Государственное бюджетное образовательное учреждение высшего профессионального образования «Красноярский государственный
реклама
Государственное бюджетное образовательное учреждение высшего профессионального образования «Красноярский государственный медицинский университет им. проф. В. Ф. Войно-Ясенецкого» Министерства здравоохранения Российской Федерации Применение метода бутстрепа в медико-биологических исследованиях КАФЕДРА МЕДИЦИНСКОЙ И БИОЛОГИЧЕСКОЙ ФИЗИКИ Выполнили: студентки группы 201 МКиУЗ Вторушина Екатерина, Дмитриева Вера Руководитель: доц. Шапиро Л.А. Красноярск 2016 Актуальность исследования: Для современных биологических и медицинских исследований характерна высокая трудоемкость и стоимость, что не позволяет в рамках одного эксперимента получать большие объёмы результатов наблюдений. Это препятствие может быть преодолено с помощью неклассических методов статистики, которые существенно опираются на возможности современной вычислительной техники. Цель исследования Выявить возможности применения метода бутстрепа для определения точечных и интервальных оценок экспериментальной выборки при медико-биологических исследованиях. Задачи исследования Дать сравнительную характеристику методов классической статистики и метода бутстрепа при определении различных статистических функций от экспериментальной выборки. Оценить какова их сходимость при различном объёме экспериментальных выборок. Параметрические методы обработки данных основываются на ряде априорных предположений- независимость измерений и их ошибок, однородность дисперсий, нормальность распределения и т.д. Если они верны, то тесты обладают несомненной надежностью и прекрасной теоретической проработанностью. Методы ресамплинга объединяют три разных подхода: •рандомизацию, или перестановочный тест (permutation), •метод «складного ножа» (jackknife), •бутстреп (bootstrap). Метод рандомизации заключается в многократном случайном перемешивании строк или столбцов таблицы наблюдений относительно уровней воздействия изучаемых факторов. В ходе перестановок не меняется ни состав исходной таблицы, ни численность групп с разными уровнями воздействия, а только происходит беспорядочный обмен элементами данных между этими группами. Метод «складного ножа» заключается в том, чтобы последовательно и многократно исключать из имеющейся выборки, насчитывающей n элементов, по одному ее члену и обрабатывать вариационный ряд из оставшихся (n-1) элементов. Ф.Мостеллер и Дж.Тьюки (1982) считали этот алгоритм «универсальной методикой подобно бойскаутскому ножу, годящемуся на все случаи жизни». Метод бутстрепа (bootstrap) Б. Эфрон (1988) практический компьютерный метод исследования распределения статистик вероятностных распределений, основанный на многократной генерации выборок методом Монте-Карло на базе имеющейся выборки. Позволяет просто и быстро оценивать самые разные статистики (доверительные интервалы, дисперсию, корреляцию и так далее) для сложных моделей. Исследование активности фермента (АФ) 0,04 0,01 0,001 0,002 0,001 0,14 0,03 0,00 АФ Статистический Среднее показатель арифметическое Классический 0,028 метод Бутстреп 0,0278 (n=1000) 95% ДИ (-0,012; 0,068) (0,0055; 0,0625) Показатель качества жизни 95 96 96 97 94 78 78 98 89 89 Статистический Среднее показатель арифметическое Классический 81,9 метод -3 (21,9*3) 85,47 Бутстреп (n=1000) 81,94 78 90 5 65 89 78 95% ДИ (70,7; 93,2) (79,9; 91,05) (70,77; 89,9) 78 Выборочные параметры распределения размеров черепа (n=120) Статистический параметр Продольный размер Поперечный размер Среднее арифметическое 192,95 152,83 Стандартное отклонение Асимметрия 14,71 15,95 0,113 0,731 Эксцесс -0,071 1,538 Сходимость средних значений Сходимость стандартных отклонений Сходимость асимметрии Сходимость эксцесса Выводы Метод бутстрепа позволяет проводить статистическую обработку медико-биологических данных, представленных выборками малого объёма и следующих сложным законам распределения. При этом исследователь не должен строить никаких гипотез о конкретном виде закона распределения. Метод бутстрепа позволяет вычислять сложные функции от непосредственно наблюдаемых величин и при этом получать адекватную оценку статистического поведения таких функций. Выводы Метод бутстрепа можно рекомендовать исследователям в качестве мощного статистического средства там, где не работают классические статистические рецепты. Современные информационно-вычислительные технологии при этом избавляют исследователя от громоздких расчетов, возникающих при реализации данного метода, и дают наглядные результаты, легко поддающиеся интерпретации. Благодарим за внимание!
