آمار برای پزشکان: همبستگی و رگرسیون

به عنوان یک پزشک پرمشغله که هر روز بیماران زیادی را در مطب شلوغ تان می بینید، سوالات زیادی نیز برایتان پیش می آید، اما گهگاه فرصت می کنید سری به ادبیات پزشکی تخصصی خود بزنید. شما به خوبی می دانید که توانایی استفاده از مطالب روا و به روز، می تواند نقش مهمی در طبابتتان در دنیای پیچیده فعلی بازی کند ولی به خوبی نیز می دانید که به کار بردن نتایج مقالات نیازمند درک مفاهیم آماری است.
امروزه آشنایی با تفکر آماری و درک اصول و مفاهیم پایه ای آن نه تنها برای داشتن یک رویکرد علمی در حیطه تخصصی خود لازم است، بلکه تفکر آماری (که به ما اجازه می دهد از تجربه خود با کمترین خطا بیاموزیم)، جزئی تفکیک ناپذیر از طبابت علمی است و پزشکان بیش از پیش برای فهم و نقد ادبیات پزشکی پیش رویشان به درک مفاهیم پایه و کاربردی آمار پزشکی نیازمندند.
«پزشکی مبتنی برشواهد» نهضت رایج نوپایی که امروزه می رود تا چهره غالب و رایج گفتمان پزشکی دنیا باشد، رویکرد عینی آن بیش از پیش پزشکان را نیازمند درک تفکر آماری و مفاهیم و اصول پایه آن خواهد کرد تا آنجا که یکی از تعاریف Evidence Based Medicine (EBM) را مجموعه علوم بالینی، متدولوژی و آمار بیان کرده اند.
ممکن است به خوبی ندانید که چگونه باید اطلاعات آماری ذکر شده در مقالات را تفسیر کنید. ما نیز با شما موافقیم که آمار مقوله ای بسیار فرار بوده و یادگیری آن برای افراد غیرمتخصص در این رشته مشکل است، به ویژه اگر قرار باشد بر فرمول ها و مفاهیم محض آن تاکید شود تا کاربردهای بالینی مفاهیم آمارپزشکی. مقاله حاضر جهت آشنایی شما با تفکر آماری برای استفاده در استدلال های بالینی و افزایش توانمندیتان در فهم و ارزیابی نقادانه مقالات پزشکی طراحی شده است. در این مقاله دو مفهوم آماری همبستگی و رگرسیون که کاربرد فراوان در ادبیات پزشکی دارند، انتخاب شده و در قالب مثال های بالینی ملموس در حوزه دیابت و لیپید توضیح داده شده است.
امید که این باور سنتی را که «آمار اساسا چیزی نیست که پزشکان بفهمند یا در طبابت بالینی روزانه بدردشان بخورد»، از مجموعه باورهایمان کنار بگذاریم