L'importanza della statistica nel settore sanitario (con esempi)

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

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

Motivo 1 : le statistiche consentono agli operatori sanitari di monitorare la salute degli individui utilizzando statistiche descrittive.

Motivo 2 : La statistica consente agli operatori sanitari di quantificare la relazione tra le variabili utilizzando modelli di regressione.

Motivo 3 : Le statistiche consentono agli operatori sanitari di confrontare l’efficacia di diverse procedure mediche utilizzando test di ipotesi.

Motivo 4 : Le statistiche consentono agli operatori sanitari di comprendere l’effetto delle scelte di stile di vita sulla salute utilizzando il rapporto del tasso di incidenza.

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

Motivo 1: monitorare la salute degli individui utilizzando statistiche descrittive

Le statistiche descrittive vengono utilizzate per descrivere i dati.

Gli operatori sanitari spesso calcolano le seguenti statistiche descrittive per un dato individuo:

• Frequenza cardiaca rimanente media.
• Pressione arteriosa media.
• Fluttuazione del peso in un certo periodo.

Con queste misurazioni, gli operatori sanitari possono comprendere meglio la salute generale degli individui.

Possono quindi utilizzare queste misurazioni per informare le persone sui modi per migliorare la loro salute o addirittura prescrivere farmaci specifici in base alle loro condizioni di salute.

Motivo 2: quantificare la relazione tra le variabili utilizzando modelli di regressione

La statistica viene utilizzata anche nel settore sanitario sotto forma di modelli di regressione .

Si tratta di modelli che consentono agli operatori sanitari di quantificare la relazione tra una o più variabili predittive e una variabile di risposta .

Ad esempio, un operatore sanitario può avere accesso ai dati sul numero totale di ore trascorse esercitandosi ogni giorno, sul tempo totale trascorso seduto ogni giorno e sul peso complessivo delle persone.

Potrebbero quindi costruire il seguente modello di regressione lineare multipla:

Peso = 124,33 – 15,33 (ore trascorse esercitandosi al giorno) + 1,04 (ore trascorse seduti al giorno)

Ecco come interpretare i coefficienti di regressione in questo modello:

• Per ogni ora in più trascorsa ad allenarsi al giorno, il peso totale diminuisce in media di 15,33 libbre (assumendo che le ore trascorse seduti rimangano costanti).
• Per ogni ora in più trascorsa seduti al giorno, il peso totale aumenta in media di 1,04 libbre (assumendo che le ore trascorse a fare esercizio rimangano costanti).

Utilizzando questo modello, un operatore sanitario può capire rapidamente che più tempo trascorso nell’esercizio è associato a un peso inferiore e più tempo trascorso seduto è associato a un peso maggiore.

Possono anche quantificare esattamente quanto la quantità di esercizio fisico e la posizione seduta influiscono sul peso.

Motivo 3: confrontare le procedure mediche utilizzando il test di ipotesi

La statistica viene utilizzata anche nel settore sanitario sotto forma di test di ipotesi .

Si tratta di test che gli operatori sanitari possono utilizzare per determinare se esiste una significatività statistica tra diverse procedure o trattamenti medici.

Ad esempio, supponiamo che un medico ritenga che un nuovo farmaco sia in grado di ridurre la pressione sanguigna nei pazienti obesi. Per verificarlo, sarà in grado di misurare la pressione sanguigna di 40 pazienti prima e dopo l’uso del nuovo farmaco per un mese.

Quindi esegue un test t per campioni accoppiati utilizzando le seguenti ipotesi:

• H ₀ : μ _dopo = μ _prima (la pressione sanguigna media è la stessa prima e dopo l’uso del farmaco)
• H _A : μ _dopo < μ _prima (la pressione arteriosa media è più bassa dopo l’uso del farmaco)

Se il valore p del test è inferiore a un certo livello di significatività (ad es. α = 0,05), allora si può respingere l’ipotesi nulla e concludere che il nuovo farmaco provoca una riduzione della pressione sanguigna.

Nota : questo è solo un esempio di test di ipotesi utilizzato nel settore sanitario. Altri test comuni includono il t-test a un campione , il t-test a due campioni , l’ANOVA a una via e l’ANOVA a due vie .

Motivo 4: comprendere gli effetti delle scelte di stile di vita sulla salute utilizzando il tasso di incidenza

Un rapporto sul tasso di incidenza consente agli operatori sanitari di confrontare il tasso di incidenza tra due gruppi diversi.

Ad esempio, supponiamo che sia noto che i fumatori sviluppano il cancro ai polmoni con un tasso di 7 ogni 100 anni persona.

Al contrario, supponiamo che sia noto che le persone che non fumano sviluppano il cancro ai polmoni con un tasso di 1,5 ogni 100 anni-persona.

Calcoleremmo il rapporto del tasso di incidenza (spesso abbreviato IRR) come segue:

• IRR = Tasso di incidenza tra i fumatori / Tasso di incidenza tra i non fumatori
• IRR = (7/100) / (1,5/100)
• IRR = 4,67

Ecco come un operatore sanitario interpreterebbe questo valore: il tasso di cancro ai polmoni tra i fumatori è 4,67 volte superiore a quello dei non fumatori.

Con questo semplice calcolo, gli operatori sanitari possono comprendere meglio in che modo le diverse scelte di stile di vita (come il fumo) influiscono sulla salute degli individui.

Risorse addizionali

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

Perché le statistiche sono importanti? (10 motivi per cui le statistiche sono importanti!)
L’importanza della statistica in infermieristica
L’importanza della statistica nelle imprese
L’importanza della statistica in economia
L’importanza della statistica nell’istruzione