Предложения зарубежных исследователей

о важных методах статистического анализа

  Начиная с 2010 года зарубежные исследователи по медицине, биологии, и многим иным направлениям, чаще стали обращаться по своим просьбам статистического анализа в наш НЦ БИОМЕТРИКА. Которые затем часто и упоминают о нас в своих статьях. И поэтому для проведения нами статистического анализа они как раз и поддерживают использование предлагаемых им многих сложных многомерных методов анализа. А также использовать для них и многие стандартные парные методы статистического анализа, но уже по более глубоким аспектам. И получая результаты этих сложных методов статистического анализа, эти исследователи как раз и осознают реально сложными свои технологии. Что и позволяет им обнаруживать и устанавливать детали новых улучшений своих технологий. Далее представлен перевод и оригинал такого мнения учёного из Италии.

__________________________________________________________

Считаю очень полезной для моей работы по гематологии результаты статистического анализа.

Кепес Сергей, г. Рим из Италии.

E-mail: ks_kaz35g@yahoo.com

 В медицине я врач-гематолог, и вместе с коллегами устанавливаем многие разные значения по анализам крови у наших пациентов. Что нам и позволяет устанавливать реальные состояния наших больных пациентов. Для чего и фиксируем по каждому пациенту значения гемоглобина, эритроциты, тромбоциты, лейкоциты, эозинофилы, базофилы, лимфоциты, и много иные значения. Как врач-гематолог я занимаюсь проведениями по анемии, лимфома, миелолейкоза и лимфолейкоза. Производя этим больным пациентам антибактериальное лечение, лучевую терапию, химиотерапию, и т.д.

     Известно, что подобные заболевания у всех наших больных содержатся действительно сложными состояниями. Поэтому мы с коллегами и считаем, что для расширения методов лечения нам и нужно иметь много полезных результатов статистического анализа. Причём именно по всем разным анализируемым признакам этих наших больных. То есть не только по признакам анализа их крови, но и по многим иным количественным признакам. Вот почему я и выслал Вам Леонов В.П., в своей базе данных эти 21 количественных признаков.

   А в высланной для меня Вами три варианта "Программа статистического анализ", по моей базе данных, Вами были введены 63 новых сложных вариантов по всем этим количественным признакам. Польза предлагаемых Вами для статистического анализа всех 21+63=84 количественных признаков, стали мне понятны по высланным кратким пробным методам статистического анализа.

   А кроме исходных количественных признаков в моей базе данных мы с коллегами использовали 23 группирующих признаков. А Вы, Леонов В.П с вашими коллегами НЦ БИОМЕТРИКА, использовали пробные методы кластерного анализа как по количественным, так и по этим группирующим признакам. Почему Вы и добавили в мою базу данных ещё и 3 новых группирующих признаков. А в высланных мне три варианта "Программа статистического анализ" содержат эти группировки по кластерам. В высланных мне пробных методах анализа представлены графики, которые и определяют весьма реальные различия этих больных. Во почему я и выбрала для себя самую большую по объёму "Программа статистического анализ", в которой был введён 21 БЛОК методов анализа, и 126 пунктов.

  Итак, эти БЛОКИ "Программы" содержали много разных методов статистического анализа. Например, проверка нормальности распределения, корреляционный анализ, факторный анализ, дискриминантный анализ, анализ сопряжённости таблиц, сравнения групповых параметров, логистическая регрессия, и т.д. Разные методами корреляционного анализа как раз и позволяли выбирать именно важные результаты парных связей в отдельных группах. Поскольку проверка наличия нормального распределения всех количественных признаков и во всех разных подгруппах, как раз и устанавливала отсутствие именно нормального распределения.

   Также при уровне отсутствия нормального состояния, при сравнении параметров между некоторыми подгруппами, чаще всего основными значениями были не сравнения средних, а именно иных параметров. А при наличии более двух подгрупп, например 3 подгруппы, или 4 подгруппы, и т.д., всегда производилась проверка и всех парных вариантов. Типа сравнения подгрупп 1-2, 1-3 и 2-3, или 1-2, 1-3, 1-4, 2-3, 2-4, и 3-4.

 Самые важные результаты групповых сравнений устанавливались именно методом логистической регрессии. И по таким пунктам анализа получались от 27 полученных вариантов, и до 36 полученных вариантов. И из таких вариантов этих уравнений нужно было выбирать по несколько самых важных вариантов. Что и позволяло мне устанавливать несколько важнейших состояний крови этих сравниваемых состояний больных. Что и можно осозновать, как же изменять эти признаки в лучших состояниях у конкретных пациентов по гематологии. 

________________________

Trovo i risultati dell'analisi statistica molto utili per il mio lavoro in ematologia.

Kepes Sergey, Roma dall'Italia.

E-mail:ks_kaz35g@yahoo.com

     In medicina, sono un ematologo e insieme ai miei colleghi stabiliamo molti valori diversi per gli esami del sangue nei nostri pazienti. Questo ci permette di stabilire il reale stato dei nostri pazienti malati. Per questo, fissiamo i valori di emoglobina per ogni paziente, eritrociti, piastrine, leucociti, eosinofili, basofili, linfociti e molti altri valori. Come ematologo, mi occupo di anemia, linfoma, leucemia mieloide e leucemia linfocitica. Fornendo a questi pazienti malati un trattamento antibatterico, radioterapia, chemioterapia, ecc.

    E noto che tali malattie in tutti i nostri pazienti contengono condizioni davvero complesse. Pertanto, io e i miei colleghi crediamo che per espandere i metodi di trattamento, abbiamo bisogno di molti risultati utili di analisi statistica. Inoltre, e per tutti i diversi segni analizzati di questi nostri pazienti. Cioe, non solo sulla base dell'analisi del loro sangue, ma anche su molti altri segni quantitativi. Ecco perche ti ho inviato VP Leonov, nel mio database questi 21 segni quantitativi.

    E nelle tre versioni "Programma di analisi statistica" che mi hai inviato, secondo il mio database, hai introdotto 63 nuove versioni complesse per tutte queste caratteristiche quantitative. I vantaggi di tutte le 21 + 63 = 84 caratteristiche quantitative offerte da te per l'analisi statistica, mi sono diventati chiari dai metodi di prova brevi di analisi statistica inviati.

    E oltre alle caratteristiche quantitative originali nel mio database, io e i miei colleghi abbiamo utilizzato 23 funzionalita di raggruppamento. E tu, V.P. Leonov, con i tuoi colleghi del Centro Scientifico di BIOMETRIC, hai usato metodi di prova di analisi dei cluster sia in termini di caratteristiche quantitative che di raggruppamento. Perche hai anche aggiunto 3 nuovi segni di raggruppamento al mio database. E nelle tre versioni che mi sono state inviate, "Programma di analisi statistica" contiene questi raggruppamenti per cluster. Nei metodi di analisi di prova che mi sono stati inviati, vengono presentati grafici che determinano le differenze molto reali tra questi pazienti. Ecco perche ho scelto per me il piu grande in termini di volume "Programma di analisi statistica", in cui sono stati introdotti 21 BLOCCHI di metodi di analisi e 126 punti.

    Quindi, questi "programmi" di BLOCCHI contenevano molti metodi diversi di analisi statistica. Ad esempio, controllo della distribuzione normale, analisi di correlazione, analisi fattoriale, analisi discriminante, analisi di contingenza della tabella, confronto di parametri di gruppo, regressione logistica, ecc. Diversi metodi di analisi della correlazione hanno permesso di selezionare esattamente i risultati importanti delle relazioni di coppia nei singoli gruppi. Dal momento che si e verificata la presenza di una distribuzione normale di tutte le caratteristiche quantitative e in tutti i diversi sottogruppi, si e stabilita proprio l'assenza di una distribuzione normale.

    Inoltre, a livello di assenza di uno stato normale, quando si confrontano parametri tra alcuni sottogruppi, molto spesso i valori principali non erano confronti di medie, ma altri parametri. E se c'erano piu di due sottogruppi, ad esempio 3 sottogruppi o 4 sottogruppi, ecc., tutte le opzioni abbinate venivano sempre selezionate. Tipo di confronto dei sottogruppi 1-2, 1-3 e 2-3 o 1-2, 1-3, 1-4, 2-3, 2-4 e 3-4.

    I risultati piu importanti dei confronti di gruppo sono stati stabiliti proprio con il metodo della regressione logistica. E per tali punti di analisi, sono state ottenute 27 opzioni ricevute e fino a 36 opzioni ricevute. E da tali varianti di queste equazioni e stato necessario scegliere alcune delle varianti piu importanti. Il che mi ha permesso di stabilire alcune condizioni piu importanti del sangue di queste condizioni confrontate dei pazienti. Cosa si puo capire, come modificare questi segni nelle migliori condizioni in pazienti specifici in ematologia.

Хорошая книга:

Д. Химмельблау. Анализ процессов статистическими методами.

В.С. Степин, В.Г. Горохов, М.А. Розов. Философия науки и техники.

Основатели биометрики

Френсис Гальтон (16.02.1822-17.01.1911)

Вальтер Уэлдон (15.03.1860-13.04.1906)

Карл Пирсон (27.03.1857-27.04.1936)

Оптимизировано для разрешения 1024х768 в Mozilla Firefox, Opera.