Пояснительная записка Основная идея доказательной медицины, сложившейся в конце 80-х годов прошлого столетия в медицине и биологии, применение в практике только тех методов диагностики и лечения



Дата15.05.2016
Размер0.61 Mb.
ТипПояснительная записка




Составители:

И.М. Бертель, заведующий кафедрой медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет», кандидат физико-математических наук, доцент;

С.И. Клинцевич, доцент кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет», кандидат физико-математических наук, доцент;

А.В. Копыцкий, преподаватель кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет»;

Е.П. Наумюк, старший преподаватель кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет»

Рецензенты:

Кафедра медицинской и биологической физики учреждения образования «Белорусский государственный медицинский университет»;

С.В. Шушкевич, старший преподаватель кафедры экспериментальной и прикладной психологии учреждения образования «Гродненский государственный университет им. Я. Купалы»
Рекомендована к утверждению в качестве типовой:
Кафедрой медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет»

(протокол № 9 от 5 июня 2013 г.);


Центральным научно-методическим советом учреждения образования «Гродненский государственный медицинский университет»

(протокол № 9 от 26 июня 2013 г.);

Научно-методическим советом по специальности 1-79 01 05 «Медико-психологическое дело» Учебно-методического объединения по медицинскому образованию

(протокол № 1 от 19 сентября 2013 г.)



Пояснительная записка
Основная идея доказательной медицины, сложившейся в конце 80-х годов прошлого столетия в медицине и биологии, – применение в практике только тех методов диагностики и лечения, эффективность которых доказана на основе строгих научных принципов в результате клинических исследований. Одним из основных инструментов доказательной медицины является математическая статистика. В настоящее время статистическое описание и количественный анализ клинических явлений присутствует, как правило, во всех зарубежных и отечественных научных публикациях.

Учебная дисциплина «Математическая статистика в медицине» занимает важное место в системе подготовки врача по специальности 1-79 01 05 «Медико-психологическое дело», так как позволяет специалисту описывать группы объектов, достоверно выявлять различия между группами, классифицировать объекты и явления по их числовым характеристикам, по имеющемуся экспериментальному материалу, делать выводы об изучаемых объектах и предсказывать их поведение.

Учебная дисциплина «Математическая статистика в медицине» тесно связана с социальной психологией, биоорганической химией, психиатрией и наркологией. Статистика в учреждениях высшего медицинского образования является важной составной частью учебного процесса при подготовке специалиста, способного формулировать и решать задачи, находящиеся на стыке нескольких разделов естествознания.

Типовая учебная программа разработана в соответствии со следующими нормативными документами:

– образовательным стандартом высшего образования по специальности 1-79 01 05 «Медико-психологическое дело», утвержденным и введенным в действие постановлением Министерства образования Республики Беларусь от 30.08.2013 г. № 87;

– типовым учебным планом по специальности 1-79 01 05 «Медико-психологическое дело», утвержденным первым заместителем Министра образования Республики Беларусь 30.05.2013 г. (регистрационный № L 79-1-006/тип.).



Цели и задачи учебной дисциплины

Цель: сформировать у студентов знание основ грамотного применения статистических методов обработки результатов экспериментов и измерений в медико-психологических исследованиях; научить студента правильно интерпретировать встречающиеся в специальной литературе термины и результаты статистических исследований.

Задачи:

–  сформировать представление о принципах и методах математической статистики;

– научить планировать процесс сбора и статистической обработки экспериментальных данных;

– научить регистрировать, группировать и представлять экспериментальные данные;

–  овладеть методами анализа и обработки статистических данных для научных и практических целей;

– научить использованию компьютерных программ для группировки, анализа и обработки экспериментальных данных.



Структура типовой учебной программы по учебной дисциплине «Математическая статистика в медицине»:

1. Введение в учебную дисциплину «Математическая статистика в медицине».

2. Основы теории вероятностей.

3. Основы описательной статистики и выборочного метода.

4. Статистическая проверка гипотез.

5. Элементы корреляционного и регрессионного анализа.

6. Элементы дисперсионного анализа. Многомерные методы статистического анализа.

Требования к подготовке студента по окончании изучения учебной дисциплины

Студент должен знать:



основные понятия теории вероятности и математической статистики;

- статистические методы, применяемые в медицине;



уметь:

применять статистические методы сбора, описания и анализа медицинской информации;

- применять методы подтверждения или опровержения статистических гипотез;

- использовать современные программные средства для решения задач в области медицинской статистики;

владеть:

- статистическими методами сбора, обработки и анализа медицинской информации;

- компьютерными методами решения задач медицинской статистики.



Методы обучения

Основными методами обучения, адекватно отвечающими целям изучения данной учебной дисциплины, являются:

– объяснение и консультация;

– практические занятия;

– элементы проблемного обучения (учебно-исследовательская работа студентов;

– научно-исследовательская работа студентов (работа в студенческом научном обществе при кафедре).

На изучение учебной дисциплины «Математическая статистика в медицине» по специальности 1 79 01 05 «Медико-психологическое дело» отведено 164 часа. Из них 80 часов - аудиторных, в том числе лекций – 8 часов, практических занятий – 72 часа, самостоятельной работы 84 часа.

Форма текущей аттестации – дифференцированный зачет – 2 семестр.



Примерный тематический план


Наименование раздела (темы)

Количество часов аудиторных занятий

лекций

практичес

ких


1. Введение в учебную дисциплину «Математическая статистика в медицине»

-



2

2. Основы теории вероятностей

-

16

2.1. Основные понятия и теоремы теории вероятностей. Зависимые события, условная вероятность

-


4


2.2. Повторные независимые испытания

-

4

2.3. Дискретные и непрерывные случайные величины

-

4

2.4. Некоторые законы распределения дискретных и непрерывных случайных величин. Нормальное распределение

-


4


3. Основы описательной статистики и выборочного метода


2


10

3.1. Элементы описательной статистики

-

6

3.2. Выборочный метод

2

4

4. Статистическая проверка гипотез

2

22

4.1. Основные понятия статистической проверки гипотез

2

2


4.2. Параметрические критерии

-

4

4.3. Выявление различий в уровне исследуемого признака в независимых выборках

-

4


4.4. Оценка достоверности сдвига значений исследуемого признака

-

4


4.5. Критерии выявления различий в распределениях признака

-

4


4.6. Многофункциональные критерии

-

4

5. Элементы корреляционного и регрессионного анализа


2


12

5.1. Основы корреляционного и регрессионного анализа

2

2


5.2. Линейная корреляция

-

4

5.3. Непараметрические коэффициенты корреляции

-

6

6. Элементы дисперсионного анализа. Многомерные методы статистического анализа


2


10

6.1. Основы дисперсионного анализа

2

6

6.2. Многомерные методы и модели

-

4

Всего часов

8

72



Содержание учебного материала


1. Введение в учебную дисциплину «Математическая статистика в медицине»

Предмет и задачи теории вероятностей и математической статистики. Главная цель преподавания математической статистики. Значение математических методов обработки данных в медицине и психологии. Актуальность статистики. Методы статистики - фундамент доказательной медицины. Основные этапы обработки статистических данных.



2. Основы теории вероятностей

2.1. Основные понятия и теоремы теории вероятностей. Зависимые события, условная вероятность

Случайное событие, виды случайных событий. Классическое определение вероятности случайного события. Статистическое определение вероятности случайного события. Теорема сложения вероятностей несовместных событий. Теорема умножения вероятностей независимых событий. Зависимые события, условная вероятность. Теорема умножения вероятностей зависимых событий.



2.2. Повторные независимые испытания

Схема Бернулли. Формула Бернулли. Элементы комбинаторики. Локальная теорема Лапласа. Закон Пуассона.



2.3. Дискретные и непрерывные случайные величины

Дискретные и непрерывные случайные величины. Закон распределения дискретной случайной величины: ряд распределения, многоугольник распределения. Функция распределения дискретной случайной величины и её свойства. Числовые характеристики дискретных случайных величин и их свойства.



2.4. Некоторые законы распределения дискретных и непрерывных случайных величин. Нормальное распределение

Биномиальное распределение. Распределение Пуассона. Равномерное распределение. Нормальный закон распределения случайной величины (закон Гаусса). Нормальное стандартное распределение. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм».



3. Основы описательной статистики и выборочного метода

3.1. Элементы описательной статистики

Понятие переменной (признака) в психологии. Шкалы измерения в психологии. Измерения величин. Критерии измерений (критерий надёжности, критерий достоверности, критерий завершённости, критерий единственности). Точечный и интервальный ряды распределения. Графическое представление распределений: полигон, гистограмма, кумулята, коробковая диаграмма. Числовые характеристики измерений: меры центральной тенденции (мода, медиана, среднее, взвешенное среднее), характеристики вариации (размах, межквартильный размах, дисперсия, среднее квадратическое отклонение, коэффициент вариации), квантили распределения. Показатели асимметрии и эксцесса. Использование табличного процессора (Microsoft Excel, OpenOffice Calc) и статистической программы (SPSS, Statistica) для описательных статистик экспериментальных данных.



3.2. Выборочный метод

Задачи математической статистики. Генеральная совокупность и выборка.

Выборочные характеристики распределения. Точечные оценки характеристик генеральной совокупности. Нахождение доверительного интервала для оценки математического ожидания нормального распределения. Погрешности измерений. Оценка случайных погрешностей прямых измерений.

4. Статистическая проверка гипотез

4.1. Основные понятия статистической проверки гипотез

Статистическая гипотеза. Статистические критерии. Параметрические и непараметрические критерии. Ошибка первого рода. Уровень статистической значимости. Ошибка второго рода. Мощность критерия.



4.2. Параметрические критерии

F-критерий Фишера для сравнения дисперсий. t-критерий Стьюдента для сравнения средних. Использование статистической программы (SPSS, Statistica) для сравнения дисперсий и сравнения средних.

4.3. Выявление различий в уровне исследуемого признака в независимых выборках

Задачи выявления различий в уровне исследуемого признака. Алгоритм принятия решения о выборе критерия сравнения уровней признака. Q-критерий Розенбаума. Правила ранжирования. U-критерий Манна-Уитни. Н-критерий Крускала-Уоллиса. S-критерий тенденций Джонкира. Использование статистической программы (SPSS, Statistica) для выявления различий в уровне исследуемого признака в независимых выборках.



4.4. Оценка достоверности сдвига значений исследуемого признака

Задачи выявления сдвига значений признака. Алгоритм принятия решения о выборе критерия оценки достоверности сдвига значений признака. G-критерий знаков. T-критерий Вилкоксона. χ2r-критерий Фридмана. L-критерий тенденций Пейджа. Использование статистической программы (SPSS, Statistica) для оценки достоверности сдвига значений исследуемого признака.



4.5. Критерии выявления различий в распределениях признака

Задачи выявления различий в распределении признака. χ2-критерий Пирсона для сравнения эмпирического распределения с теоретическим. χ2-критерий Пирсона для сравнения эмпирических распределений. λ-критерий Колмогорова-Смирнова. Использование табличного процессора (Microsoft Excel, OpenOffice Calc) и статистической программы (SPSS, Statistica) для сравнения распределений.



4.6. Многофункциональные критерии

Биномиальный критерий. Многофункциональный φ*-критерий Фишера. Использование многофункционального φ*-критерия Фишера для сравнения выборок по уровню признака.



5. Элементы корреляционного и регрессионного анализа

5.1. Основы корреляционного и регрессионного анализа

Задачи выявления степени согласованности изменения признаков. Функциональная и статистическая зависимости. Понятие корреляционной связи. Направление, сила и форма корреляционной связи. Уравнение регрессии.



5.2. Линейная корреляция

Ковариация. Уравнение линейной регрессии. Коэффициент линейной корреляции Пирсона. Коэффициент детерминации. Использование табличного процессора (Microsoft Excel, OpenOffice Calc) и статистической программы (SPSS, Statistica) для расчета показателей корреляционной связи.



5.3. Непараметрические коэффициенты корреляции

Коэффициент корреляции рангов Спирмена. Расчет уровней значимости коэффициентов корреляции с помощью t-критерия Стьюдента. Коэффициент ассоциации Пирсона (коэффициент корреляции φ). Коэффициент корреляции τ-Кендалла. Бисериальный коэффициент корреляции. Рангово-бисериальный коэффициент корреляции. Использование статистической программы (SPSS, Statistica) для расчета непараметрических показателей корреляционной связи.



6. Элементы дисперсионного анализа. Многомерные методы статистического анализа

6.1. Основы дисперсионного анализа

Задачи дисперсионного анализа. Однофакторный дисперсионный анализ для несвязанных выборок. Однофакторный дисперсионный анализ для связанных выборок. Использование табличного процессора (Microsoft Excel, OpenOffice Calc) и статистической программы (SPSS, Statistica) для дисперсионного анализа.



6.2. Многомерные методы и модели

Многомерный регрессионный анализ. Факторный анализ. Кластерный анализ. Использование статистической программы (SPSS, Statistica) для многомерного регрессионного, факторного и кластерного анализа.


Информационно-методическая часть

Литература

Основная:

1. Сидоренко, Е.В. Методы математической обработки в психологии / Е.В. Сидоренко. - СПб: Речь, 2001. – 350 с.

2. Ермолаев, О.Ю. Математическая статистика для психологов / О.Ю. Ермолаев. - М: Флинта, 2002. – 335 с.

3. Наследов, А.Д. Математические методы психологического исследования. Анализ и интерпретация данных. Учебное пособие.—Спб.: Речь, 2004 — 392 с.



Дополнительная:

4. Иванов, О.В. Статистика / Учебный курс для социологов и менеджеров. Часть 1. Описательная статистика. Теоретико-вероятностные основания статистического вывода. – М. 2005. – 187 с.

5. Лобоцкая, Н.Л. Высшая математика / Н.Л. Лобоцкая, Ю.В. Морозов, А.А. Дунаев. - Мн: Вышэйшая школа, 1987. – 319 с.

6. Медик, В.А. Математическая статистика в медицине / В.А. Медик, М.С. Токмачев. - М: Финансы и статистика, 2007. – 800 с.

7. Гусев, А.Н. Дисперсионный анализ в экспериментальной психологии / А.Н. Гусев. - М: Психология, 2000. – 136 с.

8. Иванов, В.С. Основы математической статистики. Учебное пособие для институтов физической культуры / В.С. Иванов. - М: Физкультура и спорт, 1990. – 174 с.


Методические рекомендации по организации и выполнению самостоятельной работы студентов

Содержание и форма самостоятельной работы студентов разрабатывается (или выбирается и адаптируется) учреждениями высшего образования и кафедрами в соответствии с целями и задачами подготовки специалистов.

Самостоятельная внеаудиторная работа заключается в изучении основной и дополнительной литературы, монографий и периодической литературы, подготовке сообщений, рефератов, кратких докладов по наиболее актуальным проблемам математической статистики в медицине.
Перечень рекомендуемых средств диагностики

Оценка учебных достижений студента осуществляется с использованием фонда оценочных средств и технологий учреждения высшего образования.

Фонд оценочных средств учебных достижений студента включает:

- типовые задания в различных формах (устные, письменные, тестовые, ситуационные и т.п.);

- учебно-исследовательские работы студентов.

Фонд технологий контроля обучения включает:

- устный опрос;

- компьютерное тестирование;

- решение ситуационных задач;

- итоговые занятия;

- защиту реферата по теме учебной программы учебной дисциплины;

- текущую аттестацию по окончании изучения учебной дисциплины с применением устной, письменной, тестовой и иных методик контроля обучения.



Сведения об авторах (разработчиках) учебной программы

Бертель Иван Михайлович

Заведующий кафедрой медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет», кандидат физико-математических наук, доцент

 служебный

8-0152 43 46 42

E-mail:

ivan_bertel@mail.ru




Клинцевич Станислав Иванович

Доцент кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет», кандидат физико-математических наук, доцент

 служебный

8-0152 43 46 42

E-mail:

ksi@grsmu.by




Копыцкий Андрей Витальевич

Преподаватель кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет»

 служебный

8-0152 43 46 42

E-mail:

andrey_cop@mail.ru




Наумюк Елена Петровна

Старший преподаватель кафедры медицинской и биологической физики учреждения образования «Гродненский государственный медицинский университет»

 служебный

8-0152 43 46 42

E-mail:

naumjuk@mail.ru




Каталог: dadvfiles
dadvfiles -> Рекомендована к утверждению в качестве типовой
dadvfiles -> Рекомендована к утверждению в качестве типовой
dadvfiles -> Составители
dadvfiles -> Рекомендована к утверждению в качестве типовой
dadvfiles -> Составители
dadvfiles -> СоставителИ: М. А. Ассанович
dadvfiles -> Рекомендована к утверждению в качестве типовой
dadvfiles -> Пояснительная записка Психиатрия и наркология учебная дисциплина, включающая в себя теоретические и прикладные вопросы диагностики, лечения, профилактики и социальной реабилитации лиц
dadvfiles -> Составитель: М. А. Ассанович
dadvfiles -> Рекомендована к утверждению


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©dogmon.org 2017
обратиться к администрации

    Главная страница