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

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.

Процедура тестирования САН

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):

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.

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

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______

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:

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.

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.

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

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

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 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

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 — 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 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;

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.

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).

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).

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 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

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.

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 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.

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

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.

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.

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.

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

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

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 ^-й -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.

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).

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

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