Методы оценки тренированности сердечно-сосудистой системы (по Амосову)

Для того чтобы определить уровень тренированности сердечно-сосудистой системы, Амосов Н. М., используя нормы максимального потребления кислорода человека (до 30 лет), рассчитал минутный выброс сердца. Используя также показатели потребления кислорода был выведен коэффициент резерва: отношение к состоянию покоя. Исходя из полученных результатов он предложил оценивать степень тренированности сердца (2,с.69).

Методы корреляционного и регрессионного анализа

Корреляционно — регрессивный метод — как метод многофакторного анализа влияния факторов окружающей среды на здоровье населения.

Возможности различных методов многофакторного анализа.

Разработка профилактических и оздоровительных мероприятий, направленных на улучшение здоровья населения, должна проводиться с использованием информации о степени дифференцированного влияния различных факторов окружающей среды на здоровье людей. Эта информация необходима для определения приоритетов в решении задач, связанных с оздоровлением. Очевидно, в первую очередь следует решать те задачи, которые направлены на устранение наиболее неблагоприятных для здоровья факторов.

Для это нужно знать этиологические факторы окружающей среды и факторы риска, отрицательное влияние которых выражено наиболее сильно. Получить эти данные можно с помощью ряда методов, среди которых есть используемые гигиенической наукой много лет (данные специальных лабораторных исследований, сведения из научной литературы, личный опыт) и сравнительно новые, внедряемые в биологические исследования в последние годы.

Современные методы выявления влияния наиболее сильно воздействующих на здоровье населения факторов весьма разнообразны, но все они имеют единый методический базис — теорию вероятностей и математическую статистику.

С использованием этих методов биология из чисто описательной научной дисциплины превращается в аналитическую, переходя на новый более высокий уровень. Сбываются пророчества К. Маркса о том, что «наука только тогда достигает совершенства, когда ей удается пользоваться математикой».

Рассмотрим в сравнительном плане наиболее часто применяющиеся методы многофакторного анализа.

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ позволяет установить направление, силу, степень и достоверность влияния факторов среды на уровень здоровья населения.

Направление связи (оцениваемое по алгебраическому знаку коэффициента корреляции) может быть прямым и обратным.

При прямой связи (коэффициент корреляции имеет положительный знак) с увеличением интенсивности действия фактора среды повышается и уровень здоровья населения. Это может наблюдаться при воздействии благоприятных факторов.

При обратной связи (коэффициент корреляции отрицателен) при возрастании интенсивности влияния фактора уровень здоровья снижается.

Силу связи оценивают по коэффициенту линейной корреляции при значениях г=0,01−0,29 связь считается слабой, в интервале 0,30−0,69 связь признают средней (умеренной) и при r=0,70−0,99 — сильной. Функциональные зависимости имеют максимальную силу связи — 1.

Коэффициент линейной корреляции бывает трех видов — парный, парциальный и множественный.

Парный коэффициент корреляции свидетельствует о «грубой», «неочищенной» связи между какимлибо фактором х и уровнем здоровья у, так как на значение этого коэффициента оказывают влияние и другие факторы, особенно тесно связанные с х. Поэтому следует чаще использовать при анализе парциальные коэффициенты корреляции (рассчитать которые можно, имея парные коэффициенты). Они отражают связь между факторами и здоровьем в чистом виде, исключая влияние других факторов.

Множественный коэффициент корреляции отражает одновременно связь исследуемых факторов со здоровьем.

Теоретически расчет и анализ коэффициентов корреляции возможен лишь в случае линейной связи между факторами и уровнем здоровья. Линейность связи легко устанавливается путем расчета так называемого показателя линейности связи. Если связь нелинейная, определяется т.н. корреляционное отношение и по нему судят о силе связи между факторами и здоровьем. Однако требование линейности связи можно не учитывать при одновременном исследовании нескольких факторов в многофакторных моделях, что расширяет рамки применения коэффициентов линейной корреляции и на нелинейные случаи. Более того, представляя исходные данные в логорифмическом виде, И РЕЗКО НЕЛИНЕЙНЫЕ СВЯЗИ ХОРОШО ОПИСЫВАЮТСЯ ЛИНЕЙНЫМИ КОЭФФИЦИЕНТАМИ КОРРЕЛЯЦИИ.

Степень влияния факторов характеризуется так называемым коэффициентом детерминации, которые представляют собой увеличенные в 100 раз (для перевода в проценты) квадраты парциальных коэффициентов корреляции. Коэффициент детерминации отражает в процентах долю (удельный вес) влияния на здоровье данного фактора (или группы факторов) среди всех других, не учитываемых в исследовании, но возможных, суммарное влияние которых дополняет найденную величину до 100%.

При этом очень слабая детерминация (незначительный вклад) при значении коэффициента детерминации до 1;

Слабый долевой вклад — при значении от 1 до 4 ед.;

Умеренный вклад — от 5 до 9 ед;

Сильный вклад — от 10 до 14 ед. и более 15 единиц определяется как выраженный долевой вклад изучаемых факторов в уровень здоровья.

Достоверность влияния факторов определяется по средней ошибке коэффициента корреляции. Коэффициент корреляции не менее чем в 2,5−3 раза превышает свою среднюю ошибку. Достоверность коэффициента корреляции обычно обеспечивается достаточно большим числом одновременно исследуемых объектов, в которых изучается влияние факторов среды на здоровье.

Можно использовать эмпирическое правило, согласно которому число зон (объектов исследования) должно быть минимум в 5−6 раз больше числа одновременно учитываемых факторов, т. е. например если исследуется влияние трех факторов на состояние здоровья людей, то количество объектов (детей) должно быть не менее 15.

Необходимость включения множества объектов изучения при большом числе исследуемых факторов является существенным недостатком корреляционного анализа.

РЕГРЕССИОННЫЙ АНАЛИЗ — это очень тесно связанный с предыдущим вид многофакторного анализа. Как правило, он и проводится одновременно с корреляционным. В этом случае его именуют как корреляционно-регрессионным. Главное назначение регрессионного анализа состоит в том, что с его помощью можно вынести т.н. уравнение регрессии, которое используется как модель, описывающая «поведение» уровня здоровья при изменениях интенсивности действия включенных в нее факторов среды. В общем виде уравнение регрессии имеет вид:

Где у — уровень здоровья; а х — включенные в модель факторы.

Функция, связывающая х и у, чаще всего является линейной или приведенной к линейной путем логорифмирования всех исходных данных.

В этих случаях уравнения регрессии имеют вид:

У = а 0 + а1×1 +а2×2 + … ап хп (1).

Lg y = a0 + a1gx1+ a2lgx2 + …anlgxn (2) постоянных коэффициентов а0, а1,а2 — имеют одинаковую методику решения. Решить эти уравнения — значит найти конкретные значения постоянных коэффициентов и т. д. до Зная их, можно при любых значениях х определить прогнозируемый уровень здоровья.

Решают эти уравнения, предварительно составив и решив относительно в систему линейных алгебраических уравнений с помощью ЭВМ по описанным в специальной литературе схемам. Схемы решения по нашему мнению, удобнее всего выбирать по алгоритмам Дулитля, Крамера или Гаусса. При использовании регрессионного анализа следует помнить, что здесь также остается в силе необходимость включения в число объектов изучения гораздо большего (более чем в 5 раз) по сравнению с числом исследуемых факторов, как это было описано при рассмотрении основ корреляционного анализа. На современном этапе корреляционно — регрессионный анализ является наиболее приемлемым при многофакторном анализе. При этом для его обработке используют компьютерные программы. Часть данных программ включена в стандартный набор по статистике Microsoft Exel. В данных программах используются два функциональных продукта: ЛГРФПРИБЛ и ЛИНЕЙН. Данные продукты проводят регрессионный анализ связи между уровнями изучаемых объектов и факторами с учетом характера их взаимодействия: по линейному тренду (имеет место линейная зависимость) или по экспоненциальному тренду (имеет место нелинейная зависимость).

В регрессивном анализе по функции ЛГРФПРИБЛ вычисляется экспоненциальная кривая, аппроксимирующая данные и возвращающая массив значений, описывающий эту кривую. Поскольку данная функция возвращает массив значений, она должна вводиться как формула для работы с массивами. Уравнение кривой следующее:

у = Ь*m^x или у = (b*(ml^x)* (m2^x2)*_).

(при наличии нескольких значений х), где зависимые значения у являются функцией независимых значений х. Значения m являются основанием для возведения в степень х, а значения b постоянны.