Lékař, který vybírá statistický nástroj, by se měl zaměřit především na:

1. Intuitivnost ovládání softwaru

Lékaři jistě ocení přehledné grafické rozhraní ke všem procedurám, jak analytickým tak i těm pro datové manipulace. Není se pak třeba soustředit na ovládání softwaru a zbývá větší prostor pro korektní použití statistických metod a interpretaci výstupů na úkor matematických výpočtů. Existují nástroje, které jsou díky propracovanému uživatelskému rozhraní zvládnutelné bez nutnosti programování.

Obr. 1: Intuitivní ovládání softwaru.

2. Nástroj zaměřený na nematematické uživatele

Absolventi medicíny často nemají příliš kladný postoj k matematice. Nezajímají je matematické teorie, odvozování vzorců apod. Potřebují nástroj pro zvládnutí kvalitní analýzy dat, kdy není nutné ovládat maticovou algebru ani programování. Pedagogové lékařského oboru tak mohou omezit výklad teoretických základů na minimum a více se zaměřit na praktickou analýzu dat z klinických, epidemiologických či jiných výzkumů. Statistický software tím motivuje studenty k větší aktivitě a tvořivosti.

3. Dostupnost a komplexnost datové matice

Lékaři potřebují datovou matici, která je neustále otevřená pro vizuální kontrolu, a mít tak trvale kontakt s daty, což jim umožňuje odhalení vztahů mezi proměnnými nebo případné chyby. Datová matice s sebou nese informaci o použitých číselnících a nastavení typu proměnných, což je velmi přínosné z didaktického hlediska. Uvědoměním si a rozmyšlením vhodného nastavení proměnných lékaři získají správné návyky pro práci s daty.

4. Opakovatelnost výpočtů

Kromě uživatelsky příjemného grafického rozhraní by nástroj měl být vybaven i snadno zvládnutelnou syntaxí. Jedná se o automaticky generovaný textový zápis procedur, bez nutnosti znalosti programování. Syntax je výhodná pro opakované provádění výpočtů, a zároveň pro názornou dokumentaci použitého postupu. Tato vlastnost bude oceněna také při kontrole správnosti výpočtů.

Obr. 2: Komplexní datová matice

Obr. 3: Syntax pro provádění opakovaných výpočtů

5. Otevřenost na vstupu a výstupu

U komplexních nástrojů mohou medici využít pro své analýzy data z různých zdrojů. Učiní tak velmi jednoduše, bez nutnosti složité přípravy - ať už se jedná o data ze zdravotnických dokumentací, z různých lékařských softwarů, genových softwarů apod. Tabulkové a grafické výstupy se exportují do běžných programů z řady kancelářského softwaru.

6. Možnost propojení softwaru s jinými aplikacemi

Kromě otevřenosti na vstupu a výstupu by vhodný statistický nástroj měl být otevřený také vůči jiným aplikacím, například i v průběhu samotné analýzy. Takový software nabízí propojení se softwary umožňující sběr dat, s ostatními analytickými softwary (určené např. pro data mining), s reportovacími nástroji nebo poskytuje integrační můstek k open-sourcovému programovacímu jazyku pro pokročilejší uživatele (například jazyk R).

7. Uživatelské rozhraní v angličtině

Uživatelské rozhraní v českém jazyce jistě pomůže ke snadné orientaci při práci se softwarem, ale díky uživatelskému rozhraní v angličtině si lékaři osvojí znalosti ustálené mezinárodní terminologie důležité mimo jiné pro publikování výsledků, komunikaci s kolegy v zahraničí nebo pro čtení odborné literatury.

Obr. 4: Přehledné výstupy ve formě tabulek a grafů

8. Rozsáhlý systém nápovědy a další informační materiály

Součástí licence statistického softwaru by měla být rozsáhlá dokumentace na různých úrovních od příkladů pro začátečníky po popis algoritmů. Manuál k základnímu ovládání softwaru v českém jazyce je samozřejmostí. Při výběru mohou pomoci i tutoriály a videa dostupné na internetu.

9. Výukové kurzy statistiky

S nákupem statistického softwaru jde ruku v ruce i školení, které umožní vzdělávání lékařů v oblasti statistické analýzy dat. Na českém trhu jsou společnosti s mnohaletou tradicí výuky, efektivními výukovými metodami a vysokou odbornou úrovní. Výuka často probíhá na počítačích a kromě vzdělávacích center je možné uspořádat kurz také přímo v sídle nemocnice či univerzity.

10. Reference

Řada lékařů již dlouhou dobu statistické nástroje používají, a proto není nic lehčího než se na ně obrátit s prosbou o pomoc. Například ve Fakultní nemocnici v Motole využívají statistický nástroj pro analytické práce v oblasti výzkumu vzniku diabetu I. typu, jakož i jiných autoimunitních chorob. Výsledky jejich práce jsou důležité pro modelování predikce vzniku choroby. Poradit mohou i v akademickém prostředí, kde pro ilustraci na Lékařské fakultě Masarykovy univerzity využívají statistické nástroje k pregraduální, ale i postgraduální výuce. Oceňují především jednoduchý, ale výkonný skriptovací jazyk, který dovoluje automatizaci řady postupů a má rozsáhlé možnosti managementu a transformace dat.

Shrnutí

Nedílnou součástí statistických analýz je následné reportování a publikace výsledků. Statistické nástroje jsou povětšinou uzpůsobeny takovému reportování, avšak existují i specializované reportovací nástroje, které mohou sloužit pro automatizaci výsledných procesů. Všechny osoby participující na daném výzkumu tak mohou mít nezkreslené a aktuální informace v jeden daný časový okamžik. To vše zpracované atraktivní formou s výraznou volností v hledání informací.

Výběr vhodného statistického řešení není vůbec jednoduchý. Práce s takovým nástrojem ovlivní zaběhnuté zvyky a jde bezesporu o běh na dlouhou trať. Výsledkem však může být úspora času, vyšší odbornost, ale i inovace nových, dosud neobjevených, lékařských a vědeckých postupů. Pořizovací náklady na takové řešení bývají shovívavé k jednotlivým zdravotnickým institucím a lze na ně uplatnit slevy určené pro zdravotnickou nebo akademickou sféru.

Ing. Martin Selinger Autor je obchodním manažerem pro akademickou sféru a produktovým specialistou pro statistický software ve společnosti ACREA CR.

Mgr. Eliška Kalinová Autorka je certifikovaným analytikem a konzultantem pro statistickou analýzu dat ve společnosti ACREA CR.