@Article{Kwasiborski2011,
journal="Kardiochirurgia i Torakochirurgia Polska/Polish Journal of Thoracic and Cardiovascular Surgery",
issn="1731-5530",
volume="8",
number="4",
year="2011",
title="JAKOŚĆ W MEDYCYNIETest niezależności chi-kwadrat i jego zastosowanie w interpretacji wyników badań klinicznych",
abstract="Praca ma na celu krótkie i praktyczne omówienie zasad stosowania testu χ 2 , bez którego nie może obyć się analiza statystyczna ogromnej większości publikowanych prac medycznych. W badaniach klinicznych bardzo często ma się do czynienia z cechami niemierzalnymi, jakościowymi – chorzy klasyfikowani są pod względem różnych kategorii. Typowymi zmiennymi tego rodzaju są: płeć, występowanie określonej choroby czy zaszeregowanie chorych w różnych skalach – skali zaawansowania dławicy piersiowej opracowanej przez Kanadyjskie Towarzystwo Kardiologiczne (ang.  Canadian Cardiovascular Society   – CCS), skali służącej do klasyfikacji ciężkości objawów niewydolności krążenia zaproponowanej przez Nowojorskie Towarzystwo Kardiologiczne (ang.  New York Heart Association  – NYHA) czy klasyfikacji Killipa-Kimballa opracowanej do oceny niewydolności serca w świeżym zawale mięśnia sercowego. Często interesujący jest wpływ jednej cechy jakościowej na drugą cechę tego samego typu, np. wpływu płci na częstość występowania danej choroby lub na rozkład punktacji CCS/NYHA w populacji chorych. W takim przypadku należy posłużyć się odpowiednim aparatem obliczeniowym i testem statystycznym. Najczęściej stosowanym testem w takiej sytuacji jest opracowany w 1900 r. przez Karla Pearsona test niezależności χ 2 . Służy on do weryfikacji hipotezy zerowej (H 0 ) – o braku różnic istotnych statystycznie między rozpatrywanymi cechami. Obszar stosowalności tego testu obejmuje nie tylko analizę częstości występowania cech jakościowych, ale również analizę zgodności cech ilościowych oraz przypadki badania zależności cechy jakościowej od ilościowej.   Analizowanie danych z wykorzystaniem testu χ 2  nie sprawia większych problemów – pod warunkiem, że badacz posiadł podstawową wiedzę z zakresu statystyki. Nawet nie będąc ekspertem w tej dziedzinie, lekarz prowadzący badania naukowe może stać się świadomym użytkownikiem pakietu statystycznego, co z pewnością ułatwi planowanie dalszych badań i analizę otrzymywanych wyników.",
author="Kwasiborski, Przemysław J.
and Sobol, Maria",
pages="550--554",
url="https://www.termedia.pl/JAKOSC-W-MEDYCYNIE-The-chi-square-independence-test-and-its-application-in-the-clinical-researches,40,18011,1,1.html"
}