English js12345企业邮箱

第八节 小儿烧伤的护理技术

作者:徐荣祥 出版社:中国科学技术出版社 发行日期:2009年7月
误差(error)泛指观察计算结果与事物的“真值”之差,即观察值与真值之差,属于事物客观存在的稳定统计数值。它包括测得值(观察值)与真实值之差、样本指标和总体指标之差,或经过全面调查后的总体平均数“μ”,或总体中全部深Ⅱ度烧伤创面(病人)的治愈率“π”等。这里所介绍的是样本平均数(χ)及样本率(P)。按误差的性质可分为以下几种:
一、抽样误差
当以随机抽样方法了解总体特征时,可以通过足量样本所获得的均数(χ)或率(P),来代表总体均数(χ)或总体率(P)。正如上例所述,从全部观察对象中抽取一部分对象进行研究,这一过程称为“抽样过程”,但是抽样所得的样本均数(χ)往往不完全等于受检总体的均数“μ”,用统计学上常用的一个术语来说,就是常在一定程度上偏离总体。这种偏离总体现象就像我们从某中学学生这个总体中抽取几组学生测定脉搏一样,他们各组均数之间往往也有差异。虽然他们都是健康人(来自同一个总体),但不完全一样。这种样本与样本,样本与总体之间,由于抽样引起的误差称为“抽样误差”,它是由于总体中的各个个体存在着差异所造成的。通过观察发现,样本越大,抽样误差越小;样本越小,抽样误差越大。在抽样研究中,“抽样误差”常是不可避免的,但它可以被我们认识和掌握,运用误差的规律去分析所研究的事物。我们希望通过分析样本,达到推论总体的目的,也希望抽样误差尽可能的小一些。这就要求样本要具有一定的数量和质量。
1样本例数
没有数量也就没有质量,样本例数越多,从样本推算总体的准确程度也就越大,人力和物力的耗费也越多。因此,相对正确的估计样本例(个)数是实验设计中手先考虑的问题之一。一般认为,对于测量以数据为指标的研究,以20~50例(个)为宜,误差较大或以百分率表示的指标研究,样本可扩大到50~200例(个)。调查性资料需要例数偏多些,有时需用几百或几千例。但在研究烧伤创面时,一个创面即为一个样本,不宜用例数作为样本。
2样本质量
首先是要求样本在质量上能够代表总体,或者说样本与总体应有“同质性”。我们不能随便在门诊部找一批病人,据此作出该地区某病发病率的结论,而应该根据该地区人口中的年龄、性别、职业、居住等因素的比例情况,相应地按比例的抽取一些人作为该地人口的样本,这样才能较好地反映该地区的发病率。然而,在医院门诊部经常听到有人这样说:今年某病的发病率真高,但仔细推敲并不符合流行病学逻辑,因为仅靠本院一时现象所作出的结论,没有进行调查研究,不具有代表性。
二、系统误差(systematic sampling)
系统误差指仪器、试剂、操作方法、诊断方法、治疗方法、测定标准、使用者的习惯等因素所造成的误差,也称条件误差。一般要求同一病人应当用同样性质的仪器、同一批号的药物进行测定。
(一)系统误差的性质
具体的系统误差虽有各种各样,但它们都具有共同的性质,其误差值与偶然误差相比一般都较大。方向是单向的,或者偏大,或者偏小。在条件不变的情况下观测,同样大小和方向的误差会一再重复出现;导致误差的原因有的可能尚未被发现,但可以肯定引起该系统误差的原因至少有一个,或几个,当原因明确并被消除之后,该系统误差就不会再次出现。
在试验中系统误差会不会出现,出现的大小和方向等并无统计规律性。因此不能用统计方法去认识它。如用天平称量某种试剂的重量,如果砝码不准确,所测量结果的误差肯定较大,方向是单一的,即夸大或缩小了物质的重量。只要砝码未予校正,这种误差会反复出现。砝码一旦被校正,这种误差即消失。但是,在不了解砝码真实的情况时,我们无法预言它是否会出现这种误差,如果出现,它的大小和方向又是如何并不清楚。故科学实验应该消除系统影响因素,避免系统误差的出现。
(二)系统误差中常出现的两个概念
1精密度
当多次重复测量时,各次数据的差别越小,说明研究工作精密度越好,反之说明精密度差,应当改进测量方法,控制干扰因素,必要时也可以多测量几次加以补救。
2准确度
正如上述,天平不准确,比重计有偏差等都会发生偏性误差,尽管几次测量的数据很接近,精密度也很好,但都不够准确,此时即使再增加例数也不能补救,只能按信息论原则进行校正。
精密度与准确度含义不同,精密者不一定准确,准确者不一定精密。我们的研究工作对样本数据应力求既精密,又准确。如烧伤病人休克期尿量明显减少,其比重可能增加,这就要求尿比重测量仪既精密,又准确。严格校对准确度,精密度应小到小数点后三位数,假如用一个不准确的尿比重测量仪测量尿比重,即使几次结果非常相近,但也不能视为准确。
(三)系统误差来源分析
1来源于受试者
主要指抽样不均匀和分配不随机。如调查我国成年男子冻伤的发病率,抽样时应考虑全国各地区的城乡居民。如果只在北方某农村、南方某城市抽取若干人就组成一个样本,这个样本是非常不均匀的,由此而引起的统计结果与真值间的误差称为不均匀误差。如果从某总体中抽取若干个观察单位,而把他们分配到各个处理组中的处理过程中带有偏见性,就会导致观察组单位的某些特征不均衡,这样造成的误差称为分配误差。
2来自观察者
由不同观察者的感觉或操作上的差异而引起的误差称人为误差,或过失误差。如两个医生对同一深度的烧伤创面进行诊断,甲医生的诊断深度可能偏深,乙医生的诊断深度可能偏浅。过失误差也多为研究者的过错,如向病人调查某种指标变化时带有主观意愿,结果会造成研究失真现象。这些调查指标多为主观指标,如调查用药后是否还有痛感,与另一药物相比是否好些等等。研究者的目的是证明某药是否具有优越性,但过失误差可引导出错误的结果,必须以科学态度对待科学研究,避免这种误差的出现。
3来自仪器
由于仪器未校正,发生故障,或使用不当引起的。这种误差又可称为仪器误差或仪差。
4来自外环境的非实验因素
由于观察时所处的外界环境条件不同而引起的误差,也称条件误差或环境误差。如人们在习惯上对于大面积烧伤的治疗的重视程度往往要大于中小面积者,如良好的环境总是好于中小面积患,故同一创面出现的治疗效果差异,很难用病情不同或条件不同来说明。
5来自研究或计算方法等理论上的不完善
例如,用χ2检验作两个样本率的比较时,若两组例数均较少,连续性校正前所得χ2值略偏高,而经连续性校正后所得χ2值略偏低,这种情况属于计算方法上的不完善所致。
三、随机测定误差
随机测定误差是指同一总体(观察单位)多次观察结果之差。产生随机测定误差的原因是观察中存在着的随机测量变异。由于这种变异是必然存在的,故随机测定误差也是不可避免的。在随机误差中,最重要的是抽样误差。由于总体中各观察单位间存在差异,抽样研究中抽取的样本只包含总体的一部分观察单位,因而样本统计量不一定恰好等于相应的总体参数。如从某市某年内健康男性工人的总体中随机抽取100名,测得他们的血红蛋白均数为105mmol/L,这个均数不一定恰好等于该市该年内健康男性工人血红蛋白的总体均数。
又如,对同一病人的深Ⅱ度创面疼痛程度观察,相继进行多次询问检查时,所得到的疼痛感觉程度可能不完全相同。这种结果是由于某些条件的干扰所造成的,因此称为条件误差。鉴于实验过程中各受试对象在实验条件不同情况下总会有误差出现,如季节不同、气候不同、受试对象反应不同等因素,对烧伤创面的愈合可能都有影响。另外,经治医生的治疗水平、同一智力的测定方法等,初次判定或测定的结果亦往往不同。
尽管抽样误差是不可避免的,但它具有一定的规律性,在没有人为因素或外来因素干扰的条件下,如果样本数不是太小,则抽样误差将会时大时小,小多大少,或正或负,正负各半,而随着抽样次数的增加,各抽样误差的代数和逐渐趋于“0”。因为大多数来自样本的平均数或相对数都围绕在相应总体指标的上下波动。故在研究中要设法改善测量手段和测量条件,将随机测定误差控制在很小的范围内。