Глава 2. Виды несплошного исследования

Как отмечалось в разделе 1.4. в исследование могут быть вовлечены не все единицы наблюдения, составляющие генеральную совокупность, а лишь часть из них, что обусловливается имеющимися для проведения исследования силами, средствами, а также важностью поставленной проблемы.

Такие исследования называются несплошными. Ценность их заключается в том, что при правильной организации, требуя небольших по сравнению со сплошными исследованиями затрат, они дают столь же исчерпывающую информацию.

Различают несколько основных видов несплошных исследований, которые, в свою очередь, тоже могут разнообразиться или применяться в сочетаниях.

2.1. Метод основного массива, при котором исследуются единицы, составляющие основную массу генеральной совокупности по какому-либо признаку. Например, если в городе К. изучается ЗВУТ работников промышленных предприятий и при этом известно, что 70% работников трудятся на трех крупных предприятиях, а остальные 30% - на десяти мелких, то по методу основного массива следует исследовать лишь представителей трех крупных предприятий. Положительной стороной данного метода является сокращение общего объема работ. Но полученные результаты, выводы и рекомендации можно будет распространять лишь на представителей крупных заводов, т.к. специфика формирования ЗВУТ на мелких предприятиях не анализировалась.

2.2. Метод монографических описаний – углубленное изучение одной или нескольких единиц наблюдения. Например, описание деятельности передового ЛПУ или редких случаев заболеваний.

2.3. Анкетный метод – распространение анкет (опросников) по почте или другим путем среди лиц, от которых требуется определенная информация и таким же образом сбор анкет обратно. Часто используется в сочетании с другими методами, позволяющими перепроверить хотя бы частично полученную информацию. Метод удобен для организаторов исследования, но не дает гарантий возврата всех анкет и правильного их заполнения.

2.4. Анамнестический метод – сбор сведений путем опроса людей в связи с отсутствием более точных способов получения информации. Метод используется весьма часто, но всегда нужно стараться сочетать его с данными объективного исследования.

2.5. Выборочный метод – изучение репрезентативной (представительной) части генеральной совокупности или выборки.

Репрезентативность - чрезвычайно важное свойство выборки, позволяющее полученные в ходе изучения относительно малочисленной группы выводы распространять на всю генеральную совокупность.

При проведении выборочного исследования всегда решаются два основных вопроса:

- сколько единиц отобрать? (см. раздел 2.5.1.)

- кого конкретно отобрать? (см. раздел 2.5.2.)

2.5.1. Объем выборки (ответ на первый вопрос) определяется по формулам, среди которых одной из распространенных является следующая:

Nt pq

n =----------------- (2.5.1.)

N + t pq

где

n – определяемый объем выборки;

N – численность генеральной совокупности;

q – 100 – р;

р – предполагаемая доля единиц, которые будут обладать интересующим исследователя признаком. Например, при изучении распространенности НУО – предполагаемая среди населения доля людей, имеющих НУО.

Если величина р неизвестна даже предположительно, то следует брать р = 50%, т.к. в это случае достигается максимально возможная величина р(100 – р) = 50(100 – 50) = 2500. Легко убедиться, что при любом другом значении р величина р(100 – р) будет менее 2500. Таким образом р = 50% искусственно обеспечивает верхнюю границу объема выборки, обусловленную данным параметром.

t – коэффициент достоверности Стъюдента. Это величина, обеспечивающая определенную степень достоверности выводов. В большинстве медико-биологических и социально-гигиенических исследований минимально допустимой считается величина t = 2. При этом достоверность выводов, т.е. соответствие их истине, достигает 95% (p < 0, 05). При t < 2 выводы трактуются как недостоверные (p > 0, 05), а с увеличением t растет и уровень достоверности: при t = 2, 5 – примерно 98, 8% (p < 0, 012), при t = 3 – 99, 7% (p < 0, 003), при t = 3, 3 – 99, 9% (p < 0, 001) и т.д.

- (дельта) предельная ошибка показателя, который будет получен в результате выборочного исследования, по отношению к истинному.

указывает, на сколько максимально может отличаться выборочный показатель от истинного. Величина задается исследователем, исходя из его предыдущего опыта или интуиции.

В изложенных выше материалах и р выражались в процентах, но их можно (а зачастую и удобнее) выражать в долях единицы, приняв 1, 0 за 100%. Тогда р = 60% буде соответствовать 0, 6; а = 5% - 0, 05 и т.д. Теперь если в формуле (2.5.1.) взять минимально допустимую величину t =2, а р = 0, 5 (что соответствует р = 50%, рекомендуемой в случаях неизвестности даже предположительной величины р), то формула (2.5.1.) значительно упростится:

Nt p(1, 0 – p) N 2 х 0, 5 х 0, 5 N

n = ------------------------ = ------------------------- = ------------- (2.5.2.)

N + t p(1, 0 – p) N + 2 х 0, 5 х 0, 5 N + 1, 0

Следует помнить, что в формуле (2.5.2.) выражается только в долях единицы, а достоверность выводов не превышает минимально допустимого уровня – 95%.

У внимательных, вдумчивых, но неискушенных в проведении выборочных исследований людей нередко возникает ряд предложений и толкований, позволяющих, как им кажется, оптимизировать расчеты и процедуру выборочного исследования и пр.

Разберем практически наиболее распространенные из встречающихся предложений.

1. Предлагается взаимно сократить некоторые параметры формулы (2.5.1.).

Эта формула приведена к окончательному виду и никакие сокращения с точки зрения элементарной математики в ней невозможны.

2. Предлагается как-то увязать вместе изменение и t.

Эти величины не имеют в формуле (2.5.1.) влияния друг на друга, и изменения одной величины никак не сказываются на другой – так, если t = 2, то при любом значении достоверность полученного ответа не превысит 95%: если = 1%, а доля единиц с интересующим признаком составила 28%, то с уверенностью 95% можно утверждать, что истинная величина этого показателя находится в интервале 28 + 1%, т.е. от 27% до 29%. Если при величине t = 3, 3 и = = 1% получен тот же выборочный показатель 28%, то с уверенностью 99, 9% можно утверждать, что истинная величина показателя составляет 28% + 1%.

Эту мысль следует признать правильной, но не следует забывать, для чего вообще затевается выборочное, а не сплошное исследование: для того, чтобы обследовать лишь небольшую часть генеральной совокупности, а выводы распространить на нее всю. Уменьшение же или увеличение t ведет к тому, что объем выборки будет расти и приближаться к объему генеральной совокупности.

Рассмотрим на условном примере взаимоотношения параметров формулы (2.5.1.).

Пусть N = 30000 чел. Необходимо найти n при t =2, = 2%, р = 50%:

30000 х 2 х 50 х 50

n = -------------------------------- = 2308 (2.5.3.)

30000 х 2 + 2 х 50 х 50

Следовательно, для получения выводов, которые можно будет с уверенностью 95% распространить на все 30000 чел., нужно обследовать 2308 чел. из них. При этом разброс ответа составит + 2%.

Уменьшим в два раза, т.е. = 1%:

30000 х 2 х 50 х 50

n = -------------------------------- = 7500 (2.5.4.)

30000 х 1 + 2 х 50 х 50

Как видим, уменьшение разброса с + 2% до + 1% при сохранении прежних значений N, t, p ведет к увеличению n в 3, 25 раза.

Теперь вернемся к = 2%, но увеличим t до 3, 0:

30000 х 3 х 50 х 50

n = -------------------------------- = 4737 (2.5.5.)

30000 х 2 + 3 х 50 х 50

В данном случае только увеличение уверенности в ответе, его достоверности с 95% до 99, 7% обусловливает рост n в 2, 05 раза.

В рассмотренных примерах величина р всегда приравнивалась 50%, т.е. обеспечивался максимальных объем выборки при заданных и t.

Однако стоит подумать и об уточнении р, если для этого есть возможность. Например, если из архивов прошлых лет или литературных источников известно, что доля лиц с данным интересующим признаком среди населения не превышает 10%, то при = 2 и t = 2:

30000 х 2 х 10 х 90

n = -------------------------------- = 874 (2.5.6.)

30000 х 2 + 2 х 10 х 90

Для того, чтобы закончить анализ возможных изменений объема выборки, рассмотрим вариант, в котором все параметры те же, что и в (2.5.3.), но генеральная совокупность в 2 раза больше – 300000 чел.:

300000 х 2 х 50 х 50

n = -------------------------------- = 2479 (2.5.7.)

300000 х 2 + 2 х 50 х 50

Сопоставление (2.5.3.) и (2.5.7.) показывает, что выгоднее проводить выборочные исследования в больших совокупностях: затратив относительно небольшие дополнительные усилия (в данном примере – исследовав еще 171. чел.) можно выводы распространить на значительно большую генеральную совокупность (в рассмотренном случае на 300000 чел. вместо 30000).

2.5.2. Способ отбора.

Планируя выборочное исследование, специально нужно проработать вопрос: кого конкретно из генеральной совокупности включить в выборочную? Исходя из того, что характеристики выборки и генеральной совокупности должны совпадать, необходимо в выборке представить все группы и подгруппы населения в той же пропорции, что и в генеральной совокупности.

Для этого надо предоставить каждой единице равную с другими возможность попасть в выборку. Существует несколько видов отбора, более или менее решающих эту задачу.

2.5.2.1. Случайный отбор, по жребию.

Заключается в том, что каждой единице присваивается номер, который обозначается на листке бумаги. Все листки перемешиваются, и из них наугад берут такое количество, которое совпадает с требуемой численностью выборки (см. раздел 5.2.1.). Теоретически способ очень хорош и обеспечивает равномерный отбор из всех слоев населения. Практически же он малопригоден в больших группах населения.

2.5.2.2. Механический отбор по счету.

Представляет собой отбор нужной доли из предварительно упорядоченной генеральной совокупности. Например, если из 10 тысяч работников предприятия нужно отобрать 1 тысячу, то можно по спискам выбрать каждого десятого.

2.5.2.3. Механический отбор по алфавиту.

Отличается от предыдущего тем, что предварительно, по каким либо большим спискам избирателей, телефонной книге и т.п. определяется структура фамилий по первой букве. Если нужно отобрать 10% населения, и при этом на букву «К» начинаются 10% фамилий людей в данной местности, то в выборку можно включать всех людей, чья фамилия начинается на «К».

2.5.2.4. Типологический отбор.

2.5.2.5. Гнездовой (очаговый) отбор.

Используется в основном в сельской местности и заключается в следующем. На административной территории (например, в сельском районе) определяют пункты (гнезда, очаги), население которых по определенным параметрам типично для данного района. Затем сплошным способом исследуют население выявленных гнезд (очагов).

В заключение необходимо отметить, что выборочные исследования – чрезвычайно мощный инструмент познания. Особенно возрастает его значение в связи с необходимостью в современных условиях выявлять истинные потребности населения в тех или иных методах медицинского обслуживания, т.к. существующая медицинская документация далеко не полно решает эту задачу. Во многих ЛПУ сама жизнь подвела врачей к мысли проводить выборочные исследования, например, качества ведения медицинских карт. Но отсутствие достаточной теоретической подготовки в корне разрушает такие намерения, т.е. не проводится никакого обоснования относительно численности выборки и способов ее отбора. В результате принимается решение провести экспертизу, к примеру, каждой десятой или каждой двадцатой карты. В ряде случаев этого может быть достаточно для выводов о качестве ведения всех карт, но в большинстве случаев - нет.

2.5.3. Объем выборки при расчете средних величин.

С точки зрения санитарной статистики признаки, характеризующие каждую единицу наблюдения, можно поделить на 2 основные группы.

Первая – альтернативные признаки, которые есть у данной единицы или их нет: пол, профессия, заболевания и т.п. Если в результате выборочного исследования планируется исследовать альтернативные признаки, объем выборки определяется по формуле (2.5.1.)

Вторая группа – признаки, в той или иной мере присущие каждой единице: вес, рост, возраст, длительность заболевания и пр. По этим признакам принято рассчитывать средние величины, а объем выборки будет вычисляться так:

N t

n = -----------------, (2.5.3.1.)

N + t

где - среднее квадратическое отклонение.

Остальные обозначения соответствуют (2.5.1.).

Методика расчета - в главе 7. Здесь же лишь приведем пример расчета объема выборки.

Чтобы воспользоваться формулой (2.5.3.1.), необходимо определить . Для этого можно с помощью жребия отобрать человек 15 - 20, по данным этой группы найти и использовать ее для вычисления n.

Допустим, что определена = 15, тогда:

1500 х 15 х 2

n = -------------------------- = 93, 75» 94 (2.5.3.2.)

1500 х 3 +15 х 2

Следовательно, определение среднего срока восстановления функции в группе из 94 человек при соблюдении соответствующих правил отбора позволит установить истинную величину средней длительности восстановления функции с точностью + 3 дня и уверенностью 95 %.