2) регрессионного анализа (+)
3) корреляционного анализа
4) дисперсионного анализа
Регрессионный анализ применяется для построения прогноза, поскольку позволяет количественно описать зависимость показателя здоровья от одного или нескольких факторов. В качестве результативного показателя могут использоваться уровни заболеваемости, смертности, инвалидности, ожидаемой продолжительности жизни, распространённости факторов риска. С помощью уравнения регрессии рассчитывается ожидаемое значение показателя при заданных значениях предикторов, в том числе при их предполагаемом изменении в будущем.
В гигиенических исследованиях используют простую, множественную, линейную и нелинейную регрессию, а для бинарных исходов — логистическую регрессию. Модель позволяет оценить вклад каждого фактора при учёте остальных, определить коэффициенты регрессии, доверительные интервалы и прогнозный диапазон. Надёжность прогноза требует проверки адекватности модели, статистической значимости коэффициентов, анализа остатков и оценки качества на независимых данных; сама регрессия устанавливает статистическую зависимость и не доказывает причинность без дополнительного эпидемиологического обоснования.
Корреляционный анализ определяет тесноту и направление связи между признаками, но не формирует полноценного уравнения прогноза и не разделяет результативный показатель и факторы. Дисперсионный анализ преимущественно используется для сравнения средних уровней признака в нескольких группах и оценки влияния качественного фактора. Сопоставление пар или копий-пар служит для подбора сравнимых наблюдений и уменьшения влияния смешивающих факторов, но не является основным методом количественного прогнозирования состояния здоровья населения.
| Метод | Основная задача | Результат анализа | Возможность прогнозирования |
|---|---|---|---|
| Регрессионный анализ | Оценка зависимости показателя здоровья от времени и факторов риска | Уравнение регрессии, коэффициенты влияния, прогнозное значение и его доверительный интервал | Основной метод построения количественного прогноза при корректной спецификации и валидации модели |
| Корреляционный анализ | Определение силы и направления статистической связи между признаками | Коэффициент корреляции, характеризующий тесноту связи | Ограниченная; сам по себе не задаёт причинно-следственную модель и прогнозное уравнение |
| Дисперсионный анализ | Сравнение средних значений показателя в нескольких группах | Оценка межгрупповой и внутригрупповой вариабельности, статистическая значимость различий | Не предназначен для самостоятельного расчёта будущих уровней показателя |
| Сопоставление пар (копии-пары ) | Формирование сопоставимых пар наблюдений или групп | Разность показателей в парах и оценка различий после уравнивания отдельных характеристик | Может улучшать дизайн исследования, но не заменяет прогностическую модель |
| Анализ временных рядов | Выявление тренда, сезонности и циклических колебаний показателя | Компоненты временного ряда и прогноз на последующие периоды | Применим для динамических прогнозов, часто используется совместно с регрессионными моделями |
| Множественная логистическая регрессия | Прогнозирование вероятности бинарного исхода, например наличия заболевания | Отношения шансов, вероятность события с учётом нескольких предикторов | Позволяет прогнозировать риск заболевания или иного неблагоприятного исхода в популяции |
Регрессионный подход особенно важен для санитарно-гигиенического прогнозирования, поскольку состояние здоровья населения формируется совокупным воздействием социальных, экологических, поведенческих и медицинских факторов. Для популяционных данных часто применяют множественные модели, позволяющие учитывать конфаундинг и взаимодействие факторов. При наличии временной зависимости используют регрессию с компонентами тренда, сезонности или авторегрессии. Практическая ценность прогноза определяется не только статистической значимостью, но и его калибровкой, точностью и пригодностью для принятия профилактических решений.