L'importanza della statistica in infermieristica (con esempi)

Il campo della statistica riguarda la raccolta, l’analisi, l’interpretazione e la presentazione dei dati.

In ambito infermieristico, le statistiche sono importanti per i seguenti motivi:

Motivazione 1 : La statistica consente agli infermieri di capire come interpretare le statistiche descrittive come media, mediana, deviazione standard, intervallo e percentili.

Motivazione 2 : Le statistiche consentono agli infermieri di capire come interpretare i risultati di recenti studi clinici e come comunicare tali risultati ai pazienti.

Motivazione 3 : Le statistiche consentono agli infermieri di capire come interpretare gli odds ratio, che possono dare ai pazienti un’idea dei fattori di rischio legati ai diversi farmaci o alle scelte di stile di vita.

Nel resto di questo articolo, sviluppiamo ciascuno di questi motivi.

Motivo 1: capire come interpretare le statistiche descrittive

Le statistiche descrittive vengono utilizzate per descrivere i dati.

In un contesto medico, un infermiere può avere accesso alle seguenti statistiche descrittive per un paziente:

• Il peso medio del paziente durante un dato intervallo di tempo.
• La deviazione standard del peso del paziente durante un dato intervallo di tempo.
• Il percentile dell’altezza, del peso, della pressione sanguigna e della frequenza cardiaca di un paziente.

Utilizzando queste misurazioni, l’infermiere può comprendere meglio lo stato di salute generale di un determinato paziente e fornire raccomandazioni per migliorarne la salute.

Ad esempio, supponiamo che un’infermiera possa vedere che un paziente rientra nel 93° percentile di peso per la sua fascia di età.

Seguendo un corso di statistica, un’infermiera saprebbe che ciò significa che l’individuo pesa il 93% in più rispetto a tutti gli individui della stessa fascia di età.

Questa è una chiara indicazione che l’individuo non ha un peso sano e l’infermiera può raccomandare un determinato farmaco o un cambiamento nello stile di vita che potrebbe avere un effetto positivo sull’individuo.

Motivo 2: capire come interpretare i risultati degli studi clinici

Un altro motivo importante per cui gli infermieri comprendono le statistiche è sapere come interpretare i risultati degli studi clinici.

Ad esempio, supponiamo che i ricercatori stiano conducendo un nuovo studio clinico per determinare se un nuovo farmaco influisce sulla perdita di peso.

Supponiamo che i seguenti risultati dello studio siano riportati in una rivista medica:

È stata riscontrata una differenza significativa nella perdita di peso media tra il nuovo farmaco (M = 5,75, SD = 1,25) e il placebo (M = 0,23, SD = 0,97); p = 0,021.

Un infermiere che ha seguito un corso di statistica saprà che il p mostrato nei risultati rappresenta il valore p di un test t a due campioni.

E poiché questo valore p è inferiore a 0,05, sapranno che i risultati dello studio sono statisticamente significativi, indicando che esiste una differenza statisticamente significativa nella perdita di peso tra i pazienti che hanno assunto il nuovo farmaco e quelli che hanno assunto lo stesso farmaco. un placebo.

Comprendendo come interpretare questi risultati, possono trasmettere queste informazioni ai pazienti che stanno valutando la possibilità di assumere il nuovo farmaco per la perdita di peso.

Nota : questo è solo un esempio di test statistico che può essere eseguito negli studi clinici. Altri test comuni includono il t-test a un campione , il t-test a campioni accoppiati , l’ANOVA unidirezionale e l’ANOVA a due vie .

Motivo 3: capire come interpretare i rapporti di probabilità

Un altro motivo importante per cui gli infermieri comprendono le statistiche è sapere come interpretare gli odds ratio.

Un odds ratio ci dice il rapporto tra le probabilità che un evento si verifichi in un gruppo di trattamento e le probabilità che un evento si verifichi in un gruppo di controllo.

Ad esempio, supponiamo che i ricercatori vogliano comprendere la relazione tra l’età di una madre e la probabilità di avere un bambino con un peso alla nascita sano.

Per esplorare questo aspetto, hanno eseguito una regressione logistica utilizzando l’età come variabile predittiva e il peso alla nascita sano (no = 0, sì = 1) come variabile di risposta .

Supponiamo che raccolgano dati su 200 madri e adattino un modello di regressione logistica. Ecco i risultati:

L’odds ratio per la variabile predittrice età è inferiore a 1. Ciò significa che ogni ulteriore aumento di età di un anno è associato a una diminuzione delle probabilità che una madre abbia un bambino sano.

In particolare, possiamo utilizzare la seguente formula per quantificare l’evoluzione delle quote:

% di variazione delle quote: (OR-1) * 100

Ad esempio, l’odds ratio (OR) per l’età è 0,92. Potremmo quindi calcolare:

% di variazione delle quote: (0,92 – 1) * 100 = -8%

Ciò significa che ogni ulteriore aumento di età di un anno è associato a una diminuzione dell’8% nella possibilità di una madre di avere un bambino sano.

Comprendendo come interpretare questo rapporto di probabilità, un’infermiera può comunicare chiaramente questo risultato a una potenziale madre.

Risorse addizionali

I seguenti articoli spiegano l’importanza delle statistiche in altri campi:

L’importanza della statistica nelle imprese
L’importanza della statistica nell’istruzione
L’importanza della statistica in economia
L’importanza della statistica nella ricerca
L’importanza della statistica in sanità