Файл: Тиганов А.С. - Руководство по психиатрии (2 тома)Том 1.pdf

 результаты не могут быть абсолютно точными. Иными словами,

в каждом результате эпидемиологического исследования имеется статисти-

ческая ошибка. Величина ошибки находится в обратных отношениях с

численностью выборки: чем выборка больше, тем ошибка меньше. От ве-

личины ошибки зависит приемлемость результатов: если возможные коле-

бания показателя невелики, то результаты, очевидно, приемлемы; если они

слишком большие, то ценность результата чаще бывает сомнительной.

Статистическая ошибка связана с величиной, которая называется уров-

нем надежности результатов исследования. Если работа выполнена грамот-

но, то другие исследователи, повторяя ее на других выборках, скорее всего

получат примерно такие же показатели. Но в принципе может встретиться

выборка, в которой результат будет резко отличаться от остальных (на

гораздо большую величину, чем статистическая ошибка). Необходимо знать,

сколько может быть таких исключений. Показатель, характеризующий пос-

леднее, называется уровнем надежности (или просто надежностью) полу-

ченных результатов. Уровень надежности задается исследователем при пла-

нировании работы. Каков он должен быть, зависит от той области, в которой

осуществляется исследование. В биологии и медицине принято считать, что

достаточным является уровень надежности, равный 95 %, или 0,95 (именно

это означает часто встречающаяся в статьях статистическая формула р<0,05),

т.е. из каждьк 100 выборок резко отличающийся результат может получиться

не более чем в 5. Большая надежность требует значительного увеличения

материала и затрат труда, которые в медицине чаще всего не оправданы

(хотя и в медицинском исследовании надежность, равная 95 %, может быть

недостаточной).

Поскольку характеристики генеральной совокупности заранее неизвест-

ны, то нужно каким-то приемом добиться, чтобы в выборку попали те

больные и в том соотношении, которое нужно, а также следует правильно

определить ее численность. Первое достигается с помощью случайного

отбора, т.е. выбор наблюдений организуют так, чтобы все случаи имели

равные шансы попасть в создаваемую группу. Конкретных способов добить-

ся этого достаточно много. Можно, например, составить картотеку из всех

проживающих на данной территории больных, перетасовать ее и взять

нужное число карточек. Существуют "алфавитные" способы, базирующиеся

на том, что известна частота фамилий, начинающихся на ту или иную букву.

В группу отбирают нужное число лиц с соответствующими фамилиями. Этот

способ применяют при выборке из очень больших совокупностей (напри-

мер, из населения региона). Наилучшим для выбора наблюдений из срав-

нительно небольших совокупностей (например, пациенты больницы или

диспансера) представляется использование случайных чисел. По произволь-

ному и независимому от изучаемых характеристик принципу составляют

список всех больных (например, по алфавиту), нумеруют их фамилии по

порядку, и далее с помощью компьютера (или из таблиц случайных чисел,

имеющихся в большинстве руководств по статистике) получают столько

случайных чисел, сколько больных предполагается включить в выборку;

потом отбирают соответствующие номера из списка.

Определение численности выборки — отдельная и достаточно трудная задача.

Именно из-за ее трудности многие предпочитают брать заведомо очень большие

выборки, чтобы обеспечить репрезентативность наверняка. Крайний пример — не-

выборочное обследование, когда в список включают всех имеющихся больных, хотя

50 % или даже 25

 %

 больных тоже может быть достаточно. Если генеральная сово-

319

 невелика (например, выборы должны касаться только пациентов данного

отделения), то такой способ может оказаться наиболее приемлемым. Но если выводы

должны быть распространены на город или регион, то затраты труда на обследование

тысяч больных могут быть невозможными или неоправданными. Целесообразнее

затратить некоторое время на определение разумной численности выборки.

Для того чтобы объяснить, как это делается, придется вернуться к понятиям

статистической ошибки и уровня надежности результатов.

Ошибка относительных показателей (выраженных в процентах) рассчитывается

по формуле:

где m — ошибка, р — полученный показатель, п

 численность выборки. Из

этой формулы следует, что

Из формулы видно, что величина ошибки находится в обратной зависимости

от численности выборки. С одной стороны, чем меньше численность выборки, тем

ошибка больше, с другой — чем больше показатель р (т.е. чем больше доля случаев

с изучаемой особенностью), тем больше выборка. Иными словами, при планирова-

нии работы необходимо, исходя из некоторой рабочей гипотезы, представлять себе

обе величины. Если о них нет никакого представления, приходится провести не-

большое пробное обследование, чтобы установить их порядок (доли процента, целые

проценты, десятки процентов).

ОСНОВНЫЕ СТАТИСТИЧЕСКИЕ ПОКАЗАТЕЛИ

В процессе эпидемиологического анализа приходится постоянно опериро-

вать также такими статистическими понятиями, как интенсивные и экстен-

сивные показатели, средние величины и т.д.

Экстенсивный показатель

 — это доля определенного варианта того признака,

который в той или другой разновидности встречается во всех изучаемых случаях.

Обычно он выражается в процентах. Экстенсивные показатели взаимозависимы:

если в изучаемой группе психически больных (то, что все составляющие группу лица,

психически больные — это признак) случаи шизофрении (диагноз — вариант этого

признака) составляют 60

 то на прочие заболевания придется 40 %.

Интенсивный показатель

 — это мера частоты определенного признака среди тех

случаев, в которых этот признак может быть, а может и не быть. Если мы говорим,

что распространенность шизофрении среди населения составляет 1 на 1000, то это

интенсивный показатель. Он не зависит от других интенсивных показателей: среди

населения может быть сколько угодно больных с другими заболеваниями и здоро-

вых, а показатель распространенности шизофрении при этом не изменится.

Использование экстенсивных и интенсивных показателей зависит от задачи

исследования. Если нужно решить, как распределить имеющийся коечный фонд для

лечения пациентов разного возраста, то нужны экстенсивные показатели, характе-

ризующие возраст больных: сколько процентов среди них составляют дети, лица

среднего и лица пожилого возраста. Если же нас интересует, у кого чаще отмечаются

психические расстройства — у детей, людей старшего возраста или у стариков, то

экстенсивные показатели ничего не дадут: может случиться, что процент пожилых

среди пациентов будет очень высоким, потому что в городе значительную часть

населения составляют пожилые люди. Для решения этой задачи необходимы интен-

сивные показатели: сколько приходится больных на 1000 детского населения, на

320

Рис. 25. Типы статистического распределения количественных характеристик.

А — гауссовское (нормальное); Б — экспоненциальное. Объяснение в тексте.

1000 пожилого населения и на 1000 населения среднего возраста. Тогда сравнение

будет адекватным.

Средняя величина

 (точнее среднее арифметическое) — одно из самых частых

понятий, используемых в эпидемиологических исследованиях. Говорят о средней

длительности пребывания больного на койке, среднем числе посещений диспансера

в день, средней длительности ремиссий и о множестве других средних величин. Не

останавливаясь на вычислении среднего арифметического, рассмотрим вопрос о

содержательном значении средней величины.

Если утверждается, что, например, средний рост мужчины составляет 175 см,

то смысл этого утверждения очень глубок. Существует фундаментальная причина,

определяющая именно эту величину: рост — генетически обусловленный признак

(именно поэтому мужчины в среднем выше женщин).

Врач сталкивается с множеством подобных явлений. Это размеры и масса

живых существ, длительность пребывания больного на койке, количество препарата,

нужное для лечения определенного расстройства, и во всех этих случаях средняя

величина имеет совершенно четкий смысл: она указывает, что причина явления

определяет именно эту характеризующую его величину, а все отклонения от нее

определяются влиянием случайностей.

Статистическое распределение количественных характеристик отдельных слу-

чаев, относящихся к подобному явлению, всегда бывает так называемым

 гауссов-

ским, или нормальным

 (рис. 25). Если желательно использовать для характеристики

каких-то данных их среднюю величину, следует проверить, соответствует ли распре-

деление этих данных нормальному; если да, то применение средней величины

оправдано, она имеет смысл: именно средняя величина определяется основной

причиной изучаемого явления. Однако часто при такой проверке обнаруживается,

что данные распределяются иначе. В частности, длительность многих психопатоло-

гических состояний имеет экспонециальное (а не нормальное) распределение, ко-

торое свидетельствует о том, что количественная характеристика каждого отдельного

наблюдения случайна. Средняя величина в таких случаях не имеет содержания. Именно

поэтому в ядерной физике не употребляют понятие "среднее время распада ядер"

радиоактивного

 а говорят о "периоде полураспада", т.е. о времени, за которое

распадается половина всех имеющихся ядер. Подобно этому не следует характери-

зовать средними величинами и длительность психопатологических синдромов.

При эпидемиологических исследованиях часто сравнивают две выборки (или

более). При этом может возникнуть проблема их несопоставимости (например,

выборки очень различаются по возрастной структуре, что мешает решить поставлен-

ную задачу). В таких случаях помогает метод стандартизации

например, Н.А.Вигдорчиком (1945). Смысл этого метода заключается в том, что

искусственно устраняется различие между выборками по всем факторам, кроме

изучаемого.

С проблемой проверки достоверности статистических различий эпидемиолог

сталкивается всякий раз, когда сравнивает два показателя. Если в каждой из срав-

21 — 1160

321

ниваемых групп не меньше 20 наблюдений, то на этот вопрос отвечает критерий

Стьюдента (Т), вычисляемый по известной формуле:

1

где

 и

 — сравниваемые показатели,

 и

 — численность подвыборок.

Достоверным считается то различие, при котором разность между показателями

в определенное число раз больше, чем сумма их ошибок. Это число (Т) определяется

тем уровнем надежности, который принят в данном исследовании. При таком

условии число Т (критерий Стьюдента) должно быть больше 2. Если это так, то

различие считается достоверным: можно быть уверенным, что по крайней мере в 95

из 100 любых аналогичных выборок различие окажется примерно таким же (плюс-

минус ошибка).

Если сравниваемые группы маленькие (содержат менее 20 наблюдений), то для

проверки достоверности различий между ними метод Стьюдента непригоден. Поэ-

тому обычно стараются избегать слишком маленьких групп. Однако это не всегда

возможно, и тогда приходится применять так называемый точный метод Фишера.

С его помощью вычисляется не условный коэффициент (как при методе Стьюдента),

а величина вероятности, что полученный результат случаен. Если эта вероятность

меньше 0,025, то различие признается достоверным.

Вычисление критерия Стьюдента — вполне выполнимая задача, рассчитать же

вероятность случайного результата по методу Фишера труднее. Помогают специаль-

ные таблицы, в которых, зная численность изучаемых групп и различия между ними,

можно посмотреть, достоверны ли они [Генес B.C., 1967].

Различия, которые при проверке оказываются статистически недостоверными,

могут тем не менее иметь большое значение. Особенно часто это случается, когда

сравнивается ряд показателей, характеризующих, например, динамику какого-либо

процесса. Важным может оказаться не определение достоверности различий сосед-

них показателей, а закономерность их изменений. Закономерные изменения всегда

говорят о чем-то важном, независимо от того, достоверны ли различия между

составляющими ее показателями.

Анализируя изменения показателей, постоянно приходится думать, не законо-

мерны ли эти изменения. С распространением компьютерных технологий обработки

полученных данных эта задача стала простой. Например, программный пакет "Mi-

crosoft Excel" решает ее автоматически, подбирая к экспериментальным данным

линию тренда (определяя тенденцию их изменений) и указывая, насколько точно

она их описывает.

 * *

Одной из главных методологических проблем при организации эпиде-

миологических исследований в психиатрии является идентификация боль-
ных. Последняя при эпидемиологическом обследовании отличается от обыч-
ной клинической диагностики. Массовость материала заставляет эпидеми-
олога опираться на стандартные диагностические критерии. Это требование
вступает в очевидное противоречие со стремлением иметь как можно более

добротный в клиническом отношении материал. При компромиссном ре-

шении, которое приходится принимать, неизбежно в жертву приносится
либо стандартность диагностики, либо степень ее клинической
ности. Зарубежные авторы, как правило, жертвуют последним, отдавая
безусловный приоритет обеспечению сопоставимости материала разных
исследователей. Поэтому они уже много лет используют формальные

диагностические инструменты (опросники, шкалы, структурированные ин-

тервью и

322

 метод, описанный ранее и на протяже-

нии многих лет используемый в отделе эпидемиологии Научного центра

психического здоровья РАМН, характеризуется тем, что исследователи, при-

меняя его, отдают предпочтение клинической добротности материала, а это

затрудняет сравнение полученных результатов с данными зарубежных авто-

ров. Изложенные трудности идентификации больных могут быть, по-види-

мому, отчасти преодолены использованием

 поскольку эта между-

народная диагностическая система снабжена подробной методикой поста-

новки диагноза, обеспечивающей полную стандартность диагностики, без

изменения клинического содержания диагноза.

ВИДЫ ЭПИДЕМИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ

В

 начале этой главы упоминалось, что ранее существовало деление эпиде-

миологических исследований на описательные и аналитические. Такое де-

ление несколько устарело. Современные эпидемиологические исследования

скорее можно разделить на

 прикладные

 и

 теоретические (фундаментальные),

что соответствует классификации научных исследований в целом.

Хорошим примером прикладных эпидемиологических исследований в

психиатрии являются клинические испытания новых лекарственных пре-

паратов. Если они организованы по всем правилам, то представляют собой

образец грамотного эпидемиологического исследования, в котором соблю-

даются все необходимые процедуры по отбору групп и по обработке данных.

К прикладным может быть отнесено и выявление числа больных в регионе,

например в зависимости от мощности местной психиатрической службы.

Фундаментальные эпидемиологические исследования проводятся гораз-

до реже. Их результаты очень интересны, но, как при фундаментальных

исследованиях вообще, трудно сразу сказать, когда полученные знания

окажутся практически полезными.

К фундаментальным эпидемиологическим исследованиям могут быть

отнесены работы, посвященные изучению популяционных закономерностей

течения болезни (термин

 подчеркивает, что речь идет о

закономерностях, которые не могут быть обнаружены клиническим мето-

дом), а также работы, в которых была обнаружена связь между клиничес-

кими формами последовательно возникающих шизофренических приступов

[Шмаонова Л.М., Либерман Ю.И., Бунимович Л.А., 1982].

Граница между прикладными и фундаментальными исследованиями

достаточно условна, и бывает, что работы, выполняющиеся в качестве

прикладных, приводят к фундаментальным выводам (например, сравнение

многолетних и выполняющихся в разных странах исследований распростра-

ненности шизофрении позволило сделать вывод, что, вероятнее всего, это

генетически обусловленное заболевание). В 1964 г. Н.М. Жариков с соавт.

провели чисто прикладное предварительное исследование, цель которого

заключалась в том, чтобы сравнить контингенты психиатрических больниц

и диспансеров. Однако полученные данные привели к тому, что представ-

ление о шизофрении, как об очень тяжелом заболевании, существенно

изменилось.

Направления исследований могут быть выделены и в зависимости от

того, какая группа населения будет объектом изучения. Это могут быть

пациенты психиатрического или непсихиатрического учреждения (напри-

мер, поликлиники); больные с определенным заболеванием, проживающие

323

21*