Compilation of medical data in the MS Excel program using the procedure of multifactorial «intermediate outcomes»

Full Text

Стандартная процедура «промежуточных итогов» (ПИ, англ. вариант - subtotal), встроенная в MS Excel, служит одним из методов обобщения данных в таблице со стандартным представлением [3-5]. Вместе с тем, ПИ используют лишь один фактор (столбец), что ограничивает возможности процедуры в тех случаях, когда необходимо учитывать множество факторов. Так, база данных больных раком желудка после проведённого лечения может включать как стандартные параметры пациента (пол, возраст и др.), так и параметры его заболевания (стадию процесса, глубину инвазии, макроскопическую и микроскопическую характеристику, вид оперативного вмешательства, объём лимфаденэктомии и т.д.). При этом только стадии опухоли имеют 16 значений по классификации TNM. Таким образом, выбор сравниваемых групп больных занимает значительное время, или их анализ в ряде случаев становится вовсе невозможным. В связи с проблемой обработки базы данных онкологических больных ещё в конце 90-х годов [1] возникла потребность в разработке программы многофакторных ПИ, которая позволяла бы отслеживать чувствительность показателей к нескольким факторам одновременно. Она должна была быть реализована в MS Excel, не уменьшая при этом его удобства и функционала, что и было осуществлено средствами Visual Basic for Applications (VBA). Код программы впоследствии использовали в ряде исследований, не относящихся к области медицины, например при обработке и обобщении статистических показателей случайных последовательностей [2], а также результатов решения итерационных уравнений, использовавших панельные данные российских банков и временные ряды биржевых индексов. Сравнение стандартной процедуры ПИ и многофакторных ПИ Для демонстрации недостатков процедуры ПИ рассмотрим общий вид диалогового окна (рис. 1). Процедура ПИ фиксирует изменения лишь в одном столбце (факторе), обозначенном фразой «При каждом изменении в:». При этом обобщение данных может проводиться по множеству ячеек, указанных в поле: «Добавить итоги по:», но лишь с одной из статистических функций, выбранных в поле «Операция». Переход от однофакторного подхода к многофакторному в рамках стандартной процедуры ПИ, конечно, возможен. Для этого необходимо объединить интересующие нас в данный момент факторы в один, например с помощью функции «сцепить» (англ. [Concatenate (cell1, cell2)]). Очевидно, что применение дополнительных рутинных операций для повышения общего количества используемых факторов снижает привлекательность стандартной процедуры ПИ. К сожалению, данная процедура не претерпела сколь-нибудь значимых изменений за последние 10 лет: ПИ версии MS Excel 2010 по-прежнему оперируют изменением значений лишь в одном факторе. Рассмотрим работу стандартной процедуры однофакторных ПИ и результат работы программы многофакторных ПИ, предложенной далее в разделе «Реализация процедуры многофакторных ПИ средствами VBA». Для этого воспользуемся базой данных больных раком желудка, лечившихся в Казанском городском онкологическом диспансере (ныне в составе Республиканского клинического онкологического диспансера, г. Казань), за 20 лет. В рамках данной статьи анализировались данные больных, у которых опухоль локализовалась в пределах I-II сегментов желудка, локализацию опухоли учитывали как один из факторов. Применение стандартной процедуры однофакторного ПИ представлено на рис. 2. Для получения на рис. 2 результата исследователю необходимо выставить ряд предварительных фильтров. Выборка должна включать следующие маркёры: (1) выписанные больные, (2) больные, пережившие 5-летний период, (3) локализация опухоли по сегментам I, II, I-II. Только после данных операций можно проводить стандартную процедуру ПИ. Кроме того, нахождение 5-летней выживаемости необходимо проводить с помощью автоматической формулы путём деления показателя «Жили 5 и > лет» на показатель «Выписанные». При этом формулу расчёта 5-летней выживаемости вводят вручную. Далее рассмотрим отчёт многофакторных ПИ. В табл. 1-3 показаны одно-, двух- и трёхфакторные ПИ, подсчитанные с помощью программы, описанной в разделе «Реализация процедуры многофакторных ПИ средствами VBA». Табл. 1 является идентичной результатам стандартной процедуры ПИ с той лишь разницей, что исследователь экономит время на установлении фильтров, генерации дополнительных столбцов маркёров и выставлении формул при исчислении нестандартных параметров. При переходе к двух- (табл. 2) и трёхфакторным (табл. 3) ПИ исчезает усреднение показателя, так как происходит дробление выборки на большее количество микрогрупп, создающихся большим числом факторов. В этой связи вскрывается неоднородность рассчитываемых статистических показателей, связанных с чувствительностью данных показателей к выбранным факторам. Кроме того, для ряда групп значительно уменьшается количество больных, что приводит к сокращению достоверности оценки статистического показателя. Однако для микрогрупп со значительным числом больных значения рассчитываемых показателей всё более уточняются, повышая соответствие и достоверность показателей. Реализация процедуры многофакторных ПИ средствами VBA Представим блок-схему для реализации n-факторных ПИ (рис. 3). Ключевой является процедура n-факторной сортировки «Б3», обеспечивающая ранжирование строк в группы, объединённые общей комбинацией значений исследуемых факторов. В связи с этим можно утверждать, что изменение комбинации значений n-факторов при последовательном переборе строк базы указывает на конец текущей выборки и начало новой. Так, вход на первую строку базы означает начало первой выборки, с которой последовательно строка за строкой (обследование за обследованием) собираются в массив статистические показатели. Подтверждённая смена комбинации значений n-факторов в условном блоке X ведёт к сохранению данных по статистике текущей выборки в строку i в отчёте. Массив статистических показателей после вывода в отчёт обнуляется, чтобы быть готовым для расчёта показателей новой выборки. Последовательный перебор строк (обследований) организуется с помощью условного цикла Y, который разрешает цикл, пока триггер check не примет значение 0. При этом триггер check приобретает значение 0 в случае подтверждения наличия пустых значений во всех n факторах в следующей строке (g+1) в условном блоке Z. При неудовлетворении условиям check=1 (то есть при check=0) программа проводит обобщение по всем статистическим итогам всех найденных выборок, подбивая результаты в общую сумму (где это возможно) «ВСЕГО» по базе. Реализация алгоритма многофакторных ПИ с применением VBA для MS Excel также представлена в варианте, где число факторов равно трём. Так, рис. 4 демонстрирует код процедуры с группами команд, выделенными фигурной скобкой, соответствующих ключевым элементам блок-схемы рис. 3. Отметим, что смена анализируемого фактора для данного кода может быть осуществлена изменением одной ячейки путём ввода номера столбца (два-четыре нажатия клавиш). При этом активизация алгоритма происходит с помощью «горячей клавиши», что значительно уменьшает суммарное время, затрачиваемое на генерацию отчёта трёхфакторных ПИ по сравнению с однофакторным вариантом. К примеру, для баз данных, состоящих из 10 000 строк1 (обследований), время генерации отчёта может составлять от 1 до 6 с в зависимости от количества уникальных значений в заданных факторах. В тех случаях, когда комбинации факторов многочисленны и заранее известны, код может быть дополнен их списком, что позволит значительно сократить время на операциях выставления номеров столбцов, соответствующих анализируемым факторам. Стандартные и специфические функции для расчёта статистических показателей в процедуре трёхфакторных ПИ С учётом задач анализа необходимо подобрать функции для расчёта статистических показателей, которые соответствуют требованиям исследования, в массив. Для используемых в стандартной процедуре ПИ функций можно применить фрагмент кода расчёта статистических показателей, являющийся их заменителем. Так, функция подсчёта количества обследований может быть заменена значением параметра cou в строке 49 (см. рис. 4). Операция нахождения минимума для заданной выборки по столбцу x может быть реализована с помощью кода в строке 44 (рис. 5). Операция нахождения максимума по столбцу x проводится с помощью кода в строке 45, а сумма по столбцу x может быть реализована с помощью кода в строке 46. В работах Ф.Ш. Ахметзянова и соавт. [1] алгоритм высчитывал ПИ по послеоперационным осложнениям и летальности в зависимости от объёма операции на желудке и лимфатических узлах, возраста больных. При оценке выживаемости учитывали объём операции на желудке, стадию, объём лимфодиссекции, глубину инвазии, форму роста опухоли, локализацию и степень дифференцировки опухоли. Кроме того, при подсчёте могут быть введены специфические функции, например подсчёт значений выше и ниже определённого уровня. Предположим, что столбец x содержит данные об отдалённых результатах больных после операции, тогда 1-, 2-, 3-, 4- и 5-летняя выживаемость может быть собрана в статистический массив с использованием следующего кода (рис. 6). Для обобщения результатов решения уравнений с использованием итерационных вычислений может встать вопрос подсчёта тестов, где гипотеза отклонялась при p <0,05 и p <0,01. Так, в работе Р.А. Григорьева на базе модели с помощью трёхфакторной процедуры ПИ были обобщены результаты решения множества уравнений, где параметр, отражающий оценочный уровень конкурентных условий в отрасли, был значимым. Алгоритм «consolidator» использовался при подсчёте числа отклонений от гипотезы непредшествия по Грейнжеру с последующим визуальным представлением обобщённых результатов. Предположим, что статистическому блоку необходимо провести операцию подсчёта общего числа строк (уравнений), где гипотеза была отклонена при p <0,05 и p <0,01 только для уравнений с достигнутой конвергенцией. Тогда статистический блок может иметь следующий вид (рис. 7). Cтрока 43 на рис. 7 проверяет наличие конвергенции в ячейке g,y, так как при отсутствии достигнутой конвергенции уравнение считается нерешённым. При этом столбец y хранит данные о наличии конвергенции, а в строке g хранятся данные о результатах решения уравнения. Строка 44 проводит подсчёт всех уравнений, где конвергенция была достигнута, а строки 45 и 46 подсчитывают общее число отклонений гипотезы при p <0,05 и p <0,01 по столбцу x соответственно. Приведённые в статье работы [1, 2] могут подтвердить успешную апробацию алгоритма «consolidator» в анализе таблиц с множеством столбцов, которые способны выступать в качестве факторов. При этом сокращение времени на рутинную подготовку данных для анализа делает предложенный метод привлекательным инструментом обобщения статистических данных. ВЫВОДЫ 1. В наше время исследовательская работа предполагает анализ множества факторов, влияющих на тот или иной процесс или показатель. Предложенная программа трёхфакторных ПИ служит удобным и быстрым инструментом поиска релевантных факторов. 2. Достоверность анализа эффективности лечебной тактики в отношении онкологических пациентов значительно возрастает при использовании предложенной программы трёхфакторных ПИ. 3. Апробация алгоритма для анализа базы данных результатов в медицине и для обобщения результатов итерационных вычислений (например, рекурсивный метод и метод двигающегося окна) и уравнений с разными комбинациями временных рядов в эконометрике может указывать на состоятельность алгоритма как мощнейшего инструмента анализа и обобщения баз данных. 4. Программа имеет значительный потенциал в обобщении результатов кластерных вычислений, когда необходимо компактно представить совокупность множества типичных микрозадач. Рис. 1. Форма стандартной процедуры «промежуточных итогов» в программе MS Excel 2007. григ_1.tif Рис. 2. «Промежуточные итоги» 5-летней выживаемости с учётом локализации опухоли в желудке, где столбец «LOKL» - локализация опухоли, «Выписанные» - число выписанных из стационара больных, «Жили 5 и > лет» - пережившие 5-летний срок после операции, «ПВ» - 5-летняя выживаемость. григ_2.tif Таблица 1. Пример расчёта с помощью программы однофакторных «промежуточных итогов» Локализация опухоли в желудке (сегмент) Число выписанных из стационара больных 5-летняя выживаемость, % I 104 47,12 II 144 59,03 I-II 258 37,6 Всего 506 45,65 Таблица 2. Пример расчёта с помощью программы двухфакторных «промежуточных итогов» Локализация опухоли в желудке (сегмент) Стадия по системе TNM Число выписанных из стационара больных 5-летняя выживаемость, % I 3 2 0 12 16,67 I 3 1 0 8 37,5 I 2 0 0 37 51,35 I 1 0 0 6 83,33 I 2 2 0 4 50 I 3 0 0 28 50 I 2 1 0 9 44,44 II 3 2 0 8 37,5 II 3 1 0 7 28,57 II 2 0 0 58 63,79 II 1 0 0 23 78,26 II 2 2 0 6 33,33 II 3 0 0 27 62,96 II 2 1 0 14 42,86 II 1 2 0 1 0 I-II 3 2 0 51 17,65 I-II 3 1 0 49 22,45 I-II 2 0 0 49 59,18 I-II 1 0 0 1 100 I-II 2 2 0 12 50 I-II 3 0 0 84 44,05 I-II 2 1 0 12 33,33 Всего: 506 45,65 Таблица 3. Пример расчёта с помощью программы трёхфакторных «промежуточных итогов» Локализация опухоли в желудке (сегмент) Стадия по системе TNM Глубина инвазии Число выписанных из стационара больных 5-летняя выживаемость, % I 3 2 0 ПС 12 16,67 I 3 1 0 ПС 8 37,5 I 2 0 0 ПМ 30 50 I 2 0 0 ПП 7 57,14 I 1 0 0 ПСл 6 83,33 I 2 2 0 ПМ 4 50 I 3 0 0 ПС 28 50 I 2 1 0 ПМ 8 50 I 2 1 0 ПП 1 0 II 3 2 0 ПС 8 37,5 II 3 1 0 ПС 7 28,57 II 2 0 0 ПМ 42 61,9 II 2 0 0 ПП 16 68,75 II 1 0 0 ПСл 23 78,26 II 2 2 0 ПМ 5 20 II 2 2 0 ПП. 1 100 II 3 0 0 ПС 27 62,96 II 2 1 0 ПМ 11 45,45 II 2 1 0 ПП 3 33,33 II 1 2 0 ПСл 1 0 I-II 3 2 0 ПС 51 17,65 I-II 3 1 0 ПС 49 22,45 I-II 2 0 0 ПМ 47 59,57 I-II 2 0 0 ПП 2 50 I-II 1 0 0 ПСл 1 100 I-II 2 2 0 ПМ 11 45,45 I-II 2 2 0 ПП 1 100 I-II 3 0 0 ПС 84 44,05 I-II 2 1 0 ПМ 12 33,33 Всего 506 45,65 Примечание. Глубина инвазии: ПС - в пределах серозного слоя, ПМ - в пределах мышечного слоя, ПП - в пределах подслизистой оболочки, ПСл - в пределах слизистой оболочки. 1На программу накладывается ограничение по количеству оперируемых строк в базе данных, соответствующих лимитам MS Excel. Для версии MS Excel 2007 ограничение составляет 1 048 576 строк. Рис. 3. Блок-схема кода «consolidator» для n факторов. григ_33.tif Рис. 4. Реализация алгоритма трёхфакторных промежуточных итогов. григ_4.tif 43 ‘ начало блока расчёта стат. показателей 44 If Sheets(1).Cells(g, x).Value <= st(1) Then st(1) = Sheets(1).Cells(g, 14).Value 45 If Sheets(1).Cells(g, x).Value => st(2) Then st(2) = Sheets(1).Cells(g, 15).Value 46 st(3) = st(3) + Sheets(1).Cells(g,x).Value 47 ‘ конец блока расчёта стат. показателей Рис. 5. Код реализации простых статистически функций. ‘ начало блока расчёта стат. показателей 43 If Sheets(1).Cells(g, x).Value => 1 and Sheets(1).Cells(g, x).Value <2 Then st(1) = st(1) + 1 44 If Sheets(1).Cells(g, x).Value => 2 and Sheets(1).Cells(g, x).Value <3 Then st(2) = st(2) + 1 45 If Sheets(1).Cells(g, x).Value => 3 and Sheets(1).Cells(g, x).Value <4 Then st(3) = st(3) + 1 46 If Sheets(1).Cells(g, x).Value => 4 and Sheets(1).Cells(g, x).Value <5 Then st(4) = st(4) + 1 47 If Sheets(1).Cells(g, x).Value => 5 Then st(5) = st(5) + 1 ‘ конец блока сбора стат. показателей Рис. 6. Код подсчёта выживаемости больных раком желудка. 43 If Sheets(1).Cells(g, y).Value = «A» Then ‘ начало блока расчёта стат. показателей 44 st(1) = st(1) + 1 45 If Sheets(1).Cells(g, x).Value <= 0.05 Then st(2) = st(2) + 1 46 If Sheets(1).Cells(g, x).Value <= 0.01 Then st(3) = st(3) + 1 47 End If ‘ конец блока расчёта стат. показателей Рис. 7. Код подсчёта числа отклонённых гипотез для p <0,05 и p <0,01 с учётом достигнутой конвергенции.

About the authors

R A Grigor’ev

Kazan State Power Engineering University, Kazan, Russia

Email: Ruslan.Grigoryev@yandex.ru

F Sh Akhmetzyanov

Kazan State Medical University, Kazan, Russia

References

Supplementary files