О некоторых особенностях национальной статистики

А. Г. ПАВЛОВ

Республиканский перинатальный центр, Петрозаводск, Республика Карелия

Итак, в предыдущей публикации нашего раздела «Лаборатория» мы представили вашему вниманию конкретный результат применения конкретного статистического метода в виде небольшой статьи. И прежде чем перейти к описанию методики подобных расчетов, которую вы сможете дальше применять самостоятельно, нам хотелось бы обсудить несколько вопросов:

Почему мы начали свой цикл статей именно с анализа отношений шансов?
Два золотых коэффициента - две дойных коровы начинающих исследователей. Каковы неожиданные последствия привязанности к ним?
Как наше «диссертационное бытие» стало определять наше «исследовательское сознание» и что из этого иногда выходит на ниве организации медицинских исследований?
Такое ли темное дело статистика и как ее методы могут влиять на уровень доказательности исследования?

Одним из поводов, для рассмотрения этих вопросов стало появления весьма показательного сообщения на форуме сайта « Critical »:

«… статистика - дело темное. Для начала, надо разобраться, для чего она нужна. Если только для себя и местных работ, то вполне хватит и стьюдента или фишера. Если для защиты, то нам в свое время сказали, что они уже не канают и нужны дополнительные критерии достоверности …»

Так какие же все-таки критерии достоверности предполагаемых гипотез в статистике «более настоящие», а какие нет?

Мы рискнем предположить, что на самом деле в этом вопросе все очень логично и просто. И никаких туманных моментов здесь быть по определению не должно, ибо статистика, как любая территория, находящаяся под флагом ее величества математики, наука точная. Единственным критерием достоверности и доказательности в любом научном исследовании является ВОСПРОИЗВОДИМОСТЬ получаемых данных в границах ПРЕДСКАЗУЕМЫХ их изменений. И эта самая воспроизводимость НИКАК не зависит от того метода обработки, который вы будете потом применять.

К сожалению, многие исследователи все чаще ассоциируют состоятельность доказательности того или иного эксперимента с конкретными методами аналитической обработки полученных данных. Именно это и вызывает грусть у профессиональных математиков потому, что на самом деле «критическую массу доказательности» вы закладываете на этапах планирования исследования и сбора данных. В тот момент, когда у вас в руках уже появился массив данных, отражающий все проведенные наблюдения, исследование можно считать завершенным. Этот массив является самодостаточным и окончательным объектом доказательности. И никакой метод математической обработки не может повлиять на объективность заключенных в этом массиве закономерностей, повлиять на степень доказательности вашего исследования.

При этом вам вовсе не обязательно пользоваться конкретными методами из золотого фонда статистических алгоритмов. Если это интересно, вы даже можете придумать свой метод выявления неочевидных закономерностей в полученных массивах данных. И он будет не менее доказательным, чем остальные, если будет строго соответствовать основным положениям теории вероятности, и на основании этих положений будет четко прогнозировать уровни собственных ошибок в конкретных ситуациях.

На практике, к сожалению, мы все чаще наблюдаем забавную тенденцию. Как многие уже догадались «двумя дойными коровами» мы в этом опусе назвали два источника и две составных части© девяноста девяти процентов всех публикуемых сейчас медицинских исследований. Это коэффициент Стьюдента и коэффициент корреляции. Цепочка причинно-следственных отношений в период массового освоения статистики оказалась весьма забавной.

Неуклонный рост всеобщего благосостояния материализуется в виде персональных компьютеров на наших рабочих столах.
Обнаруживая на них условно бесплатный Excel , каждый желающий становится тайным экспертом в области статистики.
Среди десятка популярных методов анализа два метода становятся золотым стандартом оценки получаемых данных, не в последнюю очередь из-за кажущейся простоты и доступности интерпретации получаемых коэффициентов.
Для взращивания своих работ до уровня двух волшебных коэффициентов многие вынуждены отказываться от исследований, базирующихся на сборе совокупности фактов, и переходят в лагерь пользователей измерительных приборов. Ведь для расчета этих коэффициентов нужны численные значения! Нет новых измерительных систем – нет численных оценок. Нет численных оценок – нет этих коэффициентов. Нет коэффициентов – нет «серьезной науки».
Наиболее активные участники движения за поддержку модных оценок пытаются трансформировать свои качественные наблюдения в количественные результаты, изобретая новые балльные шкалы оценки состояния или эффективности воздействия.

Все это зачастую приводит к ситуации, когда действительно интересные качественные наблюдения не могут претендовать на звание «серьезных исследований», а иногда оказываются искаженными использованием надуманных искусственных шкал.

Естественно, мы не призываем всех, взять и отказаться от этих двух действительно эффективных методов анализа. Нам в первую очередь хотелось бы, чтобы дизайн научных исследований на самом первом своем этапе не подгонялся под сильно обрезанный минимум доступных методов обработки. Чтобы все происходило наоборот. Чтобы предполагаемые при организации эксперимента закономерности отвергались или принимались путем использования наиболее подходящих математических инструментов. И поэтому мы ставим перед собой задачу немного расширить палитру доступных методов анализа и обращаемся к логике расчетов отношений шансов.

Итак, подводя итоги этого небольшого предисловия к нашей очередной публикации, хочется подчеркнуть следующие моменты:

Применяемый метод статистической обработки не изменяет степени доказательности вашего исследования. В ее фундаменте лежат в первую очередь логика его планирования и тщательность соблюдения заявленного протокола.
Редко используемые способы анализа, например, такие как кластерный анализ, не являются более «высоконаучными методами» обработки данных, чем вычисление коэффициента Стьюдента. Они все базируются на одних и тех же фундаментальных основах теории вероятности. Но каждый из них является удобным инструментом для нахождения ответов на вопросы определенного характера. Поэтому требование некоторых ваших оппонентов применять «более серьезные» методы обработки далеко не всегда обоснованы. Важно, чтобы ваш метод был адекватен поставленным задачам.
Если в вашем исследовании не нашлось места численным результатам измерений и поэтому, стали недоступны расчеты коэффициентов корреляции и Стьюдента, не стремитесь прорваться к ним путем придумывания искусственных шкал. Не превращайте собранные факты в синтетические численные величины. Это – действительно очень сложная задача, достойная отдельного цикла публикаций. Вместо этого пользуйтесь расчетом отношений шансов. Несмотря на свою простоту, этот метод не менее «мощнодоказателен» чем остальные. Для того, чтобы убедиться в его доступности мы и предлагаем познакомиться с нашей очередной публикацией раздела «Лаборатория» "Расчет и интерпретация относительного риска и других параметров, полученных из четырехпольной таблицы частот".

А в следующей статье этого цикла мы попробуем показать вам, как можно существенно упростить использование даже такой несложной методики.