ТЕРАПЕВТИЧЕСКИЙ ВЫБОР ХРОНИЧЕСКИХ БОЛЬНЫХ: МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ В ЗЕРКАЛЕ CHAID-АНАЛИЗА

© 2019 Ксения Георгиевна ГЕРАСИМОВА

МАиБ  2019 –  № 2 (18)

DOI: https://doi.org/10.33876/2224-9680/2019-2-18/03

Ссылка при цитировании:

Герасимова К.Г. (2019) Терапевтический выбор хронических больных: модели принятия решений в зеркале CHAID-анализа. Медицинская антропология и биоэтика, 2(18).

Ксения Георгиевна Герасимова ­–

кандидат социологических наук;

доцент кафедры методологии

социологических и маркетинговых исследований Самарского национального исследовательского

университета имени академика С.П. Королева

(Самара)

https://orcid.org/0000-0001-6611-6901

E-mail: gerasimovakg@gmail.com

Ключевые слова: медицинский выбор, терапевтические решения, факторы медицинского выбора, ситуация выбора, хроническая болезнь, самолечение, биомедицина, неконвенциональная медицина, деревья классификаций, CHAID-анализ

Аннотация: В статье представлены результаты социологического исследования, посвященного изучению влияния различных факторов на логику терапевтического выбора пациентов на различных стадиях развития хронической болезни. Результаты опроса 510 хронических больных являются продолжением масштабного исследования особенностей медицинского выбора, реализуемым социологами Самарского университета. С помощью CHAID-анализа показаны особенности принятия терапевтических решений на этапе дебюта болезни и на стадии ее хроникализации. При ведущей роли финансовой доступности в качестве фактора принятия решений вскрыта роль наличного опыта и знания себя, а также доверия-недоверия медицинскому знанию как таковому и медицинским институциям.

*Исследование выполнено при поддержке гранта РФФИ № 17-06-00127 А

Введение

В современном дискурсе здоровья на фоне тотальной медикализации повседневности, возрастающей доступности и востребованности альтернативных биомедицине практик лечения (Садыков 2012; Самарская, Тепер 2007), а также кризиса доверия медицинским институтам (Аронсон 2006; Здравомыслова, Тёмкина 2009) особую актуальность приобретают вопросы, связанные с изучением терапевтических решений пациентов –  выборов, которые осуществляет субъект в отношении стратегии собственного лечения. Уже недостаточно «объявить» больного девиацией, которую необходимо устранить для восстановления привычного функционирования общественной системы (Parsons 1951). Необходимы иные методологические инструменты для социологического осмысления субъекта в ситуации болезни. В значительной мере этой исследовательской потребности отвечает медицинская антропология, и в частности, направление Study of Medical Choice, флагманами которого являются американские исследователи Линда Гарро и Джемс Янг (Garro 1998a, 1998b; Young, Garro 1994; Лехциер 2018; Финкельштейн 2018).

Методологические контуры исследования

Канву нашего исследования1 определяют несколько принципиальных методологических нитей. В первую очередь, это ограничения объекта исследования хроническими больными. Этот выбор далеко не случаен. Именно лица с хроническими заболеваниями в современном обществе представляют собой типичного больного (Дёрнер 2006; Лехциер 2018). Во-вторых, мы говорим о медицинском (терапевтическом) решении как о выборе, который осознанно осуществляется больным человеком непосредственно в связи с процессом лечения (и, собственно, ограничен им). И, в-третьих, началом координат в нашем исследовании являются сам субъект, принимающий терапевтические решения, его ценностная система и особенности видения ситуации. Таким образом, в нашем исследовании мы в первую очередь опираемся на основные принципы, выработанные в рамках когнитивной медицинской антропологии.

В эмпирическом поле наше исследование особенностей медицинского выбора пациента состояло из двух последовательных этапов, реализованных, соответственно, в качественной и количественной стратегии.

Качественное исследование (2017), предшествующее опросу, задало концептуальные рамки количественного этапа (серия глубинных интервью с хроническими больными). В частности, рассмотрение хронической болезни сквозь призму ее протекания во времени: от постановки диагноза (дебют болезни – Ситуация 1) к подтверждению диагноза и назначению лечения (Ситуация 2) и далее к хроникализации заболевания (Ситуация 3) (Лехциер, Готлиб 2017).

Кроме того, анализ глубинных интервью позволил выявить спектр вариантов поведения, характерных для каждой ситуации протекания болезни, а также определить частные факторы, влияющие на медицинские решения хронических больных. Выявленные частные факторы были обобщены, и для каждой ситуации болезни сформировался пул укрупненных детерминант, количественную представленность и степень влияния которых мы оценивали на стадии анализа результатов опроса.

Модели медицинского выбора хронических больных в крупном российском городе

Дизайн эмпирического исследования и логика анализа данных

Данные, которые мы будем далее обсуждать, получены в ходе второго (количественного) этапа эмпирического исследования по изучению медицинского выбора хронических больных (полевой этап: сентябрь-октябрь 2018 г). Сбор данных осуществлялся в формате полуформализованного интервью. Выборка исследования двухступенчатая: на первом шаге использовался стратифицированный отбор по типу заболевания, а на втором – квотный отбор по критериям «пол» и «возраст». Объем выборочной совокупности составил 510 хронических больных г. Самары.

Модели медицинского выбора в нашем исследовании изучались посредством метода деревьев классификации (ДК, Decision tree) – с помощью CHAID-анализа (Chi Square Automatic Interaction Detection Analysis).

Интерес со стороны социологов к данной методике анализа в последнее время более чем оправдан. Он универсален как в контексте работы с BigData, так и в отношении решения содержательных задач классических выборочных исследований (Castellani B.,Castellani J. 2003).

Деревья классификации (наряду с деревьями регрессии) относятся к классу методов деревьев решений. Они объединяют в себе группу методов (например, CHAID, CRT, QUEST), используемых для изучения статистической взаимосвязи между одной зависимой переменной (в нашем случае разновидность терапевтического решения) и несколькими независимыми переменными (предиктами). Результатом использования деревьев решений является древовидная структура данных, наглядно представляющая итог иерархической сегментации.

В рамках процедуры анализа происходит последовательное разбиение данных на узлы (сегменты) в зависимости от степени влияния предиктов (от корневого к терминальным, или конечным, то есть тем, которые дальше не ветвятся). Для каждого узла отображается вероятность (доля) проявления значений зависимой переменной (Груздев 2016). Деревья классификации показывают свою высокую конкурентоспособность по сравнению с регрессионным или дискриминантным анализом как раз за счет более наглядного представления решения в виде иерархичной структуры и отсечения «неинформативных» входящих переменных (Бова 2002; Milanović, Stamenković 2016).

Метод деревьев классификации в социологических исследованиях применяется для разных типов содержательных задач. Он может быть использован самостоятельно, либо в качестве альтернативной модели (в сравнении с результатами использования других методов) (Толстова 2000: 256-289). Так, например, результаты обработки вторичных данных Европейского социального исследования (ESS) за 2008 и 2016 гг. в контексте анализа различий в восприятии социальной справедливости на базе методики CHAID позволили сделать выводы о преимущественном влиянии возраста и дохода на мнение респондентов (Мастикова 2019).

На примере изучения факторов академической успеваемости бакалавров первого года обучения Сапонов Д.И. сравнивает познавательные возможности моделирования на основе логистической регрессии, анализа соответствий и деревьев классификации (Сапонов 2013).

Использование практически такого же ансамбля методов (логлинейный анализ,  множественный анализ соответствий и CHAID-анализ) для состав­ления портрета типичного представи­теля электората различных российских политических партий на основе базы восьмой волны Европейского соци­ального исследования, проведенного в 2016 г., критически осмысливают Ротмистеров А.Н. и Жучкова С.В. (Ротмистеров, Жучкова 2016).

Особенно интересные содержательные результаты дает последовательное сочетание ДК с другими методами математического анализа. Последовательное использование латентно-структурного анализа и деревьев классификации при изучении стратегий поиска работы среди нетрудоустроенных горожан на примере Чехии дают Сульц З., Стеценкова М. и Вильд И. (Šulc1, Stecenková et al. 2015).

Деревья классификации также могут дать наглядное представление о качестве авторских тестовых методик (Дембіцький 2019: 89-90)

Деревья классификации особенно актуальны при изучении логики выбора. Так, последовательно отслеживая силу влияния предиктов, мы получаем алгоритм, на основании которого, с большей долей вероятности субъектом осуществляется тот или иной выбор. А параметры (социальные признаки), не влияющие в значительной степени на дифференциацию возможных альтернатив выбора, просто не включаются в древовидную структуру и не «утяжеляют» модель.

Социологи Тенишева К.А., Савельева С.С. и Александров Д.А. наглядно раскрывают логику выбора школы родителями с использованием условного дерева решений на фоне данных, полученных с помощью логистической регрессии (Тенишева, Савельева и др. 2018).

Таким образом, именно деревья классификации релевантны нашим задачам по поиску алгоритмов терапевтических решений пациентами на разных стадиях развития хронической болезни: от ее дебюта (Стадия 1) к хроникализации (Стадия 3).

Спектр решений, которые может осуществить пациент на каждом этапе, достаточно разнообразен (от обращения в государственную поликлинику или частным медикам до применения гомеопатии и народных методов лечения). В рамках моделирования, на основании эмпирического распределения ответов респондентов, мы свели представленное разнообразие к четырем основным вариантам вне зависимости от ситуации: обращение только к официальной медицине; микс биомедицинского выбора и самостоятельного лечения; только самостоятельное лечение и другие варианты (к которым мы относили выбор альтернативной медицинской помощи, в частности, народное целительство, индийскую аюрведу, традиционную китайскую медицину, гомеопатию). В данном случае под официальной медициной подразумевается конвенциональная медицина (или биомедицина как система здравоохранения западного типа, основанная на синтезе объективистского научного знания и медицинских технологий).

Как мы видим (Таблица 1) на всех трех этапах болезни в значительной степени преобладает выбор пациентов в пользу обращения к официальной медицине. Однако по мере развития истории болезни, к третьей стадии, гегемония официальной медицины значительно ослабевает. Если на этапе дебюта болезни выбор в пользу официальной медицины осуществляли три четверти респондентов (74,3%), а на этапе подтверждения диагноза 79,8%, то на стадии хроникализации и контроля заболевания распространенность такого выбора падает практически в полтора раза – до 57,3%.

По мере развития заболевания и «укоренения» его в повседневности пациентов усиливается индивидуальная ответственность и готовность принимать самостоятельные решения относительно собственного здоровья, во многом благодаря появлению опыта «диалога с болезнью». Так, к Ситуации 3 доля пациентов, выбирающих самостоятельное лечение, увеличивается в 3,5 раза: от 6,3%на этапе дебюта болезни до 23,3% к стадии ее хроникализации и контроля.

В структуре форм самолечения вне зависимости от ситуации преобладает медикализированноесамолечение, то есть осуществляющееся при помощи средств биомедицины, имеющихся в доме или самостоятельно купленных в аптеке, без консультации с фармацевтом.

Вместе с тем, каждая Стадия болезни глубоко специфична, и терапевтические выборы, которые осуществляют пациенты, на каждом этапе могут быть обусловлены разными причинами. Подробнее с ключевыми результатами этого этапа исследования и особенностями пациентского выбора в различных социально-демографических группах можно ознакомиться в статье (Лехциер, Готлиб и др. 2019). Здесь же обратимся к результатам использования CHAID-анализа для иллюстрации моделей пациентского выбора в двух полярных ситуациях: дебюта болезни и перехода ее в хроническую стадию. Мы намеренно оставляем в тени промежуточную стадию (Ситуацию 2), связанную с подтверждением диагноза и назначением лечения, поскольку поведение пациента и факторы, его определяющие, во многом схожи с Ситуацией 1 (дебют болезни).

Ситуация 1: Дебют болезни

Набор факторов, которые задают координаты действий пациентов на этапе знакомства с болезнью, когда она еще не перешла в стадию хроники и не стала неотъемлемой частью жизни, но уже симптоматично заявила о себе, настойчиво побудив к осуществлению терапевтического выбора, был задан 17 суждениями (с которыми респонденты выражали степень своего согласия по 3-членной порядковой шкале).

На этапе обработки данных конкретные суждения образовывали частные (и более «высокие» – общие) факторы, относительная представленность которых учитывала абсолютную степень согласия респондентов (крайний пункт шкалы) с соответствующими базовыми суждениями (хотя бы с одним, относящимся к соответствующему фактору).

Мы будем рассуждать и вести моделирование на уровне частных факторов. С точки зрения их распространенности, наиболее популярным, определяющим поведение пациентов в Ситуации 1, выступает фактор финансовой доступности (78,6%). Далее, со значительным отставанием пациентский выбор определяет субъективное восприятие болезни (48,8%), оценка собственного состояния (45,3%) и доверие-недоверие медицинскому знанию (43,4%) (Таблица 2).

Стоит оговориться, что суждения, которые использовались для понимания факторов принятия терапевтических решений содержали как позитивные, так и негативные высказывания (например, в отношении доверия или недоверия). Это принципиальная позиция. Ведь объясняет свое решение пациент тем, что он доверяет врачам, или, напротив, тем, что не доверяет, то есть он мыслит в категориях доверия. И именно этот контекст важен. Кроме того, напомню, что спектр суждений формировался, исходя из результатов предыдущего (качественного) этапа исследования.

Анализ простого распределения частных факторов дает нам лишь общую картину субъективной оценки со стороны пациентов, какие именно аспекты повлияли на их выбор действий в ситуации знакомства с болезнью. Задачу же фактической оценки влияния рассматриваемых факторов на типы пациентского выбора будем решать с помощью CHAID анализа и построения дерева решений.

Расчет показателей модели осуществлялся с помощью статистического пакета IBM SPSS Statistics. Полученное иерархическое решение представлено на Рисунке 1. Если суждения, образующие частный фактор, отражали ключевые аспекты хронических больных при принятии терапевтических решений относительно своего недуга, то фактор обозначается значимым («+»). В случае, если респонденты, характеризуя свой выбор, не выразили согласие ни с одним из суждений, формирующими частный фактор, он считался незначимым («-»).

Для первой ситуации глубина дерева классификации для первой ситуации составляет 3 уровня. Частными факторами, формирующими ветвление, выступают: финансовая доступность, каналы коммуникации и доверие/недоверие медицинским институциям.

Ведущей детерминантной, определяющей поведение пациентов на этапе знакомства с болезнью, выступает фактор финансовой доступности. Как можно видеть, в рамках Терминального (конечного) узла 1 (фактор Финансовой доступности не имел значения для респондентов) наиболее часто встречаются лица, принимающие самостоятельные решения относительно своего лечения (28,4%).

Наиболее высокая вероятность обращения к традиционной медицине (91,2%) у тех, кто учитывает финансовую доступность, однако не рассматривает при принятии решений знания, полученные через каналы коммуникации и аспект доверия к медицинским институциям.

Доля пациентов, использующих микс вариантов обращения к биомедицине и самостоятельных действий, наиболее выражена в Узле 3 – финансовая доступность традиционной медицины для них не принципиальна, а факторы каналов коммуникации, напротив, учитываются при принятии решений (29,7%). Такие пациенты во многом перестраховываются, поскольку в коммуникационный фактор у нас входят суждения, связанные с поиском информации и обсуждением болезни в референтной группе. Несколько реже вероятность такого комплексного выбора пациентов в ситуации, когда добавляется фактор доверия к медицинским институциям (Терминальный узел 5) – 24,6%.

Предиктивное качество модели для Ситуации 1 на уровне 74,3%. То есть на основании построенного древовидного решения три четверти случаев предсказываются верно.

Ситуация 3: Хроникализация болезни

Итак, болезнь развивается и переходит в стадию хронической, и пациент снова вынужден принимать терапевтические решения, которые вписываются в дилемму, обращаться или нет к официальной медицине, осуществлять ли этот выбор самостоятельно и пр. При этом спектр факторов, которыми он руководствуют несколько отличается от дебютного набора (Таблица 3).

Стоит обратить внимание, что фактор финансовой доступности заметно снижает свою значимость для респондентов (51,4%) на фоне его распространенности на первом этапе, как, собственно, и коммуникационный фактор (10,2%). Вместе с тем, аспект доверия, напротив, начинает выдвигаться вперед: согласие с суждениями, отражающими фактор доверия (недоверия) медицинской науке распространены в 44,1% случаев, а медицинским институциям – 42,0%. Эти тенденции вполне закономерно отражают влияние накопленного личного опыта «жизни с болезнью» и принятию терапевтических решений. Пациенты в большей степени ориентированы на себя, свои внутренние переживания, накопленный позитивный или негативный опыт диагностики и лечения.

Мы помним, что именно на третьей стадии развития хронического заболевания значительно ослабевает доля выборов исключительно в сторону биомедицины, уступая место комплексным решениям и самостоятельным (Таблица 1). Собственно, увеличение доли альтернативных решений и позволяет Дереву быть более «раскидистым» (Рисунок 2): если для первой ситуации модель состояла из 6 узлов (и 4 терминальных), то для третей – уже 10 (и 6 терминальных, конечных решений).

Обратимся к тем узлам, где в наибольшей степени представлены альтернативные решения (не связанные или частично связанные с конвенциональной медициной). Как мы видим, наиболее высокая вероятность принимать исключительно самостоятельные терапевтические решения(Терминальный узел 7 – 78,9%) распространена среди пациентов, которые руководствуются фактором финансовой доступности, ориентируются на знание себя и включают аспект (не)доверия к медицинским институциям в схему принятия решений. В подавляющем большинстве случаев их действия определены принципом «Лучше меня никто не знает мой организм», а официальную медицину они воспринимают сквозь призму использования химии для лечения пациентов.

Сторонники традиционной биомедицины также в значительной степени руководствуются фактором финансовой доступности и знанием себя, однако в финале их решение определяет вопрос доверия к медицинской науке (Терминальный узел 10 – 80%). Три фактора решения для этих пациентов, которыми они руководствуются, делая выбор в пользу официального медицинского лечения, связаны с признанием собственного опыта лечения как значимого («У меня уже есть опыт лечения»), учетом необходимости постоянного наблюдения профессионалами («Мое заболевание требует постоянного наблюдения официального врача») и наличием врача, вызывающего доверие («У меня есть свой врач, которому я доверяю»).

Совмещение самостоятельного лечения с обращением к официальной медицине характерно для каждого третьего пациента с хроническим заболеванием (Терминальный узел 3 – 34,7%) в случае, если он руководствуется финансовой доступностью и знанием себя.

Степень предсказательной возможности построенной модели несколько меньше, по сравнению с Деревом для Ситуации1, однако также достаточно высока – 69,8%.

Обобщенные стратегии терапевтического выбора хронических больных

В качестве дополнительной задачи исследования мы рассматривали выявление общей стратегии терапевтических выборов (поведенческих стратегий), основанной на комплексном опыте переживания болезни. Обобщая варианты медицинского выбора хронических больных и логически систематизируя типы поведения в трех последовательных ситуациях развития болезни можно выделить несколько общих поведенческих стратегий:

  1. Радикальные приверженцы биомедицины (44,3%). Во всех трех ситуациях хронической болезни их выбор состоял в обращении к официальной медицинской помощи.
  2. Сторонники биомедицины (40,6%). Несмотря на преобладание выборов в пользу официальной медицины, в стратегии пациентов присутствуют и альтернативные (дивергентные) формы.
  3. Сбалансированно сочетающие официальную медицину и самолечение (6,3%). В отличие от предыдущей стратегии, роль официальной медицины для этих хронических пациентов значительно слабее.
  4. Сторонники самолечения (7,5%).
  5. Другие варианты терапевтических выборов представлены крайне фрагментарно (1,4%).

Попытка построить обобщенную поведенческую модель с помощью CHAID-анализа не увенчалась успехом. Нами были рассмотрены такие аспекты как пол, возраст, образование, уровень материального положения, стаж болезни, тип заболевания. В самом общем виде, на уровне оценок по критерию Хи-квадрат, мы можем уловить зависимость обобщенных поведенческих стратегий от уровня образования: пациенты с незаконченным высшим и высшим образованием, с ученой степенью в большей степени склонны принимать самостоятельные решения, нежели лица с более низким уровнем образования. Кроме того, в возрастных группах 18-30 и 45-59 лет чаще можно обнаружить сторонников самолечения.

Таким образом, объективные характеристики не лежат в основе дифференциации терапевтических решений и не могут дать ответы на вопрос о том, как поведут себя больные с хроническими заболеваниями в ситуации медицинского выбора.

В отличие от классических антропологических исследований Medical Choice, построенных на изучении традиционных обществ, наше исследование моделей терапевтических решений хронических больных в крупном российском городе «осложнялось» безусловным доминированием  конвенциональной медицины и, как следствие, слабой распространенностью альтернативных медицинских выборов.

Заключение и обсуждение моделей

Деревья классификации в качестве математического метода весьма успешно позволяют решить содержательную задачу изучения выбора субъекта и терапевтического выбора хронического больного в частности. Моделирование алгоритмов принятия терапевтических решений в ситуациях знакомства с болезнью и ее хроникализации показало ведущую роль фактора финансовой доступности при выборе стратегии пациентов. При этом показательно, что на этапе дебюта болезни (Ситуация 1) выбор пациентов опирается на необходимость максимального погружение в «информационное поле болезни» и терапевтический выбор основан на факторах знания, полученных из каналов коммуникаций, в контексте доверия-недоверия медицинским институциям.

К третьей стадии болезни (Ситуация 3), когда во многом произошло ее укоренение в повседневном опыте, в игру вступают факторы, завязанные на собственный опыт переживания недуга и позитивный (или негативный) опыт предыдущих медицинских решений, в частности, обращений к официальным медицинским институтам.

В значительной степени опыт моделирования осложнялся доминированием конвенциального медицинского выбора, но его ослабевание по мере развития болезни позволило расширить координатные плоскости факторного пространства и оценить особенности принятия терапевтических решений хроническими больными.

_____________________________________________

Примечания:

1 «Создание моделей медицинского выбора: социологический анализ алгоритмов принятия решений врачами и пациентами в крупном российском городе»: руководитель проекта – д.ф.н., проф. Лехциер В.Л.; участники проекта – д.с.н., проф. Готлиб А.С., к.с.н. Герасимова К.Г., Лушавина А.А., Финкельштейн И.Е., Зайцева Е.А., Белоусова Н.В.

Библиография

Аронсон, П.Я. (2006) Утрата институционального доверия в российском здравоохранении, Журнал социологии и социальной антропологии, Т.9, №2, с. 120–131.

Бова, А. (2002) Деревья решений как техника добычи данных, Социология: теория, методы, маркетинг, №1, с. 128–136.

Груздев, А. (2016) Прогнозное моделирование в IBM SPSS Statistics и R. Метод деревьев решений, М.: ДМК Пресс.

Дёрнер, К. (2006) Хороший врач, М.: Алетейя.

Жучкова, С. В., Ротмистров, А. Н. (2019) Поиск многомерной связи категориальных признаков: сравнение CHAID, логлинейного анализа и множественного анализа соответствий, Мониторинг общественного мнения: экономические и социальные перемены, № 2, с. 32–53.

Здравомыслова, Е., Тёмкина, А. (2009) «Врачам я не доверяю, но… » Преодоление недоверия к репродуктивной медицине. Здравомыслова Е., Тёмкина А.(ред.) Здоровье и доверие: гендерный подход к репродуктивной медицине, СПб.: Издательство Европейского университета в Санкт-Петербурге, с. 179–210.

Лехциер, В.Л. (2018) Болезнь: опыт, нарратив, надежда. Очерк социальных и гуманитарных исследований медицины, Вильнюс: Logvino literatūros namai.

Лехциер, В.Л., Готлиб, А.С. (2017) Медицинский выбор хронических больных в крупном российском городе: опыт качественного анализа. Лишаев С.А. (ред.), Mixturaverborum’ 2017: человек и время. Философский ежегодник, Самара: Самарская гуманитарная академия, с. 108–136.

Лехциер, В. Л., Готлиб, А. С., Финкельштейн, И. Е. (2019) Медицинский выбор хронических больных в крупном российском городе: ситуации, практики, факторы, Социологический журнал, Т. 25, № 2, с. 78–98.

Мастикова, Н. С. (2019) Восприятие социальной справедливости россиянами на основе данных европейского исследования, Научный результат. Социология и управление, Т.5, №1, с. 39–51.

Садыков, Р.А. (2012) Статус гомеопатии в пространстве российского здравоохранения: автономия или интеграция? Журнал исследований социальной политики, Т.10, №1, с. 109-126.

Самарская, Т.А., Тепер, Г.А. (2007) Альтернативная медицина российской провинции, Журнал исследований социальной политики, Т.5, №1, с. 87–103.

Сапонов, Д.И. (2013) Опыт конкурентной борьбы как фактор академической успеваемости, Мониторинг общественного мнения: экономические и социальные перемены, №5(117), с.113–126.

Тенишева, К. А., Савельева, С. С., Александров, Д. А. (2018) Применение метода условных деревьев решений к моделированию выбора родителями школы, Социология: методология, методы, математическое моделирование (4М), Т.46, с. 44–84.

Толстова, Ю.Н. (2000) Анализ социологических данных, Методология, дескриптивная статистика, изучение связей между номинальными признаками, М.: Научный мир.

Финкельштейн, И. Е. (2018) Модель принятия терапевтических решений в когнитивной медицинской антропологии Линды Гарро, Вестник Санкт-Петербургского университета. Социология, Т. 11, Вып.1, с. 79–93.

Castellani, B., Castellani, J. (2003) Data Mining: Qualitative Analysis with Health Informatics Data. Qualitative Health Research, 13(7), pp. 1005–1018.

Garro, L. C. (1998a) On the Rationality of Decision-Making Studies: Part 1: Decision Models of Treatment Choice, Medical Anthropology Quarterly, 12(3), pp.319–340.

Garro, L. C. (1998b) On the Rationality of Decision-Making Studies: Part 2: Divergent Rationalities. Medical Anthropology Quarterly, Vol. 12(3), pp. 341–355.

Milanović, M., Stamenković, M. (2016) CHAID decision tree: methodological frame and application, Economic Themes, Vol. 54(4), pp. 563–586.

Parsons, Т. (1951) The social system, N.Y.: The Free Press.

Šulc, Z., Stecenková, M., Vild, J. (2015) Two-Step Classification of Unemployed People in the Czech Republic, Statistica, Vol. 95 (1), pp. 38–46.

Young, J. C., Garro, L. (1994) Medical Choice in a Mexican Village. Prospect Heights, Illinois: Waveland Press.

Дембіцький, С. (2019) Розробка соціологічних тестів: методологія і практики їїзастосування: мографiя, Київ: Інститутсоціології НАН України.

References

Aronson, P.YA. (2006) Utrata institucional’nogo doveriya v rossijskom zdravoohranenii [Loss of institutional trust in Russian healthcare], Zhurnal sociologii i social’noj antropologii [The Journal of Sociology and Social Anthropology], Vol.9. No.2, pp.120–131.

Bova, A. (2002) Derev’ya reshenij kak tekhnika dobychi dannyh [Decision trees as a data mining technique], Sociologiya: teoriya, metody, marketing [Sociology: theory, methods, marketing], No 1, pp.128–136.

Gruzdev, A. (2016) Prognoznoe modelirovanie v IBM SPSS Statistics i R. Metod derev’ev reshenij [Predictive modeling in IBM SPSS Statistics and R. Decision tree method], Moscow: DMK Press.

Dembitskyi, S. (2019) Rozrobka socіologіchnih testіv: metodologіja і praktiki її zastosuvannja[Development of Sociological Tests: Methodology and Practices of Its Application], Kiev: Іnstitut socіologії NAN Ukraїni publ.

Dorner, K. (2006) Horoshij doktor [Good doctor], Moscow: Alitejya.

Zhuchkova, S. V., Rotmistrov, A. N. (2019) Poisk mnogomernoj svyazi kategorial’nyh priznakov: sravnenie CHAID, loglinejnogo analiza i mnozhestvennogo analiza sootvetstvij [In search of multivariate associations: comparison of CHAID, log-linear analysis, and multiple correspondence analysis], Monitoring obshchestvennogo mneniya: ekonomicheskie i social’nye peremeny [Monitoring of Public Opinion: economic and Social Changes], No 2, pp. 32–53.

Zdravomyslova E., Tyomkina А. (2009) «Vracham ya ne doveryayu, no… » Preodolenie nedoveriya k reproduktivnoj medicine [“I don’t trust doctors, but …” Overcoming mistrust in reproductive medicine] Zdravomyslova E., Tyomkina А. (eds.), Zdorov’e i doverie: gendernyj podkhod k reproduktivnoj meditsine [Health and trust: a gender approach to reproductive medicine], SPb.: Izdatel’stvo Evropejskogo universiteta v Sankt-Peterburge, pp. 179–210.

Lekhtsier, V.L. (2018) Bolezn’: Opyt, Narrative, Nadezhda. Ocherk social’nyh i gumanitarnyh issledovaniĭ mediciny [Disease: Experience, Narrative, Hope. Essay on the social and humanities research of medicine]. Vilnius: Logvino literatūros namai.

Lekhtsier, V.L., Gotlib, А.S. (2017) Meditsinskij vybor khronicheskikh bol’nykh v krupnom rossijskom gorode: opyt kachestvennogo analiza [Medical choice of chronic patients in a large Russian city: experience of qualitative analysis] Lishaev S.S. (eds.) Mixturaverborum’ 2017: chelovek i vremya: filosofskij ezhegodnik [Mixturaverborum’ 2017: Man and time. Philosophical Yearbook], pp. 108–136.

Lekhtsier, V.L., Gotlib, A.S., Finkelshtein, I.E. (2019) Medicinskij vybor hronicheskih bol’nyh v krupnom rossijskom gorode: situacii, praktiki, faktory [Medical choice of chronic patients in a large Russian сity: Situations, practices, factors], Sociologicheskij zhurnal [Sociological Journal], Vol. 25, No. 2, pp. 78–98.

Mastikova, N. S. (2019) Vospriyatie social’noj spravedlivosti rossiyanami na osnove dannyh evropejskogo issledovaniya [Perception of social justice by Russians based on data from a European study], Nauchnyj rezul’tat. Sociologiya i upravlenie [The scientific result. sociology and management], Vol.5, No 1, pp. 39–51.

Sadykov, R.A. (2012) Status gomeopatii v prostranstve rossijskogo zdravoohraneniya: avtonomiya ili integraciya ? [The status of homeopathy in the Russian healthcare space: autonomy or integration?], Zhurnal issledovanij social’noj politiki [Journal of Social Policy Studies], Vol. 10, No 1, pp. 109–126.

Samarskaya, T.A., Teper, G.A. (2007) Al’ternativnaya medicina rossijskoj provincii [Alternative medicine of the Russian province], Zhurnal issledovanij social’noj politiki [Journal of Social Policy Studies], Vol. 5, No 1, pp. 87–103.

Saponov, D.I. (2013) Opyt konkurentnoj bor’by kak faktor akademicheskoj uspevaemosti [Competition experience as a factor of academic performance], Monitoring obshchestvennogo mneniya: ekonomicheskie i social’nye peremeny [Monitoring of Public Opinion: Economic and Social Changes Journal], No 5, pp.113–126.

Tenisheva, K. A., Savel’eva, S. S., Aleksandro,v D. A. (2018) Primenenie metoda uslovnyh derev’ev reshenij k modelirovaniyu vybora roditelyami shkoly [Application of the method of conditional decision trees to modeling the choice of school parents], Sociologiya: metodologiya, metody, matematicheskoe modelirovanie (4M) [Sociology: Methodology, Methods, Mathematical Modeling], Vol.46, pp.44–84.

Tolstova, YU.N. (2000) Analiz sociologicheskih dannyh. Metodologiya, deskriptivnaya statistika, izuchenie svyazej mezhdu nominal’nymi priznakami [Analysis of sociological data. Methodology, descriptive statistics, the study of the relationship between nominal features], Moscow: Nauchnyj mir.

Finkelshtein, I. E. (2018) Model’ prinyatiya terapevticheskih reshenij v kognitivnoj medicinskoj antropologii Lindy Garro [Model of decision-making in medical anthropology L. Garro], Vestnik Sankt-Peterburgskogo universiteta. Sociologiya [Vestnik of Saint Petersburg University. Sociology], Vol. 11, issue 1, pp. 79–93.

Castellani, B., Castellani, J. (2003) Data Mining: Qualitative Analysis with Health Informatics Data, Qualitative Health Research, 13(7), pp. 1005–1018.

Garro, L. C. (1998a) On the Rationality of Decision-Making Studies: Part 1: Decision Models of Treatment Choice, Medical Anthropology Quarterly, 12(3), pp.319–340.

Garro, L. C. (1998b) On the Rationality of Decision-Making Studies: Part 2: Divergent Rationalities, Medical Anthropology Quarterly, Vol. 12(3), pp. 341–355.

Milanović, M., Stamenković, M. (2016) CHAID decision tree: methodological frame and application, Economic Themes, Vol. 54(4), pp. 563–586.

Parsons, Т. (1951) The social system, N.Y.: The Free Press.

Šulc, Z., Stecenková, M., Vild, J. (2015) Two-Step Classification of Unemployed People in the Czech Republic, Statistica, Vol. 95 (1), pp. 38–46.

Young, J. C., Garro, L. (1994) Medical Choice in a Mexican Village. Prospect Heights, Illinois: Waveland Press.

Список сокращений

CHAID — Chi Square Automatic Interaction Detection Analysis

CRT — Classification and Regression Trees

QUEST – Quick, Unbiased, Efficient Statistical Tree

SPSS — Statistical Package for the Social Sciences