Het belang van statistieken in de verpleegkunde (met voorbeelden)

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

In de verpleegkunde zijn statistieken belangrijk om de volgende redenen:

Reden 1 : Met statistieken kunnen verpleegkundigen begrijpen hoe ze beschrijvende statistieken, zoals gemiddelde, mediaan, standaarddeviatie, bereik en percentielen, moeten interpreteren.

Reden 2 : Statistieken stellen verpleegkundigen in staat te begrijpen hoe ze de resultaten van recente klinische onderzoeken moeten interpreteren en hoe ze deze resultaten aan patiënten kunnen communiceren.

Reden 3 : Statistieken stellen verpleegkundigen in staat te begrijpen hoe odds ratio’s moeten worden geïnterpreteerd, waardoor patiënten een idee kunnen krijgen van risicofactoren die verband houden met verschillende medicijnen of levensstijlkeuzes.

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

Reden 1: Begrijp hoe beschrijvende statistieken moeten worden geïnterpreteerd

Beschrijvende statistieken worden gebruikt om gegevens te beschrijven .

In een medische context kan een verpleegkundige toegang hebben tot de volgende beschrijvende statistieken voor een patiënt:

• Het gemiddelde gewicht van de patiënt gedurende een bepaald tijdsinterval.
• De standaardafwijking van het gewicht van de patiënt gedurende een bepaald tijdsinterval.
• Het percentiel van de lengte, het gewicht, de bloeddruk en de hartslag van een patiënt.

Met behulp van deze metingen kan de verpleegkundige de algehele gezondheidsstatus van een bepaalde patiënt beter begrijpen en aanbevelingen doen om zijn gezondheid te verbeteren.

Stel dat een verpleegkundige bijvoorbeeld kan zien dat een patiënt zich in het 93e gewichtspercentiel bevindt voor zijn of haar leeftijdsgroep.

Door een cursus statistiek te volgen, weet een verpleegkundige dat dit betekent dat het individu 93% meer weegt dan alle individuen in dezelfde leeftijdsgroep.

Dit is een duidelijke indicatie dat het individu geen gezond gewicht heeft en de verpleegkundige kan een bepaalde medicatie of levensstijlverandering aanbevelen die een positief effect op het individu zou kunnen hebben.

Reden 2: Begrijp hoe u de resultaten van klinische onderzoeken moet interpreteren

Een andere belangrijke reden waarom verpleegkundigen statistieken begrijpen, is dat ze weten hoe ze de resultaten van klinische onderzoeken moeten interpreteren.

Stel bijvoorbeeld dat onderzoekers een nieuwe klinische proef uitvoeren om te bepalen of een nieuw medicijn gewichtsverlies beïnvloedt.

Stel dat de volgende resultaten van de proef in een medisch tijdschrift worden gerapporteerd:

Er was een significant verschil in gemiddeld gewichtsverlies tussen het nieuwe medicijn (M = 5,75, SD = 1,25) en placebo (M = 0,23, SD = 0,97); p = 0,021.

Een verpleegkundige die een cursus statistiek heeft gevolgd, weet dat de p die in de resultaten wordt weergegeven, de p-waarde vertegenwoordigt van een t-toets met twee steekproeven.

En omdat deze p-waarde kleiner is dan 0,05, weten ze dat de onderzoeksresultaten statistisch significant zijn, wat aangeeft dat er een statistisch significant verschil is in gewichtsverlies tussen patiënten die het nieuwe medicijn hebben gebruikt en degenen die hetzelfde medicijn hebben gebruikt. een placebo.

Door te begrijpen hoe ze deze resultaten moeten interpreteren, kunnen ze deze informatie overbrengen aan patiënten die overwegen de nieuwe medicatie voor gewichtsverlies te nemen.

Opmerking : dit is slechts één voorbeeld van een statistische test die in klinische onderzoeken kan worden uitgevoerd. Andere veelgebruikte tests zijn onder meer een t-test met één monster , een t-test met gepaarde steekproeven , eenrichtings-ANOVA en een tweerichtings-ANOVA .

Reden 3: Begrijp hoe u oddsratio’s moet interpreteren

Een andere belangrijke reden waarom verpleegkundigen statistieken begrijpen, is dat ze weten hoe ze oddsratio’s moeten interpreteren.

Een odds ratio vertelt ons de verhouding tussen de kans dat een gebeurtenis zich voordoet in een behandelgroep en de kans dat een gebeurtenis zich voordoet in een controlegroep.

Stel dat onderzoekers bijvoorbeeld de relatie willen begrijpen tussen de leeftijd van een moeder en de kans op het krijgen van een baby met een gezond geboortegewicht.

Om dit te onderzoeken voeren ze logistische regressie uit met leeftijd als voorspellende variabele en gezond geboortegewicht (nee = 0, ja = 1) alsresponsvariabele .

Stel dat ze gegevens verzamelen over 200 moeders en passen in een logistisch regressiemodel. Hier zijn de resultaten:

De odds ratio voor de voorspellende variabele leeftijd is minder dan 1. Dit betekent dat elke extra leeftijdsstijging van één jaar gepaard gaat met een afname van de kans dat een moeder een gezonde baby krijgt.

In het bijzonder kunnen we de volgende formule gebruiken om de evolutie van de kansen te kwantificeren:

Kansverandering%: (OR-1) * 100

De odds ratio (OR) voor leeftijd is bijvoorbeeld 0,92. Zo zouden we kunnen berekenen:

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

Dit betekent dat elke extra leeftijdsstijging van één jaar gepaard gaat met een afname van 8% in de kans van een moeder om een gezonde baby te krijgen.

Door te begrijpen hoe deze odds ratio moet worden geïnterpreteerd, kan een verpleegkundige dit resultaat duidelijk communiceren naar een potentiële moeder.

Aanvullende bronnen

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

Het belang van statistieken in bedrijven
Het belang van statistiek in het onderwijs
Het belang van statistiek in de economie
Het belang van statistiek in onderzoek
Het belang van statistiek in de gezondheidszorg