Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии
О результатах применения корреляционно-регрессионных методов, представленных в интегрированных системах обработки данных, для совершенствования медицинских исследований. Про результати застосування кореляційно-регресивних методів, представлених в інтегрованих системах обробки даних, для вдосконаленн...
Збережено в:
| Дата: | 2008 |
|---|---|
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2008
|
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/6497 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии / А.М. Гупал, И.И. Лановенко, Т.Я. Грачева, А.С. Воробьев // Комп’ютерні засоби, мережі та системи. — 2008. — № 7. — С. 48-58. — Бібліогр.: 11 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860094410303209472 |
|---|---|
| author | Гупал, А.М. Лановенко, И.И. Грачева, Т.Я. Воробьев, А.С. |
| author_facet | Гупал, А.М. Лановенко, И.И. Грачева, Т.Я. Воробьев, А.С. |
| citation_txt | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии / А.М. Гупал, И.И. Лановенко, Т.Я. Грачева, А.С. Воробьев // Комп’ютерні засоби, мережі та системи. — 2008. — № 7. — С. 48-58. — Бібліогр.: 11 назв. — рос. |
| collection | DSpace DC |
| description | О результатах применения корреляционно-регрессионных методов, представленных в интегрированных системах обработки данных, для совершенствования медицинских исследований.
Про результати застосування кореляційно-регресивних методів, представлених в інтегрованих системах обробки даних, для вдосконалення медичних досліджень.
This article describes results of application of correlations and regression methods in data processing systems for medical researches improving.
|
| first_indexed | 2025-12-07T17:24:49Z |
| format | Article |
| fulltext |
48 Комп’ютерні засоби, мережі та системи. 2008, № 7
A.M. Gupal, I.I .Lanovenko,
T.J. Grachova, O.S. Vorobyov
THE ANALYSIS OF
CORRELATION AND
REGRESSION IN RESEARCH
GENESIS OF HEMIC HYPOXIA.
This article describes results of ap-
plication of correlations and regres-
sion methods in data processing
systems for medical researches im-
proving.
Про результати застосування
кореляційно-регресивних методів,
представлених в інтегрованих
системах обробки даних, для вдо-
сконалення медичних досліджень.
О результатах применения корре-
ляционно-регрессионных методов,
представленных в интегрирован-
ных системах обработки данных,
для совершенствования медицин-
ских исследований.
А.М. Гупал, И.И. Лановенко,
Т.Я. Грачѐва, А.С. Воробьѐв,
2008
УДК 681.3
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО,
Т.Я. ГРАЧЁВА, А.С. ВОРОБЬЁВ
КОРРЕЛЯЦИОННЫЙ
И РЕГРЕССИОННЫЙ АНАЛИЗ
ПРИ ИССЛЕДОВАНИИ ГЕНЕЗА
ГЕМИЧЕСКОЙ ГИПОКСИИ
В медицинских и медико-биологических ис-
следованиях широко представлены многие
методы и средства математического анализа,
например, такие как вероятностный и стати-
стический анализы. Наряду с этим медицин-
ские данные, а также результаты медико-
биологических экспериментов могут слу-
жить базой для возникновения новых на-
правлений научных исследований. Яркими
примерами могут быть открытие двунитие-
вой спирали ДНК, витаминов, антибиотиков,
ферментов и целый ряд других разработок.
В развитие фундаментальных работ школы
академика Н.Н. Сиротинина относительно
механизмов адаптации к гипоксии, в лабора-
тории патофизиологии Института гематоло-
гии и трансфузиологии АМН Украины про-
водятся исследования патогенеза анемий с
позиций оценки функционального состояния
кислородтранспортной системы (КТС),
транспорта и утилизации кислорода, разви-
тия и компенсации гемической гипоксии.
Получены оригинальные данные о законо-
мерностях и механизмах повреждения ки-
слородтранспортной системы при железоде-
фицитных, гемолитических и апластических
анемиях.
В исследованиях, проведенных в лабора-
тории с применением экспериментальных,
клинико-физиологических, биохимических
морфофункциональных и статистических ме-
тодов, получены данные об изменениях
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ…
Комп’ютерні засоби, мережі та системи. 2008, № 7 49
всех составляющих элементов (подсистем) кислородтранспортной системы:
внешнего дыхания и газообмена, системной гемодинамики, газового состава и
кислотно-основного состояния крови, эритрона, костно-мозгового кроветворе-
ния, кислородных режимах организма и тканевого метаболизма. Определяли
также ассоциированные с КТС важнейшие факторы и биологически активные
вещества: например, состояние прокоагулянтных и антикоагулянтных активно-
стей крови и гемореологии, показатели обмена железа, содержание в крови ан-
тиоксидантов, оксида азота, эритропоэтина для изучения механизмов выявляе-
мых реакций [15]. Эти данные охватывают период более 10 лет и представлены
по категориям здоровых и больных людей, а также для модельных эксперимен-
тов на животных. Для подтверждения полученных физиологических закономер-
ностей, решения задач диагностики или, например, коррекции кислород-
транспортной системы в условиях гипоксии, важное значение могут иметь та-
кие методы математической статистики как корреляционно-регрессионный ана-
лиз. В аспекте решения проблемы гипоксии данный подход весьма плодотвор-
ный, однако должного применения пока не получил [6, 7].
Цель исследований изучение эффективности методов корреляционно-
регрессионного анализа для оценки взаимосвязей и взаимодействия между от-
дельными показателями КТС, выявления на этой основе наиболее информатив-
ных физиологических критериев гемической гипоксии с последующей аппрок-
симацией их в качестве критериев диагностики и прогноза анемий.
Правильная постановка задачи и планирование исследований дают возмож-
ность использовать аппарат статистического анализа данных с применением
компьютерных программ, что позволяет установить взаимное влияние большого
количества учитываемых признаков и отобрать наиболее значимые.
Корреляционно-регрессионный анализ один из основных подходов в выяв-
лении (измерении) связи между исследуемыми показателями. Представляет со-
бой комплекс методов, с помощью которых может быть определен вид уравне-
ния для описания взаимозависимостей, выполнен расчет параметров полученно-
го уравнения, а также установлена теснота и значимость связи между перемен-
ными в уравнении или уравнениях.
Основные этапы математического моделирования при проведении настоя-
щего исследования:
- сбор и обработка данных;
- спецификация моделей выбор конкретной формы аналитической зависи-
мости между показателями;
- оценивание параметров моделей.
Выполнение этапа сбора и обработки статистической информации, который
по своему содержанию был самым длительным и дорогостоящим, включало
проведение прямых медицинских определений (проведение измерений, забор
материала и проведение клинико-лабораторных анализов), вычисление расчет-
ных показателей и фиксирование результатов в виде, предполагавшем даль-
нейшую обработку полученной информации с помощью универсальных интег-
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО, Т.Я. ГРАЧЕВА, А.С. ВОРОБЬЕВ
50 Комп’ютерні засоби, мережі та системи. 2008, № 7
рированных систем на персональном компьютере. К сожалению, отсутствие
специально подготовленного персонала, а также специфических программных
средств, предполагающих правильное формирование исходных данных, приве-
ло в дальнейшем к значительным по объему рутинным процедурам подготовки
входных данных для обработки их с использованием компьютерных систем.
В данном случае исследования генеза гипоксии как типического патологи-
ческого процесса использовали все важнейшие показатели КТС [1, 79]. Приве-
дем перечень массивов данных применительно к изучению генеза гемической
гипоксии при анемиях [10], которые занимают доминирующее место среди за-
болеваний системы крови и составляют не только медико-биологическую, но и
социальную проблему.
Объект исследования:
– люди: больные анемией, практически здоровые испытуемые, доноры
(контроль);
– животные: крысы с экспериментальными моделями анемии – гемической
гипоксии различного генеза.
Характеристические показатели:
1. Общие антропометрические показатели: пол, возраст, масса тела, площадь
поверхности тела.
2. Показатели периферической крови гемограмма, показатели перифериче-
ского эритрона (ПЭ): количество эритроцитов – Эр, лейкоцитов – Л, тромбоци-
тов – Tр, ретикулоцитов – Рет, содержание гемоглобина – Hb, среднее содер-
жание гемоглобина в эритроците – ССГ, цветовой показатель – ЦП, гематок-
ритная величина – Гт, относительное содержание лейкоцитов (лейкоцитарная
формула).
3. Показатели кислородтранспортной функции крови – КТФ (основные па-
раметры дыхательной функции, газового состава и кислотно-основного состоя-
ния крови, системного кровообращения, кислородсвязывающих свойств гемо-
глобина, кислородных режимов крови, тканевого метаболизма): концентрация
(содержание) общего гемоглобина – Hb; концентрации производных гемогло-
бина – метгемоглобина, сульфгемоглобина и карбоксигемоглобина – MtHb, SHb,
HbСО; количество эритроцитов Эр; цветовой показатель – ЦП; среднее со-
держание гемоглобина в эритроците – ССГ; концентрации в эритроцитах аде-
нозинтрифосфорной кислоты – АТФ, фосфора неорганического Фн и
2,3-дифосфоглицерата – ДФГ; концентрация железа в сыворотке крови – СЖ;
общая железосвязывающая способность сыворотки крови – ОЖСС; нена-
сыщенная железосвязывающая способность сыворотки – НЖСС; насыщение
трансферрина железом – НТЖ; напряжение кислорода в артериальной и сме-
шанной венозной крови – РаО2, РvО2; Р50 – напряжение кислорода при 50
HbО2; кислородная емкость крови – СmaxО2; содержание кислорода в артери-
альной и смешанной венозной крови – СаО2, СvО2; артерио-венозное различие
по кислороду – аvDО2; минутный объем крови – Q (МОК); объемная скорость
транспорта кислорода артериальной и смешанной венозной кровью – VаО2,
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ…
Комп’ютерні засоби, мережі та системи. 2008, № 7 51
VvО2; потребление кислорода тканями – VО2; соотношение доставки кислорода
к его потреблению – VаО2/VО2 (SCR); напряжение углекислого газа в артери-
альной и смешанной венозной крови – РаСО2, РvСО2; концентрация буферных
оснований в артериальной и смешанной венозной крови – ВВа, BBv; сдвиг бу-
ферных оснований – ВЕа, ВЕv; концентрация бикарбонатов – АВа, АВv; рН ар-
териальной и смешанной венозной крови – рНа, рНv; концентрация молочной
кислоты в крови – СL.
4. Показатели обмена железа: концентрация железа в сыворотке крови –
СЖ, общая железосвязывающая способность сыворотки крови – ОЖСС, нена-
сыщенная железосвязывающая способность сыворотки – НЖСС, насыщение
трансферрина железом – НТЖ.
5. Показатели системной гемодинамики (кровообращения): артериальное
давление систолическое – АДс, диастолическое – АДд , среднее – САД, частота
сердечных сокращений – ЧСС, минутный объем крови – МОК , ударный объем
крови – УОК , сердечный СИ и систолический (ударный) – УИ индексы, рабо-
чий РИЛЖ и рабочий ударный индекс левого желудочка – РУИЛЖ, общее пе-
риферическое сопротивление – ОПС.
6. Показатели тестирования физиологически активных веществ (ФАВ):
активность в сыворотке крови активатора эритропоэза эритропоэтина – ЕРО,
содержание в плазме (пл.) и эритроцитах (эр.) крови стабильных конечных
метаболитов оксида азота (NO) – нитрита аниона (NO2) и нитрата аниона (NO3):
2NO пл., 2NO эр., 3NO пл., 3NO эр.
7. Показатели костно-мозгового кроветворения: клеточный состав костного
мозга, лейко-эритроцитарное соотношение, индекс созревания нейтрофилов –
ИСН и эритробластов – ИСЭ.
Следующий этап работы представлял собственно адаптацию компьютерной
технологии на использование методов корреляционно-регрессионного анализа
для исследования и моделирования физиологической закономерности о взаимо-
зависимости образования эритропоэтина, кроветворения и состояния кислород-
транспортной системы. Изучалась взаимосвязь показателя активности ЭРО и
важнейших (интегральных) показателей состояния КТС, которые представлены
в массивах данных ПЭ (Эр, Hb, Гт), КТФ (VO2, SCR), метаболизма (СЖ,
ОЖСС). Предположительно эта взаимосвязь могла быть выражена уравнением
многофакторной или даже простой линейной регрессии. Спецификация модели
на линейность шла в силу влияния психологического фактора – линейная связь
воспринималась исследователями-медиками с «минимальным внутренним со-
противлением».
Первоначально для проведения расчетов использовались средства элек-
тронных таблиц Excel. Был проведен корреляционный анализ, цель которого
установить характер связи – прямая или обратная и силу связи – отсутствует,
слабая, умеренная, заметная, сильная, весьма сильная и полная связь. Рассмот-
рим весь этап определения взаимосвязи факторов на примере значений по груп-
пе анализов ЭРО, представленных в табл. 1.
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО, Т.Я. ГРАЧЕВА, А.С. ВОРОБЬЕВ
52 Комп’ютерні засоби, мережі та системи. 2008, № 7
ТАБЛИЦА 1
2NO пл. 2NO эр. 3NO пл. 3NO эр. NОпл NОэр ЕРО
0,29 0,27 1,70 1,78 1,99 2,05 19,1
0,27 0,24 1,68 1,46 1,95 1,70 3,6
0,16 0,14 1,41 1,28 1,57 1,42 15,8
0,24 0,22 1,73 1,47 1,97 1,69 21,4
0,51 0,47 3,51 2,93 4,02 3,40 28,3
0,64 0,58 1,45 1,34 2,09 1,92 15,7
0,55 0,51 2,36 2,05 2,91 2,56 11,2
0,19 0,18 1,62 1,45 1,81 1,63 10,6
0,3 0,26 4,07 3,54 4,37 3,80 22,8
0,45 0,42 1,88 1,74 2,33 2,16 9,7
0,32 0,29 2,52 2,23 2,84 2,52 24,8
0,34 0,31 1,28 1,16 1,62 1,47 26,9
0,25 0,29 3,34 2,90 3,59 3,19 14,5
0,71 0,6 2,19 1,87 2,9 2,47 22,5
0,24 0,22 2,64 2,4 2,88 2,62 29,4
0,27 0,25 1,91 1,75 2,18 2 30,9
0,18 0,17 2,85 2,69 3,03 2,86 24,7
0,42 0,38 1,69 1,51 2,11 1,89 9,3
Применяя элемент <КОРРЕЛЯЦИЯ> из <ПАКЕТ АНАЛИЗА> позиции
Сервис электронных таблиц Excel, получаем необходимую для дальнейшего
анализа корреляционную матрицу в виде табл. 2.
ТАБЛИЦА 2
2NO пл. 2NO эр. 3NO пл. 3NO эр. NO пл. NO эр. EPO
2NO пл. 1
2NO эр. 0 , 9 9 1
3NO пл. - 0 , 0 1 0 , 0 2 1
3NO эр. - 0 , 0 6 - 0 , 0 2 0 , 9 9 1
NO пл. 0 , 1 9 0 , 2 2 0 , 9 8 0 , 9 6 1
NO эр. 0 , 1 5 0 , 1 8 0 , 9 8 0 , 9 8 0 , 9 9 1
EPO - 0 , 0 7 - 0 , 0 9 0 , 3 4 0 , 3 6 0 , 3 2 0 , 3 3 1
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ…
Комп’ютерні засоби, мережі та системи. 2008, № 7 53
Рассмотрим содержательное значение этой корреляционной матрицы. При
анализе определились факторы, влияющие на исследуемую зависимую пере-
менную ЭРО. Полученная интерпретация данных позволила установить зави-
симости данного показателя от показателей 3NO эр., NОпл., NОэр. Анализ
связей этих трех независимых переменных между собой указывает на возмож-
ность получить уравнение простой линейной регрессии. Применяя элемент
<РЕГРЕССИЯ> из Excel и проведя «ручную» интерпретацию полученных ре-
зультатов, имеем следующее уравнение:
ЭРО = 10,9 + 3,15NОпл.
Представленный процесс можно назвать полуавтоматическим. Он достаточ-
но трудоемкий и требует постоянного вмешательства специалиста-аналитика.
Переходим к следующему этапу моделирования – оцениваем параметры
модели. Приходится констатировать, что уравнение статистически не значимо
коэффициент детерминации R-квадрат для этого уравнения очень низкий. Это
может свидетельствовать о возможности влияния на отклик, т. е. показатель
ЭРО, не каждой из рассматриваемых переменных в отдельности, а о явлении
совместного воздействия, плюс из-за возможности «ручного выбора» включае-
мых в уравнение переменных, дальнейшее получение уравнения регрессии но-
сит приблизительный характер.
Использование интегрированных систем обработки данных, таких, напри-
мер, как пакет статистического анализа SPSS-15, позволяет исследования пол-
ностью автоматизировать, что исключает возможность ошибочных «ручных»
манипуляций. Результат представляется в полном объеме моделируемых связей.
Далее рассмотрим пример полученных результатов расчетов:
Notes
Output Created 27-MAR-2008 17:23:48
Comments
Input
Filter <none>
Weight <none>
Split File <none>
N of Rows in
Working Data File
18
Missing Value
Handling
Definition of Missing
User-defined missing values are treated as
missing.
Cases Used
Statistics are based on cases with no
missing values for any variable used.
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО, Т.Я. ГРАЧЕВА, А.С. ВОРОБЬЕВ
54 Комп’ютерні засоби, мережі та системи. 2008, № 7
Variables Entered/Removed(b)
Model Variables Entered
Variables
Removed
Method
1
NОэр., 2NO
пл., 3NO
пл.,
2NO
эр.(а)
, Enter
2 , 3NO
пл.
Backward (criterion: Probability of F-to-
remove >= ,100).
3 , 2NO
пл.
Backward (criterion: Probability of F-to-
remove >= ,100).
4 , 2NO
эр.
Backward (criterion: Probability of F-to-
remove >= ,100).
5 , NОэр.
Backward (criterion: Probability of F-to-
remove >= ,100).
a Tolerance = ,000 limits reached.
b Dependent Variable: ЭРО
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,472(a) ,223 -,016 8,06262
2 ,462(b) ,213 ,045 7,81895
3 ,367(c) ,135 ,019 7,92115
4 ,332(d) ,110 ,055 7,77651
5 ,000(e) ,000 ,000 7,99906
a Predictors: (Constant), NОэр., 2NO
пл., 3NO
пл., 2NO
эр.
b Predictors: (Constant), NОэр., 2NO
пл., 2NO
эр.
c Predictors: (Constant), NОэр., 2NO
эр
d Predictors: (Constant), NОэр.
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ…
Комп’ютерні засоби, мережі та системи. 2008, № 7 55
ANOVA(f)
Model Sum of Squares df
Mean
Square
F Sig.
1
Regression 242,668 4 60,667 ,933 ,475(a)
Residual 845,077 13 65,006
Total 1087,744 17
2
Regression 231,840 3 77,280 1,264 ,325(b)
Residual 855,905 14 61,136
Total 1087,744 17
3
Regression 146,575 2 73,288 1,168 ,338(c)
Residual 941,169 15 62,745
Total 1087,744 17
4
Regression 120,159 1 120,159 1,987 ,178(d)
Residual 967,585 16 60,474
Total 1087,744 17
5
Regression ,000 0 ,000 , ,(e)
Residual 1087,744 17 63,985
Total 1087,744 17
a Predictors: (Constant), NОэр., 2NO
пл., 3NO
пл., 2NO
эр.
b Predictors: (Constant), NОэр., 2NO
пл., 2NO
эр.
c Predictors: (Constant), NОэр., 2NO
эр.
d Predictors: (Constant), NОэр
e Predictor: (constant)
f Dependent Variable: ЭРО
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО, Т.Я. ГРАЧЕВА, А.С. ВОРОБЬЕВ
56 Комп’ютерні засоби, мережі та системи. 2008, № 7
Coefficients(a)
Unstandardized
Coefficients
Standardized Coefficients
t
S
ig.
Model B Std. Error
Beta
1
Constant 10,616 8,501 1,249 ,234
2NO
пл. 114,073 97,619 2,291 1,169 ,264
2NO
эр. 147,319 115,486 -2,571 -1,276 ,224
3NO
пл. -7,806 19,126 -,778 -,408 ,690
NОэр. 14,368 22,767 1,227 ,631 ,539
2
Constant 12,136 7,410 1,638 ,124
2NO
пл. 111,581 94,483 2,241 1,181 ,257
2NO
эр. 137,267 109,419 -2,395 -1,255 ,230
NОэр. 5,159 2,931 ,441 1,760 ,100
3
Constant 12,161 7,507 1,620 ,126
2NO
эр. -9,082 13,996 -,158 -,649 ,526
NОэр. 4,228 2,860 ,361 1,479 ,160
4
Constant 10,005 6,609 1,514 ,15
NОэр. 3,892 2,761 ,332 1,410 ,17
5 Constant 18,956 1,885 10,054 ,000
a Dependent Variable: ЭРО
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПРИ ИССЛЕДОВАНИИ…
Комп’ютерні засоби, мережі та системи. 2008, № 7 57
Excluded Variables(f)
Beta In t Sig. Partial Correlation Collinearity Statistics
1
3NO
эр. ,(a) , , , ,000
NОпл. ,(a) , , , ,000
2
NОпл. -,792(b) -,408 ,690 -,112 1,586E-02
3NO
пл. -,778(b) -,408 ,690 -,112 1,643E-02
3NO
эр. ,(c) , , , ,000
3
NОпл. -,203(c) -,106 ,917 -,028 1,693E-02
3NO
пл. -,639(c) -,331 ,745 -,088 1,649E-02
2NO
пл. 2,241(c) 1,181 ,257 ,301 1,561E-02
3NO
эр. ,763(d) ,649 ,526 ,165 4,172E-02
4
NОпл. -,513(d) -,286 ,778 -,074 1,841E-02
3NO
пл. ,340(d) ,286 ,779 ,074 4,160E-02
2NO
пл. -,121(d) -,494 ,629 -,126 ,979
2NO
эр. -,158(d) -,649 ,526 -,165 ,967
3NO
эр. ,357(e) 1,530 ,146 ,357 1,000
5
NОпл. ,320(e) 1,350 ,196 ,320 1,000
3NO
пл. ,340(e) 1,444 ,168 ,340 1,000
2NO
пл. -,070(e) -,279 ,784 -,070 1,000
2NO
эр. -,093(e) -,374 ,714 -,093 1,000
NОэр. ,332(e) 1,410 ,178 ,332 1,000
a Predictors in the Model: (Constant), NОэр., 2NO
пл., 3NO
пл., 2NO
эр.
b Predictors in the Model: (Constant), NОэр., 2NO
пл., 2NO
эр.
c Predictors in the Model: (Constant), NОэр., 2NO
эр.
d Predictors in the Model: (Constant), NОэр.
А.М. ГУПАЛ, И.И. ЛАНОВЕНКО, Т.Я. ГРАЧЕВА, А.С. ВОРОБЬЕВ
58 Комп’ютерні засоби, мережі та системи. 2008, № 7
При реализации расчетов в среде SPSS практически моментально получаем
шесть отчетов:
- Notes – описание технических параметров расчетов;
- Variables Entered/Removed(b) – вводимые–исключаемые переменные с ука-
занием используемого метода. В данном случае применялся backward;
- Model Summary – в эту таблицу включена сводка различных суммарных
показателей – детерминации, множественной корреляции и т. д.;
- ANOVA(f) – дисперсионный анализ, Позволяет проконтролировать аргу-
ментацию последовательности исключений по содержимому графы F;
- Coefficients(a) – поданы главные параметры итоговой модели, а также
главный аргумент для исключения независимой переменной по итогам каждого
шага – t-коэффициент;
- Excluded Variables(f) – полное описание процесса исключения переменных.
Подобную результативность обработки данных и получение регрессион-
ной модели зависимости между показателями дает и использование пакета
STATISTICA. Кроме того, при использовании этого пакета можно провести раз-
личение данных относительно определенных признаков типа «болен» «здо-
ров» [11].
1. Механизмы развития и компенсации гемической гипоксии / М.М Середенко., В.П Ду-
дарев., И.И. Лановенко и др. – Киев: Наук. думка, 1987. – 200 с.
2. Уразаев А.Х., Зефиров А.Л. Физиологическая роль оксида азота // Успехи физиол. наук.
– 1999. – 30, № 1. – С. 54 – 72.
3. Furchgott R.F., Zawadzki J.V. The obligatory role of endothelial cells in the relaxation of
arterial smooth muscle by acetylcholine // Nature. – 1980. – 288, N 5789. – P. 373 – 376.
4. Ignarro L.J., Byms R.E., Buga G.M., Wood K.S. Endothelium–derived relaxing factor from
pulmonary artery and vein possesses pharmacological and chemical properties identifical to of
nitric oxide radical // Circ. Res. – 1987. – 61, N 6. – P. 866 879.
5. Tarng D.-C., Huang T.-P, Wei Y.-H. Erythropoietin and iron: the role of ascorbic acid //
Nephrology Dialysis Transplantation: Official Publication of the European Renal Association.
Oxford: Oxford University Press, 2001. – 16, N Suppl. 5. – Р. 35 39.
6. Лакин Г.Ф. Биометрия: 2-е изд., перераб. и доп. – М.: Высш. шк., 1973. 343 с.
7. Лановенко И.И., Коцюруба А.В. Алгоритм исследования взаимодействия оксида азота
и кислородтранспортной функции крови в экспериментальных условиях // Новое
в гематологии и трансфузиологии: Междунар. науч.-практ. рец. сб. – 2007. – Вып. 7. –
С. 101 109.
8. Bauer C. Hypoxia: On the borderline between physiology and pathophysiology // Experientia.
– 1990. – 46, N 11 12. – P. 1157 1160.
9. Fisher J.W. Erythropoietin: Physiology and Pharmacology Update // Exp. Biol. and Med. –
2003. – 228. – P. 1 14.
10. Алексеев Н.А. Анемия: Практ. руководство. – Санкт-Петербург: Гиппократ, 2004. –
511 с.
11. Халафян А.А. STATISTICA 6. Статистический анализ данных – М.: БИНОМ, 2007. –
496 с.
Получено 09.07.2008
|
| id | nasplib_isofts_kiev_ua-123456789-6497 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1817-9908 |
| language | Russian |
| last_indexed | 2025-12-07T17:24:49Z |
| publishDate | 2008 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Гупал, А.М. Лановенко, И.И. Грачева, Т.Я. Воробьев, А.С. 2010-03-04T16:05:15Z 2010-03-04T16:05:15Z 2008 Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии / А.М. Гупал, И.И. Лановенко, Т.Я. Грачева, А.С. Воробьев // Комп’ютерні засоби, мережі та системи. — 2008. — № 7. — С. 48-58. — Бібліогр.: 11 назв. — рос. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/6497 681.3 О результатах применения корреляционно-регрессионных методов, представленных в интегрированных системах обработки данных, для совершенствования медицинских исследований. Про результати застосування кореляційно-регресивних методів, представлених в інтегрованих системах обробки даних, для вдосконалення медичних досліджень. This article describes results of application of correlations and regression methods in data processing systems for medical researches improving. ru Інститут кібернетики ім. В.М. Глушкова НАН України Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии The analysis of correlation and regression in research genesis of hemic hypoxia Article published earlier |
| spellingShingle | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии Гупал, А.М. Лановенко, И.И. Грачева, Т.Я. Воробьев, А.С. |
| title | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| title_alt | The analysis of correlation and regression in research genesis of hemic hypoxia |
| title_full | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| title_fullStr | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| title_full_unstemmed | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| title_short | Корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| title_sort | корреляционный и регрессионный анализ при исследовании генеза гемической гипоксии |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6497 |
| work_keys_str_mv | AT gupalam korrelâcionnyiiregressionnyianalizpriissledovaniigenezagemičeskoigipoksii AT lanovenkoii korrelâcionnyiiregressionnyianalizpriissledovaniigenezagemičeskoigipoksii AT gračevatâ korrelâcionnyiiregressionnyianalizpriissledovaniigenezagemičeskoigipoksii AT vorobʹevas korrelâcionnyiiregressionnyianalizpriissledovaniigenezagemičeskoigipoksii AT gupalam theanalysisofcorrelationandregressioninresearchgenesisofhemichypoxia AT lanovenkoii theanalysisofcorrelationandregressioninresearchgenesisofhemichypoxia AT gračevatâ theanalysisofcorrelationandregressioninresearchgenesisofhemichypoxia AT vorobʹevas theanalysisofcorrelationandregressioninresearchgenesisofhemichypoxia |