2) силы связи между количественной характеристикой эпидемического процесса и различными факторами, влияющими на него (+)
3) влияние неоднородной структуры населения на показатели заболеваемости
4) частоты заболеваемости в различных группах населения
Коэффициент корреляции применяют для количественной оценки силы и направления статистической связи между двумя признаками. В эпидемиологии одним из признаков может быть показатель заболеваемости, смертности или распространённости, а другим — охват вакцинацией, плотность населения, уровень загрязнения воздуха, климатический фактор или иная измеряемая характеристика. При прямой связи увеличение одного показателя сопровождается увеличением другого, при обратной — снижением; чем ближе абсолютное значение коэффициента к 1, тем сильнее линейная или монотонная зависимость.
Для нормально распределённых количественных данных чаще используют коэффициент корреляции Пирсона, а при ранговых, ненормально распределённых данных или наличии выбросов — коэффициент Спирмена. Значимость связи оценивают с помощью доверительного интервала и критерия статистической значимости, однако даже статистически достоверная корреляция не доказывает причинно-следственную связь. На результат могут влиять смешивающие факторы, временная последовательность явлений и экологическая ошибка, когда закономерность, выявленная для групп населения, ошибочно переносится на отдельных лиц.
Другие эпидемиологические задачи требуют иных показателей. Структуру заболеваемости описывают экстенсивными показателями, частоту — интенсивными показателями, а устранение влияния неоднородного возрастного или социального состава населения достигается стандартизацией. Поэтому именно изучение взаимосвязи количественного показателя эпидемического процесса с измеряемыми факторами соответствует назначению корреляционного анализа.
| Признак или метод | Критерий | Эпидемиологическая интерпретация |
|---|---|---|
| Сильная прямая связь | r близок к +1 | При увеличении фактора показатель заболеваемости в среднем также увеличивается. |
| Сильная обратная связь | r близок к −1 | Рост одного признака сопровождается снижением другого; например, возможна обратная зависимость при повышении охвата профилактической вакцинацией. |
| Слабая или отсутствующая линейная связь | r близок к 0 | Линейная зависимость между признаками не выявлена; это не исключает нелинейной связи или влияния третьих факторов. |
| Коэффициент Пирсона | Количественные данные, преимущественно линейная зависимость, отсутствие выраженных выбросов | Оценивает силу линейной корреляции между показателями. |
| Коэффициент Спирмена | Ранговые или ненормально распределённые данные, монотонная зависимость | Позволяет оценивать взаимосвязь без строгого требования нормального распределения исходных значений. |
| Статистическая значимость | p-значение и 95% доверительный интервал | Показывает, насколько полученная связь согласуется со случайным происхождением; не характеризует её клиническую или эпидемиологическую значимость самостоятельно. |
| Причинность | Одного коэффициента корреляции недостаточно | Для вывода о причинном влиянии необходимы временная последовательность, контроль смешивающих факторов и дизайн исследования, соответствующий поставленной задаче. |
Корреляционный анализ особенно полезен при изучении временных рядов и сравнении территорий или групп населения. Перед расчётом коэффициента необходимо проверить сопоставимость данных, форму распределения и наличие выбросов. Выявленная связь может служить основанием для выдвижения эпидемиологической гипотезы, но требует подтверждения аналитическими исследованиями и оценки возможных причинных механизмов. При интерпретации результатов важно учитывать размер выборки, величину эффекта и практическую значимость зависимости.