Статистический анализ

Статистическая обработка полученных данных была проведена с применением пакета статистических программ SAS (версия 9.0). Первом этапом анализа показателей была проверка типа распределения количественных показателей с использованием критерия Шапиро-Уилка.

Me[IQR]. Качественные переменные представлены в виде абсолютного и относительного числа наблюдений.

Для сравнения качественных показателей был использован /2-тест, тест Кохрана-Мантеля-Ханзеля. Попарное сравнение трех групп качественных параметров производилось с помощью интервала Клоппера-Пирсона.

Описание взаимосвязи между количественными показателями проводилось с помощью коэффициента корреляции Спирмена.

С целью исключения влияния вылетающих значений (сильно отстоящих от показателей центральной тенденции) количественных переменных исползовались робастные методы М-оценки Юбера [13]. Так, для сравнения количественных переменных (2 группы) выполнялся робастный дисперсионный анализ, а для оценки зависимости между параметрами — робастный регрессионный анализ. Попарное сравнение трех групп количественных показателей выполнялось с помощью теста Данна.

Зависимость количественных маркеров субклинического атеросклероза сонных артерий от факторов риска и параметров стресс-теста оценивалась при построении многофакторных регрессионных моделей. В многофакторный анализ включали переменные, для которых значения статистической значимости (р) при однофакторном анализе (корреляционный анализ) составляли ≤0,15. Многофакторный регрессионный анализ выполнялся с пошаговым исключением наименее значимых параметров. Результаты анализа представлены в виде коэффициента регрессии с 95% доверительным интервалом (ДИ).

показывает, в процентах, насколько независимые переменные объясняют вариабельность зависимой переменной [13].

Оценка влияния факторов риска и параметров стресс-теста на наличие АСБ проводилась с помощью многофакторной логистической регрессии. Результаты представлены в виде отношения шансов (ОШ) с 95% ДИ. Значимость

многофакторных логистических моделей оценивалась с помощью интегральной площади под характеристической кривой.

Расчет 25-го, 50-го и 75-го процентилей величин ТКИМ ОСА по полу и возрасту был выполнен с помощью линейной регрессии.

Для обеспечения одинакового количества наблюдений во всех регрессионных моделях пропущенные показатели липидного профиля были восстановлены медианами в соответствии с полом.

Для нахождения точек разделения показателей использовалась Ш1К. Были рассчитаны чувствительность, специфичность пороговых значений.

Для представления результатов в виде графиков использовались соответствующие функции программ SAS, MedCalc (версия 14.8.1), а также программы Microsoft Excel 2007.