ПРОГНОЗИРОВАНИЕ РИСКА РАЗВИТИЯ РАССТРОЙСТВ АДАПТАЦИИ У СТУДЕНЧЕCКОЙ МОЛОДЕЖИ
Аннотация
Цель работы: разработать математическую модель для оценки прогнозируемого риска развития расстройств адаптации у студентов младших курсов, с учетом изученных социальных, социально-психологических, медико-психологических, медико-социальных факторов.
Материалы и методы. Были обследованы 510 студентов мужского и женского пола младших курсов в возрасте от 17 до 20 лет, которые проходили обучение на разных факультетах одного из университетов. Скрининговую оценку психической деятельности осуществляли с помощью опросника SCL-90-R. Исследование взаимосвязи между количественным и качественным признаком осуществлялось при помощи однофакторного логистического регрессионного анализа с вычислением статистики χ2Вальда с достигнутым уровнем статистической значимости и ОШ с 95% ДИ.
Результаты и обсуждение. Для распределения студентов по группам использовали кластерный анализ методом «k-срединных». Кластеризация осуществлялась с использованием субшкал SCL-90-R: SOM; INT; DEP; ANX; PHOB. Выявлены статистически значимые отличия между студентами следующих групп: практически здоровые – 273 (53,5%) человека, среди них 130 человек (47,6%) лица мужского пола и 143 человека (52,4%) лица женского пола; с непатологическими нарушениями адаптации (ННА) (группа 2) – 155 (30,4%) человек, среди них 60 (38,7%) лиц мужского пола и 95 (61,3%) женского пола; с отдельными признаками расстройств адаптации (ОПРА) (группа 3) – 82 (16,1%) человека, среди них 13 (15,9%) мужского пола и 69 (84,1%) женского пола. Была построена итоговая прогностическая регрессионная модель формирования расстройств адаптации у практически здоровых студентов: Z = 0,79+(-0,41×X1)+(0,56×Х2)+(-0,24×Х3)+(0,34×Х4), где X1 – стиль жизни; Х2 – оценка сложности выполнения домашних заданий; Х3 – уровень настроения; Х4 – наличие/отсутствие воспитательная работа.
Выводы. Таким образом, предложенная математическая модель может быть использована в повседневной практике медицинским работником, не владеющим специальными знаниями в области математического моделирования, для выявления лиц, имеющих высокий риск формирования расстройств адаптации. Полученные данные легли в основу комплексной программы психопревенции расстройств адаптации у студенческой молодежи.
Литература
2. Derogatis L.R. The SCL#90#R. Baltimore : Clinical Psychometric Research, 1975.
3. Тарабрина Н.В. Методика : опросник выраженности психопатологической симптоматики (SYMPTOM CHECK LIST-90-REVISED – SCL-90-R) : адаптация методики. Москва: Институт психологии РАН, лаборатория психологии посттравматического стресса и психотерапии; 2002.
4. Ланг Т.А., Сесик М. Как описывать статистику в медицине: аннотированное руководство для авторов, редакторов и рецензентов. М.: Практическая медицина; 2011. 480.
5. Груздев А. В. Метод бинарной логистической регрессии в банковском скоринге. Риск-менеджмент в кредитной организации. 2012; 1: 71-91
6. Леонов В. П. Логистическая регрессия в медицине и биологии. Биометрика : журнал для медиков и биологов, сторонников доказательной биомедицины. 2015 : URL: http://www.biometrica.tomsk.ru/logit_1.htm
7. Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований. Санкт-Петербург:ВМедА; 2002. 266.