Новый расчет: Куда приведет МРОТ. Новый расчет и задачи реформ

Содержание

Эксперт оценил новый расчет прожиточного минимума: льготников станет меньше

+ A —

Изменения, которые внес Мишустин, не решат проблему бедности

Прожиточный минимум в 2021 году составит 11 653 рубля на душу населения. Соответствующее распоряжение подписал премьер-министр России Михаил Мишустин. Для трудоспособного населения прожиточный минимум устанавливается на уровне 12 702 рубля, для детей – 11 303 рубля, для пенсионеров – 10 022 рубля.

С этого года прожиточный минимум и минимальный размер оплаты труда (МРОТ) рассчитываются по новой, более современной и «справедливой» методике. Теперь в основе расчета не потребительская корзина, а медианный доход. По оценке экспертов, улучшения финансового положения россиянам все же ждать не стоит. 

  Действующая до 2020 года методика расчета прожиточного минимума и привязанного к нему МРОТа была не совсем логичной. Росстат рассчитывал стоимость минимального набора продуктов, необходимого для жизни, и других неотложных трат, тоже по минимуму. Показатели устанавливались на квартал, то есть каждые три месяца менялись. Методику расчета полностью изменили. Теперь показатели устанавливаются на год и зависят от медианного дохода граждан (величина, больше которой получают половина населения, и меньше которой – тоже половина). Правительство посчитало, что для проживания достаточно 44,2% медианного дохода. Отсюда и получилась цифра 11 653 рубля.

  В свою очередь, МРОТ рассчитывают, как 42% от медианной зарплаты (дохода работающих). Он составит 12 792 рубля. По сравнению с прошлым годом, прожиточный минимум увеличится на 3,7%, а МРОТ – на 5,5%. Несмотря на такое скромное повышение, в 2021 году МРОТ впервые превысит прожиточный минимум для трудоспособного населения, заявляла вице-премьер Татьяна Голикова. Это сомнительный повод для гордости, убеждены эксперты. 

  «Не стоит забывать, что из минимальных зарплат вычитается подоходный налог и эту норму никто не отменял. В итоге, на руки люди как получали, так и будут получать мизерные суммы, — комментирует экс-замминистра труда, профсоюзный деятель Павел Кудюкин, — Расчет прожиточного минимума устанавливался фактически на уровне физиологического выживания. Понятно, что увеличение на 3,7% ситуацию кардинально не поменяет. Кроме того, власти позиционировали изменение методики МРОТ и прожиточного минимума как меру по борьбе с бедностью. Но проблему бедности это никак не решит. Скорее, речь идет о борьбе со статистической бедностью. По прожиточному минимуму определяются адресаты социальной помощи от государства. Если МРОТ превышает прожиточный минимум, значит, официально малообеспеченных людей, которые могут рассчитывать на социальные пособия и льготы, будет меньше».

Минтруд разработал новый порядок расчета прожиточного минимума в регионах

ФОТО: ИГОРЬ САМОХВАЛОВ / ПГ 

Министерство труда и социальной защиты предложило рассчитывать прожиточный минимум в регионах посредством умножения прожиточного минимума в целом по стране на коэффициент региональной дифференциации. Соответствующий проект постановления правительства опубликован в пятницу на федеральном портале проектов нормативных правовых актов.

Ранее прожиточный минимум в регионе устанавливался на основе потребительской корзины.  

«Величина прожиточного минимума на душу населения ‎в субъекте РФ на очередной год рассчитывается путем умножения величины прожиточного минимума на душу населения в целом по РФ, установленной на очередной год в соответствии со статьей 4 Федерального закона от 24 октября 1997 года № 134-ФЗ ‎«О прожиточном минимуме в Российской Федерации», на коэффициент региональной дифференциации, установленный приложением № 1 ‎к настоящему порядку», — говорится в тексте.

В соответствии с документом, регионы, в которых соотношение величины прожиточного минимума на душу населения с величиной прожиточного минимума в целом по России ниже установленного коэффициента региональной дифференциации, вправе устанавливать величину прожиточного минимума на следующий год исходя из соотношения, установленного дорожной картой ежегодного установления величины прожиточного минимума в регионе.

После доведения регионом значения соотношения величины прожиточного минимума с всероссийской величиной до коэффициента региональной дифференциации, величина прожиточного минимума на душу населения в регионе на очередной год рассчитывается путем умножения величины прожиточного минимума на душу населения в целом по стране на коэффициент региональной дифференциации.

«Единая шкала коэффициентов региональной дифференциации, которые отражают разницу в ценообразовании и природно-климатические условия территорий, устанавливается постановлением правительства. Коэффициенты будут применяться с 2022 года», — говорится на сайте Минтруда.

Как отметили в ведомстве, ежегодное увеличение регионального прожиточного минимума, так же, как и федерального, будет обеспечиваться ростом среднедушевого медианного дохода. Кроме того, законодательно предусмотрена возможность пересмотра не реже одного раза в пять лет соотношения федерального прожиточного минимума с медианным доходом, что в случае необходимости позволяет обеспечивать дополнительный рост прожиточного минимума.

На 2021 год прожиточный минимум в России в среднем на душу населения установлен сразу на 12 месяцев в размере 11 653 рубля, а не на квартал, как это было раньше. Если ранее его величина определялась на основе расчёта стоимости продуктов, включённых в потребительскую корзину, то теперь его фиксируют на уровне 44,2% от медианного среднедушевого дохода. Медианная зарплата — это уровень, относительно которого у половины населения заработок ниже, у половины — выше.

При этом законом предусмотрено, что при такой методике прожиточный минимум не может пересматриваться в сторону уменьшения.

Прожиточный минимум используется для оценки нуждаемости граждан при предоставлении мер поддержки граждан, например, для определения размера стипендий, пособий и других социальных выплат.

Новый расчет стоимости национальных валют

С отказом от золотого обеспечения национальных валют каждая страна (условно) решает, сколько денег напечатать.
В результате денежная масса постоянно растет, страны имеют большие долги друг перед другом, банками и инвесторами.

С развитием цифровой экономики возможен переход на альтернативную мировую валюту, которая не принадлежит ни одной стране, а используется только для расчета стоимости одной денежной единицы относительно другой и равна 1 в абсолютном значении.
Стоимость национальных валют должна зависеть и рассчитываться в зависимости от совокупности факторов.
Суммируя вышесказанное можно сделать вывод – страна с резервной валютой имеет неоспоримое и колоссальное преимущество перед остальными и может довольно долго в условиях дефицита платежного баланса страны развиваться печатая все новые бумажки, диктовать условия денежно кредитной политики, «брать и еще раз брать беспроцентные кредиты» у других стран, смотря на других свысока и рассказывая всем про мораль.


Практический результат

С учетом населения и площади страны

стоимость рубля = 0,167
стоимость доллара = 0,0059
стоимость евро (лиры) = 0,019
стоимость шиллинга = 0,0006
1 рубль = 28 долларов = 8 лир = 300 шиллингов
Практический результат
1. Сведение к минимуму спекуляций на валютном рынке, что очень важно особенно для «развивающихся» стран, когда международные «инвесторы» пускают курс национальной валюты небольшой страны под откос не задумываясь о последствиях для экономики. Страна не может привлечь для реального сектора экономики, развивая финансовую систему, так как инвесторы не заходят в страну, если курс ее НВ очень волатилен.
2. Расчет производится на основе совокупности факторов, в результате каждая страна выбирает стратегию развития государства с целью поддержания или увеличения стоимости своей валюты, он зависит от развития всей экономики, а не спекуляций на валютном рынке.
3. Маленькие государства в силу ряда объективных причин получают небольшую фору (численность населения и другие ), тем самым обеспечив нормальное развитие экономики страны.
4. Можно отказаться от резервных валют. Если страна хочет увеличить свои денежные валютные резервы – покупает любую валюту других государств из топ — 10, так как они наименее подвержены спаду.

Ввести расчет стоимости национальной валюты в современном мире на основе экономических, географических, финансовых и демографических факторов
Общая формула расчета:
Снв=K1*K2*К3*К4*К5*К6*К7*К8*К9*К10*К11*К12*К13**К14*К15*К16*К17*К18*К19
Расчет каждого коэффициента – отношение определенного показателя страны к лучшему мировому показателю.
Экономика и финансы:
К1 ВВП,

К2 Инфляция,
К3 Внешний долг,
К4 Платежный баланс,
К5 Резервы,
К6 Заработная плата,
К7 Устойчивость банковской системы.
Бизнес и инвестиции:
К8 Инвест климат,
К9 Офшоры,
К10 Уровень безработицы,
К11 Строительство жилья,
К12 Ключевая става центробанка.
Демография:
К13 Рождаемость,
К14 ИРЧП,
К15 Население,
К16 Продолжительность жизни.
Фактические данные:
К17 Площадь страны,
К18 Ресурсы,
К19 Климат.

Для голосования вы должны быть .

Внимание! Отозвать голос можно только один раз в течение 2 часов с момента голосования

Для рассмотрения решения на федеральном уровне осталось 99 898 голосов

Против решения: 165 голосов

В СПЧ уверены, что новый расчет МРОТ поможет в борьбе с бедностью

https://ria.ru/20200925/bednost-1577795611.html

В СПЧ уверены, что новый расчет МРОТ поможет в борьбе с бедностью

В СПЧ уверены, что новый расчет МРОТ поможет в борьбе с бедностью — РИА Новости, 25.09.2020

В СПЧ уверены, что новый расчет МРОТ поможет в борьбе с бедностью

Глава Совета по правам человека при президенте РФ (СПЧ) Валерий Фадеев считает, что новая методика расчета минимального размера оплаты труда (МРОТ) позволит… РИА Новости, 25.09.2020

2020-09-25T21:04

2020-09-25T21:04

2020-09-25T21:04

валерий фадеев

совет по правам человека при президенте рф (спч)

общество

/html/head/meta[@name=’og:title’]/@content

/html/head/meta[@name=’og:description’]/@content

https://cdn25.img.ria.ru/images/156003/84/1560038426_0:160:3072:1888_1920x0_80_0_0_bebfe8abae10e43c393f6b10b9587beb.jpg

МОСКВА, 25 сен — РИА Новости. Глава Совета по правам человека при президенте РФ (СПЧ) Валерий Фадеев считает, что новая методика расчета минимального размера оплаты труда (МРОТ) позволит увереннее и чаще поднимать доходы наименее обеспеченных слоев населения, это будет важным средством борьбы с бедностью.Ранее газета «Коммерсант» сообщила, что Минтруд с будущего года предлагает отказаться от расчета прожиточного минимума как статистической стоимости корзины потребления и определить его как часть (44,2%) среднедушевого дохода. МРОТ до 2026 года Минтруд предлагает установить на уровне 42% медианной зарплаты. В четверг в министерстве заявили, что законопроект может быть внесен в Госдуму на этой неделе после рассмотрения на Российской трехсторонней комиссии.»Новый расчет позволит увереннее, чаще, надежнее поднимать доходы наименее обеспеченных слоев населения. Это будет важным ресурсом, важным средством борьбы с бедностью. Та задача, которую поставил президент», — сказал Фадеев в эфире телеканала «Россия 1».

https://ria.ru/20200924/mrot-1577695144.html

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

2020

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

Новости

ru-RU

https://ria.ru/docs/about/copyright.html

https://xn--c1acbl2abdlkab1og.xn--p1ai/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

https://cdn23.img.ria.ru/images/156003/84/1560038426_171:0:2902:2048_1920x0_80_0_0_773fc145c7ed297d2090b86f12db0758.jpg

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

валерий фадеев, совет по правам человека при президенте рф (спч), общество

Новый Расчет потребностей

Рассчитать количество товаров, нужное для выполнения заказов, теперь еще проще. Обновлён инструмент расчета потребностей в  запасах.

Обработка Расчет потребностей изменилась внешне и содержит новые возможности. Начать работу с инструментом, как и раньше, можно из разделов Закупки – Планирование и Производство — Планирование.

В улучшенном Расчете потребностей добавлены варианты группировок для различных сценариев обеспечения. Предлагается выбор вариантов группировки:

В зависимости от стоящей задачи можно использовать удобный варианты отображения потребностей. Например, можно запланировать закупку и производство на определенные дни:

ВАЖНО! Флажок По заказам использует детализацию расчета потребностей до заказов. При установленном флажке, заказы поставщику и на производство будут заполнены с привязкой к заказам покупателей.

 

Добавлена возможность запланировать закупку только под указанные заказы покупателей:

Для повышения удобства расчета потребностей добавлены популярные фильтры и отборы:

  • Пополнение – фильтр по способу пополнения запасов, позволяет отображать только закупаемые, производимые или все запасы.

  • Только дефицит – выводить только номенклатурные позиции, по которым есть дефицит.

  • Организация – организация, для которой рассчитывается потребность в запасах. 

  • Источник – фильтр по поставщику запасов. 

  • Номенклатура, категория – фильтр по определенным номенклатурным позициям.

  • Склад – фильтр по складу определения остатков.

  • Вид заказа, состояние заказа, статус оплаты – фильтр потребности по данным заказов покупателей

Например, можно сформировать потребность только для оплаченных или утвержденных заказов.

Кроме того можно использовать произвольные пользовательские отборы по реквизитам заказов, номенклатуры, складов хранения остатков. Сделать это можно по ссылке + Добавить фильтр.

Добавлена возможность рассчитывать потребности в дополнительных единицах измерения. Если у запаса используется несколько единиц измерения, то можно указать требуемую прямо в расчете потребностей.  После этого результаты расчета обновятся.

 

Добавлена возможность отключить анализ потребностей для запасов с простой формой снабжения – поддержанием остатка на одном уровне.

В карточку товаров, в группу Закупка  и производство, добавлен флажок Только поддержка остатка при расчете потребностей.

Расчет потребностей и планирование закупок теперь производится в одной таблице. Переход между этапами Расчет -> Планирование заказа -> Заказ поставщику осуществляется с помощью переключателя:


При переключении на этап Планирование заказа в дереве потребностей скрываются запасы, не запланированные к заказу, и отображаются колонки, используемые для формирования заказа.

  • Способ пополнения. Планируемый вариант пополнения запаса. 

  • Дата поступления. Плановая дата поступления запаса (указывается самая поздняя дата из дат: дата потребности запаса и начальная дата расчета плюс срок пополнения).

  • Источник. Поставщик либо структурная единица производства, в зависимости от выбранного способа пополнения.

  • Вид цен. Прайс-лист поставщика. Вид цен определяется по основному договору «С поставщиком». Если в договоре установлен признак «С покупателем», то цены по такому договору не попадут в расчет.

  • Цена зарегистрированная при поступлении номенклатурной позиции от контрагента (прайс-лист контрагента). 

  • Сумма. Стоимость номенклатурной позиции. 

  • Валюта валюта расчета цены запаса.

ВАЖНО! Для автоматического заполнения цен должна использоваться опция Цены контрагентов раздела Закупки и указан вид цен в основном договоре поставщика.

Также появились дополнительные настройки формирования заказов в правой панели.

Пользователь в любой момент может перейти на этап Расчет потребностей для уточнения информации.

По кнопке Сформировать заказы будут созданы документы Заказ поставщику и Заказ на производство.

Правила формирования заказов:

  • Тип документа определяется способом пополнения номенклатурной позиции:

    • закупка – документ Заказ поставщику с видом операции Заказ на закупку,

    • производство – документ Заказ на производство,

    • переработка – документ Заказ поставщику с видом операции Заказ на переработку.

  • Если поставщик известен, тогда подставляется договор по умолчанию для контрагента.

  • Позиции номенклатуры, имеющие одинаковые показатели (способ пополнения, контрагент, валюта, дата поступления) объединяются в один заказ.

Список заказов, созданных по команде, можно увидеть на этапе Заказы. Чтобы сразу провести все заказы, выделите документы с помощью горячих клавиш Ctrl+A (англ.) и нажмите Провести.

Вводится новый расчет экспортной пошлины на зерновые

Опубликовано постановление Правительства РФ от 06.02.2021 № 117 «О ставках вывозных таможенных пошлин на зерновые культуры, вывозимые из Российской Федерации за пределы государств – участников соглашений о Таможенном союзе» (вместе с Положением о расчете и применении ставок вывозных таможенных пошлин на зерновые культуры, вывозимые из Российской Федерации за пределы государств – участников соглашений о Таможенном союзе).

В соответствии с документом со 2 июня 2021 г. в рамках механизма зернового демпфера начнет применяться новый формат расчета экспортной пошлины на пшеницу, кукурузу и ячмень. Минсельхоз России с 1 апреля 2021 г. будет осуществлять мониторинг цен на зерновые культуры путем наблюдения ценовых индикаторов: ежедневных биржевых котировок в отношении пшеницы и меслина, ячменя и кукурузы или в случае их отсутствия – индексов, рассчитанных на основании внебиржевых договоров. Так, в отношении пшеницы при мировой цене до 200 долларов за тонну пошлина взиматься не будет. При цене, превышающей 200 долларов за тонну, пошлина составит 70% от разницы мировой и этой базовой цены в 200 долларов. Для ячменя и кукурузы индикатор установлен на уровне 185 долларов за тонну. Периодом мониторинга являются 7 календарных дней, предшествующих дате расчета ставок вывозных таможенных пошлин на указанные зерновые культуры. Минсельхоз России в последний рабочий день недели осуществляет расчет ставок вывозных таможенных пошлин на зерновые культуры и размещает информацию о рассчитанных ставках на своем официальном сайте в сети интернет. Рассчитанные ставки вывозных таможенных пошлин на зерновые культуры применяются начиная с 3-го рабочего дня после дня их размещения на официальном сайте Минсельхоза России и действуют до начала применения очередных рассчитанных аналогичным образом ставок вывозных таможенных пошлин. Постановление вступает в силу с 1 апреля 2021 г. за исключением отдельных положений, которые вступают в силу со 2 июня 2021 г.

Источник: Консультант плюс

Системный оператор ввел в эксплуатацию новый цифровой комплекс для расчета параметров РЗА, разработанный специалистами Группы компаний НТЦ ЕЭС

По итогам успешной опытной эксплуатации в АО «СО ЕЭС» введен в работу Программно-вычислительный комплекс для автоматизированного расчета уставок релейной защиты и автоматики (ПВК «АРУ РЗА»), разработанный компанией «НТЦ ЕЭС Противоаварийное управление» (входит в Группу компаний НТЦ ЕЭС) по заказу Системного оператора.

Новый отечественный программно-вычислительный комплекс обеспечивает решение прикладных задач по расчету токов короткого замыкания и выбору параметров срабатывания (уставок) РЗА с учетом текущей схемно-режимной ситуации в энергосистеме, а также позволяет анализировать действия устройств РЗА. Использование ПВК «АРУ РЗА» позволяет максимально автоматизировать, сократить время выполнения и повысить качество расчетов РЗА.

Расчет параметров настройки РЗА – одна из базовых задач в процессе выполнения Системным оператором своих основных функций по управлению электроэнергетическим режимом энергосистем. От технического уровня и правильной работы РЗА напрямую зависит надежность ЕЭС России.

Работа над созданием ПВК «АРУ РЗА» началась в 2014 году. Долгосрочное тестирование с последующей доработкой программного комплекса, а затем опытная эксплуатация велись в общей сложности в 10 филиалах АО «СО ЕЭС» объединенных и региональных диспетчерских управлениях.

В течение года ПВК «АРУ РЗА» будет принят на вооружение службами РЗА во всех остальных филиалах Системного оператора после проведения соответствующего обучения персонала по специальным программам, разработанным совместно с «НТЦ ЕЭС Противоаварийное управление».

В основе ПВК «АРУ РЗА» лежит разработанная специалистами «НТЦ ЕЭС» платформа для построения систем автоматизированного проектирования (САПР) в сфере энергетики. Комплекс имеет множество новшеств по сравнению с предыдущим программным обеспечением. В частности, он позволяет моделировать ВИЭ и управляемые системы передачи переменного тока – различные устройства FACTS (Flexible Alternating Current Transmission System). Комплекс имеет модульную архитектуру. Он состоит из более 20 функциональных модулей, включая модуль анализа срабатывания защит для обеспечения ближнего и дальнего резервирования с проверкой корректности работы устройств РЗА, модуль определения места повреждения и др. А также содержит максимально полную базу данных устройств РЗА отечественных и зарубежных производителей, которая постоянно актуализируется в процессе обслуживания. Комплекс работает с адаптивной расчетной моделью энергосистемы, что дает возможность использовать наиболее корректные методы расчета и схемы замещения элементов – электрические схемы со свойствами реальных энергообъектов и оборудования – для каждого конкретного случая. ПВК «АРУ РЗА» – отечественный продукт и может работать под разработанными в России операционными системами на базе Linux,

Разработанный по заказу Системного оператора ПВК «АРУ РЗА» не является специфическим программным обеспечением для оперативно-диспетчерского управления и уже активно эксплуатируется в проектных институтах России и Казахстана, организациях и компаниях нефтегазовой отрасли. Он также применяется в процессе обучения в ряде вузов, готовящих специалистов по РЗА для энергетической отрасли.

Уровень детализации выражений — Таблица

Выражения с уровнем детализации (также известные как выражения LOD) позволяют вычислять значения на уровне источника данных и уровне визуализации. Однако выражения LOD дают вам еще больше контроля над уровнем детализации, который вы хотите вычислить. Они могут выполняться на более детальном уровне (INCLUDE), менее детализированном уровне (EXCLUDE) или полностью независимом уровне (FIXED).

В этой статье объясняются типы выражений LOD, которые можно использовать в Tableau, а также когда их использовать и как их форматировать.Он также использует пример, чтобы продемонстрировать, как создать простое выражение уровня детализации.

Как создать LOD-выражения

Следуйте приведенным ниже инструкциям, чтобы узнать, как создать и использовать выражение LOD в Tableau.

Шаг 1. Настройка визуализации

  1. Откройте Tableau Desktop и подключитесь к источнику сохраненных данных Sample-Superstore .

  2. Перейдите к новому рабочему листу.

  3. На панели «Данные » в разделе «Размеры» перетащите «Регион» на полку столбцов.

  4. На панели Данные в разделе Меры перетащите Продажи на полку строк.

    Появится столбиковая диаграмма, показывающая сумму продаж для каждого региона.

Шаг 2. Создайте выражение уровня детализации

Вместо суммы всех продаж по региону, возможно, вы захотите также увидеть средние продажи на одного покупателя по каждому региону. Для этого вы можете использовать выражение LOD.

  1. Выберите «Анализ»> «Создать вычисляемое поле».

  2. В открывшемся редакторе расчетов выполните следующие действия:

    • Назовите расчет «Продажи на клиента».

    • Введите следующее выражение LOD:

      {INCLUDE [Имя клиента]: SUM ([Продажи])}

  3. По завершении щелкните OK.

    Вновь созданное выражение уровня детализации добавляется на панель «Данные» в разделе «Меры». Чтобы узнать больше о типах выражений LOD, которые вы можете использовать, см. Раздел «Типы выражений LOD».

Шаг 3. Используйте выражение LOD в визуализации

  1. На панели Данные в разделе Показатели перетащите Продажи на клиента на полку Строки и поместите ее слева от СУММ (Продажи).

  2. На полке «Строки» щелкните правой кнопкой мыши «Продажи на клиента» и выберите «Измерение (сумма)»> «Среднее».

    Теперь вы можете видеть как сумму всех продаж, так и средние продажи на одного покупателя для каждого региона. Например, вы можете видеть, что в Центральном регионе общий объем продаж составил около 500 000 долларов США, при этом средняя сумма продаж для каждого покупателя составила около 800 долларов США.

Используйте быстрое выражение уровня детализации

Начиная с Tableau 2021.1, вы можете создать выражение FIXED LOD без необходимости вводить полное вычисление в диалоговом окне вычислений.

Есть два способа произвести быстрый расчет LOD.

  1. Удерживая нажатой клавишу «Control» (или щелкните, удерживая клавишу «Command» на Mac), показатель, который вы хотите агрегировать, и перетащите его в измерение, по которому вы хотите агрегировать.Появится новое поле с новым расчетом ФИКСИРОВАННОГО LOD.

  2. В качестве второго варианта выберите меру, которую вы хотите агрегировать, а затем щелкните, удерживая клавишу Control (или клавишу Command на Mac), чтобы выбрать измерение, по которому вы хотите агрегировать.

Типы выражений LOD

В Tableau можно создать три типа выражений уровня детализации:

Вы также можете применить выражение LOD к таблице.Это называется выражением уровня детализации в табличной области.

ИСПРАВЛЕНО

Выражения с фиксированным уровнем детализации

вычисляют значение, используя указанные измерения, без ссылки на измерения в виде.

Пример

Следующее выражение с ФИКСИРОВАННЫМ уровнем детализации вычисляет сумму продаж по региону:

{ИСПРАВЛЕНО [Регион]: SUM ([Продажи])}

Это выражение уровня детализации, названное [Продажи по регионам], затем помещается в текст, чтобы показать общие продажи по регионам.

Уровень детализации представления составляет [ Область ] плюс [ Состояние ], но поскольку выражения с ФИКСИРОВАННЫМ уровнем детализации не учитывают уровень детализации представления, при вычислении используется только измерение, на которое ссылается вычисление, которое в данном случае это Регион. Из-за этого вы можете видеть, что значения для отдельных состояний в каждом регионе идентичны. Дополнительные сведения о том, почему это происходит, см. В разделе «Выражения агрегирования и уровня детализации».

Если бы ключевое слово INCLUDE использовалось в выражении уровня детализации вместо FIXED, значения были бы разными для каждого состояния, потому что Tableau добавит измерение в выражение ([Region]) с любыми дополнительными измерениями в представлении ([ State]) при определении значений для выражения.Результат будет следующим:

ВКЛЮЧИТЬ

Выражения с уровнем детализации

INCLUDE вычисляют значения с использованием указанных измерений в дополнение к измерениям, присутствующим в представлении.

Выражения с уровнем детализации

INCLUDE могут быть полезны, когда вы хотите произвести вычисления на высоком уровне детализации в базе данных, а затем повторно агрегировать и отобразить на более грубом уровне детализации в вашем представлении.Поля, основанные на выражениях с уровнем детализации INCLUDE, будут изменяться при добавлении или удалении измерений из представления.

Пример 1

Следующее выражение уровня детализации INCLUDE вычисляет общий объем продаж на одного покупателя:

{INCLUDE [Имя клиента]: SUM ([Продажи])}

Когда это вычисление помещается на полку «Строки», агрегируется как AVG, а измерение [Регион] помещается на полку «Столбцы», в представлении отображается средняя сумма продаж клиентам по региону:

Если затем перетащить меру [Продажи] на полку Строки, результат покажет разницу между общей продажей для каждого региона и средней продажей на покупателя для каждого региона:

Пример 2

Следующее выражение уровня детализации INCLUDE вычисляет сумму продаж для каждого штата:

{INCLUDE [State]: SUM (Sales)}

Расчет помещается на полку Строки и агрегируется как среднее значение.Полученная визуализация усредняет сумму продаж по штатам по категориям.

Когда сегмент добавляется на полку столбцов и вычисление перемещается в метку, результаты выражения LOD обновляются. Теперь вы можете увидеть, как средняя сумма продаж на штат варьируется по категориям и сегментам.

ИСКЛЮЧИТЬ

Выражения уровня детализации EXCLUDE объявляют измерения, которые необходимо исключить из уровня детализации представления.

Выражения с уровнем детализации

EXCLUDE полезны для сценариев «процент от общего» или «отклонение от общего среднего». Они сопоставимы с такими функциями, как Итоги и Справочные строки.

Выражение уровня детализации

EXCLUDE не может использоваться в выражениях уровня строки (где нет измерений, которые следует пропустить), но может использоваться для изменения либо вычисления уровня представления, либо чего-либо промежуточного (то есть вы можете использовать вычисление EXCLUDE для удалить измерение из некоторого другого уровня детализации выражения).

Пример 1

Следующее выражение уровня детализации EXCLUDE вычисляет средний общий объем продаж за месяц, а затем исключает компонент месяца:

{EXCLUDE [Дата заказа (месяц / год)]: AVG ({FIXED [Дата заказа (месяц / год)]: SUM ([Sales])})}

Для получения дополнительной информации о создании полей даты месяца / года см. Пользовательские даты (ссылка открывается в новом окне).

Обратите внимание, что это вложенный уровень детального выражения, то есть уровень детального выражения в пределах другого уровня детального выражения.

Сохраняется как [среднее значение продаж за месяц], затем расчет можно вычесть из суммы продаж за месяц с помощью специального расчета на полке «Строки»:

Если Месяц ([Дата заказа]) на полке Столбцы, это создает представление, которое показывает разницу между фактическими продажами в месяц за четырехлетний период и среднемесячными продажами за весь четырехлетний период:

Пример 2

Следующий уровень детализации выражения исключает [Регион] из расчета суммы [Продажи]:

{ИСКЛЮЧИТЬ [регион]: SUM ([Продажи])}

Выражение сохраняется как [ExcludeRegion].

Чтобы проиллюстрировать, как это выражение может быть полезным, сначала рассмотрим следующее представление, в котором сумма продаж разбита по регионам и месяцам:

Удаление [ExcludeRegion] на Color затемняет представление, чтобы показать общий объем продаж по месяцам, но без регионального компонента:

Настольный

Можно определить уровень детализации выражения на уровне таблицы без использования каких-либо ключевых слов области действия.Например, следующее выражение возвращает минимальную (самую раннюю) дату заказа для всей таблицы:

{MIN ([Дата заказа])}

Это эквивалент ФИКСИРОВАННОГО уровня детализации выражения без объявления измерения:

{FIXED: MIN ([Дата заказа])}

Синтаксис выражения LOD

Синтаксис выражения с уровнем детализации

Уровень детализации выражения имеет следующую структуру:

{[ФИКСИРОВАННАЯ | ВКЛЮЧИТЬ | EXCLUDE] < объявление измерения > : < агрегатное выражение >}

Элементы уровня детализации описаны в следующей таблице.

Элемент Описание
{} Весь уровень детализации заключен в фигурные скобки.
[ИСПРАВЛЕНО | ВКЛЮЧИТЬ | ИСКЛЮЧИТЬ]

Первый элемент после открывающей фигурной скобки — одно из следующих ключевых слов области действия:

  • ФИКСИРОВАННЫЙ

    Выражения с фиксированным уровнем детализации

    вычисляют значения с использованием указанных измерений без ссылки на уровень детализации представления, то есть без ссылки на какие-либо другие измерения в представлении.

    Выражения с фиксированным уровнем детализации

    также игнорируют все фильтры в представлении, кроме контекстных фильтров, фильтров источника данных и фильтров извлечения.

    Пример: {FIXED [Region]: SUM ([Sales])}

    Для получения дополнительной информации о выражениях с ФИКСИРОВАННЫМ уровнем детализации и некоторых примерах сценариев с ФИКСИРОВАННЫМ уровнем детализации см. Раздел ФИКСИРОВАННЫЕ.

  • ВКЛЮЧАТЬ

    Выражения с уровнем детализации

    INCLUDE вычисляют значения с использованием указанных измерений в дополнение к измерениям, присутствующим в представлении.

    Выражения с уровнем детализации

    INCLUDE наиболее полезны при включении измерения, которого нет в представлении.

    Пример: {INCLUDE [Имя клиента]: SUM ([Продажи])}

    Дополнительные сведения о выражениях с уровнем детализации INCLUDE и некоторые примеры сценариев с уровнем детализации INCLUDE см. В разделе INCLUDE.

  • ИСКЛЮЧАТЬ

    Выражения с уровнем детализации

    EXCLUDE явно удаляют измерения из выражения, т. Е. Они вычитают измерения из уровня детализации представления.

    Выражения с уровнем детализации

    EXCLUDE наиболее полезны для исключения измерения на виде.

    Пример: {ИСКЛЮЧИТЬ [Регион]: SUM ([Продажи])}

    Для получения дополнительной информации о выражениях с уровнем детализации EXCLUDE и некоторых примерах сценариев с уровнем детализации EXCLUDE см. Раздел EXCLUDE.

  • Настольный

    В случае выражения уровня детализации в табличной области ключевое слово области не требуется.Для получения дополнительной информации см. Раздел Table-Scoped.

< декларация размеров >

Задает одно или несколько измерений, к которым должно быть присоединено агрегатное выражение. Используйте запятые для разделения размеров. Например:

[Сегмент], [Категория], [Регион]

Для выражений уровня детализации можно использовать любое выражение, которое оценивается как измерение в объявлении размерности, включая выражения даты.

В этом примере будет агрегироваться сумма продаж на уровне года:

{ФИКСИРОВАННЫЙ ГОД ([Дата заказа]): SUM (Продажи)}

В этом примере будет агрегироваться сумма продаж для измерения [Дата заказа], усеченная до части даты дня. Поскольку это выражение INCLUDE, оно также будет использовать измерения в представлении для агрегирования значения:

{INCLUDE DATETRUNC ('day', [Order Date]): AVG (Прибыль)}

Примечание : Настоятельно рекомендуется перетаскивать поля в редактор вычислений при создании объявлений измерений, а не вводить их.Например, если вы видите ГОД ([Дата заказа]) на полке, а затем вводите его в качестве объявления измерения, он не будет соответствовать полю на полке. Но если вы перетащите поле с полки в выражение, оно станет DATEPART (‘год’, [Дата заказа]), и это будет соответствовать полю на полке.

С именованными вычислениями (то есть вычислениями, которые вы сохраняете в области данных, в отличие от специальных вычислений, которые вы не называете), Tableau не может сопоставить имя вычисления с его определением.Итак, если вы создаете именованный расчет MyCalculation, определенный следующим образом:

MyCalculation = ГОД ([Дата заказа])

А затем вы создали следующее выражение уровня детализации EXCLUDE и использовали его в представлении:

{ИСКЛЮЧАЯ ГОД ([Дата заказа]): SUM (Продажи)}

Тогда MyCalculation не исключался бы.

Аналогично, если в выражении EXCLUDE указано MyCalculation:

{ИСКЛЮЧИТЬ MyCalculation: SUM (Продажи)}

Тогда ГОД ([Дата заказа]) не будет исключен.

: Двоеточие отделяет объявление измерения от агрегированного выражения.
< агрегатное выражение > Агрегатное выражение — это вычисление, выполняемое для определения целевой размерности.

См. Также

Введение в выражения с уровнем детализации (ссылка открывается в новом окне)

Более глубокий взгляд на выражения LOD (ссылка открывается в новом окне)

Погружение в выражения LOD (ссылка откроется в новом окне)

Топ 15 выражений LOD (ссылка откроется в новом окне)

Понимание выражений LOD (ссылка открывается в новом окне)

Как работают выражения с уровнем детализации в таблице

Преобразование значений с табличными вычислениями

В этой статье объясняются основы вычислений таблиц и их создание в Tableau.

Что такое таблица расчета?

Чтобы получить 4-минутное представление о табличных вычислениях в Tableau, щелкните эту ссылку на видео.

Соответствующие ресурсы и видеоролики см. В разделе «Введение в вычисления в таблицах» (ссылка открывается в новом окне). Используйте свою учетную запись tableau.com (ссылка открывается в новом окне) для входа в систему.

Табличное вычисление — это преобразование, которое вы применяете к значениям в визуализации.Табличные вычисления — это особый тип вычисляемого поля. который вычисляет локальные данные в Tableau. Они рассчитываются на основе того, что в настоящее время находится в визуализации, и не учитывают никакие меры или измерения, которые отфильтрованы из визуализации.

Табличные вычисления можно использовать для различных целей, в том числе:

  • Преобразование ценностей в рейтинги

  • Преобразование значений для отображения промежуточных итогов

  • Преобразование значений для отображения процента от общего числа

Для любой визуализации Tableau существует виртуальная таблица, которая определяется измерениями в представлении.Эта таблица не совпадает с таблицами в вашем источнике данных. В частности, виртуальная таблица определяется размерами в пределах «уровня детализации», что означает размеры на любой из следующих полок или карточек на листе Таблицы:

Основы: адресация и разбиение

Когда вы добавляете вычисление таблицы, вы должны использовать все измерения на уровне детализации либо для разделения (определение объема), либо для адресации (направление).

Измерения, определяющие, как группировать вычисление (объем данных, для которых он выполняется), называются полями разделения . Расчет таблицы выполняется отдельно внутри каждого раздела.

Остальные измерения, по которым выполняется вычисление таблицы, называются адресными полями и определяют направление вычисления.

Поля разделения разбивают представление на несколько подвидов (или подтаблиц), а затем вычисление таблицы применяется к меткам внутри каждого такого раздела.Направление, в котором происходит вычисление (например, при вычислении текущей суммы или вычислении разницы между значениями), определяется полями адресации. Таким образом, когда вы упорядочиваете поля в разделе «Определенные измерения» диалогового окна «Расчет таблицы» сверху вниз, вы указываете направление, в котором расчет перемещается по различным меткам в разделе.

Когда вы добавляете вычисление таблицы с помощью параметров «Вычислить с использованием», Tableau автоматически определяет одни измерения как адресацию, а другие как разбиение в результате вашего выбора.Но когда вы используете конкретные измерения, вам решать, какие измерения предназначены для адресации, а какие — для разделения.

Стол (поперечный)

Выполняет вычисления по всей длине таблицы и перезапускается после каждого раздела.

Например, в следующей таблице расчет вычисляется по столбцам (ГОД (Дата заказа)) для каждой строки (МЕСЯЦ (Дата заказа)).

Стол (вниз)

Вычисляет длину таблицы и перезапускается после каждого раздела.

Например, в следующей таблице расчет вычисляется по строкам (МЕСЯЦ (Дата заказа)) для каждого столбца (ГОД (Дата заказа)).

Стол (поперек, затем вниз)

Выполняет вычисление по длине стола, а затем по длине таблицы.

Например, в следующей таблице расчет вычисляется по столбцам (ГОД (Дата заказа)), вниз по строке (МЕСЯЦ (Дата заказа)), а затем снова по столбцам для всей таблицы.

Стол (вниз, затем поперек)

Вычисляет длину таблицы вниз, а затем по длине таблицы.

Например, в следующей таблице расчет вычисляется по строкам (МЕСЯЦ (Дата заказа)) по столбцу (ГОД (Дата заказа), а затем снова по строкам.

Панель (вниз)

Выполняет вычисление всей панели.

Например, в следующей таблице расчет вычисляется по строкам (МЕСЯЦ (Дата заказа)) для одной панели.

Панель (поперек, затем вниз)

Выполняет вычисления по всей панели, а затем вниз по панели.

Например, в следующей таблице расчет вычисляется по столбцам (ГОД (Дата заказа)) для длины панели, вниз по строке (МЕСЯЦ (Дата заказа)), а затем по столбцам для длины панели. очередной раз.

Панель (вниз, затем поперек)

Вычисляет сначала всю панель, а затем всю панель.

Например, в следующей таблице вычисление вычисляется по строкам (МЕСЯЦ (Дата заказа)) для длины панели, по столбцу (ГОД (Дата заказа)), а затем вниз по длине панели.

Ячейка

Вычисляет в пределах одной ячейки.

Особые размеры

Выполняет вычисления только в указанных вами измерениях.

Например, в следующей визуализации измерения «Месяц даты заказа» и «Квартал даты заказа» являются полями адресации (поскольку они выбраны), а «Год даты заказа» — полем разделения (поскольку оно не выбрано). Таким образом, расчет преобразует разницу за каждый месяц по всем кварталам в течение года.Расчет начинается заново на каждый год.

Обратите внимание, что если выбраны все измерения, то вся таблица будет в области видимости.

На уровне

Параметр На уровне доступен только в том случае, если в диалоговом окне «Вычисления таблицы» выбрано значение «Определенные измерения» и если в поле непосредственно под параметрами «Вычислить с использованием» выбрано несколько измерений, то есть когда несколько измерений определены как поле адресации.

Этот параметр недоступен, когда вы определяете вычисление таблицы с помощью Compute Using, потому что эти значения устанавливают разделы по положению. Но с конкретными измерениями, поскольку визуальная структура и расчет таблицы не обязательно согласованы, доступен параметр «На уровне», позволяющий точно настроить расчет.

Используйте этот параметр, чтобы установить разрыв (то есть перезапуск вычисления) в представлении на основе определенного измерения.Чем это отличается от простого использования этого измерения для разделения? Фактически, это разбиение, но разбиение по положению, а не по значению, как разбиение определяется с помощью параметров Compute Using.

Варианты, доступные в раскрывающемся списке На уровне в приведенном выше примере:

Самый глубокий Указывает, что расчет должен выполняться на уровне высшей степени детализации.Это вариант по умолчанию.
Квартал даты заказа Указывает, что расчет должен выполняться на уровне квартала.
Месяц даты заказа

Указывает, что расчет должен выполняться на уровне месяца.

Создать таблицу расчета

Чтобы узнать, как создать расчет таблицы, следуйте инструкциям в примере ниже. Чтобы узнать, как создавать быстрые табличные вычисления, см. Быстрые табличные вычисления.

Шаг 1. Создайте визуализацию

  1. Откройте Tableau и подключитесь к источнику сохраненных данных Sample-Superstore .

  2. Перейдите к новому рабочему листу.

  3. На панели «Данные » в разделе «Измерения» перетащите «Дата заказа» на полку «Строки».

    Измерение обновляется до ГОД (Дата заказа).

  4. На полке Строки щелкните правой кнопкой мыши ГОД (Дата заказа) и выберите Квартал.

  5. На полке «Строки» щелкните значок «+» на КВАРТАЛ (Дата заказа).

    МЕСЯЦ (Дата заказа) добавлен на полку.

  6. Из панели Данные в разделе Измерения перетащите Дата заказа на полку Столбцы.

    Измерение снова изменится на ГОД (Дата заказа).

  7. На панели Данные в разделе Показатели перетащите Продажи в Текст на карточке Метки.

    Обновления будут выглядеть так:

Шаг 2: Добавьте расчет таблицы

  1. На карточке «Метки» щелкните правой кнопкой мыши «СУММ» (продажи) и выберите «Добавить расчет таблицы».

  2. В открывшемся диалоговом окне «Расчет таблицы» выполните следующие действия:

  • Для типа расчета : выберите «Разница от».

    Для получения дополнительной информации о типах вычислений таблиц, которые вы можете использовать в Tableau, и о том, как вы можете их настроить, см. Типы вычислений таблиц.

  • Для Вычислить с использованием выберите Таблица (по горизонтали).

    Дополнительные сведения об этих параметрах см. В разделе «Основы: адресация и разбиение».

    Обратите внимание, что по мере того, как вы выбираете способ вычисления расчета, визуализация обновляется визуальными индикаторами, которые помогут вам.

  • По завершении щелкните X в верхнем углу диалогового окна «Расчет таблицы», чтобы выйти из него.

    Расчет применяется к значениям в визуализации.

Проверь свою работу!

Редактировать таблицу расчета

Для редактирования расчета таблицы:

  1. Щелкните правой кнопкой мыши меру в представлении, к которой применено вычисление таблицы, и выберите «Редактировать вычисление таблицы».

  2. В открывшемся диалоговом окне «Расчет таблицы» внесите изменения.

  3. По завершении щелкните X в верхнем углу диалогового окна «Расчет таблицы», чтобы выйти из него.

Удалить таблицу расчета

Для удаления таблицы расчета:

  • Щелкните правой кнопкой мыши меру в представлении, к которой применено вычисление таблицы, и выберите «Очистить вычисление таблицы».

    Вычисление таблицы удаляется из меры, и визуализация обновляется с использованием исходных значений.

См. Также

Табличные расчеты

Быстрые расчеты таблиц

Типы расчетов таблиц

Понимание вычислений в Таблице — Таблица

Эта серия статей знакомит с основами понимания вычислений в Tableau.В этом разделе вы узнаете, зачем и когда использовать вычисления.

Зачем нужны расчеты

Вычисления позволяют создавать новые данные из данных, которые уже существуют в вашем источнике данных, а также выполнять вычисления с вашими данными. Это позволяет выполнять сложный анализ и добавлять поля в источник данных самостоятельно и на лету.

Когда использовать расчеты

Первое препятствие для изучения вычислений в Tableau — это понять, когда вам действительно нужно его использовать.Вы можете использовать вычисления по многим-многим причинам. Некоторые примеры могут включать:

  • Для сегментации данных
  • Для преобразования типа данных поля, например для преобразования строки в дату.
  • Для агрегирования данных
  • Отфильтровать результаты
  • Для расчета коэффициентов

Некоторые распространенные сценарии могут включать:

  • Данные, необходимые для анализа, отсутствуют в вашем источнике данных.

    Например, если у вас есть поле «Продажи и прибыль» в источнике данных, но вы хотите рассчитать стоимость, вы можете создать поле «Стоимость», используя формулу, подобную следующей.

    [Продажи] - [Прибыль]

  • Вы хотите преобразовать значения в визуализации.

    Например, вы можете рассчитать разницу в прибыли от одного года к другому. Вы можете использовать быстрый расчет таблицы, чтобы показать разницу в прибыли в визуализации.

  • Вы хотите быстро классифицировать данные.

    Например, вы можете захотеть быстро раскрасить данные в вашей визуализации как прибыльные или нерентабельные.Вы можете создать вычисляемое поле, используя вычисление, подобное приведенному ниже, а затем добавить его в поле «Цвет» на карточке «Метки».

    IF SUM ([Profit])> 0
    THEN «Прибыльный»
    ELSE «Некоммерческий»
    END


Создать простое вычисляемое поле

Иногда ваш источник данных не содержит поля (или столбца), которое вам нужно для анализа.Например, ваш источник данных может содержать поля со значениями для продаж и прибыли, но не для коэффициента прибыли. В этом случае вы можете создать вычисляемое поле для коэффициента прибыли, используя данные из полей «Продажи» и «Прибыль».

В этом разделе показано, как создать простое вычисляемое поле на примере.

Шаг 1. Создайте вычисляемое поле

  1. На листе в Таблице выберите Анализ> Создать вычисляемое поле.

  2. В открывшемся редакторе вычислений дайте вычисляемому полю имя.

    В этом примере вычисляемое поле называется «Коэффициент прибыли».

Шаг 2. Введите формулу

  1. В редакторе вычислений введите формулу.

    В этом примере используется следующая формула:

    SUM ([Прибыль]) / SUM ([Продажи])

    Формулы используют комбинацию функций, полей и операторов. Чтобы узнать больше о создании формул в таблице, см. Разделы «Форматирование вычислений в таблице» (ссылка открывается в новом окне) и «Функции в таблице» (ссылка открывается в новом окне).

  2. По завершении нажмите ОК .

    Новое вычисляемое поле добавлено на панель данных. Если новое поле вычисляет количественные данные, оно добавляется в Меры. Если он вычисляет качественные данные, они добавляются в Размеры.

    Теперь вы готовы использовать вычисляемое поле в представлении.

Проверь свою работу! Посмотрите, как в действии создать простое вычисляемое поле:

См. Также

Приступите к расчетам в Tableau (ссылка откроется в новом окне)

Форматирование вычислений в Таблице (ссылка откроется в новом окне)

Функции в Tableau (ссылка откроется в новом окне)

Создать выражения с уровнем детализации в Таблице (ссылка откроется в новом окне)

Преобразование значений с помощью табличных вычислений (ссылка открывается в новом окне)

Новые расчеты показывают, что новая физика в Фермилабе может быть неверной

Уилсон Холл, центральное лабораторное здание в самом сердце фермилаборатории.Фотография: Reidar Hahn / Fermilab

Когда результаты эксперимента не совпадают с прогнозами, сделанными на основе лучшей теории дня, что-то не так.

Пятнадцать лет назад физики из Брукхейвенской национальной лаборатории обнаружили нечто загадочное. Мюоны — тип субатомных частиц — двигались неожиданным образом, что не соответствовало теоретическим предсказаниям. Была ли теория ошибочной? Эксперимент выключен? Или, как ни странно, это свидетельство новой физики?

С тех пор физики пытаются разгадать эту загадку.

Одна группа из Fermilab занялась экспериментальной стороной и 7 апреля 2021 года опубликовала результаты, подтверждающие первоначальное измерение. Но мы с коллегами выбрали другой подход.

Я физик-теоретик, представитель и один из двух координаторов сотрудничества Будапешт-Марсель-Вупперталь. Это крупномасштабное сотрудничество физиков, которые пытались понять, было ли более раннее теоретическое предсказание неверным. Мы использовали новый метод для расчета того, как мюоны взаимодействуют с магнитными полями.

Теоретическое предсказание моей команды отличается от исходной теории и соответствует как старым экспериментальным данным, так и новым данным Fermilab. Если наш расчет верен, он устраняет расхождение между теорией и экспериментом и предполагает, что не существует неоткрытой силы природы.

Наш результат был опубликован в журнале Nature 7 апреля 2021 года, в тот же день, что и новые экспериментальные результаты.

Стандартная модель физики на сегодняшний день является наиболее точной теорией Вселенной.Изображение: Cush / Wikimedia Commons

Мюон и стандартная модель

Мюон — более тяжелая и нестабильная сестра электрона. Мюоны окружают нас повсюду и создаются, например, при столкновении космических лучей с частицами атмосферы Земли. Они могут проходить сквозь материю, и исследователи использовали их, чтобы исследовать недоступные внутренности структур от гигантских вулканов до египетских пирамид.

Мюоны, как и электроны, обладают электрическим зарядом и генерируют крошечные магнитные поля.Сила и ориентация этого магнитного поля называется магнитным моментом.

Почти все во Вселенной — от того, как построены атомы до того, как работает ваш мобильный телефон, до того, как движутся галактики, — можно описать четырьмя взаимодействиями. Вы, наверное, знакомы с первыми двумя: гравитацией и электромагнетизмом. Третий — слабое взаимодействие, ответственное за радиоактивный распад. И последнее — это сильное взаимодействие, сила, которая удерживает вместе протоны и нейтроны в ядре атома.Физики называют эту схему — за вычетом гравитации — Стандартной моделью физики элементарных частиц.

Все взаимодействия Стандартной модели вносят вклад в магнитный момент мюона, и каждое из них делает это по-разному. Физики очень точно знают, как это делают электромагнетизм и слабое взаимодействие, но определить, какой вклад сильное взаимодействие вносит в магнитное поле мюона, оказалось невероятно сложно.

Магнитная тайна

Из всех эффектов, которые сильное взаимодействие оказывает на магнитный момент мюона, самое большое и трудное для расчета с необходимой точностью называется адронной поляризацией вакуума ведущего порядка.

Раньше для расчета этого эффекта физики использовали смешанный теоретико-экспериментальный подход. Они собирали данные о столкновениях между электронами и позитронами — противоположностью электронов — и использовали бы их для расчета вклада сильного взаимодействия в магнитный момент мюона. Физики использовали этот подход для дальнейшего уточнения оценки на протяжении десятилетий. Последние результаты относятся к 2020 году и дают очень точную оценку.

Это вычисление магнитного момента — то, что физики-экспериментаторы проверяли на протяжении десятилетий.До 7 апреля 2021 года наиболее точным экспериментальным результатом было 15 лет. Для этого измерения в Брукхейвенской национальной лаборатории исследователи создали мюоны в ускорителе частиц, а затем наблюдали, как они перемещаются в магнитном поле, используя гигантский электромагнит шириной 50 футов (15 метров).

Измеряя, как мюоны движутся и распадаются, они смогли напрямую измерить магнитный момент мюона. Это стало настоящим сюрпризом, когда прямое измерение магнитного момента мюона Брухейвеном в 2006 году оказалось больше, чем должно было быть согласно теории.

Столкнувшись с этим несоответствием, было три варианта: либо теоретическое предсказание было неверным, либо эксперимент был неверным, либо, как полагали многие физики, это было признаком неизвестной силы природы.

Так что это было?

Новые теории

Мои коллеги и я выбрали первый вариант: теория могла быть в некотором роде неверной. Итак, мы решили попытаться найти лучший способ расчета прогноза. Наша команда физиков взяла самые основные основные уравнения сильного взаимодействия, поместила уравнения в пространственно-временную сетку и решила как можно больше из них одновременно.

Методика похожа на прогноз погоды. Когда коммерческие самолеты летают по своим маршрутам, они измеряют давление, температуру и скорость ветра в определенных точках на Земле. Точно так же мы поместили уравнение сильного взаимодействия на пространственно-временную сетку. Затем данные о погоде в отдельных точках помещаются в суперкомпьютер, который объединяет все данные для прогнозирования развития погоды.

Наша команда поместила сильные силы взаимодействия на сетку и изучила эволюцию этих полей.Чем больше самолетов будет собирать данные, тем точнее будет прогноз. В этой метафоре мы использовали миллиарды самолетов, чтобы вычислить самый точный магнитный момент, который мы могли бы, используя миллионы часов компьютерной обработки в нескольких суперкомпьютерных центрах в Европе.

Наш новый подход дает оценку силы магнитного поля мюона, которая близко соответствует экспериментальному значению, измеренному учеными из Брукхейвена. По сути, это сокращает разрыв между теорией и экспериментальными измерениями и, если это правда, подтверждает Стандартную модель, которой руководствовалась физика элементарных частиц на протяжении десятилетий.

Новые эксперименты

Но я и мои коллеги не единственные, кто разгадывает эту загадку. Другие ученые, например, из Fermilab, ускорителя элементарных частиц недалеко от Чикаго, решили проверить второй вариант: эксперимент был прекращен.

В Фермилабе физики продолжают эксперимент, который был проведен в Брукхейвене, чтобы получить более точное экспериментальное измерение магнитного момента мюона. Они использовали более интенсивный источник мюонов, что дало им более точный результат.Он почти идеально соответствовал старому размеру.

Результаты Fermilab убедительно свидетельствуют о том, что экспериментальные измерения верны. Новое теоретическое предсказание, сделанное мной и моими коллегами, совпадает с этими экспериментальными результатами. Хотя открытие намеков на новую физику, возможно, было захватывающим, наша новая теория, похоже, утверждает, что на этот раз Стандартная модель работает.

Однако остается одна загадка: разрыв между первоначальным предсказанием и нашим новым теоретическим результатом.Я и моя команда считаем, что наш правильный, но наш результат — самый первый в своем роде. Как всегда в науке, необходимо провести другие расчеты, чтобы подтвердить или опровергнуть это.

Золтан Фодор — профессор физики, Пенсильванский университет.

Эта статья была первоначально опубликована на сайте The Conversation и переиздана здесь по лицензии Creative Commons.

Новое уравнение для расчета холестерина липопротеинов низкой плотности у пациентов с нормолипидемией и / или гипертриглицеридемией | Кардиология | JAMA Cardiology

Ключевые моменты

Вопрос Можно ли более точно оценить холестерин липопротеинов низкой плотности у пациентов с гипертриглицеридемией и / или низким уровнем холестерина липопротеидов низкой плотности?

Выводы В этой аналитической модели принятия решений было получено новое уравнение холестерина липопротеинов низкой плотности, которое можно использовать для более точной оценки уровня холестерина липопротеинов низкой плотности у пациентов с уровнями триглицеридов в плазме до 800 мг / дл и, по крайней мере, эквивалентными или более точнее других уравнений для пациентов с нормолипидемией и низким уровнем холестерина липопротеидов низкой плотности.

Значение Новое уравнение холестерина липопротеинов низкой плотности может быть легко реализовано клиническими лабораториями без каких-либо дополнительных затрат по сравнению со стандартной липидной панелью и может улучшить использование рассчитанного холестерина липопротеинов низкой плотности в управлении риском сердечно-сосудистых заболеваний.

Важность Холестерин липопротеидов низкой плотности (ХС-ЛПНП), ключевой маркер сердечно-сосудистых заболеваний, часто оценивается по уравнению Фридевальда или Мартина, но расчет ХС-ЛПНП менее точен у пациентов с низким уровнем ХС-ЛПНП или гипертриглицеридемией (триглицерид [TG ] уровни ≥400 мг / дл).

Цель Разработать более точное уравнение ХС-ЛПНП для пациентов с низким уровнем ХС-ЛПНП и / или гипертриглицеридемией.

Дизайн, обстановка и участники Данные об уровнях ХС-ЛПНП и других показателях липидов от 8656 пациентов, обследованных в Клиническом центре Национального института здоровья в период с 1 января 1976 г. по 2 июня 1999 г., были проанализированы с помощью эталонного метода β-количественного определения (тест 18715 ХС-ЛПНП). результаты) и были случайным образом разделены на наборы данных для обучения и проверки одинакового размера.Используя ТГ и холестерин липопротеинов не высокой плотности в качестве независимых переменных, была использована множественная регрессия по методу наименьших квадратов для разработки уравнения для холестерина липопротеинов очень низкой плотности, которое затем использовалось во втором уравнении для холестерина ЛПНП. Уравнения были протестированы по отношению к набору данных внутренней проверки и множеству внешних наборов данных либо результатов β-количественного определения LDL-C (n = 28891), либо результатов прямого теста LDL-C (n = 252888). Статистический анализ проводился с 7 августа 2018 г. по 18 июля 2019 г.

Основные результаты и мероприятия Соответствие между рассчитанными и измеренными уровнями ХС-ЛПНП с помощью β-количественного определения, оцененное с помощью различных показателей точности теста (коэффициент корреляции [ R 2 ], среднеквадратичная ошибка [RMSE], средняя абсолютная разница [MAD]), и процент пациентов, неправильно классифицированных при порогах лечения ЛПНП 70, 100 и 190 мг / дл.

Результаты По сравнению с β-количественной оценкой новое уравнение было более точным, чем другие уравнения LDL-C (наклон, 0.964; RMSE = 15,2 мг / дл; R 2 = 0,9648; против уравнения Фридевальда: наклон 1,056; RMSE = 32 мг / дл; R 2 = 0,8808; уравнение против Мартина: наклон 0,945; RMSE = 25,7 мг / дл; R 2 = 0,9022), особенно для пациентов с гипертриглицеридемией (MAD = 24,9 мг / дл; уравнение Фридевальда: MAD = 56,4 мг / дл; уравнение Мартина: MAD = 44,8 мг / дл). Новое уравнение рассчитывает уровень ХС-ЛПНП у пациентов с уровнями ТГ до 800 мг / дл так же точно, как уравнение Фридевальда для уровней ТГ менее 400 мг / дл, и было связано с уменьшением количества ошибочных классификаций у пациентов с гипертриглицеридемией (ТГ) на 35%. уровни 400-800 мг / дл) были разделены на разные группы лечения LDL-C.

Выводы и значимость Новое уравнение может быть легко реализовано клиническими лабораториями без дополнительных затрат по сравнению со стандартной липидной панелью. Это позволит более точно рассчитать уровень ХС-ЛПНП у пациентов с низким уровнем ХС-ЛПНП и / или гипертриглицеридемией (уровни ТГ ≤800 мг / дл) и, таким образом, должно улучшить использование уровня ХС-ЛПНП в управлении риском сердечно-сосудистых заболеваний. .

Клиническое ведение пациентов с риском сердечно-сосудистых заболеваний (ССЗ) в значительной степени зависит от их уровня холестерина липопротеидов низкой плотности (ХС ЛПНП). 1 Он обычно рассчитывается с использованием результатов стандартной липидной панели (общий холестерин, холестерин липопротеинов высокой плотности [HDL-C] и триглицериды [TGs]) по уравнению Friedewald et al. 2 (далее по тексту как уравнение Фридевальда): LDL-C = (Общий холестерин) — (HDL-C) — (TGs / 5). Основным источником ошибки в этом уравнении является член TGs / 5, который служит для оценки холестерина липопротеинов очень низкой плотности (ЛПОНП). Отношение холестерина к ТГ в VLDL-C может значительно варьироваться в зависимости от его размера и других факторов, что снижает точность уравнения для образцов с высоким TG. 2 Несмотря на то, что были разработаны тесты для прямого измерения ХС ЛПНП (dLDL-C), по-прежнему обычной практикой является расчет ХС ЛПНП из-за дополнительных затрат на добавление dLDL-C к липидной панели и плохой аналитической производительности некоторые тесты dLDL-C. 3 -6

Многие уравнения ЛПНП-Х, помимо уравнения Фридевальда, были описаны, 7 -20 , но большинство из них ненамного лучше уравнения Фридевальда по сравнению с эталонным методом β-количественного определения, основанной на ультрацентрифугировании методом осаждения.Недавно Мартин и др. 21 , 22 разработали уравнение (далее называемое уравнением Мартина), основанное на тесте вертикального автоматического профиля, который представляет собой метод, основанный на ультрацентрифугировании с вертикальным ротором. 23 Он заменяет фиксированный знаменатель ТГ, равный 5, в уравнении Фридевальда эмпирическим знаменателем (или коэффициентом), который варьируется в зависимости от уровней ТГ и не-ЛПВП-Х. 21 Оно более точное, чем уравнение Фридевальда, особенно для образцов с низким уровнем ХС-ЛПНП 21 , 22 , которые сейчас более распространены из-за более эффективной гиполипидемической терапии. 24 , 25 В 2018 году новые рекомендации Американского колледжа кардиологов и Американской кардиологической ассоциации по биомаркерам риска сердечно-сосудистых заболеваний рекомендовали уравнение Мартина в качестве предпочтительного метода расчета для образцов с низким уровнем ХС-ЛПНП 26 из-за клинической важности Точность ХС-ЛПНП при лечении пациентов, получавших новые мощные агенты, такие как ингибиторы пропротеинконвертазы субтилизин / кексин типа 9 (PCSK9), которые могут заметно снижать уровни ХС-ЛПНП. 24 , 25

Клинические лаборатории обычно не сообщают об уровнях ХС-ЛПНП у пациентов с гипертриглицеридемией (уровни ТГ ≥400 мг / дл [для перевода в миллимоли на литр умножьте на 0.0113]) из-за больших ошибок в оценке ЛПОНП по Фридевальду. 4 Вместо этого часто проводится тестирование dLDL-C или аполипопротеина B, что увеличивает затраты. Кроме того, у многих пациентов с повышенным уровнем ТГ наблюдается подавление уровней ХС-ЛПНП, что затрудняет точную оценку и без того низкого уровня ХС-ЛПНП из-за большей доли ошибок, связанных с ХС-ЛПОНП. Даже для образцов с небольшим повышением ТГ все же могут возникать значительные ошибки в оценке уровня ХС-ЛПНП. 4 , 18 , 27 Теперь, когда большинство руководств по сердечно-сосудистым заболеваниям одобряют использование образцов, взятых не натощак для начального скрининга липидов, 26 неточность расчетов ХС-ЛПНП из-за повышенных уровней ТГ будет более серьезной проблемой для будущее. Хотя уравнение Мартина имеет регулируемый коэффициент для деления уровней триглицеридов, оно никогда не проверялось для пациентов с гипертриглицеридемией. 21 , 22 Более того, метод вертикального автопрофиля, на котором он основан, может иногда недооценивать уровень VLDL-C в образцах с высоким TG. 23 , 28 , 29

Используя результаты β-количественной оценки пациентов с высокой частотой гипертриглицеридемии, мы разработали новое уравнение LDL-C. Его можно использовать для более точной оценки уровня ХС-ЛПНП у пациентов с уровнем ТГ до 800 мг / дл, а также он немного более точен, чем другие уравнения для пациентов с нормолипидемией. Кроме того, он правильно классифицирует большее количество пациентов из общей популяции пациентов с дислипидемией в разные группы лечения LDL-C, чем другие уравнения, и, таким образом, должен улучшить использование рассчитанного LDL-C в управлении риском сердечно-сосудистых заболеваний.

Результаты β-количественного определения ХС-ЛПНП были получены из неидентифицированного набора данных от 8656 пациентов натощак, многократно протестированных в Клиническом центре Национального института здоровья с 1 января 1976 г. по 2 июня 1999 г. Исследования в рамках этого исследования были исключен Национальным институтом по надзору за учреждениями здравоохранения, поскольку данные были деидентифицированы. Статистический анализ проводился с 7 августа 2018 г. по 18 июля 2019 г.Пациенты-женщины составляли 47% населения (n = 4068), а средний возраст составлял 49 лет (диапазон от 1 до 83 лет). Лаборатория, проводившая тестирование, участвовала в Программе стандартизации липидов Центров по контролю и профилактике заболеваний. Результаты за пределами первого и 99-го перцентилей для каждого липидного параметра вместе с образцами гиперлипидемии типа III, определяемыми отношением ХС-ЛПОНП к ТГ более 0,33, были удалены из анализа, в результате чего осталось 18715 результатов теста ХС-ЛПНП, которые были разделить на наборы данных для обучения и проверки одинакового размера.Средний уровень ТГ составлял 149 мг / дл (межквартильный размах 98–253 мг / дл), и 14% образцов имели уровень ТГ 400 мг / дл или более. Средний уровень не-HDL-C составлял 190 мг / дл (межквартильный размах, 144–248 мг / дл) (для перевода в миллимоли на литр, умножьте на 0,0259). Полное распределение результатов липидных тестов для внутреннего набора данных и набора данных внешней проверки (Mayo Medical Lab, Laboratory Corporation of America Holdings, Prism Health Dx Inc и Pacific Biomarker) можно увидеть в таблице и подробнее описать в eAppendix 2 в Приложении.Зависимые переменные (уровни TG и не-HDL-C) были преобразованы в более высокие и сложные многопараметрические термины с помощью Excel (Microsoft Corp) и использовались для разработки уравнений для VLDL-C и LDL-C, как описано в eAppendix 1 в Дополнение к регрессионному анализу множественных наименьших квадратов с помощью JMP (SAS Institute Inc.). Доверительные интервалы для классификации уровня риска ХС-ЛПНП были рассчитаны с использованием теста Вальда.

Чтобы получить более точное уравнение LDL-C, мы сначала улучшили оценку VLDL-C.Следующее двумерное квадратное уравнение было разработано методом множественной регрессии наименьших квадратов с использованием результатов теста β-количественного определения, которые содержали широкий диапазон значений TG (38–3162 мг / дл) и не-HDL-C (53–734 мг / дл).

Как и в случае с уравнением Фридевальда, уравнение 1 содержит член TG, но он делится на 8,59 вместо 5:

Этот термин отражает линейный компонент связи между уровнем TG и уровнем VLDL-C (электронные рисунки 1 и 2 в Приложении).Член (TG × Non – HDL-C) учитывает взаимодействие между двумя независимыми переменными. Его максимальное значение находится в верхнем правом углу контурного графика ЛПОНП (см. Рисунок 1D в Приложении) из-за обогащения холестерина белком-переносчиком сложного эфира холестерина. 30 Член TG 2 можно рассматривать как поправочный коэффициент. Он учитывает тот факт, что пациенты с наиболее резким повышением уровня ТГ имеют пропорционально больше хиломикронов и формирующихся ЛПОНП, обогащенных ТГ, а не холестерином. 31

В уравнении 1 уровень VLDL-C вычисляется более точно, чем по уравнениям Фридевальда или Мартина (рисунок 1) или по альтернативным уравнениям (eTable и eFigure 3 в Приложении), особенно для пациентов с гипертриглицеридемией. Уравнение 1 имеет более высокий коэффициент корреляции ( R 2 ) и более низкую среднеквадратичную ошибку (RMSE), чем другие уравнения, и эти параметры были почти идентичны между обучающим и проверочным наборами, что указывает на то, что модель регрессии не была переоборудована .Графики остаточных ошибок для уровней ТГ (см. Рис. 4A-C в Приложении) и уровней не-ЛПВП (см. Рис. 4D-F в Приложении) показывают, что уравнения Фридевальда и Мартина могут приводить как к ложно высоким, так и к ложно низким уровням ЛПОНП. Значения C из-за неправильной корректировки коэффициента для уровней TG и не-HDL-C. Уравнение Фридевальда чаще всего показывает положительное смещение относительно уровней ТГ. Напротив, уравнение Мартина показывает небольшое отрицательное смещение для уровней ТГ менее 700 мг / дл, но положительное смещение для уровней ТГ 700 мг / дл или более (см. Рисунок 5 в Приложении).Хотя уровень HDL-C не использовался напрямую в качестве переменной в уравнении 1, остаточные ошибки для этого параметра также более тесно связаны с нулем, чем для других уравнений (eFigure 4G-I в Приложении).

Чтобы определить эффективный фактор для каждого уравнения, мы разделили уровень TG либо на измеренный (β-количественное определение), либо на рассчитанный уровень VLDL-C и построили контурные графики для среднего фактора для каждого возможного уровня TG и не-HDL-C. Для β-количественного определения средний коэффициент варьировался от 2 до более 26 (см. Рисунок 2 в Приложении).Образцы, требующие самых высоких факторов, находились в правом нижнем углу графика с самыми высокими отношениями ТГ к не-ЛПВП-Х. Эти высокие значения фактора согласуются с известным соотношением триглицеридов к холестерину хиломикронов и формирующихся ЛПОНП-Х и являются типами образцов, которые приводят к ложно завышенным уровням ЛПОНП по другим уравнениям. Напротив, образцы с высоким содержанием не-HDL-C в верхнем левом углу графика требуют гораздо более низких коэффициентов и могут быть ложно низкими по другим уравнениям. По сравнению с другими уравнениями, значения факторов для уравнения 1 намного лучше соответствуют графику коэффициента β-количественного определения.

Когда мы ограничили наш анализ только образцами с нормолипидемией (уровень TG <400 мг / дл и уровень не-HDL-C <220 мг / дл), мы обнаружили, что таблица факторов 180 клеток, использованная в уравнении Мартина, дала очень похожие ЛПОНП. -C приводит к уравнению 1 (см. Рис. 6 в дополнении) и может быть подогнан путем небольшого изменения уравнения 1 (см. Рис. 5 в дополнении). В отличие от уравнения 1, результаты для уравнения Мартина не всегда плавно менялись относительно уровней TG и не-HDL-C из-за квантильной природы его таблицы и, вероятно, из-за неоптимального назначения факторов для некоторых ячеек данных.Соответствующее уравнение для таблицы коэффициентов, использованное в уравнении Мартина, также неэффективно при применении к образцам с гипертриглицеридемией.

С теми же условиями для VLDL-C, что и в уравнении 1, следующее уравнение 2 может использоваться для расчета LDL-C:

Уравнение 2 похоже на уравнение Фридевальда в том, что ХС-ЛПОНП и ХС-ЛПВП вычитаются из общего холестерина, но включение точки пересечения и изменение коэффициентов для каждого члена привело к лучшему соответствию β-количественной оценке, чем другие уравнения (рисунок 2).Отрицательные значения ХС-ЛПНП иногда встречались как для уравнений Фридевальда, так и для уравнений Мартина из-за их отрицательной смещения для образцов с гипертриглицеридемией, но отрицательные значения ХС-ЛПНП встречались редко для уравнения 2 (рис. 2).

Чтобы сравнить все различные уравнения ХС-ЛПНП с единым интегральным показателем точности, мы вычислили среднюю абсолютную разницу (MAD) по β-количественному определению при разных пороговых значениях ТГ и не-ЛПВП (см. Рисунок 7 в Приложении). Когда были проанализированы только образцы с гипертриглицеридемией, уравнение 2 имело наименьшее значение MAD.Для уровней ТГ менее 400 мг / дл уравнение 2 снова было наиболее точным, но различия между верхними уравнениями были относительно незначительными. Аналогичное улучшение точности уравнения 2 было обнаружено, когда результаты были стратифицированы по уровню не-HDL-C. По сравнению с β-количественной оценкой новое уравнение было более точным, чем другие уравнения ХС-ЛПНП (наклон 0,964; RMSE = 15,2 мг / дл; R 2 = 0,9648; уравнение Фридевальда: наклон 1,056; RMSE = 32 мг / дл; R 2 = 0.8808; уравнение против Мартина: наклон 0,945; RMSE = 25,7 мг / дл; R 2 = 0,9022), особенно для пациентов с гипертриглицеридемией (MAD = 24,9 мг / дл; уравнение Фридевальда: MAD = 56,4 мг / дл; уравнение Мартина: MAD = 44,8 мг / дл).

Для дальнейшей проверки уравнения 2 мы протестировали его на 2 внешних наборах данных β-количественного определения. Первый был получен от пациентов из крупной национальной референс-лаборатории, которая должна быть репрезентативной для дислипидемии в общей популяции (см. Рисунок 8A-C в Приложении).Для уровней ТГ менее 400 мг / дл все 3 уравнения были схожи по точности, но, исходя из его значения MAD, уравнение 2 имело небольшое преимущество и показало еще большее преимущество для образцов с гипертриглицеридемией. Это было особенно верно для уравнения Фридевальда, которое в 0,4% случаев давало отрицательные значения ХС-ЛПНП для образцов с гипертриглицеридемией. Второй набор данных β-количественного определения был получен от пациентов, получавших статины с ингибитором белка-переносчика сложного эфира холестерина или без него (см. Рисунок 8D-F в приложении).Было лишь ограниченное количество образцов с гипертриглицеридемией, и 68% образцов имели уровни LDL-C менее 100 мг / дл, но, как и раньше, уравнение 2 было более точным, чем другие уравнения.

Мы также сравнили уравнения LDL-C с двумя обычно используемыми тестами dLDL-C в общей популяции. Для dLDL-C компании Roche (рис. 3A-C) уравнение 2 и уравнение Мартина близко соответствовали результатам dLDL-C, хотя уравнение Мартина показало отрицательную систематическую ошибку для уровней TG 1000 мг / дл или более.Уравнение Фридевальда показало гораздо более низкую согласованность с тестом Роша на dLDL-C из-за его гораздо большей отрицательной систематической ошибки и имело гораздо больше отрицательных результатов теста LDL-C, чем другие уравнения. Аналогичные результаты были получены для теста Beckman dLDL-C (см. Рисунок 8G-I в Приложении). Независимо от того, использовался ли тест Роша на dLDL-C только у мужчин и женщин или только у людей, не принимающих голодание, линейное соответствие с уравнением 2 было почти идентичным (см. Рисунок 9 в Приложении), что указывает на то, что уравнение 2 не зависит от пола или голодания. государственный.

Используя большой набор данных внешнего β-количественного определения (n = 27646), мы определили оценку MAD для различных интервалов TG или не-HDL-C (рис. 4A и B), чтобы обеспечить независимую от населения оценку точности. Для интервалов TG менее 400 мг / дл все 3 уравнения имели одинаковые оценки MAD, хотя оценка по уравнению 2 была немного лучше для уровней TG между 200 и 400 мг / дл. Для уровней TG 400 мг / дл или более уравнение Фридевальда показывает заметное увеличение значений MAD ​​с увеличением уровней TG, потому что его фиксированный коэффициент 5 слишком низок для этих типов образцов.Уравнение Мартина немного более точное, чем уравнение Фридевальда при более высоких уровнях ТГ, но его значения факторов все еще слишком низки для образцов с наиболее повышенными уровнями ТГ. Значения MAD для уравнения 2 также увеличиваются с увеличением уровней TG, но в меньшей степени, и остаются ниже 30 мг / дл до уровня TG 1000 мг / дл (рис. 4A). При анализе с использованием интервалов, не относящихся к HDL-C (рис. 4B), уравнение 2 также имело более низкие значения MAD, чем другие уравнения, особенно на более высоких интервалах.

Чтобы оценить потенциальную связь повышения точности уравнения 2 с клиническим ведением пациентов, мы вычислили степень ошибочной классификации пациентов в различные группы лечения ХС-ЛПНП (рис. 4C и D).Мы сделали это для пациентов с уровнями ТГ от 400 до 800 мг / дл, потому что мы заметили, что уровень ошибочной классификации 29% для Уравнения 2 для интервала ТГ от 600 до 800 мг / дл (среднее, 677 мг / дл; n = 221 ) почти приблизился к такому же уровню ошибочной классификации 29% для уравнения Фридевальда в интервале ТГ от 350 до 450 мг / дл (среднее значение 394 мг / дл; n = 418). Уравнение 2 имело на 35% меньше ошибочных классификаций, чем уравнение Фридевальда, которое показало явную отрицательную систематическую ошибку для низких уровней ХС-ЛПНП и на 30% меньше ошибочных классификаций, чем уравнение Мартина, которое показало общую положительную систематическую ошибку.Уравнение 2 также имело меньше ошибок в классификации, которые превышали 2 пороговых значения лечения ХС-ЛПНП, чем другие уравнения. Для уровней ТГ менее 400 мг / дл уравнение 2 было аналогично по степени ошибочной классификации уравнению Мартина, но показало более существенное преимущество по сравнению с уравнением Фридевальда, которое все еще имело отрицательное смещение для низких значений ХС-ЛПНП (рис. 4D). Аналогичные результаты относительно повышения точности уравнения 2 по сравнению с другими уравнениями можно также наблюдать, сравнивая его соответствие с β-количественной оценкой почти во всем диапазоне категорий уровня риска ХС-ЛПНП (см. Рисунок 10 в Приложении).

Вывод более точного уравнения ХС-ЛПНП для пациентов с гипертриглицеридемией и / или низким уровнем ХС-ЛПНП имеет практическое значение. Новое уравнение использует только результаты стандартной липидной панели и не имеет ограничений интеллектуальной собственности, поэтому не приведет к увеличению стоимости тестирования. Это более сложно, чем другие уравнения, но результат может быть автоматически рассчитан большинством лабораторных информационных систем без каких-либо дополнительных изменений программного обеспечения, в отличие от тех, которые могут потребоваться для реализации таблицы множителей из 180 ячеек, используемой в уравнении Мартина. 21 Поскольку новое уравнение лишь немного точнее других уравнений для пациентов с нормолипидемией, его можно использовать только для пациентов с гипертриглицеридемией и / или низким уровнем ХС-ЛПНП. Однако с практической точки зрения может быть проще использовать новое уравнение для всех пациентов, чем использовать 2 разных уравнения для расчета уровней ХС-ЛПНП.

Еще одно важное преимущество уравнения 2 состоит в том, что оно основано на β-количественном определении, эталонном методе определения уровня ХС-ЛПНП.Тест вертикального автоматического профиля, на котором основано уравнение Мартина, также является процедурой разделения на основе плотности ультрацентрифугирования. Однако он менее подходит для образцов с гипертриглицеридемией, поскольку липопротеины с высоким содержанием ТГ могут прилипать к стенкам вертикальных пробирок для центрифугирования, что приводит к заниженной оценке уровня ХС-ЛПОНП. 23 , 28 , 29 Эта возможность может объяснить положительное смещение ХС-ЛПНП для уравнения Мартина для уровней ТГ менее 700 мг / дл, но при более высоких уровнях ТГ уравнение Мартина, как и уравнение Фридевальда , показывает отрицательное смещение из-за слишком низких значений коэффициента.

Вместо того, чтобы не сообщать какие-либо результаты теста LDL-C или использовать тест dLDL-C, уравнение 2 делает возможным расчет LDL-C для уровней TG до 800 мг / дл со степенью ошибочной классификации, сравнимой со скоростью классификации по уравнению Фридевальда при 400 мг / дл. Таким образом, уравнение 2 должно подходить почти для всех пациентов, поскольку уровень триглицеридов 800 мг / дл выше 99-го процентиля в общей популяции. Использование нового уравнения было связано с уменьшением на 35% ошибочной классификации пациентов с гипертриглицеридемией в различные категории лечения ХС-ЛПНП по сравнению с уравнением Фридевальда и, таким образом, должно улучшить клиническое ведение пациентов.Неправильно классифицированные пациенты, особенно те, кто превышает 1 порог лечения ЛПНП, могут не получать правильную гиполипидемическую терапию и иметь худшие клинические исходы. Частично из-за ограничений в точности определения ХС-ЛПНП, ХС-не-ЛПВП был рекомендован Американским колледжем кардиологов и Американской кардиологической ассоциацией в качестве основного липидного биомаркера у пациентов с гипертриглицериемией. 32 Однако самые последние рекомендации, 26 , в основном основаны на ХС-ЛПНП, поэтому более точный расчет ХС-ЛПНП может быть полезен для управления рисками в этой популяции.Уравнение 2 можно также использовать для разделения холестерина, не относящегося к HDL-C, на холестерин в LDL-C по сравнению с липопротеинами, богатыми TG. В нескольких крупных популяционных исследованиях было обнаружено, что холестерин липопротеинов, богатый ТГ, сильнее связан с сердечно-сосудистыми заболеваниями, чем ХС-ЛПНП, 33 , 34 , но эта связь зависит от правильного измерения уровня ХС-ЛПНП.

Наибольшая клиническая польза от уравнения 2 может быть для пациентов с низким уровнем ХС-ЛПНП. Уравнение Мартина также более точное, чем уравнение Фридевальда для таких пациентов, 21 , 22 , что является причиной того, что многие клинические лаборатории перешли на это уравнение.Когда-то низкий уровень ХС-ЛПНП был редкостью, но гораздо чаще встречается при использовании терапии против PCSK9. 24 , 25 Учитывая высокую стоимость терапии против PCSK9, первоначальное соответствие пациентов критериям для этого типа терапии в значительной степени зависит от точного измерения уровней ХС-ЛПНП. Даже если пациент использует терапию против PCSK9, важно точно контролировать уровни ХС-ЛПНП. Из-за завышенной оценки уровня ХС-ЛПОНП уравнением Фридевальда и некоторыми другими уравнениями у этих пациентов могут быть ложно низкие или даже бессмысленные отрицательные результаты ХС-ЛПНП, что может препятствовать более агрессивной гиполипидемической терапии, которая, как было показано, показала свою эффективность. быть полезным для пациентов из группы высокого риска. 25 Однако показатели аполипопротеина B и других частиц ЛПНП более тесно связаны с остаточным риском ССЗ, чем ХС ЛПНП, когда эти показатели противоречат друг другу, разница, которая, вероятно, будет сохраняться независимо от того, насколько точно измеряется ХС ЛПНП. 35

Это исследование имеет некоторые ограничения. Одним из ограничений является то, что относительно уникальная популяция с высокой частотой гипертриглицеридемии использовалась для создания уравнения 2, но оно было подтверждено большим количеством внешних образцов (> 250000) в нескольких популяциях.Другим ограничением является то, что пациенты с гиперлипидемией III типа были исключены из анализа, поскольку их липопротеины содержат аномальный липидный состав, но частота этого расстройства в общей популяции составляет менее 1%. 28 β-Количественное определение также неспецифично для ХС-ЛПНП и иногда может включать холестерин из остатков хиломикрона, липопротеин промежуточной плотности и липопротеин (а), но они также являются проатерогенными, и, таким образом, это смещение не может значительно уменьшить связь рассчитанного ХС-ЛПНП при ССЗ.

Мы разработали более точное уравнение ХС-ЛПНП для пациентов с гипертриглицеридемией (уровень ТГ ≤800 мг / дл) и / или низким уровнем ХС-ЛПНП, которое также хорошо подходит для пациентов с нормолипидемией. Необходимы дополнительные исследования в других группах населения, особенно с низким уровнем ХС-ЛПНП, чтобы более полно подтвердить уравнение и лучше понять его клиническую ценность.

Принята к публикации: 10 декабря 2019 г.

Опубликовано в Интернете: 26 февраля 2020 г. doi: 10.1001 / jamacardio.2020.0013

Исправление: Эта статья была исправлена ​​25 марта 2020 г., чтобы исправить ошибку на рисунках 1A, 3A и 4A и B.

Автор для переписки: Алан Т. Ремалей, доктор медицинских наук, лаборатория метаболизма липопротеинов, отделение трансляционной сосудистой медицины, Национальный институт сердца, легких и крови, Национальные институты здравоохранения, Центр доктора 10, корп. 10 / кабинет 2C433 , Bethesda, MD 20892 (aremaley1 @ nhlbi.nih.gov).

Вклад авторов: Г-жа Сэмпсон и доктор Ремалей имели полный доступ ко всем данным в исследовании и несли ответственность за целостность данных и точность анализа данных. Г-жа Сэмпсон и доктор Линг внесли одинаковый вклад.

Концепция и дизайн: Sampson, Warnick, Jaffe, Shamburek, Remaley.

Сбор, анализ или интерпретация данных: Sampson, Ling, Sun, Harb, Ashmaig, Warnick, Sethi, Fleming, Otvos, Meeusen, Delaney, Shamburek, Amar, Remaley.

Составление рукописи: Сампсон, Харб, Варник, Шамбурек, Ремалей.

Критический пересмотр рукописи на предмет важного интеллектуального содержания: Сэмпсон, Линг, Сан, Харб, Ашмайг, Сетхи, Флеминг, Отвос, Мееузен, Делани, Яффе, Шамбурек, Амар, Ремалей.

Статистический анализ: Sampson, Ling, Sun, Fleming, Delaney, Remaley.

Получено финансирование: Ремалей.

Административная, техническая или материальная поддержка: Sampson, Ling, Sun, Ashmaig, Warnick, Fleming, Meeusen, Shamburek.

Куратор: Яффе, Ремалей.

Раскрытие информации о конфликте интересов: Д-р Яффе сообщил о получении личных гонораров от Abbott, Beckman, Siemens, Roche, ET Healthcare, Sphingotec, Brava, Quidel, Blade и Novartis за пределами представленной работы. О других раскрытиях информации не сообщалось.

Финансирование / поддержка: Это исследование было поддержано Программой внутренних исследований Национального института сердца, легких и крови при Национальных институтах здравоохранения.

Роль спонсора / спонсора: Источник финансирования не участвовал в разработке и проведении исследования; сбор, управление, анализ и интерпретация данных; подготовка, рецензирование или утверждение рукописи; и решение представить рукопись для публикации.

1. Уилсон PWF, Полонский TS, Miedema MD, Хера А, Косинский А.С., Кувин JT. Систематический обзор Руководства по контролю холестерина в крови AHA / ACC / AACVPR / AAPA / ABC / ACPM / ADA / AGS / APhA / ASPC / NLA / PCNA 2018 г. Тираж . 2019; 139 (25): e1144-e1161. DOI: 10.1161 / CIR.0000000000000626PubMedGoogle ScholarCrossref 2.Friedewald WT, Леви RI, Фредриксон DS. Оценка концентрации холестерина липопротеидов низкой плотности в плазме без использования препаративной ультрацентрифуги. Клин Хим . 1972; 18 (6): 499-502. DOI: 10.1093 / Clinchem / 18.6.499PubMedGoogle ScholarCrossref 3.Miller WG, Майерс GL, Сакурабаяси Я, и другие.Семь прямых методов измерения холестерина ЛПВП и ЛПНП по сравнению с эталонными процедурами ультрацентрифугирования. Клин Хим . 2010; 56 (6): 977-986. DOI: 10.1373 / Clinchem.2009.142810 PubMedGoogle ScholarCrossref 4.Langlois MR, Чепмен MJ, Кобберт C, и другие; Совместная консенсусная инициатива Европейского общества атеросклероза (EAS) и Европейской федерации клинической химии и лабораторной медицины (EFLM). Количественная оценка атерогенных липопротеинов: текущие и будущие проблемы в эпоху персонализированной медицины и очень низких концентраций холестерина ЛПНП: консенсусное заявление EAS и EFLM. Клин Хим . 2018; 64 (7): 1006-1033. DOI: 10.1373 / Clinchem.2018.287037 PubMedGoogle ScholarCrossref 5.Oliveira MJA, ван Девентер HE, Bachmann LM, и другие. Оценка четырех различных уравнений для расчета LDL-C с помощью восьми различных прямых анализов HDL-C. Клин Чим Акта . 2013; 423: 135-140. DOI: 10.1016 / j.cca.2013.04.009 PubMedGoogle ScholarCrossref 6. van Deventer HE, Миллер WG, Майерс GL, и другие. Холестерин не-ЛПВП демонстрирует повышенную точность классификации сердечно-сосудистого риска по сравнению с прямым или рассчитанным холестерином ЛПНП в популяции с дислипидемией. Клин Хим . 2011; 57 (3): 490-501. DOI: 10.1373 / Clinchem.2010.154773 PubMedGoogle ScholarCrossref 8.de Кордова CMM, де Кордова ММ. Новая точная и простая формула для оценки холестерина ЛПНП, основанная на непосредственном измерении липидов крови большой когорты. Энн Клин Биохим . 2013; 50 (ч. 1): 13-19. DOI: 10.1258 / acb.2012.011259 PubMedGoogle ScholarCrossref 9.Dansethakul П., Тхапанатхамчай L, Сайчанма S, Worachartcheewan А, пидеч P.Определение новой формулы для расчета холестерина липопротеинов низкой плотности: подход интеллектуального анализа данных. EXCLI J . 2015; 14: 478-483. DOI: 10.17179 / excli2015-162PubMedGoogle Scholar12.Vohnout B, Вачулова A, Blazícek П, Дукат А, Фодор G, Lietava Дж. Оценка альтернативных методов расчета для определения холестерина ЛПНП. Внитр Лек . 2008; 54 (10): 961-964.PubMedGoogle Scholar14.Puavilai W, Лаоругпонгсе D, Deerochanawong C, Мутапонгтаворн N, Srilert P.Точность использования модифицированного уравнения Фридевальда для расчета ЛПНП из небыстрых триглицеридов: пилотное исследование. J Med Assoc Thai . 2009; 92 (2): 182-187.PubMedGoogle Scholar15.Saiedullah М, Рахман MR, Рахман М, Хан MAH, Бегум S. Простая модификация формулы Фридевальда для расчета холестерина липопротеинов низкой плотности до концентрации триглицеридов в сыворотке крови до 1000 мг / дл. Банг Дж. Мед Биохим . 2009; (2): 62-65. Google Scholar, 16.Хаттори Y, Suzuki М, Цусима М, и другие. Разработка приблизительной формулы для ЛПНП-хол, ЛПНП-апо В и ЛПНП-хол / ЛПНП-апо В как показателей гиперапобеталипопротеинемии и малых плотных ЛПНП. Атеросклероз . 1998; 138 (2): 289-299. DOI: 10.1016 / S0021-9150 (98) 00034-3 PubMedGoogle ScholarCrossref 17.Rao А, Паркер AH, Эль-Шерони NA, Babelly ММ. Расчет холестерина липопротеинов низкой плотности с использованием соотношений триглицеридов / холестерин в липопротеинах по сравнению с другими методами расчета. Клин Хим . 1988; 34 (12): 2532-2534. DOI: 10.1093 / Clinchem / 34.12.2532PubMedGoogle ScholarCrossref 18.Ahmadi S-A, Боруманд М-А, Гохари-Могхаддам K, таджикский П, Дибай С-М. Влияние низкого уровня триглицеридов в сыворотке на оценку холестерина ЛПНП. Арч Иран Мед . 2008; 11 (3): 318-321.PubMedGoogle Scholar20.DeLong DM, DeLong ER, дерево PD, Липпель К., Рифкинд BM. Сравнение методов оценки холестерина липопротеидов низкой и очень низкой плотности в плазме: исследование распространенности липопротеидов в клинике. ЯМА . 1986; 256 (17): 2372-2377. DOI: 10.1001 / jama.1986.03380170088024 PubMedGoogle ScholarCrossref 21.Martin СС, Блаха MJ, Эльшазлы МБ, и другие. Сравнение нового метода с уравнением Фридевальда для оценки уровней холестерина липопротеинов низкой плотности по стандартному липидному профилю. ЯМА . 2013; 310 (19): 2061-2068. DOI: 10.1001 / jama.2013.280532 PubMedGoogle ScholarCrossref 22.Martin СС, Джульяно RP, Мерфи SA, и другие.Сравнение оценки холестерина липопротеинов низкой плотности с помощью оценки Мартина / Хопкинса, оценки Фридевальда и препаративного ультрацентрифугирования: выводы из исследования FOURIER. Джама Кардиол . 2018; 3 (8): 749-753. DOI: 10.1001 / jamacardio.2018.1533 PubMedGoogle ScholarCrossref 23.Chung BH, Уилкинсон Т, Гир JC, Сегрест JP. Препаративное и количественное выделение липопротеинов плазмы: быстрое однократное ультрацентрифугирование с прерывистым градиентом плотности в вертикальном роторе. Дж Липид Рес . 1980; 21 (3): 284-291.PubMedGoogle Scholar26.Grundy СМ, Камень Нью-Джерси, Бейли AL, и другие. Руководство AHA / ACC / AACVPR / AAPA / ABC / ACPM / ADA / AGS / APhA / ASPC / NLA / PCNA по контролю холестерина в крови, 2018 г. Руководство по клинической практике. Тираж . 2019; 139 (25): e1046-e1081. DOI: 10.1161 / CIR.0000000000000624PubMedGoogle Scholar27.Мадд JO, Borlaug BA, Джонстон PV, и другие. Помимо холестерина липопротеинов низкой плотности: определение роли гетерогенности липопротеинов низкой плотности в ишемической болезни сердца. Джам Колл Кардиол . 2007; 50 (18): 1735-1741. DOI: 10.1016 / j.jacc.2007.07.045 PubMedGoogle ScholarCrossref 32.Goff ОКРУГ КОЛУМБИЯ Младший, Ллойд-Джонс DM, Беннетт G, и другие. Рекомендации ACC / AHA по оценке риска сердечно-сосудистых заболеваний, 2013 г .: отчет Целевой группы Американского колледжа кардиологов / Американской кардиологической ассоциации по практическим рекомендациям. Джам Колл Кардиол . 2014; 63 (25, пт B): 2935-2959. DOI: 10.1016 / j.jacc.2013.11.005 PubMedGoogle ScholarCrossref 34.Varbo А, Бенн M, Nordestgaard BG. Остаточный холестерин как причина ишемической болезни сердца: доказательства, определение, измерение, атерогенность, пациенты с высоким риском, а также настоящее и будущее лечение. Фармакол Тер . 2014; 141 (3): 358-367. DOI: 10.1016 / j.pharmthera.2013.11.008 PubMedGoogle ScholarCrossref

Как создать новый расчет (сценарий выставления оценок)

BYU Learning Suite позволяет преподавателям создавать новые расчеты (или сценарии выставления оценок), чтобы помочь вам определить окончательные оценки для участников вашего курса.После создания расчетов / сценариев у вас все еще есть возможность выбрать, следует ли использовать расчет в качестве итоговой оценки учащихся (см. Как отправить итоговые оценки ).

Шаг первый:

Войдите в свой курс Learning Suite и щелкните BYU Grades .

Шаг второй:

Щелкните Итоговые оценки в меню навигации «Оценки».

Шаг третий:

Нажмите кнопку + Новый расчет .

Шаг четвертый:

Откроется диалоговое окно «Новый расчет».

В следующей таблице и на изображении поясняются различные параметры, доступные в диалоговом окне «Новый расчет».

Номер Функция
[1] Введите заголовок для расчета.Это можно использовать для справок в будущем. Например, если вы теряете два результата викторины, вы можете назвать расчет «Два самых низких количества выпавших тестов».
[2] Выберите, будет ли расчет устанавливать для присвоений без оценок значение «ноль» или «оправдать назначения без оценок».
[3] Измените вес каждой категории или задания в итоговой оценке. (Это если вы использовали взвешенные категории. Щелкните здесь, чтобы получить информацию об использовании взвешенных категорий.)
[4] Для каждой категории вы можете исключить самые низкие баллы из итоговой оценки учащихся. В столбце «Снижение баллов» справа от каждой категории введите количество баллов, которое необходимо сбросить для этой категории.

Шаг пятый:

Щелкните вкладку Grade Scale [1].

Настройте тип шкалы [2] и характеристики по своему желанию.

Нажмите Сохранить [3].

Новый расчет появится в виде столбца в таблице итоговых оценок.

Шаг шестой:

Если доступно несколько вычислений, вам нужно будет выбрать, какой из них вы хотите использовать.

Нажмите на оценку учащегося под правильным расчетом. Он будет выделен желтым цветом.

Щелкните значок X в столбце «Итоговые оценки для отправки», чтобы автоматически выбрать расчет с наивысшей оценкой для учащегося.


Вопросы? Обратитесь в службу поддержки OIT (801.422.4000, [email protected]).

.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *