خلاصه جلسه 11 مورخ 2/3/91 کلاس مدیریت سیستم های اطلاع رسانی در بهداشت و درمان

كلاس امروز با محوریت ادامه آموزش نرم افزار SPSS برگزار شد.

به طورکلی آمار به دو بخش اصلی قابل تقسیم است:

1-آمار توصیفی

2-آمار استنباطی

آمار توصیفی که بیشتر برای بررسی و توصیف ویژگیهای دموگرافیک پاسخ دهندگان به کار می رود شامل:

شاخص های مرکزی و پراکندگی که شاخصهای مرکزی شامل

میانگین،میانه و مد و شاخصهای پراکندگی شامل

دامنه تغییرات،واریانس، انحراف معیار، و ضریب تغییرات می باشد.

جداول توزیع فراوانی ونمودارهای آنان

درصدهای فراوانی،میانه،میانگین و...

به عبارتی می توان گفت هدف آمار توصیفی محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است.

آمار استنباطی که معمولا درآن پژوهشگر با استفاده از مقادیر نمونه آماره ها را محاسبه می کند و سپس با کمک تخمین و یا آزمون فرض آماری ، آماره ها را به پارامترهای جامعه تعمیم می دهد. که برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از آمار استنباطی استفاده می شود.

همچنین آمار استنباطی به طور کل شامل دو نوع آزمون می باشد:

1-پارامتریک که شرایط استفاده از این آزمون شامل موارد زیر می باشد:

الف-داده ها دارای توزیع نرمال باشند

ب-داده های کمی بوده و دارای مقیاس فاصله ای یا نسبی باشند

ج-نمونه ها دارای واریانس مساوی باشند.

2-ناپارامتریک که شامل این آزمون ها می باشد:آزمون کای دو یا کای اسکور که از مهمترین آزمونهای ناپارامتریک می باشد.

در ادامه توضیحاتی در رابطه با P-value ارائه شد.

P-value: برای اینکه بفهمیم آیا نتیجه آزمایش به دلیل تصادف و شانس رخ داده است یانه از P-valueاستفاده میکنیم چرا که سطح معنی داری را نشان می دهد. فرض های ما در اینجا که H0 به این مفهوم که چقدر تفاوت واقعی بین متغیرها وجود نداردو H1به این مفهوم که چقدر احتمال دارد ما یک تفاوت معنی دار را فقط برحسب شانس پیدا کنیم.

ضریب همبستگی:میزان همبستگی بین دو متغیر فاصله ای یا نسبی را محاسبه کرده و مقدار آن از -1 تا +1 تغییر می کند. اگر برای این ضریب مقداری مثبت بدست آوریم یعنی تغییرات متغیر در یک جهت بوده است و اگر منفی بدست آید یعنی تغییرات متغیر در جهات مختلف بوده است. که این ضریب همبستگی r نیز خوانده می شود.

در ادامه کلاس این مباحث بصورت عملی نیز در نرم افزار SPSS انجام شد و دانشجویان نیز آن را بصورت عملی کار کردند.

 

خلاصه جلسه 10 مورخ 26/10/1391 كلاس مدیریت سیستم های اطلاعاتی در بهداشت و درمان

كلاس امروز با محوریت آموزش نرم افزار SPSS برگزار شد.

 این نرم افزار كه بسیاری از مفاهیم آماری در آن وجود دارد و برای یادگیری آن باید یك سری از مفاهیم آماری را دانست، در بسیاری از علوم برای تجزیه و تحلیل های آماری به كار می رود.

همچنین نرم افزار SPSS بسیاری از محاسبات آماری و رسم نمودارها را انجام می دهد. توابع ریاضی، گراف ها، جداول سفارشی آماری، توزیع های تخصصی آمار،انواع آنالیزهای آماری،انواع آزمون ها و پردازش انواع رگرسیون نیز از دیگر قابلیتهای این نرم افزار است.

طرز كار با SPSS:

در مرحله اول نرم افزار SPSS راباز می كنیم،2عدد SHEET در انجا قابل مشاهده است :

1-DATA VIEW: برای وارد كردن داده ها استفاده می شود.

2-VARIABLE VIEW: برای تعریف كردن متغیرها استفاده می شود.

در DATA VIEWهم می توان داده ها را بصورت دستی وارد كرد و هم می توان داده هایی را كه از اكسل كپی كرده ایم در اینجا PASTE كرده و آنها را برای انجام آنالیز آماده كرد.

در VARIABLE VIEW:

در ستون NAMEبرای متغیرها نام انتخاب می كنیم تا در DATA VIEWبه این نام دیده شود.

در ستون TYPEنوع متغیر را تعیین می كنیم و از بین گزینه ها متغیر مورد نظر را استفاده می كنیم.

اگر بخواهیم پهنای ستون هایمان را تغییر دهیم،از ستون Width استفاده می كنیم.

از ستون Desimals  برای تعیین تعداد اعشار استفاده می كنیم.

از ستون LABLE  برای تعیین برچسب برای متغیرها استفاده میكنیم كه این جدا از نام متغیر است.

از ستون Align برای ردیف كردن داده ها استفاده می كنیم.

از ستون measure یا مقیاس اندازه گیری برای تعیین نوع متغیر، اگر نسبی و فاصله ای باشد ا گزینهLE SCA اگر متغیر از نوع ترتیبی باشد از گزینه Ordinal و بالاخره اگر متغیر از نوع اسمی باشد گزینه Nominal استفاده می كنیم.

 

 

 

خلاصه جلسه11کلاس مدیریت سیستم های اطلاعاتی در بهداشت

آمار قابل تقسیم به دو بخش می باشد :

الف) آمار توصیفی :

که شامل شاخص های عددی ، نمودار ، جداول و... می باشد ، با هدف محاسبه پارامترهای جامعه با استفاده از سرشماری تمام عناصر جامعه .

شاخص های مرکزی : میانگین ، میانه ، مد .

شاخص های پراکندگی : دامنه تغییرات ، واریانس ، انحراف معیار ، ضریب تغییرات .

ب) آمار استنباطی :

با توجه به داده های جمع اوری شده ما نتیجه ای را استنباط می کنیم و به زبان ریاضی رابطه بین متغیرها ، تفاوت بین آنها و... را مشخص می کنیم .

که شامل :

پارامتریک : آزمون هایی که برای مشاهدات پیوسته ( متغیرهای فاصله ای ) کاربرد دارند .

ناپارامتریک : آزمون هایی که برای متغیرهای رتبه ای و اسمی کاربرد دارند .

فرق آماره با پارامتر

آماره : به آن چیزی که از نمونه بدست می اید آماره یا براورد می گویند .

پارامتر : به آن چیزهایی که از جامعه بدست می اید پارامتر می گویند .

درادامه استاد درمورد p value توضیحاتی دادند .
که به منظور بررسی نتایج آزمون ، و اینکه ایا در رخداد نتایج شانس و تصادف دخیل بوده یا خیر از p value استفاده می شود . بدین صورت که اگر p value بدست امده کمتر از مقدار 0/05 بود به عنوان غیر نرمال بودن داده ها برای رد فرض صفر معنی می شود .
همچنین در این جلسه با داده های فرضی با نرم افزار spss و آزمون های مختلف ان بصورت عملی کار کردیم .

خلاصه جلسه11،مورخ 26/2/1391کلاس مدیریت سیستم های اطلاعاتی دربهداشت ودرمان

آماربه طورکلی به 2بخش تقسیم می شود:

1-آمار توصیفیdescriptive :در یک پژوهش جهت بررسی و توصیف ویژگیهای عمومی پاسخ دهندگان از روش های موجود در آمار توصیفی مانند جداول توزیع فراوانی، در صد فراوانی، درصد فراوانی تجمعی و میانگین استفاده میگردد. بنابراین هدف آمار توصیفی یا descriptive محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است.

2-آمار استنباطیinferential  :درآمار استنباطی یا inferential پژوهشگر با استفاده مقادیر نمونه آماره ها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آماره ها را به پارامترهای جامعه تعمیم می دهد.برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از روش های آمار استنباطی استفاده می شود.

سطح معنی داری p-value:

 برای ارزیابی این که آیا نتایج آزمایش به دلیل تصادف وشانس رخ داده یا خیر، از P- Valueاستفاده می شود اما این مقدار صرفاً یک نقطه برش را برای ما تعیین می کند که براساس آن ادعا می کنیم یافته های مطالعه ما ازلحاظ آماری معنی داری است یا خیر و یا اینکه چه میزان از نتایج به دلیل وشانس اتفاق افتاده است.

روش محاسبه  P- Value :ابتدا فرض می کنیم تفاوت واقعی بین روشها وجود ندارد (فرض صفر)H0 وسپس محاسبه می کنیم چقدر احتمال دارد که ما یک تفاوت معنی دار را فقط بر حسب شانس مشاهده کنیم (در صورتی که تفاوت واقعی وجود نداشته باشد)H1. اگر مقدار P- Value کم باشد ;فرض این که تفاوت مشاهده شده برحسب تصادف بدست آمده باشد غیر محتمل بوده درنتیجه وجود تفاوت واقعی بین روشها بسیار زیاد است.

 برعکس اگرمقدار P- Value بزرگ باشد: احتمال اینکه تفاوت مشاهده شده بر حسب تصادف بدست آمده باشد بسیار زیاد است بنابراین فرض اولیه که بر مبنای عدم وجود تفاوت بین روشها بود را می پذیریم . بنا برعرف و قرارداد سطح معنی داری کمتراز 05/0 را آن قدرکوچک فرض می کنند که بتوان وجود تفاوت معنی دار را بین روشها نتیجه گرفت

 فاصله اطمینان:

در اغلب مطالعات بالینی محققین علاقه مند هستند که پارامترهای جامعه را توسط آماره های مربوط به آنان که از طریق نمونه ای که از همان جامعه گرفته شده است برآورد کنند باید توجه داشت به دلیل تغییرات کمی که در نمونه های مختلفی که از یک جامعه گرفته می شود، وجود دارد تغییرات کوچکی در آماره های برآوردشده (میانگین ،درصد و...) ایجاد می شود که این تغییرات و عدم قطعیت را می توان با فاصله اطمینان برای هر کدام از آماره ها نشان داد.

فاصله اطمینان دامنه ای از مقادیر که پارامتر جامعه را در بر می گیرند دراختیار قرار می دهد، این فاصله مخصوصاً برای مطالعاتی که معنی داری آنها براساس P- Value رد شده است مهم می باشد زیرا می توانیم ببینیم که مقدار واقعی متغیردر چه فاصله ای قرار دارد. حد بالا وپایین فاصله اطمینان میزان بزرگی اثر را مشخص می کند.

پهنای کم فاصله اطمینان نشان دهنده توان بالای مطالعه است زیرا در این صورت فاصله اطمینان دامنه کوچکی از مقدار اثر را در برمی گیرد در نتیجه مقادیری از برآ وردها را در اختیار می دهد که دارای تغییرپذیری کمی هستند و برعکس برای فواصل اطمینان با پهنای بیشتر دامنه بزرگی از مقدار اثر و پراکندگی بیشتر را در پی خواهد داشت که باعث کاهش توان مطالعه می شود. بنابراین اگر فاصله اطمینان  گزارش شود برای خواننده راحت تراست که میزان تغییرپذیری پارامترمورد نظررا که به دلیل تغییرات نمونه ای حاصل شده مشاهده کند.

یکی دیگراز خواص کاربردی فاصله اطمینان این است که همانند آزمون فرض می توان نتیجه دو حالتی وجود تفاوت معنی دار یا عدم وجود آن را نتیجه گرفت بنابراین می توان برای تعیین معنی داری آماری نیزازآن استفاده کرد.

نکته ای که درمورد فاصله اطمینان  باید مد نظر قرار داد این است که نباید فقط روی کران های بالا و پایین آن تأکید کنیم بلکه باید به کل دامنه توجه شود واز آنجا که پهنای فاصله اطمینان بستگی به خطای معیار دارد و این شاخص نیز متأثرازانحراف معیار وحجم نمونه است. بنابراین توجه به دامنه فاصله اطمینان نکات زیادی را در مورد انجام شده در اختیار ما قرار می دهد.

پارامتر: شاخص بدست آمده از جامعه آماری با استفاده از سرشماری است و شاخص بدست آمده از یک نمونه n تائی از جامعه آماره نامیده می شود. برای مثال میانگین جامعه یا µ یک پارامتر مهم جامعه است. چون میانگین جامعه همیشه در دسترس نیست به همین خاطر از میانگین نمونه یا که آماره برآورد کننده پارامتر µ است در بسیاری موارد استفاده می شود.

 آزمون های آماری پارامتریک و ناپارامتریک:

آمار پارامتریک: مستلزم پیش فرضهائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته می باشد. به عنوان مهمترین پیش فرض در آمار پارامترک فرض می شود که توزیع جامعه نرمال است .فنون آمار پارامتریک شدیداً تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع فاصله ای و نسبی باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال است از روشهای پارامتریک استفاده می شود در غیراینصورت از روشهای ناپارامتریک استفاده می شود

آمار ناپارامتریک: مستلزم هیچگونه فرضی در مورد توزیع نیست.  اگر متغیرها از نوع اسمی و ترتیبی بوده حتما از روشهای ناپارامتریک استفاده می شود..

 

خلاصه جلسه10 کلاس مدیریت سیستمهای اطلاعاتی بهداشت و درمان مورخ 26/2/1391

در این جلسه مقدماتی در مورد کار با نرم افزار SPSS عنوان گردید. نرم افزار SPSS یکی از نرم افزارهای پرکاربرد آماری است. این نرم افزار ابتدا به صورت تخصصی جهت استفاده در تحقیقات علوم اجتماعی طراحی شد اما به دلیل کاربردهای گسترده آن امروزه در سایر علوم نیز کاربرد فراوانی دارد.

ابتدا هنگامی که نرم افزار را باز می کنیم دوقسمت اصلی وجود دارد.

1.       Data view: در این قسمت داده ها را وارد می نماییم. اما بایستی قبلا داده ها را از جهات مختلف تعریف نماییم.

2.       Variable view: در این قسمت داده ها را تعریف می نماییم. برای تعریف داده ها آبشن های زیر وجود دارد:

1.       Name: این ستون مربوط به نام داده های ما است. اگر سن یا جنسیت باشد، مثلا می نویسیم: Age, Gender…. بایستی نامها را با حروف انگلیسی وارد کنیم. زیرا نرم افزار از زبان فارسی پشتیبانی نمی کند.

2.       Type: در این ستون نوع داده را مشخص می نماییم. (کمی، کیفی و ...)

3.       Width: در این ستون پهنای هر داده یعنی کاراکترهایی را که می توان وارد کرد را تعیین می کنیم.

4.       Decimals: تعداد ارقام اعشار را که هر متغیر می تواند داشته باشد.

5.       Label:  در این ستون برای متغیر خود یک برچسب انتخاب می کنیم که اگر ماوس را روی name نگه داریم مشاهده می شود.

6.       Value: در این ستون که برای متغیر های کیفی کاربرد دارد، متغیر ها را کد گذاری می کنیم. مثلا برای مرد 1 و زن 2 را کد می دهیم.

7.       Missing: گاهیی اوقات در پرسشنامه ها یا سایر کارهای آماری بعضی از اطلاعات فراموش می شون یا از قلم می افتند یا مخاطب پاسخ نمی دهد. به هر حال از دست می روند. برای اینکه در روند تحلیل ما اخلال بوجود نیاید از این تنظیمات باید استفاده شود.

8.       Columns: پهنای هر ستون را تنظیم می کنیم. این کار را می توان به صورت دستی در حالت data view نیز انجام داد.

9.       Align: نحوه چینش داده ها را مشخص می کنیم. راست چین، چپ چین، وسط چین و ...

10.    Measure: در این قسمت مقیاس اندازه گیری را مشخص می کنیم. نسبتی، فاصله ای و ...

خلاصه جلسه 11مورخ26.2.1390كلاس مدیریت سیستم های اطلاعاتی در بهداشت و درمان

در تحلیل یافته‌های تحقیق دو سطح از روشهای آماری مورد استفاده قرار می‌گیرد:

•           آمار توصیفی

•           آمار استنباطی

آمار توصیفی

استفاده از فراوانی‌های مطلق و نسبی، میانگین، میانه در بررسی متغیرها ، معمول می باشد. آمار توصیفی شامل شاخصهای مركزی و شاخصهای پراكندگی می شود.

شاخصهای مركزی : میانگین (Mean)،  میانه (Median) و نما(Mode)

شاخصهای پراكندگی:  دامنه تغییرات (Range)، واریانس (Variance)،

انحراف معیار(Standard Deviation) و ضریب تغییرات(Coefficient of Variation)

آمار استنباطی

روشهایی كه ما را قادر می‌سازد از داده‌های بدست آمده از نمونه نتیجه‌ای را درباره جامعه استنباط كنیم. سؤالاتی مانند‌ آیا تفاوت معنا داری وجود دارد؟ را از طریق آمار استنباطی به زبان آماری، پاسخ می‌دهیم. آمار استنباطی دارای دو نوع کلی آزمون می‌باشد:

•           پارامتریك

•           ناپارامتریك

 شرایط استفاده از آزمون های پارامتری:

1. داده‌ها دارای توزیع نرمال باشند.

2. داده‌ها دارای مقیاس فاصله ای‌ یا نسبی باشند.(داده ها کمی باشند)

3. نمونه‌ها واریانس مساوی داشته باشند.

آزمون استقلال خی دو (كای دو یا كای اسكور)

یكی از مهمترین آزمونهای ناپارامتریك آزمون ²  است. اساس و پایه این آزمون بررسی فراوانی مشاهده شده كه در طرح های تحقیقاتی جمع شده اند با فراوانی های مورد انتظار است. یعنی می خواهیم بدانیم آیا بین فراوانی مشاهده شده و فراوانی های مورد انتظار تفاوتی معنی دار وجود دارد یا آنكه این تفاوت ناچیز و حاصل شانس است. در واقع می خواهیم بدانیم که بین دو متغیر ارتباطی وجود دارد یا آن دو متغیر مستقل از هم می باشند.

توزیع خی دو را معمولا وقتی بکار می برند که داده های جمع آوری شده به صورت فراوانی بوده  و فرضیه ها بصورت رابطه ای و تفاوتی باشند.

فرضها: فرض آماری در آزمون خی  دو  به صورت زیر تنظیم می شود :

    بین X و Y رابطه وجود ندارد:H₀ 

بین X و Y رابطه ای وجود دارد:H₁ 

     آماره آزمون: آماره آزمون خی دو  به صورت زیر محاسبه می شود:

   مقدار بحرانی: مقدار بحرانی برحسب  و درجه آزادی معادل (c-1)  df = (r-1) از جدول خی دو  بدست می آید. آزمون استقلال خی دو ،یک آزمون یک دنباله راست است که H₀ به اندازه  در دنباله راست آن تعریف خواهد شد.

  تصمیم گیری: اگر مقدار آماره آزمون بزرگتر از مقدار کای- مربع جدول باشد پس فرض H₀ در سطح خطای  درصد رد شده و فرضH₁  (وجود ارتباط بین دو متغیر) پذیرفته خواهد شد.

آزمونهای توضیح داده شده:

آزمون تحلیل واریانس (ANOVA) یک آزمون پارامتری می‌باشد که در آن به بررسی واریانس بیش از دو جامعه پرداخته می‌شود. از این آزمون٬ از آن‌جایی که با چند حالت سرو کار داریم٬ برای آزمون فرضیه‌های تفاوتی استفاده می‌شود

آزمون میانگین یک جامعه بر مبنای توزیع T یک آزمون پارامتری می‌باشد که در آن به این موضوع پرداخته می‌شود که میانگین یک جامعه٬ به چه میزان از یک مقدار ثابت بیش‌تر و یا کم‌تر است. از این آزمون٬ از آن‌جایی که با یک متغیر سرو کار داریم٬ برای آزمون فرضیه‌های توصیفی استفاده می‌شود

آزمون نمونه‌های مستقل بر مبنای توزیع T یک آزمون پارامتری می‌باشد که در آن به بررسی تفاوت میان میانگین دو جامعه پرداخته می‌شود. از این آزمون٬ از آن‌جایی که با دو جامعه سرو کار داریم٬ برای آزمون فرضیه‌های تفاوتی استفاده می‌شود

ضریب همبستگی پیرسون r :

این ضریب میزان همبستگی بین دو متغیر فاصله ای یا نسبی را محاسبه کرده مقدار آن بین 1+ و 1- می باشد اگر مقدار بدست آمده مثبت باشد به معنی این است که تغییرات دو متغیر به طور هم جهت اتفاق می افتد یعنی با افزایش در هر متغیر، متغیر دیگر نیز افزایش می یابد و برعکس اگر مقدار r منفی شد یعنی اینکه دو متغیر در جهت عکس هم عمل می کنند یعنی با افزایش مقدار یک متغیر مقادیر متغیر دیگر کاهش می یابد و برعکس.اگر مقدار بدست آمده صفر شد نشان میدهد که هیچ رابطه ای بین دو متغیر وجود ندارد و اگر 1+ شد همبستگی مثبت کامل و اگر 1- شد همبستگی کامل و منفی است.

خلاصه جلسه11 مورخ2/3 مدیریت سیستمهای اطلاعاتی در بهداشت

آمار در دو شاخه آمار توصیفی و آمار استنباطی بحث و بررسی می شود.

هدف آمار توصیفی یا descriptive محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است. كه آمار توصیفی خود به دو دسته تقسیم می شود: 1- شاخصهای عددی= الف) مركزی: میانگین، میانه،مد و... ب) پراكندكی: مثل چاركها 2- جدول ونمودار= نقطه ای، ساقه وبرگ، هیستوگرام،میله ای و...

در آمار استنباطی یا inferential پژوهشگر با استفاده مقادیر نمونه آماره ها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آماره ها را به پارامترهای جامعه تعمیم می دهد.برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از روش های آمار استنباطی استفاده می شود مانند آزمون میانگین یک جامعه، آزمون میانگین مقایسه دو جامعه، آزمون مقایسه میانگین چند جامعه و ... آماره آزمون یک کمیت محاسبه شده از روی داده های نمونه ای ماست که مقدارش برای تصمیم گیری رد نمودن فرض صفر یا رد نکردن آن به کار می رود.

 آماره آزمون یک کمیت محاسبه شده از روی داده های نمونه ای ماست که مقدارش برای تصمیم گیری رد نمودن فرض صفر یا رد نکردن آن به کار می رود.

در ادامه استاد در مورد p value توضیح دادند برای ارزیابی این که آیا نتایج آزمایش به دلیل تصادف وشانس رخ داده یا خیر، از P- valueاستفاده می شود و براساس آن ادعا می کنیم یافته های مطالعه ما ازلحاظ آماری معنی داری است یا خیر. وقتی که P- Value کمتر از 05/0 شود به سادگی به عنوان غیر نرمال بودن داده ها برای رد فرض صفر معنی می شود. ودر مورد آزمونهای آماری با نرم افزار spss در کلاس به صور ت عملی کار کردیم.

خلاصه جلسه11کلاس مدیریت سیستم ها ی اطلاعات در بهداشت

در ابتدای جلسه استاد در مورد آمار و تقسیم بندی آن به آمار توصیفی و استنباطی صحبت كردند، آمار توصیفی از مطالعات مشاهده ای به دست می آید كه خود شامل شاخص های عددی و جداول و نمودارهاست؛ شاخص های عددی به مركزی و پراكندگی تقسیم شده  و شامل میانگین، مد و ... می باشد. از جمله ی نمودارها می توان به نمودار هیستوگرام، شاخه و برگ، نرده ای و .... اشاره كرد.

آمار استنباطی كه با مطالعات تجربی استنتاج می شود و شامل آیتم های گوناگون است از جمله آزمون میانگین یک جامعه ، آزمون مقایسه میانگین دو جامعه، آزمون مقایسه میانگین چند جامعه، همبستگی و ...  

پارامترهای جامعه را به علت صرف وقت و هزینه ی زیاد نمی توان سرشماری کرد البته کشورهایی چون استرالیا به علت مهاجرپذیری سرشماری را بیشتر انجام می دهند. میانگین و واریانس برآوردهایی از پارامترهای جامعه هستند اما با نمونه گیری و استفاده از آمار استنباطی می توان نتایج را به جامعه تعمیم داد.

در ادامه در مورد p-value  و آزمون t-test  و همچنین رد و قبول فرضیه ی H توضیحاتی ارائه گردید، که در این خصوص اگر p-value کم تر از 5% باشد نشان می دهد که داده ها نرمال نیستند، اگر داده ها نرمال باشند در نمودار Normal Q-Q plot به صورت نقاطی روی خط در نمودار دیده می شوند. اختلاف بین std  و  std Error  در این است که std  انحراف معیار نمونه و std Error  انحراف معیار میانگین هاست  یعنی مجموعه ای  از داده ها که این مجموعه خود دارای میانگین است و از این مجموعه داده ها واریانس بگیریم.

در ادامه مبحث spss  و موارد مهم و کاربردی آن دنبال شد از جمله ی آن ها percentile  است که اشاره به صدک ها دارد، box plot که همان نمودار جعبه ای است تقارن داده ها و پرت بودن آن ها را نشان می دهد این نمودار از چارک اول، دوم و سوم و همچنین از حداکثر و حداقل داده ها به دست می آید از این نمودار با توجه به اینکه q2 به کجا نزدیک تر است چولگی به دست می آید.

در نرم افزار spss با توجه به انجام عملیات مورد نظر آزمون های مربوط به هر یک توضیح داده شد از جمله ی آن ها one- sample test جهت مقایسه ی دو میانگین و آزمون لوون با آماره ی F و p-value  برابری یا عدم تساوی واریانس بین دو گروه داده را بررسی می کند همچنین آزمون های paid test  و chi square  توضیح داده شدند در آزمون chi square  دو متغییر x  و y جداگانه و تصادفی می باشند می توان ابتدا با گراف نمودار scatter آن ها را رسم می کنیم و با استفاده از آنالیز و گزینه ی correlation  ضریب پیرسون و p-value  را محاسبه می کنیم که ضریب پیرسون بین -1 تا +1 می باشد و رابطه ی بین دو متغییر را نشان می دهد وقتی رابطه ی بین دو متغییر بررسی می شود در ردیف و ستون های مختلف وارد نرم افزار شده و به آن ها وزن داده می شود.

خلاصه جلسه 9 کلاس مدیریت سیتم های اطلاعاتی مورخ 9/2/1391

مدل پیکو:PICO

تمام مقالات در هر حوزه ای که باشد یک جزء دارند که جمعیت است.

P: population

) مقدمه: introduction، روشها: Methods، یافته ها: Result، بحث و نتیجه گیری: Discussion) IMRaD

I: intervention مداخله، بعضی از جاها برای آزمایش محدودیت نداریم. اما بعضی از جاها محدودیت داریم. معمولا بیشترین محدودیت های روی انسان ها اعمال می شود.

مطالعاتی که روز انسان ها اعمال می شود:

1.       درمانی Treatment: این مطالعات جهت استفاده از درمان بیماران با روش های مختلف استفاده می گردد. در مطالعات درمانی ما اجازه استفاده از درمان های شناخته نشده و اثبات نشده را نداریم.

2.       تشخیصی diagnostic: جهت درمان بیماران بایستی ابتدا بیماران شناسایی شوند. این دسته از مطالعات به همین منظور استفاده می شود.

3.       پیش آگهی Prognosis

4.       علت شناسی Causation and Harm study : در این نوع مطالعات عامل بیماری شناخته می شود. ممکن است علت بیماری با پیش آگهی confiding داشته باشد، به همین دلیل مطالعات علت شناسی انجام می گیرد.

در بعضی از موارد که بی ضرر بودن اثبات شده است نیازی به رعایت در مورد مداخلات نیست، و ما به راحتی مداخله می نماییم. در مطالعات تشخیصی و پیش آگهی اجازه مداخله نداریم و از مطالعات Exposure استفاده می کنیم. این دسته از مطالعات مربوط به اثراتی می شوند که ما در آنها به صورت فعال دخالتی نداریم. مثلا افرادی که در معرض آلودگی قرار گرفته اند.

Experimental study ها یا مداخلات تجربی هم مطلقا در مواردی انجام می گیرد که بی ضرر بودن مداخله ثابت شده باشد.

C: comparison در تمام مطالعات ما یک مداخله رقیب داریم. حتی اگر به ظاهر هم وجود نداشته باشد عدم انجام مداخله نیز به عنوان رقیب مداخله شناخته می شود.

O: outcome، نتایج. باید بررسی شود که نتایج مداخلات ما چیست. این نتایج به سوالات ابتدایی ما پاسخ می دهند.

در بعضی از موارد PICOD هم گفته می شود.D آخر به معنای Design است.

مطالعات مشاهده ای دو گونه هستند؛ یک گونه به صورت توصیفی(Descriptive observation) و یک گونه به صورت تحلیلی (Analytic observation) می باشد.

هرچه طراحی مطالعه تجربی تر باشد ارزش مطالعه ما بالا تر است.

 بحث:

نقد از مطالعه انجام شده و بخصوص محدودیت هاست. می توان نقاط قوت را نیز می گویند. بعد نوبت توصیه هاست. توصیه های اجرایی برای مجریان و توصیه هایی برای مطالعات بعدی. در قسمت بعد روایی و پایایی را بحث می کنیم. می توان نتایج تحقیقات یک نویسنده دیگر را با نتایج مقاله خودمان مقایسه می کنیم، اختلاف ها را به دست می آوریم و دلایل آن را توضیح می دهیم.

خلاصه جلسه 10مورخ26/2/1391كلاس مدیریت سیستم های اطلاعاتی در بهداشت و درمان

طرز کار با نرم افزار spss:

نرم افزار SPSS یکی از قدیمی ترین برنامه‌های کاربردی در زمینه تجزیه و تحلیل‌های آماری است؛ نرم افزار آماری با قابلیت‌های انجام توصیفی زیبا و گویا از اطلاعات، شامل رسم نمودارها و چارت‌های گوناگون و محاسبات مربوط به میانگین، انحراف معیار واریانس، میانه و…

کلمه SPSS مخفف (Statistical package for social science) نرم‌افزار آماری برای علوم اجتماعی می باشد. این نرم افزار که یکی از نرم افزار‌های تخصصی آمار است، بیشتر به بحث‌های آماری در حیطه علوم اجتماعی، روانشناسی و علوم رفتاری و.. می پردازد.

قابلیت‌های نرم افزار SPSS به شرح زیر می است:

تهیه خلاصه‌های آماری مانند گراف ها، جداول، آمارها و…

انواع توابع ریاضی مانند قدر مطلق، تابع علامت، لگاریتم، توابع مثلثاتی و…

تهیه انواع جداول سفارشی مانند جداول فراوانی، فراوانی تجمعی، درصد فراوانی و…

انواع توزیع‌های آماری شامل توزیع‌های پیوسته و گسسته

تهیه انواع طرح‌های آماری

انواع آنالیز واریانس یکطرفه، دوطرفه، چندطرفه و آنالیز کوواریانس

تکنیک‌های تجزیه و تحلیل سری‌های زمانی

ایجاد داده‌های تصادفی و پیوسته

محاسبه انواع آمارهای توصیفی

انواع آزمون‌های مرتبط با مقایسه میانگین بین دو یا چند جامعه مستقل و وابسته

قابلیت مبادله اطلاعات با نرم‌افزارهای دیگر

پردازش انواع مختلف رگرسیون

نقطه قوت این نرم افزار:کار با این نرم افزار آسان می باشد.

نقطه ضعف این نرم افزار:تنها آزمونهای روتین را انجام می دهد.

انواع دادهها:

-کمی

کیفی:-اسمی

         -رتبه ای

در این جلسه در مورد بعضی از فعالیت هایی که می توان با spssانجام داد صحبت شد.

وقتی برنامه  Spss را باز می کنیم  پنجره ای به نام  Untitled- SPSS Editor(ویرایشگر SPSS – بدون نام) نشان داده می شود که شامل دو پنجره مختلف به نامهای زیر می باشد:

Data view -1  (نمای داده) : برای وارد کردن داده ها و در زیر ستونهای معرفی شده استفاده می شود.

 

) Variable view -2 نمای متغیر): برای تعریف کردن متغیرها استفاده می شود.

v       در ستون Name ابتدا نامی برای متغیر انتخاب می کنیم،بعد از وارد کردن نام، سایر ستونها با پیش فرضهایی که نرم افزار طراحی کرده است  که ما میتوانیم به دلخواه و با توجه به نوع داده، تغییراتی در ستونها ایجاد کنیم.

v       در مرحله بعد، درستون  Typeنوع متغیر را تعیین می کنیم. در این ستون روی مربع کوچک خاکستری رنگ کلیک کرده تا پنجره Variable Type باز شود. و از بین گزینه ها نوع داده مناسب را برای متغیر مورد نظر تعیین می کنیم.

 

v        از ستون بعدی ( (Widthبرای تغییر دادن پهنای متغیر استفاده می شود. با کلیک روی ستون، دو پیکان کوچک بالا وپایین نشان داده می شود که می توانیم با بالا و پایین کردن، پهنای مورد نظر را تغییر دهیم.

v       از ستون Decimals برای تعیین تعداد ارقام اعشار داده های مورد نظر استفاده می شود. مانند روش قبل روی ستون کلیک کرده و تعداد ارقام اعشار را تعیین می کنیم.

 

v       در ستون Lable  می توان برای متغیر مورد نظر یک برجسب انتخاب کرد. برای این کار در ستون عنوان مورد نظر را تایپ می کنیم.

با این کار وقتی در پنجره Data view ، ماوس را روی عنوان Mean نگه داریم عنوان تایپ شده در Lable مشاهده می شود.

v       ستون Values برای متغیرهای گروه بندی مورد استفاده قرار می گیرد.

 

v       ستون بعدی (Missing) مربوط به داده های گمشده  می باشد. در این قسمت با کلیک بر روی ستون مورد نظر پنجره Missing Values باز می شود.

 

زمانی که در بین اطلاعات جمع آوری شده داده گمشده ای وجود نداشته باشد پیش فرضNo missing values

به همان حالت خود باقی می ماند. اما اگر داده گمشده وجود داشته باشد، برای مشخص کردن آن باید گزینه Discrete missing values را فعال کرد و شماره سطر مربوط به داده مورد نظر را در مستطیلها وارد کرد.

 اگر تعداد بیشتری داده گمشده وجود داشته باشد، داده ها را به ترتیب کوچک یا بزرگی تنظیم می کنیم، سپس با فعال کردن قسمت Range plus one optional discrete missing value در مستطیلها شماره های داده گمشده را مشخص می کنیم. (از شماره .... تا شماره....)

و اگر داده های گمشده به صورتی بودند که یک سری از آنها پشت سر هم و یکی از آنها جدا بود، شماره داده گمشده جدا را  در قسمت Discrete value اضافه می کنیم.

v       ستون بعدی  Columns مربوط به تغییر دادن پهنای ستون در پنجره Data view  می باشد؛ که به مانند ستون Decimals می توان تغییراتی در آن ایجاد کرد.

 

v       تراز کردن دادهها در ستون  Align قابل انجام شدن می باشد.

 

 داده ها به طور پیش فرض در پنجره Data view راست چین هستند ولی زمانی پیش می آید که می خواهیم داده ها چپ چین و یا وسط چین باشند . برای این کار ابتدا مکان نمای ماوس را روی ستون Align قرار داده  و گزینه مورد نظر را انتخاب می کنیم.

v       آخرین ستون مورد بررسی در پنجره  Variable view  مربوط به ستون مقیاس اندازه گیری متغیرها (Measure )  می باشد. که شامل سه نوع زیر است:

Scale =   داده های فاصله ای و نسبتی

Ordinal = داده های رتبه ای

Nominal = داده های اسمی

 مانند روش زیر در سطر مربوط به Values ابتدا داده مورد استفاده در پنجره Data view را وارد کرده، سپس در سطر مربوط به Value label  اسم مورد نظر را تایپ کرده و سپس  روی گزینه Add  کلیک می کنیم. بعد از وارد کردن اطلاعات روی گزینه Ok کلیک می کنیم. این کار باعث می شود که در خروجیهای ما به طور مثال به جای نمایش کد 1 معادل آن یعنی  دیپلم ریاضی مشاهده می شود. سپس در پنجره Data view  اعداد را وارد می نماییم.

آزمون ها:

استفاده از آزمونهای آماری آزمایشاتی که دارای دو گروه مقایسه هستند را می توانیم بوسیله آزمونt (T Test ) مورد تجزیه و تحلیل قرار دهیم. اما اگر آزمایشی شامل بیش از دو گروه باشد باید بین هر دو گروه از آنها با استفاده از آزمون t تعداد زیادی مقایسات دو گانه صورت گیرد که این امر علاوه بر  افزایش تعداد مقایسات، امکان اینکه اختلاف بین تیمار به طور تصادفی (معنی دار ) باشد را نیز افزایش می دهد.

روشی که برای مقایسه بیش از دو تیمار به کار می رود تجزیه و تحلیل واریانس( ANOVA) نامیده می شود. از مزایای استفاده از این آزمون این است که تنها با انجام یک بار آزمودن، اختلاف میان میانگینهای کلیه تیمارهای موجود در آزمایش، مورد بررسی قرار می گیرد.

هدف از آزمون بررسی زیر می باشد:

H_o: µ₁= µ₂ =…………= µ_k

H₁: µ_i ≠ µ_j      با سایر آنها تفاوت داشته باشد  µ_i حداقل یکی از                          

برای نتیجه گرفتن درباره وضعیت برابری یا عدم برابری میانگینها از دو ستون   95% Confidence Interval  وSig    استفاده می کنیم. عدد مشاهده شده در ستون Sig  معرف P-Valuse بدست آمده در آزمونها می باشد و چون آزمونها در سطح 0.05 مورد بررسی قرار می گیرند مبنای پذیرش یا عدم پذیرش آنها یعنی قبول یا رد فرض اولیه H_o  مقایسه با مقدار 0.05 می باشد.

در آزمونهای یک دامنه اگر Sig<0.05 فرض اولیه H_o رد می شود و اگر Sig>0.05 فرض اولیه H_o رد نمی شود. اما در آزمونهای دو دامنه به جای 0.05 از 0.025 استفاده می شود.

 

خلاصه جلسه 10 مورخ 26/2 مدیریت سیستمهای اطلاعاتی

آمار را میتوان به 2 قسمت تقسیم كرد:

1-       آمار توصیفی

2-       آمار استنباطی = نرم افزار spss جزء این دسته بحساب میاید.

 

SPSS یكی از متداولترین نرم‌افزارهایی است كه نه تنها دسته‌بندی اطلاعات خام و پوشش دادن پرسشنامه‌های طرح تحقیقاتی را امكانپذیر می‌نماید، بلكه محقق را قادر می‌سازد تا در اسرع وقت به تحلیل آماری نتایج طرح خود بپردازد.

نرم‌افزار SPSS در مجموع از دو بخش عمده تشكیل می‌گردد كه عبارتند از:
1- بخش تعریف متغیرها (variable view): در این قسمت متغیرهای مطالعه و جزئیات مربوط به هر یك تعریف می‌گردند.

2- بخش وارد كردن متغیرها(data view): دراین قسمت متغییرها راوارد میكنیم. 

                                        

Variable view شامل 10 ستون میباشد:

1-نام متغیر (Name): در این بخش نام متغیر را وارد میكنیم.
2- نوع متغیر(type): در این بخش، نوع متغیر بر مبنای عددی، اسمی یا رتبه‌ای بودن آن قابل تعریف می‌باشد.
3- پهنای متغیر (Width): در این بخش، تعداد كاراكترهای نام متغیر قابل تعیین است.
4- تعداد اعشار (Decimal): در صورت عددی بودن متغیر، حداكثر تعداد اعشار آن در این قسمت مشخص می‌گردد.
5- بر چسب (Label): گاهی هر متغیر علاوه بر نام، نیاز به توضیحی مختصر از آن متغیر و یا بیان عبارت یا یا اصطلاحی در مورد آن دارد كه در این بخش قابل تعریف می‌باشد.
6- ارزش‌گذاری (value): برای تسهیل در تحلیل آماری داده‌ها بویژه متغیرهای كیفی اسمی یا طبقه‌ای، ارزش‌گذاری متغیر مورد نظر و درجه‌بندی آن ضرورت می‌یابد. به عنوان نمونه در تحلیل اطلاعات مربوط به جنس بیمار، می‌توان مرد را عدد یك وزن را عدد دو در نظر گرفت.
7- تعیین مقادیر گمشده (missing): در مورد داده های گمشده كاربرد دارد.
8- تعیین پهنای ستون (column): برای تعیین پهنای ستون‌های متغیرها از این بخش استفاده می‌نمائیم.
9- ردیف كردن داده‌ها (Align): به دلخواه محقق، شاخصها را می‌توان بصورت چپ‌چین، راست‌چین و یا وسط چین ردیف نمود.
10- مقیاس اندازه‌گیری (Measure): در این ستون، برای متغیرهای نسبی و فاصله‌ای گزینه Scale، برای متغیرهای ترتیبی گزینه Ordinal و برای متغیرهای اسمی گزینه Nominal را انتخاب میكنیم..

خلاصه جلسه 10 مورخ 26/2 مدیریت سیستمهای اطلاعاتی

 SPSS: Statistical Package for Social Science

انواع متغیرها:

کمی:1- فاصله ای 2- نسبتی

کیفی: 1- اسمی 2- رتبه ای

آمار به دو دسته توصیفی(جداول و نمودارها) و استنباطی( شاخص های عددی) تقسیم می شود. 

 آمار توصیفی چیزی است که از سرشماری به دست می آید و همه عناصر جامعه را بررسی می کند. 3700 نوع آزمون آماری مختلف داریم.   

نمودار ها شامل نمودار میله ای ، هیستوگرام، چندبر، ساقه و برگ و ... است. کارکردن با این نرم افزار محدود است زیرا یک منوی آنالیز دارد و فقط آزمون هایی که در آن است قابل انجام است و آزمون های دیگر یا آنهایی که غیر رایج هستند را با آن نمی توان انجام داد.

این نرم افزار دو صفحه دارد:

Data view .1

Variable data.2

در صفحه اول داده ها را وارد می کنیم. داده ها می تواند کمی یا کیفی باشد. هر ستون یک متغیر است. هر سطر مربوط به یک مورد است.

در صفحه دوم موارد زیر را داریم:

Name:در اینجا نام متغیر را می نویسیم. در اینجا می توانیم نام متغیر را به صورت مخفف بنویسیم.

در اینجا می توانیم نام کامل متغیر را بنویسیم و یا آن را تعریف کنیم. :Label

 نوع متغیر را مشخص می کنیم. :Type

 پهنا یا طول میدان است. :Width

Decimal: به ما می گوید که اعشار را تا چند رقم نشان می دهد. البته در این قسمت اعشار ها به اندازه ای که ما مشخص کرده ایم نشان داده می شود ولی در محاسبات تا آخرین اعشار محاسبه می شود.

Value: در متغیر کمی به کار نمی آید. در متغیر کیفی مفید است. این گزینه برای راحت تر وارد کردن داده ها است. مثلا value=1, label= female

Missing: مربوط به مواردی است که پر نشده یا خالی مانده است مثلا در پرسشنامه ها.

پهنای متغیر را در صفحه دوم این نرم افزار تعیین می کند. :Column

 داده ها در کجای هر یک از خانه های صفحه قرار گیرد. وسط، راست و یا چپ:Align

Measure: واحد اندازه گیری. مثلا:

Scale: فشار خون و Nominal: جنسیت

 

تحلیل و آنالیز داده ها: 

منوی بالای صفحه

Analyze

Descriptive statistics

 : در این گزینه می توانیم از دستورات برای داده هایی که تغییر کرده اند کپی کرده و استفاده کنیم.

Frequency: در این مورد گزینه های را داریم که می توان با انتخاب آنها این موارد را به دست آوریم. مانند: :Quartiles, cut point for, percentiles, mean, median, mode, sum, std.deviation, variance, range, minimum, maximum, se.mean, skewness and kurtosis

دو گزینه آخر به ما می گوید که داده های ما نرمال هستند یا خیر.

برای متغیر های کمی از هیستوگرام اسفاده می شود.

وقتی Missing ندارم Percent و Valid percent یکی هستند.

برای متغیر هایی که از چند متغیر ساخته شده اند :

Transform

Compute

خلاصه جلسه10کلاس مدیریت سیستم ها ی اطلاعات در بهداشت

در این جلسه در مورد نرم افزار spss  و کاربرد آن و چگونگی استفاده از این نرم افزار صحبت شد. از این نرم افزار استفاده های گوناگونی به خصوص برای رشته های غیر آماری می شود، در مقابل stata نرم افزار آماری است که قابلیت برنامه نویسی نیز دارد. در واقع این نرم افزار در آنالیز داده ها و بردن آن ها روی نمودارهای گوناگون مورد استفاده قرار می گیرد.

در ادامه در مورد آمار و انواع داده ها و اندازه گیری بحث شد در این خصوص متغییرهای آماری به دو دسته ی کمی و کیفی تقسیم می شوند این تقسیم بندی در ورود داده ها اهمیت پیدا می کنند متغییرهای  کمی به راحتی وارد نرم افزار می شوند در مورد متغییرها یا همان داده های کیفی بخصوص داده های اسمی مانند گروه خون باید کد گذاری شوند دسته ی دیگر داده های کیفی رتبه ای ها هستند که از جمله ی آن ها می توان به سطح سواد اشاره کرد. همچنین در مورد آمار و تقسیم آن به آمار توصیفی و استنباطی صحبت شد. آمار توصیفی شامل نمودار ها و ... که امروزه کاربرد کم تری دارد، دسته ی دوم که آمار استنباطی است آنالیزهای دقیق تری داشته و spss در این دسته قرار می گیرد.

در نرم افزار دو پنجره ی اصلی داریم data view  و    variable view که در صفحه ی اول که مربوط به ورود اطلاعات است، اطلاعات وارده را مشاهده می کنیم، صفحه ی دوم که مربوط به وارد کردن متغییرهاست. در صفحه ی نخست هر ستون مربوط به یک متغییر است که در موارد مختلف قابل مشاهده است، همچنین هر ردیف مربوط به یک پرسشنامه می باشد که اطلاعات مربوط به یک subject  است.

در صفحه ی variable view  بر روی هر ستون عناوینی مشاهده می شود که هر کدام از آن ها به نکته ی خاصی اشاره می کنند از جمله:

Name: که به صورت خلاصه نام متغییر را می نویسیم.

Type: اشاره به نوع متغییر دارد که می تواند کمی، کیفی و به مراتب انواع متغییرها باشد.

Width: اینکه هر داده چقدر پهنا می تواند داشته یاشد در واقع تعداد کاراکترها را مشخص می کند.

Decimals: تعداد ارقام اعشار که هر متغییر می تواند داشته باشد مشخص می کند.

Label: نمایه ی مشخصی برای متغییر تعیین می کند و متغییر را آن طور که تعریف می کنیم نشان می دهد.

Value: در مورد متغییرهای کیفی کاربرد دارد که این متغییرها را کدگذاری می کند.

Missing:  این ستون در مورد داده های افتاده کاربرد دارد

Columns: پهنای ستون مربوط به هر متغییر را می توان تنظیم کرد.

Align: در واقع مکان قرارگیری داده و اینکه چینش آن چگونه باشد کاربرد دارد.

Measure: مقیاس اندازه گیری مربوط به هر داده (فاصله ای، نسبتی ...)  را مشخص می کند.

در قسمت analyze در این نرم افزار با انتخاب گزینه یstatistic  Descriptive ، منوی Frequency را انتخاب می کنیم با این مورد می توان به رسم نمودار دلخواه و مرتبط با نوع متغییر پرداخت برای این کار از گزینه ی chart  استفاده می کنیم با این کار متغییر را به صفحه ی متغییرها برده ایم. همچنین می توان با ورود به مشخصات آماری نرم افزار شاخص های آماری از جمله میانگین، مد، چولگی و ... را نیز محاسبه کرد.

همچنین استاد گرامی در مورد هر کدام از گزینه های مورد نیاز جهت آنالیز داده ها از جمله نمودارهای مربوط به هر متغییر، چولگی ها، پراکندگی و نحوه ی تجزیه و تحلیل بخشی از داده ها که داده ی پرت محسوب می شوند توضیحاتی ارائه دادند.

*خلاصه جلسه 10 مورخ 26/2/1391کلاس مدیریت سیستم های اطلاعاتی دربهداشت ودرمان*

"به نام خدا"

آشنایی بانرم افزارSPSS:

Spssیک تجزیه کننده جامع وانعطاف پذیرآماری ویک سیستم مدیریت داده است.spssتقریبامی تواندداده هاراازهمه فایل هابگیرد آنهارابه گزارش های جدول بندی شده،نقشه،آمارهای توصیفی وتبدیل کند. بااستفاده ازاین نرم افزارازمون های ساده اماری رامی توانیم تجزیه وتحلیل کنیم.برای تحلیل های پیشرفته بایدازنرم افزارهای دیگری استفاده کرد.

انواع آمار :

آمار توصیفی :

آن دسته از روشهای آماری که با و توصیف ویژگیهای برجسته داده‌ها سروکار دارند، در مبحث آمارتوصیفی قرار می‌گیرند. برخلاف گذشته ، امروزه آمار توصیفی فقط قسمت کوچکی از حوزه فعالیتهایی است که تحت پوشش موضوع آمار قرار می‌گیرند.
آمار استنباطی :

در زمان حاضر ، قسمت عمده موضوع آمار عبارت است از کسب اطلاعات با انجام محاسباتی روی داده‌ها و ارزیابی معلومات تازه‌ای که از این اطلاعات بدست می‌آید.نرم افزارSPSSجزآماراستنباطی است.

انواع داده ها:

1-داده های کمی:شامل فاصله ای ونسبی

2-داده های کیفی:شامل اسمی وترتیبی

نحوه کاربانرم افزارSPSS:

صفحه کاری SPSSدارای 2پنجره است:

ü        Data view

ü        Data variable

درData viewداده هاراواردمی کنیم ولی قبل ازواردکردن داده هابایدمتغیرهاراتعریف کنیم برای این کارازData variableاستفاده می کنیم.

پنجره Data variableاز10ستون تشکیل شده است:

1-ستون Name:اسم متغیرراواردمی کنیم.

2-ستون type:نوع متغیرراواردمی کنیم.نوع متغیرمی تواندیکی ازاین مواردباشد:

Numeric، ،comma، Dot، Scientific notation، Dollar،  custom currency، stringباشد.

درصورتی که داده هاعددی باشدمتغیرNumericودرصورتی که متغیرهااسمی باشند،stringراانتخاب می کنیم.

3-ستونWidth:پهنای موردنظربرای داده هارامشخص می کند،منظورازپهناتعدادکاراکتری که هرمتغیرمی تواندداشته باشد.

4-ستونdecimal:تعدادرقم های اعشاربرای هرمتغیرراتعیین می کند.

5-ستونlabel:برای متغیریک برچسب تعیین می کنیم.

6-ستونValue:اگرداده هامربوط به متغیرهای کیفی مثل جنس باشد،دراین قسمت می توانیم برای هرمتغیریک کدتعریف کنیم.

7-ستونMissing:بعدازواردکردن داده هااگرخانه ای دارای عددنباشد،درآن خانه یک نقطه قرارمی گیردوspssان رابه عنوان یک داده گم شده درنظرمی گیرد.اگربخواهیم داده های گم شده رادرمحاسبات وارد کنیم ازاین ستون استفاده می کنیم.

8-ستونColumn:برای تغییردادن پهنای ستون درپنجرهData view،می توانیم عددموردنظرراین جاتایپ کنیم .

9-ستونAlign:برای تنظیم مکان دادهدرستون داده واینکه راست چین،چپ چین یاوسط چین باشندازاین ستون استفاده می کنیم.

10-ستونMeasure:برای تعیین نوع داده های فاصله ای،ترتیبی،اسمی استفاده می شود.

گزینه Analyze:

برای رسم نمودارازقسمتAnalyze،گزینه Descriptive statistic وبعدگزینه Frequencyراانتخاب می کنیم.متغیرابه ناحیه Variableمنتقل می کنیم ودکمه chartراکلیک کرده ونمودارموردنظرمان ،برای مثال هیستوگرام راانتخاب می کنیم باانتخاب گزینهwith normal curveمنحنی نرمال نیزنشان داده می شود،سپس continueوokراکلیک می کنیم.

درپنجرهfrequenciesباکلیک روی statisticوانتخاب موارددلخواه می توانیم اطلاعات بیشتری ازداده های خودنظیرمیانگین،میانه،انحراف معیار،چولگی و..رابه دست اوریم.

ازگزینهGraphمی توانیم نموداررسم کنیم.البته ازقسمتAnalyzeنیزامکان رسم نمودارهای موردنیازمان وجودارد.

 

خلاصه جلسه 9 مورخ 19/2مدیریت سیستمهای اطلاعاتی

قسمتهای اصلی یک مقاله(PICO):

P- (population): منظور جمعیت مورد مطالعه می باشد که می تواند انسان، سازمان و... باشد.

I- (Intervention): منظور مداخله ایست که ما در مطالعه انجام میدهیم وبایستی درمطالعه خود نوع مداخله رامشخص کنیم.

تفاوت intervention با exposure: در intervention پژوهشگر بطور مستقیم کاری راانجام میدهد ودر ایجاد مواجهه نقش دارد ولی در exposure مداخله صورت نمی گیرد یعنی مداخله قبلا صورت گرفته وپژوهشگر در آن نقشی ندارد.

C- (Comparisone): در هر مطالعه یک مورد یا شاخصی رقیب داریم که مطالعه خود راباآن مقایسه کنیم.

O- (Out come): نتیجه مداخله ومطالعه ماست .

مطالعاتی که جمعیت مورد مطالعه آن  انسان است به 4 دسته تقسیم می شود.

1- Treatment study: این نوع مطالعه به منظور تشخیص درمان بیماری صورت می گیرد.

2- Diagnosis study: این نوع مطالعه بمنظور کشف روش تشخیص صورت می گیرد.

3- Prognosis study: این نوع مطالعه درباره بررسی ریسک فاکتورها صورت می گیرد.

4-Caussation study: این نوع مطالعه برای تشخیص علت بیماری صورت می گیرد.

انواع مطالعات:

•          توصیفی: با هدف بررسی و توصیف یك وضعیت بدون آنكه قصد بررسی یك رابطه (آزمون فرضیه) را داشته باشیم.

 

گزارش مورد(case report)

مطالعات اكولوژیك(ecologic or correlational)

مطالعات مقطعی(cross sectional)

 

•          تحلیلی: با هدف بررسی یك رابطه ، اختلاف یا ارتباط (آزمون فرضیه) صورت می پذیرد.

1- مشاهده ای

 مقطعی(cross sectional)

كوهورت(cohort)

 مورد - شاهدی(case control)

 

2- مداخله ای

كار آزمایی بالینی (clinical trial)

كارآزمایی میدانی (field trial)

 كار آزمایی اجتماعی (community trial)

IMRAD:

Introduction: در این قسمت هدف از انجام مطالعه و اهمیت موضوع مشخص می شود.

Method: روش مطالعه را مشخص می کند مواد و روش های بکار برده شده در مقاله مطرح می شود.

Result: در این قسمت نتایج بدست آمده توضیح داد ه شد.

Discussion: در این قسمت نتایج بدست آمده بحث می شود.