История медицины прошла долгий путь от интуитивных и эмпирических подходов к строгой научной методологии. Если в прошлом врачи опирались на личный опыт и традиции, то сегодня медицина базируется на доказательных данных, полученных в результате клинических исследований, метаанализов и систематических обзоров. В античные времена и Средневековье лечение основывалось на теориях Гиппократа, Галена, Авиценны, часто без экспериментальной проверки. В XIX веке появились первые контролируемые исследования (например, работы Пьера Луи по оценке кровопускания). В XX веке получили своё развитие рандомизированные контролируемые испытания (РКИ). И наконец, в XXI веке пришла эпоха big data, искусственного интеллекта и персонализированной медицины [1–3].
В 1948 году было проведено первое РКИ по изучению стрептомицина для лечения туберкулёза. Это исследование стало образцом для будущих клинических испытаний. Однако на пути доказательной медицины были и трагедии, связанные с недооценкой роли статистических методов, что приводило к негативным последствиям. Результаты можно найти в медицинских поисковых системах [ESC Guidelines (European Society of Cardiology), AHA/ACC Guidelines (American Heart Association/American College of Cardiology), NICE Guidelines (National Institute for Health and Care Excellence), Cochrane Library, PubMed/MEDLINE]. Таким образом, современная медицина требует строгого статистического анализа на всех этапах — от разработки лекарств до клинического применения [8–10]. Применение статистических данных лежит в основе всех современных медицинских решений. В условиях большого потока научных данных, клинических рекомендаций и диагностических алгоритмов статистические данные и их корректная обработка становятся ключевым инструментом для интерпретации информации. Без понимания статистических методов врач рискует ошибаться в диагностике — например, неверно трактовать результаты анализов, не учитывая чувствительность и специфичность тестов, или назначать избыточные обследования из-за непонимания концепции ложноположительных результатов. Статистика помогает оценивать риски заболеваний у конкретного пациента. Кроме того, статистическая грамотность критически важна для оценки медицинских исследований и клинических рекомендаций. В своей практической деятельности ежедневно сталкивается с новыми статьями, рекламой лекарств и противоречивыми данными, и только понимание статистики позволяет отделить достоверные выводы от манипуляций. Многие исследования представляют результаты в виде относительного снижения риска (например, «препарат снижает смертность на 30 %»), что звучит впечатляюще, но может соответствовать мизерному абсолютному эффекту. Без проведения анализа статистических исследований современный врач не сможет критически оценить дизайн исследования, выявить систематические ошибки или понять, применимы ли данные к конкретному пациенту. Наконец, проведение статистических исследований необходимо для эффективного общения с пациентами: объяснения рисков, пользы скрининга или вакцинации на понятном языке — например, с использованием натуральных частот (например, «из 1000 человек у 30 будут осложнения основного заболевания без лечения и, возможно, только у 1 при проведении лечения»). В эпоху доказательной медицины статистика перестала быть теоретической дисциплиной — она стала таким же практическим навыком, как аускультация или чтение ЭКГ.