Pentingnya statistika dalam keperawatan (beserta contohnya)

Bidang statistik berkaitan dengan pengumpulan, analisis, interpretasi dan penyajian data.

Dalam keperawatan, statistik penting karena alasan berikut:

Dasar Pemikiran 1 : Statistik memungkinkan perawat untuk memahami bagaimana menafsirkan statistik deskriptif seperti mean, median, standar deviasi, rentang, dan persentil.

Dasar Pemikiran 2 : Statistik memungkinkan perawat untuk memahami bagaimana menafsirkan hasil uji klinis baru-baru ini dan bagaimana mengkomunikasikan hasil tersebut kepada pasien.

Dasar Pemikiran 3 : Statistik memungkinkan perawat untuk memahami bagaimana menafsirkan rasio odds, yang dapat memberikan gambaran kepada pasien tentang faktor risiko yang berkaitan dengan obat-obatan atau pilihan gaya hidup yang berbeda.

Di sisa artikel ini, kami mengembangkan masing-masing alasan tersebut.

Alasan 1: Memahami cara menafsirkan statistik deskriptif

Statistik deskriptif digunakan untuk mendeskripsikan data.

Dalam konteks medis, perawat mungkin memiliki akses ke statistik deskriptif pasien berikut:

• Rata-rata berat badan pasien selama selang waktu tertentu.
• Standar deviasi berat badan pasien selama selang waktu tertentu.
• Persentil tinggi badan, berat badan, tekanan darah, dan detak jantung pasien.

Dengan menggunakan pengukuran ini, perawat dapat lebih memahami status kesehatan pasien secara keseluruhan dan memberikan rekomendasi untuk meningkatkan kesehatan mereka.

Misalnya, seorang perawat dapat melihat bahwa pasien berada pada persentil berat badan ke-93 untuk kelompok usianya.

Dengan mengikuti kursus statistik, seorang perawat akan mengetahui bahwa ini berarti individu tersebut memiliki berat badan 93% lebih banyak daripada semua individu dalam kelompok usia yang sama.

Hal ini merupakan indikasi yang jelas bahwa berat badan individu tidak sehat dan perawat mungkin merekomendasikan pengobatan tertentu atau perubahan gaya hidup yang dapat memberikan efek positif pada individu tersebut.

Alasan 2: Memahami cara menafsirkan hasil uji klinis

Alasan penting lainnya mengapa perawat memahami statistik adalah untuk mengetahui bagaimana menafsirkan hasil uji klinis.

Misalnya, para peneliti sedang melakukan uji klinis baru untuk menentukan apakah suatu obat baru memengaruhi penurunan berat badan.

Misalkan hasil percobaan berikut ini dilaporkan dalam jurnal medis:

Terdapat perbedaan signifikan rata-rata penurunan berat badan antara obat baru (M = 5.75, SD = 1.25) dan plasebo (M = 0.23, SD = 0.97); hal = 0,021.

Seorang perawat yang telah mengambil mata kuliah statistika akan mengetahui bahwa p yang ditunjukkan pada hasil mewakili nilai p dari uji t dua sampel.

Dan karena nilai p ini kurang dari 0,05, mereka akan mengetahui bahwa hasil penelitian tersebut signifikan secara statistik, yang menunjukkan bahwa terdapat perbedaan penurunan berat badan yang signifikan secara statistik antara pasien yang mengonsumsi obat baru dan pasien yang mengonsumsi obat yang sama. sebuah plasebo.

Dengan memahami cara menafsirkan hasil ini, mereka dapat menyampaikan informasi ini kepada pasien yang sedang mempertimbangkan untuk mengonsumsi obat penurun berat badan yang baru.

Catatan : Ini hanyalah salah satu contoh uji statistik yang dapat dilakukan dalam uji klinis. Uji umum lainnya mencakup uji-t satu sampel , uji-t sampel berpasangan , ANOVA satu arah , dan ANOVA dua arah .

Alasan keempat: Memahami cara menafsirkan rasio odds

Alasan penting lainnya mengapa perawat memahami statistik adalah untuk mengetahui bagaimana menafsirkan rasio odds.

Rasio odds memberi tahu kita rasio peluang suatu peristiwa terjadi pada kelompok perlakuan terhadap peluang suatu peristiwa terjadi pada kelompok kontrol.

Misalnya, peneliti ingin memahami hubungan antara usia ibu dan kemungkinan memiliki bayi dengan berat badan lahir sehat.

Untuk mengetahui hal tersebut, mereka melakukan regresi logistik dengan menggunakan usia sebagai variabel prediktor dan berat badan lahir sehat (no = 0, yes = 1) sebagai variabel respon .

Misalkan mereka mengumpulkan data dari 200 ibu dan menyesuaikan model regresi logistik. Berikut hasilnya:

Rasio odds untuk variabel prediktor usia kurang dari 1. Artinya, setiap penambahan usia satu tahun dikaitkan dengan penurunan peluang seorang ibu memiliki bayi yang sehat.

Secara khusus, kita dapat menggunakan rumus berikut untuk mengukur evolusi peluang:

% Perubahan Peluang: (OR-1) * 100

Misalnya, rasio odds (OR) untuk usia adalah 0,92. Jadi, kita dapat menghitung:

% Perubahan Peluang: (0,92 – 1) * 100 = -8%

Artinya, setiap penambahan usia satu tahun dikaitkan dengan penurunan peluang ibu untuk memiliki bayi yang sehat sebesar 8% .

Dengan memahami bagaimana menafsirkan rasio odds ini, perawat dapat mengkomunikasikan hasil ini dengan jelas kepada calon ibu.

Sumber daya tambahan

Artikel berikut menjelaskan pentingnya statistik dalam bidang lain:

Pentingnya statistik dalam bisnis
Pentingnya statistik dalam pendidikan
Pentingnya statistik dalam perekonomian
Pentingnya statistik dalam penelitian
Pentingnya statistik dalam kesehatan