Základy vědecké práce v ošetřovatelství



Podobné dokumenty
Základy vědecké práce. RNDr. K.Hrach, Ph.D. konzultace viz web FZS / Kontakty

3) Adekvátní metodologie

Vsuvka vzdálený přístup

2) Rešerše kde pátrat?

Poznámka 1: pozor na PROCENTA

Metody vědecké práce. RNDr. K. Hrach, Ph.D. konzultace viz web FZS / Kontakty

Statistická šetření - PROČ? Žádná věda není skutečnou vědou, není-li podložena matematickými principy. (L.da Vinci)

Metody vědecké práce. RNDr. K. Hrach, Ph.D. konzultace viz web FZS / Kontakty

ČASOVÉ ŘADY graf. Náhradu je nejjednodušší provést po překopírování tabulky do Wordu; klávesová zkratka Ctrl+H:

Charakteristiky kategoriálních veličin. Absolutní četnosti (FREQUENCY)

Klinický výzkum odpovědi

Metody vědecké práce. RNDr. K. Hrach, Ph.D. konzultace viz web FZS / Kontakty

Příklady klinických pokusů

Metody vědecké práce. RNDr. K. Hrach, Ph.D. konzultace viz web FZS / Kontakty

3) Adekvátní metodika

3) Adekvátní metodika

Základy vědecké práce. RNDr. K.Hrach, Ph.D. konzultace viz web FZS / Kontakty

STATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: 75% docházka na cvičení. + odevzdání seminární práce (úkoly na PC)

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík

Metodický manuál pro vypracování seminární práce

MĚŘENÍ, TYPY VELIČIN a TYPY ŠKÁL

Základy popisné statistiky

VÝBĚR A JEHO REPREZENTATIVNOST

Metodologie vědecké práce v rehabilitaci

Renáta Bednárová STATISTIKA PRO EKONOMY

Pokyn k vypracování absolventské práce

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)

Formální požadavky na zpracování bakalářské práce

Pravidla pro formální úpravu textu seminárních prací

Pokyny pro zpracování bakalářských prací

Příprava bakalářské práce

Spokojenost se životem

METODIKA JEDNOTNÉHO CITOVÁNÍ A TVORBY BIBLIOGRAFICKÝCH ODKAZŮ PRO NEJČASTĚJI CITOVANÉ DOKUMENTY NA VŠTE DLE ČSN ISO 690:2010

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Gymnázium a Střední odborná škola Moravské Budějovice. Pravidla pro tvorbu seminárních a maturitních prací

Zásady zpracování vědecké práce

CEBO: (Center for Evidence Based Oncology) Incidence Kostních příhod u nádorů prsu PROJEKT IKARUS. Neintervenční epidemiologická studie

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

Mgr. Alena Kodrasová, právník PatentCentrum Sedlák & Partners s.r.o. Společnost patentových zástupců. AUTORSKÁ PRÁVA Citace

PROHLOUBENÍ NABÍDKY DALŠÍHO VZDĚLÁVÁNÍ NA VŠPJ A SVOŠS V JIHLAVĚ

Střední zdravotnická škola Beroun. Manuál k vypracování maturitní práce

Pojem a úkoly statistiky

ODBORNÝ TEXT. doc. Mgr. Ing. Michal Tvrdoň, Ph.D. proděkan pro zahraniční styky Katedra ekonomie a veřejné správy

Základy pravděpodobnosti a statistiky. Popisná statistika

BAKALÁŘSKÝ SEMINÁŘ PRÁCE S PRAMENY

METODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

STATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: odevzdání seminární práce (úkoly na PC) Zkouška: písemná (bez kalkulačky, bez vzorců)

Metodický list pro 1. soustředění kombinovaného Mgr. studia předmětu. Diplomový seminář 1

Univerzita Karlova v Praze

POKYNY PRO ZPRACOVÁNÍ MATURITNÍ PRÁCE

Popisná statistika. Statistika pro sociology

Studijní opora Určeno: pro studující v rámci CŽV akreditovaný studijní program Sociální práce s poradenským zaměřením. Předmět: Diplomový seminář

K realizaci závěrečných prací (bakalářských a diplomových)

Univerzita Karlova v Praze

Jak postupovat při použití děl cizích autorů v materiálech pro výuku

23. Matematická statistika

Citační odkazy, uvádění literárních zdrojů. Markéta Vojtová VOŠZ a SZŠ Hradec Králové

Doktorské studium na FPH VŠE. Martin Lukeš proděkan pro vědu, výzkum a doktorské studium

Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

7. SEMINÁŘ DESKRIPTIVNÍ STATISTIKA

Tabulka 1. Výběr z datové tabulky

Možná Vás bude zajímat klinické hodnocení (studie) AZURE.

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Analýza dat na PC I.

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat

Citace v odborném textu. Jitka Kominácká

Název Autor Vedoucí práce Oponent práce

Základy biostatistiky

Škály podle informace v datech:

Citace v odborném textu výukovém materiálu. Jitka Kominácká

Výuka s ICT na SŠ obchodní České Budějovice Šablona III/2:

Projekt výzkumu v graduační práci

KLIMA ŠKOLY. Zpráva z evaluačního nástroje Klima školy. Škola Testovací škola - vyzkoušení EN, Praha. Termín

David Horváth Ústav informačních studií a knihovnictví Filozofická fakulta Univerzita Karlova v Praze

Pilotní průzkum informační gramotnosti vysokoškolských studentů

3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI

Metody sociálních výzkumů

Statistika. pro žáky 8. ročníku. úterý, 26. března 13

POKYNY PRO VYPRACOVÁNÍ BAKALÁŘSKÉ A DIPLOMOVÉ PRÁCE

Výnos děkana č. 8/2010

Univerzita Karlova v Praze

Závazný předpis pro zpracování výsledků praktické maturitní zkoušky

Impaktované časopisy. Citační index

Právní aspekty knihovních služeb

OBSAHOVÁ STRÁNKA DP, BP

Posudek oponenta diplomové práce

Metodický list č. 3 pro 3. soustředění kombinovaného Bc. studia předmětu B_BSePO Bakalářský seminář Letní semestr 2011

Současný stav likvidace dat v organizacích

POKYNY PRO AUTORY. Etické principy publikování. Recenzní řízení

Marketingový výzkum. Ing. Martina Ortová, Ph.D. Technická univerzita v Liberci. Projekt TU v Liberci

Formální úprava bakalářských a diplomových prací Univerzita Karlova, Husitská teologická fakulta

Systém monitorování zdravotního stavu obyvatelstva ve vztahu k životnímu prostředí

DOKUMENTACE K ŽÁDOSTI

ZADÁNÍ MATURITNÍ PRÁCE. Školní rok 2017/2018

Diabetická asociace České republiky. Závěrečná zpráva pilotního projektu

Základy autorského práva pro akademické pracovníky

VYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK

BP/DP úvodní seminář 5. května Ing. Miloš Ulman, Ph.D. PEF KIT ČZU

METODIKA PSANÍ SEMINÁRNÍ PRÁCE

Transkript:

Základy vědecké práce v ošetřovatelství RNDr. K.Hrach, Ph.D. karel.hrach@ujep.cz konzultace: viz web (Kontakty dle osoby) materiály viz web (Studium/Studijní materiály)

Základy vědecké práce v ošetřovatelství ukončení předmětu zápočet (průběžné DÚ) podmínka: docházka

Obsah předmětu Výzkumný projekt, obecné postupy ve vědecké práci (tj. i při tvorbě BP) Práce s odbornou literaturou, rešerše, bibliografické citace Struktura práce (ne)výzkumného charakteru Dotazník, jeho konstrukce a vyhodnocení dat (využití Excelu) Normy pro psaní bakalářské práce (využití Wordu)

Co je výzkum? Věda se staví z faktů, podobně jako dům z kamenů. Ale pouhá sbírka faktů je vědou asi tak, jako je hromada kamenů domem. (J.H.Poincare)

základní výzkum Typy výzkumu ( klasická věda ) = aktivní a systematický proces bádání s cílem objevit, interpretovat nebo přepracovat fakta - poznání (např. fyzika; epidemiologie) aplikovaný výzkum = analog., ale umožňuje praktické využití věd.poznatků (např. elektrotechnika; klinická epidemiologie)

Základní výzkum třídění na: kvantitativní výzkum podstata = hromadné zpracování dat cíl = ověření platnosti hypotéz (statistické metody) obvyklý v přírodních vědách (klinické studie) kvalitativní výzkum koncentrace na malý počet případů cíl = zjištění, k nimž obvykle není potřeba statistických metod obvyklý ve společenských vědách (kazuistiky)

Odborné práce (i BP) nevýzkumného charakteru obsahová analýza dokumentů ( Srozumitelnost doporučení GCP pro nelékařské pracovníky ) historické práce ( Historie ošetřovatelství na Ústecku ) metodické práce ( Hygiena při práci sestry na operačním sále ) srovnávací studie ( Vedení zdravotní dokumentace v zemích EU )

Základní kroky výzkumného úkolu 1) Formulovat výzkumný záměr 2) Zjistit stávající znalosti (rešerše) 3) Stanovit adekvátní metodologii 4) (příp.) Pilotně odzkoušet 5) Vlastní realizace 6) Zpracování výsledků 7) Prezentace (publikace)

1) Výzkumný záměr = cíl(e) práce (též u BP, je-li výzkumná ) možno stanovit ověřovanou hypotézu (jde-li o výzkum se statistickým zpracováním) možno stanovit praktický cíl (jde-li o aplikovaný výzkum) Př: Hlavním cílem práce je zjistit výskyt nadváhy a obezity u dětí vybrané školy, zjistit souvislost s nezdravým stravováním a vypracovat návrhy opatření na dosažení žádoucí úrovně prostřednictvím edukace sestrou.

1) Výzkumný záměr POZNÁMKA co je hypotéza?: Tvrzení, které může nabývat jen pravdivostní hodnoty platí, resp. neplatí a cílem výzkumu je právě rozhodnout, která z obou pravdivostních hodnot je ta správná; (samozřejmě v praxi nemá smysl formulovat ty hypotézy, jejichž pravdivostní hodnota již byla zjištěna dřívějšími výzkumy i proto jsou nutné rešerše )

Kroky výzkumného úkolu (tj. i BP) 1) Formulovat výzkumný záměr 2) Zjistit stávající znalosti (rešerše) 3) Stanovit adekvátní metodologii 4) (příp.) Pilotně odzkoušet 5) Vlastní realizace 6) Zpracování výsledků 7) Prezentace (publikace) diskuse (!)

2) Rešerše - databáze časopisů Uznávané odborné časopisy lze rozdělit na recenzované, ale neimpaktované recenzované a k tomu impaktované Poznámka: ISSN = International Standard Serial Number ISBN = International Standard Book Number (o knihách ale později )

Databáze pro časopisecké rešerše Recenze = kritické zhodnocení aspoň dvěma nezávislými odborníky (též u BP); Impakt faktor = hodnota odpovídající dopadu časopisu na odbornou veřejnost (určuje se dle několikaletého počtu citací článků z daného časopisu v ostatních sledovaných časopisech; čím vyšší hodnota IF, tím prestižnější časopis)

Rešerše knihovna UJEP

Rešerše knihovna UJEP Přístup do e-katalogu:

Rešerše knihovna UJEP

Databáze pro časopisecké rešerše Nalezen tento časopis (ISSN: 1878-1241)

Databáze pro časopisecké rešerše Patří mezi recenzované či dokonce impaktované? Přehledy obou typů jsou dostupné např. odsud (jen v rámci IP adres z UJEP):

Databáze pro časopisecké rešerše Patří mezi recenzované či dokonce impaktované? Přehledy obou typů jsou dostupné např. odsud (jen v rámci IP adres z UJEP):

Databáze pro časopisecké rešerše Databáze Web of Science (impakty) = databáze vydavatelství Thomson Reuters

Databáze pro časopisecké rešerše Mezi časopisy impaktované tedy nepatří; patří aspoň mezi recenzované časopisy?

Databáze pro časopisecké rešerše Mezi časopisy impaktované tedy nepatří; patří aspoň mezi recenzované časopisy? ANO

Databáze pro časopisecké rešerše Fulltext = plné znění na Web of Science:

Databáze pro časopisecké rešerše Fulltext = plné znění na Web of Science: Topic = Téma Title = Název článku Author = Autor Publication name = Název časopisu DOI = Ident.číslo článku (Digital Object Ident.) Year Published = Rok vydání Language = Jazyk

Databáze pro časopisecké rešerše Fulltext = plné znění na Web of Science:

Databáze pro časopisecké rešerše Fulltext = plné znění na Web of Science:

Databáze pro časopisecké rešerše Fulltext = plné znění na Web of Science:

Databáze pro časopisecké rešerše Fulltext = plné znění na SCOPUSu:

Databáze pro časopisecké rešerše Fulltext = plné znění na SCOPUSu: Source Title = Název časopisu Article Title = Název článku Abstract = Keywords = Affiliation = Abstrakt aneb stručný obsah Klíčová slova Pracoviště autora

Databáze pro časopisecké rešerše Fulltext = plné znění na SCOPUSu:

Časopisecké rešerše POZNÁMKY Některé výše uváděné databáze (jejich části) přístupné jen po přihlášení a / nebo jen z počítačové sítě UJEP (resp. pomocí vzdáleného přístupu )!!! Full-texty obvykle přístupné až po nějaké době (neplatí pro open-access -web)

Vsuvka vzdálený přístup

NursingOvid

NursingOvid

NursingOvid

NursingOvid

NursingOvid

NursingOvid

NursingOvid

Kroky výzkumného úkolu (tj. i BP) 1) Formulovat výzkumný záměr 2) Zjistit stávající znalosti (rešerše) 3) Stanovit adekvátní metodologii 4) (příp.) Pilotně odzkoušet 5) Vlastní realizace 6) Zpracování výsledků 7) Prezentace (publikace) diskuse (!)

3) Adekvátní metodologie NEPLÉST ZÁMĚR ANEB HLAVNÍ CÍL(E) S POJMEM : dílčí cíle = úkoly = konkr. kroky stanovené tak, aby byl splněn hlavní cíl (viz později) Př: Teoretická část bakalářské práce se zabývá vysvětlením problému Empirická část je zaměřena na zjištění hmotnosti sledovaných dětí a zjištění souvislosti se způsobem jejich stravování. Údaje byly získány ze ZŠ v Lounech K získání dat byl použitý anonymní dotazník V práci jsou uvedena opatření zaměřená na prevenci vzniku nadváhy a obezity a role sestry při jejich realizaci.

3) Metodologie - realizace výzkumu Pokus = plánované změny podmínek a studium vlivu těchto změn laboratorní klinický Šetření = pasivní observace kazuistika (případová studie) statistické šetření

Příklady klinických pokusů kontrolovaný pokus pacienti rozděleni do dvou skupin jedna je experimentální, druhá kontrolní slepý pokus také např. dvě skupiny (A, B), léčba klasicky (A) či s podpůrným lékem (B) pacient zařazení nezná dvojitě slepý pokus skupiny (A, B), podáván nový lék (A) či např. placebo (B) /lékař ani pacient neznají rozdělení; Př. Studie TRIGR - vliv kravského mléka na rozvoj diabetu u kojenců/

Příklady šetření kazuistika = případová studie (case report) = popis konkr. případů zveřejnit jen s informovaným souhlasem!!! obvykle vyžadována v BP na KFE!!!

INFORMOVANÝ SOUHLAS 6. ETIKA ZÍSKÁVÁNÍ INFORMOVANÉHO SOUHLASU PŘI VÝZKUMU ZAHRNUJÍCÍM LIDSKÉ SUBJEKTY * Jestliže je použito v rámci výzkumu zahrnujícího lidské subjekty osobních údajů, je k tomu zapotřebí informovaný souhlas zúčastněných osob. 10 Konkrétní podmínky pro použití těchto údajů při výzkumných nebo s výzkumem souvisejících aktivitách vyplývají ze zákona. 11 10 Rovněž k vlastnímu výzkumu zahrnujícího lidské subjekty poskytují zúčastněné osoby informovaný souhlas. Tato záležitost je řešena v Úmluvě o lidských právech a biomedicíně, která v České republice vstoupila v platnost 1. října 2001. 11 Zákon č. 101/2000 Sb., o ochraně osobních údajů a o změně některých zákonů, ve znění pozdějších předpisů. * Zdroj: Materiál MŠMT Etický rámec výzkumu

INFORMOVANÝ SOUHLAS 6.1. Získávání informovaného souhlasu k výzkumu Při získání informovaného souhlasu jsou účastníci výzkumu informováni odpovědným výzkumným pracovníkem o: a) účelu výzkumu, jeho očekávaném trvání a průběhu, b) právech účastníků na pozdější odmítnutí účasti ve výzkumu a následcích tohoto odmítnutí, c) závažných předvídatelných faktorech, které mohou ovlivnit ochotu účastnit se na výzkumu jako například potenciálních rizicích (všeho druhu), nepříjemnostech nebo negativních účincích, d) výhodách vyplývajících z výzkumu, e) míře zachování důvěrnosti při výzkumu a využití jeho výsledků, f) odměně za účast ve výzkumu, g) informačním místě pro otázky týkající se výzkumu a práv účastníků výzkumu. Zároveň musí být dána příležitost k tomu, aby se mohli účastníci dotazovat a získávat odpovědi na své dotazy.

INFORMOVANÝ SOUHLAS 6.2. Osvobození od informovaného souhlasu k výzkumu Výzkumný pracovník si nemusí vyžádat informovaný souhlas k výzkumu pouze tehdy, existují-li k tomu zákonné důvody a výzkum nikomu nepůsobí škodu, nepříjemné pocity nebo jinou újmu a zahrnuje: a) zatajení některých aspektů sociologického a psychologického výzkumu a některých dalších typů výzkumu (vzdělávací metody, zdravotnictví) po dobu nezbytně nutnou (viz odstavec 6.1. písmena a), d) a případně f), b) studium vzdělávacích metod nebo vedení vyučování ve třídě, c) anonymní dotazování, přirozené pozorování a archivní výzkum, jehož zveřejnění nepředstavuje žádnou právní ani jinou hrozbu (ztrátu reputace, majetkového postavení nebo zaměstnání účastníka výzkumu).

INFORMOVANÝ SOUHLAS UKÁZKA Informace pro účastníky studie.. (název studie /nejde o BP/ ) Vážená paní / vážený pane, dříve než vyslovíte souhlas se svou účastí ve studii, je důležité, abyste si přečetl/a následující informace o tom, co pro vás zapojení do studie obnáší a porozuměl/a tomu. Je důležité zmínit, že vaše účast v této studii je zcela dobrovolná, bez nároku na odměnu a že máte právo účast odmítnout a nebudou z toho plynout pro vás žádné následky. Informovaný souhlas znamená, že vy, jakožto účastník studie, jste informován/a o účelu a povaze své účasti ve studii, a to předem a řádně. Informace o vaší osobě budou shromažďovány a zpracovány výhradně v souvislosti se studií a pro její potřeby a jsou považovány za přísně důvěrné. Zajištění ochrany dat vyšetřované osoby je v souladu se zákonem. Výsledky dosažené studiem vaší osoby budou archivovány a mohou být zveřejněny v odborných médiích [míněno bez uvedení osobních identifikačních údajů]. PROSÍM, ZEPTEJTE SE NA VŠE, CO VÁS ZAJÍMÁ NEBO CO VÁM NENÍ JASNÉ! INFORMOVANÝ SOUHLAS Přečetl/a jsem si všechny výše uvedené informace a dostalo se mi příležitosti zeptat se na vše, co jsem potřeboval/a pro pochopení toho, co pro mne účast ve studii představuje. Dobrovolně dávám svůj souhlas k účasti ve studii. Studie a všechna s ní související vyšetření a terapie mi byla dostatečně vysvětlena. V [místo] Podpis vyšetřovaného dne Podpis osoby, která souhlas získala

INFORMOVANÝ SOUHLAS nyní v rámci BP:! ETICKÁ KOMISE (též BP)!

Další příklady šetření - klinické studie průřezová studie (cross-sectional) studie zaměřena na jednorázový stav populace studie případů a kontrol (case-control) případ x kontrola = co nejpodobnější si pár (kardiak X zdravý); studie zaměřena retrospektivně (jaké jsou příčiny onemocnění u stávajících případů) kohortová studie (case-cohort) kohorta=skupina osob (např. podle věku, vzdělání, chorob); studie zaměřena prospektivně (bude mít kouření vliv na nemoci cév?); longitudinální

Klinický výzkum - příklady Mezinárodně prováděný výzkum TRIGR (Trial to Reduce IDDM in the Genetically at Risk) Cíl: odhalit případný vliv proteinů z kravského mléka na rozvoj diabetu u kojenců z rizikové skupiny, tj. u kojenců s matkami s diabetem 1. typu. Rozdělení vybraných dětí do dvou skupin: A = podáváno sušené mléko se silně hydrolyzovanými proteiny; B =proteiny hydrolyzovány méně (matky ani ošetřující lékaři neznali zařazení). Do roku 2017 budou děti (pak už ve věku 10-14 let) pravidelně sledovány objeví se u nich diabetes? Rozdílný výskyt v obou skupinách?

Klinický výzkum - příklady Project MONICA (Multinational MONItoring of trends and determinants in CArdiovascular disease) Vznik v 80. letech za účelem desetiletého sledování vývoje kardiovaskulárních onemocnění v populaci, s důrazem na odhalení rizikových faktorů. Jednalo se o mezinárodní, tzv. multicentrický projekt (32 specializovaných institucí z 21 zemí). Sledováno deset miliónů mužů a žen ve věku (při vstupu) 25-64 let. Sběr dat ukončen koncem 90. let, dosud probíhají jejich analýzy.

Klinický výzkum - příklady Framinghamský výzkum zahájen v roce 1948 - vytvořena originální skupina o 5 209 dobrovolnících (věk 30-62)t z města Framingham, Massachusetts, u nichž nevyvinuty zjevné symptomy kardiovaskulárních (CV) chorob, nebo kteří ještě neprodělali srdeční infarkt či cévní mozkovou příhodu. Později (a to ještě i po roce 2000) přidávány údaje od dalších podobných skupin. Poznatky umožnily identifikovat hlavní rizikové faktory pro výskyt CV chorob (krevní tlak, triglyceridy a cholesterol, přičemž roli hrají také věk, pohlaví či psychosociální faktory). V poslední době je zkoumána také role genotypu a fenotypu.

Klinický výzkum OTÁZKY (DÚ)

Statistická šetření - PROČ? Žádná věda není skutečnou vědou, není-li podložena matematickými principy. (L.da Vinci)

Statistická šetření - na kom / čem? statistické jednotky (S.J.) 1 respondent (pacient, proband) 1 krevní vzorek 1 nemocnice populace = stanovení všech S.J. konečná (např. demograficky) nekonečná (hypotetická např. všechny potenciální krevní vzorky)

Příklady statistických šetření úplné lze jen v konečné populaci, i tak bývá dlouhé a drahé (SLBD) výběrové jen na náhodně vybraných S.J., či vybraných jinak, ale aby byla zajištěna reprezentativnost (tj. poměrné zastoupení důležitých podskupin ve výběru musí kopírovat jejich poměrné zastoupení v celé populaci)

NEREPREZENTATIVNOST

NEREPREZENTATIVNOST

NEREPREZENTATIVNOST

REPREZENTATIVNOST

REPREZENTATIVNOST

REPREZENTATIVNOST

Knihovny pro studenty FZS Knihovna Krajské Zdravotní, a.s. Budova B (s heliportem), 5.p. On-line katalog MEDVIK

Zdroj: Info-materiál knihovny Krajské zdravotní, a.s.

www.nlk.cz/medvik

Medical Subject Headings (MeSH)

Zdroj: Info-materiál knihovny Krajské zdravotní, a.s.

Proč výběrová šetření realizujeme? odhad pro neznámý populační parametr = =neznámá číselná charakteristika celé populace pravděpodobnost střední hodnota = populační průměr Př: Pravděpodobnost výskytu rakoviny plic u kuřáků její odhad? Př: Střední hodnota LDL cholesterolu u pacientů s kardiovaskulárním onemocněním její odhad? (příp.jiné úkoly např. ověření rozdílností mezi podpopulacemi či závislostí mezi veličinami)

Typy výběrových šetření ANKETA obvykle ústní zjišťování na malém vzorku dotázaných spíše orientační, např. pro média - nebývá reprezentativní! lze použít při pilotním odzkoušení Př: Názor občanů na situaci ve zdravotnictví

Typy výběrových šetření PRŮZKUM (SEARCH) slouží ke zjišťování a popisu (deskripci) dané situace na reprezentativním vzorku populace, obvykle bez ambice zkoumat / analyzovat hlubší příčiny či možné důsledky obvykle měkká data (názory apod. zjišťované dotazníkem) Př.: Průzkum spokojenosti pacientů dané nemocnice

Typy výběrových šetření VÝZKUM (RESEARCH) nejen deskripce, i ANALÝZA (příčin/důsledků) pokud měkká data : kvalitativní výzkum pokud číselná data (výsledky měření, laboratorních testů apod.): kvantitativní výzkum v obou typech nutná opět reprezentativnost obvykle pro větší populace Př.: Výzkum příčin kardiovaskulárních onemocnění v české populaci

TYPY VELIČIN a) textové - otevřené pokud odpovědí je volný text Př.: Popište, jak se cítíte po zákroku. nelze zpracovat automaticky b) textové uzavřené (kategoriální) výběr z předem připravených variant Př.: Pohlaví M Ž lze zpracovat automaticky; někdy musí být varianty odpovědí pečlivě promýšleny

TYPY VELIČIN c) číselné diskrétního typu pokud odpovědí je jen spočetný počet číselných hodnot Př.: Počet provedených re-operací u daného pacienta. (možnosti: 0,1,2, ) d) číselné spojitého typu odpověď = jakékoli reálné číslo Př.: Tělesná teplota pacienta.

TYPY VELIČIN POZNÁMKY 1. Kategoriální veličiny se někdy dál dělí na nominální (neuspořádané) Př.: Typ léčby (pokud lze daného pacienta léčit jedním z např. 4 možných postupů) ordinální (uspořádané) Př.: Míra bolestivosti zákroku (např. s možnostmi: nebolí vůbec < bolí snesitelně < nesnesitelná bolest)

TYPY VELIČIN POZNÁMKY 2. Číselné údaje lze někdy zaznamenávat různě: Např. veličinu tělesná teplota lze zaznamenat: Jako veličinu spojitého typu jak v dotazníku? Uveďte naměřenou teplotu ( C) Jako ordinální kategoriální veličinu jak v dotazníku? kategorie 1 do 37 C; kategorie 2 37-40 C; kategorie 3 více než 40 C

TYPY VELIČIN POZNÁMKY 3. Proč je důležité rozlišovat typy veličin? každý typ má svůj specifický způsob zpracování Př.: Průměrnou hodnotu má smysl počítat u číselných veličin, ale určitě ne u nečíselných (např. u veličiny nominálního typu barva očí s možnostmi 1=modrá, 2=zelená, 3=hnědá, 4=jiná, nemá smysl počítat průměrnou barvu )

Charakteristiky kategoriálních veličin Data (a zpracování) v programu MS EXCEL Identifikátor Veličina kategoriální (1-4)

Charakteristiky kategoriálních veličin Absolutní četnosti (FREQUENCY)

Charakteristiky kategoriálních veličin Absolutní četnosti (FREQUENCY)

Charakteristiky kategoriálních veličin Absolutní četnosti (FREQUENCY)

Charakteristiky kategoriálních veličin Relativní četnosti

Charakteristiky kategoriálních veličin Relativní četnosti

Charakteristiky kategoriálních veličin Relativní četnosti

Charakteristiky kategoriálních veličin Relativní četnosti VÝZNAM REL.ČETNOSTÍ? HODNOTA JEJICH SUMY?

Charakteristiky kategoriálních veličin Grafické znázornění četností SLOUPCOVÝ GRAF

Charakteristiky kategoriálních veličin Grafické znázornění četností SLOUPCOVÝ GRAF

Charakteristiky kategoriálních veličin Grafické znázornění četností SLOUPCOVÝ GRAF

Charakteristiky kategoriálních veličin Grafické znázornění četností VÝSEČOVÝ GRAF

Charakteristiky kategoriálních veličin Grafické znázornění četností VÝSEČOVÝ GRAF

Charakteristiky kategoriálních veličin MODUS je ta hodnota (kategorie), která se v datech vyskytla nejčastěji; pozná se tak, že je u ní nejvyšší četnost (absolutní či relativní); určení pomocí sloupcového / výsečového grafu? Poznámka skloňování: modus, modu,, modem Př: Pro veličinu léčba je modem (modální hodnotou) kategorie 2. Jinak řečena, typ léčby označený č.2 se vyskytl u největšího počtu pacientek (bráno absolutně i relativně).

Charakteristiky kategoriálních veličin ČETNOSTI poznámka: SOUČET ABS.ČETNOSTÍ = POČET STAT.JEDNOTEK! nemusí platit v případě multiple responses! Př.: Dotázaných 20 respondentů uvádělo, z jakého zdroje se dozvěděli o možnosti preventivního vyšetření na daný typ karcinomu, možnosti byly: 1. z internetu 2. z tisku 3. od lékaře 4. jinak 5. nedozvěděl(a) jsem se o tom; odpověď 1 2 3 4 5 suma četnost 6 4 8 5 6 29 Jaktože součet nečiní 20, ale 29?

Multiple responses pokračování příkladu

Dotazník KVALITAT.VÝZKUM Používat STANDARDIZOVANÉ DOTAZNÍKY (již ve výzkumu použité) Likertova škála (*1932) = výroky, respondent volí z 5bodové škály (obvykle): * zcela nesouhlasím * spíše nesouhlasím * nevím (lze vynechat) * spíše souhlasím * zcela souhlasím

Dotazník KVALITAT.VÝZKUM Nebo jiný příklad škály (právě ze stand.dotazníku):

Dotazník KVALITAT.VÝZKUM

Př: BP (2013) 15 položek za účelem zjištění, nakolik těhotné ženy s diagnózou GDM dodržují zdravý životní styl (n=80) položky např. Dodržuji velmi striktně dietní omezení Stravuji se v pravidelných intervalech Mé těhotenství provází množství stresových situací 4-stupňová škála ano ; spíše ano ; spíše ne ; ne (proč 3.položka červeně? reverze )

A) Zpracování item-by-item : položka č.1 Abs.četnost Rel.četnost Ano 28 35,0 % Spíše ano 28 35,0 % Spíše ne 18 22,5 % Ne 6 7,5 % CELKEM 80 100,0 % B) Souhrnné zpracování: Kódování ano = 1 spíše ano = 2 spíše ne = 3 ne = 4 čím vyšší hodnota, tím větší provinění proti zásadám zdravého životního stylu (reverzní!)

Charakteristiky kategoriálních veličin ČETNOSTI PRO DVOJICI KATEGORIÁLNÍCH VELIČIN: KONTINGENČNÍ TABULKA

Charakteristiky kategoriálních veličin ČETNOSTI PRO DVOJICI KATEGORIÁLNÍCH VELIČIN: KONTINGENČNÍ TABULKA

Charakteristiky kategoriálních veličin ČETNOSTI PRO DVOJICI KATEGORIÁLNÍCH VELIČIN: KONTINGENČNÍ TABULKA

Charakteristiky kategoriálních veličin ČETNOSTI PRO DVOJICI KATEGORIÁLNÍCH VELIČIN: KONTINGENČNÍ TABULKA

Charakteristiky kategoriálních veličin ČETNOSTI PRO DVOJICI KATEGORIÁLNÍCH VELIČIN: KONTINGENČNÍ TABULKA Význam žlutých hodnot? Význam čísel 110, 160 a 200? Jak např. tabulka znalost respondentů před edukací a po ní?

Charakteristiky číselných veličin u veličin číselných - diskrétních lze (stejně jako u veličin kategoriálních) určovat četnosti; každá hodnota je pak vlastně samostatnou kategorií u veličin číselných - spojitých obvykle nemívá smysl četnosti určovat (tyto veličiny nabývají obvykle příliš mnoha navzájem různých hodnot) u obou typů lze ale určovat kvantily (medián) a momenty (průměr, rozptyl - resp. jeho odmocninu, tzv. směrodatnou odchylku)

Charakteristiky číselných veličin Identifikátor Veličina diskrétní a spojitá

Charakteristiky číselných veličin PRŮMĚR (AVERAGE; MEAN)

Charakteristiky číselných veličin PRŮMĚR (AVERAGE; MEAN)

Charakteristiky číselných veličin SMĚRODATNÁ ODCHYLKA

Charakteristiky číselných veličin SMĚRODATNÁ ODCHYLKA

Charakteristiky číselných veličin Interpretace výsledků? veličina VĚK typické hodnoty se nacházely v rozmezí (po zaokrouhlení): 35,9 ± 11,4 = 24,5 až 47,3 veličina POČET DĚTÍ typické hodnoty v rozmezí (po zaokrouhlení): 1,6 ± 1,4 = 0,2 až 2,9 = 0 až 3

Charakteristiky číselných veličin KRABIČKOVÝ GRAF (ne Excel )

Charakteristiky číselných veličin KRABIČKOVÝ GRAF (ne Excel )

Charakteristiky číselných veličin MEDIÁN (50% KVANTIL)

Charakteristiky číselných veličin MEDIÁN (50% KVANTIL)

Charakteristiky číselných veličin Interpretace mediánu? veličina VĚK polovina (50 %) dotázaných byla ve věku nejvýše 33,5 roku (tj. 33,5 nebo mladší) veličina POČET DĚTÍ polovina (50 %) dotázaných uvedla nejvýše 1 dítě (tj. měli 1 dítě, nebo byli bezdětní)

Zpět k problematice publikování: CITACE versus PLAGIÁT Proč kontrola plagiátů (nejen u BP, viz Směrnice, čl. 4a)? Zákon č. 121/2000 Sb.(+změny): Autorský zákon HLAVA I: Právo autorské Díl 1: Předmět práva autorského 2 Autorské dílo (1) Předmětem práva autorského je dílo literární a jiné dílo umělecké a dílo vědecké, které je jedinečným výsledkem tvůrčí činnosti autora a je vyjádřeno v jakékoli objektivně vnímatelné podobě včetně podoby elektronické,

Díl 4: Výjimky a omezení práva autorského 31 Citace CITACE versus PLAGIÁT (1) Do práva autorského nezasahuje ten, kdo a) užije v odůvodněné míře výňatky ze zveřejněných děl jiných autorů ve svém díle, b) užije výňatky z díla nebo drobná celá díla pro účely vědecké či odborné tvorby a takové užití bude v souladu s poctivými zvyklostmi a v rozsahu vyžadovaném konkrétním účelem, vždy je však nutno uvést, je-li to možné, jméno autora, nejde-li o dílo anonymní a dále název díla a pramen. [též: zdroj ]

Citační norma - ČSN ISO 690 (březen 2011) Odborná kniha v seznamu zdrojové literatury: DYLEVSKÝ, Ivan, DRUGA, Rastislav, MRÁZKOVÁ, Olga. Funkční anatomie člověka. 1. vyd. Praha: Grada, 2000. 664 s. ISBN 80-7169-681-1. stačí doupravit - mezi více jmény ne pomlčka, ale čárka; KURZÍVA!

Citační norma Odborný článek v seznamu zdrojové literatury: TICHÝ, Miroslav, JELÍNEK, Marek, MACKOVÁ, Eva. Funkční blokáda kloubu a její příznaky. Kontakt. 2010, 12 (4), 472-479. ISSN 1212-4117. Poznámka 1: Kurzíva opět u názvu díla (zde=časopis) Poznámka 2: tučně č.vydání, v závorce č.svazku Poznámka 3: s pomlčkou č.stran (lze i: s.472-479 ) Poznámka 4: ISSN zde dle normy povinné Poznámka 5: I tento zápis lze získat přímo z e-databází a případně jen doupravit

Citační norma Www zdroj v seznamu zdrojové literatury: Ukazatele DPS [online]. Ústav zdravotnických informací a statistiky ČR, 2010 [cit. 10. 10. 2011]. Dostupné z: http://www.uzis.cz/ Poznámka 1: opět kurzíva = název zdroje Poznámka 2: bývá k nalezení na www stránce dole Poznámka 3: cit. = ze kdy citováno; lze též vid.=viděno

Citační norma přehled použitých zdrojů se uvádí v závěru BP - kapitola: Literatura /vžité označení/ Použité zdroje /vhodné např. při citacích z webu/ zdroje v přehledu řadit abecedně, příp. anti-chronologicky, obvykle s pořadovými čísly zásady: a) do přehledu jen co je opravdu citováno v textu b) v textu citovat jen co bylo zařazeno do přehledu c) v rámci každého dokumentu jednotná forma

Citační norma UKÁZKA PŘEHLEDU (dle normy v BP jinak) 7 Použité zdroje 1. DYLEVSKÝ, Ivan, DRUGA, Rastislav, MRÁZKOVÁ, Olga. Funkční anatomie člověka. 1. vyd. Praha: Grada, 2000. 664 s. ISBN 80-7169-681-1. 2. TICHÝ, Miroslav, JELÍNEK, Marek, MACKOVÁ, Eva. Funkční blokáda kloubu a její příznaky. Kontakt. 2010, 12 (4), 472-479. ISSN 1212-4117. 3. Ukazatele DPS [online]. Ústav zdravotnických informací a statistiky ČR, 2010 [cit. 10. 10. 2011]. Dostupné z: http://www.uzis.cz/ Lze využít generátor citací ve Wordu Jak ale vlastně citovat uvnitř textu BP?

Citační norma Jak citovat uvnitř textu? -odkazem na číslo v seznamu, např. tedy (smyšleno!): Tichý et al. (2) podrobně rozpracovali problém nastíněný již dříve (1), Poznámka: Méně často může být přehled zdrojů bez pořadových čísel, pak se v textu odvolává místo pořadí na rok vydání = HARVARDSKÝ SYSTÉM (=BP!), např. tedy: Tichý et al. (2010) podrobně rozpracovali problém nastíněný již dříve (Dylevský 2000). Poznámka: Citační závorky v jiných odb.textech mohou být hranaté (ale opět jednotně v textu i v přehledu), tedy např. [1]

Citační norma Jak citovat formálně v textu (nejen) BP? Doslovná citace (quotation) = použít uvozovky! Jelikož je funkční blokáda kloubu způsobena hypertonem kosterních svalů, jsou její příznaky stejné u osob různého pohlaví, věku, hmotnosti a laterality (2). NEBO NAPŘ.: Tichý et al. (2, s.478) doslova uvádějí: Jelikož laterality. Parafráze = vlastními slovy (bez uvozovek) Podle Tichého et al. (2) nejsou např. pohlaví či věk faktory, které by výrazně ovlivňovaly příznaky funkční blokády.

Citační norma Poznámka: Nutnost citovat se netýká jen textu, ale i obrázků, grafů či tabulek (nelze tedy např. naskenovat schema z učebnice a neuvést ji jako zdroj); zde bývá obvyklé uvést zdroj např. pod grafem: Graf 12: Vývoj počtu nemocí z povolání v Ústeckém kraji Zdroj: vlastní zpracování ukazatele DPS (3) DÚ: prostudovat problematiku psaní citací

Citační norma BP HLAVNĚ DODRŽET:

(zdroj: Jak psát verze 2014)

(zdroj: Jak psát verze 2014, pouze výběr na ukázku!)

Poznámka pozor na PROCENTA Pozor při interpretaci relativních hodnot z tabulek. Př. (ilustrační): Porovnejte % zastoupení mužů (POHL=2) v jednotlivých 3 kategoriích dle míry pociťování bolestivosti. v kategorii 1 bezbolestné (3/8) 100 % = 37,5 % tvořili muži v kategorii 2 mírně bolestivé (6/10) 100 % = 60 % tvořili muži v kategorii 3 velmi bolestivé (3/6) 100 % = 50 % tvořili muži

Poznámka pozor na PROCENTA Pozor při interpretaci relativních hodnot z tabulek. Př. (ilustrační): Porovnejte % zastoupení mužů v jednotlivých 3 kategoriích dle míry pociťování bolestivosti. v kategorii 1 bezbolestné (3/8) 100 % = 37,5 % tvořili muži v kategorii 2 mírně bolestivé (6/10) 100 % = 60 % tvořili muži v kategorii 3 velmi bolestivé (3/6) 100 % = 50 % tvořili muži Tj. např.: V kategorii 3 byl podíl mužů o 10 procent nižší než v kategorii 2? ---------------- NE! Hodnoty 60 %, resp. 50 % byly určeny z různých základů! Můžeme obě procentuální hodnoty přece jen nějak porovnat? ANO - rozdíl činí 10 PROCENTNÍCH BODŮ

ČASOVÉ ŘADY = záznam ukazatele (číselného) v čase specifikace věcná a místní (co, kde) typy např. : ČŘ okamžiková versus intervalová Př: Počty zaměstnanců X novotvarů (k danému okamžiku) (za dané období)

ČASOVÉ ŘADY oficiální data statistika ze slova stát (tj. pro stát důležité infce) důležité weby: http://www.czso.cz/ http://www.uzis.cz/

ČASOVÉ ŘADY graf Vývoj ČŘ lze zobrazit spojnicovým ( čárovým ) grafem (příp. xy-bodovým, kde x jsou roky) Př: Počty novotvarů hlášených za každý rok (1995-2008) v Ústeckém kraji

ČASOVÉ ŘADY graf

ČASOVÉ ŘADY graf Upozornění ke zpracování: Pokud váš ukazatel obsahuje desetinná čísla, DPS výstup oddělí desetinná místa dle anglické konvence TEČKOU; pro Excel PŘED vytvářením grafu proto musíte nejdřív všechny tyto tečky nahradit "českou" desetinnou čárkou, jinak může být v Excelu problém s rozpoznáním číselných hodnot a graf by se nemusel zobrazovat vůbec (nebo chybně). Náhradu je nejjednodušší provést po překopírování tabulky do Wordu; klávesová zkratka Ctrl+H:

ČASOVÉ ŘADY pojmy Počty převáděné na relativní hodnoty: Incidence = nemocnost, demografický ukazatel poměr nově vzniklých případů onemocnění v daném časovém období k celkovému počtu osob ve sledované ( exponované ) populaci Prevalence = obecné rozšíření; demogr. ukazatel, poměr počtu všech existujících případů (tj. bez ohledu na dobu jejich vzniku) daného onemocnění k počtu obyvatel v dané lokalitě ve sledovaném časovém období

Samostatná práce - DÚ na zápočet a) V databázi SCOPUS najít aspoň 1 článek, odpovídající svým zaměřením vašemu stud.oboru (příp. přímo tématu BP), aby příjmení autora (první dvě písmena) začínalo stejně jako vaše a článek byl z roku 2014 Výpis nalezených článků mi pošlete do 28.11.2015 tak, že vložíte celý odkaz na stránku s nalezenými výsledky do e-mailu na mou adresu (karel.hrach@ujep.cz); jako subjekt e-mailu uveďte KOPA a své STAGové číslo. E-mail by tedy měl vypadat nějak takto (ale pozor, ještě to není vše, viz další slide):

Samostatná práce - DÚ na zápočet b) K e-mailu dle pokynů na předešlém snímku dále připojíte jako přílohu excelovský soubor (pojmenovaný vaším STAGovým číslem, tedy např. D14999.xlsx), v němž bude pomocí nástroje Kontingenční tabulka vytvořena tabulka shrnující vám zadaná data ta najdete (opět pod svým STAGovým číslem) v samostatném přiloženém excelovském souboru v sekci Studium / Studijní materiály. (Opravdu pouze vytvořte svou kontingenční tabulku obsahující počty dotazovaných jedinců, nijak dál ji nekomentujte, neinterpretujte, neupravujte.)