2) нормальное (+)
3) альтернативное
4) Пуассона
Нормальное распределение наиболее часто используется для описания непрерывных количественных признаков в медико-биологических исследованиях: роста, массы тела, артериального давления, частоты сердечных сокращений, показателей газообмена и многих лабораторных параметров. Его характерные признаки — симметричность относительно среднего значения, совпадение среднего, медианы и моды, а также постепенное уменьшение частоты наблюдений по мере удаления от центра. Для нормального распределения около 68% значений находятся в пределах одного стандартного отклонения от среднего, около 95% — двух и более 99% — трех.
Биологические признаки обычно формируются под совместным влиянием множества относительно независимых факторов: генетических особенностей, возраста, условий среды, питания, физической нагрузки и состояния здоровья. Согласно центральной предельной теореме, сумма или среднее большого числа таких факторов имеет распределение, близкое к нормальному, даже если отдельные факторы распределены иначе. Поэтому нормальная модель широко применяется при оценке вариабельности показателей, расчете доверительных интервалов, стандартизации результатов и использовании параметрических критериев, включая t-критерий Стьюдента и дисперсионный анализ.
Нормальность не является обязательным свойством любого медицинского показателя: распределение может быть асимметричным, многомодальным или зависеть от наличия патологического процесса. Перед применением параметрических методов ее оценивают графически и статистически; при выраженном отклонении используют преобразование данных либо непараметрические методы. Дискретные исходы и редкие события требуют моделей биномиального или пуассоновского типа, однако в совокупности непрерывных биологических измерений нормальное распределение встречается чаще.
| Распределение | Тип данных | Основной критерий выбора | Примеры в медицине | Особенности анализа |
|---|---|---|---|---|
| Нормальное | Непрерывные количественные признаки | Симметричное распределение значений вокруг среднего; приблизительное равенство среднего, медианы и моды | Рост, масса тела, артериальное давление, показатели спирометрии у относительно однородной группы | Допускает расчет среднего и стандартного отклонения, доверительных интервалов и применение параметрических критериев |
| Биномиальное | Дискретное число событий из фиксированного количества испытаний | Каждое испытание имеет два исхода, вероятность успеха постоянна, результаты независимы | Число пациентов с положительным тестом среди обследованных, количество ответивших на лечение | Описывается вероятностью успеха и числом испытаний; применяется для долей и частот |
| Пуассона | Дискретное число событий за заданный интервал времени или пространства | События происходят независимо и относительно редко при постоянной средней интенсивности | Число обращений за медицинской помощью, травм или отказов оборудования за период наблюдения | Среднее и дисперсия теоретически равны; используется для анализа частот и показателей заболеваемости |
| Альтернативное (дихотомическое, Бернулли) | Единичный качественный признак с двумя взаимоисключающими исходами | Для одного наблюдения возможен только один из двух результатов: да/нет , болен/здоров | Наличие гипоксии, положительный или отрицательный результат теста, допуск или недопуск к полету | Описывается вероятностью одного исхода; при суммировании независимых испытаний формирует биномиальное распределение |
| Асимметричное | Количественные данные с неравномерным распределением вокруг центра | Медиана заметно отличается от среднего, присутствует длинный хвост или выбросы | Длительность госпитализации, концентрация некоторых биомаркеров, время до события | Могут потребоваться медиана и межквартильный размах, логарифмическое преобразование или непараметрические критерии |
Практическое значение нормального распределения связано не только с частотой его наблюдения, но и с удобством статистической интерпретации. Оно лежит в основе стандартизации показателей через z-оценки и позволяет сопоставлять индивидуальный результат с референсной группой. В авиационной и космической медицине это важно при оценке физиологических резервов и выявлении отклонений параметров функционального состояния. Окончательный выбор статистической модели должен определяться типом переменной, объемом выборки и фактической формой ее распределения.