Praca magisterska ze zdrowia publicznego to nie kolejny esej opisujący, że „zdrowie jest ważne”. To badanie populacyjne z konkretną hipotezą, dobraną metodą i policzalnymi wynikami. Jeśli nie wiesz, skąd wziąć dane o zachorowalności w Polsce, jak obliczyć iloraz szans ani kiedy potrzeba komisji bioetycznej – ten przewodnik pokazuje to krok po kroku.
Zanim zaczniesz pisać właściwy tekst pracy, musisz podjąć kilka decyzji, które zdecydują o całej reszcie: jaki typ badania wybierasz, skąd bierzesz dane i jaką statystyką je analizujesz. Pomyłka na tym etapie oznacza przepisywanie całych rozdziałów. Dlatego zacznij od specyfiki kierunku.
Specyfika pracy magisterskiej z zakresu zdrowia publicznego
Zdrowie publiczne łączy epidemiologię, biostatystykę, nauki społeczne i politykę zdrowotną. Praca magisterska na tym kierunku zwykle nie jest badaniem klinicznym (nie masz grupy pacjentów pod opieką). Pracujesz z danymi populacyjnymi, rejestrami, kwestionariuszami lub analizujesz już istniejące zbiory danych (secondary data analysis).
Promotor oczekuje, że potrafisz:
- sformułować pytanie badawcze w postaci testowalnej hipotezy
- dobrać projekt badania adekwatny do pytania i dostępnych danych
- opisać miary zdrowia populacyjnego poprawnie (z jednostkami, przedziałami ufności, populacją odniesienia),
- ocenić ograniczenia własnej analizy, a nie ukrywać ich w przypisach
Praca ze zdrowia publicznego ma zwykle 5 rozdziałów: wstęp z przeglądem literatury, materiał i metody, wyniki, dyskusja, wnioski. W rozdziale „Materiał i metody” promotorzy często sprawdzają, czy student potrafi uzasadnić wybór projektu badawczego, a nie tylko go opisać.
Jedna rzecz, która odróżnia pracę dobrą od przeciętnej: uzasadnienie wielkości próby. Jeśli przeprowadzasz własne badanie ankietowe i nie masz obliczeń mocy testu, recenzent to wypunktuje. O tym więcej w rozdziale o statystyce.
Ważne jest też umiejscowienie pracy na osi interwencja – obserwacja. Zdrowie publiczne zajmuje się zarówno opisem problemu zdrowotnego (badania deskryptywne), jak i oceną skuteczności programów profilaktycznych (badania analityczne, a czasem quasi-eksperymentalne). Jeśli twoja uczelnia ma program wymiany danych z sanepidem lub lokalnym NFZ-em, możesz uzyskać dane regionalne, których nie ma w żadnej publicznej bazie. Sprawdź to u promotora na początku, a nie po napisaniu pierwszego rozdziału.
Typy badań epidemiologicznych – co wybrać do pracy
Projekt badania (study design) wybierasz zanim zaczniesz zbierać dane lub szukać danych wtórnych. Każdy typ ma swoje zastosowania, wady i wymagania formalne.
Badania przekrojowe (cross-sectional)
Badanie przekrojowe to „migawka” populacji w jednym momencie czasowym. Jednocześnie mierzysz ekspozycję (np. palenie tytoniu) i wynik zdrowotny (np. przewlekła obturacyjna choroba płuc). Zaletą jest prostota i niski koszt. Wadą – nie możesz ustalić przyczynowości, bo nie wiesz, co było pierwsze.
Ten typ badania sprawdza się świetnie, gdy chcesz określić chorobowość (prevalence) danego schorzenia lub ocenić czynniki związane z wybranym zachowaniem zdrowotnym w grupie studentów, pracowników lub mieszkańców konkretnego regionu. Dane zbierasz kwestionariuszem (ankieta papierowa, Google Forms, CATI) lub korzystasz z istniejących przekrojowych baz, np. CBOS, Eurobarometer Health Survey, EHIS (European Health Interview Survey).
W opisie metod podaj: okres zbierania danych, metodę doboru próby (losowanie proste, warstwowe, klasterowe), kryteria włączenia i wykluczenia oraz ostateczną liczebność. Przy analizie używasz najczęściej chi-kwadrat dla zmiennych nominalnych i ilorazu szans (OR) z 95% przedziałem ufności.
Badania kohortowe i kliniczno-kontrolne (case-control)
Badanie kohortowe obserwuje grupę osób przez czas i porównuje, jak często chorują ci z ekspozycją vs. bez niej. Miarą jest ryzyko względne (RR) lub wskaźnik zapadalności (incidence rate ratio, IRR). Badania kohortowe wymagają długiego czasu lub dużych danych rejestrowych – na pracę magisterską rzadko robisz je od zera, ale możesz analizować dane z istniejących kohort (np. PolSenior, WOBASZ).
Badanie kliniczno-kontrolne (case-control) idzie w odwrotnym kierunku: zaczynasz od przypadków (ludzi chorych) i dobierasz kontrole (zdrowych), potem cofasz się do ekspozycji. Jest tańsze i szybsze niż kohorta, dobre do rzadkich chorób. Miarą jest iloraz szans (OR), który przy rzadkiej chorobie przybliża RR.
Przy doborze kontroli musisz precyzyjnie opisać zasady matchingu (parowania): wiek (+/- 5 lat?), płeć, miejsce zamieszkania? Każda zasada matchingu musi znaleźć się w metodach. Stosunek przypadków do kontroli 1:2 lub 1:4 zwiększa moc testu bez zwiększania liczby przypadków.
Przeglądy systematyczne i metaanalizy
Przegląd systematyczny to badanie badań. Zamiast zbierać własne dane, szukasz wszystkich opublikowanych badań na dany temat według ściśle określonego protokołu (PRISMA checklist – Preferred Reporting Items for Systematic Reviews and Meta-Analyses). Metaanaliza idzie dalej: łączy wyniki liczbowe z kilku badań w jeden szacunek efektu.
Na pracę magisterską przegląd systematyczny jest wykonalny, ale wymaga czasu i systematyczności. Musisz zarejestrować protokół w PROSPERO (International Prospective Register of Systematic Reviews), przeszukać co najmniej dwie bazy (PubMed/MEDLINE + Embase lub Cochrane), udokumentować proces selekcji w diagramie PRISMA i ocenić ryzyko błędu w każdym badaniu narzędziem ROBINS-I lub Cochrane RoB 2.
Jeśli promotor proponuje ci „szybki przegląd literatury” zamiast systematycznego – to scoping review, nie metaanaliza. Różne pojęcia, różne wymagania metodologiczne.
Miary zdrowia populacyjnego i jak je opisać
To jeden z rozdziałów, w których studenci popełniają najwięcej błędów. Miary zdrowia mają jednostki, mianowniki i populacje odniesienia – bez tego liczba jest bez sensu.
Chorobowość (prevalence) to odsetek chorych w populacji w danym momencie lub przedziale czasu. Podajesz ją jako procent lub na 100 000 mieszkańców z populacją i rokiem: „Chorobowość cukrzycy typu 2 w Polsce w 2022 roku wynosiła 7,3% populacji dorosłych (GUS, 2023).”
Zapadalność (incidence rate, IR) to liczba nowych przypadków na jednostkę czasu w populacji narażonej. Mianownik to osobo-lata obserwacji (person-years at risk). Jeśli 1000 osób obserwujesz przez 5 lat i 50 zachoruje, IR = 50/5000 osobo-lat = 10/1000 osobo-lat = 0,01/osobo-rok. Bez podania mianownika liczba nowych przypadków nie jest zapadalności.
Standaryzowany współczynnik umieralności (SMR, standardized mortality ratio) porównuje obserwowaną liczbę zgonów w badanej grupie do oczekiwanej liczby zgonów przy zastosowaniu wskaźników referencyjnych (najczęściej ogólnopolskich). SMR = 1,0 oznacza tyle zgonów co oczekiwano, SMR = 1,4 oznacza o 40% więcej. Podaj populację referencyjną i rok.
DALY (disability-adjusted life years) to lata życia skorygowane niepełnosprawnością: suma lat utraconych przez przedwczesne zgony (YLL) i lat przeżytych z niepełnosprawnością (YLD). Jedno DALY = jeden rok pełnego zdrowia utracony przez chorobę lub uraz. Dane DALY dla Polski znajdziesz w Global Burden of Disease Study (GBD) na stronie ihme.washington.edu.
QALY (quality-adjusted life year) to rok życia w pełnym zdrowiu. Używa się go w analizach ekonomicznych (np. koszt-efektywność interwencji). Jedno QALY kosztuje w Polsce umownie 100 000-150 000 zł (trzy razy PKB per capita – próg z HTA Polska). Jeśli piszesz o efektywności programu profilaktycznego, możesz liczyć koszt na QALY.
NNT (number needed to treat) to liczba osób, które musisz poddać interwencji, żeby uniknąć jednego niekorzystnego zdarzenia. NNT = 1 / absolutna redukcja ryzyka (ARR). Jeśli interwencja zmniejsza ryzyko zgonu z 10% do 8%, ARR = 2%, NNT = 50. Zawsze podaj czas obserwacji: „NNT = 50 w 5-letniej obserwacji.”
Każdą miarę opisujesz z: wartością numeryczną, 95% CI (przedział ufności), populacją mianownika i źródłem danych. Bez CI liczba wygląda jak wzięta z sufitu.
Wyślij fragment tekstu, bezpłatną wycenę otrzymasz w 24 h. Poprawki bez limitu w cenie usługi.
Źródła danych epidemiologicznych w Polsce
Dane epidemiologiczne dla pracy magisterskiej możesz zdobyć z kilku typów źródeł: rejestrów administracyjnych, baz zdrowia publicznego, badań ankietowych i baz europejskich.
Polska Statystyka Publiczna – GUS (stat.gov.pl) udostępnia dane demograficzne, zgony według przyczyn (ICD-10), hospitalizacje (Bank Danych Lokalnych, BDL). Roczniki Demograficzne i Roczniki Statystyczne Zdrowia zawierają tabele gotowe do analizy. Dane zgonów są dostępne z opóźnieniem ok. 2 lat.
GIS (Główny Inspektorat Sanitarny, gis.gov.pl) publikuje roczne meldunki epidemiologiczne o chorobach zakaźnych. Znajdziesz tam zapadalność na grypę, krztusiec, boreliozę, salmonellozę, COVID-19 – w podziale na województwa i grupy wiekowe. Meldunki są publicznie dostępne jako PDF.
NIZP-PZH (Narodowy Instytut Zdrowia Publicznego – Państwowy Zakład Higieny, pzh.gov.pl) to najważniejsze centrum referencyjne chorób zakaźnych w Polsce. Publikuje „Choroby zakaźne i zatrucia w Polsce” co roku – tabela po tabeli, choroba po chorobie, w podziale na województwa. Dla pracy o chorobach zakaźnych to obowiązkowe źródło.
KRN (Krajowy Rejestr Nowotworów, onkologia.org.pl) gromadzi dane o zachorowalności i przeżyciach dla wszystkich nowotworów złośliwych w Polsce od 1999. Możesz pobrać tabele według lokalizacji nowotworu, płci, grupy wiekowej i województwa. Dane o przeżyciach 5-letnich są aktualizowane regularnie.
NFZ (Narodowy Fundusz Zdrowia, nfz.gov.pl) udostępnia dane refundacyjne i sprawozdawczość świadczeniodawców. Dział analiz NFZ publikuje raporty o hospitalizacjach, poradach ambulatoryjnych, refundacji leków. Szczegółowe dane można uzyskać wnioskiem o informację publiczną.
NIL (Naczelna Izba Lekarska, nil.org.pl) prowadzi Centralny Rejestr Lekarzy – dane o liczbie lekarzy według specjalizacji i województwa. Przydatne gdy piszesz o dostępności do specjalistów.
Na poziomie europejskim kluczowe źródła to: ECDC (European Centre for Disease Prevention and Control, ecdc.europa.eu) – dane o chorobach zakaźnych w EU/EEA, atlas epidemiczny ATLAS; WHO EURO (euro.who.int) – baza HFA-DB (Health for All Database) z ok. 600 wskaźnikami zdrowotnymi dla krajów europejskich od 1970; Eurostat Health Statistics (ec.europa.eu/eurostat) – dane porównawcze dla krajów UE, w tym hospitalizacje, przyczyny zgonów, czynniki ryzyka; OECD Health Data (stats.oecd.org) – wskaźniki systemów ochrony zdrowia, nakłady, zasoby kadrowe.
Przy każdym źródle podaj w metodach: nazwę bazy, instytucję odpowiedzialną, zakres lat, datę dostępu i ewentualny sposób uzyskania danych (jeśli wymagał wniosku formalnego).
Dostęp do indywidualnych danych medycznych spoza ogólnodostępnych publikacji wymaga zazwyczaj formalnego wniosku do instytucji (NFZ, szpital, sanepid). Skróć czas odpowiedzi, kontaktując się mailowo z działem statystyki lub rzecznikiem informacji publicznej – i rób to co najmniej 3-4 miesiące przed planowaną obroną. Niektóre instytucje odpowiadają szybko, inne nie odpowiadają wcale. Miej plan B: dane z ogólnodostępnych raportów, które pozwolą zrealizować cel pracy przy mniejszej szczegółowości.
Analiza statystyczna w epidemiologii
Statystyka w pracy ze zdrowia publicznego musi być dobrana do pytania badawczego i skali pomiarowej zmiennych. Opisuję tu najczęstsze narzędzia z kontekstem, kiedy ich użyć.
Test chi-kwadrat (chi-square) stosujesz do porównania rozkładów zmiennych nominalnych w dwóch lub więcej grupach. Klasyczny przykład: czy częstość palenia tytoniu różni się między kobietami a mężczyznami w próbie? Warunki: minimum 5 obserwacji oczekiwanych w każdej komórce tabeli kontyngencji. Jeśli komórki są mniejsze – użyj dokładnego testu Fishera.
Iloraz szans (odds ratio, OR) z 95% CI obliczasz w badaniach kliniczno-kontrolnych i w regresji logistycznej. OR > 1 oznacza większe szanse ekspozycji przy przypadkach niż kontrolach. OR = 2,4 (95% CI: 1,8-3,2) czytasz tak: „osoby chore miały 2,4 razy większe szanse wcześniejszej ekspozycji na czynnik X niż osoby zdrowe; wynik jest istotny statystycznie, bo CI nie obejmuje 1.” Zawsze podaj CI – OR bez CI to niekompletny wynik.
Ryzyko względne (relative risk, RR) stosujesz w badaniach kohortowych i randomizowanych. RR = ryzyko zdarzenia w grupie eksponowanej / ryzyko zdarzenia w grupie nieeksponowanej. RR = 1,0 oznacza brak różnicy, RR = 1,5 oznacza o 50% wyższe ryzyko.
Regresja logistyczna (logistic regression) pozwala ocenić związek ekspozycji z wynikiem binarnym (zachorował/nie zachorował) przy jednoczesnej kontroli zmiennych zakłócających (confounders). Wynik to iloraz szans skorygowany (adjusted OR, aOR) dla każdej zmiennej niezależnej. Pamiętaj o zasadzie „10 zdarzeń na zmienną” (rule of ten) – jeśli masz 80 przypadków i chcesz wpisać 10 zmiennych do modelu, to za dużo.
Model Poissona (Poisson regression) stosujesz, gdy zmienna zależna to liczba zdarzeń (counts), np. liczba hospitalizacji na 100 000 mieszkańców w kolejnych latach. Daje wskaźnik zapadalności (incidence rate ratio, IRR). Jeśli dane są overdispersed (wariancja znacznie przekracza średnią), użyj regresji ujemnej dwumianowej (negative binomial regression).
Korekta na zmienne zakłócające (confounding) jest obowiązkowa w każdym badaniu obserwacyjnym. Confounder to zmienna powiązana zarówno z ekspozycją, jak i wynikiem, ale nie będąca pośrednikiem przyczynowym. Klasyczny przykład: wiek jest confoundem w badaniu związku aktywności fizycznej z ryzykiem zawału. Kontrolujesz confounders albo w projekcie (matching, stratyfikacja), albo w analizie (regresja wieloczynnikowa).
Moc testu (power) i wielkość próby obliczasz przed badaniem, nie po. Cel to moc 80% (szansa 80% na wykrycie efektu, jeśli naprawdę istnieje) przy poziomie istotności alfa = 0,05. Do obliczeń używasz programu G*Power (darmowy, gpower.hhu.de). Podajesz: spodziewany rozmiar efektu (na podstawie literatury), alfa, moc i obliczoną minimalną liczebność próby. Brak tych obliczeń w metodach to jeden z najczęściej powtarzanych komentarzy recenzentów.
W opisie analizy statystycznej podaj: nazwę oprogramowania (SPSS, R, Stata, Python z bibliotekami scipy/statsmodels), wersję i przyjęty próg istotności statystycznej (standardowo p < 0,05).
Jeśli robisz wiele testów jednocześnie (np. porównujesz 20 zmiennych między grupami), musisz zastosować korektę na wielokrotne testowanie, żeby nie zawyżyć odsetka wyników fałszywie pozytywnych. Najprościej: korekcja Bonferroniego (nowy próg alpha = 0,05 / liczba testów) albo metoda Benjaminiego-Hochberga (FDR – false discovery rate), mniej konserwatywna i częściej stosowana w badaniach eksploracyjnych. Brak korekty przy wielu testach to błąd, który recenzent wyłapie.
Analizę wrażliwości (sensitivity analysis) dołącz wtedy, gdy twoje wyniki mogą zależeć od przyjętych założeń (np. definicja przypadku, próg czasowy ekspozycji). Powtórz analizę z alternatywnymi założeniami i sprawdź, czy wnioski się zmieniają. Jeśli wyniki są stabilne – to argument na ich korzyść. Jeśli mocno się zmieniają – to ograniczenie, które opisujesz w dyskusji.
Jak opisać wyniki i wnioski
Rozdział wyników prezentuje liczby, a nie interpretacje. Interpretacje są w dyskusji. To rozróżnienie sprawia studentom dużo kłopotów.
W wynikach piszesz: „Wśród 412 ankietowanych 38,2% (n=157) paliło tytoń regularnie. Kobiety paliły rzadziej niż mężczyźni (31,4% vs. 45,6%, p=0,008, chi-kwadrat=7,02, df=1).” Nie piszesz: „Wyniki pokazują niepokojący poziom palenia.” To dyskusja.
Każdą tabelę i rycine opisz w tekście krótkim zdaniem – nie powtarzaj wszystkich liczb, ale wskaż najważniejszy wynik. Tabele mają tytuły nad tabelą, ryciny pod ryciną. Numery tabel i rycin są osobnymi seriami (Tabela 1, Tabela 2… Rycina 1, Rycina 2…).
Wyniki analityczne podajesz w formacie: miara efektu (95% CI), p-wartość. Na przykład: „Palenie tytoniu wiązało się ze zwiększonym ryzykiem rozpoznania POChP (OR=3,1, 95% CI: 2,0-4,8, p<0,001).”
Jeśli przeprowadziłeś analizę wielozmiennową, podaj zarówno wyniki surowe (unadjusted OR), jak i skorygowane (adjusted OR), żeby czytelnik widział, co wniosły zmienne zakłócające.
W dyskusji konfrontujesz swoje wyniki z literaturą. Schemat jest prosty: podajesz swój wynik, porównujesz z innymi badaniami (podobne, sprzeczne, dlaczego?), dyskutujesz możliwe wyjaśnienia, wskazujesz ograniczenia własnej pracy. Ograniczenia to nie przeprosiny – to uczciwa ocena, co mogło wpłynąć na wyniki (selection bias, information bias, residual confounding, brak danych dla pewnych grup).
Wnioski pracy muszą wynikać bezpośrednio z wyników i odpowiadać na pytanie badawcze sformułowane we wstępie. Jeden wniosek na jedno pytanie badawcze. Nie pisz wniosków ogólnych w stylu „zdrowie publiczne wymaga uwagi” – pisz o tym, co pokazały twoje dane.
Tabel i rycin nie może być ani za mało, ani za dużo. Za mało (tylko tekst) – praca wygląda jak esej, a nie badanie. Za dużo (wykres do każdej liczby) – promotor traci orientację, co jest wynikiem głównym, a co pobocznym. Typowa praca ze zdrowia publicznego ma 8-15 tabel i 4-8 rycin. Ryciny służą do prezentacji trendów czasowych, map, krzywych przeżycia (Kaplan-Meier) i wyników regresji w formie forest plot. Tabele – do danych deskryptywnych, wyników głównych analiz i porównań wielogrupowyh.
W sekcji rekomendacje (jeśli promotor jej wymaga) opisz praktyczne zastosowania wyników: co powinien zmienić decydent, jak wdrożyć program profilaktyczny, który wskaźnik monitorować. Rekomendacje muszą być realistyczne i wynikać z twoich wniosków, nie z ogólnej wiedzy o zdrowiu publicznym.
FAQ
Czy do pracy magisterskiej ze zdrowia publicznego potrzebuję zgody komisji bioetycznej?
To zależy od tego, co robisz. Jeśli zbierasz dane od ludzi (kwestionariusz, wywiad, pomiar ciśnienia), musisz mieć zgodę komisji bioetycznej (KB). Jeśli analizujesz anonimowe dane wtórne z publicznych rejestrów (GUS, GIS, NFZ w formie zanonimizowanej), zazwyczaj zgoda KB nie jest wymagana – ale sprawdź to z promotorem i na stronie swojej uczelni, bo wymagania różnią się między jednostkami.
Dane wrażliwe dotyczące zdrowia podlegają RODO art. 9 (szczególne kategorie danych osobowych). Jeśli pracujesz z danymi, które mogą identyfikować osoby (nawet pośrednio), musisz zapewnić podstawę prawną przetwarzania: najczęściej jest to zgoda uczestnika (art. 9 ust. 2 lit. a) lub interes naukowy z odpowiednimi zabezpieczeniami (art. 9 ust. 2 lit. j). Anonimizacja danych na wstępnym etapie zwalnia z wielu obowiązków, ale musi być rzeczywiście skuteczna (nie wystarczy usunąć imię i nazwisko).
Jak wybrać temat pracy, żeby dało się zebrać dane w Polsce?
Zacznij od sprawdzenia, jakie dane są publicznie dostępne. Jeśli chcesz pisać o chorobach zakaźnych – GIS i NIZP-PZH mają dane dla większości jednostek chorobowych. Jeśli chcesz analizować nowotwory – KRN. Jeśli interesuje cię porównanie międzynarodowe – WHO EURO i ECDC. Problem pojawia się, gdy wybierasz temat rzadkiej choroby, dla której rejestr nie istnieje albo ma małe liczby – wtedy albo łączysz lata, albo zmieniasz temat.
Unikaj tematów, gdzie jedynym źródłem danych byłyby wywiady z pracownikami konkretnej instytucji bez możliwości uogólnienia. Praca opisująca jeden szpital to studium przypadku (case study), nie badanie epidemiologiczne.
Jak opisać miary zdrowia, żeby promotor nie miał uwag?
Każda miara musi mieć cztery elementy: wartość liczbową, jednostkę lub mianownik, 95% przedział ufności i źródło. Zapis „zapadalność na gruźlicę w Polsce w 2022 wynosiła 14,2 na 100 000 osób (GIS, 2023)” jest poprawny. Zapis „zapadalność była wysoka” – nie jest. Jeśli podajesz OR lub RR – zawsze z CI. Jeśli podajesz p-wartość – zawsze z miarą efektu, nigdy samą p-wartość.
Jakie oprogramowanie do analizy statystycznej jest wystarczające?
Na poziomie pracy magisterskiej wystarczające jest SPSS (licencja uczelniana – sprawdź czy twoja uczelnia ma dostęp), R (darmowy, wiele tutoriali dla epidemiologów) lub Stata. R ma pakiety epidemiologiczne (epiR, epitools) gotowe do obliczeń OR, RR, standaryzacji. Jeśli nie znasz programowania, SPSS jest łatwiejszy na start – ma interfejs graficzny i pozwala zrobić regresję logistyczną w kilku kliknięciach. Do obliczenia mocy testu używaj G*Power – jest darmowy i ma dedykowany moduł dla chi-kwadrat, regresji logistycznej i testów t. W metodach podaj nazwę oprogramowania i wersję.
