Яндекс.Метрика

Статистические методы анализа в биологии

Каждый слышит то, что понимает. Гете


"Люди перестают мыслить,
когда перестают читать
".
Д. Дидро

Статистика посещаемости БИОМЕТРИКИ Яндекс
цитирования
Индекс цитирования

Наш адрес:

Выбрав любое изображение, кликните по нему мышкой, и Вы узнаете о статистике ...


Редактор БИОМЕТРИКИ
В. Леонов

  • 385
data-counter data-url="http://www.biometrica.tomsk.ru/">
Яндекс
цитирования
Яндекс цитирования
 

16.05.2011 г. на сайт пришло 2561 человек, открывших 3205 страниц
14.11.2011 г. на сайт пришло 2106 человек, открывших 3250 страниц
14.12.2011 г. на сайт пришло 2640 человек, открывших 3452 страницы
17.01.2012 г. на сайт пришло 2439 человек, открывших 3097 страниц
03.03.2012 г. на сайт пришло 2219 человек, открывших 3019 страниц
30.05.2012 г. на сайт пришло 3512 человек, открывших 4706 страниц
06.03.2014 г. на сайт пришло 2556 человек, открывших 3179 страниц
08.02.2015 г. на сайт пришло 2341 человек, открывших 2682 страницы

Если приходят, значит полезное находят...


Введение
Наши возможности. О возможностях статистического анализа
Леонов В.П. Ошибки статистического анализа биомедицинских данных. Международный журнал  медицинской практики, 2007, вып. 2, стр.19-35
Список научных и учебных изданий по биометрике и статистике
Материалы по науковедению
История биометрики
Статистическое рецензирование статей и диссертаций

Долгое прощание с лысенковщиной...
Семинар по биометрике в Красноярске



Если Вы сторонник использования
статистики, разместите на своём сайте
HTML-код нашего баннера:

BIOMETRICA - журнал для сторонников доказательной биологии и медицины
25 наиболее популярных ссылок, посещаемых нашими читателями
http://www.biometrica.tomsk.ru/comp_aver.htm
http://www.biometrica.tomsk.ru/erevan_8.html
http://www.biometrica.tomsk.ru/student.htm
http://www.biometrica.tomsk.ru/UNESCO%202010.pdf
http://www.biometrica.tomsk.ru/zakaz.htm
http://www.biometrica.tomsk.ru/zakaz_28.htm
http://www.biometrica.tomsk.ru/kk.htm
http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/stat_cardio1.htm
http://www.biometrica.tomsk.ru/error.htm
http://www.biometrica.tomsk.ru/STAT_CARDIO_2014.pdf
http://www.biometrica.tomsk.ru/logit_9.htm
http://www.biometrica.tomsk.ru/stat_cardio7.htm

http://www.biometrica.tomsk.ru/potencial.htm
http://www.biometrica.tomsk.ru/percent_00.htm
http://www.biometrica.tomsk.ru/lis.htm
http://www.biometrica.tomsk.ru/kamchat.htm
http://www.biometrica.tomsk.ru/biometrica_15.htm
http://www.biometrica.tomsk.ru/zakaz_15.htm
http://www.biometrica.tomsk.ru/ftp/dict/cult/gramm.htm
http://www.biometrica.tomsk.ru/biometrica_15.htm
http://www.biometrica.tomsk.ru/stat_cardio5.htm
http://www.biometrica.tomsk.ru/krasnojarsk.htm http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/logit_6.htm

БИОМЕТРИКА + Музыка. В. Леонов.

Музыка... Вот что сказал о ней великий Иоганн Себастьян Бах: "Цель музыки - трогать сердца". В детстве автор этих строк получил музыкальное образование. Любимыми инструментами были мандолина и гитара. Любимыми композиторами - Вивальди, Бах, Альбиони, Боккерини, Беллини, Корелли, Скарлатти. В 80-е годы прошлого столетия в Томск часто приезжал с концертами маэстро Владимир Спиваков. Эти концерты организовывал Егор Лигачёв, бывший в ту пору первым секретарём Томского обкома КПСС. На свой первый концерт в Томск Владимир Спиваков приехал один. Великолепно играл на скрипке! Концертный зал был переполнен слушателями, которые были в восторге от его концерта. Именно тогда мне удалось впервые встретиться с ним, и взять у него автографы на его грампластинки. В дальнейшем посещал все его концерты. В 1979 г. В. Спиваков организовал камерный оркестр "Виртуозы Москвы". Однажды в 90-е годы Владимир Спиваков должен был приехать в Томск с "Виртуозами Москвы", и в течение трёх дней дать 3 концерта. Однако из-за проблем с топливом в те времена, их самолёт посадили в Омске, где они пробыли 2 дня. И когда прилетели в Томск, то в один день провели все 3 концерта, которые я прослушал. И вновь взял автографы на новые грампластинки, и сделал много фотографий В. Спивакова.


Музыка...  Она помогает всегда. Вот почему я рассылаю почти всем своим корреспондентам файлы с хорошей музыкой. Любите музыку, слушайте её чаще. И она поможет лучше понимать бистатистику и результаты статистического анализа...

13 февраля 2014 г. Владимир Спиваков и "Виртуозы Москвы" дали концерт в Краснодаре. Я посетил этот прекрасный концерт, и вновь встретился с Владимиром Теодоровичем. Подарил ему его грампластики, фотографии, и свою книгу.

ОСНОВНЫЕ НАПРАВЛЕНИЯ СОВРЕМЕННОЙ ЭКОЛОГИИ
И ЕЕ МАТЕМАТИЧЕСКИЙ АППАРАТ: АНАЛИЗ ПУБЛИКАЦИЙ


Журнал общей биологии. 
 1995.- т.56.- №2.- 179-189 

УДК 577

© 1995 г. Е. В. БУДИЛОВА, 
Ж. А. ДРОГАЛИНА, А. Т. ТЕРЕХИН

 

 

Проведен наукометрический анализ публикаций из журналов “ЕСОLOGY” и “ЭКОЛОГИЯ”, основанный на данных об индивидуальной и совместной частоте встречаемости в этих публикациях экологических и математических терминов. Выявлены два основных
направления исследований: экосистемное и популяционное. При этом при изучении растительных сообществ чаще используется экосистемный подход, а сообществ наземных животных и птиц - популяционный. Сообщества водных организмов служат объектом для обоих подходов. Наиболее часто используемые математические методы - методы
статистической обработки данных, которые можно разделить на четыре группы: стандартные статистические методы: многомерные методы, в частности множественная регрессия и многофакторный дисперсионный анализ, отклонение от нормальности и непараметрические методы, таблицы сопряженности и множественные сравнения. Значительно реже используются марковские модели и дифференциальные уравнения.
Существенно различаются по степени математизации англоязычные и русскоязычные статьи.
Состояние современной экологии разными исследователями оценивается неоднозначно: одним она представляется бурно развивающейся наукой, другим - направлением, находящимся в состоянии концептуального кризиса. В этой связи представлялось интересным непредвзято проанализировать содержание публикуемых в экологических журналах статей, пользуясь формальными количественными методами. Концептуально исследование базировалось на представлениях о публикациях как основном компоненте научного информационного процесса (Налимов, 1969). Материалом для анализа служили данные о частоте встречаемости различных терминов в статьях англоязычного журнала “ЕСОLOGY” и русскоязычного журнала “ЭКОЛОГИЯ” за 1991-1992 гг. с использованием методики и вычислительных программ, разработанных нами ранее (Budilova, 1992; Налимов, 1992).

Основной целью анализа было получение обобщенного представления об экологическом направлении исследований в целом. Для этого был применен метод многомерного шкалирования данных о частоте совместной встречаемости различных терминов, в результате чего был сделан вывод о, том, что экологические исследования естественным образом классифицируются как по объектам исследования, так и по концептуальному подходу (популяционный и экосистемный) к исследованию, причем между этими двумя классификациями существует вполне определенная взаимосвязь. Полученные результаты согласуются с аналогичными выводами, сделанными ранее другими авторами (Сherrett, 1988; Hoekstra, 1991; Гиляров, 1992).

В частности, в близком по тематике исследовании, проведенным Британским экологическим обществом в связи с его 75-летнем юбилеем (Сherrett, 1988), на основании обработки результатов ранжирования 645 исследователями списка из 50 экологических терминов методом факторного анализа, а в качестве основного
фактора, по которому различаются термины, было взято противопоставление “теоретического редукционизма” и “практического холизма”, что близко к противопоставлению популяционного и экосистемного подхода. В работе Хоэкстры (Ноekstra, 1991) на основе анализа большого материала из биологической компьютерной базы данных “Biosis Previews”, установлено значимое различие в совместной встречаемости терминов, обозначающих крупные биологические таксоны (млекопитающие, птицы, рыбы, рептилии, розоцветные и др.), с одной стороны, и терминов, обозначающих экологические понятия (экосистема, конкуренция, ниша, популяция, эволюция и др.), -с другой. Наша интерпретация результатов многомерного шкалирования, выделяющая различие между популяционным и экосистемным подходами как основное в современной экологии, наиболее близка к концепции, изложенной в (Гиляров, 1992).

Дополнительный анализ касался применяемых в публикациях математических методов. Были выявлены основные группы методов и сравнительная частота их использования. Значимого различия в интенсивности использования различных групп математических методов в различных по экологическому содержанию публикациях не обнаружено, однако такое различие имеется между англоязычными и русскоязычными публикациями.

 

1. АНАЛИЗ СПИСКОВ КЛЮЧЕВЫХ СЛОВ

В качестве исходного материала для этой части исследования использовались списки ключевых слов из 412 статей журнала “ЕСОLOGY” за 1991-1992 гг., полученные с помощью компьютерной базы данных “Science Citation Index” (SCI). Эти данные были использованы для составления общего списка ключевых слов и определения частоты встречаемости каждого из них. Общее количество ключевых слов в 412 статьях составляло 6775, из них различных 3613, т. е. 53 % от общего числа, что свидетельствует о несформированности общепринятого массива ключевых слов. При этом 69 наиболее частых ключевых слов (встретившихся 10 и более раз) составляют лишь 21 % от общего количества, что также подтверждает вывод о неустановившемся характере использования ключевых слов. Среди этих ключевых слов присутствуют собственно экологические термины, названия исследуемых объектов, исследуемых параметров, методов исследования и обработки результатов, географические названия. В табл. 1 приведен список из 69 терминов, встретившихся не менее 10 раз в 412 статьях. Наиболее употребительными экологическими терминами оказались следующие ключевые слова: “competition - конкуренция” (частота встречаемости - 81), “growth - рост” (61), “predation - хищничество” (56), “dynamics - динамика” (53). По-видимому, эти четыре термина (с добавлением к этой группе двух родственных терминов “population dynamics - динамика популяций” и “interspecific competition - внутривидовая конкуренция”) наиболее ярко характеризуют облик современней экологии: они встречаются в 200 из 412 статей, т. е. практически в каждой второй статье.

Таблица 1
Частота встречаемости 69 наиболее распространенных экологических терминов в 412 статьях из журнала “ECOLOGY” за 1991-1992 гг.
Частота
Англоязычный термин
Русскоязычный термин
81
Competition
Конкуренция
61
Growth
Рост
56
Predation
Хищничество
53
Dynamics
Динамика
50
Herbivory
Растительноядность
49
Communities
Сообщества
34
Plants
Растения
32
Patterns
Паттерны
31
Populations
Популяции
30
Population dynamics
Динамика популяций
29
Nitrogen
Азот
29
Community structure
Структура сообщества
27
Size
Размер
27
Field experiment
Полевой эксперимент
27
Disturbance
Нарушение в экосистеме
26
Evolution
Эволюция
26
Ecology
Экология
25
Reproduction
Репродукция
24
Succession
Сукцессия
24
Ecosystems
Экосистема
23
Forest
Лес
23
Dispersal
Рассеяние
22
Birds
Птицы
21
Model
Модель
20
Life history
Жизненный цикл
20
Food webs
Пищевые сети
19
Photosynthesis
Фотосинтез
19
Diversity
Разнообразие
19
Demography
Демография
18
Interspecific competition
Внутривидовая конкуренция
18
Density dependence
Зависимость от плотности
18
California
Калифорния
17
Vegetation
Вегетация
16
Zooplankton
Зоопланктон
16
Survival
Выживание
16
Selection
Отбор
16
Fish
Рыба
16
Clutch size
Размер кладки
16
Behavior
Поведение
15
Coexistence
Сосуществование
15
Body size
Размер тела
15
Algae
Водоросли
14
Streams
Течения
14
Reproductive success
Репродуктивный успех
14
Daphnia
Дафния
13
Stability
Устойчивость
13
Responses
Отклики
13
Lepidoptera
Лепидоптера
13
Habitat use
Использование убежища
13
Habitat selection
Выбор убежища
13
Consequences
Последствия
12
Recruitment
Рекрутирование
11
Trees
Деревья
11
Prey
Жертва
11
Nutrients
Питательные вещества
11
Insects
Насекомые
11
Grassland
Луг
11
Foraging
Добывание пищи
11
Fire
Пожар
11
Density
Плотность
11
Costa Rica
Коста Рика
11
Allocation
Распределение
10
Temperature
Температура
10
Mortality
Смертность
10
Food
Пища
10
Defoliation
Дефолиация
10
Chemical defenses
Химическая защита
10
Biomass
Биомасса
10
Biological control
Биологический контроль

 

Для, названий исследуемых объектов наиболее характерны термины “herbivory - растительноядность” (50), “plants - растения” (34), “nitrogen-азот” (29), “forest - лес” (23), “birds - птицы” (22), а для названий измеряемых параметров - “size - размер” (27), “clutch size - размер кладки” (16), “body size - размер тела” (15). Из географических названий наиболее часто встречаются “California - Калифорния” (18) и “Costa Rica - Кoста Рика”(11). Методы исследования и обработки результатов представлены в табл. 1 всего двумя ключевыми словами: “field experiment - полевой эксперимент” (27) и “model - модель” (21). Кроме частот встречаемости самих ключевых слов были вычислены частоты совместного появления (совстречаемости) пар, составленных из 69 наиболее частых ключевых слов. Это позволило, используя метод многомерного шкалирования (см., например. Компьютерная биометрика (1990)), расположить ключевые слова на плоскости таким образом, что слова, чаще встречающиеся вместе, оказываются ближе друг к другу на графике (рис. 1).
B

Clutch size Habitat selection

Reproductive success Birds 
C

Fish Food webs Zooplankton
Daphnia

Community structure Stream
s

A

Habitat use
Behavior Prey Stability

Predation
Interspecific competition
Density dependence Coexistence
Mortality Recruitment
Survival Life history Population dynamics
Dispersal
Selection Foraging Food
ody size Ecology Density
Model
Consequences Size
Populations Dynamics
Evolution
Reproduction 
Demography
D

Diversity
Succession Algae
Chemical defenses
Field experiment Disturbance
Allocation

Nutrients
Defoliation
Patterns Herbivory
Ecosystems Community
Biomass
Costa Rica Growth
Vegetation
Forest Responses
Insects Nitrogen
Biological control California
Plants Trees Fire
Photosynthesis Grassland
Lepidoptera
Рис. 1. Результаты многомерного шкалирования данных о совстречаемости ключевых слов в статьях журнала “ECOLOGY” (A, B, C, D - обозначения групп ключевых слов).
Анализ рис. 1 позволяет выделить четыре смысловых группы терминов, отличающихся в первую очередь типом сообществ, к которым они тяготеют: А - сообщество животных, В - сообщество птиц, С - сообщества водных организмов, D - растительные сообщества. Однако эти группы кроме терминов, конкретизирующих тип сообщества, содержат термины, которые можно назвать методологическими. С этой точки зрения явно выделяются два класса таких терминов, по-видимому, наиболее ярко представленные терминами “population dynamics - динамика популяций” и “ecosystems - экосистемы” (Cherrett, 1988; Гиляров, 1992).

К популяционно-динамическому направлению тяготеют группы А (животные) и В (птицы), а к экосистемному - группа О (растения). Группа С (сообщества водных организмов) близка обоим направлениям. Тот факт, что различные теоретические концепции, как правило, тесно связаны с изучением определенных типов биологических сообществ уже отмечался в работе (Hoekstra et al., 1991), подзаголовок которой так и сформулирован: “Различные экологические понятия связаны со специфическими типами организмов”. Что касается частоты терминов, то наиболее часто встречаются термины группы А - в 76 % (315/412) статей и группы D - 61 % (250/412) статей, термины группы С встречаются в 17 % (68/412) статей, а группы D - в 11 % (46/412) статей.
 
 

2. Анализ списков математических терминов

Аналогичный предыдущему анализ был проведен для математических терминов. Он был сделан для 182 статей из журнала “ECOLOGY” за 1991 г. Ключевые слова, имеющиеся в базе данных “SCI”, практически не включали математических терминов, поэтому они были получены прямым просмотром содержания статей. К математическим ключевым словам были отнесены названия статистических характеристик, методов преобразования и обработки данных, пакетов прикладных программ. На основании составленных постатейных списков ключевых слов были найдены частоты их встречаемости, а для наиболее частых из них также и частоты совстречаемости.

Общее количество выделенных ключевых слов составило 1774, из них различных - 349, т. е. 20 %. При этом наиболее встречающихся (с частотой встречаемости 5 и более раз) - 63, что составляет 79 % от общего количества ключевых слов. Список 63 терминов с частотой встречаемости не нижа 5 в 182 статьях приведен в табл. 2. Наиболее употребительными статистическими характеристиками оказались: “mean-среднее” (частота встречаемости - 138), “standard deviation-стандартное (среднеквадратичное) отклонение” (66), “standard error-стандартная ошибка (ошибка среднего)” (62), “probability level-уровень значимости” (49). Среди способов преобразования данных наиболее часто встречаются “log transformation-логарифмическое преобразование” (46), “arcsine square root transformation-преобразование арксинуса квадратного корня” (15), “arcsine transformation-преобразование арксинуса” (14). К наиболее используемым математическим методам относятся: “ANOVA - дисперсионный анализ” (107), “regression-регрессия” (73), “correlation-корреляция” (69), “t-test - критерий t” (44), “F-test - критерий F” (33), “ANCOVA - ковариационный анализ” (26). Наиболее употребительными пакетами прикладных программ были “SAS” (42) и “SYSTAT” (11).

Следует отметить разнообразие применяемых регрессионных методов (при
преобладании “простой регрессии”) зависимости: простая (“simple”) - 29; линейная (“linear”) - 11; множественная (“multiple”) - 11; квадратичная
(“quadratic”) - 9; нелинейная (“nonlinear”) - 8; пошаговая (“stepwise”) - 6.
Также велико и разнообразие применяемых тестов для проверки гипотез - 

63. Из них наиболее употребительными оказались: “t-test - критерий t” (частота встречаемости - 34), “F-test - критерий F” (33), “Chi-square test-критерий хи-квадрат” (30), “Wilcoxon test - критерий Вилкоксона” (17), “Kruskal - Wauls test-критерий Крускала-Уоллиса” (15), “G-test - критерий G” (12), “Mann-Whitney test-критерий Манна - Уитни” (11).

Двумерное представление сходства терминов, основанное на таблице совстречаемости терминов, показано на рис. 2. Удалось выделить пять смысловых групп терминов:

I - стандартные статистические методы;
II - многомерные методы (множественная регрессия и многофакторный дисперсионный анализ);
III - отклонение от нормальности, непараметрические методы;
IV - таблицы сопряженности и множественные сравнения;
V - марковские случайные процессы;
VI - дифференциальные уравнения.
VI

Differential equations

III

Log-likelihood ratio test Nonparametric test

Mann-Whitney test Student-Newman-Keuls test

G-test Sign test Quadratic regression

Kolmogorov-Smirnov test Wilcoxon test Median

Spearman rank correlation Kruskal-Wallis test
 
Normality test

IV

Contingency table

Log-linear analysis

Multiple comparisons

LSD

Dunnett test

Duncan multiple range test

I

Square root transformation Histogram

Two tailed test Ln-transformation
Probability level

Simple regression Correlation

Chi-square test Standard deviation

Log-transformation One factor

One-tailed test t-test Two factors

Indexes F-test Arcsine transformation

Arcsine square root transformation

SYSTAT SAS ANOVA Standard error 

V

Transition matrix

II

Three factors Repeated measures Tukey test

Factorial design ANCOVA

Linear regression Type III sum of squares
GLM

Stepwise regression Multiple regression

Nonlinear regression Experimental design

Mixed model MANOVA

Nested design Bonferroni method 

Рис. 2. Результаты многомерного шкалирования данных о встречаемости математических терминов в статьях журнала “ECOLOGY” (I, II, III, IV, V, VI - обозначения групп ключевых слов).

Подавляющее число терминов (61 из 63) относятся к статистической обработке данных. Наиболее многочисленна группа терминов, соответствующих базовым методам обработки данных. Как видно из табл. 2, практически именно термины этой группы занимают первую треть таблицы.

Таблица 2
Частота встречаемости 63 наиболее распространенных математических терминов в 181 статье из журнала “ECOLOGY” за 1991г.
Частота
Англоязычный термин
Русскоязычный термин
138
Mean
Среднее
107
ANOVA
Дисперсионный анализ
73
Regression
Регрессия
69
Correlation
Корреляция 
66
Standard deviation
Среднеквадратичное отклонение
62
Standard error
Ошибка среднего
49
Probability level
Уровень значимости
46
Log-transformation
Логарифмическое преобразование
44
t-test
t-критерий
42
SAS
SAS
41
One factor
Один фактор
39
Two factor
Два фактора
33
F-test
F-критерий
30
Histogram
Гистограмма
30
Chi-square test
Критерий хи-квадрат
29
Simple regression
Простая регрессия
26
ANCOVA
Ковариационный анализ
24
GLM
Общая линейная модель
19
Three factors
Три фактора
19
Repeated measures
Повторные изменения
17
Wilcoxon test
Критерий Вилкоксона
17
Indexes
Индексы
16
Spearman rank correlation
Ранговая корреляция Спирмена
16
Experimental design
Планирование эксперимента
15
Tukey test
Критерий Тьюки
15
Kruskal-Wallis test
Критерий Крускала-Уоллиса
15
Arcsine sqyare root transform
Квадратный корень арксинуса
14
Arcsine transformation
Преобразование арксинуса
13
Normal distribution
Нормальное распределение
13
G-test
G-критерий
12
Ln-transformation
Ln-преобразование
11
Two-tailed test
Двусторонний критерий
11
SYSTAT
SYSTAT
11
Multiple regression
Множественная регрессия
11
Mann-Whitney U-test
U-критерий Манна-Уитни
11
Linear regression
Линейная регрессия
10
Square root transformation
Преобразование квадратного корня
10
MANOVA
Многомерный дисперсионный анализ
10
Factorial design
Факторный план
10
Contingency table
Таблица сопряженности
9
Quadratic regression
Квадратичная регрессия
9
Nonparametric test
Непараметрический критерий 
9
Median
Медиана
8
Nonlinear regression
Нелинейная регрессия
8
Kolmogorov-Smirnov test
Критерий Колмогорова-Смирнова
8
Bonferroni method
Метод Бонферрони
7
Type III sum of squares
Сумма квадратного типа III
7
Student-Newman-Keuls test
Критерий Стьюдента-Ньюмэна-Келса
7
Signs test
Критерий знаков
7
Paired comparisons
Парные сравнения
7
LSD
Наименьшая квадратичная разность
6
Stepwise regression
Шаговая регрессия
6
Normality test
Критерий нормальности
6
Mixed model
Смешанная модель
6
Log-linear analysis
Лог-линейный анализ
6
Bartlett test
Критерий Бартлетта
5
Ttansition matrix
Матрица перехода
5
One-tailed test
Односторонний критерий
5
Nested design
Гнездовой план
5
Log-likelihood ratio test
Критерий отношения правдоподобия
5
Dunnett test
Критерий Даннета
5
Duncan multiple range test
Множественный критерий Дункана
5
Differential equations
Дифференциальные уравнения
Сокращения: ANOVA - Analysis of variance (дисперсионный анализ), MANOVA-Multivariate analysis of variance (многомерный дисп. анализ), ANCOVA - Analysis of covariance (ковариационный анализ), GLM - General linear model (общая линейная модель), LSD - Least square difference (наименьшая квадратичная разность), SAS - название пакета статистических программ, SYSTAT - название пакета статистических программ.

 

Группы II и III характеризуют более продвинутые методы по сравнению c
группой I. Группу III характеризуют методы, в которых, в отличие от базовых,
не выполняется предположение о нормальности данных, а в группе II-существенно многофакторные методы. Группы IV характеризуется акцентом на дискретную природу факторов.

Наконец, группы V и VI связаны с построением динамических моделей - вероятностных и детерминистских. Численность их оказалась неожиданно малой. Это тем более удивительно, что наиболее частыми ключевыми словами были “конкуренция” и “динамика”, казалось бы, требующие этих методов. В данный момент мы не готовы дать исчерпывающего ответа на этот вопрос, а скорее ставим его.

Была также сделана попытка сравнения относительной частоты встречаемости разных групп математических методов в статьях разного экологического направления, однако значимых различий не обнаружено (эти результаты приведены в табл. 3).
 

Таблица 3
Частота применения групп математических методов I-IV в статьях, относящихся к экологическим тематическим направлениям A-D, в % от числа статей каждого направления
Экологическая тематика
Число статей
Математические методы, %
I
II
III
IV
V
VI
A
116
90
73
43
19
3
3
B
10
100
80
40
10
0
0
C
19
95
74
42
21
0
0
D
101
94
72
38
17
1
2
Примечание. Расшифровка обозначений методов и направлений дана в тексте.
Анализ встречаемости математических терминов был проведен также для
русскоязычного журнала “ЭКОЛОГИЯ” по статьям и кратким сообщениям за
1991-1992 гг. Общее количество выявленных ключевых слов в 139 публикациях
составляло 402, из них различных- 101, т. е. 25 %. При этом наиболее встречающихся (3 и более раз) - 21, т. е. 77 % от общего количества ключевых слов.

Наиболее часто встречающиеся математические термины приведены в табл. 4 (для сопоставимости они переведены на английский язык). Практически все математические понятия, используемые в журнале “ЭКОЛОГИЯ”, входят в список математических ключевых слов журнала “ECOLOGY”. По сравнению с
журналом “ECOLOGY” математические методы в статьях из журнала “ЭКОЛОГИЯ” используются менее интенсивно как в количественном отношении, так и по разнообразию методов.

 

Анализ частоты применения различных математических методов в публикациях из журналов “ECOLOGY” и “ЭКОЛОГИЯ” (табл. 5) показывает также, что в публикациях журнала “ЭКОЛОГИЯ” велика доля описательных и обзорных сообщений, не содержащих статистических методов, (“ЭКОЛОГИЯ” - 24 %, “ECOLOGY” - 4 %). Из шести выделенных нами групп математических методов в статьях из журнала “ЭКОЛОГИЯ” используются лишь две: стандартные методы 69 % и многомерные методы 13 %. Частично все эти факты могут быть объяснены меньшим объемом статей в журнале “ЭКОЛОГИЯ” и его стилем, но несомненно также свидетельствуют о более низком уровне использования математико-статистических методов в отечественных экологических публикациях. К аналогичному выводу приходят и авторы некоторых других работ (Бесчестный и Немцов, 1990; Орлов, 1990), анализировавших применение математических методов в естественно-научных исследованиях.

Таблица 4
Частота встречаемости 21 наиболее распространенных математических терминов в 139 статьях из журнала “ЭКОЛОГИЯ” за 1991г.
Частота
Англоязычный термин
Русскоязычный термин
62
Mean
Среднее
48
Standard error
Ошибка среднего
34
Probability level
Уровень значимости
32
Indexes
Индексы
22
Correlation
Корреляция
16
Regression 
Регрессия
12
t-test
t-критерий
12
Histogram
Гистограмма
8
Variation coefficient
Коэффициент вариации
8
ANOVA
Дисперсионный анализ
7
Standart deviation
Среднеквадратичное отклонение
7
Least squares method
Метод наименьших квадратов 
6
Linear regression
Линейная регрессия
6
Two factors
Два фактора
5
One factors
Один фактор
5
Nonlinear regression
Нелинейная регрессия
5
Log-transformation
Логарифмическое преобразование
4
Variance
Дисперсия
4
Chi-square test
Критерий хи-квадрат
3
Maximum
Максимум
3
Confidence interval
Доверительный интервал

 

Таблица 5
Доля публикаций, использующих разные группы математических методов (в % от числа статей из данного журнала)
Математические методы
Журнал “ECOLOGY”
Журнал “ЭКОЛОГИЯ”
Описательные и обзорные сообщения без статистических данных
4
24
Стандартные методы
77
69
Многомерные методы
60
13
Непараметрические методы
35
0
Категоризованные данные
15
0
Марковские процессы
2
0
Дифференциальные уравнения
2
0

 

ЗАКЛЮЧЕНИЕ

Проведенное исследование позволило прояснить ряд вопросов, касающихся современного состояния научных исследований в экологии. Прежде всего в этих исследованиях ясно прослеживаются два основных направления: экосистемное и популяционное. В то же время четко просматривается и другая классификация
экологических работ - по объектам исследований, таким, как растительные сообщества, птицы, наземные животные, водные сообщества. При этом экосистемный подход более характерен для исследования растительных сообществ, а популяционный - сообществ наземных животных и птиц. Что касается сообществ водных организмов, то они с равным успехом служат базой для развития как экосистемного, так и популяционного направлений. Чисто количественно в проанализированном материале преобладали работы популяционного направления.

Анализ применения математических методов в экологических исследованиях показал, что в подавляющей части - это применение методов статистической обработки данных, причем часто довольно развитых (последнее, правда, относится в большей степени к англоязычным работам). Вызывает удивление относительно небольшая доля работ, связанных с использованием динамических моделей основанных на дифференциальных и разностных уравнениях и на теории случайных процессов.

Авторы выражают благодарность проф. В. В. Налимову и проф. А. М. Гилярову за доброжелательное внимание к работе и полезные советы.
 

СПИСОК ЛИТЕРАТУРЫ

Бесчестный А.А., Немцов А. В. Состояние математизации в психиатрии//Журн. невропатология и психиатрия им. С. С. Корсакова. 1990. № 2. С. 144-146.

Гиляров А.М. Сто двадцать пять лет “экологии” Эрнста Геккеля//Журн. общ. биологии. 199. Т. 53. № 1. С. 5-17.

Компьютерная биометрика//Под ред. Носова В. Н. М.: Изд-во МГУ, 1990. 232 с.
Налимов В.В., Мульченко 3. М. Наукометрия: Изучение развития науки как информационного процесса. М.: Наука, 1969. 192с.

Налимов В.В., Дрогалина Ж. А. Трансперсональное движение: возникновение и перспективы развития//Психол. Журнал. 1992. Т.13. Т3. С.130-139.

Орлов А.И. О перестройке статистической науки и ее применении.//Вест. статистики. 1990. Т1. С.65-71.

Budilova E.V., Teriokhin A.T. "A bibliographic data base. // Neural networks and neurokomputers". IEEE Symposium on Neuroinformatics and Neurocomputers. V. 2. N.Y. 1992. P.1125-1126.


Московский государственный 
университет им. М.В.Ломоносова
Биологический факультет.

Центр БИОСТАТИСТИКА выполняет работы по статистическому анализу экспериментальных данных уже более 30 лет. В его составе исследователи России, США, Израиля, Англии, Канады и других стран. Услугами Центра пользуются аспиранты и докторанты в области медицины, биологии, социологии, психологии и т.д. (См. далее )

Отзывы заказчиков по статистическому анализу данных

Сравниваем средние, а также и ... В. Леонов Исследователям в медицине и биологии весьма большую пользу приносит сравнение не только групповых средних, но также и иных параметров. Показано, что не нормальное распределение количественного признака, означает наличие взаимосвязей данного признака с другими признаками.


Проценты - статистический анализ? Или проценты - арифметический анализ? В. Леонов.


23 примера оформления данных, их описания и описания целей исследования


В ноябре 2013 года сайту БИОМЕТРИКА исполнилось 16 лет. А что было раньше? И что теперь?


Примеры отличных результатов статистического анализа в диссертациях, дипломных работах и статьях, полученных с нашей помощью.

Д.С. Симанков. Применение метода логистической регрессии для факторов риска, влияющих на исход операции в условиях искусственного кровообращения. (статья)

В.В. Половинкин. Тотальная мезоректумэктомия — фактор повышения эффективности лечения среднеампулярного и нижнеампулярного рака прямой кишки.  (диссертация на соискание учёной степени доктора медицинских наук)

Н.Г. Веселовская.  Клиническое и прогностическое значение эпикардиального ожирения у пациентов высокого сердечно-сосудистого риска.  (диссертация на соискание учёной степени доктора медицинских наук)

О.Я. Васильцева. Закономерности возникновения, клинического течения и исходов тромбоэмболии легочной артерии по данным госпитального регистра патологии.  (диссертация на соискание учёной степени доктора медицинских наук)

В.А. Габышев.  Фитопланктон крупных рек Якутии и сопредельных территорий восточной Сибири.  (диссертация на соискание учёной степени доктора биологических наук)

М.И. Антоненко.  Гиперкортицизм без специфических клинических симптомов: эпидемиология, клиника, диагностика.  (диссертация на соискание учёной степени кандидата медицинских наук)

Попова Г.А. Сравнительное изучение подвидов LINUM USITATISSIMUM L . в условиях Западной  Сибири (диссертация на соискание учёной степени кандидата биологических наук).

А.Г. Сыркина. Ретроспективный анализ эффективности и безопасности тромболитической терапии острого инфаркта миокарда у больных пожилого и старческого возраста (диссертация на соискание учёной степени кандидата медицинских наук).


Роль «малых» доз ионизирующего излучения в развитии неонкологических эффектов: гипотеза или реальность? Бюллетень сибирской медицины, № 2, 2005, с. 63-70. Карпов А.Б., Семенова Ю.В., , Тахауов Р.М., Литвиненко Т.М., Попов С.В., Леонов В.П.

В. Леонов. Цели, возможности, и проблемы использования биостатистики в доказательной медицине. Доклад на Конференции по доказательной медицине в Ереване «От доказательной медицины к доказательному здравоохранению» (24 - 26 сентября 2015 года).

Фоторепортаж с семинара по биометрике в Ереване, прошедшего после конференции по доказательной медицине (24 - 26 сентября 2015 года).

Отзывы слушателей семинара по биометрике в Ереване в сентябре 2015 г.


Новые полезные книги...

(Заказать книгу можно через издательство)

Ланг Т., Сесик М. Как описывать статистику в медицине. Руководство для авторов, редакторов и рецензентов. Пер. с англ. В.П. Леонова. 2016 - 480 с.

Актуальность этого издания весьма велика. По-прежнему в биомедицинских статьях и диссертациях публикуется масса статистических нелепостей, как образцы "статистического самоудовлетворения" и "статистического макияжа". Например, в двух диссертациях, выполненных в 2014 и 2015 гг. в Алтайском медуниверситете по разным специальностям, но при этом в полностью идентичных описаниях, состоящих из 94 слов, написано следующее. «Полученные данные были статистически обработаны с использованием программ Microsoft Offis Exel 2007. Достоверность различий между средними величинами определяли с помощью критерия значимости Стьюдента (t). Нормальность распределений в группах оценивали по критерию Шапиро-Уилка». Далее сообщается об использовании критерия Манна-Уитни, и т.д. Очевидно, что под Offis Exel авторы подразумевали Office Excel. Сложнее было бы об этом догадаться, если бы авторы написали Offis Exul. Вывод: оба диссертанта, как и члены двух диссертационных советов, не знают многого, в том числе описанного в этой книге. Например, не знают того, что в пакете Office Excel нет критериев Шапиро-Уилка и Манна-Уитни. Данная книга обучит правильно и хорошо описывать и понимать результаты статистического анализа. Поэтому исследователи станут более качественно выполнять статистический анализ, получая правильную технологию лечения пациентов. Что в результате будет снижать смертность населения, а также себестоимость лечебных процедур.

Петри А., Сэбин К. Наглядная медицинская статистика. Учебное пособие. 3-е издание. Пер. с англ. В.П. Леонова. 2015. - 216 с.   Предыдущие издания оригинала этой книги были опубликованы в 2000, 2005 и 2009 гг. Третье издание книги, как и два предыдущих, имеет целью донести до читателя основные понятия и принципы медицинской статистики, которые достаточно широко используются зарубежными медиками и биологами. Книга содержит необходимую теоретическую часть, а также в доступной форме даёт практическое описание того, как могут применяться статистические методы в реальных клинических исследованиях. Низкий уровень использования статистики в отечественной медицинской науке является одной из основных причин, по которым уже 111 лет Нобелевские премии по медицине не присуждаются россиянам. Ценность этой книги для медицинской науки определяется и проводимой в России реформой отечественной науки, в том числе реформой ВАК и системы научной аттестации. Учебное пособие предназначено для студентов, аспирантов и докторантов медицинских вузов, биологических факультетов университетов, врачей, исследователей-клиницистов и всех, кто является сторонником доказательной медицины.

Банержи А. Медицинская статистика понятным языком: вводный курс. Издательство "Практическая медицина", 2014. - 287 с. Пер. с англ. В.П. Леонова. Издание представляет собой вводный курс по принципам статистики. Представлены базовые понятия и принципы статистических исследований применительно к медицине. В отличие от большинства подобных изданий, указанные темы изложены кратко и доступно. Для чтения книги не требуется знание сложных разделов высшей математики, вполне достаточно тех, что даются в школе. Внедрение в практику принципов доказательной медицины диктует необходимость понимания статистики. После знакомства с книгой читатель сможет критически оценивать многочисленные публикации, содержащие статистическую терминологию и результаты описанных исследований. Полученные знания помогут избежать ошибок в планировании биомедицинских исследований, а также в изложении их результатов. Большим преимуществом книги служат глоссарий и подробный предметный указатель.
Для студентов, аспирантов, научных работников, а также врачей всех специальностей.

Т. Гринхальх. Основы доказательной медицины. Издательство "ГЭОТАР-Медиа", 2015. - 336 с. 4-е издание переработанное и дополненное. Пер. с англ. Под ред. И.Н. Денисова, К.И. Сайткулова, В.П. Леонова.

Данная книга является наиболее популярным в мире руководством по доказательной медицине, ставшее известным и в России. Руководство предназначено для студентов и врачей. За 18 лет с момента первого издания в 1996 г., эта книга переведена на восемь языков (испанский, итальянский, китайский, немецкий, русский, французский, чешский, японский) и напечатана огромными тиражами. Руководство завоевало признание практикующих врачей, преподавателей и студентов во многих странах; по нему преподается медицина, основанная на доказательствах, в медицинских школах всего мира. В книге 17 глав, среди которых есть и глава "Статистика для неспециалиста". Эта главу мы дополнили большим списком русскоязычной литературы как по самой статистике, так и по биостатистике. А начинается книга с определения понятия "доказательная медицина". Итак, что же такое "доказательная медицина"? Что, чем, и зачем "доказывают"? Читайте эту книгу!

В.В. Мартиросян, Ю.А. Долгушева. Анализ влияния гелиогеофизических и метеорологических факторов на инсульты с учётом фаз солнечного цикла. Ростовский государственный медицинский университет. – Ростов н/Д.: Изд-во"АкадемЛит" (ИП Ковтун С.А.) 2014г. 414 с. ISBN 978-8-904067-03-8.

В монографии приведены и проанализированы результаты углублённого статистического анализа ретроспективных данных из протоколов вскрытий лиц, умерших от мозговых инсультов (1135 случаев) за годы высокой (2000–2002 гг) и низкой (2008–2010 гг) солнечной активности на примере г. Ростов-на-Дону. Наблюдаемый в настоящее время очередной максимум солнечной активности актуализирует необходимость сбора, обработки и осмысления новых научных данных, содействующих прогнозированию и разработке профилактических мер по снижению заболеваний у разных групп населения, вызываемых магнитными бурями при усилении активности Солнца. Отмечается, что в формировании сосудистых заболеваний головного мозга прослеживается совокупное влияние множественных факторов риска.


После взрыва на СХК в 1993г. в Томске и Северске увеличилась частота рождения детей с пороками развития

В новый век - с доказательной биомедициной
Газета ПОИСК, № 20 (522)
21 мая 1999
г.


Долгое прощание
с
лысенковщиной 

История науки не ограничивается перечислением успешных исследований. Она должна сказать нам о безуспешных исследованиях и объяснить, почему некоторые из самых способных людей не могли найти ключа знания, и как репутация других дала лишь большую опору ошибкам, в которые они впали.

Дж. Максвелл 

Функциональный кризис отечественной науки, переживаемый в последнее десятилетие, вынуждает беспристрастно анализировать основные причины этого явления [1-2, 45-47]. Последние результаты библиометрического анализа говорят о том, что вклад России в мировую науку по основным направлениям составляет уже порядка 5-8% [1-2]. По данным того же источника вклад США составляет 32-41%. 

Коммунистическая идеология, уродовавшая многие направления отечественной науки на потребу вождей, породила и такое явление, как лысенковщина. Для большинства читателей фамилия Лысенко ассоциируется с августовской сессией ВАСХНИЛ 1948 г. и разгромом генетики. Однако лысенковщину нельзя сводить только к запрету на генетику. Достигнув своего апогея в середине текущего века, и став воистину периодом средневековья в отечественной биологии и медицине, лысенковщина изуродовала и методологию этих наук, изгнав из них в частности математику, и в первую очередь статистику. Последствия этого уродства и по сей день не позволяют биологии и медицине приблизиться к статусу точных наук. В статье описаны основные этапы этого явления и особенности методологии применения статистики в биологии и медицине, полученные автором при анализе нескольких сот диссертаций и монографий а также более 1500 статей в области экспериментальной биомедицины. 


Автор понимает, что поднятая им проблема достаточно обширна и не может быть полностью освещена в одной статье, содержащей лишь малую часть материалов готовящейся к изданию монографии, посвященной проблемам применения статистики в медицине и биологии. Автор будет признателен читателям, которые выскажут свой взгляд на эту проблему, а также смогут дополнить авторские материалы новыми примерами.  Обсуждаемая в данной статье проблема может быть решена только общими усилиями всех заинтересованных в этом специалистов.

Работая над этой статьей, мне довелось несколько раз встречаться с одним из ректоров медицинского вуза. Обсуждая с ним предлагаемые в статье меры, направленные на исправление этого неприглядного положения, я с изумлением услышал от него такой ответ: "Как ученый - я "За", а как ректор - "Против"! И если так мыслит и говорит ректор, доктор медицинских наук, член-корреспондент РАМН, то несложно понять отношение к этой проблеме рядовых сотрудников такого вуза. Не потому ли многие из них представлены в разделе КУНСТКАМЕРА, вместе с моим собеседником, своими диссертациями и статьями...

За те несколько лет, что прошли с момента публикации этой статьи, а также статей  "В новый век - с доказательной биомедициной"(ПОИСК, N 20 (522) 21 мая 1999) и "Куплю 500 диссертаций! (Медицинская Газета N10 за 14.02.2001)", практически ничего не изменилось. Да, в России стали писать и говорить о доказательной медицине, проводить конференции по этой тематике, а в некоторых медицинских вузах даже открыли центры доказательной медицины. Однако откроем биомедицинские журналы и диссертации, и станет ясно, что это не более чем дань моде... 

Материалы по науковедению

В новый век - с доказательной биомедициной



1997 - 2017.© Василий Леонов. E-mail:

Доказательная или сомнительная? Медицинская наука Кузбасса: статистические аспекты.

Отклики читателей статьи "Доказательная или сомнительная?"

Возврат на главную страницу.

Возврат в КУНСТКАМЕРУ

Т. Кун "Структура научных революций"