PERCHE LA STATISTICA NEL CURRICULUM FORMATIVO DELL INFERMIERE?

Transcript

1

2 PERCHE LA STATISTICA NEL CURRICULUM FORMATIVO DELL INFERMIERE? E necessario che l infermiere sappia rilevare,archiviare ed elaborare in modo corretto le informazioni indispensabili per la sua attività, anche mediante l uso di sistemi per il trattamento automatico delle informazioni. Ma la conoscenza della metodologia per il trattamento delle informazioni è anche necessaria allo studente nel corso degli studi universitari e post-universitari. Per questi motivi nel curriculum formativo del medico e degli altri operatori sanitari(infermieri, fisio - terapisti, dietisti,ecc..) sono state inserite nozioni di scienza delle informazioni ( Statistica, Informatica, Epidemiologia).

3 RELAZIONI TRA INFORMAZIONI,CONOSCENZA DEI PROBLEMI E COMUNICAZIONI Informazioni conoscenza comunicazione

4 RELAZIONI TRA INFORMAZIONI,CONOSCENZA E DECISIONI Informazioni Informazioni conoscenza decisioni controllo decisioni (dei problemi) (delle decisioni) processo processo processo processo conoscitivo decisionale conoscitivo decisionale

5 DEFINIZIONE DI DATO E DI INFORMAZIONE se si dice 1,70 si indica un numero se si dice statura m si indica un dato se si dice che il Sign. Mario Rossi è alto m.1,70 si indica un informazione - il dato è un numero riferito ad un determinato fenomeno - l informazione è un dato che ha valore informativo (cioè consente la conoscenza di un determinato fenomeno)

6 Sistema Informativo Sanitario Definizione Insieme articolato ed integrato di risorse,strumenti e procedure per la rilevazione,archiviazione ed elaborazione delle informazioni necessarie per la programmazione e la gestione dei servizi sanitari

7 USO DEI SISTEMI INFORMATICI IN CAMPO CLINICO VANTAGGI Rendono più facile l acquisizione,la registrazione e l archiviazione dei dati clinici Consentono il facile e rapido reperimento dei dati archiviati in occasione di precedenti contatti con la struttura sanitaria Migliorano la qualità delle informazioni rilevate mediante la strumentazione biomedica e riducono la possibilità di errori diagnostici o di interventi terapeutici non appropriati Rendono possibile la trasmissione dei dati clinici tra i diversi servizi e strutture sanitarie(medici di Medicina Generale, Specialisti,Ospedali,ecc..) con i quali l utente viene a contatto e quindi - migliorano la qualità dell assistenza - consentono una riduzione dei costi evitando la ripetizione di accertamenti diagnostici già eseguiti altrove.

8 TRATTAMENTO DELLE INFORMAZIONI FONTI DELLE INFORMAZIONI luogo di origine e produzione delle informazioni FLUSSO DELLE INFORMAZIONI percorso tra la fonte e il luogo di utilizzazione ELABORAZIONE DELLE INFORMAZIONI procedure di trasformazione delle informazioni per renderle utilizzabili UTILIZZAZIONE DELLE INFORMAZIONI per finalità conoscitive e decisionali

9 METODOLOGIA PER IL TRATTAMENTO DELLE INFORMAZIONI Acquisizione dei dati Elaborazione dei dati Analisi statistica e valutazione dei risultati

10 DEFINIZIONE DI STATISTICA La Statistica è il metodo per lo studio dei fenomeni collettivi e comprende la descrizione delle caratteristiche dei fenomeni (statistica descrittiva) l analisi delle cause dei fenomeni (statistica inferenziale)

11 LA STATISTICA NELLO STUDIO DEI FENOMENI BIOLOGICI Importanza del metodo statistico per lo studio dei fenomeni biologici in relazione a due caratteristiche peculiari di tali fenomeni: si tratta di fenomeni variabili e probabilistici. (Biometria Biostatistica Statistica Medica)

12 METODI PER LO STUDIO FENOMENI NATURALI DEI Fenomeni costanti = sistemi di misura Variabili deterministiche= sperimentazione (Claude Bernard ) Variabili probabilistiche= calcolo delle probabilità (o aleatorie) (Laplace )

13 LE APPLICAZIONI DELLA STATISTICA E DELLA EPIDEMIOLOGIA NELLE PROFESSIONI SANITARIE Nell attività clinica e assistenziale: metodologia di acquisizione ed elaborazione dei dati clinici(controllo di qualità,evidence Based Medicine) Nella ricerca scientifica: ricerche sperimentali e studi osservazionali (epidemiologia ed epidemiologia clinica), metanalisi Nella organizzazione e gestione dei servizi sanitari: acquisizione dati epidemiologici per la programmazione e la valutazione degli interventi di prevenzione,terapia e riabilitazione(analisi costibenefici e costi-efficacia,indicatori,ecc,,)

14 METODOLOGIA DI ACQUISIZIONE DEI DATI ACQUISIZIONE DEI DATI CONTROLLO DI QUALITÀ mediante per accertare - prelievo da altre fonti - affidabilità delle fonti - rilevazione diretta - attendibilità dei dati Un dato ottenuto mediante osservazione o misurazione si definisce attendibile quando è il più vicino possibile al valore vero

15 PRINCIPALI FONTI DI DATI DEMOGRAFICI - CENSIMENTI < POPOLAZIONE < - RISULTANZE ANAGRAFICHE Popolazione presente Popolazione residente Popolazione residente - RILEVAZIONI SULLE FORZE DI LAVORO ( Indagine Campionaria) - INDAGINI SULLE FAMIGLIE (Campionarie)

16 segue PRINCIPALI FONTI DI DATI DEMOGRAFICI NATURALE < NATI MORTI MOVIMENTO DELLA MIGRAZIONI POPOLAZIONE < INTERNE Immigrazioni SOCIALE < < MIGRAZIONI Emigrazioni ESTERE MATRIMONI

17 PRINCIPALI FONTI DI DATI SANITARI Mortalità Morbosità cause di morte cause di natimortalità malattie infettive e diffusive soggette a denunzia obbligatoria malattie professionali indagine ISTAT sulle condizioni di salute della popolazione italiana

18 segue PRINCIPALI FONTI DI DATI SANITARI Altri eventi attinenti alla salute< - infortuni sul lavoro - interruzioni della gravidanza Attività dei servizi sanitari - ricoveri(dimissioni)sec.le cause < - altre prestazioni sanitarie - dati sull organizzazione dei servizi sanitari

19 Italia - N.morti per abitanti anni Malattie Mal.infettive e parassitarie Tumori Mal.sist.circolatorio Mal.app.respiratorio Mal.app.digerente Altre cause Morti in totale

20 ITALIA POPOLAZIONE GIOVANE E ANZIANA ANNI (previsioni) Milioni di abitanti 18 - Età 60 e

21 ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA a) Metodi e strumenti per la rilevazione dei dati - colloqui o interviste(es.raccolta anamnesi, inchieste,ecc...) - osservazione diretta(es.obiettivo di un paziente) - manuali(es.frequenza del polso) - strumenti< - meccanici(es.bilancia,sfigmomadi misura nometro,ecc..) - automatici(autoanalizzatori,tac,ecc.) Qualità dei dati ottenuti con i diversi metodi e strumenti

22 segue ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA b) Sistemi di registrazione dei dati mediante - supporti cartacei(schede,questionari,ecc) - supporti magnetici(floppy disk,hard disk) - supporti ottici (CD Rom) - inserimento dati da tastiera con l uso di - utilizzazione di lettori ottici o lettori di sistemi informatici < banda magnetica - collegamento on-line tra gli strumenti di misura e il computer

23 ACQUISIZIONE DEI DATI MEDIANTE RILEVAZIONE DIRETTA DIVERSI TIPI DI QUESTIONARI rigidi o chiusi = contengono domande e risposte formulate in termini precisi aperti = contengono domande precise ma le risposte sono libere a testo libero = non contengono domande precise ma soltanto generici argomenti sui quali viene richiesto di fornire informazioni precodificati= domande e risposte sono accompagnate da appositi codici

24 RILEVAZIONE DEI DATI "ERRATA E/O NON CORRETTA RILEVAZIONE DEI DATI UGUALE INATTENDIBILITà DEI RISULTATI

25 CORSO DI LAUREA IN INFERMIERISTICA Lezioni di Statistica 2 - RILEVAZIONI A CAMPIONE

26 RILEVAZIONI A CAMPIONE

27 segue ACQUISIZIONE DEI DATI

28 segue RILEVAZIONI A CAMPIONE Se per ipotesi con la prima e con la seconda estrazione sono uscite palline bianche non possiamo sapere se nell urna vi sono palline di altro colore; se alla terza estrazione esce pallina nera possiamo sapere che nell urna vi sono anche palline nere ma non sappiamo quante sono rispetto alle bianche; soltanto dopo la 4 estrazione possiamo affermare che nell urna vi sono palline bianche e nere in egual numero. Principio generale: quanto più elevata è la numerosità del campione,tanto maggiore è la sua rappresentatività

29 segue RILEVAZIONI A CAMPIONE Terminologia utilizzata in statistica: unità statistiche = singoli individui, oggetti, ecc.. che compongono il collettivo oggetto di studio universo = l insieme delle unità statistiche campione = parte dell universo che viene studiata quando non è possibile esaminare l intero collettivo

30 segue RILEVAZIONI A CAMPIONE Metodologia di estrazione del campione estrazione casuale con reinserimento estrazione casuale senza reinserimento estrazione sistematica estrazione mediante stratificazione campionamento a più stadi (cluster sample)

31 segue RILEVAZIONI A CAMPIONE

32 segue RILEVAZIONI A CAMPIONE Esempio di estrazione di un campione casuale semplice In un ospedale vi sono 600 pazienti ai quali viene attribuito un numero d ordine(per esempio il numero del letto)da 1 a 600. Si vuole estrarre un campione di 60 ricoverati. Si parte da una riga qualunque della tabella dei numeri casuali (es. la riga 104) e si prendono in sequenza tanti gruppi di tre cifre ciascuno fino a raggiungere i 60 pazienti che entreranno a far parte del campione

33 segue RILEVAZIONI A CAMPIONE Righe Numeri random si estraggono i pazienti numero 527,113,74,274,1 e così via scartando i numeri ai quali non corrisponde nessun paziente (888,993,602,ecc..). Attenzione! Si estraggono numeri di tre cifre in quanto i pazienti in totale sono 400

34 segue RILEVAZIONI A CAMPIONE Il metodo dell estrazione casuale mediante i numeri random offre due vantaggi: ogni unità statistica che compone l universo ha la stessa probabilità di entrare a far parte del campione(=rappresentatività del campione) consente la valutazione dell'attendibilità dei risultati ottenuti mediante i metodi di statistica inferenziale(v.dopo).

35 segue RILEVAZIONI A CAMPIONE Estrazione sistematica: le unità statistiche che costituiranno il campione sono estratte dall universo ad intervalli regolari. Per esempio se in un ospedale vi sono 500 ricoverati e si vuole estrarre un campione di 50 pazienti si attribuisce un numero d ordine ad ogni ricoverato in base al numero della cartella clinica e si estrae un paziente ogni 10 (i pazienti numero 10,20,30,ecc..)

36 segue RILEVAZIONI A CAMPIONE Questo metodo è più pratico rispetto all estrazione casuale ma è necessario essere sicuri che l'intervallo di campionamento prescelto non sia influenzato da qualche variabile esterna che agisce con la stessa ciclicità del campionamento, cosa abbastanza improbabile ma pur sempre possibile (ad esempio se in media si ricoverano 20 ammalati alla settimana è possibile che i pazienti estratti siano in maggioranza quelli ricoverati il sabato e la domenica, cioè i casi più gravi).

37 segue RILEVAZIONI A CAMPIONE Campionamento mediante stratificazione Si divide l intera popolazione da cui si vuole estrarre il campione in un determinato numero di parti (strati) secondo le caratteristiche che si ritiene possano influire sul fenomeno oggetto di esame (es. sesso, età, residenza, attività lavorativa esercitata,ecc..). Si estraggono le singole unità che formerano il campione da ciascuno strato.

38 segue RILEVAZIONI A CAMPIONE STRATIFICAZIONE SECONDO IL SESSO E L ETA Popolazione italiana (in migliaia di ab.) Anno 2001 Età Sesso Totale Maschi Femmine e più Totale

39 segue RILEVAZIONI A CAMPIONE Esempio di estrazione mediante stratificazione Se si vuole estrarre un campione pari all 1 per mille della popolazione italiana si estrae l 1 per mille di abitanti da ogni strato; i singoli campioni messi insieme rappresentano l 1 per mille dell intera popolazione italiana. Questo metodo consente di calcolare la frequenza di un determinato fenomeno non soltanto nell intera popolazione ma anche nelle diverse condizioni considerate (nell esempio in relazione al sesso e all età).

40 segue RILEVAZIONI A CAMPIONE ESEMPIO DI ESTRAZIONE A PiU STADI Plesso scolastico A Plesso scolastico B Scuola a Scuola b Scuola a Scuola b Sez. a b c Sez. a b Sez. a b Sez a b Classi I I I I I I I I I II II II II II II II II II III III III III III III III III III IV IV IV IV IV IV IV V V V V V V V Tot.Classi = 41 Tot. bambini = 820 Campione-classi = 20 - bambini (5 per classe) = 100

41 segue RILEVAZIONI A CAMPIONE 1 stadio = si estraggono le seguenti classi: dalla Scuola a del Plesso A= una I,una II,una III, una IV ed una V e si procede in modo analogo per la Scuola a del Plesso B(in tot.10 classi); dalla Scuola b del Plesso A e dalla Scuola b del Plesso B = una I,una II ed una III(in totale 6 Classi). Si aggiungono la IV e la V classe delle Scuole b dei due Plessi così da ottenere in tutto le 20 classi del campione. 2 stadio = Si estraggono 5 bambini da ognuna delle 20 classi del campione di I stadio così da ottenere in totale i 100 bambini che costituiranno il campione

42 segue RILEVAZIONI A CAMPIONE Esempio di campionamento a due stadi mediante stratificazione: indagine multiscopo ISTAT sulle famiglie italiane (anno 1993) 1 stadio = estrazione di un campione di Comuni mediante stratificazione in base alle zone territoriali ed altre caratteristiche Numero comuni dell universo=8.100 del campione= stadio = estrazione di un campione di famiglie tra quelle residenti nei comuni estratti con il 1 stadio di campionamento Numero famiglie nell universo (tutte le famiglie italiane) = nel campione = persone nel campione di famiglie =

43 Segue RILEVAZIONI A CAMPIONE Procedimento di calcolo per rapportare all universo i risultati ottenuti nel campione campionamento casuale semplice mediante stratificazione P P i N = n. N = n i. p pi N=num.osservazioni nell universo; n = num.osservazioni nel campione P=popolazione dell universo ; p = popolazione del campione P i = popolazione di un singolo strato dell universo P i = popolazione di un singolo strato del campione N i = numero delle osservazioni in un singolo strato del campione

44 LEZIONI DI STATISTICA 3 - Controllo di qualità

45 Controllo di qualità Un dato ottenuto mediante osservazione o misurazione si definisce attendibile quando è il più vicino possibile al valore vero

46 segue Controllo di qualità CLASSIFICAZIONE DEGLI ERRORI Sistematici Accidentali indipendenti dall operatore [dipendenti dall operatore] [ indipendenti dall operatore] dipendenti dall operatore Casuali (o inevitabili)

47 segue Controllo di qualità Procedure per il controllo di qualità Controllo di compatibilità:consiste nel verificare se due o più osservazioni o misure eseguite sullo stesso fenomeno e sullo stesso soggetto siano in contrasto tra di loro Controllo di congruità:consiste nel verificare se i risultati delle misure eseguite si collocano al di sopra o al di sotto dei limiti massimo e minimo prestabiliti

48 segue Controllo di qualità segue Procedure per il controllo di qualità dei dati Controllo di accuratezza: in una serie di misure ripetute sullo stesso oggetto e con il medesimo strumento si definisce accuratezza la minor differenza possibile tra la media dei risultati ottenuti ed il valore vero Controllo di precisione: in una serie di misure ripetute sullo stesso oggetto si definisce precisione la minor differenza possibile tra i singoli risultati ottenuti

49 segue Controllo di qualità

50 segue Controllo di qualità CONCETTI GENERALI SUL CONTROLLO DI QUALITA nei laboratori d analisi CONTROLLO INTRA-LABORATORI (compatibilità,congruità,accuratezza,precisione) CONTROLLO INTER-LABORATORI Laboratorio di riferimento; laboratori partecipanti

51 segue Controllo di qualità CONTROLLI DI COMPATIBILITÀ E DI CONGRUITÀ sono utili anche se viene eseguito il controllo di accuratezza e precisione: a) per gli errori di trascrizione e registrazione dei risultati(es.attribuzione di risultati ad un diverso paziente) b) per gli esami non eseguibili con strumenti es. esame microscopico di vetrini,esami culturali,ecc..) Non garantiscono la qualità dei dati,vengono eseguiti dopo che i dati sono stati rilevati ma sono utili per un primo rapido controllo

52 segue Controllo di qualità esempio di un controllo eseguito su 10 laboratori RISULTATI DEI LABORATORI PARTECIPANTI N.lab. Azotemia Glicemia Uricemia 1 88,0 394,0 4, ,8 370,0 4, ,7 369,0 5, ,0 397,0 5, ,0 399,0 5, ,0 360,0 4, ,0 425,0 5, ,0 380,0 5, ,0 392,0 5, ,0 396,0 4,90

53 segue Controllo di qualità esempio di un controllo eseguito su 10 laboratori Valori teorici ottenuti mediante 30 determinazioni ripetute sullo stesso siero con lo stesso apparecchio(= media di tutti i risultati) Azotemia = 92,93 [ 93] Glicemia = 392,53 [ 393] Uricemia = 5,07 [ 5 ] N.B. In parentesi quadra i valori (arrotondati )calcolati come media dei risultati ottenuti con le 30 determinazioni

54 UNIVERSITA CAMPUS BIOMEDICO CORSO DI LAUREA IN INFERMIERISTICA Prof. Angelo Serio LEZIONI DI STATISTICA 4 - Sistemazione e presentazione dei dati Anno Accademico

55 Sistemazione e presentazione dei dati Seriazione dei dati Insieme di dati qualitativi Serie di dati nominale(dati non ordinabili) Es. gruppi sanguigni ordinale(dati ordinabili secondo criteri logici) Es.titolo di studio Insieme di dati quantitativi Serie di dati(ordinati secondo determinati criteri)

56 segue Sistemazione e presentazione dei dati Seriazione dei dati Serie ordinate secondo grandezza(progressioni) Serie ordinate secondo il tempo(serie temporali, serie storiche) Serie ordinate secondo lo spazio (serie geografiche)

57 segue Sistemazione e presentazione dei dati Seriazione dei dati Le progressioni sono serie ordinate secondo grandezza nelle quali l intervallo tra un termine e l altro può essere definito in maniera costante. Le progressioni possono essere: aritmetiche = ogni termine della serie è uguale al precedente aumentato di un valore costante geometriche = ogni termine della serie è uguale al precedente moltiplicato per un valore costante esponenziali = ogni termine della serie è uguale al precedente elevato ad un valore costante

58 segue Sistemazione e presentazione dei dati-seriazione Progressione aritmetica geometrica esponenziale (=2+2) 4(=2 x 2) 4 (=2 ) 2 6(=4+2) 8(=4 x 2) 16(= 4 ) 8(=6+2) 16(=8 x 2) 10(=8+2) 12(=10+2) 14(=12+2) 16(=14+2)

59 segue Sistemazione e presentazione dei dati Seriazione dei dati c b a 14. a progressione aritmetica 12. b = progressione geometrica c = progressione esponenziale I II III IV V VI VII VIII

60 segue Sistemazione e presentazione dei dati Seriazione dei dati Ai fini dello studio statistico dei fenomeni è necessario preliminarmente accertare a quale tipo di progressione corrispondono i valori osservati. Tuttavia, a causa della variabilità dei fenomeni biologici, in questo campo non si riscontrano mai precise progressioni aritmetiche, geometriche o esponenziali E quindi necessario accertare nei singoli casi quale è il tipo di progressione che meglio approssima i valori osservati.

61 segue Sistemazione e presentazione dei dati Seriazione dei dati Serie continue e discontinue Serie continue = l intervallo tra un termine e l altro può essere suddiviso all infinito es. età,peso,statura,glicemia,ecc... Serie discontinue o discrete = l intervallo tra un termine e l altro può essere suddiviso solo fino ad un certo punto es. numero di abitanti, di pazienti, di globuli rossi,ecc..

62 segue Sistemazione e presentazione dei dati Tabulazione dei dati Dati sui gruppi sanguigni di 15 pazienti N.d ordine Gruppo sanguigno N.d ordime Gruppo sanguigno 1 A 9 AB 2 B 10 A 3 A 11 B 4 AB 12 A AB 6 A 14 B 7 A B N.tot. osservazioni 15

63 segue Sistemazione e presentazione dei dati Tabulazione dei dati Esempio di Tabella semplice Gruppi sanguigni N.osservazioni 0 2 A 6 B 4 AB 3 N.totale delle osservazioni 15

64 segue Sistemazione e presentazione dei dati Tabulazione dei dati PAZIENTI SECONDO IL GRUPPO SANGUIGNO E IL FATTORE Rh N.d ordine Gruppo sanguigno N.d ordime Gruppo sanguigno e fattore Rh e fattore Rh 1 A + 9 AB - 2 B + 10 A - 3 A - 11 B + 4 AB + 12 A AB + 6 A + 14 B + 7 A B - N.tot. osservazioni 15

65 segue Sistemazione e presentazione dei dati Tabulazione dei dati Esempio di Tabella a doppia entrata Gruppo sanguigno Fattore Rh Totale A B AB Totale

66 segue Sistemazione e presentazione dei dati Tabulazione dei dati Classi Indice di massa corporea di sottopeso normopeso sovrappeso obesi età ,50 8,65 63,84 75,70 12,59 13,50 1,07 2, ,48 3,42 62,10 56,75 28,38 28,70 4,39 5, ,18 1,06 42,04 42,60 43,56 41,64 10,22 14,70 65 e + 7,42 2,01 41,69 39,72 41,28 44,07 9,61 14,20 Totale 9,81 2,82 50,82 52,04 32,83 34,96 6,54 10,18 Esempio di Tabella a tripla entrata La Tabella consente di osservare le variazioni del peso corporeo nella popolazione italiana negli ultimi 16 anni secondo i valori del BMI,le singole classi di età e l anno al quale si riferiscono i dati. BMI(Indice di massa corporea)= peso in Kg./statura in m.al quadrato (Fonte:ISTAT-Indagine multiscopo)

67 Persone intervistate secondo lo stato di salute nelle due settimane precedenti( su 100 ab.) e la presenza di malattie croniche (su ab.) (da Indagine multiscopo ISTAT) Sesso Stato di salute Totale M F > e + Età Buono 80,6 82,6 78,7 83,9 85,9 74,7 64,7 Non buono 19,4 17,4 21,3 16,1 14,1 25,3 35,3 Sesso Età Malattie Totale M F > e + Diabete 33,1 29,0 36,9 2,6 15,2 66,1 117,1 Ipertensione 65,3 53,2 76,7 3,1 35,0 135,7 221,1 Bronchite cron. 45,4 62,4 29,4 7,3 26,1 90,9 138,8 Tumori 5,2 4,3 6,0 1,3 3,2 9,7 14,7

68 segue Sistemazione e presentazione dei dati CLASSIFICAZIONE DEI DATI Intervallo di classe (o ampiezza della classe o modulo) = distanza tra il limite inferiore e il limite superiore delle classi esempio: distribuzione dei valori della pressione arteriosa sistolica:fino a 100; ; ; , ecc Valori estremi delle classi = limite inferiore e limite superiore delle classi è necessario evitare la sovrapposizione dei valori estremi Limiti nominali e limiti reali delle classi Esempio di limiti nominali:distribuzione secondo l età = 0-10,10-20,20-30,ecc.. (occorre precisare che la classe 0-10 comprende i bambini fino al compimento del 10 compleanno,quella comprende le persone dall età di 10 anni e un giorno al compimento del 20 compleanno,ecc )

69 segue Sistemazione e presentazione dei dati segue Classificazione dei dati Classi aperte si definiscono classi aperte quelle in cui manca il limite inferiore o superiore esempio:distribuzione per età di una popolazione fino a 20,20-40,40-60,oltre 60 Valori centrali delle classi: media aritmetica tra il limite inferiore e il limite superiore delle classi Esempio: nella precedente distribuzione per età i valori centrali sono 10,30,50,70 (se si tratta di classi aperte si applica convenzionalmente il medesimo intervallo delle altre classi) N.B. L approssimazione introdotta con la classificazione dei dati è tanto maggiore quanto più ampio è l intervallo di classe; i criteri di accettabilità dell approssimazione variano secondo la natura dei dati,le finalità della rilevazione,ecc

70 segue Sistemazione e presentazione dei dati Rappresentazioni grafiche: diagrammi,istogrammi,cartogrammi

71 Diagrammi GRAFICO DELLA TEMPERATURA FEBBRILE

72 Diagrammi CRESCITA PONDERALE DI UN BAMBINO DALLA NASCITA A 24 MESI 11,000 9,000 7,000 5,000 3, nascita 6 mesi 12 mesi 18 mesi 24 mesi

73 Segue RAPPRESENTAZIONE GRAFICA DEI DATI Diagramma polare temperature medie nelle varie stagioni

74 Segue RAPPRESENTAZIONE GRAFICA DEI DATI DIAGRAMMA POLARE Il diagramma rappresenta le temperature medie registrate nelle diverse stagioni a Roma urbe: in alto inverno=14,3 in basso estate=30,1 a destra primavera=19,2 a sinistra autunno=22,4

75 RAPPRESENTAZIONI GRAFICHE-ISTOGRAMMI

76 ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI Elenco delle procedure prelievo da altre fonti(affidabilità dei dati) Rilevazione interviste mediante rilevazione diretta osservazioni (attendibilità dei dati) misurazioni manuali mediante sistemi meccanici automatici manuale (su supporti cartacei) Registrazione automatica ( magnetici,ottici)

77 ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI CONTROLLO DI QUALITA spoglio segue Procedure manuale meccanico (selezionatori di schede) automatico(lettori di banda magnetica, lettura ottica,computer) seriazione scale nominali caratteri qualitativi ordinali caratteri quantitativi (serie ordinate secondo diversi criteri)

78 ACQUISIZIONE,SISTEMAZIONE E PRESENTAZIONE DEI DATI CONTROLLO DI QUALITA segue Procedure classificazione (intervallo di classe,valori estremi e valori centrali delle classi) tabulazione (tabelle semplici,a doppia entrata,a tripla entrata) rappresentazioni grafiche (diagrammi,istogrammi,diagrammi polari)