A lakosság egészségi állapotának vizsgálata

(1)

A LAKOSSÁG

EGÉSZSÉG! ÁLlAPOTÁNAK VIZSGÁLATA

DR. MORlTZ PALNÉ — DR. PARNlCZKY GÁBOR -— DR. VUKOVlCH GYÖRGY

A statisztikai gyakorlatban reprezentatív mintavétel alapján rendszeresen vizsgáljuk a lakosság egészségi állapotát. E felvételek kérdezőbiztosok közremű—

ködésével, interjú formában kutatják :: lakosság életkörülményeit és többek kö—

zött tartós betegségeinek1 számát. A felvétel adataiból a különféle tartós beteg- ségekre vonatkozóan országos mutatószámok. morbiditási arányszámok készül—

nek. amelyek a (legalább egy) tartós betegséggel rendelkezők relatív gyakorisá- gát mutatják az adott népességen belül. Ezek a mutatószámok2 azonban nem alkalmasak kisebb csoportok (területek. rétegek stb.) összehasonlítására, mivel több tényező együttes hatását tükrözik.

Az összefüggések vizsgálatához a halandóság elemzése során használatos, az életkor hatását kiküszöbölő különféle standardizálási eljárások nyújtanak se- gítséget. Ám ezek a hagyományos standardizálási eljárások a megbízhatóság vizsgálatához nem rendelkeznek elegendő információval, ezért szükségesek to- vábbi becslések matematikai statisztikai módszerek segítségével.

A morbiditási arányszámok összehasonlithatóságára kapott eredményeink megbízhatóságának becslésére néhány kisérletet végeztünk, összevetettük a ha—

gyományos (a direkt és az ekvivalens) standardizálási eljárások eredményeit matematikai függvények (regresszióanalízis) alapján kapott rangsorokkol. E kísér-

lethez felhasználtuk az 1986. évi Egységes Lakossági Adatfelvételi Rendszer

(ELAR) megyék és korcsoportok szerint részletezett morbiditási arányszámait (6).

A direkt és az ekvivalens módszerek közötti különbség a súlyozásban mutat—

kozik. Míg az első módszer súlyként a különböző korosztályok létszámát tekinti, addig a második súlyozatlan átlagos mutatókat hasonlit össze. A súlyozatlan mu- tatók alkalmazása azt jelenti, hogy a relatíve kis létszámú idősebb korosztályt a jóval népesebb fiatalabb korosztályokkal azonos mértékű súllyal veszi figyelembe

((l). (2). (8). (9). (m))-

A regresszióanalízis módszerének kiválasztása e két hagyományos eljáráshoz igazodik. azaz az egyik módszer a lakosság tényleges korcsoportos számával

súlyoz, a másik súlyt nem alkalmaz. E két matematikai statisztikai módszer a több-

változós regresszió—elemzést olyan független változók segítségével alkalmazza.

amelyek vélhetőleg hatással vannak a morbiditási színvonalra ((3). (4). (5), (7)).

1lde tartoznak azok az idült betegségek, amelyek a kérdezés időpontjában már le alább három hónapja fennálltak. Nem szerepelnek ezek között értelemszerűen a tartós egészségkárosodgsok (fogyaté- kosság). a panaszok és a heveny (rövid. g ors lefolyású) betegsegek.

k ';Lg'ml például az ..Egészségügyi he yzet" (Központi Statisztikai Hivatal. Budapest. 1985. 209 old.) c. ía v nyt.

(2)

DR. MÓRITZNE — DR. PÁRNlCZKY —- DR. 'VUKOVICH: A LAKOSSÁG EGÉSZSÉG! ÁLLAPOTA 67

A REGRESSZIÓS MODELL LElRASA

A lineáris regressziós egyenlet:

m—1 n—vi

Y a a el— 1215; Xi Jr 2111-21— A—l— €

,: ,":

ahol:

Y —— a morbiditás arányszáma.

___( 1, ha a megfigyelés az í-edik megyében történik, ' 0 egyébként,

2 _ 1, ha a megfigyelés a i-edik korcsoportra vonatkozik,

! 0 e_gye'bként_!

s — a véletlen, változó a lineáris modellben szokásos feltételekkel, m —— a megyék szóma,

n — a korcsoport száma.

A modellben abból indultunk ki, hogy a terület, jelen esetben a megye és az életkor egymástól függetlenül, additív módon járul hozzá a morbiditás alakulá—

sához.

A megfigyelési egység a megye és a korcsoport kombinációja, tehát az i-edik

megyében élő i-edik életkor—intervallumhoz tartozó népesség. Vagyis összesen n-m

számú megfigyelés adatai alkotják a számítások induló adatbázisát, a férfi és a női népességre különválasztva.

A regressziós együtthatók értelmezéséhez egy bázismegye és egy bóziskor—

csoport szükséges. Az a állandó a morbiditási arányszám bázismegye és báziskor—

csoportbeli várható értéke. A [3.- a várható érték eltérése az i-edik megyében az

m-edik bózismegyéhez képest. rögzített életkor mellett. Ez az értelmezés ekvivalens a standardizált arányszámok különbségével. '

A Á,— jelenti a i—edík korcsoport morbiditási arányszámának eltérését az n- edik bázlskorcsoporttól. adott területi hovatartozás mellett. A standardizálás ebben az esetben az életkor morbiditásra gyakorolt hatását kutatja, elválasztva a területtől (a megyei lakóhelytől).

A kísérlet megalapozottságánok növelése érdekében a kiválasztott additív modell mellett egy multiplikativ modellel is kisérleteztünk, amelynek egyenlete az

alábbi:

m—1 ——1

v.: gyűrűn?

ía1 ja1

Ez az egyenlet logaritmikus transzformáció segitségével lineáris alakra hoz—

ható, s az additivval azonos célúnak tekinthető. Az értelmezésnél azonban figyelembe kell venni. hogy a regressziós együtthatók nem a megfelelő területi (megyei), illetve korcsoportos várható morbiditási arányszámok különbségeit. hanem azok hónyadosait jelentik. A feltételes valószínűség becslésénél szóba jöhet to—

vábbá a ,.logit" modell, amely megfelelő súlyozással különösen alkalmas a lineá- ris becslésnél gyakran fellépő heteroszkedasztlcitás kivédésére (11).

A modellt kiegészítettük egy olyan változattal is, amely a férfiak és a nők morbiditósát nem külön hanem egy egyenletben, de külön változóként kezeli.

Ehhez meg kellett változtatni a B; és a 2,- regressziós együtthatók jelentését, hogy

azok a nemhez való tartozástól függetlenül mutassák a megye, illetve a korcsoport hatását. Új információként jelentkezik a )! paraméter, amely a férfiak átlagos morbiditási arányszámának eltérését mutatja a nőkétől, rögzített megye és élet—

kor mellett.

51

(3)

68 DR. MÓRlTZ PÁLNE —- DR. PARNlCZKY GÁBOR ——-DR. VUKOVlCH GYÖRGY

A MEGYEI ADATOKKAL VÉGZETT SZÁMlTÁSOK

A megyei morbiditási arányszámokkal készített regressziós input mátrixhoz ki kellett választanunk az ún. optimális számú korcsoportokat. A túl finom felosztás magában rejti a kis minta veszélyeit, s feleslegesen csökkenti a reziduális szórás

szabadságfokát. Másfelől a túlságdsan durva felosztás nem követi kellő pontos—

sággal a korspecifikus morbiditási görbe pályáját. A korcsoportok meghatározá—

sához felhasználtuk a tartós betegségek korévenkénti relativ gyakorisági grafikon—

ját. (Lásd az ábrát.) Mind a férfiak. mind a nők esetében a tartós betegségek aránya a 15 éven aluli korosztályban igen alacsony szinten stagnál, majd emel- kedni kezd és közelítőleg lineáris tendenciát mutat.

A férfiak és a nők tartós betegségeinek relatív gyakorisága

Szám/át

a, 9 -

Illik 0'3 s --- fér/"fák

feln/):; és mi)?

0, 7 —

015—

M—

U.i—

GZ—

aa _ . . w , . , . , . . . . , -

' a 5 m 15 20 25 30 35 40 45, 50 55 50 55 70 73 El) 35 90 55 ma

Hmtv/'

Az adatok elemzése alapján négy korcsoportba

0-14 éves (Ki) 40—59 éves (KB)

15—39 éves (K2) ' 60 éves és idősebb (KA)

soroltuk a minta személyeit, ami az egyes megyék egyes korcsoportjait megfelelő számú mintával reprezentálta.

A regressziós egyenletet a legkisebb négyzetek módszerével becsültük. amely

képletben: -

3

?xa :sz th

ahol a 20. területi egység Budapest és a 4. korcsoport a 0— 14 éves korosztály, vagyis a bázisterületi egység és a báziskorosztály, ahzonnan az eltéréseket szá—

mitjuk, tehát az összes megfigyelések száma: n :: 4 _ 80.

(4)

A*LAKO'SSÁG EGÉSZSÉG! ÁLLAPOTA 69

A becslési pontosság ellenőrzése céljából a modellbe beépítettük a varian- ciaanalízist (szóráselemzés). A szórásnégyzet-komponensekhez rendelt szabadság- fokok az alábbiak voltak:

Regresszió . . . Welf—3 "" 22 Reziduális szórás . . . 80—22—1 57 Teljes . . . . . . . . . . . . . . . . 80—1

l l l l l -

79

A regresszió-számítást és a szóráselemzést matematikai elemző program—

csomag segitségével végeztük.3

Ezután elvégeztük a regresszió-számítást valamennyi-változatra, s a pontos- ságra és a megbizhatóságra az alábbiakat állapítottuk meg:

—— a többszörös determinációs együtthatók értéke kivétel nélkül igen magas, 0,9 feletti szinten van, tehát a becsült adatok jól közelítik a ténylegesen megfigyelt adatokat:

— a varianciaanalizisből kitűnt. hogy a függő változó szórásnégyzetében elsődleges a regresszió által megmagyarázott komponens, ennek megfelelően az F-próba valamennyi változatánál minden szokásos szinten szignifikáns értéket mutat, s így elutasíthatóanflj r—

: [32 : s 0 nullhipotézis;

—— a lineáris modellből kapott reziduális eloszlás képe véletlen szóródást mutat, nincs jele heteroszkedaszticitásnak;

— a logaritmikus modell becslései ugyancsak jól illeszkednek a megfigyelt adatokhoz (magas R'—'- és szignifikáns F—értékek (: varianciaonalizisből), de a reziduális eloszlás össze—

záródó tendenciát mutat. ezért a lineáris modell eredményeit tárgyaljuk (melyek egyébként is összehasonlithatók a hagyományos standordizálással);

— az egyes regressziós együtthatók pontossága eltérő.

1. tábla

A korcsoport-együtthatók becsült értékei

l A l A l A l A

: súlyozatlan) súlyozott l súlyozatlan; súlyozott

Z ' *

Korcsoport l módszerrel számitott együttható (százalékpont)

l a férfiaknál a nőknél

_ ? ; l

K2 . . .— 5.9 l 5.9 l 9.7 1 10,3

K3 . . . 332 34,6 * 41,8 42,1

K4 . . . 57.4 57.8 ] 76.6 77,6

Az 1. táblában a korcsoport hatását képviselő együtthatókat közöljük. Ezek kivétel nélkül szignifikáns becslések (5 százalékos szinten). Figyelemreméltó kon—

zisztenciát mutatnak a súlyozatlan és súlyozott módszerrel kapott eredmények. A bázis ez esetben a Ki jelű legfiatalabb korcsoport (0—14), az első adat jelentése tehát a következő: rögzített lakóhely (megye) mellett a második korcsoportba tartozó férfiak morbiditási színvonala átlagosan 5.9 százalékponttal haladja meg az alsó korcsoportét. Jelen példában a bázisterület (Budapest) legfiatalabb kor—

csoportjára vonatkozó konstans becsült értéke 8.5 százalék. Eszerint a budapesti 15—39 éves férfiak betegségi arányszáma: 8,5—l—5,9 z 14,4 százalék.

Ugyancsak kivétel nélkül szignifikáns becslések találhatók a férfiak és a nők együttes adataiból számítva (: nemhez való tartozás mesterséges változójával (nő -— 1. férfi —— O) kibővítve. (Lásd a 2. táblát.) A korcsoport hatásának együtt—

3 Ezúton mondunk köszönetet Csicsman Józsefnek és Pecze Zoltánnak a számítógépes adatfeldolgozás- bon nyújtott segítségért.

(5)

70 DR. MÓRlTZ PÁLNE aV—s—DR. PÁRNICZKY GÁBOR — DR. VUKOVlCH GYÖRGY

hatói ekkor nem csupán rögzitett lakóhely, hanem rögzitett nem mellett (azaz

megyétől és nemtől függetlenül) mutatják hogyan növekszik átlagosan a morbidi—

tás szinvonala az életkor emelkedésével. Új információ a nemhez való tartozás hatása a morbiditásra. rögzitett életkor és lakóhely mellett. Eszerint (a súlyozástól függően) 6—8 százalékponttal magasabb a női morbiditás szinvonala. mint a fát-- fiaké, amit a 2. tábla utolsó sora mutat. Ez ellentétes a mortalitással, ahol viszont

a férfiak szintje magasabb.

2. tábla

A korcsoport-együtthatók becsüli értékei

A A

súlyozatlan súlyozott

Karcsoport ütth 6

( (szlaiókgont)

Férfi és nő együtt

K2 . . . . . 7.8 8,0

K3 . . . . . 37.5 38.3

K4 . . . 67.0 68.9

Nők

Együtt 7,5 í 6.3

Szemben a fent tárgyalt. kielégítő pontosságú becslésekkel, a megyei együtt—

hatók becslési pontossága változó képet mutat. Ugyanez vonatkozik a viszonyí- tási bázist képviselő szinvonal becslésére. (Budapest, legfiatalabb korcsoport mor—

biditása.) A súlyozott módszerrel nyert együtthatók becsült értékeinek pontossága azonban jobb.

A 3. tábla jellemzi a megyei együtthatók becslési pontosságát.

3. tábla

A szignifikáns* megyei együtthatók száma a 19 becsült együtthatóból

A A

súlyozatlan; súlyozott

Modell __m— __

§ együtthatók szóma

Férfi . . . . l 7 7

Nő . . . 3 9

Kibővített" 8

' 5 százalékos szignifikuncia-szint mellett.

" A nemhez való tartozás vóltozójóval bővített modell.

Érdemes megjegyezni, hogy általában a rangsor utolsó helyeit elfoglaló megyék együtthatója bizonyult szignifikánsnak mind a férfiaknál. mind a nőknél.

(Például Veszprém, Békés, Pest. Somogy megyék esetében.)

A megyék morbiditási rangsorát mind a hagyományos standardizálássol. mind a különböző regressziós módszerekkel. továbbá a kibővített modellből származó rangsorokat a 4. tábla mutatja. Ez utóbbinál nem szerepelnek a hagyományos standordizálásból származó rangsorok. mert a standardizólást férfiakra és nőkre

külön-külön szokás végezni.

(6)

Megye(főváros)

Atartósbetegségekelőfordulásánakgyakoriságirangsoramegyénként Direkt!EkvivalonsLineárisregressziósLineárisregressziósDirekt]Ekvivalens 4.tábla Lineárisregressziós .!. sulyozotlonisulyozottstondardizólósi

. súlyozatlan]súlyozottstandardizólásisúlyozatlansúlyozott módszerszerintisorrend Baranya. Bács-Kiskun Békés.. Borsod-Abaúj-Zemplén. Csongrád. ÉFejér.. Győr-Sopron Hajdú-Bihar Heves.. Komárom. Nógrád. Pest... Somogy. Szabolcs-Szatmár Szolnok. Tolna.. Vas... Veszprém. Zala.. Budapest. Megjegyzés,Arangsor

Férfiak ...1111 ...,1919 ...910 ...1212 ...1817 ...1414 ...1613 ...1518 1316 ...2020 1715

11 19 10 12 17 13 14 18 15 20 16

20 10 11 15 14 17 18 16 12 13 19

19 10 11 15 13 16 18 17 12 14 20 alegnagyobbmorbiditósúmegyévelkezdődikésalegkisebbelvégződik.

20 10 11 15 13 16 18 17 12 14 19

20 10 11 15 13 17 18 16 12 14 19

Férfiakésnőkegyütt 2 10 20 9 8 11 12 14 3 1 16 17 15 6 13 4 19 18 7 5

3 10 20 9 8 11 12 14 2 1 16 15 18 6 13 4 19 17 7 5

A LAKOSSÁG EGÉSZSÉG! ÁLLAPOTA

71

(7)

72 DR. MORITZ PALNE _ DR. PARNICZKY GABO'R — DR. VUK'OVICH'GYORGY

AZ EREDMÉNYEK ÉRTELMEZÉSE

Mind a férfiak, mind a nők esetében elmondható, hogy konzisztens o regresz-

szió-számítás és a hagyományos standardizálás eredménye. Természetesen a súlyozatlan lineáris regressziót az ekvivalens módszerrel, a súlyozottat pedig a direkt standardizálással kell összehasonlítani;

A súlyozott regresszió—számításnál a népesség tényleges arányait vettük figyelembe. ezért csakugyan összehasonlitható a standardizálás eredményeivel. ltt jegyezzük meg, hogy az ELAR-minta megyei, illetve nemek szerinti- arányai is kö- zelítik ugyan az'1986. évi tényleges népességösszetételt, de nem azonosak vele a nem egyenlő valószínűséggel tervezett mintavétel folytán. Egyébként a minta—

nagysággal történő súlyozás egyenértékű azzal, hogy a megfigyelési egység azo—

nos a megfigyelt személyekkel. ami (: szabadságfokok számát is változtatná (ez esetben a függő változó is kétértékű lenne). Emellett nincs lényeges ellentét a súlyozott és (: súlyozatlan eljárással készült rangsorok között sem. Ezt támasztják alá a rangkorrelációs vizsgálatok is, amelyek 0,9 feletti rangkorrelációs együtt- hatókkal jellemzik páronként az összehasonlítható módszereket]

Az egészségi állapot szempontjából kiemelendő. hogy különösen ,,egészsé—

gesnek" (alacsony morbiditási arányszámmal) mutatkozik Békés, Veszprém, Nógrád és Vas megye lakossága, másfelől magas morbiditási arányszámok és ennek megfelelően alacsony rangsor tartozik Heves, Komárom, Baranya és Tolna megyéhez.

Budapest mind a nemek szerinti, mind az összevont táblában 5-ös sorszám—

mal szerepel, tehát a viszonylag magas betegségi arányszámmal rendelkező terü—

letekhez tartozik. Természetesen figyelembe kell venni, hogy Budapest viszonylag nagy és heterogén földrajzi egység. Nyilván ez magyarázza azt is, hogy a buda—

pesti együtthatók jó része nagy ingadozással becsülhető, tehát nem'szignifikáns.

Valószínű, hogy kisebb homogénabb egységek, például Budapest kerületei, job- ban jellemzik az ott lakók egészségi állapotát, mint a nagy egységek.

E rangsorokat összevetettük az aktív lakosság megyénkénti táppénzes aránya—

inak nagyság szerinti sorrendjével, ami a kortól, nemtől függetlenül száz dolgo- zóra jutó átlagos betegállomány aránya szerint került meghatározásra. Megálla—

pítható volt. hogy a nyolc megye (Baranya, Békés, Fejér, Hajdú—Bihar, Komárom, Szabolcs—Szatmár, Szolnok. Vas) és Budapest esetében az összes lakosság tartós betegségeinek. illetve az aktív lakosság táppénzes arányainak sorrendje közel hasonló volt 1986—ban.

A táppénzes arány eltérésének okát elemezve megvizsgáltuk a különböző nép- gazdasági ágak megyénkénti táppénzes arányait, s megállapítottuk, hogy a leg—

több betegállományban levő aktív dolgozó a bányászattal, a textil—, bőr— és szőrmeiparral rendelkező megyékben van, míg a legkevesebb ott. ahol ezen ága—

zatok nincsenek, illetve csak egészen kis mértékben vannak képviselve. Az el—

térés egyik oka feltehetően az, hogy a tartós betegségben szenvedők jelentős ré- szét az idősebb — már nyugdíjas —- korosztályok alkotják, akik a táppénzes állo-

mányba alíg kerülnek. Ez indokolja a többi megyében a jelentős rongsorkülönb-

ségeket, s ez támasztja alá a fent ismertetett kutatásaink megalapozottságát, miszerint a lakosság egészségi állapota megismerésének egyik legcélszerűbb eszköze a reprezentatív felvételen alapuló interjú formában történő kikérdezés.

Mind (: standardizálás. mind a regresszió—elemzés a korcsoporthatás kikü—

szöbölésével mutatja a megyék sorrendjét. Erdemes ezt összevetni a nyers morbi—

ditási arányszám alapján készített rangsorral, amelyet a 5. tábla tartalmaz.

(8)

A LAKOSSÁG EGÉSZSÉG! "ÁLLAPOTA 73

Érdemes felfigyelni például arra, hogy a férfiak esetében a nyers morbidi—

tási arányszám szerinti rangszám a standardi'zálthoz képest hét megyében na—

gyobb arányú megbetegedést jelez. Ezek közül egyik legjelentősebb Békés megye lakosságánál mutatkozik; mert míg a standardizált sorrend szerinti rangszáma a 19.. addig a nyers morbiditási arányszám szerint mindössze a 13. helyen áll. Az ellenkező esetben kisebb betegség szerinti rangszám hat megye esetében áll fenn. Ezek közül jelentősebb különbség Győr- Sopron és Somogy megyénél tapasz—

talható.

5. tábla

A nyers morbiditási arányszám szerinti megyei sorrend

Megye (főváros) ; Férfi l Nő ; Együtt

Baranya . . . . _. . 2 _ 2 2

Bócs- Kiskun . . . . 9 7 9

Békés . . 13 13 13

Borsod- Abaúj—Zemplén 10 10 10

Csongrád*. . . 4—6 5 5

Fejér . . . 12 11 11

Győr-Sopron . . . . 15 20 18

Hajdú-Bihar . . . . 18 18 19

Heves . . . l ' ,_ 1 1

Komárom' . . . [l'-ő 3 3

Nógrád . . . 11 14 14

Pest . . . _ , , _ 16 19 16

Somogy. . . _ 19 15 17

SzabolcsSzatmár . , 8 8 8

Szolnok. . . 14 v 12 12

Tolna . . . .* . . 3 4 4

Vas . . . .* . . . 20 lő 20

Veszprém" . . . 17 17 15

Zala . . . . . . . 7 9 7

Budapest* . . . . . 4—6 6 . 6

!

* Az arányszám a ie'rfiak esetében megegyezik

Megiegyzés. A rangsor a legnagyobb morbiditású megyével kezdődik és a legklsebbel végződik.

A nőket tekintve a megyei sorrend eltérése a standardizálttól 7 megye eseté-

ben nagyobb arányú megbetegedést mutat. 8—nál kisebbet és 5-nél megegyezik. A

legjelentősebb eltérés itt is Békés megye esetében mutatható ki, mert mig a standardizált esetben a legjobbak közé tartozik (20. helyen áll), addig itt mind—

össze a 13. helyet érte el. További eltérések említhetők meg Győr-Sopron és Vas megyék esetében. de ellenkező tendenciával. (Az összehasonlítás a lineáris reg—

resszió súlyozatlan módszere szerinti rangsor alapján készült.)

A nyers és standardizált adatok közötti eltérés a korcsoportarányokkal ma- gyarázható. Békés megye esetében például a férfiaknál és a nőknél egyaránt ta—

pasztalt eltérés arra vezethető vissza, hogy az átlagosnál ,,öregebb" populáció—

ról van szó. A hatvan éven felüliek aránya a Békés megyei összlakosságon belül 24,6 százalék, szemben a 19,6 százalékos országos átlaggal. Bár ezek az arányok a reprezentatív mintára vonatkoznak. de jól közelítik a megye tényleges lakossá—

gának arányait.

Természetesen a nem, az életkor és a lakóhely mellett számos egyéb tényező is befolyásolja a lakosság betegségi állapotát. így például a foglalkozás. a táp- lálkozás, az életmód. amelyek a lakóhellyel összefüggésben vizsgálandók. E kuta-

(9)

74 DR. MÓRITZNE — DR. PÁRNICZKY - DR. VUKOVICH: A LAKOSSAG EGÉSZSÉG! ÁLLAPOTA

tósra vonatkozó adatfelvételünk ezen utóbbi tényezőkre is kiterjedt, s elemzésiink

programja részben már erre is elkészült. A társadalmi—foglalkozási rétegeződésre és egyéb strukturális különbségekre vonatkozó eredményeinkről később számolunk be.

lRODALOM

(1) Benjamin, B.: Heaiih and vital statistics. Aiien and Unwin. London. 1968. 92—115. aid. ! (2) Chiang, Ch. L.: Life table and its applications. Robert E. Kriogar Publishing Camp; Malabar.

Florida. 1984. 316 old. -

(3) Edwards, A.: Muitiple regression and the analysis of variance and covariance. Freeman. New York. 1979. 221 old.

(4) Kendall, M. — Stuart, A.: The advanced theory of statistics. 3. köt. Griffin and Camp. London.

1976. 585 old.

(5) Kaiding, N.: The method of expected number of death. 1786—1886—1986. lniemaiíonal Statisiical Review. 1987. évi 1. sz. 1—20. aki.

(6) Statisztikai Módszertani füzetek (ELAR). Központi Statisztikai Hivatal. Budapest. 1984. 83 aid.

(7) McCullagh, P. -— Nelder, l.: Ganaralizod iinoar models. Chapman and Hall. London. 1983.

261 ola.

(B) Párniczky Gábor: A standardizólús néhány újabb módszere. Statisztikai Szemle. Budapest. 1956.

évi 5. sz. 433—449. old. '

(9) Yerushalmy, I.: A mortality index for use in place of the age-adjusted death rate. American Journal oi Public Health. 1951. évi 41. köt. 907—922. aid.

(10) Yule, G. K.: On some points relating (a vita! statistics, more especially statistics of occupational mortality. Journal of the Royal Staristical Society. 1934. évi 1. sz. 1—64. old.

(11) Thoíl. H.: Principles of economekrics. John Wiley. New York - London. 1971. 737 old.

TÁRGYSZÓ: Marbiditás. Statisztikai mintavétel. Standardizólós.

PE3iOME

Aaropu annpascs Ha pesynbram asrőopouuoro oőcnenouuun 1986 roga, caoómaior Hthle .nem-me p,:m xapaurepucrunu cocraauun znopoau nacenenun. rip—means kan TpaAuuHOHHYIO meroAuxy, TBK " merommy perpeccusnux pacueroa, ami npuaoAn'r manap—

Maumo o mum-mu KGK nommara, van te sospecra " nana Ha coomomeuuu uacroru nponon- Hanem—aux saöoneaanuü Hacenenuu.

SUMMARY _

Relying on the results of a sample survey performed in 1986 the study presenis new datalfor characterizing the health status of the population. Using both traditional method—

ology and regression analysis the inflluence exerted by counties. age and sex on the ratios of occurence of acuvte diseases is given by the authors.

u