Статистика в фармации

Фармация призвана исследовать закономерности в технологии изготовления лекарственных средств, помимо того, она занимается исследованием совместимости разнообразных лекарственных форм и разработкой основ государственного управления фармацевтической деятельностью. Фармация также ориентируется на профессиональную подготовку специалистов фармацевтов, освоение новых информационных технологий, разработку фармако-экономических проблем.

Достижению данных целей способствуют:

• маркетинговые исследования;
• рациональный фармацевтический менеджмент;
• многофакторный анализ и научное прогнозирование экономических явлений.

В основе данного комплекса методов лежит обязательное применение принципов математико-статистической обработки результатов исследований, без чего не представляется возможным корректно сформулировать результаты исследований.

Применение статистики в фармации

В силу высокой степени социальной значимости фармации ошибки в интерпретации результатов исследований могут вызывать тяжелые последствия для здоровья населения. Статистика в фармации использует различные методы. Это может быть сбор данных, обобщение полученных сведений, анализ полученных данных.

Анализируемые данные могут иметь различные формы. Поэтому перед выбором статистического метода необходимо понять к какому типу относится каждая переменная. Все результирующие показатели и переменные делятся на два типа:

• качественный (категориальный);
• числовой (количественный).

Данные категориального типа получают тогда, когда индивид принадлежит к одной из множества категорий переменных. При этом номинальные категориальные данные не упорядочиваются, а просто имеют названия, ординальные же категориальные данные (порядковые, ранговые) включают в себя категории, которые могут подчиняться градации или упорядочиваться.

Категориальная переменная – это дихотомическая, бинарная переменная, которая включает только две возможные категории. Например, это может быть «да или нет».

Числовые и количественные данные предполагают, что переменная имеет некоторую величину или значение. Числовые данные делятся на два типа:

• дискретные данные или те, при которых переменная может принимать только определенные числовые выражения;
• непрерывные данные, которые не имеют никаких ограничений, и переменная может принять любые значения.

Статистические данные в фармации

Что касается, фармации, то в ней можно столкнуться с множеством разнообразных данных. Это могут быть:

• проценты. Они применяются при оценке состояния больного во время лечения и отражают степень улучшения, а не абсолютные данные;
• пропорции и отношения, которые могут говорить об избытке или недостатке;
• интенсивность, отражающая частоту заболеваний в течение рассматриваемого периода. Такие данные характерны для эпидемиологических исследований;
• оценки и метки, которые применяются в случае, когда нет возможности измерить конкретное количество.

Статистические данные в фармации подлежат обобщению. Для этого используют несколько показателей:

1. Среднее арифметическое – это разновидность среднего значения. Определяется как число, равное сумме всех чисел множества, делённой на их количество.
2. Медиана – это способ упорядочения данных по величине, начиная с самой маленькой группы и заканчивая самой большой. Медиана в данном случае становится характеристикой усреднения в упорядоченном наборе данных. Медиана подобна среднему значению, если данные симметричные, меньше среднего значения, если данные скошены вправо и больше среднего значения, если данные скошены влево.
3. Среднее геометрическое необходимо при несимметричном распределении данных, в случае если среднее арифметическое не станет обобщающим показателем распределения. Когда данные скошены вправо, то можно создавать более симметричное распределение, когда распределение данных логарифма примерно симметрично, то среднее геометрическое подобно медиане и меньше среднего необработанных данных.
4. Мода представляет собой значение, которое встречается достаточно часто при сборе данных. Если данные непрерывны, то их группируют в модальную группу. Некоторые группы данных не имеют моду, поскольку каждое значение встречается только один раз.
5. Взвешенное среднее применяется только в том случае, если некоторые интересующие значения более важны, чем другие.
6. Дисперсия позволяет измерить степень рассеяния данных, заключается в отклонении каждого наблюдения от средней арифметической. Чем отклонение больше, тем масштабнее изменчивость или вариабельность наблюдений.
7. Стандартное отклонение – это положительный квадратный корень из дисперсии. Если стандартное отклонение разделить на среднее арифметическое, а затем выразить готовый результат в процентном соотношении, то можно получить коэффициент вариации. Он является мерой рассеяния и не зависит от единиц измерения, но имеет некоторые теоретическое неудобства, поэтому не часто применяется в фармации.

В фармации также применяется выборочное распределение среднего. Для оценки среднего в популяции данных также можно брать повторные выборки объема из популяции и определять среднее в каждой подобной выборке. Гистограмма таких оценок покажет их распределение или распределение выборочных средних.

Выборка из популяции позволяет получить точечную оценку интересующего параметра и указать точность данной оценки. Но многие фармацевты говорят, что подобная стандартная ошибка неприемлема. Полезнее объединить данную оценку с интервальной оценкой для размера популяции.