PERCHE’ LA STATISTICA NEL CURRICULUM

PERCHE’ LA STATISTICA NEL CURRICULUM FORMATIVO DELL’INFERMIERE?

E’ necessario che l’infermiere sappia

rilevare,archiviare ed elaborare in modo corretto le informazioni indispensabili per la sua attività, anche mediante l’uso di sistemi per il trattamento

automatico delle informazioni.

Ma la conoscenza della metodologia per il trattamento delle informazioni è anche necessaria allo studente nel corso degli studi universitari e post-universitari.

Per questi motivi nel curriculum formativo del medico e degli altri operatori sanitari(infermieri, fisio -

terapisti, dietisti,ecc..) sono state inserite nozioni di scienza delle informazioni ( Statistica, Informatica,

Epidemiologia).

RELAZIONI TRA INFORMAZIONI,CONOSCENZA DEI PROBLEMI E COMUNICAZIONI

Informazioni

conoscenza comunicazione

RELAZIONI TRA INFORMAZIONI,CONOSCENZA E DECISIONI

Informazioni Informazioni

conoscenza decisioni controllo decisioni

(dei problemi) (delle decisioni)

_________ _______ _______ _______

processo processo processo processo conoscitivo decisionale conoscitivo decisionale

DEFINIZIONE DI DATO E DI INFORMAZIONE

• se si dice 1,70 si indica un numero

• se si dice statura m. 1.70 si indica un dato

• se si dice che il Sign. Mario Rossi è alto m.1,70 si indica un’informazione

- il dato è un numero riferito ad un determinato fenomeno

- l’informazione è un dato che ha valore informativo (cioè consente la conoscenza di un determinato

fenomeno)

Sistema Informativo Sanitario Definizione

Insieme articolato ed integrato di

risorse,strumenti e procedure per la rilevazione,archiviazione ed

elaborazione delle informazioni

necessarie per la programmazione e

la gestione dei servizi sanitari

USO DEI SISTEMI INFORMATICI IN CAMPO CLINICO VANTAGGI

• Rendono più facile l’acquisizione,la registrazione e l’archiviazione dei dati clinici

• Consentono il facile e rapido reperimento dei dati archiviati in occasione di precedenti contatti con la struttura sanitaria

• Migliorano la qualità delle informazioni rilevate mediante la strumentazione biomedica e riducono la possibilità di errori diagnostici o di interventi terapeutici non appropriati

• Rendono possibile la trasmissione dei dati clinici tra i diversi servizi e strutture sanitarie(Medici di Medicina Generale,

Specialisti,Ospedali,ecc..) con i quali l’utente viene a contatto e quindi

- migliorano la qualità dell’assistenza

- consentono una riduzione dei costi evitando la ripetizione di accertamenti diagnostici già eseguiti altrove.

TRATTAMENTO DELLE INFORMAZIONI

• FONTI DELLE INFORMAZIONI luogo di origine e produzione delle

informazioni

• FLUSSO DELLE INFORMAZIONI percorso tra la fonte e il luogo di utilizzazione

• ELABORAZIONE DELLE INFORMAZIONI procedure di

trasformazione delle informazioni per renderle

utilizzabili

• UTILIZZAZIONE DELLE INFORMAZIONI per finalità

conoscitive e decisionali

METODOLOGIA PER IL TRATTAMENTO DELLE INFORMAZIONI

Acquisizione dei dati

Elaborazione dei dati

Analisi statistica e

valutazione dei risultati

DEFINIZIONE DI STATISTICA

La Statistica è il metodo per lo studio dei fenomeni collettivi e comprende

• la descrizione delle caratteristiche dei fenomeni (statistica descrittiva)

• l’analisi delle cause dei fenomeni

(statistica inferenziale)

LA STATISTICA NELLO STUDIO DEI FENOMENI BIOLOGICI

Importanza del metodo statistico per lo studio dei fenomeni biologici in

relazione a due caratteristiche peculiari di tali fenomeni:

si tratta di fenomeni variabili e probabilistici.

(Biometria – Biostatistica – Statistica

Medica)

METODI PER LO STUDIO DEI FENOMENI NATURALI

Fenomeni costanti = sistemi di misura

Variabili deterministiche= sperimentazione (Claude Bernard 1813-1878)

Variabili probabilistiche= calcolo delle probabilità (o aleatorie) (Laplace 1749-1827)

LE APPLICAZIONI DELLA STATISTICA E DELLA EPIDEMIOLOGIA NELLE PROFESSIONI SANITARIE

• Nell’attività clinica e assistenziale:

metodologia di acquisizione ed elaborazione dei dati clinici(controllo di qualità,Evidence Based Medicine)

• Nella ricerca scientifica:

ricerche sperimentali e studi osservazionali (epidemiologia ed epidemiologia clinica), metanalisi

• Nella organizzazione e gestione dei servizi sanitari:

acquisizione dati epidemiologici per la

programmazione e la valutazione degli interventi di prevenzione,terapia e riabilitazione(analisi costi-

benefici e costi-efficacia,indicatori,ecc,,)

METODOLOGIA DI ACQUISIZIONE DEI DATI

ACQUISIZIONE DEI DATI CONTROLLO DI QUALITÀ mediante per accertare

- prelievo da altre fonti - affidabilità delle fonti - rilevazione diretta - attendibilità dei dati

Un dato ottenuto mediante osservazione o misurazione si definisce attendibile

quando è il più vicino possibile al valore vero

PRINCIPALI FONTI DI DATI DEMOGRAFICI

Popolazione

presente - CENSIMENTI <

Popolazione residente POPOLAZIONE < - RISULTANZE Popolazione

ANAGRAFICHE residente

- RILEVAZIONI SULLE FORZE DI LAVORO ( Indagine Campionaria)

- INDAGINI SULLE FAMIGLIE (Campionarie)

segue PRINCIPALI FONTI DI DATI DEMOGRAFICI

NATI NATURALE <

MORTI MOVIMENTO

DELLA MIGRAZIONI

POPOLAZIONE < INTERNE Immigrazioni SOCIALE < <

MIGRAZIONI Emigrazioni ESTERE

MATRIMONI

PRINCIPALI FONTI DI DATI SANITARI

cause di morte Mortalità

cause di natimortalità

malattie infettive e diffusive

soggette a denunzia obbligatoria Morbosità

malattie professionali

indagine ISTAT sulle condizioni di salute della popolazione italiana

segue PRINCIPALI FONTI DI DATI SANITARI - infortuni sul lavoro

Altri eventi

attinenti alla salute<

- interruzioni della gravidanza - ricoveri(dimissioni)sec.le cause Attività dei < - altre prestazioni sanitarie

servizi sanitari - dati sull’organizzazione dei

servizi sanitari

Italia - N.morti per 100.000 abitanti anni 1901-97

Malattie 1901-10 1951-60 1971-80 1991-97 Mal.infettive

e parassitarie 345 38 12 4 Tumori 64 135 221 270 Mal.sist.circolatorio 208 264 465 422 Mal.app.respiratorio 422 89 75 50 Mal.app.digerente 389 63 59 56 Altre cause 731 369 143 168 Morti in totale 2159 958 975 970

ITALIA – POPOLAZIONE GIOVANE E ANZIANA ANNI 1955-2025(previsioni)

Milioni di Età abitanti

60 e + 18 -

14 -

10 -

0-18 6 -

| | | | | | | | 1965 1985 2005 2025

ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA

a) Metodi e strumenti per la rilevazione dei dati - colloqui o interviste(es.raccolta anamnesi,

inchieste,ecc...)

- osservazione diretta(es.obiettivo di un paziente) - manuali(es.frequenza del polso)

- strumenti< - meccanici(es.bilancia,sfigmoma- di misura nometro,ecc..)

- automatici(autoanalizzatori,TAC,ecc.) Qualità dei dati ottenuti con i diversi metodi e strumenti

segue ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA

b) Sistemi di registrazione dei dati

- supporti cartacei(schede,questionari,ecc) mediante - supporti magnetici(floppy disk,hard disk)

- supporti ottici (CD Rom)

- inserimento dati da tastiera

con l’uso di - utilizzazione di lettori ottici o lettori di sistemi informatici < banda magnetica

- collegamento on-line tra gli strumenti di misura e il computer

ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA

DIVERSI TIPI DI QUESTIONARI

rigidi o chiusi = contengono domande e risposte formulate in termini precisi

aperti = contengono domande precise ma le risposte sono libere

a testo libero = non contengono domande precise

ma soltanto generici argomenti sui quali viene richiesto di fornire informazioni

precodificati= domande e risposte sono accompagnate da appositi codici

RILEVAZIONE DEI DATI

"ERRATA” E/O “NON CORRETTA”

RILEVAZIONE DEI DATI UGUALE

“INATTENDIBILITà” DEI RISULTATI

CORSO DI LAUREA IN INFERMIERISTICA

Lezioni di Statistica ____________

2 -

RILEVAZIONI A CAMPIONE

segue ACQUISIZIONE DEI DATI

segue RILEVAZIONI A CAMPIONE

Se per ipotesi con la prima e con la seconda estrazione sono uscite palline bianche non

possiamo sapere se nell’urna vi sono palline di altro colore; se alla terza estrazione esce pallina nera

possiamo sapere che nell’urna vi sono anche palline nere ma non sappiamo quante sono rispetto alle

bianche; soltanto dopo la 4° estrazione possiamo affermare che nell’urna vi sono palline bianche e nere in egual numero.

Principio generale: quanto più elevata è la

numerosità del campione,tanto maggiore è la

sua rappresentatività

segue RILEVAZIONI A CAMPIONE Terminologia utilizzata in statistica:

unità statistiche = singoli individui, oggetti, ecc.. che compongono il collettivo oggetto di studio

universo = l’insieme delle unità statistiche campione = parte dell’universo che viene

studiata quando non è possibile

esaminare l’intero collettivo

segue RILEVAZIONI A CAMPIONE

Metodologia di estrazione del campione

• estrazione casuale con reinserimento

• estrazione casuale senza reinserimento

• estrazione sistematica

• estrazione mediante stratificazione

• campionamento a più stadi (cluster

sample)

segue RILEVAZIONI A CAMPIONE

segue RILEVAZIONI A CAMPIONE

Esempio di estrazione di un campione casuale semplice

In un ospedale vi sono 600 pazienti ai quali viene attribuito un numero d’ordine(per esempio il numero del letto)da 1 a 600.

Si vuole estrarre un campione di 60 ricoverati.

Si parte da una riga qualunque della tabella dei numeri casuali (es. la riga 104) e si prendono in sequenza tanti gruppi di tre cifre ciascuno fino a raggiungere i 60 pazienti che entreranno a far parte del campione

segue RILEVAZIONI A CAMPIONE

Righe Numeri random

104 52711 38889 93074 60227 40011 ... ...

...

si estraggono i pazienti numero 527,113,74,274,1 e così via scartando i numeri ai quali non corrisponde nessun paziente (888,993,602,ecc..).

Attenzione! Si estraggono numeri di tre cifre in quanto i pazienti in totale sono 400

segue RILEVAZIONI A CAMPIONE

Il metodo dell’estrazione casuale mediante i numeri random offre due vantaggi:

• ogni unità statistica che compone l’universo ha la stessa probabilità di entrare a far parte del campione(=rappresentatività del

campione)

• consente la valutazione dell'attendibilità dei risultati ottenuti mediante i metodi di

statistica inferenziale(v.dopo).

segue RILEVAZIONI A CAMPIONE

Estrazione sistematica: le unità statistiche che costituiranno il campione sono estratte

dall’universo ad intervalli regolari.

Per esempio se in un ospedale vi sono 500 ricoverati e si vuole estrarre un campione di 50 pazienti si attribuisce un numero d’ordine ad ogni ricoverato in base al numero della

cartella clinica e si estrae un paziente ogni 10

(i pazienti numero 10,20,30,ecc..)

segue RILEVAZIONI A CAMPIONE

Questo metodo è più pratico rispetto all’estrazione casuale ma è necessario essere sicuri che

l'intervallo di campionamento prescelto non sia

influenzato da qualche variabile esterna che agisce con la stessa ciclicità del campionamento, cosa abbastanza improbabile ma pur sempre possibile (ad esempio se in media si ricoverano 20 ammalati alla settimana è possibile che i pazienti estratti

siano in maggioranza quelli ricoverati il sabato e la domenica, cioè i casi più gravi).

segue RILEVAZIONI A CAMPIONE

Campionamento mediante stratificazione

Si divide l’intera popolazione da cui si vuole

estrarre il campione in un determinato numero di parti (strati) secondo le caratteristiche che si

ritiene possano influire sul fenomeno oggetto di esame (es. sesso, età, residenza, attività

lavorativa esercitata,ecc..).

Si estraggono le singole unità che formerano il

campione da ciascuno strato.

segue RILEVAZIONI A CAMPIONE

STRATIFICAZIONE SECONDO IL SESSO E L’ETA’

Popolazione italiana (in migliaia di ab.)– Anno 2001 Età Sesso Totale

Maschi Femmine

0-24 7.650 7.269 14.919 25-64 16.131 16237 32.368 65 e più 4.313 6.243 10.556 Totale 28.094 29.749 57.843

segue RILEVAZIONI A CAMPIONE

Esempio di estrazione mediante stratificazione Se si vuole estrarre un campione pari all’1 per mille della popolazione italiana si estrae l’1 per mille di abitanti da ogni strato; i

singoli campioni messi insieme

rappresentano l’1 per mille dell’intera popolazione italiana.

Questo metodo consente di calcolare la

frequenza di un determinato fenomeno non soltanto nell’intera popolazione ma anche nelle diverse condizioni considerate

(nell’esempio in relazione al sesso e all’età).

segue RILEVAZIONI A CAMPIONE

ESEMPIO DI ESTRAZIONE A PiU’ STADI Plesso scolastico A Plesso scolastico B Scuola a Scuola b Scuola a Scuola b Sez. a b c Sez. a b Sez. a b Sez a b Classi I I I I I I I I I

“ “ II II II II II II II II II

“ “ III III III III III III III III III

“ “ IV IV IV IV IV IV IV

“ “ V V V V V V V Tot.Classi = 41 Tot. bambini = 820

Campione-classi = 20 - bambini (5 per classe) = 100

segue RILEVAZIONI A CAMPIONE

1 stadio = si estraggono le seguenti classi:

dalla Scuola a del Plesso A= una I,una II,una III, una IV ed una V e si procede in modo analogo per la Scuola a del Plesso B(in tot.10 classi);

dalla Scuola b del Plesso A e dalla Scuola b del Plesso B = una I,una II ed una III(in totale 6 Classi).

Si aggiungono la IV e la V classe delle Scuole b dei due Plessi così da ottenere in tutto le 20 classi del campione.

2 stadio = Si estraggono 5 bambini da ognuna delle 20 classi

del campione di I stadio così da ottenere in totale i 100 bambini che costituiranno il campione

segue RILEVAZIONI A CAMPIONE

Esempio di campionamento a due stadi mediante stratificazione:

indagine multiscopo ISTAT sulle famiglie italiane (anno 1993) 1° stadio = estrazione di un campione di Comuni mediante

stratificazione in base alle zone territoriali ed altre caratteristiche

Numero comuni dell’universo=8.100

“ “ del campione= 758

2° stadio = estrazione di un campione di famiglie tra quelle

residenti nei comuni estratti con il 1° stadio di campionamento Numero famiglie nell’universo

(tutte le famiglie italiane) = 20.646.000

“ “ nel campione = 19.747

“ persone nel campione di famiglie = 55.844

Segue RILEVAZIONI A CAMPIONE

Procedimento di calcolo per rapportare all’universo i risultati ottenuti nel campione

campionamento casuale

semplice mediante stratificazione P P i

N = n . N =∑ n ⁱ .

p pⁱ

N=num.osservazioni nell’universo; n = num.osservazioni nel campione

P=popolazione dell’universo ; p = popolazione del campione P ⁱ = popolazione di un singolo strato dell’universo

P ⁱ = popolazione di un singolo strato del campione

N ⁱ = numero delle osservazioni in un singolo strato del campione

LEZIONI DI STATISTICA

3 - Controllo di qualità

Controllo di qualità

Un dato ottenuto mediante osservazione o misurazione

si definisce attendibile

quando è il più vicino possibile

al valore vero

segue Controllo di qualità

CLASSIFICAZIONE DEGLI ERRORI

indipendenti dall’operatore Sistematici

[dipendenti dall’operatore]

[ indipendenti dall’operatore]

Accidentali

dipendenti dall’operatore Casuali (o inevitabili)

segue Controllo di qualità Procedure per il controllo di qualità Controllo di compatibilità:consiste nel

verificare se due o più osservazioni o misure eseguite sullo stesso fenomeno e sullo

stesso soggetto siano in contrasto tra di loro Controllo di congruità:consiste nel verificare

se i risultati delle misure eseguite si

collocano al di sopra o al di sotto dei limiti

massimo e minimo prestabiliti

segue Controllo di qualità

segue Procedure per il controllo di qualità dei dati

Controllo di accuratezza: in una serie di

misure ripetute sullo stesso oggetto e con il medesimo strumento si definisce

accuratezza la minor differenza possibile tra la media dei risultati ottenuti ed il valore vero

Controllo di precisione: in una serie di

misure ripetute sullo stesso oggetto si

definisce precisione la minor differenza

possibile tra i singoli risultati ottenuti

segue Controllo di qualità

segue Controllo di qualità

CONCETTI GENERALI SUL CONTROLLO DI QUALITA’

nei laboratori d’analisi CONTROLLO INTRA-LABORATORI

(compatibilità,congruità,accuratezza,precisione) CONTROLLO INTER-LABORATORI

Laboratorio di riferimento; laboratori partecipanti

segue Controllo di qualità

CONTROLLI DI COMPATIBILITÀ E DI CONGRUITÀ sono utili anche se viene eseguito il controllo di

accuratezza e precisione:

a) per gli errori di trascrizione e registrazione dei risultati(es.attribuzione di risultati ad un

diverso paziente)

b) per gli esami non eseguibili con strumenti es. esame microscopico di vetrini,esami culturali,ecc..)

Non garantiscono la qualità dei dati,vengono eseguiti dopo che i dati sono stati rilevati ma sono utili per un primo rapido controllo

segue Controllo di qualità

esempio di un controllo eseguito su 10 laboratori

RISULTATI DEI LABORATORI PARTECIPANTI

N.lab. Azotemia Glicemia Uricemia

1 88,0 394,0 4,90 2 89,8 370,0 4,77 3 82,7 369,0 5,20 4 98,0 397,0 5,10 5 96,0 399,0 5,10 6 90,0 360,0 4,90 7 95,0 425,0 5,50 8 92,0 380,0 5,15 9 89,0 392,0 5,20 10 90,0 396,0 4,90

segue Controllo di qualità

esempio di un controllo eseguito su 10 laboratori

Valori teorici ottenuti mediante 30 determinazioni ripetute sullo stesso siero con lo stesso

apparecchio(= media di tutti i risultati) Azotemia = 92,93 [ 93]

Glicemia = 392,53 [ 393]

Uricemia = 5,07 [ 5 ]

N.B. – In parentesi quadra i valori (arrotondati )calcolati come media dei risultati ottenuti con le 30

determinazioni

UNIVERSITA’ CAMPUS BIOMEDICO CORSO DI LAUREA IN INFERMIERISTICA

Prof. Angelo Serio

LEZIONI DI STATISTICA

4 - Sistemazione e presentazione dei dati

Anno Accademico 2009-10

Sistemazione e presentazione dei dati

5.1 - Seriazione dei dati

Insieme di dati qualitativi

nominale(dati non ordinabili) Es. gruppi sanguigni Serie di dati

ordinale(dati ordinabili secondo criteri logici) Es.titolo di studio Insieme di dati quantitativi

Serie di dati(ordinati secondo determinati criteri)

segue Sistemazione e presentazione dei dati Seriazione dei dati

Serie ordinate secondo grandezza(progressioni) Serie ordinate secondo il tempo(serie temporali,

serie storiche) Serie ordinate secondo lo spazio (serie

geografiche)

segue Sistemazione e presentazione dei dati Seriazione dei dati

Le progressioni sono serie ordinate secondo

grandezza nelle quali l’intervallo tra un termine e l’altro può essere definito in maniera costante.

Le progressioni possono essere:

aritmetiche = ogni termine della serie è uguale al precedente aumentato di un valore costante

geometriche = ogni termine della serie è uguale al precedente moltiplicato per un valore costante

esponenziali = ogni termine della serie è uguale al precedente elevato ad un valore costante

segue Sistemazione e presentazione dei dati-seriazione Progressione aritmetica geometrica esponenziale

2 2 2

2

4(=2+2) 4(=2 x 2) 4 (=2 )

2

6(=4+2) 8(=4 x 2) 16(= 4 ) 8(=6+2) 16(=8 x 2)

10(=8+2) 12(=10+2) 14(=12+2) 16(=14+2)

segue Sistemazione e presentazione dei dati Seriazione dei dati

c b

16 . . . a

14 . a progressione aritmetica

12 . b = progressione geometrica

c = progressione esponenziale

10 .

8 . .

6 .

4 .

2 .

. . . . I II III IV V VI VII VIII

segue Sistemazione e presentazione dei dati

Seriazione dei dati

Ai fini dello studio statistico dei fenomeni è necessario preliminarmente accertare a quale tipo di progressione corrispondono i valori osservati.

Tuttavia, a causa della variabilità dei fenomeni biologici, in questo campo non si riscontrano mai precise progressioni aritmetiche, geometriche o esponenziali

E’ quindi necessario accertare nei singoli casi quale è il

tipo di progressione che meglio approssima i valori osservati.

segue Sistemazione e presentazione dei dati

Seriazione dei dati

Serie continue e discontinue

Serie continue = l’intervallo tra un termine e l’altro può essere suddiviso all’infinito

es. età,peso,statura,glicemia,ecc...

Serie discontinue o discrete = l’intervallo tra un termine e l’altro può essere suddiviso solo

fino ad un certo punto

es. numero di abitanti, di pazienti, di globuli

rossi,ecc..

segue Sistemazione e presentazione dei dati

Tabulazione dei dati

Dati sui gruppi sanguigni di 15 pazienti

N.d’ordine Gruppo sanguigno N.d’ordime Gruppo sanguigno 1 A 9 AB

2 B 10 A 3 A 11 B 4 AB 12 A 5 0 13 AB 6 A 14 B 7 A 15 0 8 B N.tot. osservazioni 15

segue Sistemazione e presentazione dei dati

Tabulazione dei dati

Esempio di Tabella semplice

Gruppi sanguigni N.osservazioni

0 2

A 6

B 4

AB 3

N.totale delle osservazioni 15

segue Sistemazione e presentazione dei dati

Tabulazione dei dati

PAZIENTI SECONDO IL GRUPPO SANGUIGNO E IL FATTORE Rh

N.d’ordine Gruppo sanguigno N.d’ordime Gruppo sanguigno

e fattore Rh e fattore Rh

1 A + 9 AB - 2 B + 10 A - 3 A - 11 B + 4 AB + 12 A + 5 0 + 13 AB + 6 A + 14 B + 7 A + 15 0 - 8 B - N.tot. osservazioni 15

segue Sistemazione e presentazione dei dati

Tabulazione dei dati

Esempio di Tabella a doppia entrata Gruppo sanguigno Fattore Rh Totale

+ -

0 1 1 2

A 4 2 6

B 3 1 4

AB 2 1 3

Totale 10 5 15

segue Sistemazione e presentazione dei dati Tabulazione dei dati

Classi Indice di massa corporea

di sottopeso normopeso sovrappeso obesi

età 1990-91 2006 1990-91 2006 1990-91 2006 1990-91 2006 18-24 22,50 8,65 63,84 75,70 12,59 13,50 1,07 2,15 25-44 10,48 3,42 62,10 56,75 28,38 28,70 4,39 5,78 45-64 4,18 1,06 42,04 42,60 43,56 41,64 10,22 14,70 65 e + 7,42 2,01 41,69 39,72 41,28 44,07 9,61 14,20 Totale 9,81 2,82 50,82 52,04 32,83 34,96 6,54 10,18

Esempio di Tabella a tripla entrata

La Tabella consente di osservare le variazioni del peso corporeo nella popolazione italiana negli ultimi 16 anni secondo i valori del BMI,le singole classi di età e l’anno al quale si riferiscono i dati.

BMI(Indice di massa corporea)= peso in Kg./statura in m.al quadrato (Fonte:ISTAT-Indagine multiscopo)

Persone intervistate secondo lo stato di salute nelle due settimane precedenti( su 100 ab.) e la presenza di malattie croniche

(su 1.000 ab.) (da Indagine multiscopo ISTAT)

Sesso Età

Stato di salute Totale M F >14 14-49 50-64 65 e + Buono 80,6 82,6 78,7 83,9 85,9 74,7 64,7 Non buono 19,4 17,4 21,3 16,1 14,1 25,3 35,3

Sesso Età

Malattie Totale M F >14 14-49 50-64 65 e + Diabete 33,1 29,0 36,9 2,6 15,2 66,1 117,1 Ipertensione 65,3 53,2 76,7 3,1 35,0 135,7 221,1 Bronchite cron. 45,4 62,4 29,4 7,3 26,1 90,9 138,8 Tumori 5,2 4,3 6,0 1,3 3,2 9,7 14,7

segue Sistemazione e presentazione dei dati

5.3 - CLASSIFICAZIONE DEI DATI

Intervallo di classe (o ampiezza della classe o modulo) = distanza tra il limite inferiore e il limite superiore delle classi

esempio: distribuzione dei valori della pressione arteriosa sistolica:fino a 100; 101-110; 111-120; 121-130, ecc…

Valori estremi delle classi = limite inferiore e limite superiore delle classi

è necessario evitare la sovrapposizione dei valori estremi

Limiti nominali e limiti reali delle classi

Esempio di limiti nominali:distribuzione secondo l’età = 0-10,10-20,20-30,ecc..

(occorre precisare che la classe 0-10 comprende i bambini fino al compimento del 10° compleanno,quella 10-20 comprende le persone dall’età di 10 anni e

un giorno al compimento del 20° compleanno,ecc…)

segue Sistemazione e presentazione dei dati

segue Classificazione dei dati

Classi aperte – si definiscono classi aperte quelle in cui manca il limite inferiore o superiore

esempio:distribuzione per età di una popolazione fino a 20,20-40,40-60,oltre 60

Valori centrali delle classi: media aritmetica tra il limite inferiore e il limite superiore delle classi

Esempio: nella precedente distribuzione per età i valori centrali sono 10,30,50,70 (se si tratta di classi aperte si applica convenzionalmente

il medesimo intervallo delle altre classi)

N.B. – L’approssimazione introdotta con la classificazione dei dati è tanto maggiore quanto più ampio è l’intervallo di classe;

i criteri di accettabilità dell’approssimazione variano secondo la natura dei dati,le finalità della rilevazione,ecc…

segue Sistemazione e presentazione dei dati

Rappresentazioni grafiche:

diagrammi,istogrammi,cartogrammi

Diagrammi

GRAFICO DELLA TEMPERATURA FEBBRILE

• 40

• 39

• 38

•

• 37

•

Diagrammi

CRESCITA PONDERALE DI UN BAMBINO DALLA NASCITA A 24 MESI

11,000 9,000 7,000

5,000

3,000

. . . . .

nascita 6 mesi 12 mesi 18 mesi 24 mesi

Segue RAPPRESENTAZIONE GRAFICA DEI DATI

Diagramma polare –

Segue RAPPRESENTAZIONE GRAFICA DEI DATI DIAGRAMMA POLARE

Il diagramma rappresenta le temperature medie registrate nelle diverse stagioni a Roma urbe:

in alto inverno=14,3°

in basso estate=30,1°

a destra primavera=19,2°

a sinistra autunno=22,4°

RAPPRESENTAZIONI GRAFICHE-ISTOGRAMMI

ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI

Elenco delle procedure

prelievo da altre fonti(affidabilità dei dati) Rilevazione interviste

mediante rilevazione diretta osservazioni

(attendibilità dei dati) misurazioni manuali mediante sistemi meccanici

automatici manuale (su supporti cartacei)

Registrazione automatica ( “ “ magnetici,ottici)

ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI – CONTROLLO DI QUALITA’

segue Procedure manuale

spoglio meccanico (selezionatori di schede) automatico(lettori di banda magnetica,

lettura ottica,computer)

scale nominali caratteri qualitativi “ “ ordinali

seriazione

caratteri quantitativi (serie ordinate secondo diversi criteri)

ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI – CONTROLLO DI QUALITA’

segue Procedure

classificazione (intervallo di classe,valori estremi e valori centrali delle classi)

tabulazione (tabelle semplici,a doppia entrata,a tripla entrata)

rappresentazioni grafiche

(diagrammi,istogrammi,diagrammi polari) www.slidetube.it