Лекция № 1

Тема: Введение в науку «Общественное здоровье и организация

здравоохранения»
1.Модель технологии преподавания
Время занятия -2часа Число студентов до 60
Форма занятия Вводное,информационное занятие.
План занятия: Краткая аннотация занятия: История развития
Введение науки общественное здоровье и организация
Основная часть здравоохранения, её нынешнее состояние
Заключение
Цель занятия Цель- изучать цели и задачи данной науки.
Методы преподавания Показательная лекция, беседа
Формы преподавания Коллективно
Средства преподавания Учебное пособие, учебник, лекционный
материал, проектор, компьютер
Условия преподавания Методически оснащенная аудитория
Мониторинг и оценка Устный надзор: вопрос-ответ

1.2 Технологическая карта лекционного занятия.

Этапы работы и Преподаватель Студенты

время
Подготовительны 1.Подготовка к занятию Слушают,
й этап 2.Подготовит слайды презентации пишут
(10 минут) 3.Подготовит список литературы для
изучения предмета
Вводная часть(15 1.Ознакомит с целью и задачами Слушают,
минут) занятия отвечают на
2.Задает вопросы по теме заданные
вопросы
Основная Объясняет тему, показывает Слушают,
часть(55минут) мультимедию пишут
Заключительная 1.Делает заключительный вывод Слушают,
часть(10 минут) 2.Задает самостоятельную работу пишут
3.Задает домашнее задание

Текст лекции
В настоящее время большое развитие получило математическое выражение
закономерности во всех областях знаний, в том числе в биологии и
медицине»
Внедрение математики в биологию, было связано с переходом от
описательного метода изучения явлений жизни кэкспериментальному.
Эксперимент требовал неизбежно количественной оценки явлений и
процессов. Поэтому развитие физиологии, генетики, радиобиологии и других
 областей экспериментальной биологии повлекло за собой разработку
многочисленных математических приемов и методов исследования.
От математики же статистика отличается именно тем, что изучает
количественные закономерности материальных явлений, имеющих
определенные качественные характеристики. Характерной особенностью
статистики является применение ее для изучения массовых, а не единичных
явлений
Статистика находит широкое применение и в медицине при определении
показателей здоровья и здравоохранения, в клинике и экспериментов.
Медико-биологическая статистика является основным методом
социальной гигиены и организации здравоохранения. Медицинская
статистика широко используется при изучении вопросов, связанных с
медициной , гигиеной и здравоохранением.
В медицинской статистике различают три основных раздела:
I . Теоретические и методические основы медицинской статистики. Этот
раздел занимается разработкой и внедрением новых методов и теорий
статистики.
2. Статистика здоровья населения - занимается изучением показателей,
характеризующих здоровье населения.
3. Статистика здравоохранения - занимается изучением деятельности
медицинских учреждений.
Основные задачи медицинской статистики:
1.Изучение распределения рождаемости, смертности, физического
развития по составу, численности населения.
2.Изучение влияния внешних факторов на заболеваемость и смертность
населения (Например; экология, авария на Чернобыльской АЭС, проблема
Арала, пестициды и т.п.).
3.Изучение деятельности санитарно-профилактических учреждений.
4. Анализ эффективности новых методов лечения и профилактики.
5. Оценка эффективности клинических,экспериментальных и
лабораторных методов работы.
Основной особенностью медико-биологической статистики является то, что
она имеет дело не с единичными явлениями или объектами, а с множеством,
с совокупностями. Каждое отдельное явление взятое само по себе
представляется случайным, но взятое в массе, они обнаруживают
определенные, так называемые статистические закономерности. Вот почему
можно предсказать результаты для массового явления в целом. В отношении
же каждого единичного случая приходится говорить только об известной
возможности или вероятности.
Например: Известно, что мальчики рождаются чаще, чем девочки
(на 100 девочек - 104-106 мальчиков, однако, если взять отдельную семью эта
закономерность может не проявиться. Все же можно сказать с какой-то
степени вероятности проявления этого явления .
Таким образом, только при определенном, достаточно большом количестве
наблюдений можно выявить определенную закономерность.
Изучение тех или иных явлений с применением статистических
методов требует от врача прежде всего умелого подхода к выбору объекта
исследования (так называемой статистической совокупности).
В биологической статистике под статистической совокупностью
понимают группу состоящую из большого числа относительно однородных
элементов (единиц наблюдения), взятых вместе в известных границах
времени и пространства.
Статистическая совокупность состоит из отдельных единичных
наблюдений, однако это не простая механическая их сумма, а социальным
способом сформулированная группа. Эта группа или иначе статистическая
совокупность отбирается по специальным признакам, зависящим от цели
исследования.
Так, например: необходимо оценить уровень заболеваемости
гипертонической болезнью у женщин-учителей за 2018-2020г.г, Вданном
случае эта совокупность будет отбираться по таким признакам как пол,
профессия. А такие признаки как возраст женщин, рост, вес, уровень
гемоглобина и пр. учитываться не будет.
Таким образом все признаки делятся на 2 группы:
1. Объединяющие или учитываемые признаки, на примере это пол и
профессия.
2. Разъединяющие (возраст, рост, вес и пр.).
По характеру же учитываемые признаки делятся на :
1. Атрибутивные (качественные) признаки выраженные словесно (пол,
профессия, исход лечения, место жительства и т.п.).
2. Количественные, выраженные числом (рост, масса тела, уровень
гемоглабина в крови и т.п.).
По роли в совокупности признаки делятся на :
1. Факторные - это признаки, под влиянием которых изменяются другие,
зависящие от них признаки.
2.Результативные - признаки, изменяющиеся под влиянием факторных.
Например: возраст и рост, рост и вес (до определенного возраста) метод
лечения и исход заболевания и т.д. Соответственно, Вы уже понимаете, что
к результативным можно отнести исход заболевания, рост, вес, а к
факторным метод лечения, возраст.
Каждая статистическая совокупность может рассматриваться как
генеральная или как выборочная. Генеральная совокупность состоит из всех
единиц наблюдения, которые могут быть к ней отнесены в соответствии с
целью исследования. Например: здоровье людей редкой профессии
(космонавтов), население какого-либо города, района. Генеральная
совокупность может быть ограничена не только городом, районом, но и
полом, возрастом, профессией: рабочие в возрасте старше 50 лет и т.д.
Таким образом, в зависимости от цели и задач изменяются границы
генеральной совокупности.
 Однако часто невозможно образовать для изучения генеральную
совокупность, трудно провести анализ всех единиц наблюдения, даже
нецелесообразно затрачивать столько сил и средств на сбор такого
количества наблюдений, когда выводы можно получить, изучая
определенную часть статистической совокупности - или выборочную
совокупность.
Выборочная совокупность - это часть генеральной совокупности, отобранная
специальным методом и предназначенная для характеристики генеральной
совокупности.
Выборочная совокупность должна быть репрезентативной, т.е. в
отобранной части должны быть представлены все элементы и в том
соотношении, как в генеральной совокупности.Иными словами, выборочная
совокупность должна отражать свойства генеральной совокупности, т.е.
правильно ее представлять.
Для обеспечения репрезентативности разработаны специальные
правила отбора, которые осуществляются согласно двум основным тре-
бованиям:
1. Во-первых, выборочная совокупность должна обладать основными
характерными чертами генеральной совокупности, т.е. быть на нее
максимально похожей.
2. Во-вторых, выборочная совокупность должна быть достаточно по
объему (числу наблюдений).
Только при достаточном количестве наблюдений результаты
полученные на выборочной совокупности можно переносить на генеральную
совокупность и выявить общую закономерность.
Групповые свойства статистической совокупности.
Необходимо знать, что статистическая совокупность в отличии от
отдельных единиц наблюдения имеет особые, только ей присущие
свой ства, к числу которых относят:
1. Характер распределения изучаемого явления.
2. Средний уровень, который дает обобщающую характеристику
изучаемому явлению.
3. Разнообразиеединицнаблюдения, составляющихсовокупность.
4 . Взаимосвязь междуизучаемыми признаками.
5.Репрезентативность.
Понятие о теории вероятностей и закон больших чисел. Теоретическое
обоснование выборочному методу дает математическая теория вероятностей и
закон больших чисел.
На практике часто приходится встречаться с вероятностями, большими или
малыми и что ответить на многие вопросы можно только зная некоторые,хотя
бы самые элементарные положения теории вероятности.
Что же такое вероятность? Это возможность осуществления определенного
события вне котором количестве случаев из общего числа возможных или иначе
говоря степень уверенности в том, что событие произойдет.
Вероятность можно выразить математически во следующей формуле
 Р = m | n где где m - число наступивших событий
n -число всех возможных случаев
Не трудно понять, что в противоположность наступившего события существует
альтернативное-вероятность отсуствия события, которая обозначает:

Р + g = I сумма вероятностей противоположных событий равна1,а вероятность жe

наступления события находится в пределахот 0 до 1
ИЛИ Q = 1- P
Чем ближе вероятность события к1,тем вероятнее событие и наоборот,чем ближе
Р к 0 тем наступление события менее вероятно.
Теория вероятностей обосновывает законбольших чисел/открытый математиком
Яковом Бернулли(1654-1705)
Закон больших чисел имеет два важнейших положения:
1.По мере увеличения числа наблюдений результаты исследования,
полученные на выборочной совокупности, стремятся воспроизвести данные
генеральной совокупности.
2.При достижении определенного числа наблюдений в выборочной
совокупности результаты исследования будут максимально приближаться
к данным генеральной совокупности.
Для иллюстрации закона больших чисел был приведен следующий опыт.
Был взят ящик, где в урне находилось некоторое количество белых и
черных шаров. Ставится задача определить долю белых шариков
(соотношение неизвестно). Шары вынимают, регистрируют и
возвращают в ящик. Эта операция осуществляется сериями с разным
числом наблюдений 10, 20, 50 и т.д.Проводя такие выборочные
наблюдения определяют долю белых шаров в каждой выборочной
совокупности. Обозначим долю белых шаров буквой Р. Результаты
опыта представлены данной таблице:
№ Число Вынуто белых шаров P1-P=m
совокупности наблюдений
Абсолютное Доля (ошибка
число (P1) репрезентативности)
1 10 0 0 0-0.21=-0.21
 2 20 5 0.25 0.25-0.21=+0.4
3 20 8 0.4 0.4-0.21=+0.19
4 50 9 0.18 0.18-0.21=-0.03
5 75 15 0.2 0.2-0.21=-0.01
6 100 20 0.2 0.2-0.21=-0.01
7 250 50 0.2 0.2-0.21=-0.01
Как видно из таблицы, по мере увеличения числа наблюдений примерно с 75
вынутых шариков и более результаты становятся все более устойчивее и
можно считать, что удельный вес белых шариков составляет 0,2.
Вскрываем ящик и подсчитываем фактическое число белых и черных
шариков. Из оказалось 63 белых и 237 черных, следовательно, доля белых
составила 0,21 - это истинный результат, т.к. взята генеральная совокупность
Для характеристики статистической совокупности используют так
называемые абсолютные и относительные величины.
Абсолютные числа имеют ограниченное познавательное значение, хотя
сами по себе несут важную информацию о размере того или иного
явления (количество больных, умерших, родившихся) ими можно
пользоваться при характеристике редко встречающихся явлений .
Основной недостаток абсолютных чисел в том, что их нельзя применять
для сравнения; сравнивать размеры двух явлений или изучать
изменение этих явлений во времени. Для этого необходимо абсолютные
числа, выражающие эти размеры, преобразовать в относительные вели-
чины.
Например: В рай оне "К" в 2018 г. было зарегистрировано 50 случаев
вирусного гепатита. В 2019 г. в этом же рай оне было зарегистрировано
70 случаев гепатита. Но в 2018 г. население рай она "К" составляло 40
ООО человек, а в 2019 г. 60 ООО человек. Для сравнения заболеваемости
гепатитом необходимо преобразовать эти абсолютные числа в
относительные, путем пересчета заболеваемости на 10 ООО человек
Итак: 2018 г. 2019 г.
40 ООО - 50 60 ООО - 70
10 ООО - х 10 ООО – х
x = 50 × 10000 = 12, 5% x = 70 × 10000 = 11,1%
40000 60000
Отсюда видно, что заболеваемость вирусным гепатитом в 2018 г. составляла
на каждые 10000 человек - 12,5, а в 2019 г. на 10 ООО – 11,1
Таким образом для правильного и точного вывода необходимо использовать
относительные величины. Они рассчитываются путем отношения (деления)
одной абсолютной величины на другую и полученную дробь умножают на
100, 1000, 10000 и т.д. Соответственно этому относительные величины могут
быть выражены в процентах ,промилле ( % о ) или продецимилле( % о о ) и т.д.
Различают следующие виды относительных величин:
1. Экстенсивный показатель.
2. . Интенсивный показатель.
3. Показатели соотношения.
4. Показатели наглядности.
Экстенсивный показатель - это показатель распределения, характеризует
отношение части к целому и выражается в процентах.
Э. П. = абсолютный размер части явления
абсолютный размер явления в целом
Например: для вирусного гепатита или кори (в %) среди всех инфекционных
заболеваний.
Интенсивный показатель - или показатель частоты, распространенности,
характеризует частоту явления в той среде, где мы это явление наблюдаем.
Явление представляет собой как бы продукт среды. Например: больные
(среда) и умершие из их числа (явление), студенты (среда) изаболевшие
гриппом из их числа (явление).
И. П. = абсолютный размер явления × 100, 1000, 10000
абсолютный размре среды(продуцирующий данное явление)
Показатель соотношения - характеризует соотношение двух, не связанных
между собой совокупностей.
П. С. = абсолютный размер явления × 100, 1000, 10000
абсолютный размер среды (не продуцирующий данное явление)
Показатели наглядности - учитывают, на сколько процентов или во
сколько раз произошло увеличение или уменьшение сравниваемых величин.

П. Н. = явление
такое же явление из ряда сравниваемых,принятое за 1 или 100
Теперь рассмотрим на примере вычисление относительных величин.
В районе "К" в 2019 г . было зарегистрировано 900 случаев за-
болеваний. Численность населения района 45000 человек. Из числа
зарегистрированных заболеваний 450 составляет грипп, 300 случаев - гепатит,
100 заболеваний пищеварительного тракта, 50 - травматизм. В 2018 г. в
районе число коек - 200, в 2019г . -250 коек.
По представленным данным необходимо вычислить возможные от-
носительные показатели.
И. П. = явление × 100 = 900 × 1000 = 20%
среда 4500
Э. П. = часть явления × 100
 Явление в целом
ЭП (грипп) = 450 × 100 = 50%
900
ЭП (гепатит) = 300 × 100 = 33.3%
900
ЭП (заб.пищев.тракта) = 100 × 100 = 11.
900
ЭП (травм) = 50 × 100 = 5.6%
900
П.С. (2011 г.) = 200 × 1000 = 4.4%
45000
П.С. (2012г.) = 250 × 1000 = 5.5%
45000
П.Н. = 250 × 100 или 250 = 1.25 раз
200 200

Оценка взаимосвязи между явлениями и признаками.

Все явления и процессы, совершающиеся в природе и обществе
взаимосвязаны и взаимообусловлены. В социальной гигиене и
организации здравоохранения, в различных разделах медицины и
биологии часто приходится проводить статистический анализ
всевозможных признаков в совокупности.
Различают все формы проявления связей между явлениями или
процессами:
1. функциональная связь.
2. корреляционная связь.
При функциональной связи каждой отдельной величине соответствует
определенная взаимосвязанная с ней другая величина, изменение одной
величины строго ведет к изменению другой величины.
Так например: с изменением радиуса меняется площадь круга или
увеличением температуры нагрева увеличивается объем тела и т.д.
тональная связь характерна для физико-химических процессов.
При корреляционной связи одной величине признака соответствует
несколько других значений другого взаимосвязанного с ним признака,
варьирующих около своей средней .
Примером корреляционной связи может служить зависимость веса тела
от его роста. У группы лиц с одинаковым ростом наблюдаются раз-
личные колебания массы тела, при этом на величину веса влияет не
только рост человека, влияет также питание; состояние здоровья, нерв
но-психическое состояние и т.д. Однако эти колебания весьма
варьируют в определенных размерах вокруг своей средней величины.
 Другой пример: при одинаковой температуры тела у различных людей
наблюдаются индивидуальные колебания частоты сердечных сокра-
щений , варьирующие вокруг своей средней .
Важно отметить, что корреляционная связь проявляется лишь в массе
наблюдений , т.е. в совокупности.
Используя методы корреляции, важно помнить о возможности измерять
связь между различными признаками только лишь в качественно од-
нородной совокупности нельзя, например, сопоставлять рост и массу
тела людей , состоящих из лиц разного пола и возраста.
Корреляция - латинское слово, означающее взаимосвязь, взаимо-
зависимость.

1-5 6-хО 11-15 16-20 20

Корреляция может быть представлена в виде таблицы, графика и
коэффициента корреляции. Таблицы и графики дают лишь
представление о наличии и направлении связи. Так, например, связь
между стажем работы ткачих и заболеваемостью.
Стаж работы Заболеваемость
До 1 года 2
1 – 5 лет 6,8
6 – 10 лет 5,1
11 – 15 лет 8,1
16 – 20 лет 10,2
20 лет и больше 10,5
Как видно из вышеприведенной таблицы между стажем работы ткачих и
их заболеваемостью существует корреляционная связь. При этом с
увеличением стажа работы заболеваемость повышается. Об этой
закономерности можно судить по данным представленным в таблице и
на графике. Однако измерить и оценить статистическую достоверность
этой связи можно лишь при помощи специального коэффициента
корреляции, который дает представление о размерах и характере связи
между явлениями и признаками.
По характеру связь может быть: прямой и обратной .
При прямой связи - изменение одного признака идет в том же
направлении, что и изменение другого признака.
Например: с увеличением роста ребенка увеличивается его вес. Прямая
связь обозначается знаком плюс (+).
При обратной связи с изменением одного признака в одном
направлении другой признак изменяется в противоположном
направлении.
Например: с увеличением эффективности проводимых профилакти-
ческих прививок, число инфекционных заболеваний уменьшается или
другой пример: с увеличением температуры воздуха, уменьшается число
бронхитов. Коэффциент корреляции, характеризующий обратную связь,
обозначается знаком ( - ) .
По силе связи коэффициенты корреляции колеблются от единицы
(полная связь) до нуля (отсутствие связи).
Сила связи Прямая (+) Обратная (-)
Полная +1 -1
Сильная +1; +0,7 -1; -0,7
Средняя +0,7; +0,3 -0,7; -0,3
Слабая +0,3; 0 -0,3; 0
Отсутствует связь 0 0
Корреляционная связь может быть прямолинейной и криволинейной.
Прямолинейяная связь характеризуется относительно равномерным
изменением средних значений одного признака при равных изменениях
другого (например: соответствие между изменениями уровней максималь-
ного и минимального артериального давления).
При криволинейной связи - равномерное изменение одного признака влечет
за собой то возрастающие, то убывающие средние значения другого
признака.
Коэффициент корреляции одним числом измеряет силу связи между
изучаемыми явлениями и дает представление о ее направлении.
Существует несколько способов вычисления коэффициента корреляции.
Разберем два из них:
1. Способ Спирмана (способ рангов)
2. Способ Пирсона.
1. Способ Спирмана или способ ранговой корреляции - является наиболее
простым способом измерения связи, но менее точным. Этот способ
применяется:
1)при небольшом числе наблюдений, т.е. когда n ≤ 30
2)когда нет необходимости в точных расчетах, а нужны лишь
ориентировочные сведения.
3)когда признаки имеют качественный характер.
Ро = 1 - 6Σd²
n(n²-1),
где Ро – коэффициент ранговой корреляции
1 и 6 – числа постоянные
d – разность ранговой
n – число наблюдений.
Этапы расчета коэффициента ранговой корреляции:
1.Составить вариационный ряд из парных признаков ( х и у ) .
2.Распределить признаки в ранговом порядке.
3.Определить разность рангов d = x1 – y1
4.Возвести в квадрат разность рангов d²
5.Получить сумму квадратов разности рангов - Σd²
6.Определить Po по формуле.
7.Определить ошибку репрезентативности (mp) коэффициента корреляции по
формулу:
mp = √ 1 – Po
n-2
8 . Оценить достоверность коэффициента корреляции по формуле:
t=P
mPo
9 . Сделать выводы.