Математическая статистика

Проводя исследования в области фармакологии и клинических данных мы обратили внимание на особый разрыв между клиницистами и специалистами в области математики.

Несмотря на то, что по теории вероятности, так же как по клинической фармакологии и анализу клинических данных написано много различных книг и монографий, руководства которое позволило увязать проводимые исследования с математическим анализом практически отсутствуют.

Теоретики работают с теорией: нормальное распределение, достаточный объем выборки. Однако, реальная жизнь намного сложнее. Потерянные в силу технических проблем образцы, значения показателей, которые выходят за рамки нормальных величин, нелинейность медицинских данных. В результате возникают многочисленные вопросы, которые приводят к недопониманию со стороны врача исследователя и аналитика.

Полученные в ходе анализа вывода математического анализа практические врачи часто не в состоянии интерпретировать с клинической точки зрения: что значит изменилось распределение больных, как это понять с клинической точки зрения, что значит, что зависимость между дозой препарата и фармакологическим эффектом подчиняется нелинейным (логарифмическим или экспоненциальным) законам.

В данной монографии, на реальных примерах, нами приведены примеры доказательства ряда сложных с точки зрения врачей исследователей проблем:

• Как доказать, что препарат менее токсичен и более эффективен, чем ближайшие аналоги?
• Как определить хроническую токсичность?
• Как с использованием регрессионного анализа оценить влияние различных факторов на исходы лечения?

Благодаря правильному подходу мы помогли исследователям доказать, что их противодиабетический препарат менее токсичен, чем известный аналог. Построенная математическая модель позволила определить критерии для скрининга пациентов с нарушениями липидного обмена.

Книга нашла свою аудиторию и на настоящий момент ее используют как методическое пособие на факультете Казанского государственного университета.