Репозиторий OAI—PMH
Репозиторий Российская Офтальмология Онлайн по протоколу OAI-PMH
Конференции
Офтальмологические конференции и симпозиумы
Видео
Видео докладов
Источник
Прогнозирование функциональных исходов факоэмульсификации катаракты при миопии высокой степени на основе ультразвуковых и оптических методов исследованияГлава 2. Материал и методы клинических исследований
2.4 Статистическая обработка данных
Статистическую обработку полученных данных осуществляли с помощью пакетов программ «Statistica 10.0» (DellInc., США) и «MedСalc» (MedCalcSoftware, Бельгия). Поскольку распределение большинства количественных признаков было нормальным (проверяли по критерию Шапиро-Уилка), для оценкиполученных данных применяли параметрические методы описательной статистики сопределением средней арифметической величины (М) и величины среднейошибки (m). Оценку статистической значимости различий проводили с использованием t-критерия Стьюдента (для количественных параметров) и критерия Хи-квадрат (для ранговых и качественных величин). Различия принимались достоверными при уровне значимости p<0,05.
Для решения задачи прогнозирования благоприятного исхода (достижения определенного уровня остроты зрения к определенному сроку после операции) был применен метод бинарной логистической регрессии. Вероятность повышения остроты зрения до определенного уровня (0,3; 0,4; 0,7 и 0,8) кодировалась как бинарный признак («0» - острота зрения меньше заданного уровня, «1» - острота зрения больше или равна заданному уровню). Данные уровни остроты зрения были выбраны согласно следующим характеристикам: 0,3 – минимальная острота зрения, необходимая для комфортного чтения на близком расстоянии; 0,4 – острота зрения, необходимая для бинокулярных функций; 0,7 – острота зрения для осуществления большинства видов профессиональной деятельности; 0,8 – острота зрения, необходимая для управления транспортным средством при слепоте парного глаза.
Выбор метода прогнозирования обусловлен следующими особенностями полученных данных: меньшим количеством наблюдений по сравнению с совокупным числом параметров-предикторов, отличием от нормального распределения и неравенством дисперсий предикторов в большинстве случаев, наличием среди предикторов как непрерывных, так и дискретных переменных, отсутствием сильных корреляций между предикторами, простотой приведения зависимой переменной к бинарной функции. Выбор предикторов (как непрерывных, так и дискретных) осуществляли по результатам предварительного корреляционного анализа (для количественных величин – по Пирсону, для ранговых и качественных – по Спирману). Проверка адекватности (cross-validation) статистической модели осуществлялась путем применения процедуры «скользящего экзамена» - поочередного удаления наблюдений (25%) и пересчета модели.
Диагностическую информативность полученных математических моделей осуществляли методом построения операционных кривых (ROC-кривых) с определением общей информативности (принималась значимой при значениях площади под операционной кривой AUC достоверно превышающих 0,5), чувствительности и специфичности математического метода прогноза.
Для решения задачи прогнозирования благоприятного исхода (достижения определенного уровня остроты зрения к определенному сроку после операции) был применен метод бинарной логистической регрессии. Вероятность повышения остроты зрения до определенного уровня (0,3; 0,4; 0,7 и 0,8) кодировалась как бинарный признак («0» - острота зрения меньше заданного уровня, «1» - острота зрения больше или равна заданному уровню). Данные уровни остроты зрения были выбраны согласно следующим характеристикам: 0,3 – минимальная острота зрения, необходимая для комфортного чтения на близком расстоянии; 0,4 – острота зрения, необходимая для бинокулярных функций; 0,7 – острота зрения для осуществления большинства видов профессиональной деятельности; 0,8 – острота зрения, необходимая для управления транспортным средством при слепоте парного глаза.
Выбор метода прогнозирования обусловлен следующими особенностями полученных данных: меньшим количеством наблюдений по сравнению с совокупным числом параметров-предикторов, отличием от нормального распределения и неравенством дисперсий предикторов в большинстве случаев, наличием среди предикторов как непрерывных, так и дискретных переменных, отсутствием сильных корреляций между предикторами, простотой приведения зависимой переменной к бинарной функции. Выбор предикторов (как непрерывных, так и дискретных) осуществляли по результатам предварительного корреляционного анализа (для количественных величин – по Пирсону, для ранговых и качественных – по Спирману). Проверка адекватности (cross-validation) статистической модели осуществлялась путем применения процедуры «скользящего экзамена» - поочередного удаления наблюдений (25%) и пересчета модели.
Диагностическую информативность полученных математических моделей осуществляли методом построения операционных кривых (ROC-кривых) с определением общей информативности (принималась значимой при значениях площади под операционной кривой AUC достоверно превышающих 0,5), чувствительности и специфичности математического метода прогноза.
Страница источника: 47-49
OAI-PMH ID: oai:eyepress.ru:article41986
Просмотров: 8100
Каталог
Продукции
Организации
Офтальмологические клиники, производители и поставщики оборудования
Издания
Периодические издания
Партнеры
Проекта Российская Офтальмология Онлайн