Цель исследования. Предметом исследования явился статистический анализ количественных признаков. Темой исследования явился статистический анализ количественных признаков в биомедицинских исследованиях. Целью работы явилось описание подробных алгоритмов статистического анализа количественных признаков в биомедицинских исследованиях с помощью пакета программ SPSS. Материалы и методы. Проведен научный обзор методов статистического анализа количественных признаков в биомедицинских исследованиях. Практические основы статистической обработки количественных результатов исследования рассмотрены на примере пакета программ «IBM SPSS Statistics Version 25.0» (International Business Machines Corporation, США). Результаты. Определены оптимальные алгоритмы статистического анализа количественных признаков в биомедицинских исследованиях. Подробно описан принцип интеграции результатов исследования при описании статистических методов с помощью пакета программ SPSS. Заключение. Использование описанных алгоритмов статистического анализа количественных признаков позволит повысить уровень представления результатов биомедицинских...

Цель исследования. Предметом исследования явился статистический анализ качественных признаков. Темой исследования явился статистический анализ качественных признаков в биомедицинских исследованиях. Целью работы явилось описание подробных алгоритмов статистического анализа качественных признаков в биомедицинских исследованиях с помощью пакета программ SPSS. Материалы и методы. Проведен научный обзор методов статистического анализа качественных признаков в биомедицинских исследованиях. Практические основы статистической обработки качественных переменных исследования рассмотрены на примере пакета программ «IBM SPSS Statistics Version 25.0» (International Business Machines Corporation, США). Результаты. Определены оптимальные алгоритмы статистического анализа качественных признаков в биомедицинских исследованиях. Подробно описан принцип интеграции результатов исследования при описании статистических методов с помощью пакета программ SPSS. Заключение. Использование описанных алгоритмов статистического анализа качественных признаков позволит повысить уровень представления результатов биомедицинских...

Цель исследования. Предметом исследования явилось изучение основ применения ROC-анализа, позволяющего определить и сравнить основные показатели информативности изучаемых диагностических методов или тестов. Темой исследования явилось применение ROC-анализа в биомедицинских исследованиях. Целью работы явилось описание алгоритма применения ROC-анализа в биомедицинских исследованиях с помощью пакета программ SPSS. Материалы и методы. Проведен научный обзор возможностей применения ROC-анализа в биомедицинских исследованиях.Практические основы применения ROC-анализа для определения чувствительности и специфичности изучаемых диагностических методов или тестов рассмотрены на примере пакета программ «IBM SPSS Statistics Version 25.0» (International Business Machines Corporation, США). Результаты. Определен оптимальный алгоритм применения ROC-анализа в биомедицинских исследованиях. Подробно описаны возможности применения ROC-анализа в программе SPSS, даны рекомендации по интерпретации полученных результатов анализа. Заключение. Использование описанного алгоритма применения ROC-анализа позволит повысить уровень представления результатов биомедицинских...

Цель исследования. Предметом исследования явилось изучение основ проведения регрессионного анализа для оценки связи между исследуемыми переменными. Темой исследования явился регрессионный анализ в биомедицинских исследованиях. Целью работы явилось описание подробных алгоритмов регрессионного анализа в биомедицинских исследованиях с помощью пакета программ SPSS. Материалы и методы. Проведен научный обзор методов регрессионного анализа в биомедицинских исследованиях. Практические основы проведения регрессионного анализа для оценки связи между исследуемыми переменными рассмотрены на примере пакета программ «IBM SPSS Statistics Version 25.0» (International Business Machines Corporation, США). Результаты. Определены оптимальные алгоритмы проведения регрессионного анализа в биомедицинских исследованиях. Подробно описана методика проведения регрессионного анализа для оценки связи между исследуемыми переменными в программе SPSS, даны рекомендации по интерпретации полученных результатов анализа. Заключение. Использование описанных алгоритмов регрессионного анализа позволит повысить уровень представления результатов биомедицинских...

Gestational diabetes mellitus (GDM) and its consequences for the mother and child represent a serious not only medical, but also an economic problem. The urgency of studying this problem also lies in the fact that the number of pregnant women suffering from this disease is progressively increasing. The aim of the study was to study the risk factors and features of the course of pregnancy and childbirth in women with gestational diabetes mellitus, as well as to improve methods for diagnosing and predicting the development of diabetic fetopathy (DF). The work was carried out in 3 stages: 1 — prospective study of the course of pregnancy and childbirth in 104 women with GDM and in 50 pregnant women without GDM (control group); 2 — determination in the peripheral blood of the pregnant women of both groups of the level of glycemia, C-peptide, insulin, calculation of the insulin resistance index (HOMA-IR) with an assessment of the prognostic significance of these markers in the development of diabetic fetopathy; 3 — prediction of the development of diabetic fetopathy using a mathematical model that includes risk factors, the results of laboratory and instrumental research methods for this pathology. It was found that the violation of carbohydrate metabolism during pregnancy promotes the development of a large number of obstetric complications and in 36.5% of cases leads to the birth of children with diabetic fetopathy, which is manifested to a greater degree by macrosomia (30%), which increases the risk of perinatal complications and worsens the course of the period newborn in the future. An increase in the level of C-peptide was diagnosed in 87% of pregnant women with gestational diabetes, and an increase in the insulin resistance index in 93%, in contrast to the control group, where these indicators were 4 and 6%, respectively (p < 0.05). Using discriminant analysis, it was determined that the threshold for predicting the development of DF should be considered an increase in HOMA-IR above 7 with a confidence of 73%, but the level of C- peptide does not have a predictive value. The mathematical model, including risk factors, data of laboratory and instrumental methods for studying carbohydrate metabolism in the mother and fetus, created using regression analysis, reflects the probability of development of diabetic fetopathy in pregnant women with gestational diabetes with an accuracy of 91.4%, which will help to prevent this complication in at an earlier stage through insulin therapy.