеристику, которая наиболее точно описывает Ваше состояние, и отметить цифру, которая соответствует степени (силе) выраженности данной характеристики.

 Обработка и интерпретация результатов

 При подсчете крайняя степень выраженности негативного полюса пары оценивается в один балл, а крайняя степень выраженности позитивного полюса пары − в семь баллов. При этом нужно учитывать, что полюса шкал постоянно меняются, но положительные состояния всегда получают высокие баллы, а отрицательные − низкие. Полученные баллы группируются в соответствии с ключом в три категории, и подсчитывается количество баллов по каждой из них.

Самочувствие − сумма баллов по шкалам №: 1, 2, 7, 8, 13, 14, 19, 20, 25, 26; Активность − сумма баллов по шкалам №: 3, 4, 9, 10, 15, 16, 21, 22, 27, 28; Настроение − сумма баллов по шкалам №: 5, 6, 11, 12, 17, 18, 23, 24, 29, 30.

Полученные результаты по каждой категории делятся на 10. Средний балл шкалы равен 4. Оценки, превышающие 4 балла, говорят о благоприятном состоянии испытуемого, оценки ниже четырех свидетельствуют об обратном.

Нормальные оценки состояния лежат в диапазоне 5-5,5 баллов. Следует учесть, что при анализе функционального состояния важны не только значения отдельных его показателей, но и их соотношение. В частности, у отдохнувшего человека оценки самочувствия, активности, настроения обычно примерно равны, а по мере нарастания усталости соотношение между ними изменяется за счет относительного снижения самочувствия и активности по сравнению с настроением.

 Типовая карта методики САН

  1. Самочувствие хорошее

3 2 1 0 1 2 3

Самочувствие плохое

  1. Чувствую себя сильным

3 2 1 0 1 2 3

Чувствую себя слабым

  1. Пассивный

3 2 1 0 1 2 3

Активный

  1. Малоподвижный

3 2 1 0 1 2 3

Подвижный

  1. Веселый

3 2 1 0 1 2 3

Грустный

  1. Хорошее настроение

3 2 1 0 1 2 3

Плохое настроение

  1. Работоспособный

3 2 1 0 1 2 3

Разбитый

  1. Полный сил

3 2 1 0 1 2 3

Обессиленный

  1. Медлительный

3 2 1 0 1 2 3

Быстрый

  1. Бездеятельный

3 2 1 0 1 2 3

Деятельный

  1. Счастливый

3 2 1 0 1 2 3

Несчастный

  1. Жизнерадостный

3 2 1 0 1 2 3

Мрачный

  1. Напряженный

3 2 1 0 1 2 3

Расслабленный

  1. Здоровый

3 2 1 0 1 2 3

Больной

  1. Безучастный

3 2 1 0 1 2 3

Увлеченный

  1. Равнодушный

3 2 1 0 1 2 3

Взволнованный

  1. Восторженный

3 2 1 0 1 2 3

Унылый

  1. Радостный

3 2 1 0 1 2 3

Печальный

  1. Отдохнувший

3 2 1 0 1 2 3

Усталый

  1. Свежий

3 2 1 0 1 2 3

Изнуренный

  1. Сонливый

3 2 1 0 1 2 3

Возбужденный

  1. Желание отдохнуть

3 2 1 0 1 2 3

Желание работать

  1. Спокойный

3 2 1 0 1 2 3

Озабоченный

  1. Оптимистичный

3 2 1 0 1 2 3

Пессимистичный

  1. Выносливый

3 2 1 0 1 2 3

Легко утомляемый

  1. Бодрый

3 2 1 0 1 2 3

Вялый

  1. Соображать трудно

3 2 1 0 1 2 3

Соображать легко

  1. Рассеянный

3 2 1 0 1 2 3

Внимательный

  1. Полный надежд

3 2 1 0 1 2 3

Разочарованный

       10Довольный

3 2 1 0 1 2 3

Недовольный


По данной методике в данный момент у нас нет готового расчета, возможно, он появится позже. Если вы хотите заказать эксклюзивный расчет по данной методике с вашими условиями или в комплексе с другими методиками, напишите нам, кликнув по второй ссылке. Если вы считаете, что методика содержит недостоверные данные или у вас есть вопросы по проведению исследования по ней — кликните на третью ссылку.

Интерпретация статистических результатов | Медицина Интенсив

Введение

Клинические исследования — это незаменимое средство для развития научных знаний и их внедрения в повседневную клиническую практику, чтобы предоставить пациентам наилучшие возможности для восстановления или улучшения своего здоровья, понимаемого как количество лет и качество жизни.1

Но для этого нам понадобятся инструменты, позволяющие проводить исследования, описывать биологическую реальность, облегчать понимание клинических исследований и позволять манипулировать посредством экспериментов, чтобы установить связи между стимулами (лекарствами, хирургической техникой и т. Д.).) и интересные результаты.

Статистические методы — это математические модели, требующие определенных знаний для их интерпретации. 2.3 Без адекватного понимания обобщение результатов исследования может быть бесполезным или опасным. С этической точки зрения4 очень важно приложить усилия для понимания, если мы хотим быть в курсе научных достижений4. знать, как интерпретировать статистические результаты, чтобы отличать важные от неважных, развивать аналитический дух 5 и оценивать любые возможные последствия для нашей клинической и исследовательской практики.

Цель этого исследования — предоставить общую точку зрения на интерпретацию наиболее распространенных статистических результатов и выделить все ограничения и потенциальные ошибки (Таблица 1) для адекватного понимания таких результатов. Информация может быть более базовой или более сложной, не очень полной, но она всегда необходима и всегда будет относиться к ее использованию в клинических исследованиях тяжелобольного пациента.

Сводная статистика

Сводная статистика позволяет нам визуализировать характеристики распределения данных, синтезируя измерение изменения переменной, и они являются базовыми понятиями в статистике.Среднее арифметическое — это сумма каждого значения, деленная на общее количество особей в данной популяции. На него влияет наличие экстремальных значений, поэтому он не подходит для не очень однородных распределений 6, таких как пребывание в отделении интенсивной терапии. Усеченное среднее исключает экстремальные значения, а режим соответствует наиболее распространенному значению в распределении; однако полезность обоих ограничена.

Дисперсия — это индикатор, используемый для определения степени разделения одного массива (набора данных) по отношению к его среднему арифметическому, хотя обычно мы используем стандартное отклонение (SD) как квадратный корень из дисперсии, выраженной в тех же единицах измерения. переменная.7 SD показывает дисперсию распределения, которая на один SD выше среднего обычно указывает на асимметричное распределение (когда количество случаев выше при высоких или низких значениях, таких как пребывание в отделении интенсивной терапии). Если распределение нормальное, оно покажет значения, где мы находим 68% (± 1SD), 95% (± 2SD) или 99,7% (± 3SD) данных. Отсюда и популярное выражение «среднее ± стандартное отклонение», хотя здесь предпочтение отдается термину «среднее значение» (SD).

Когда распределение переменной асимметрично, мы используем меры, основанные на порядке.Среднее значение — это основное значение, полученное после упорядочивания значений. Квартили, децили или процентили являются результатом деления упорядоченной выборки на 4, 10 или 100 равных частей. Среднее значение соответствует 2-му квартилю, 5-му децилю и 50-му процентилю. В этих случаях предпочтительными средними значениями дисперсии являются процентили 25 и 75 или разница между ними, называемая межквартильным интервалом (IQR). Это не то же самое, что диапазон переменной, указывающий на верхний и нижний пределы переменной. Пребывание в ОИТ или количество дней на ИВЛ — это значения асимметричного распределения, которые мы скорее выражаем, используя средние значения и процентили 25–75 или IQR.8

Графические изображения

Распределения количественных переменных обычно представлены в виде гистограмм (столбчатых диаграмм) или диаграмм дисперсии (точечная диаграмма). Коробчатые диаграммы (рис. 1) очень указывают на распределение одной переменной. Поле ограничено снизу вверх квартилями Q1 и Q3 со средним значением в центре. Крылья коробки содержат даже самое низкое меньшее значение и предел Q3, по крайней мере, в 1,5 раза превышающий IQR. Значения выше этого запаса являются отдаленными значениями (выше Q3 + 1.5 × IQR) и экстремальные значения (выше Q3 + 3 × IQR).

Распространенность и заболеваемость

Распространенность — это доля случаев в данной популяции, демонстрирующих определенный признак или заболевание. Распространенность может быть точечной распространенностью или распространенностью периода, когда анализируется промежуток времени от t0 до t1 и популяция подсчитывается в середине интервала. Исследования реестра ENVIN-UCI являются примером последнего типа дизайна.9 Исследования распространенности оценивают глобальные тенденции и позволяют нам генерировать гипотезы, но не причинно-следственные связи.

Заболеваемость — это количество новых случаев данного заболевания или признака в популяции за период времени. Кумулятивная заболеваемость — это доля пациентов из группы риска, у которых не было болезни в определенный период времени. Уровень заболеваемости (также называемый плотностью заболеваемости [ID]) — это количество новых случаев за определенный период времени, деленное на сумму единиц времени, подверженных риску, для каждого индивидуума, подвергшегося воздействию.

Например, в популяции из 200 пациентов в критическом состоянии, интубированных по крайней мере в течение 48 часов, в течение одного месяца наблюдается 16 связанных с ИВЛ пневмоний (ВАП).Риск или кумулятивная частота ВАП составит 16/200 = 8% для каждого человека или 8 на каждые 100 пациентов, которым ежемесячно проводится ИВЛ. У пациентов в критическом состоянии измерение кумулятивной заболеваемости может быть малоинформативным, поскольку факторы риска меняются и возникают потери (умершие пациенты или пациенты, у которых отсутствует фактор риска, такой как искусственная вентиляция легких). В этом случае мы можем использовать актуарную модель, которая учитывает эти потери, или ID. Последний показатель, который мы используем для инфекций, связанных с устройствами (ИВЛ, катетеры).Он измеряется в обратных единицах времени (6 ВАП на каждые 1000 пациентов в день на ИВЛ, 3 инфекции, связанные с катетером, на каждые 1000 пациентов, носящих катетер в день). Оценка единиц времени, связанных с риском, может быть очень важной, поскольку она не добавляет кумулятивных эффектов, вызванных сохранением факторов. Это не то же самое, что 500 пациентов, проводящих 3 дня на ИВЛ, чем 300 пациентов, проводящих 5 дней, и это не то же самое, что один пациент с несколькими катетерами и в общей сложности 6 люменов, что пациент с двухпросветным катетером, даже если в знаменателе такой же.По соглашению здесь учитывается общая сумма дней, потраченных на ИВЛ, и общая сумма дней ношения катетера.10

Меры ассоциации

Меры ассоциации количественно определяют существующую взаимосвязь между двумя различными переменными. Их цель — установить, существует ли реальная связь между воздействием или признаком и данным состоянием или заболеванием, хотя это не предполагает причинной связи. Эти меры позволяют установить, различается ли частота признака (заболевания) у пациентов, подвергшихся воздействию данной переменной.

Абсолютная разница в процентах. Также известен как разница рисков, связанный риск, избыточный риск или абсолютное снижение риска. Он показывает, насколько увеличился или уменьшился риск данного события в зависимости от группы событий. Это абсолютный показатель, который предоставляет ограниченную информацию, потому что снижение на 1% может быть очень важным, когда базальный риск составляет 2%, но незначительным, когда начальный риск достигает 30%.

Отношение шансов заболевания. Шансы — это термин, используемый в азартных играх, который показывает, каковы шансы на получение того или иного результата.Например, если вероятность выживания пациента составляет 75%, а вероятность смерти — 25%, шансы на выживание будут составлять 75% / 25%, или 3-1, или просто 3, чтобы упростить. Это означает, что вероятность выживания пациента в три раза выше, чем вероятность его смерти.

Относительная разница в процентах. Также называется относительной разницей риска (RRD) или относительным снижением риска (RRR). Это разница риска или заболеваемости, деленная на заболеваемость в группе сравнения. Он показывает, насколько реально варьируется риск смены группы сравнения.Он используется для расчета величины эффекта. Например, переход от уровня заболеваемости 0,99% к уровню заболеваемости 0,75% может быть более или менее клинически значимым, но снижение относительного риска на 24% (те же данные) гораздо более впечатляюще, особенно если доверительный интервал такой оценки не равен. включены.11

Соотношение пропорций. Также называется относительным риском или степенью риска (ОР). Это наиболее успешный индикатор из всех, и он оценивается как отношение заболеваемости в группе, подвергшейся воздействию, к коэффициенту заболеваемости в группе, не подвергшейся воздействию.Он интерпретируется как количество раз, когда риск возникновения события увеличивается или уменьшается в зависимости от воздействия. RR> 1 указывает на более высокий риск; нулевой эффект при значении 1;

1 руб. Свидетельствует о более низком риске. Поскольку это относительный показатель, он должен сопровождаться данными об абсолютной заболеваемости, чтобы можно было оценить клиническую значимость эффекта. Коэффициент смертности 0,03% по сравнению с коэффициентом смертности 0,01% даст RR = 3. С другой стороны, клиническое влияние этой ассоциации может быть неуместным.RR1 может быть трудно интерпретировать. RR = 0,20 не указывает на снижение риска на 20%, но указывает на 1 / 0,20 — риск, который в 5 раз ниже.

Продольные исследования и клинические испытания используют одну статистическую концепцию, известную как число, необходимое для лечения (NNT). Он говорит нам, скольким людям нужно будет пройти курс лечения, чтобы получить дополнительный положительный результат или избежать отрицательного. Он оценивается с использованием обратной величины абсолютной разности заболеваемости.

Отношение шансов. Его интерпретация зависит от контекста дизайна исследования, в котором он используется.В случае исследований и контрольных исследований фактический уровень заболеваемости в группе, не подвергавшейся воздействию, неизвестен, поскольку не проводится последующее наблюдение за всей популяцией, вместо этого выбирается одна репрезентативная выборка из этой популяции. При этом невозможно узнать реальный RR, так как у нас нет данных о заболеваемости не подвергшихся воздействию. Тем не менее, мы можем знать вероятность воздействия фактора риска в группах, подвергшихся и не подвергавшихся воздействию; то есть самые высокие шансы облучения пациента и самые высокие шансы облучения не-пациента.Это отношение шансов мы называем ИЛИ в клинических и контрольных исследованиях. Его интерпретация представляет собой оценку коэффициента заболеваемости в исходной популяции при условии, что выбор средств контроля происходил независимо от воздействия.

Доверительные интервалы

Все меры, принятые в выборке субъектов, представляют собой оценку фактических показателей в общей популяции, что мы и хотим знать. Каждый раз, когда мы выбираем выборку, мы хотим, чтобы она была репрезентативной для всей совокупности, поэтому мы используем критерии включения и исключения, которые облегчают проведение определенного исследования и не создают чрезмерных различий с целевой группой, поэтому мы можем обобщить результаты.

Чтобы оценить оценку показателя, мы используем доверительные интервалы (ДИ), обычно равные 95%. Девяносто пять процентов (95%) доверительных интервалов не означают, что существует 95% -ный шанс найти эту меру в этом интервале в реальной популяции. ДИ девяноста пять процентов (95%) означает, что мы уверены, что используемый метод даст нам выборки, которые в 95% случаев должны генерировать оценку, включенную в этот интервал. Но это не означает, что в реальной совокупности показатель включен в этот интервал.Он может быть включен, а может и не быть (рис. 2).

Корреляция и согласованность

Линейная регрессия — это процедура, которую мы используем для установления линейной корреляции (y = a + bx) в поведении двух переменных. Это можно увидеть графически, когда облако точек, созданное с помощью пар переменных, приближается к прямой линии, что поможет нам определить значения одной переменной на основе другой.

Корреляция — это линейная связь между двумя независимыми переменными, которая устанавливается как асимметрия в поведении обеих.Важно подчеркнуть, что корреляции не подразумевают наличие причинно-следственной связи, но что между двумя переменными существует какая-то связь с промежуточной переменной.12

Чтобы измерить корреляцию между двумя переменными, мы используем ковариацию или ее стандартизацию, то есть коэффициент корреляции Пирсона r. Этот индекс требует нормального распределения переменных и варьируется от -1 (отрицательная корреляция) до +1 (положительная корреляция). Когда его значение близко к 0, линейной корреляции нет.В случаях, когда распределение не является нормальным, мы можем использовать коэффициенты ранговой корреляции Спирмена или Кендалла, чтобы найти нелинейные корреляции.

Чтобы интерпретировать корреляции, мы не должны забывать, что коэффициент Пирсона r измеряет линейную корреляцию, но мы также можем иметь нелинейные корреляции между различными переменными. Важно иметь объективные меры и проверять влияние экстремальных значений. Корреляции должны иметь определенную логику при создании ассоциации, избегая ложных ассоциаций, отношений «часть-целое» (APACHE II с почечной дисфункцией) или переменных с расчетными значениями (pH и избыток оснований).Корреляции также часто и неправильно используются в качестве анализа соответствия между различными инструментами для измерения одной переменной.

Исследования надежности анализируют вариации при измерении одной переменной с использованием одного инструмента измерения и одного и того же наблюдателя (внутри наблюдателя) или нескольких наблюдателей (между наблюдателями) или согласования между двумя инструментами измерения.13 Эти исследования распространены в медицине интенсивной терапии, и они оценивают инвазивные параметры неинвазивными средствами. Соответствие между различными показателями качественных переменных использует индекс каппа, который измеряет согласие между экспертами, вычитая возможность совпадения, возникающего случайно.Он колеблется от 1 (максимальное соответствие) до значений, которые могут быть отрицательными. Подсчитано, что значения индекса каппа> 0,6 указывают на хорошее соответствие, а значения 14 Индекс каппа не следует использовать в качественных группах количественных переменных.

Соответствие количественных переменных измеряет коэффициент межклассовой корреляции (ICC), который анализирует дисперсию субъектов, инструмент измерения и ошибки, допущенные при измерении.15 Было согласовано, что хорошее соответствие должно быть больше нуля.75. Одним из наглядных и простых способов проверить соответствие количественных переменных является график Бланда – Альтмана, который показывает индивидуальные различия между показателями и их отношение к их среднему значению16. Мы не должны забывать, что в этих исследованиях, даже если он может совпадать с ICC, корреляция — не лучший метод анализа (рис. 3).

Валидность и точность исследований

В исследовании валидность можно определить как внутреннюю и внешнюю согласованность результатов. Это вселяет уверенность в том, что полученные данные представляют реальность, которую мы хотим наблюдать.Если мы проводим исследование тяжелобольных пациентов с сепсисом и используем критерии сепсиса, которые не обновлялись, то согласованность результатов нарушается и, как следствие, внутренняя достоверность. Если не включить пациентов с ослабленным иммунитетом, то выборка может не быть репрезентативной для всей популяции пациентов с сепсисом, что поставит под угрозу внешнюю валидность. Внутренняя валидность является непременным условием исследования, а внешняя валидность дает нам возможность обобщить полученные результаты.Кроме того, мы должны быть осторожны с ошибками отбора (таблица 2). Одно из этих предубеждений рассматривает тяжелобольного пациента как пациента определенного типа, а не как клиническую ситуацию как таковую, возникающую при различных заболеваниях. У нас могут быть систематические ошибки в информации из-за разного количества регистров в отделении интенсивной терапии и предшествующих госпитализациях, что может создавать проблемы при оценке представляющих интерес переменных среди пациентов с разным предыдущим пребыванием в отделении интенсивной терапии17.

Точность исследования — это предел погрешности. с которыми были получены результаты.В основном это зависит от размера выборки, но не только от этого. Существуют конструкции и способы реестров, а также эффективные анализы, которые мы можем использовать для большей точности, например, количественные переменные вместо качественных или проведение анализа выживаемости вместо анализа результата как одной дихотомической переменной.

Тесты статистической значимости

Тесты статистической значимости стали популярными у Фишера, который использовал байесовский подход, чтобы предложить следующую аналитическую модель: принимая одну нулевую гипотезу H0 (отсутствие различий между двумя вариантами лечения) как истинную, проводится эксперимент, который даст определенные результаты, а затем вероятность p оценивается так, как если бы H0 было истинным.Очень маленькое значение p заставит нас искать альтернативу H0, хотя оно не будет автоматически отклонять его.

Почти одновременно Нейман и Пирсон предложили альтернативный метод, основанный на существовании двух (2) гипотез — нулевой гипотезы H0 (нет различий между двумя вариантами лечения) и альтернативы h2 (есть некоторые различия) — и ошибки типа I (сделанные при рассмотрении h2 действительным, когда H0 истинно) и ошибки типа II (сделанные при рассмотрении H0 действительным, когда h2 истинно). Цель эксперимента состояла в том, чтобы выбрать один из двух вариантов, основанный на вероятности совершения ошибок типа I (риск α) или ошибок типа II (риск β).

Сегодня мы используем один комбинированный метод18, определяя одну нулевую гипотезу H0 и планируя эксперимент для обнаружения некоторой разницы. Затем оценивается вероятность p получения таких результатов, считая H0 истинным. Если значение p небольшое, то действительность H0 будет отклонена (то есть нет различий), а если нет, то не будет, но и не будет принята. Это означает, что отсутствие статистической значимости в исследовании не интерпретируется как терапевтическая эквивалентность.19

Конечная навязчивая идея исследователей получить p

0,0520 основана на общем консенсусе в отношении точного теста Фишера21, который пытается решить, можно ли считать статистически значимым результат, полученный случайно не чаще одного раза на каждые 20 испытаний. Однако желаемое значение p зависит от размера выборки, а не от размера разницы, поэтому все, что нам нужно, это иметь более крупные выборки, чтобы получить «статистически значимые» результаты22. Ответственность за интерпретацию лежит на исследователе. можно ли считать статистически значимый результат клинически значимым.23,24 Статья, недавно опубликованная в NEJM, в которой изучалось 49 331 экстренная госпитализация из-за сепсиса25, статистически показывает, что риск госпитальной смертности увеличивается на 4% каждый час (OR 1,04 [95% ДИ: 1,02–1,05]; p0,001), когда некоторые меры не были реализованы (гемокультуры, антибиотикотерапия и жидкости) в течение 3-часового окна возможностей. Сравнительная таблица показывает, как разница между применением вышеупомянутых мер в течение 3 часов или между 3 и 12 часами увеличивает уровень смертности с 22.От 6% до 23,6%. Эти процентные значения не будут интерпретироваться как разные в любом другом исследовании с разумным количеством пациентов, но здесь им дается значительное значение p благодаря огромному размеру выборки. Именно клиницисты несут ответственность за интерпретацию того, насколько действительно важно это увеличение смертности, и, очевидно, это зависит не только от значения p. Мы всегда должны помнить, что значение p не измеряет размер эффекта.

Однофакторный анализ изучает одну и ту же переменную в разных группах лиц, имеющих одну характеристику, например фактор риска, или получающих терапию.Мы используем тесты, которые могут применяться к количественным переменным, когда распределения являются нормальными (t-критерий Стьюдента для 2 выборок, ANOVA для нескольких выборок) или нет (U-критерий Манна – Уитни для 2 выборок, критерий Краскела – Уоллиса для нескольких выборок, Вилкоксона. тест на повторные измерения). Чтобы определить, следует ли одна переменная модели нормального распределения, используются тест Колмогорова-Смирнова и тест Шапиро-Уилка. Для качественных переменных мы будем использовать критерий хи-квадрат Пирсона или точный критерий Фишера.

Для статистиков становится все более и более популярным продвигать байесовскую статистику как наиболее адекватный метод приближения к реальности клинических исследований26.

Интерпретация многомерного анализа

Эти методы используются для изучения математической взаимосвязи нескольких переменных в одном массиве ( набор данных). Появление пакетов статистического программного обеспечения с мощными анализаторами популяризировало их и придало их результатам большую убедительность. Однако сложность многомерного анализа заключается не в необходимых математических инструментах, а в последовательности предлагаемых гипотез, адекватном выборе переменных, применении соответствующих методов и тщательной интерпретации таких гипотез.

Адекватный методологический подход включает характеристику исследуемой популяции, анализируемые переменные, ассоциацию, которая должна быть изучена, и определение критериев включения для получения репрезентативной выборки такой популяции. При интерпретации многомерного анализа важнее всего знать, были ли соответствующие переменные включены в модель, а не понимать значение результатов. Однако многомерный анализ не решит проблему отсутствия важного фактора в искомой связи.Напротив, включение многих переменных не улучшает модель. Рекомендуется не менее 10 случаев инцидентов для каждой включенной переменной27. Как сила, так и корректировка полученной модели очень важны и могут быть оценены с помощью таких тестов, как критерий согласия Хосмера-Лемешоу (хотя он подвергался критике, потому что он ищет «несущественность»), тест логарифмического отношения правдоподобия −2 (−2LL), который тем ниже, чем больше он приспособлен к модели данных, и R в квадрате Нагелькерке, который оценивает процент вариации объясняемой переменной по модели.

Связь между переменными, определенными многомерным анализом, не подразумевает причинно-следственной связи. Классические критерии причинно-следственной связи Брэдфорд-Хилла основаны на научном здравом смысле, а не на математических результатах28 (таблица 3). Важно проявлять осторожность при интерпретации статистически значимых результатов, которые могут иметь ложную связь с независимой переменной. Эти методы помогают нам оценить смешивающие переменные, которые затрудняют установление и понимание причинно-следственной связи, но их следует использовать сознательно в анализе.29

Множественная регрессия

Множественная регрессия пытается установить связь, используя одно уравнение, обычно линейное, между различными значениями количественных переменных. Он ищет математические ассоциации, применяя одну функцию между значением одной переменной (зависимой) и значением другой (независимой). В условиях интенсивной терапии его можно использовать для косвенной оценки интересующего значения (альвеолярно-артериальный градиент кислорода) на основе значений других переменных, полученных с помощью неинвазивных методов (PaO2 / FiO2, PEEP, APACHE IV и ДИВАН).30 Сгенерированные коэффициенты показывают, как зависимая переменная изменяется в зависимости от значений независимых переменных.

Логистическая регрессия

Он изучает взаимосвязь между независимыми качественными или количественными переменными и одной независимой качественной переменной, обычно дихотомической, такой как уровень смертности. ИЛИ, созданное для независимых переменных, показывает, насколько вероятно, что определенное значение встречается в зависимой переменной на основе значения этой переменной. Например, если исследование показывает, что существует связь между неадекватной эмпирической антибактериальной терапией и уровнем смертности от сепсиса через 30 дней с OR 2, то считается, что риск смертности через 30 дней удваивается у пациентов с сепсисом плюс неадекватный режим приема антибиотиков.Как характеристика выбранной выборки, так и выбор переменных имеют первостепенное значение для оценки влияния других переменных, которые могут создать путаницу или взаимодействие с моделью. Смешивающие переменные — это внешние переменные в отношении до воздействия, связанные как с воздействием, так и с заболеванием. Они вызывают предвзятость при оценке эффекта и могут создавать ложные эффекты, маскировать фактический эффект или даже обращать его вспять, а также возникают из-за неравномерного распределения в группах риска.В нашем примере, если в отобранной выборке высок процент хирургического сепсиса, влияние неадекватной эмпирической схемы приема антибиотиков будет намного меньше, чем если бы в выбранной выборке был высокий процент медицинского сепсиса.31 Взаимодействие происходит всякий раз, когда переменные изменяют интенсивность или направление связи между фактором риска и эффектом. Взаимодействие не означает неразбериху, потому что распределение по группам риска не отличается.

Многовариантный анализ логистической регрессии также является инструментом для генерации баллов, которые используются для перспективной оценки шансов события.Бета-оценки, генерируемые логистической моделью, на основе которой оценивается OR, используются для ранжирования определенных значений переменных, а затем генерируются баллы для оценки риска данного пациента.32 Это случай прогностических оценок, таких как APACHE, MPM или SAPS. Однако это не относится к шкале SOFA или шкале травматизма легких, хотя их связь с уровнем смертности была недавно подтверждена.33

Регрессионные модели для данных о выживаемости

Базовый анализ выживаемости проводится с использованием метода Каплана-Мейера, который Функция выживания определяет предполагаемую вероятность дожить до времени t.Кривые можно сравнить с тестом логарифмического ранга (Мантела – Кокса), но этот метод не изучает другие связанные переменные.

Модель регрессии Кокса создает связь между независимыми переменными и другой зависящей от времени переменной: выживаемостью. Статистическая выживаемость показывает не только время до смерти, но и исследуемое время без событий. Оценщики, генерируемые этой моделью, называются степенью риска или отношением (HR), и они интерпретируются в зависимости от того, насколько высока HR, когда переменная увеличивается на одну единицу.Интерпретация HR отличается от интерпретации OR логистической регрессии.34 OR измеряет повышенный риск результата, возникающего независимо от времени, в то время как HR измеряет повышенные риски в единицу времени. Таким образом, результаты этих двух методов не взаимозаменяемы. Модель регрессии Кокса предполагает, что анализируемые переменные риска будут присутствовать в течение всего времени наблюдения, чтобы оказывать свое влияние. Это может быть случай диабета или возраста, но не других переменных, которые измеряются время от времени, таких как оценка APACHE II, измеренная при поступлении, или реанимационный сепсис.Тем не менее, в наши дни это широко используемый метод35, который очень хорошо приспособлен к реальным потребностям анализа выживаемости у пациентов в критическом состоянии.

Интерпретация результатов диагностических тестов

Инструменты, используемые для оценки диагностических возможностей тестов, несложны, но их необходимо внедрять без промедления. Чувствительность — это доля больных с положительным результатом теста. Специфичность — это доля здоровых испытуемых с отрицательным результатом теста. Эти значения не зависят от распространенности заболевания, но меняются в зависимости от тяжести первоначальной клинической картины.Чувствительность и специфичность основаны на предметах, которые, как мы уже знаем, больны или нет, и классифицируют тест в зависимости от того, попали ли они в цель. В процессе лечения чаще используются прогнозные значения. Они основаны на результатах анализов для определения вероятности заболевания. Прогнозирующая ценность положительного результата (PPV) показывает долю испытуемых с положительным результатом теста, которые действительно болеют. Прогнозирующая ценность отрицательного результата (NPV) показывает долю субъектов с отрицательным результатом теста, но не больных.

Прогностические значения напрямую связаны с распространенностью заболевания среди населения, к которому они применяются. Это называется вероятностью предварительного тестирования и обусловливает результаты этих индикаторов. Например, PPV прокальцитонина для лечения инфекций в амбулаторных популяциях отличается по сравнению с популяциями пациентов ER или ICU36. Другой способ анализа результатов диагностического теста — использование отношений правдоподобия. Положительные отношения правдоподобия показывают, насколько вероятно, что диагностический тест будет положительным у реального пациента по сравнению с не пациентом.Это эквивалентно чувствительности и отношению правдоподобия специфичности. Отрицательные отношения правдоподобия являются обратными отношениям правдоподобия положительных результатов, и они показывают, насколько вероятно, что диагностический тест будет отрицательным у пациента, не являющегося пациентом, по сравнению с фактическим пациентом. Коэффициенты правдоподобия не зависят от распространенности и очень полезны в клинической практике.

Кривые ROC (рабочие характеристики приемника) используются в количественных тестах, и мы можем назначить одну диагностическую чувствительность и отношение правдоподобия специфичности к каждому значению или интервалу результатов.Это позволяет нам построить одну кривую с парами диагностической чувствительности и 1-специфичности, что эквивалентно положительным отношениям правдоподобия.37 Они измеряются с использованием площади под кривой (AUC). AUC интерпретируется как вероятность того, что при случайном выборе одного больного человека и одного здорового человека больной имеет диагностическую ценность по сравнению со здоровым. Диагональ кривой представляет собой AUC 0,5 с вероятностью 50%, что классификация верна, что эквивалентно сценарию случайного возникновения.Таким образом, чем ближе ROC-кривая подходит к диагонали, тем более показательным является диагностический тест с низкой ценностью. Кривые ROC устанавливают точку отсечения максимальной чувствительности и специфичности для данного теста (рис. 4). Кроме того, AUC можно сравнивать с помощью непараметрических тестов, таких как тест Делонга.

Выводы

Статистические инструменты должны улучшить нашу способность понимать биологическую реальность и результаты, которые приносят наши вмешательства. Их адекватное использование и интерпретация имеют важное значение для улучшения здоровья наших пациентов.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов, связанного с этой рукописью.

Различные подходы к интерпретации и представлению результатов иммуногистохимического анализа костной ткани — обзор | Диагностическая патология

  • 1.

    An YH, Martin KL: Справочник по методам гистологии костей и хрящей. Перепечатка в твердом переплете 1-е изд. Выпуск 2003 г. 2010, Humana Press, Тотова, Нью-Джерси

    Google ученый

  • 2.

    Wittenburg G, Volkel C, Mai R, Lauer G: Иммуногистохимическое сравнение маркеров дифференциации на образцах костей человека, залитых в парафин и пластик. J Physiol Pharmacol Off J Pol Physiol Soc. 2009, 60 (Дополнение 8): 43-49.

    Google ученый

  • 3.

    Бэнкрофт Дж. Д., Гэмбл М.: Теория и практика гистологических методов, 6e. 2007, Черчилль Ливингстон, Эдинбург, 6

    Google ученый

  • 4.

    Деттмейер Р: Судебная гистопатология: основы и перспективы. 1-е изд. 2011. Корр. 5-е издание, 2013 г. 2011, Шпрингер, Берлин

    Google ученый

  • 5.

    Миллс С.Е.: Гистология для патологов. 2012, LWW, Филадельфия, 4

    Google ученый

  • 6.

    Рекер Р. Р., Киммел Д. Б., Демпстер Д., Вайнштейн Р. С., Вронски Т. Дж., Бурр Д. Б.: Проблемы современной гистоморфометрии костей.Кость. 2011, 49: 955-964.

    PubMed CAS PubMed Central Google ученый

  • 7.

    Klopfleisch R: Многопараметрические и полуколичественные системы оценки для оценки гистопатологии модели мышей — систематический обзор. BMC Vet Res. 2013, 9: 123-

    PubMed PubMed Central Google ученый

  • 8.

    Джамбекар Н., Чатурведи А., Мадур Б.: Иммуногистохимия в практике хирургической патологии: современная перспектива простого, мощного, но сложного инструмента.Индийский J Pathol Microbiol. 2008, 51: 2-

    PubMed Google ученый

  • 9.

    Dabbs DJ: Диагностическая иммуногистохимия. Elsevier Health Sciences; 2013. ISBN 978-1-4160-5766-6.

  • 10.

    Parfitt AM, Drezner MK, Glorieux FH, Kanis JA, Malluche H, Meunier PJ, Ott SM, Recker RR: Костная гистоморфометрия: стандартизация номенклатуры, символов и единиц измерения. отчет Комитета по номенклатуре гистоморфометрии ASBMR.J Bone Miner Res Off J Am Soc Bone Miner Res. 1987, 2: 595-610.

    CAS Google ученый

  • 11.

    Dempster DW, Compston JE, Drezner MK, Glorieux FH, Kanis JA, Malluche H, Meunier PJ, Ott SM, Recker RR, Parfitt AM: стандартизированная номенклатура, символы и единицы для гистоморфометрии кости: обновление 2012 г. отчета комитета по номенклатуре гистоморфометрии ASBMR. J Bone Miner Res Off J Am Soc Bone Miner Res. 2013, 28: 2-17.

    Google ученый

  • 12.

    Ши С.Р., Лю С., Тейлор К.Р.: Стандартизация иммуногистохимии для фиксированных формалином и залитых парафином срезов тканей на основе метода поиска антигена: от экспериментов к гипотезе. J Histochem Cytochem. 2007, 55: 105-109.

    PubMed CAS Google ученый

  • 13.

    Данстан Р.В., Уортон К.А., Куигли К., Лоу А.: Использование иммуногистохимии для оценки биомаркеров — может ли она конкурировать с другими технологиями ?.Toxicol Pathol. 2011, 39: 988-1002.

    PubMed Google ученый

  • 14.

    Shi S-R, Shi Y, Taylor CR: Обзор иммуногистохимии поиска антигена и будущие перспективы в исследованиях и диагностике на протяжении двух десятилетий. J Histochem Cytochem. 2011, 59: 13-32.

    PubMed CAS PubMed Central Google ученый

  • 15.

    Kaczorowski S, Kaczorowska M: Возможна ли стандартизация иммуногистохимического исследования ?.Patol Pol. 1992, 43: 10-15.

    PubMed CAS Google ученый

  • 16.

    Уокер Р.А.: Количественная оценка иммуногистохимии — вопросы, касающиеся методов, применимости и полуколичественной оценки I. Гистопатология. 2006, 49: 406-410.

    PubMed CAS Google ученый

  • 17.

    Фриц П., Хёнес Дж., Лутц Д., Мультхаупт Х., Мишлински А., Доррер А., Шварцманн П., Тучек Х. В., Мюллер В. Количественная иммуногистохимия: стандартизация и возможное применение в исследованиях и хирургической патологии.Acta Histochem Suppl. 1989, 37: 213-219.

    PubMed CAS Google ученый

  • 18.

    Тейлор ЧР: Превосходство экспертов: согласованные усилия по стандартизации иммуногистохимии. Hum Pathol. 1994, 25: 2-11.

    PubMed CAS Google ученый

  • 19.

    Сейдал Т., Балатон А.Дж., Баттифора Х .: Интерпретация и количественная оценка иммуноокрашивания. Am J Surg Pathol.2001, 25: 1204-1207.

    PubMed CAS Google ученый

  • 20.

    Тейлор К.Р., Левенсон Р.М.: Количественная оценка иммуногистохимии — вопросы, касающиеся методов, применимости и полуколичественной оценки II. Гистопатология. 2006, 49: 411-424.

    PubMed CAS Google ученый

  • 21.

    О’Лири Т.Дж .: Стандартизация в иммуногистохимии. Appl Immunohistochem Mol Morphol AIMM Off Publ Soc Appl Immunohistochem.2001, 9: 3-8.

    Google ученый

  • 22.

    Торлакович Э., Ридделл Р., Банерджи Д., Эль-Зимайти Х., Пилавджич Д., Доу П., Мальокко А., Барнс П., Берендт Р., Кук Д., Гилкс Б., Уильямс Дж., Перес-Ордонез Б., Верли B, Swanson PE, Otis CN, Nielsen S, Vyberg M, Butany J: Канадская ассоциация патологов — Канадская ассоциация патологов Национальный комитет по стандартам / иммуногистохимия: рекомендации по передовой практике для стандартизации иммуногистохимических тестов.Am J Clin Pathol. 2010, 133: 354-365.

    PubMed Google ученый

  • 23.

    Голдштейн Н.С., Хьюитт С.М., Тейлор С.Р., Язиджи Х., Хикс Д.Г.: Рекомендации по улучшенной стандартизации иммуногистохимии. Appl Immunohistochem Mol Morphol AIMM Off Publ Soc Appl Immunohistochem. 2007, 15: 124-133.

    CAS Google ученый

  • 24.

    Лин Ф., Причард Дж .: Справочник по практической иммуногистохимии: часто задаваемые вопросы.2011, Спрингер, Нью-Йорк, 2011

    Google ученый

  • 25.

    Van Diest PJ, van Dam P, Henzen-Logmans SC, Berns E, van der Burg ME, Green J, Vergote I. EORTC-GCCG. Совместная группа Европейской организации по исследованию и лечению рака и гинекологического рака. J Clin Pathol. 1997, 50: 801-804.

    PubMed CAS PubMed Central Google ученый

  • 26.

    Рамос-Вара Ж.А.: Технические аспекты иммуногистохимии. Vet Pathol Интернет. 2005, 42: 405-426.

    CAS Google ученый

  • 27.

    Варфорд А., Акбар Х., Риберио Д.: Системы извлечения, блокировки, обнаружения и визуализации антигена в иммуногистохимии: обзор и практическая оценка систем амплификации тирамида и катящегося круга. Методы Сан-Диего Калифорния.2014

    Google ученый

  • 28.

    Ши С.Р., Кот Р.Дж., Тейлор К.Р.: Иммуногистохимия поиска антигена: прошлое, настоящее и будущее. J Histochem Cytochem. 1997, 45: 327-343.

    PubMed CAS Google ученый

  • 29.

    Тейлор ЧР: Иммуногистохимия в хирургической патологии: принципы и практика. Методы Мол Биол Клифтон, штат Нью-Джерси. 2014, 1180: 81-109.

    CAS Google ученый

  • 30.

    Ямасита С: Вызванное нагреванием извлечение антигена: механизмы и применение в гистохимии.Программа Histochem Cytochem. 2007, 41: 141-200.

    PubMed CAS Google ученый

  • 31.

    Chu P, Weiss L: Современная иммуногистохимия с DVD-ROM. Cambridge University Press; 2014. ISBN 9781107040151.

  • 32.

    Криссман Дж. У., Гудман Д. Г., Хильдебрандт П. К., Маронпот Р. Р., Пратер Д. А., Райли Дж. Х., Моряк В. Дж., Тэйк, округ Колумбия: Руководство по передовой практике: токсикологическая гистопатология. Toxicol Pathol. 2004, 32: 126-131.

    PubMed CAS Google ученый

  • 33.

    Гибсон-Корли К.Н., Оливье А.К., Мейерхольц Д.К.: Принципы достоверной гистопатологической оценки в исследованиях. Vet Pathol. 2013, 50: 1007-1015.

    PubMed CAS Google ученый

  • 34.

    Sojo K, Sawaki Y, Hattori H, Mizutani H, Ueda M: Иммуногистохимическое исследование фактора роста эндотелия сосудов (VEGF) и костного морфогенетического белка-2, -4 (BMP-2, -4) при удлинении бедра крысы.J Cranio-Maxillo-fac Surg Off Publ Eur Assoc Cranio-Maxillo-fac Surg. 2005, 33: 238-245.

    Google ученый

  • 35.

    Обуховский Н.А.: Сколько наблюдателей необходимо для клинических исследований медицинской визуализации ?. Am J Roentgenol. 2004, 182: 867-869.

    Google ученый

  • 36.

    Fitzgibbons PL, Dillon DA, Alsabeh R, Berman MA, Hayes DF, Hicks DG, Hughes KS, Nofech-Mozes S: шаблон для отчета о результатах тестирования биомаркеров образцов от пациентов с карциномой груди.Arch Pathol Lab Med. 2014, 138: 595-601.

    PubMed Google ученый

  • 37.

    Адамс Э. Дж., Грин Дж. А., Кларк А. Х., Янгсон Дж. Х .: Сравнение различных систем оценки для иммуногистохимического окрашивания. J Clin Pathol. 1999, 52: 75-77.

    PubMed CAS PubMed Central Google ученый

  • 38.

    Родос А., Ясани Б., Балатон А.Дж., Миллер К.Д.: Иммуногистохимическая демонстрация рецепторов эстрогена и прогестерона: корреляция стандартов, достигнутых для внутренних опухолей, со стандартами, достигнутыми на материалах внешней оценки качества в более чем 150 лабораториях из 26 стран.J Clin Pathol. 2000, 53: 292-301.

    PubMed CAS PubMed Central Google ученый

  • 39.

    Campisi P, Hamdy RC, Lauzier D, Amako M, Rauch F, Lessard M-L: Экспрессия костных морфогенетических белков во время остеогенеза дистракции нижней челюсти. Plast Reconstr Surg. 2003, 111: 201-208. обсуждение 209–210

    PubMed Google ученый

  • 40.

    Ядзава М., Киши К., Накадзима Х, Накадзима Т.: Экспрессия костных морфогенетических белков во время остеогенеза дистракции нижней челюсти у кроликов.J Oral Maxillofac Surg Off J Am Assoc Oral Maxillofac Surg. 2003, 61: 587-592.

    Google ученый

  • 41.

    Long GV, Wilmott JS, Capper D, Preusser M, Zhang YE, Thompson JF, Kefford RF, von Deimling A, Scolyer RA: Иммуногистохимия очень чувствительна и специфична для обнаружения мутации V600E BRAF при меланоме. Am J Surg Pathol. 2013, 37: 61-65.

    PubMed Google ученый

  • 42.

    Hussein KA, Choksi K, Akeel S, Ahmad S, Megyerdi S, El-Sherbiny M, Nawaz M, Abu El-Asrar A, Al-Shabrawey M: Костный морфогенетический белок 2: потенциальный новый игрок в патогенезе диабетической ретинопатии . Exp Eye Res. 2014, 125: 79-88.

    PubMed CAS PubMed Central Google ученый

  • 43.

    Campisi P, Hamdy RC, Lauzier D, Amako M, Schloss MD, Lessard ML: Обзор радиологии, гистологии и экспрессии морфогенетических белков кости во время дистракционного остеогенеза нижней челюсти.J Отоларингол. 2002, 31: 281-286.

    PubMed Google ученый

  • 44.

    Cao L, Wang J, Hou J, Xing W, Liu C: васкуляризация и регенерация кости в дефекте критического размера с использованием наночастиц 2-N, 6-O-сульфатированного хитозана, включающего BMP-2. Биоматериалы. 2014, 35: 684-698.

    PubMed CAS Google ученый

  • 45.

    Adeyemo WL, Reuther T, Bloch W, Korkmaz Y, Fischer JH, Zöller JE, Kuebler AC: Влияние надкостницы хозяина и перфорации реципиентного ложа на заживление накладного костного трансплантата нижней челюсти: экспериментальное пилотное исследование в овец.Oral Maxillofac Surg. 2008, 12: 19-28.

    PubMed Google ученый

  • 46.

    Альбериус П., Горд М.: Распределение остеопонтина и костного сиалопротеина в реципиентном участке костного трансплантата. Arch Otolaryngol Head Neck Surg. 1998, 124: 1382-1386.

    PubMed CAS Google ученый

  • 47.

    Zhu W-Q, Wang X, Wang X-X, Wang Z-Y: Временная и пространственная экспрессия остеопротегерина и активатора рецептора ядерного фактора -kappaB лиганда во время дистракции нижней челюсти у крыс.J Cranio-Maxillo-fac Surg Off Publ Eur Assoc Cranio-Maxillo-fac Surg. 2007, 35: 103-111.

    Google ученый

  • 48.

    Танака Х, Майн Т, Огаса Х, Тагучи Т, Лян СТ: Экспрессия RANKL / OPG во время ремоделирования кости in vivo. Biochem Biophys Res Commun. 2011, 411: 690-694.

    PubMed CAS Google ученый

  • 49.

    Knabe C, Kraska B, Koch C, Gross U, Zreiqat H, Stiller M: метод иммуногистохимического обнаружения остеогенных маркеров в некальцинированных срезах кости.Biotech Histochem. 2006, 81: 31-39.

    PubMed CAS Google ученый

  • 50.

    Cross SS: оценка и оценка в гистопатологии. Гистопатология. 1998, 33: 99-106.

    PubMed CAS Google ученый

  • 51.

    Yan Y, Gong P, Jin W, Xu J, Wu X, Xu T, Hang Q, Fu H, Kei K, Gao Y: клеточно-специфическая активация костного морфогенетического белка-10 (BMP- 10) на модели коркового повреждения головного мозга крысы.J Mol Histol. 2012, 43: 543-552.

    PubMed CAS Google ученый

  • 52.

    Исихара Ю., Уэки К., Сотобори М., Марукава К., Морой А: Регенерация костей с помощью статинов и низкоинтенсивного импульсного ультразвука (LIPUS) в носовой кости кролика. J Cranio-Maxillo-fac Surg Off Publ Eur Assoc Cranio-Maxillo-fac Surg. 2014, 42: 185-193.

    Google ученый

  • 53.

    Shi W, Gong P, Fan J, Yan YH, Ni L, Wu X, Cui G, Wu X, Gu X, Chen J: паттерн экспрессии ADP-рибозилтрансферазы 3 при черепно-мозговой травме у крыс.J Mol Histol. 2012, 43: 37-47.

    PubMed CAS Google ученый

  • 54.

    Anannamcharoen S, Nimmanon T: Исследование экспрессии фактора роста эндотелия сосудов (VEGF) и плотности микрососудов (MVD) в образцах первичного колоректального рака. J Med Assoc Thail Chotmaihet Thangphaet. 2012, 95: 1041-1047.

    Google ученый

  • 55.

    Кумагаи Ю., Собадзима Дж., Хигаши М., Исигуро Т., Фукути М., Ишибаши К., Баба Н., Мочики Е., Якаби К., Кавано Т., Тамару Дж., Исида Н.: ангиогенез в поверхностной плоскоклеточной карциноме пищевода: оценка плотности микрососудов на основе иммуноокрашивания на CD34 и CD105.Jpn J Clin Oncol. 2014, 44: 526-533.

    PubMed Google ученый

  • 56.

    uczyńska E, Gasińska A, Wilk W: Плотность микрососудов и экспрессия фактора роста эндотелия сосудов при клинически локализованном раке простаты. Pol J Pathol Off J Pol Soc Pathol. 2013, 64: 33-38.

    Google ученый

  • 57.

    Elezoğlu B, Tolunay S: Взаимосвязь между количеством стромальных тучных клеток, плотностью микрососудов, окрашиванием c-erbB-2, выживаемостью и прогностическими факторами при колоректальной карциноме.Türk Patoloji Derg. 2012, 28: 110-118.

    PubMed Google ученый

  • 58.

    Wobser M, Siedel C, Kneitz H, Bröcker E-B, Goebeler M, Houben R, Geissinger E: Плотность микрососудов и экспрессия фактора роста эндотелия сосудов и его рецепторов в различных подтипах первичной кожной B-клеточной лимфомы. Acta Derm Venereol. 2013, 93: 656-662.

    PubMed Google ученый

  • 59.

    Wang H-L, Zhang Z-L: Анализ взаимосвязи между ультразвуком рака молочной железы DOT-SDI и экспрессией MVD, VEGF и HIF-1α. Cell Biochem Biophys. 2014, 70 (1): 205-208.

    PubMed CAS Google ученый

  • 60.

    Bădescu A, Georgescu CV, Vere CC, Crăioiu S, Grigore D: Корреляция между онкопротеином Her2, экспрессией VEGF, MVD и клинико-патологическими параметрами при раке желудка. Румынский J Morphol Embryol Rev Roum Morphol Embryol.2012, 53: 997-1005.

    Google ученый

  • 61.

    Cai Y, Zhang J: Выражение фасцина и корреляция с MVD при синоназальной перевернутой папилломе. Лин Чуанг Эр Би Ян Хоу Тоу Цзин Вай Ке За Чжи Дж Клин Оториноларингол Хирургия головы и шеи. 2012, 26: 629-632.

    CAS Google ученый

  • 62.

    Bodnar M, Szylberg Ł, Kaźmierczak W, Marszałek A: Оценка плотности микрососудов (MVD) при плоскоклеточном раке гортани.Przegļd Lek. 2012, 69: 726-730.

    Google ученый

  • 63.

    Boëck-Neto RJ, Artese L, Piattelli A, Shibli JA, Perrotti V, Piccirilli M, Marcantonio E: Экспрессия VEGF и MVD при увеличении синуса с использованием аутологичной кости и нескольких трансплантатов. Oral Dis. 2009, 15: 148-154.

    PubMed Google ученый

  • 64.

    Гейгер Ф., Беверунген М., Лоренц Х., Виланд Дж., Фер М., Кастен П. Эффект замены костной ткани на васкуляризацию и ремоделирование костей после применения BMSC, трансфицированного phVEGF165.J Funct Biomater. 2012, 3: 313-326.

    PubMed CAS PubMed Central Google ученый

  • 65.

    Weidner N, Semple JP, Welch WR, Folkman J: Ангиогенез опухоли и метастазирование — корреляция в инвазивной карциноме молочной железы. N Engl J Med. 1991, 324: 1-8.

    PubMed CAS Google ученый

  • 66.

    Чен Дж, Ву X, Шао Б., Чжао В., Ши В., Чжан С., Ни Л., Шен А.: Повышенная экспрессия фактора 6, связанного с рецептором ФНО, после черепно-мозговой травмы крысы.Cell Mol Neurobiol. 2011, 31: 269-275.

    PubMed Google ученый

  • 67.

    Ramazanoglu M, Lutz R, Rusche P, Trabzon L, Kose GT, Prechtl C, Schlegel KA: Костный ответ на биомиметические имплантаты, доставляющие BMP-2 и VEGF: иммуногистохимическое исследование. J Cranio-Maxillofac Surg. 2013, 41: 826-835.

    Google ученый

  • 68.

    Bondarenko A, Angrisani N, Meyer-Lindenberg A, Seitz JM, Waizy H, Reifenrath J: Костные имплантаты на основе магния: иммуногистохимический анализ периимплантного остеогенеза путем оценки экспрессии остеопонтина и остеокальцина.J Biomed Mater Res A. 2014, 102: 1449-1457.

    PubMed CAS Google ученый

  • 69.

    Bologna-Molina R, Damián-Matsumura P, Molina-Frechero N: простой метод подсчета клеток для иммуногистохимии, не использующий программу анализа изображений. Гистопатология. 2011, 59: 801-803.

    PubMed Google ученый

  • 70.

    Ван C-J, Хуанг K-E, Sun Y-C, Yang Y-J, Ko J-Y, Weng L-H, Wang F-S: VEGF модулирует ангиогенез и остеогенез при заживлении переломов, вызванных ударной волной, у кроликов.J Surg Res. 2011, 171: 114-119.

    PubMed CAS Google ученый

  • 71.

    Varghese F, Bukhari AB, Malhotra R, De A: IHC Profiler: плагин с открытым исходным кодом для количественной оценки и автоматической оценки иммуногистохимических изображений образцов тканей человека. PLoS One. 2014, 9: e96801-

    PubMed PubMed Central Google ученый

  • 72.

    Wehrhan F, Amann K, Molenberg A, Lutz R, Neukam FW, Schlegel KA: Регенерация дефектов критического размера с использованием доставки гена BMP-2, опосредованной ПЭГ, и использования мембран, закрывающих клетки — пересмотр остеопромотивного принципа .Clin Oral Implants Res. 2013, 24: 910-920.

    PubMed Google ученый

  • 73.

    Wehrhan F, Amann K, Molenberg A, Lutz R, Neukam FW, Schlegel KA: Матрица PEG обеспечивает опосредованную клетками локальную доставку гена BMP-2 и повышенное костеобразование в модели дефекта критического размера черепно-лицевой кости свиньи регенерация. Clin Oral Implants Res. 2012, 23: 805-813.

    PubMed Google ученый

  • 74.

    Yoshikawa H, Rettig WJ, Takaoka K, Alderman E, Rup B, Rosen V, Wozney JM, Lane JM, Huvos AG, Garin-Chesa P: Экспрессия костных морфогенетических белков при остеосаркоме человека. иммуногистохимическое определение с помощью моноклональных антител. Рак. 1994, 73: 85-91.

    PubMed CAS Google ученый

  • 75.

    Cheung LK, Zheng LW, Ma L: Влияние скорости отвлечения на экспрессию костных морфогенетических белков в остеогенезе дистракции нижней челюсти кролика.J Cranio-Maxillo-fac Surg Off Publ Eur Assoc Cranio-Maxillo-fac Surg. 2006, 34: 263-269.

    Google ученый

  • 76.

    Sulzbacher I, Birner P, Trieb K, Pichlbauer E, Lang S: Экспрессия костных морфогенетических белков при остеосаркоме и ее значение в качестве прогностического параметра. J Clin Pathol. 2002, 55: 381-385.

    PubMed CAS PubMed Central Google ученый

  • 77.

    DeRycke MS, Andersen JD, Harrington KM, Pambuccian SE, Kalloger SE, Boylan KLM, Argenta PA, Skubitz APN: экспрессия S100A1 в эндометриоидных карциномах яичников и эндометрия является прогностическим индикатором безрецидивной выживаемости. Am J Clin Pathol. 2009, 132: 846-856.

    PubMed CAS PubMed Central Google ученый

  • 78.

    Rizzardi AE, Johnson AT, Vogel RI, Pambuccian SE, Henriksen J, Skubitz AP, Metzger GJ, Schmechel SC: количественное сравнение иммуногистохимического окрашивания, измеренного с помощью анализа цифрового изображения, с визуальной оценкой патологоанатома.Diagn Pathol. 2012, 7: 42-

    PubMed PubMed Central Google ученый

  • 79.

    Soares AF, Xavier RL de F, da Costa Miguel MC, de Souza LB, Pinto LP: Экспрессия костного морфогенетического белка-2/4 и рецептора костного морфогенетического белка типа IA при метастатической и неметастатической плоскоклеточной карциноме полости рта. Am J Otolaryngol. 2010, 31: 266-271.

    PubMed CAS Google ученый

  • 80.

    Laboux O, Ste-Marie L-G, Glorieux FH, Nanci A: Количественное мечение костного сиалопротеина и остеопонтина иммунным золотом в кости крысы, залитой метилметакрилатом. J Histochem Cytochem Off J Histochem Soc. 2003, 51: 61-67.

    CAS Google ученый

  • 81.

    Ida CM, Vrana JA, Rodriguez FJ, Jentoft ME, Caron AA, Jenkins SM, Giannini C: Иммуногистохимия очень чувствительна и специфична для обнаружения мутации BRAF V600E в плеоморфной ксантоастроцитоме.Acta Neuropathol Commun. 2013, 1: 20-

    PubMed PubMed Central Google ученый

  • 82.

    Sand JP, Kokorina NA, Zakharkin SO, Lewis JS, Nussenbaum B: Экспрессия BMP-2 коррелирует с местной недостаточностью плоскоклеточного рака головы и шеи. Otolaryngol-Head Neck Surg Off J Am Acad Otolaryngol-Head Neck Surg. 2014, 150: 245-250.

    Google ученый

  • 83.

    De Oliveira Neto PJ, Cricchio G, Hawthorne AC, Okamoto R, Sennerby L, Lungren S, Salata LA: Томографические, гистологические и иммуногистохимические доказательства использования N-бутил-2-цианоакрилата для накладного трансплантата установка у кроликов.Clin Implant Dent Relat Res. 2012, 14: 861-871.

    PubMed Google ученый

  • 84.

    Янг Р., Дэвис К.М., Арчер К.В., Ричардс Р.Г.: Иммуногистохимия матричных маркеров в Technovit 9100 Новые встроенные неоткальцифицированные срезы кости. Eur Cell Mater. 2003, 6: 57-71. обсуждение 71

    PubMed CAS Google ученый

  • 85.

    Zimmermann A-K, Camenisch U, Rechsteiner MP, Bode-Lesniewska B, Rössle M: ​​Значение иммуногистохимии в обнаружении мутаций BRAFV600E при тонкоигольной аспирационной биопсии папиллярной карциномы щитовидной железы.Cancer Cytopathol. 2014, 122: 48-58.

    PubMed CAS Google ученый

  • 86.

    Капур П., Дешмук Р: VEGF: критический фактор ангиогенеза и последующего роста опухоли: исследование IHC. J Oral Maxillofac Pathol JOMFP. 2012, 16: 330-337.

    Google ученый

  • 87.

    Кукрежа И., Капур П., Дешмук Р., Кулькарни В.: VEGF и CD 34: корреляция между ангиогенезом опухоли и плотностью микрососудов — иммуногистохимическое исследование.J Oral Maxillofac Pathol JOMFP. 2013, 17: 367-373.

    Google ученый

  • 88.

    Bösmüller H, Fischer A, Pham DL, Fehm T, Capper D, von Deimling A, Bonzheim I, Staebler A, Fend F: Обнаружение мутации BRAF V600E в серозных опухолях яичников: сравнительный анализ иммуногистохимии с моноклональным антителом, специфичным для мутации, и аллель-специфической ПЦР. Hum Pathol. 2013, 44: 329-335.

    PubMed Google ученый

  • 89.

    Raica M, Cimpean AM, Anghel A: Иммуногистохимическая экспрессия фактора роста эндотелия сосудов (VEGF) не коррелирует с плотностью микрососудов при почечно-клеточной карциноме. Новообразования. 2007, 54: 278-284.

    PubMed CAS Google ученый

  • 90.

    Li Y, Wei Q, Feng J, Xu M, Huang R, Shi F: Экспрессия костного морфогенетического белка 2, 4 и родственных компонентов сигнального пути BMP в матке мыши во время эстрального цикла.J Zhejiang Univ Sci B. 2014, 15: 601-610.

    PubMed CAS PubMed Central Google ученый

  • 91.

    Shi F, Stewart RL, Perez E, Chen JY-H, LaPolt PS: Клеточно-специфическая экспрессия и регуляция растворимых субъединиц гуанилилциклазы альфа 1 и бета 1 в яичнике крысы. Биол Репрод. 2004, 70: 1552-1561.

    PubMed CAS Google ученый

  • 92.

    Хоторн А.С., Ксавье С.П., Окамото Р., Сальвадор С.Л., Антунес А.А., Салата Л.А.: Иммуногистохимическое, томографическое и гистологическое исследование ремоделирования накладок костного трансплантата.часть III: аллотрансплантаты. Clin Oral Implants Res. 2013, 24: 1164-1172.

    PubMed Google ученый

  • 93.

    Guskuma MH, Hochuli-Vieira E, Pereira FP, Rangel-Garcia I, Okamoto R, Okamoto T., Filho OM: Оценка присутствия белков VEGF, BMP2 и CBFA1 в аутогенном костном трансплантате: гистометрические и иммуногистохимические анализ. J Cranio-Maxillofac Surg. 2014, 42: 333-339.

    Google ученый

  • 94.

    Yu YY, Lieu S, Lu C, Miclau T, Marcucio RS, Colnot C: Иммунолокализация BMP, антагонистов BMP, рецепторов и эффекторов во время восстановления перелома. Кость. 2010, 46: 841-851.

    PubMed CAS Google ученый

  • 95.

    Li Y, Zhou X, Wei Q, Huang R, Shi F: специфическая для клеток экспрессия и иммунолокализация изоформ синтазы оксида азота и растворимых субъединиц α и β гуанилилциклазы в постнатальной матке свиней. Acta Histochem.2014, 116: 466-473.

    PubMed CAS Google ученый

  • 96.

    Koerdt S, Siebers J, Bloch W, Ristow O, Kuebler AC, Reuther T: Роль окислительного и нитрозативного стресса в аутогенных костных трансплантатах к нижней челюсти с использованием управляемой костной регенерации и депротеинизированного материала бычьей кости. J Cranio-Maxillo-fac Surg Off Publ Eur Assoc Cranio-Maxillo-fac Surg. 2014, 42: 560-567.

    Google ученый

  • 97.

    Ding W, Zhang W, Hui F, Zhang Y, Zhang F, Li X, Shi F: клеточно-специфическая экспрессия и иммунолокализация изоформ синтазы оксида азота и растворимых субъединиц гуанилилциклазы α1 и β1 в яичниках плодов, новорожденных и незрелых свиньи. Anim Reprod Sci. 2012, 131: 172-180.

    PubMed CAS Google ученый

  • 98.

    Suter WN: Введение в образовательные исследования: подход критического мышления. Издание второе издание. 2011, SAGE Publications, Inc, Таузенд-Окс, Калифорния

    Google ученый

  • 99.

    Shang ZJ, Li JR: Экспрессия эндотелиальной синтазы оксида азота и фактора роста эндотелия сосудов при плоскоклеточной карциноме полости рта: ее корреляция с ангиогенезом и прогрессированием заболевания. J Oral Pathol Med Off Publ Int Assoc Oral Pathol Am Acad Oral Pathol. 2005, 34: 134-139.

    CAS Google ученый

  • 100.

    Shackelford C, Long G, Wolf J, Okerberg C, Herbert R: Качественный и количественный анализ неопухолевых поражений в токсикологических исследованиях.Toxicol Pathol. 2002, 30: 93-96.

    PubMed Google ученый

  • 101.

    Тулен Б., Маронпот Р.Р., Харада Т., Ниска А., Руссо С., Нолте Т., Маларки Д.Э., Кауфманн В., Кюттлер К., Дешл Ю., Накаэ Д., Грегсон Р., Винлов М.П., ​​Брикс А.Е., Сингх Б. , Belpoggi F, Ward JM: Пролиферативные и непролиферативные поражения гепатобилиарной системы крыс и мышей. Toxicol Pathol. 2010, 38 (7 доп.): 5С-81С.

    PubMed Google ученый

  • 102.

    Де ла Торре Н.Г., Булей И., Васс JAH, Тернер Х.Э .: Ангиогенез и лимфангиогенез при пролиферативных поражениях щитовидной железы: взаимосвязь с типом и поведением опухоли. Endocr Relat Cancer. 2006, 13: 931-944.

    PubMed Google ученый

  • 103.

    Jin Y, Tipoe GL, Liong EC, Lau TYH, Fung PCW, Leung KM: сверхэкспрессия BMP-2/4, -5 и BMPR-IA, связанная со злокачественными новообразованиями орального эпителия. Oral Oncol. 2001, 37: 225-233.

    PubMed Google ученый

  • 104.

    Sappayatosok K, Maneerat Y, Swasdison S, Viriyavejakul P, Dhanuthai K, Zwang J, Chaisri U: Экспрессия провоспалительного белка, iNOS, VEGF и COX-2 в плоскоклеточной карциноме полости рта (OSCC), связь с ангиогенезом и их клинико-патологическая взаимосвязь. Med Oral Patol Oral Cir Bucal. 2009, 14: E319-E324.

    PubMed Google ученый

  • 105.

    Megumi K, Ishigami S, Uchikado Y, Kita Y, Okumura H, Matsumoto M, Uenosono Y, Arigami T, Kijima Y, Kitazono M, Shinchi H, Ueno S, Natsugoe S: Клинико-патологическое значение экспрессии BMP7 при плоскоклеточном раке пищевода.Энн Сург Онкол. 2012, 19: 2066-2071.

    PubMed PubMed Central Google ученый

  • 106.

    Hübner R-H, Gitter W, El Mokhtari NE, Mathiak M, Both M, Bolte H, Freitag-Wolf S, Bewig B: стандартизированная количественная оценка легочного фиброза в гистологических образцах. Биотехники. 2008, 44: 507-511. 514–517

    PubMed Google ученый

  • 107.

    Чик Э., Раджкумар Ч .: Как представлять статистику в медицинских журналах.Возраст Старение. 2014, 43: 306-308.

    PubMed CAS Google ученый

  • 108.

    Кляйн М., Пикар Э., Винно Дж. М., Мари Б., Бреслер Л., Туссен Б., Вериха Г., Дюпре А., Леклер Дж. Ген и белок фактора роста эндотелия сосудов: сильная экспрессия при тиреоидите и карциноме щитовидной железы. J Endocrinol. 1999, 161: 41-49.

    PubMed CAS Google ученый

  • 109.

    Klein M, Vignaud JM, Hennequin V, Toussaint B, Bresler L, Plénat F, Leclère J, Duprez A, Weryha G: Повышенная экспрессия фактора роста эндотелия сосудов является уничижительным маркером прогноза папиллярной карциномы щитовидной железы. .J Clin Endocrinol Metab. 2001, 86: 656-658.

    PubMed CAS Google ученый

  • 110.

    Накагава С., Катхилл И.К .: Размер эффекта, доверительный интервал и статистическая значимость: практическое руководство для биологов. Biol Rev.2007, 82: 591-605.

    PubMed Google ученый

  • 111.

    Remmele W, Stegner HE: Рекомендация по единообразному определению иммунореактивной оценки (IRS) для иммуногистохимического обнаружения рецепторов эстрогена (ER-ICA) в ткани рака молочной железы.Патол. 1987, 8: 138-140.

    CAS Google ученый

  • 112.

    Маккарти К.С., Миллер Л.С., Кокс Е.Б., Конрат Дж., Маккарти К.С.: Анализ рецепторов эстрогена. корреляция биохимических и иммуногистохимических методов с использованием моноклональных антирецепторных антител. Arch Pathol Lab Med. 1985, 109: 716-721.

    PubMed Google ученый

  • 113.

    Cagle PT, Sholl LM, Lindeman NI, Alsabeh R, Divaris DXG, Foulis P, Lee G, Neal JW, Nowak JA, Yu PP: шаблон для отчета о результатах тестирования биомаркеров образцов от пациентов с не- мелкоклеточный рак легкого.Arch Pathol Lab Med. 2014, 138: 171-174.

    PubMed Google ученый

  • 114.

    Bartley AN, Hamilton SR, Alsabeh R, Ambinder EP, Berman M, Collins E, Fitzgibbons PL, Gress DM, Nowak JA, Samowitz WS, Zafar SY: шаблон для отчета о результатах тестирования биомаркеров образцов от пациентов при раке толстой и прямой кишки. Arch Pathol Lab Med. 2014, 138: 166-170.

    PubMed Google ученый

  • 115.

    Allred DC, Harvey JM, Berardo M, Clark GM: Прогностические и прогностические факторы при раке груди с помощью иммуногистохимического анализа. Mod Pathol Off J U S Can Acad Pathol Inc. 1998, 11: 155-168.

    CAS Google ученый

  • 116.

    Harvey JM, Clark GM, Osborne CK, Allred DC: Статус рецептора эстрогена с помощью иммуногистохимии превосходит анализ связывания лиганда для прогнозирования ответа на адъювантную эндокринную терапию при раке молочной железы.J Clin Oncol Off J Am Soc Clin Oncol. 1999, 17: 1474-1481.

    CAS Google ученый

  • 117.

    Detre S, Saclani Jotti G, Dowsett M: метод «быстрой оценки» для иммуногистохимического полуколичества: проверка рецептора эстрогена в карциномах молочной железы. J Clin Pathol. 1995, 48: 876-878.

    PubMed CAS PubMed Central Google ученый

  • 118.

    Sangplod P, Sangkhathat S, Boonpipattanapong T, Kanngurn S: Ассоциация метилирования и экспрессии BMP6 с клинико-патологическими особенностями при колоректальном раке.Int J Biosci Biochem Bioinforma. 2013, 3 (5): 452-455.

    Google ученый

  • 119.

    Кейнер А.Е., Берч М.Б., Суини Л., Розенталь Е.Л .: Экспрессия костного морфогенетического белка 6 при плоскоклеточном раке полости рта связана с инвазией в кости. Ларингоскоп. 2013, 123: 3061-3065.

    PubMed CAS PubMed Central Google ученый

  • 120.

    Bramwell VH, Tuck AB, Chapman J-AW, Anborgh PH, Postenka CO, Al-Katib W., Shepherd LE, Han L, Wilson CF, Pritchard KI, Pollak MN, Chambers AF: Оценка остеопонтина в ранний рак груди: коррелятивное исследование в рандомизированном клиническом исследовании.Рак молочной железы Res BC. 2014, 16: R8-

    Google ученый

  • 121.

    Пэррис Т.З., Азиз Л., Ковач А., Хаджизаде С., Немес С., Семаан М., Чен С.Ю., Карлссон П., Хелу К. Клиническая значимость генов, связанных с раком молочной железы, как потенциальных биомаркеров плоскоклеточной карциномы полости рта. BMC Рак. 2014, 14: 324-

    PubMed PubMed Central Google ученый

  • 122.

    Koerdt S, Siebers J, Bloch W, Ristow O, Kuebler AC, Reuther T: Иммуногистохимическое исследование экспрессии фактора фон Виллебранда (vWF) после наложения аутогенных подвздошных трансплантатов для увеличения бокового альвеолярного гребня.Head Face Med. 2013, 9: 40-

    PubMed PubMed Central Google ученый

  • 123.

    Koerdt S, Ristow O, Wannhoff A, Kübler AC, Reuther T: Экспрессия факторов роста в процессе заживления процедур увеличения альвеолярного гребня с использованием аутогенных костных трансплантатов в сочетании с GTR и неорганическим заменителем бычьей кости: иммуногистохимическое исследование у овец. Clin Oral Investig. 2014, 18: 179-188.

    PubMed Google ученый

  • 124.

    Raida M, Sarbia M, Clement JH, Adam S, Gabbert HE, Höffken K: Экспрессия, регуляция и клиническое значение костного морфогенетического белка 6 в плоскоклеточной карциноме пищевода. Int J Cancer. 1999, 83: 38-44.

    PubMed CAS Google ученый

  • 125.

    De Carvalho CHP, Nonaka CFW, de Araújo CRF, de Souza LB, Pinto LP: Иммуноэкспрессия костного морфогенетического белка-2 (BMP-2), рецептора BMP типа IA и рецептора BMP типа II в метастатических и неметастатический плоскоклеточный рак нижней губы.J Oral Pathol Med Off Publ Int Assoc Oral Pathol Am Acad Oral Pathol. 2011, 40: 181-186.

    Google ученый

  • 126.

    Krajewska M, Krajewski S, Epstein JI, Shabaik A, Sauvageot J, Song K, Kitada S, Reed JC: Иммуногистохимический анализ экспрессии bcl-2, bax, bcl-X и mcl-1 в простате раки. Am J Pathol. 1996, 148: 1567-1576.

    PubMed CAS PubMed Central Google ученый

  • 127.

    Choudhury KR, Yagle KJ, Swanson PE, Krohn KA, Rajendran JG: надежная автоматизированная мера среднего окрашивания антител в иммуногистохимических изображениях. J Histochem Cytochem. 2010, 58: 95-107.

    PubMed CAS PubMed Central Google ученый

  • 128.

    Fu D, Yang S, Li K, Yuan Y: Экспрессия фактора роста эндотелия сосудов в костном морфогенном протеине-2, индуцированном остеогенезом. J Wuhan Univ Technol-Mater Sci Ed. 2005, 20: 118-122.

    CAS Google ученый

  • 129.

    Zhu C, Wang J, Cheng T, Li Q, Shen H, Qin H, Cheng M, Zhang X: потенциальная роль увеличения высвобождения мышиного? -Дефенсина-14 в лечении остеомиелита у мыши: первичное исследование. PLoS One. 2014, 9 (1): e86874-

    PubMed PubMed Central Google ученый

  • 130.

    Zhang H, Zhao X, Zhang Z, Chen W, Zhang X: Иммуногистохимическое исследование экспрессии Sox9, Runx2 и остерикса в нижнечелюстных хрящах новорожденных мышей.BioMed Res Int. 2013, 2013: e265380-

    Google ученый

  • 131.

    Причард Дж, Биттинг А., Майерс Дж .: Обзор автоматизированной иммуногистохимии. Handb Pract Immunohistochem. Отредактировано: Лин Ф., Причард Дж. 2011, Спрингер, Нью-Йорк, 23-30.

    Google ученый

  • 132.

    Брей Е.М., Лалани З., Джонстон К., Вонг М., Макинтайр Л.В., Дюк П.Дж., Патрик К.В.: Автоматический выбор ткани, меченной DAB, для иммуногистохимического количественного определения.J Histochem Cytochem. 2003, 51: 575-584.

    PubMed CAS Google ученый

  • 133.

    Alvarenga AW, Coutinho-Camillo CM, Rodrigues BR, Rocha RM, Torres LFB, Martins VR, da Cunha IW, Hajj GNM: сравнение ручных и автоматических оценок паттернов экспрессии белков тканевых микрочипов. J Histochem Cytochem. 2013, 61: 272-282.

    PubMed PubMed Central Google ученый

  • 134.

    Schlederer M, Mueller KM, Haybaeck J, Heider S, Huttary N, Rosner M, Hengstschläger M, Moriggl R, Dolznig H, Kenner L: надежная количественная оценка экспрессии белка и клеточной локализации в гистологических срезах. PLoS One. 2014, 9: e100822-

    PubMed PubMed Central Google ученый

  • 135.

    Mohammed ZMA, Orange C, McMillan DC, Mallon E, Doughty JC, Edwards J, Going JJ: Сравнение визуальной и автоматической оценки плотности микрососудов и их влияния на исход при первичном операбельном инвазивном протоковом раке молочной железы.Hum Pathol. 2013, 44: 1688-1695.

    PubMed Google ученый

  • 136.

    Strömberg S, Björklund MG, Asplund C, Sköllermo A, Persson A, Wester K, Kampf C, Nilsson P, Andersson AC, Uhlen M, Kononen J, Ponten F, Asplund A: стратегия высокой пропускной способности для профилирования белков в клеточных микрочипах с использованием автоматического анализа изображений. Протеомика. 2007, 7: 2142-2150.

    PubMed Google ученый

  • 137.

    Kraan MC, Haringman JJ, Ahern MJ, Breedveld FC, Smith MD, Tak PP: Количественная оценка клеточного инфильтрата в синовиальной ткани с помощью анализа цифровых изображений. Ревматология. 2000, 39: 43-49.

    PubMed CAS Google ученый

  • 138.

    Али Х.Р., Ирвин М., Моррис Л., Доусон С.Дж., Блоуз Ф.М., Провенцано Э., Малер-Араужо Б., Фароа П.Д., Уолтон Н.А., Брентон Д.Д., Калдас С. Астрономические алгоритмы для автоматического анализа экспрессии тканевых белков. при раке груди.Br J Рак. 2013, 108: 602-612.

    PubMed CAS PubMed Central Google ученый

  • Основные статистические инструменты в исследованиях и анализе данных

    Описательная статистика [4] пытается описать взаимосвязь между переменными в выборке или генеральной совокупности. Описательная статистика предоставляет сводку данных в форме среднего, медианы и моды. В статистике вывода [4] используется случайная выборка данных, взятых из совокупности, для описания и вывода о совокупности в целом.Это полезно, когда невозможно обследовать каждого члена всей популяции. Примеры описательной и логической статистики проиллюстрированы в.

    Описательная статистика

    Степень кластеризации наблюдений вокруг центрального местоположения описывается центральной тенденцией, а разброс в сторону крайних значений описывается степенью дисперсии.

    Меры центральной тенденции

    Мерами центральной тенденции являются среднее значение, медиана и мода.[6] Среднее (или среднее арифметическое) — это сумма всех баллов, деленная на количество баллов. На среднее значение могут сильно влиять крайние переменные. Например, на среднее время пребывания пациентов, отравленных фосфорорганическими соединениями, в отделениях интенсивной терапии может влиять один пациент, который остается в отделениях интенсивной терапии около 5 месяцев из-за сепсиса. Крайние значения называются выбросами. Формула для среднего:

    Среднее,

    , где x = каждое наблюдение и n = количество наблюдений.Медиана [6] определяется как середина распределения в ранжированных данных (половина переменных в выборке выше, а половина ниже медианного значения), в то время как мода является наиболее часто встречающейся переменной в распределении. Диапазон определяет разброс или изменчивость выборки. [7] Он описывается минимальным и максимальным значениями переменных. Если мы ранжируем данные и после ранжирования сгруппируем наблюдения в процентили, мы сможем получить лучшую информацию о структуре распространения переменных.В процентилях мы разделяем наблюдения на 100 равных частей. Затем мы можем описать 25%, 50%, 75% или любую другую процентильную величину. Медиана составляет 50 -й процентиль . Межквартильный диапазон будет составлять наблюдения в середине 50% наблюдений относительно медианы (25 -75 -й процентиль ). Дисперсия [7] — это мера того, насколько разбросано распределение. Это указывает на то, насколько близко отдельные наблюдения сгруппированы относительно среднего значения. Дисперсия генеральной совокупности определяется по следующей формуле:

    , где σ 2 — дисперсия генеральной совокупности, X — среднее значение генеральной совокупности, X i i th элемент из популяции, а N — количество элементов в популяции.Дисперсия выборки определяется немного другой формулой:

    , где s 2 — это дисперсия выборки, x — среднее значение выборки, x i i -й элемент из выборки и n — количество элементов в выборке. Формула дисперсии генеральной совокупности имеет знаменатель « n ». Выражение « n -1» известно как степени свободы и на единицу меньше количества параметров.Каждое наблюдение может изменяться, кроме последнего, которое должно быть определенным значением. Дисперсия измеряется в квадратах. Чтобы упростить интерпретацию данных и сохранить базовую единицу наблюдения, используется квадратный корень из дисперсии. Квадратный корень из дисперсии — это стандартное отклонение (SD). [8] Стандартное отклонение совокупности определяется по следующей формуле:

    , где σ — стандартное отклонение совокупности, X — среднее значение совокупности, X i i -й элемент из совокупности и N — количество элементов в популяции.SD выборки определяется немного другой формулой:

    , где s — SD образца, x — среднее значение выборки, x i i -й элемент из выборки и n — количество элементов в выборке. Пример расчета вариации и SD показан на.

    Таблица 2

    Пример среднего, дисперсии, стандартного отклонения

    Нормальное распределение или распределение по Гауссу

    Большинство биологических переменных обычно группируются вокруг центрального значения с симметричными положительными и отрицательными отклонениями в этой точке.[1] Стандартная кривая нормального распределения имеет симметричную колоколообразную форму. На кривой нормального распределения около 68% оценок находятся в пределах 1 стандартного отклонения от среднего. Около 95% оценок находятся в пределах 2 SD от среднего и 99% в пределах 3 SD от среднего [].

    Кривая нормального распределения

    Искаженное распределение

    Это распределение с асимметрией переменных относительно его среднего значения. В распределении с отрицательным перекосом [] масса распределения сосредоточена справа от.В положительно искаженном распределении [] масса распределения сосредоточена в левой части рисунка, что приводит к более длинному правому хвосту.

    Кривые, показывающие отрицательно перекошенное и положительно перекошенное распределение

    Статистика вывода

    В статистике вывода данные анализируются из выборки, чтобы сделать выводы в более крупной совокупности генеральной совокупности. Цель состоит в том, чтобы ответить или проверить гипотезы. Гипотеза (множественное число гипотез) — это предлагаемое объяснение явления.Таким образом, проверка гипотез — это процедуры для принятия рациональных решений о реальности наблюдаемых эффектов.

    Вероятность — это мера вероятности того, что событие произойдет. Вероятность количественно выражается числом от 0 до 1 (где 0 указывает на невозможность, а 1 указывает на достоверность).

    В статистике вывода термин «нулевая гипотеза» ( H 0 H-ноль , « H-ноль ») означает отсутствие связи (разницы) между рассматриваемыми популяционными переменными. .[9]

    Альтернативная гипотеза ( H 1 и H a ) означает, что утверждение между переменными ожидается истинным. [9]

    Значение P (или вычисленная вероятность) — это вероятность случайного возникновения события, если нулевая гипотеза верна. Значение P представляет собой числовое значение от 0 до 1 и интерпретируется исследователями при принятии решения об отклонении или сохранении нулевой гипотезы [].

    Таблица 3

    Значения P с интерпретацией

    Если значение P меньше произвольно выбранного значения (известного как α или уровень значимости), нулевая гипотеза (H0) отклоняется [].Однако, если нулевая гипотеза (H0) ошибочно отвергается, это называется ошибкой типа I. [11] Дополнительные подробности, касающиеся альфа-ошибки, бета-ошибки и расчета размера выборки, а также факторов, влияющих на них, рассматриваются в другом разделе этого выпуска Das S и др. . [12]

    Таблица 4

    Иллюстрация к нулевой гипотезе

    ПАРАМЕТРИЧЕСКИЕ И НЕПАРАМЕТРИЧЕСКИЕ ИСПЫТАНИЯ

    Числовые данные (количественные переменные) с нормальным распределением анализируются с помощью параметрических тестов.[13]

    Двумя основными предпосылками параметрического статистического анализа являются:

    • Допущение нормальности, которое указывает, что средние значения выборочной группы обычно распределены

    • Допущение равной дисперсии, которое указывает, что дисперсии выборки и соответствующая им совокупность равны.

    Однако, если распределение выборки смещено в одну сторону или распределение неизвестно из-за небольшого размера выборки, используются непараметрические [14] статистические методы.Непараметрические тесты используются для анализа порядковых и категориальных данных.

    Параметрические тесты

    Параметрические тесты предполагают, что данные представлены в количественной (числовой) шкале с нормальным распределением основной совокупности. Выборки имеют одинаковую дисперсию (однородность дисперсий). Выборки выбираются случайным образом из совокупности, и наблюдения внутри группы независимы друг от друга. Обычно используемые параметрические тесты — это тест Стьюдента t , дисперсионный анализ (ANOVA) и ANOVA с повторными измерениями.

    Тест Стьюдента t -тест

    Тест Стьюдента t используется для проверки нулевой гипотезы об отсутствии разницы между средними значениями двух групп. Он используется в трех случаях:

    1. Чтобы проверить, значительно ли отличается выборочное среднее (как оценка среднего генерального значения) от заданного среднего генерального значения (это тест t для одной выборки)

      Формула для одной выборки t -тест

      , где X = выборочное среднее, u = среднее значение по совокупности и SE = стандартная ошибка среднего

    2. Чтобы проверить, соответствуют ли средние по совокупности оценкам двумя независимыми выборками, различаются существенно (непарный т -тест).Формула для непарного теста t :

      , где X 1 — X 2 — это разница между средними значениями двух групп, а SE обозначает стандартную ошибку разницы.

    3. Чтобы проверить, соответствуют ли средние по совокупности оценкам двумя зависимыми выборками, значительно различаются (парный t -тест). Обычная настройка для парного теста t — это когда измерения проводятся на одних и тех же объектах до и после лечения.

    Формула для парного теста t :

    , где d — средняя разность, а SE — стандартная ошибка этой разницы.

    Групповые отклонения можно сравнить с помощью теста F . F -тест представляет собой отношение дисперсий (var l / var 2). Если F значительно отличается от 1,0, то можно сделать вывод, что групповые дисперсии значительно различаются.

    Дисперсионный анализ

    Тест Стьюдента t нельзя использовать для сравнения трех или более групп.Цель ANOVA — проверить, есть ли какие-либо существенные различия между средними значениями двух или более групп.

    В ANOVA мы изучаем две вариации — (а) межгрупповую изменчивость и (б) внутригрупповую изменчивость. Внутригрупповая изменчивость (дисперсия ошибок) — это вариация, которую нельзя учесть в дизайне исследования. Он основан на случайных различиях, присутствующих в наших выборках.

    Однако межгрупповая дисперсия (или дисперсия эффекта) является результатом нашего лечения. Эти две оценки дисперсии сравниваются с помощью F-критерия.

    Упрощенная формула для статистики F :

    , где MS b — средние квадраты между группами, а MS w — средние квадраты внутри групп.

    Анализ дисперсии повторных измерений

    Как и в случае ANOVA, ANOVA с повторными измерениями анализирует равенство средних трех или более групп. Однако ANOVA с повторным измерением используется, когда все переменные образца измеряются в разных условиях или в разные моменты времени.

    Поскольку переменные измеряются в выборке в разные моменты времени, измерение зависимой переменной повторяется. Использование стандартного дисперсионного анализа в этом случае нецелесообразно, поскольку он не может смоделировать корреляцию между повторными измерениями: данные нарушают предположение о независимости дисперсионного анализа. Следовательно, при измерении повторяющихся зависимых переменных следует использовать ANOVA с повторными измерениями.

    Непараметрические тесты

    Когда предположения о нормальности не выполняются, а выборочные средние не соответствуют норме, распределенные параметрические тесты могут привести к ошибочным результатам.Непараметрические тесты (тест без распределения) используются в такой ситуации, поскольку они не требуют предположения о нормальности. [15] Непараметрические тесты могут не обнаружить существенной разницы по сравнению с параметрическим тестом. То есть у них обычно меньше мощности.

    Как это делается для параметрических тестов, статистика теста сравнивается с известными значениями выборочного распределения этой статистики, и нулевая гипотеза принимается или отклоняется. Типы методов непараметрического анализа и соответствующие методы параметрического анализа описаны в.

    Таблица 5

    Аналог параметрических и непараметрических тестов

    Медианный тест для одной выборки: знаковый тест и знаковый ранговый тест Уилкоксона

    Знаковый тест и знаковый ранговый тест Уилкоксона используются для медианных тестов одной выборки . Эти тесты проверяют, больше или меньше одного экземпляра выборочных данных, чем среднее эталонное значение.

    Тест знаков

    Этот тест проверяет гипотезу о медиане θ0 для популяции.Он проверяет нулевую гипотезу H0 = θ0. Когда наблюдаемое значение (Xi) больше контрольного значения (θ0), оно обозначается как +. Если наблюдаемое значение меньше контрольного значения, оно помечается знаком -. Если наблюдаемое значение равно контрольному значению (θ0), оно исключается из выборки.

    Если нулевая гипотеза верна, будет равное количество знаков + и -.

    Тест знака игнорирует фактические значения данных и использует только знаки + или -. Следовательно, это полезно, когда трудно измерить значения.

    Знаковый ранговый тест Уилкоксона

    Существует серьезное ограничение знакового теста, поскольку мы теряем количественную информацию данных и просто используем знаки + или -. Знаковый ранговый тест Уилкоксона не только исследует наблюдаемые значения по сравнению с θ0, но также принимает во внимание относительные размеры, добавляя больше статистической мощности к тесту. Как и в знаковом тесте, если имеется наблюдаемое значение, равное опорному значению θ0, это наблюдаемое значение исключается из выборки.

    Тест суммы рангов Уилкоксона ранжирует все точки данных по порядку, вычисляет сумму рангов каждой выборки и сравнивает разницу в суммах рангов.

    Тест Манна-Уитни

    Он используется для проверки нулевой гипотезы о том, что две выборки имеют одинаковую медиану или, альтернативно, наблюдения в одной выборке имеют тенденцию быть больше, чем наблюдения в другой.

    Тест Манна – Уитни сравнивает все данные (xi), принадлежащие группе X, и все данные (yi), принадлежащие группе Y, и вычисляет вероятность того, что xi больше, чем yi: P (xi> yi).Нулевая гипотеза утверждает, что P (xi> yi) = P (xi P (xi> yi) ≠ 1/2.

    Тест Колмогорова-Смирнова

    Двухвыборочный тест Колмогорова-Смирнова (KS) был разработан как общий метод для проверки того, взяты ли две случайные выборки из одного и того же распределения. Нулевая гипотеза теста KS состоит в том, что оба распределения идентичны. Статистика теста KS — это расстояние между двумя эмпирическими распределениями, вычисленное как максимальная абсолютная разница между их кумулятивными кривыми.

    Тест Краскела-Уоллиса

    Тест Краскела-Уоллиса — это непараметрический тест для анализа дисперсии. [14] Он анализирует, есть ли разница в средних значениях трех или более независимых выборок. Значения данных ранжируются в возрастающем порядке, и вычисляются суммы рангов, после чего вычисляется статистика теста.

    Тест Йонкхеера

    В отличие от теста Краскела – Уоллиса, в тесте Йонкхеера существует априорное упорядочение, которое придает ему большую статистическую мощность, чем тест Краскела – Уоллиса.[14]

    Тест Фридмана

    Тест Фридмана — это непараметрический тест для проверки различий между несколькими родственными образцами. Тест Фридмана является альтернативой для ANOVA с повторными измерениями, который используется, когда один и тот же параметр был измерен в разных условиях у одних и тех же субъектов. [13]

    Тесты для анализа категориальных данных

    Тест хи-квадрат, точный тест Фишера и тест МакНемара используются для анализа категориальных или номинальных переменных.Тест хи-квадрат сравнивает частоты и проверяет, значительно ли наблюдаемые данные отличаются от ожидаемых данных, если не было различий между группами (т. Е. Нулевая гипотеза). Он рассчитывается путем деления квадрата разницы между наблюдаемыми ( O ) и ожидаемыми ( E ) данными (или отклонением, d ) на ожидаемые данные по следующей формуле:

    A Поправочный коэффициент Йетса используется при небольшом размере выборки.Точный тест Фишера используется для определения наличия неслучайных ассоциаций между двумя категориальными переменными. Он не предполагает случайную выборку и вместо ссылки вычисленной статистики на распределение выборки вычисляет точную вероятность. Тест Макнемара используется для парных номинальных данных. Применяется к таблице 2 × 2 с парно-зависимыми выборками. Он используется, чтобы определить, равны ли частоты строк и столбцов (то есть есть ли «предельная однородность»). Нулевая гипотеза состоит в том, что парные пропорции равны.Критерий хи-квадрат Мантеля-Хензеля — это многомерный тест, поскольку он анализирует несколько группирующих переменных. Он стратифицируется в соответствии с назначенными смешивающими переменными и определяет все, что влияет на первичную переменную результата. Если переменная результата дихотомическая, то используется логистическая регрессия.

    Понимание анализа Bland Altman

    Biochem Med (Загреб). 2015 июн; 25 (2): 141–151.

    Лаборатория клинической химии и гематологии, больница Сан-Бортоло, Виченца, Италия

    Поступила в редакцию 23 февраля 2015 г .; Принята в печать 30 апреля 2015 г.

    Эта статья цитируется в других статьях в PMC.

    Abstract

    В современной клинической лаборатории очень часто приходится оценивать соответствие между двумя количественными методами измерения. Правильный статистический подход для оценки этой степени согласия не очевиден. Часто предлагаются корреляционные и регрессионные исследования. Однако корреляция изучает взаимосвязь между одной переменной и другой, а не различия, и не рекомендуется в качестве метода оценки сопоставимости методов.
    В 1983 году Альтман и Бланд (B&A) предложили альтернативный анализ, основанный на количественной оценке согласия между двумя количественными измерениями путем изучения средней разницы и построения границ согласия.
    Анализ графика B&A — это простой способ оценить смещение между средними различиями и оценить интервал согласия, в который попадают 95% различий второго метода по сравнению с первым. Данные можно анализировать как в виде графика разностей единиц, так и в виде графика процентных разностей.
    Метод графика B&A определяет только интервалы соглашений, но не говорит, приемлемы ли эти пределы или нет. Приемлемые пределы должны быть определены априори, исходя из клинической необходимости, биологических соображений или других целей.
    Целью данной статьи является предоставление рекомендаций по использованию и интерпретации анализа Блэнда Альтмана в сравнительных исследованиях методов.

    Ключевые слова: Bland-Altman, анализ согласия, лабораторные исследования, сравнение методов, корреляция данных

    Введение

    Медицинским лабораториям часто необходимо оценить соответствие между двумя методами измерения.Каждый раз, когда нам приходится менять один метод на другой, или оценивать новый или альтернативный метод, или, проще говоря, у нас возникает проблема согласования между двумя инструментами, нам нужны инструменты для измерения и оценки различий, а также причины этих различий. .

    Валидация клинического измерения должна включать все процедуры, демонстрирующие, что конкретный метод, используемый для количественного измерения соответствующей переменной, является надежным и воспроизводимым для предполагаемого использования.

    Измерение переменных всегда подразумевает некоторую степень погрешности. Когда сравниваются два метода, ни один из них не дает однозначно правильного измерения, поэтому было бы интересно попытаться оценить степень согласия.

    Для оценки такой степени согласия правильный статистический подход не очевиден. Многие исследования приводят коэффициент корреляции произведение-момент ( r ) между результатами двух методов измерения в качестве индикатора согласия. Однако корреляция изучает взаимосвязь между одной переменной и другой, а не различия, и не рекомендуется в качестве метода оценки сопоставимости методов.

    В 1983 году Альтман и Бланд повторно предложили альтернативный анализ, впервые представленный Эксборгом в 1981 году ( 1 ), основанный на количественной оценке согласия между двумя количественными измерениями путем изучения средней разницы и построения границ согласия ( 2 ).

    Корреляция и линейная регрессия

    Корреляция — это статистический метод, который может показать, связаны ли пары переменных и насколько сильно они связаны. Существует несколько различных методов корреляции, включая корреляцию Пирсона или корреляцию продукта-момента, вероятно, наиболее распространенную.Основной результат корреляции называется коэффициентом корреляции (или « r »). Он вычисляется как отношение ковариации между переменными к произведению их стандартных отклонений. Числовое значение r находится в диапазоне от -1,0 до +1,0. Это позволяет нам получить представление о силе взаимосвязи — или, скорее, о силе линейной взаимосвязи между переменными. Чем ближе коэффициенты к +1,0 или -1,0, тем выше сила линейной зависимости.Обычно исследование линейной регрессии выполняется вместе с измерением корреляции. Фактически, линейная регрессия может быть рассчитана только в том случае, если существует корреляция, а коэффициент корреляции можно интерпретировать, только если значение P является значимым. Однако P является значимым, и для большинства случаев сравнения методов можно рассчитать регрессию. Линейная регрессия находит лучшую линию, которая предсказывает одну переменную на основе другой. Линейная регрессия количественно определяет степень соответствия с коэффициентом детерминации r 2 .Корреляция описывает линейную связь между двумя наборами данных, но не их согласие ( 3 ). Более того, часто используется нулевая гипотеза, чтобы проверить, не связаны ли два метода линейно. Даже при минимальном тренде вероятность нулевой гипотезы очень мала, и можно безопасно, но иногда ошибочно, сделать вывод, что два метода измерения действительно связаны.

    Однако два метода, разработанные для измерения одной и той же переменной, должны иметь хорошую корреляцию, если набор выборок выбран таким образом, что определяемое свойство значительно различается.В случае сравнения методов это означает, что образцы должны охватывать широкий диапазон концентраций. Таким образом, высокая корреляция для любых двух методов, предназначенных для измерения одного и того же свойства, может сама по себе быть признаком того, что выбран широко распространенный образец.

    Корреляция определяет степень взаимосвязи двух переменных. Но высокая корреляция не означает автоматически, что существует хорошее согласие между двумя методами. Коэффициент корреляции и метод регрессии иногда неадекватны и могут вводить в заблуждение при оценке согласия, поскольку они оценивают только линейную связь двух наборов наблюдений. r измеряет силу связи между двумя переменными, а не соответствие между ними. Точно так же r 2 , названный коэффициентом детерминации, сообщает нам только долю дисперсии, которая является общей для двух переменных. Наконец, проверка значимости может показать, что эти два метода связаны, но очевидно, что два метода, предназначенные для измерения одной и той же переменной, связаны. Более того, критерий значимости может вводить в заблуждение; значимость корреляции зависит от значений коэффициента корреляции.Только если коэффициент корреляции статистически значим по отношению к установленному пределу (P <0,05), мы можем интерпретировать его значение; это означает, что если мы получаем, например, r = 0,22 и P = 0,027, мы не должны делать вывод о наличии «значимой взаимосвязи», но мы можем утверждать, что взаимосвязи между переменными нет, потому что рассчитанный коэффициент вариации, который указывает отсутствие корреляции статистически значимо.

    Предлагаемый регрессионный анализ Пассинга и Баблока для преодоления некоторых ограничений корреляционного анализа частично решает проблемы, связанные с распределением данных и с обнаружением постоянной или пропорциональной разницы между двумя методами.По сравнению с другим часто предлагаемым методом, регрессией Деминга ( 4 ), регрессия Пассинга и Баблока может быть предпочтительнее для сравнения клинических методов, потому что она не предполагает, что ошибка измерения имеет нормальное распределение, и устойчива к выбросам. Однако для полной интерпретации результатов регрессии требуется анализ остатков, распределение разницы вокруг подобранной линии регрессии ( 5 ). Это очень похоже, но сложнее, чем анализ различий, описанный ниже.

    Анализ различий: метод Бланда и Альтмана

    Бланд и Альтман представили график Бланда-Альтмана (B&A) для описания совпадения двух количественных измерений ( 6 ). Они разработали метод количественной оценки согласия между двумя количественными измерениями путем построения границ согласия. Эти статистические пределы рассчитываются с использованием среднего значения и стандартного отклонения ( s ) различий между двумя измерениями. Чтобы проверить предположения о нормальности различий и других характеристик, они использовали графический подход.

    Результирующий график представляет собой диаграмму рассеяния XY, на которой ось Y показывает разницу между двумя парными измерениями (A-B), а ось X представляет собой среднее значение этих измерений ((A + B) / 2). Другими словами, разница двух парных измерений отображается в зависимости от среднего значения двух измерений. B&A рекомендовала, чтобы 95% точек данных лежали в пределах ± 2 с от средней разницы. Это наиболее распространенный способ построения графика по методу B&A, но также возможно построить график различий в виде процентов или соотношений, и можно использовать первый или второй метод вместо среднего обоих методов.

    Следующий пример может помочь в ознакомлении с графиком B&A. показывает гипотетический ряд парных данных, из которых можно построить график B&A и оценить согласие. В первом столбце показана серия измерений гипотетических переменных, полученных с помощью метода, названного методом A. Данные сортируются от наименьшего к наибольшему. Во втором столбце показаны измерения, полученные для тех же образцов, но вторым, другим методом B. Таким образом, в каждой строке показаны парные данные.указывает линию регрессии между двумя методами; коэффициент корреляции между двумя методами составляет r = 0,996 (95% доверительный интервал, CI = 0,991-0,998, P <0,001), а уравнение регрессии - y = 7,08 (от -0,30 до 19,84) + 1,06 (от 1,02 до 1,09) x; это можно было бы оценить как очень хорошее согласие.

    Таблица 1

    Гипотетические данные о соответствии двух методов (метод A и B).

    52 51 52 1431451 -87,0 .0 9145
    Метод A
    (единицы)
    Метод B
    (единицы)
    Среднее значение
    (A + B) 9132/2
    (A — B)
    (единицы)
    (A — B) /
    Среднее значение
    (%)
    0 8,0 4,5 -7,0 -155,6%
    5,0 16,0 10,5 -11,0 -104,8% 91,01451 20,0 -20,0 -100,0%
    20,0 24,0 22,0 -4,0 -18,2%
    51 50,0 3 51 50,05 11,0 24,7%
    40,0 54,0 47,0 -14,0 -29,8%
    914,2
    60,0 68,0 64,0 -8,0 -12,5%
    70,0 72,0 71,0 -21451 9148%
    80,0 62,0 71,0 18,0 25,4%
    90,0 122,0 106,0 122,0 106,0 100,0 80,0 90,0 20,0 22,2%
    150,0 181,0 165,5 -31,0 -18,7% 0 259,0 229,5 -59,0 -25,7%
    250,0 275,0 262,5 -25,0 940 940 940 940 940 940 340,0 -80,0 -23,5%
    350,0 320,0 335,0 30,0 9,0%
    400,0 9140 417,0 -34,0 -8,2%
    450,0 479,0 464,5 -29,0 -6,2% -16,0%
    550,0 626,0 588,0 -76,0 -12,9%
    600,0 4 -48,0 -7,7%
    650,0 738,0 694,0 -88,0 -12,7%
    700,0
    700,0 -9,0%
    750,0 793,0 771,5 -43,0 -5,6%
    800,0 1451,0
  • 51
  • 1451,0
  • 51
  • 510
  • -6,2%
    850,0 871,0 860,5 -21,0 -2,4%
    900,0 51 ,0 ,0 ,0
    950,0 1001,0 975,5 -51,0 -5,2%

    1000,0
    9145 9145 9145 9145
    9145 9145 0
    4,1%
    среднее ( d ) -27,17 -17,40%
    стандартное отклонение (s) 914,851 914,814

    Линия регрессии между гипотетическими измерениями, выполненными методом A и методом B.
    Уравнение регрессии выражается как: y = a (95% доверительный интервал) + b (95% доверительный интервал) x (регрессия Пассинга и Баблока) ( 21 ).Линия регрессии имеет наклон 1,06 (от 1,02 до 1,09) и точку пересечения 7,08 (от -0,30 до 19,84). Коэффициент корреляции между двумя методами составляет r = 0,996, доверительный интервал 95%, CI = 0,991-0,998, P <0,001.

    Если цель состоит в том, чтобы оценить соответствие между двумя измерениями, было бы интересно статистически изучить поведение различий между одним измерением и другим. В столбце 4 показаны эти различия. Идеальная модель утверждала бы, что измерения, полученные тем или иным методом, дали точно такие же результаты.Значит, все различия равны нулю. Но любое измерение переменных всегда подразумевает некоторую степень ошибки. Даже простая аналитическая неточность для метода A и метода B приводит к изменчивости различий. Однако, если изменчивость различий была связана только с аналитической неточностью каждого из двух методов, среднее значение этих различий должно быть равно нулю. Это первая точка, необходимая для оценки соответствия между двумя методами: посмотрите на среднее значение различий между парными данными.

    В нашем примере средняя разница составляет -27,17 единиц (нижняя строка). Эта средняя разница ( d ) не равна нулю, и это означает, что в среднем второй метод (B) измеряет на 27,17 единиц больше, чем первый. Это смещение может быть постоянным или средним результатом, возникающим из-за проблем с конкретными концентрациями или значениями. Важно оценить различия при разных значениях измеряемой переменной. Если ни один из двух методов не является «эталонным», различия можно сравнить со средним значением двух парных значений.Среднее значение можно увидеть в столбце 3. График B&A просто представляет каждое различие между двумя парными методами в сравнении со средним значением измерения, как показано на рис. Различия между методом A и методом B нанесены на график в зависимости от среднего значения двух измерений. Нанесение разницы на среднее значение также позволяет нам исследовать любую возможную связь между ошибкой измерения и истинным значением. Но поскольку мы не знаем истинного значения, среднее из двух измерений — лучшая оценка, которая у нас есть ( 7 ).Если первый метод является стандартным или эталонным, мы можем использовать эти значения вместо среднего из двух измерений ( 8 ), хотя это спорно, потому что всегда будет отображаться график разницы со «стандартным измерением». чтобы показать связь между разницей и величиной, когда ее нет ( 9 ).

    График разницы между методом A и методом B и . среднее значение двух измерений (данные из). Смещение -27,2 единицы представлено зазором между осью X, соответствующей нулевой разнице, и линией, параллельной оси X, на -27.2 шт.

    Смещение -27,2 единицы представлено зазором между осью X, соответствующей нулевой разнице, и линией, параллельной оси X, на -27,2 единицы. Это отрицательное смещение, по-видимому, связано с измерениями более 200 единиц, в то время как для более низких концентраций данные ближе друг к другу. Отрицательная тенденция, по-видимому, очевидна на графике, что лучше показано на. Проведение линии регрессии различий может помочь в обнаружении пропорциональной разницы ( 10 12 ).Визуальный осмотр графика позволяет нам оценить общее согласие между двумя измерениями. В нашем примере мы можем резюмировать отсутствие согласия, вычислив смещение, оцениваемое по средней разнице ( d ) и стандартному отклонению различий ( s ). Мы ожидаем, что большая часть различий будет лежать между d -2 s и d +2 s , или, точнее, 95% различий будут между d -1.96 s и d +1.96 s , если различия нормально распределены (по Гауссу). Всегда необходимо проверять нормальное распределение различий, например, путем построения гистограммы. Если это перекос или очень длинные хвосты, предположение о нормальности может быть неверным. Из примера, измерения двух методов не распределяются нормально, но, с другой стороны, различия действительно кажутся (). Всегда следует использовать статистические тесты, чтобы определить, является ли распределение нормальным, поскольку в некоторых случаях нормальность не может быть определена простым наблюдением за графиком гистограммы.Если доступно какое-либо статистическое программное обеспечение, можно провести тест на нормальное распределение (например, тест Шапиро-Уилка ( 13 ), тест Д’Агостино-Пирсона ( 14 ), тест Колмогорова-Смирнова ( 15 )). , для гипотезы о том, что распределение наблюдений в выборке является нормальным (если P <0,05, отклонить нормальность). Если различия не распределены нормально, можно попробовать логарифмическое преобразование исходных данных.

    Тот же график, что и линия регрессии и пределы доверительного интервала.
    Пунктирная линия представляет собой линию регрессии (y = -0,05 (от -0,08 до -0,01) x — 10,15 (от -28,07 до 7,77) пределы доверительного интервала представлены в виде непрерывной линии.

    График распределения различий между измерениями методами A и B
    Пунктирная линия представляет нормальное распределение. Критерий Шапиро-Уилка для нормального распределения принята нормальность (P = 0,814).

    Убедившись, что наши различия нормально распределены, мы можем использовать s , чтобы определить пределы согласия.Исходя из данных = 34,8, 95% различий будет d -1,96 s = -27,2 — (1,96 x 34,8) = -95,4 d +1,96 s = -27,2 + (1,96 x 34,8) = 41,1 Таким образом, результаты, измеренные методом A, могут быть на 95 единиц ниже или на 41 выше метода B ().

    График Блэнда и Альтмана для данных из, с отображением границ согласия (пунктирная линия), от -1,96 с до +1,96 с.

    Предвзятость и пределы согласия

    Система построения графиков B&A не говорит, является ли соглашение достаточным или подходящим для безразличного использования метода или другого.Он просто количественно определяет смещение и диапазон согласия, в который включены 95% различий между одним измерением и другим. Можно сказать, что смещение является значительным, потому что линия равенства не находится в пределах доверительного интервала средней разницы (см. Выше), но только аналитические, биологические или клинические цели могут определить, является ли интервал согласия слишком широким или достаточно узкий для нашей цели. Наилучшим способом использования системы графиков B&A было бы определение a priori пределов максимально приемлемых различий (ожидаемых пределов согласия) на основе биологически и аналитически значимых критериев, а затем получение статистики, чтобы увидеть, соответствуют ли эти пределы превышено, или нет.

    Тот же график, что и, с представлением доверительных интервалов для среднего значения и пределов согласия (заштрихованные области, данные из).

    Точность предполагаемых пределов согласия

    Как и при любой статистической оценке, мы оцениваем только значение, применимое ко всей совокупности. Наша точность оценки зависит от количества наблюдаемых данных, то есть от размера выборки. Было бы уместно рассчитать доверительный интервал (ДИ), чтобы увидеть, насколько точны наши оценки.В частности, 95% -ный доверительный интервал средней разницы показывает величину систематической разницы. Если линия равенства не находится в интервале, существует значительная систематическая разница, т.е. второй метод постоянно занижает или переоценивает по сравнению с первым.

    95% доверительный интервал границ согласия позволяет оценить размер возможной ошибки выборки. Его можно измерить с помощью стандартной ошибки при условии, что различия соответствуют примерно нормальному распределению ( 16 ).Стандартная ошибка d равна, а стандартная ошибка d -2 s и d +2 s составляет около. 95% ДИ соответствует наблюдаемому значению минус t стандартных ошибок к наблюдаемому значению плюс t стандартных ошибок, где t — это значение распределения t ( 17 ) с n -1 градус Свобода. показывает всю статистику графика B&A, включая CI. Но обычно простые статистические программы могут выполнять все эти вычисления, и важно понимать важность областей уверенности вокруг средней разницы и пределов согласования, как показано на.Таким образом, ДИ средней разницы и пределов согласия просто описывают возможную ошибку в оценке из-за ошибки выборки. Чем больше количество образцов, используемых для оценки разницы между методами, тем уже будут CI как для средней разницы, так и для границ согласия.

    Таблица 2

    Бланд и Альтман строят статистику на основе данных, включая элементы для расчета доверительных интервалов. 9145 -27.17 918 88 918 и

    В системе графиков B&A различия также могут быть выражены в процентах от значений на оси (т. Е. Пропорционально величине измерений [(метод A — Метод B) / среднее значение%)]. Эта опция полезна, когда увеличивается изменчивость различий по мере увеличения величины измерения.представляет те же данные, что и, в процентах различий. Смещение (средняя разница) составляет -17,4%, почти постоянное значение для всех измеренных концентраций, за исключением очень низких значений. Что касается графика удельных значений, это смещение является значительным, поскольку линия равенства не находится в CI. Лимиты по соглашению от -93,2% до 58,4%.

    График разницы между методом A и методом B, выраженный в процентах от значений на оси [(метод A — метод B) / среднее значение%)], vs .среднее значение двух измерений (данные из). Заштрихованные области представляют собой доверительные интервалы для средних значений и пределы согласия.

    Общие примеры в лабораторной диагностике

    Предложенный в 1983 г. ( 2 ) метод построения графиков B&A теперь широко распространен. Их статья в журнале Lancet « Статистические методы оценки соответствия между двумя методами клинических измерений » ( 17 ) была процитирована более 30 000 раз большим количеством рецензируемых научных статей ( 18 ).Многие примеры доступны в научной литературе, обычно в качестве дополнений к регрессионному анализу и диаграммам рассеяния ( 19 ), что также рекомендуется Институтом клинических и лабораторных стандартов (CLSI) ( 20 ).

    Сообщается о некоторых общих моделях, которые могут отражать общее поведение анализа согласия. Предлагается пять случаев, по одному для каждой строки, каждый из которых проанализирован с помощью регрессионного анализа и графика B&A, в единицах (второй столбец) и процентных значениях (третий столбец) против среднего значения двух методов.

    Сравнение методов двух измерений в пяти различных случаях, представленных в виде регрессионного анализа (столбец 1), графика Бланда и Альтмана, где различия представлены в единицах (столбец 2), и графика Бланда и Альтмана, где различия представлены в процентах (столбец 3). Случаи A, B, C, D и E представляют собой гипотетические примеры: A — случайная изменчивость; Б — постоянная изменчивость, с = ± 50 единиц; C — постоянный коэффициент вариации, CV% = 5%; D — постоянная ошибка плюс 15 единиц в методе B при той же пропорциональной изменчивости (CV%) 5%, что и в случае C; E — пропорциональная постоянная погрешность по CV% = 5%.Уравнение регрессии выражается как: y = a (95% CI) + b (95% CI) x.
    CI — доверительный интервал.

    В первом примере, случай A, сравниваются два сильно коррелированных измерения. Несмотря на коэффициент детерминации 0,9992, различия между двумя измерениями лучше видны на графике B&A, который определяет смещение -7,1 единиц и диапазон согласования от -60,5 до 46,4 единиц. График разностей позволяет нам оценить умеренную отрицательную тенденцию различий, пропорциональную величине измерения.Кажется, что смещение меняется с концентрацией, становясь меньше, когда концентрация выше. Более того, различия кажутся постоянными, с небольшим расширением пределов согласия, коррелирующих с уровнями концентрации (абсолютные значения, A2). Однако разница плюс 46 или менее 60 единиц будет важна для измерения 100, 200 или 300 единиц, в то время как она не будет значимой для измерений 1000, 2000 или 3000 единиц. Эта информация лучше представлена, когда различия нанесены на график в процентах от концентрации (A3).Смещение составляет -0,5%, а диапазон согласования 2 s составляет ± 11% (от -11,5% до 10,5%), что в основном вызвано более низкими измерениями; свыше 500 единиц диапазон согласования 2 s составляет менее 5%.

    Модель такого поведения при сравнении различий представляет собой случай B, где предполагалось постоянное значение с = ± 50 единиц. Если вариабельность различий между двумя процедурами измерения постоянна, два графика будут отображаться, как в случае B; разброс различий остается постоянным во всем диапазоне концентраций на графике разницы единиц (B2), но он значительно увеличивается с уменьшением концентрации на графике процентной разницы (B3).

    В случае изменчивости пропорциональной разницы между измерениями, т. Е. Постоянного коэффициента вариации в диапазоне концентраций, влияние на график B&A в сообщаемой разнице единиц представляет собой тенденцию к расширению диапазона соответствия с увеличением концентраций (C2). Интуитивно понятно, что на графике процентной разницы тренды остаются параллельными оси x (C3).

    Для постоянных различий между интервалами концентраций разница в отчетных единицах обеспечивает лучшее представление разницы между двумя измерениями, а график процентной разницы предпочтительнее для пропорциональной изменчивости разницы (постоянный коэффициент вариации).

    Если другие ошибки перекрывают эти источники изменчивости, они добавляют свои эффекты к предыдущему. Например, в случае D мы выдвинули гипотезу о постоянной ошибке плюс 15 единиц в методе B при той же пропорциональной изменчивости (CV%) 5%, что и в случае C. Примером постоянной систематической ошибки может быть ошибка в холостой реагент или матричный эффект, влияющий на один метод, но не влияющий на другой. Эта постоянная ошибка немедленно возвращается как смещение -15 единиц на графике разности единиц.График процентной разницы показывает, как эта ошибка повлияла на большее количество измерений низких концентраций, в то время как процентное отклонение приближается к 0% для более высоких.

    Последний случай, E, предполагает пропорциональную постоянную ошибку, перекрывающуюся той же пропорциональной изменчивостью (CV%) в 5%, как в случае C. Примером может быть ошибка калибровки в одном методе или проблема в некоторых константах. в уравнении при вычислении окончательных результатов. Эффект заключается в том, что величина разницы (смещения) изменяется линейно.Тенденция к расширению данных с увеличением концентраций связана с постоянным CV% = 5%. Если пропорциональная постоянная ошибка перекрывается с постоянной изменчивостью, изменчивость разностей будет постоянной на всем интервале измерения, но смещение будет иметь линейный наклон. Случай E может быть моделью для данных из, нанесенных на график и. Случай E — единственный случай, в котором линейная регрессия дает четкую информацию о проблеме согласования между двумя измерениями со значительным изменением наклона линии регрессии.Напротив, когда анализ согласия проводится в широком диапазоне концентраций, корреляция и линейная регрессия не особенно информативны, а также могут быть неправильным пониманием. Случаи от A до D очень похожи, если учитывать только корреляцию.

    Резюме и основные моменты

    Если вы хотите оценить, значительны ли различия между двумя измерениями одного и того же вещества, изучите различия, а не согласие. Корреляция между методами всегда вводит в заблуждение и не должна использоваться для оценки сопоставимости методов.Анализ графика B&A — это простой способ оценить смещение между средними различиями и оценить интервал согласия, в который попадают 95% различий второго метода по сравнению с первым. Данные могут быть преобразованы логарифмически, если кажется, что различия не распределены нормально. Для пределов смещения и согласования можно вычислить соответствующие доверительные интервалы, чтобы учесть ошибку выборки в зависимости от размера выборки. Данные могут быть проанализированы как график разницы единиц или как график процентной разницы.Оба графика могут быть рассмотрены, чтобы дать лучшую оценку. Метод графика B&A определяет только интервалы соглашений, но не говорит о том, приемлемы ли эти пределы или нет. Приемлемые пределы должны быть определены априори , исходя из клинической необходимости, биологических соображений или других целей.

    Литература

    1. Эксборг С. Оценка данных методов сравнения. Clin Chem. 1981; 27: 1311–2. [PubMed] [Google Scholar] 2. Альтман Д.Г., Бланд Дж. М.. Измерение в медицине: анализ методов сравнительных исследований.Статистик. 1983; 32: 307–17. 10.2307 / 2987937 [CrossRef] [Google Scholar] 3. Удович М., Баждарич К., Билич-Зулле Л., Петровечки М. Что нам нужно знать при расчете коэффициента корреляции? Биохим Мед (Загреб). 2007; 17: 10–5. 10.11613 / BM.2007.002 [CrossRef] [Google Scholar] 4. Мартин РФ. Общая регрессия Деминга для оценки систематической ошибки и ее доверительного интервала в сравнительных исследованиях методов. Clin Chem. 2000; 46: 100–4. [PubMed] [Google Scholar] 5. Билич-Зулле Л. Сравнение методов: пассивная регрессия и регрессия Баблока.Биохим Мед (Загреб). 2011; 21: 49–52. 10.11613 / BM.2011.010 [PubMed] [CrossRef] [Google Scholar] 6. Бланд Дж. М., Альтман Д. Г.. Согласованность измерений в сравнительных исследованиях методов. Stat Methods Med Res. 1999; 8: 135–60. 10.1191 / 096228099673819272 [PubMed] [CrossRef] [Google Scholar] 7. Бланд Дж. М., Альтман Д. Г.. Статистические методы оценки соответствия между двумя методами клинических измерений. Int J Nurs Stud. 2010; 47: 931–6. 10.1016 / j.ijnurstu.2009.10.001 [CrossRef] [Google Scholar] 8. Krouwer JS. Почему графики Бланда-Альтмана должны использовать X, а не (Y + X) / 2, когда X является эталонным методом.Stat Med. 2008. 27: 778–80. 10.1002 / sim.3086 [PubMed] [CrossRef] [Google Scholar] 9. Бланд Дж. М., Альтман Д. Г.. Сравнение методов измерения: почему отображение разницы по сравнению со стандартным методом вводит в заблуждение. Ланцет. 1995; 346: 1085–7. 10.1016 / S0140-6736 (95)
    Параметр Единица Формула стандартной ошибки Стандартная ошибка
    ( se )
    3

    степени свободы 911 911 911

    Доверие
    ( se * t )
    Доверительные интервалы
    от — до
    номер (
  • 51
  • 80 80 80 80 80 80)
    степеней свободы ( n -1) 29 s2 / n 6,35 2,05 13,00 -40,16 -14,17
    стандартное отклонение ( s ) 34,81451 51
    d̅ -1,96 с -95,39 3s2 / n 11,01 2,05 22,51 -117,90 -117,90
    d̅ +1,96 s 41,05 3s2 / n 11,01 2,05 22,51 18,54 14 18,54 14 Метод Alt19 -9 [PubMed] [CrossRef] [Google Scholar] 10. Армитаж П., Берри Г. Мэтьюз, JNS, ред. Статистические методы в медицинских исследованиях. 4-е изд. Мэйден, Массачусетс: Blackwell Science, 2002. http://dx.doi.org/10.1002/9780470773666. [CrossRef] [Google Scholar] 11. Блэнд М.Введение в медицинскую статистику. 3-е изд. Oxford University Press, Oxford, 2000. [Google Scholar] 12. Eisenhauer JG. Регресс через происхождение. Обучайте стат. 2003. 25: 76–80. 10.1111 / 1467-9639.00136 [CrossRef] [Google Scholar] 13. Шапиро СС, Вилк МБ. Анализ дисперсии теста на нормальность (полные выборки). Биометрика. 1965; 52: 3–4. 10.1093 / biomet / 52.3-4.591 [CrossRef] [Google Scholar] 14. Шескин DJ. Справочник параметрических и непараметрических статистических процедур. 5-е изд. Чепмен и Холл / CRC Press, Бока-Ратон, Флорида, 2011 г.[Google Scholar] 15. Neter J, Wasserman W. Whitmore GA ред. Прикладная статистика. 3-е изд. Аллин и Бэкон, Бостон, Массачусетс, 1998. [Google Scholar] 16. Бланд Дж. М., Альтман Д. Г.. Статистический метод оценки соответствия между двумя методами клинического измерения. Ланцет. 1986; 327: 307–10. 10.1016 / S0140-6736 (86)

    -8 [PubMed] [CrossRef] [Google Scholar] 19. Девитте К., Фиренс С., Штёкль Д., Тьенпонт Л.М. Применение графика Бланда-Альтмана для интерпретации метода — сравнительные исследования: критическое исследование его практики.Clin Chem. 2002; 48: 799–801. [PubMed] [Google Scholar] 20. Институт клинических и лабораторных стандартов (CLSI). Сравнение процедур измерения и оценка систематической ошибки с использованием образцов пациентов. Утвержденное руководство — пятое издание. Документ CLSI EP09-A3. Уэйн, штат Пенсильвания, США, 2013 г. [Google Scholar] 21. Пройдя Х., Баблок В. Новая биометрическая процедура для проверки равенства измерений двумя разными аналитическими методами. Применение процедур линейной регрессии для сравнительных исследований методов в клинической химии, часть I.J Clin Chem Clin Biochem. 1983; 21: 709–20. 10.1515 / cclm.1983.21.11.709 [PubMed] [CrossRef] [Google Scholar] Тест

    OF (окислительная ферментация) — процедура, использование и интерпретация

    Углеводы — это органические молекулы, которые содержат углерод, водород и кислород в соотношении (CH 2 O) n . Организмы по-разному используют углеводы в зависимости от их ферментного набора.

    Тип ферментации — это характеристика определенных видов, родов или групп организмов, и по этой причине это свойство широко используется в качестве метода биохимической дифференциации микробов.

    Цель

    Для обнаружения окисления или ферментации углеводов бактериями.

    Принцип

    Является ли организм окислительным или ферментативным, можно определить с помощью среды Хью и Лейфсона, обычно называемой средой OF, которая содержит триптон и бромтимоловый синий (индикатор). Один из сахаров, такой как глюкоза, ксилоза, маннит, лактоза, сахароза и мальтоза, добавляется в среду, которая служит ферментируемым углеводом.

    Организм высевают в две пробирки с каждой OF среды.После инокулирования одну пробирку покрывают минеральным маслом или расплавленным парафином, создавая анаэробную среду. Другая трубка оставлена ​​открытой для воздуха. Рост микроорганизмов в этой среде происходит либо за счет использования триптона, который приводит к щелочной реакции (темно-синий цвет), либо за счет использования глюкозы, что приводит к образованию кислоты (превращение бромтимолового синего в желтый).

    Окислительная утилизация углеводов приведет к образованию кислоты (желтая) только в открытой пробирке.Ферментативное использование углеводов приведет к образованию кислоты (желтой) как в открытых, так и в закрытых пробирках. Кислотные изменения в перекрытых пробирках считаются результатом истинного брожения, тогда как кислотные изменения в открытых пробирках происходят из-за окислительной утилизации присутствующих углеводов. Асахаролитические организмы не производят кислоту ни в одной пробирке.

    Среда:

    Среда Хью и Лейфсона: Пептон 2,0 г / л, хлорид натрия 5.0 г / л, калия фосфат 0,30 г / л, глюкоза (декстроза) 10,0 г / л, бромтимоловый синий 0,030 г / л, агар 3,0 г / л, конечный pH (при 25 ° C) 7,1 ± 0,2

    Метод

    1. Получите чистые изолированные колонии из 18-24-часовой культуры.
    2. Для каждого тестируемого организма высейте пробирки в двух экземплярах. Засейте агар, проткнув его примерно на 1/4 дюйма от дна.
    3. Нанесите стерильное минеральное масло, стерильный расплавленный парафин или стерильный расплавленный вазелин в одну из дублирующих пробирок.Затяните крышку трубки с покрытием и ослабьте крышку трубки без покрытия.
    4. Инкубируйте обе пробирки в аэробных условиях при 35 ° C. на срок до 14 дней.
    5. Ежедневно проверяйте пробирки на предмет изменения цвета.

    Ожидаемые результаты

    • Положительный: Положительный тест на утилизацию углеводов определяется появлением желтого цвета в среде.
      • Окислитель: Появление желтого цвета только в открытой пробирке.
      • Ферментативный : Появление желтой окраски как в открытых, так и в закрытых пробирках.
    • Отрицательный: Отрицательный тест на использование углеводов обозначается отсутствием желтого цвета (среда остается зеленой или становится синей).
      • Неокисляющее / неферментирующее

    Использует

    • Помогает идентифицировать грамотрицательные бактерии на основе их способности окислять или сбраживать определенные углеводы.
    • Он используется, чтобы определить, использует ли организм углеводные субстраты для производства кислотных побочных продуктов.
    • Неферментативные бактерии обычно проверяются на их способность производить кислоту из шести углеводов (глюкоза, ксилоза, маннит, лактоза, сахароза и мальтоза).

    Ограничения

    • Рекомендуется проводить биохимическое, иммунологическое, молекулярное или масс-спектрометрическое тестирование колоний из чистой культуры для полной идентификации.
    • Медленнорастущие организмы могут не давать результатов в течение нескольких дней.
    • Некоторые микроорганизмы не растут в среде OF.Возможно, потребуется использовать другую базальную среду, содержащую декстрозу, для подтверждения отрицательной реакции.
    • Некоторые минеральные масла являются кислыми и могут привести к ошибочным результатам.

    Каталожные номера

    1. Cappuccino J.G. и Шерман Н. 2008. Микробиология: лабораторное руководство, 8-е изд. Пирсон Бенджамин Каммингс, Сан-Франциско, Калифорния, США
    2. Мюррей, П.Р., Э.Дж. Барон, Дж. Йоргенсен, М. Ландри и М.А.Пфаллер. 2007. Руководство по клинической микробиологии. 9 изд. АСМ Пресс, Вашингтон, Д.C.
    3. https://catalog.hardydiagnostics.com/cp_prod/content/hugo/ofbasalmedium.htm
    4. asmscience.org/content/education/protocol/protocol.3151

    Количественные и качественные методы и методы оценки

    Людей:

    Публикация ниже описывает различия между количественными и качественными исследованиями и надлежащее использование каждого из них. Это из главы 4 «Методы оценивания» книги: «Демонстрация успехов учащихся, Практическое руководство по оценке обучения и развития по делам учащихся на основе результатов», написанной Марили Дж.Брешиани, Меган Мур Гарднер и Джессика Хикмотт. Опубликовано Stylus Publishing, LLC 2283 Quicksilver Drive, Sterling, Virginia 20166-2102. [Http://www.styluspub.com] © Copyright 2009 Stylus Publishing, LLC. Все права защищены. Печатается с разрешения.

    С уважением,

    Рик Рейс

    [email protected]

    UP NEXT: что делают наставники

    Исследования завтрашнего дня

    ——————————————— 1700 слов — ——————————————

    Количественные и качественные методы и методы оценки

    Методы количественной оценки

    Количественные методы используют числа для интерпретации данных (Maki, 2004) и \ «отличаются акцентом на числа, измерения, экспериментальный план и статистический анализ \» (Palomba & Banta 1999).Большое количество случаев может быть проанализировано с использованием количественного дизайна, и этот тип дизайна является дедуктивным по своей природе, часто вытекающим из предвзятой гипотезы (Patton, 2002). Возможность обобщения результатов для более широкой аудитории и ситуаций делает этот тип исследования / оценки популярным среди многих. Хотя оценка может быть проведена со строгостью традиционного исследования, включая гипотезы и результаты, которые являются статистически значимыми, это не является необходимым компонентом оценки, основанной на программных результатах.Необязательно иметь определенный размер выборки, если только ваша оценка не относится к институциональному уровню.

    Традиционно предпочтительным типом дизайна исследования, который повлиял на методологию оценки, основанной на результатах, является количественная оценка. Количественная оценка предлагает множество инструментов для сбора данных, включая структурированные интервью, анкеты и тесты. В системе высшего образования этот тип дизайна можно найти во многих инструментах оценки, используемых на национальном уровне (например,g., Национальное исследование вовлеченности студентов, исследование вовлеченности студентов в муниципальных колледжах и Исследование института CORE по алкоголю и наркотикам), но также могут быть разработаны на местном уровне и использованы для оценки более конкретных потребностей кампуса и результатов обучения студентов. При участии в количественном методологическом дизайне, выборке, анализе и интерпретации важно убедиться, что участвующие лица осведомлены о количественном дизайне и чувствуют себя комфортно с ним (Palomba & Banta, 1999).

    В Университете штата Колорадо используются два основных метода количественной оценки для изучения квартирной жизни в университетском городке. \ «Опрос покидания квартиры проводится жильцами, когда они начинают процесс« выселения »из своей квартиры. Результаты сводятся в таблицу дважды в год, один раз в конце осеннего семестра и один раз летом \» (Bresciani et al., под давлением).

    Администраторы Государственного университета Пенсильвании первоначально оценивали успех своей программы по привлечению читателей на основе удовлетворенности и использования.Количественный опрос, который они использовали, был позже пересмотрен \ «, чтобы включить более подробную информацию о читательском поведении студентов (например, как часто они читают статью, как долго и какие разделы), вовлеченности студентов в кампусе и в обществе, и их собственные достижения в различных результатах (например, развитие понимания текущих проблем, расширение их словарного запаса, формулирование своих взглядов на проблемы, повышение их понимания прочитанного) \ «(Bresiani et al., 2009). Этот пересмотр позволил им использовать методологию опроса, продолжая при этом измерять влияние программы на обучение студентов.

    CSUS прошел аналогичный процесс пересмотра разработанного на местном уровне количественного исследования, посвященного его новой программе ориентации студентов. Первоначально измерялась только удовлетворенность учащихся и родителей. Позже это было изменено, чтобы включить в оценку ориентации компонент «верно / неверно», в котором использовалась форма косвенной оценки. В последней редакции для учащихся, посещающих ориентацию, было проведено предварительное и последующее тестирование, чтобы измерить знания, полученные в ходе ознакомительной сессии (Bresciani et al., 2009).

    Кроме того, большой объем данных, уже содержащихся в транзакционных системах студентов, может быть использован для помощи в оценке программ. Такие данные, как использование помещений, использование услуг, записи консультантов, участие в студенческих организациях, занимаемая руководящая роль и продолжительность общественных работ, могут помочь в объяснении, почему результаты могли быть достигнуты. Например, сотрудники консультационной службы учреждения хотят, чтобы все студенты, проходящие курс лечения от заболеваний, передающихся половым путем, могли определить шаги и стратегии, чтобы избежать заражения ими, прежде чем покинуть 45-минутную встречу в офисе.Однако, когда они оценили это, они узнали, что только 70% студентов смогли это сделать, но они также изучили свой журнал посещений в офисе и поняли, что из-за большого количества пациентов они могли проводить только 27 минут с в среднем на каждого студента. Сокращение времени, запланированного для обучения студентов их благополучию, может объяснить, почему результаты консультантов оказались ниже, чем они ожидали.

    Методы качественной оценки

    Согласно Дензину и Линкольну (2004), качественное исследование — это «мультиметод в фокусе, включающий интерпретирующий, натуралистический подход к его предмету» (стр.2). Апкрафт и Шу (1996) расширяют это определение, заявляя: «Качественная методология — это подробное описание ситуаций, событий, людей, взаимодействий и наблюдаемого поведения, использование прямых цитат людей об их опыте, отношениях, убеждениях и мыслях. \ «(стр. 21). Качественная оценка направлена ​​на понимание того, как люди понимают и воспринимают свое окружение или мир (Patton, 2002). Он узок по своему охвату, применим к конкретным ситуациям и опыту и не предназначен для обобщения на широкие ситуации.В отличие от количественного исследования, качественное исследование использует исследователя в качестве основного средства сбора данных (например, интервью, фокус-группы и наблюдения. Также, в отличие от количественного исследования, качественный подход носит индуктивный характер, что приводит к развитию или созданию теории. вместо проверки предвзятой теории гипотез (Паттон). В таком случае важно отметить, что при применении качественной методологии к оценке, основанной на результатах, вы не полностью используете индуктивный подход, потому что вы используете методологию для определения того, является ли предполагаемая результат был определен.Однако применение самих методов может дать очень богатые результаты для оценки, основанной на результатах.

    Данные для качественного анализа обычно являются результатом полевых исследований. Согласно Паттону (2002), во время полевых исследований исследователь проводит значительное количество времени в исследуемой или исследуемой обстановке. Как правило, фокусировка на нескольких методах, три типа результатов часто являются результатом качественного опыта работы на местах; интервью, наблюдения и документы.

    Каждый первичный тип качественных данных вносит уникальные и ценные взгляды на обучение учащихся в процесс оценивания, основанного на результатах.При использовании в комбинации создается более полная или целостная картина обучения учащихся.

    Интервью

    Интервью состоят из ряда открытых вопросов, ответы на которые дают информацию \ «об опыте, восприятии, мнениях, чувствах и знаниях людей \» (Паттон, 2002, стр.4). Часто встречаются устные беседы лицом к лицу с одним человеком; однако интервью можно также проводить с группой и проводить по почте, телефону или через Интернет (Upcraft & Schuh, 1996).Хотя вопросы и формат могут отличаться, важным компонентом любого интервью является «доверие и взаимопонимание с респондентами» (Upcraft & Schuh, стр. 32). Открытые вопросы также могут быть заданы студентам по завершении программы или мероприятия, чтобы получить быструю и немедленную обратную связь. В Университете Уайденер \ «вопросы, заданные до, во время и после презентаций {услуг по охране здоровья студентов}, позволили получить интерактивный опыт и средство контроля прогресса обучения \» (Bresciani et al., под давлением.

    Наблюдения

    Наблюдения, с другой стороны, не требуют прямого контакта с участником исследования или группой. Скорее, этот тип сбора данных вовлекает исследователя, предоставляющего богатые информацией описания поведения, разговоров, взаимодействий, организационных процессов или любого другого типа человеческого опыта, полученного посредством наблюдения. Такое наблюдение может быть либо участником, в котором исследователь фактически участвует в деятельности, беседах или организационных процессах, либо неучастником, в котором исследование остается вне деятельности, беседы или организационного процесса (Creswell, 1998). ; Дензин и Линкольн, 2000; Паттон, 2002).Для записи наблюдений можно использовать множество методов. Один из способов — делать записи во время наблюдения; Другой обычно используемый метод — это создание контрольного списка или критериев для использования во время наблюдения. Контрольный список или рубрика не только дает наблюдателю набор критериев для наблюдения, но также позволяет наблюдателю показать прогресс студента с течением времени и соотнести число с качественным процессом. В Государственном университете Северной Каролины, например,

    .

    В общей сложности 259 студентов, признанных виновными в нарушении {Кодекса поведения студентов}, получили листы с вопросами

    специально написано, чтобы соответствовать критериям развития проницательности и влияния на жизненные проблемы, как указано в обучении

    исход.Для рецензирования статей использовалась рубрика. Рубрика была создана на основе теории инсайта Мэри М. Мюррей (1995). В ее книге

    Artwork of the Mind, Мюррей описывает, как определять развитие проницательности посредством письма. Первоначально 20 работ были случайно отобраны в

    .

    протестировать рубрику. Рубрика изначально имела шкалу с тремя категориями; начало, развитие и достижение и шесть измерений на основе

    теория и практика.Всего было отобрано и рецензировано 22 статьи по рубрике. (Bresciani eit al., 2009).

    Общественный изотермический колледж (ICC) включил метод качественной оценки с использованием портфолио для профессионалов, завершающих процесс оценки. Хотя в этом конкретном примере внимание уделяется сотрудникам и отделам, использующим портфолио, этот метод оценки также обычно используется со студентами. На ICC

    сотрудников ежегодно выделяют время, чтобы поразмышлять над тем, что было изучено в ходе оценки, собрать соответствующие документы в портфолио и подвести итоги

    основных области изучения того, что мы называем «рефлексивными повествованиями».\ «Процесс систематический и постоянный с портфолио и рассказами

    представлен на рассмотрение различным администраторам в июне каждого года. (Bresciani et al., 2009.

    ).

    Документы

    Наконец, документы включают \ «письменные материалы и другие документы из организационных, клинических или программных документов; меморандумы и переписку; официальные публикации и отчеты; личные дневники, письма, художественные произведения, фотографии и памятные вещи; и письменные ответы на открытые обзоры \ «(Паттон, 2002, с.4). Публичные записи и личные документы — это две основные категории документов, которые можно использовать при оценке или исследовании результатов (Upcraft & Schuh, 1996). Выдержки из газет и журналов, записи о зачислении и хранении, а также судебные записи являются примерами личных записей. Оба типа документов могут улучшить общие данные, собранные в проекте оценки. Однако важно отметить, что подлинность документов должна быть определена до их использования для оценки (Creswell, 1998; Patton, 2992; Upcraft & Schuh, 1996).

    В дополнение к вышеупомянутым документам, многие специалисты по работе со студентами также используют портфолио, размышления студентов, отчеты или другие формы классных документов для сбора данных оценивания на основе результатов. Опять же, контрольные списки критериев или рубрики могут использоваться при анализе документов, чтобы определить, достигнуты ли результаты. Имейте в виду, что всякий раз, когда критерии используются с качественным методом, процесс индуктивного открытия уменьшается и, следовательно, является истинной природой качественной методологии.Тем не менее, документы являются богатым источником информации и служат отличной отправной точкой для любого оценочного проекта.

    ССЫЛКИ

    Bresciani, M. J. (в печати-а). Проблемы при реализации обзора программы оценки, основанной на результатах, в округе Калифорнийских общественных колледжей. Журнал исследований и практики общественного колледжа.

    Bresciani, M. J. (в печати-b). Введение в оценку, основанную на результатах; Сравнение подходов. Макклеллан и Дж. Стрингер (ред.), Справочник по управлению студентами (3-е изд.). Сан-Франциско; Джосси Басс.

    Bresciani, M. J. (в печати-c). Понимание препятствий на пути участия специалистов по делам студентов / услуг в оценке обучения и развития студентов на основе результатов. Журнал студента колледжа.

    Кресвелл, Дж. У. (1998). Качественный запрос и дизайн исследования: выбор из пяти традиций. Таузенд-Оукс, Калифорния: Сейдж.

    Дензин Н. и Линкольн Ю. (ред.). (2000). Справочник качественных исследований.Таузенд-Оукс, Калифорния: Сейдж.

    Маки, П. Л., (2004). Оценка для обучения: формирование устойчивых обязательств во всем учреждении Стерлинг, Вирджиния: Stylus.

    Паломба, К. А. и Банта, Т. В. (1999). Основы оценивания: планирование, внедрение и улучшение оценивания в высшем образовании. Сан-Франциско: Джосси-Басс.

    Паттон, M.Q. (2002). Качественные методы исследования и оценки. Таузенд-Оукс, Калифорния: Сейдж.

    Schuh, J.H., Upcraft, M.L., & Associates.(2001). Практика оценки по студенческим делам: инструкция по применению. Сан-Франциско: Джосси-Басс.

    Upcraft, M.L. И Schuh, J.H. (1996). Оценка в студенческих делах: руководство для практиков. Сан-Франциско: Джосси-Басс.

    Общий анализ мочи

    Определение

    Общий анализ мочи — это физическое, химическое и микроскопическое исследование мочи. Он включает в себя ряд тестов для обнаружения и измерения различных соединений, которые проходят с мочой.

    Альтернативные названия

    Внешний вид и цвет мочи; Обычный анализ мочи; Цистит — анализ мочи; Инфекция мочевого пузыря — анализ мочи; ИМП — анализ мочи; Инфекция мочевыводящих путей — анализ мочи; Гематурия — общий анализ мочи

    Как проводится анализ

    Требуется образец мочи.Ваш лечащий врач сообщит вам, какой образец мочи необходим. Два распространенных метода сбора мочи — это 24-часовой сбор мочи и чистый образец уловленной мочи.

    Образец отправляется в лабораторию, где исследуется:

    ФИЗИЧЕСКИЙ ЦВЕТ И ВНЕШНИЙ ВИД

    Как образец мочи выглядит невооруженным глазом:

    • Прозрачный или мутный?
    • Он бледный, темно-желтый или другого цвета?

    МИКРОСКОПИЧЕСКИЙ ВНЕШНИЙ ВИД

    Образец мочи исследуют под микроскопом по следующему адресу:

    • Проверьте наличие клеток, кристаллов мочи, цилиндров, слизи и других веществ.
    • Определите любые бактерии или другие микробы.

    ХИМИЧЕСКИЙ ВНЕШНИЙ ВИД (химический состав мочи)

    • Для определения содержания веществ в образце мочи используется специальная полоска (индикаторная полоска). На полоске есть подушечки с химическими веществами, которые меняют цвет при контакте с интересующими веществами.

    Примеры конкретных анализов мочи, которые могут быть выполнены для выявления проблем, включают:

    • Анализ мочи на эритроциты
    • Анализ мочи на глюкозу
    • Анализ мочи на белок
    • Определение уровня pH мочи
    • Анализ мочи на кетоны
    • Билирубин анализ мочи
    • Определение удельного веса мочи

    Как подготовиться к анализу

    Некоторые лекарства меняют цвет мочи, но это не признак болезни.Ваш врач может посоветовать вам прекратить прием любых лекарств, которые могут повлиять на результаты анализов.

    Лекарства, которые могут изменить цвет вашей мочи, включают:

    • Хлорохин
    • Железные добавки
    • Леводопа
    • Нитрофурантоин
    • Феназопиридин
    • Фенотиазин
    • Риттоин 91 Тест предполагает только нормальное мочеиспускание, дискомфорта нет.

      Почему проводится тест

      Анализ мочи можно сделать:

      • В рамках обычного медицинского осмотра для выявления ранних признаков заболевания
      • Если у вас есть признаки диабета или заболевания почек, или для наблюдения за вами, если вы проходят лечение от этих состояний
      • Проверить кровь в моче
      • Диагностировать инфекцию мочевыводящих путей

      Нормальные результаты

      Нормальная моча варьируется по цвету от почти бесцветного до темно-желтого.Некоторые продукты, такие как свекла и ежевика, могут окрашивать мочу в красный цвет.

      Обычно глюкоза, кетоны, белок и билирубин не обнаруживаются в моче. Следующие вещества обычно не обнаруживаются в моче:

      • Гемоглобин
      • Нитриты
      • Красные кровяные тельца
      • Белые кровяные тельца

      Нормальные диапазоны значений могут незначительно отличаться в разных лабораториях. Некоторые лаборатории используют разные измерения или тестируют разные образцы. Поговорите со своим врачом о значении ваших конкретных результатов теста.

      Что означают аномальные результаты

      Аномальные результаты могут означать, что у вас есть заболевание, например:

      • Инфекция мочевыводящих путей
      • Камни в почках
      • Плохо контролируемый диабет
      • Рак мочевого пузыря или почки

      Ваш врач может обсудить с вами результаты.

      Риски

      В этом тесте нет рисков.

      Рекомендации

      Добавить комментарий