Het belang van statistieken in de gezondheidszorg (met voorbeelden)

Het vakgebied statistiek houdt zich bezig met het verzamelen, analyseren, interpreteren en presenteren van gegevens.

In de gezondheidszorg zijn statistieken om de volgende redenen belangrijk:

Reden 1 : Statistieken stellen zorgverleners in staat de gezondheid van individuen te volgen met behulp van beschrijvende statistieken.

Reden 2 : Statistieken stellen gezondheidszorgprofessionals in staat de relatie tussen variabelen te kwantificeren met behulp van regressiemodellen.

Reden 3 : Statistieken stellen beroepsbeoefenaren in de gezondheidszorg in staat de effectiviteit van verschillende medische procedures te vergelijken met behulp van hypothesetests.

Reden 4 : Statistieken stellen gezondheidswerkers in staat het effect van levensstijlkeuzes op de gezondheid te begrijpen aan de hand van de incidentieratio.

In de rest van dit artikel bespreken we elk van deze redenen.

Reden 1: Monitor de gezondheid van individuen met behulp van beschrijvende statistieken

Beschrijvende statistieken worden gebruikt om gegevens te beschrijven .

Beroepsbeoefenaren in de gezondheidszorg berekenen vaak de volgende beschrijvende statistieken voor een bepaald individu:

• Gemiddelde resterende hartslag.
• Gemiddelde arteriële druk.
• Gewichtsschommelingen gedurende een bepaalde periode.

Met deze metingen kunnen zorgprofessionals de algehele gezondheid van individuen beter begrijpen.

Ze kunnen deze metingen vervolgens gebruiken om individuen te informeren over manieren om hun gezondheid te verbeteren of zelfs specifieke medicijnen voor te schrijven op basis van hun gezondheidstoestand.

Reden 2: Kwantificeer de relatie tussen variabelen met behulp van regressiemodellen

Ook in de zorg wordt statistiek gebruikt in de vorm van regressiemodellen .

Dit zijn modellen waarmee zorgprofessionals de relatie tussen een of meer voorspellende variabelen en eenresponsvariabele kunnen kwantificeren.

Een beroepsbeoefenaar in de gezondheidszorg kan bijvoorbeeld toegang hebben tot gegevens over het totale aantal uren dat per dag aan lichaamsbeweging wordt besteed, de totale tijd die per dag aan zitten wordt besteed en het totale gewicht van personen.

Ze zouden dan het volgende meervoudige lineaire regressiemodel kunnen construeren:

Gewicht = 124,33 – 15,33 (uren besteed aan lichaamsbeweging per dag) + 1,04 (uren besteed aan zitten per dag)

Zo interpreteert u de regressiecoëfficiënten in dit model:

• Voor elk extra uur dat u per dag aan lichaamsbeweging besteedt, neemt het totale gewicht met gemiddeld 15,33 pond af (ervan uitgaande dat de uren die u zittend doorbrengt constant blijven).
• Voor elk extra uur dat per dag zittend wordt doorgebracht, neemt het totale gewicht met gemiddeld 1,04 pond toe (ervan uitgaande dat de uren die aan lichaamsbeweging worden besteed constant blijven).

Met behulp van dit model kan een zorgverlener snel begrijpen dat meer tijd aan lichaamsbeweging verband houdt met een lager gewicht en dat meer tijd aan zitten verband houdt met een hoger gewicht.

Ze kunnen ook precies kwantificeren hoeveel de hoeveelheid lichaamsbeweging en zitpositie het gewicht beïnvloedt.

Reden 3: Vergelijk medische procedures met behulp van hypothesetests

Ook in de gezondheidszorg wordt statistiek gebruikt in de vorm van het testen van hypothesen .

Dit zijn tests die beroepsbeoefenaren in de gezondheidszorg kunnen gebruiken om te bepalen of er statistische significantie bestaat tussen verschillende medische procedures of behandelingen.

Stel bijvoorbeeld dat een arts denkt dat een nieuw medicijn de bloeddruk bij zwaarlijvige patiënten kan verlagen. Om dit te testen, zal hij een maand lang de bloeddruk van 40 patiënten kunnen meten voor en na gebruik van het nieuwe medicijn.

Vervolgens voert het een t-test met gepaarde monsters uit, waarbij gebruik wordt gemaakt van de volgende aannames:

• H ₀ : μ _na = μ _ervoor (de gemiddelde bloeddruk is hetzelfde voor en na gebruik van het medicijn)
• H _A : μ _na < μ _ervoor (gemiddelde bloeddruk is lager na gebruik van het medicijn)

Als de p-waarde van de test onder een bepaald significantieniveau ligt (bijvoorbeeld α = 0,05), kan deze de nulhypothese verwerpen en concluderen dat het nieuwe medicijn een verlaging van de bloeddruk veroorzaakt.

Opmerking : dit is slechts één voorbeeld van hypothesetests die in de gezondheidszorg worden gebruikt. Andere veelgebruikte tests zijn onder meer een t-test met één monster , een t-test met twee monsters , eenzijdige ANOVA en tweezijdige ANOVA .

Reden 4: Begrijp de effecten van leefstijlkeuzes op de gezondheid aan de hand van de incidentiecijfers

Met een incidentierapport kunnen zorgverleners de incidentie tussen twee verschillende groepen vergelijken.

Stel bijvoorbeeld dat bekend is dat rokers 7 per 100 persoonsjaren longkanker krijgen.

Stel daarentegen dat bekend is dat mensen die niet roken, 1,5 per 100 persoonsjaren longkanker krijgen.

We berekenen de incidentieratio (vaak afgekort IRR) als volgt:

• IRR = Incidentie onder rokers / Incidentie onder niet-rokers
• IRR = (7/100) / (1,5/100)
• IRR = 4,67

Hier ziet u hoe een beroepsbeoefenaar in de gezondheidszorg deze waarde zou interpreteren: het aantal longkankers onder rokers is 4,67 keer hoger dan dat onder niet-rokers.

Met deze eenvoudige berekening kunnen zorgprofessionals beter begrijpen hoe verschillende levensstijlkeuzes (zoals roken) de gezondheid van individuen beïnvloeden.

Aanvullende bronnen

In de volgende artikelen wordt het belang van statistieken op andere gebieden uitgelegd:

Waarom zijn statistieken belangrijk? (10 redenen waarom statistieken belangrijk zijn!)
Het belang van statistiek in de verpleegkunde
Het belang van statistieken in bedrijven
Het belang van statistiek in de economie
Het belang van statistiek in het onderwijs