Статистическая обработка полученных результатов

Достоверность полученных результатов определялась с помощью непараметрического критерия (метод углового преобразования Фишера), позволяющего оценить достоверность различий при виде распределения отличном от нормального [142]. Этот метод не имеет ограничений по численности выборок. Итоговая формула для оценки достоверности приведена ниже (2.3).

(2.3).

где up — аргумент нормального распределения, соответствующий достоверности различий в двух выборках (определятся по таблицам),.

Р — процент, выраженный в долях единицы,.

n — число наблюдений в каждой выборке.

Корреляционный анализ проводился с использованием коэффициента взаимной сопряженности А. А. Чупрова, позволяющего анализировать качественные признаки и коэффициента корреляции Пирсона для количественных признаков [142]. Ниже представлен вариант расчета индекса А. А. Чупрова при определении показателя взаимной сопряженности через ч2.

. (2.4).

где m1 и m2 — число градаций по каждому признаку;

В диагностике уровня микросоциального и психологического компонентов здоровья был использован вероятностный подход. Наиболее распространенным и эффективным применением вероятностного подхода в клинической практике может служить построение системы распознавания образов без обучения. Он основан на теореме гипотез Т. Байеса [60]:

(2.5).

где P (Ak/xij) — вероятность состояния Аk,.

P (Ak) — априорная вероятность состояния Аk,.

P (xij/Ak) — априорная вероятность признака (симптома),.

j — номер диапазона признака xi.

В связи со значительным числом классифицируемых состояний, был использован вариант процедуры распознавания образов A. Wald'a (1947, 1960) — неоднородная последовательная статистическая процедура распознавания, предложенная А. А. Генкиным (1962) и Е. В. Гублером (1964) [60]. В отличие от классической процедуры А. Вальда при неоднородной последовательной статистической процедуре распознавания используется ранжирование признаков по их дифференциальной информативности на основании информационной меры С. Кульбака (1967). При использовании данного показателя в неоднородной последовательной статистической процедуре распознавания при дискретном распределении эта мера выражается формулой:

где J (xi/A1, xi/A2) — информационная мера Кульбака,.

P (xij/A1) — априорная вероятность признака (симптома) А1,.

P (xij/A2) — априорная вероятность признака (симптома) А2.

Из формулы 2.6 вытекает значение диагностического коэффициента:

(2.7).

ДК (xij) — диагностический коэффициент (усл.ед.).

Для удобства изложения здесь и далее громоздкое обозначение J (xi/A1, xi/A2) заменено на более краткое J (xi).

По мнению большинства авторов, в клинической практике уровень диагностической ошибки считается достаточным, если он не превышает 5%, и только в диагностике ургентных состояний он должен составлять не более 1% [71, 142]. В связи с этим мы сочли возможным считать достаточным для обеспечения достоверности полученных результатов уровень диагностической ошибки не превышающий 5% (т.е. p<0,05).

На основании корреляционного анализа из всех изученных социально-средовых и психологических факторов были отобраны только те, у которых коэффициент корреляционной связи был не ниже 0,25 усл.ед. и достоверность различий соответствовала p<0,05. Для каждого выделенного признака была рассчитана информационная мера (2.6) и диагностический коэффициент (2.7), а затем на основании диагностического коэффициента был рассчитан балл (округленное до целого значение диагностического коэффициента). Сумма баллов полученная ребенком составила диагностическое число. Данная процедура была проведена на каждом этапе реализации цели исследования.

Статистическая обработка материала проводилась на персональном компьютере Intel Pentium IV с использованием лицензионного статистического пакета Statistica 6.0 (производство компании StatSoft Inc.).