helga.in

Hermed en model for optisk behandling af data omkring sundhed.

I stedet for at definere en nærmest uendelige række af patologiske fund, sættes focus på den andel af en population, der er sund og rask. Til brug for vurdering af fysisk sundhed deles de patologiske fund op i to kategorier, en kategori med subjektive klager og en med objektive fund. En rask person beskrives herefter som en med fravær af subjektive klager og fravær af objektive fund.

De 2 kategorier giver 4 mulige kombinationer, som får følgende farver:

Grøn for rask, dvs uden klager og uden objektive fund

Gul for subjektive klager, og uden objektive fund

Laxefarvet for både subjektive og objektive fund

Rød for objektive fund, uden subjektive klager

Farvevalg og rækkefølge er valgt ud fra en stribe antagelser.

Grøn fordi det er godt at være rask.

Den gule er valgt som opmærksomhedsfanger ved smerter/klager, fordi smerter/klager er et signal, uden der nødvendigvis er særlig meget i vejen, når der ikke findes tydelige objektive forandringer.

Den laxefarvede er valgt for den mest syge gruppe, hvor der både er subjektive klager og objektive forandringer. Det er den gruppe der er lettest at arbejde videre med, fordi de selv føler der er et problem, og fordi man med de objektive oplysninger har noget at arbejde videre med.

Den røde farve er valgt til objektive fund uden subjektive klager, fordi objektive fund tyder på større problemer end subjektive klager alene, og fordi det objektive fund uden samtidige subjektive klager er vanskelige at håndtere. Der mangler en alarm og en motivation for forandring hvis forandringen virkelig er patologisk.

De fire farver sættes sammen i et søjlediagram, med en søjle for de andre registrerede data, man har indhentet i populationen. Det kan fx være om børnene har fået morgenmad inden de tog i skole? Eller om de er tykke eller tynde? Og alt muligt andet. Svarmulighederne får en søjle hver. Fx ja/nej til morgenmad, eller en stribe søjler efter hvad det har fået til morgenmad. I hver søjle samles de 4 farvede kategorier med grøn nederst, så gul, laxefarvet og øverst rød. Antallet af personer i hver farve summeres og omregnes til procentandele, så Y-aksen er procentandel personer i hver gruppe stablet til 100%. X-aksen er de forskellige opdelinger der ønskes undersøgt. På den måde forekommer hver person kun een gang i en søjle, og een gang i en række søjler med udsagn, der udelukker hinanden. Herved kan data sammenlignes på tværs. Det er muligt at opstille en hypotese, og så sammenligne den med det, der sker i realiteten. Det præsentere sig som følger:

Figur 1:

Søjlediagram med 4 kolonner. Hver kolonne indeholder 100% af et undersøgt udsnit af den aktuelle population. Kolonnerne viser eksempler på mulige fordelinger til sammenligning kolonnerne imellem.

Figur 1 er et tænkt resultat, præsenteret med den kolonne med flest raske som kolonne A, og færrest i kolonne D. Andelen af smerteklager og objektive fund stiger kolonne for kolonne. Kolonne A er den mest attraktive at befinde sig i, og er ud fra det foreliggende det bedste valg. Tyngden af problemerne fremgår af farvefordelingen mellem gul, laxefarvet og rød, til sammenligning. To kolonner med ens procentfordeling illustrerer resultater, der er nær ens, og nær lige attraktive.

For fremme af sundhed kan man gå efter den grønne farve, og for finjustering kan man skele til de andre farver.

Som eksempel kan Figur 1 være en model for forventet trivsel i et scenarie med unge, med en kolonne for de, der får god og tilstrækkelig mad hver dag, en kolonne for de der får det hver 2.dag, og dernæst 2 dage om ugen og sidst en kolonne med de, der hverken får god eller tilstrækkelig mad i løbet af ugen. Det er et rent postulat.

Hvis der er et bekymrende antal uoplyste kan de illustreres med en farveløs kasse, svarende til den manglende procentandel, lagt ovenpå den røde kasse. Det vil stadigvæk give en let overskulelig illustration af datamængden til sammenligning.

Figur 2:

Den farveløse kasse illustrerer andelen af uoplyste personer i materialet placeres bedst øverst i kolonnerne.

Diangram typen foreslås brugt til finjustering af forskellige sundhedsmæssige tiltag. Metoden bruges i stedet for gennemsnitsberegninger, som ser ud til at samle i stedet for at adskille data i sammenlignelige grupper.