|
При выявлении заболеваний или нарушений репродуктивной системы девушек-подростков направляли для комплексного амбулаторного или стационарного (по показаниям) обследования у гинеколога детского и подросткового возраста с последующим внесением диагноза в паспорт репродуктивного здоровья, в соответствии с Международной статистической классификацией болезней и проблем, связанных со здоровьем [96]. Для статистической обработки результатов исследования в качестве основного программного обеспечения использовали пакет прикладных программ STAT1STICA фирмы StatSoft Inc. (США). Большинство изучаемых признаков были качественными, которые при выборе методов статистического анализа подразделялись па номинальные (условные коды неизмеряемых категорий род занятий, диагноз) и ранговые (степень выраженности какой-либо характеристики объекта исследования бытовые условия, время становления менструального цикла). Кроме того, выделяли признаки бинарного типа, имеющие только два значения (диспансерный учет у врача, наличие ХЭГЗ, прерывание беременности). Выбор методов статистического анализа количественных признаков производили с учетом соответствия вида их распределения закону нормального распределения. Изучали абсолютные и относительные частоты признаков. Достоверность различий между сравниваемыми группами оценивали пепараметрическими критериями Вилкоксона-Манна-Уитни для несвязанных совокупностей и методами вариационной статистики с использованием критериев Стьюдсита (t) и %2, Различие между сравниваемыми величинами признавали достоверным при р«),05 (t>2,0). Для проведения корреляционного анализа использовали методы Пирсона и Спирмена, при абсолютном значении коэффициента корреляции г > 0,75 связь оценивали как сильная, при 0,25 < г < 0,75 как умеренная, при г< 0,25 как слабая [132]. Поиск закономерностей группировки и взаимосвязи изучаемых признаков был реализован с помощью кластерного анализа. Для кластерного анализа использовали методы наиболее удаленных соседей, взвешенного попарного сред |
55 Поиск закономерностей группировки и взаимосвязи изучаемых признаков был реализован с помощью кластерного и факторного анализа. Для кластерного анализа использовались методы наиболее удаленных соседей, взвешенного попарного среднего, метод Варда, гипотеза относительно числа кластеров по переменным проверялась методом К средних [313]. Факторный анализ выполнялся методом главных компонент и методом максимального правдоподобия (с вращением). В соответствии с графиком собственных значений определялись ведущие факторы в новой сокращенной системе координат, повернутой таким образом, что факторные оси расположены по направлениям наибольших дисперсий. По графикам факторных нагрузок давалась интерпретация основных групп ведущих (наиболее значимых) факторов, с последующим вычислением значений факторных нагрузок, которые сводились в таблицы. Это позволило подробно определить, из чего складываются группы ведущих факторов [84]. Для анализа связи между несколькими независимыми переменными, выявления прогностически наиболее информативных признаков (предикторов) и построения прогностических моделей использовались пошаговый дискриминантный и линейный регрессионный методы анализа [217]. Выходные данные были сведены в таблицы. Таблицы, отобранные для описательной части исследования, представлены в соответствующих разделах диссертации. |