Słownik metodologiczny · Ludzie statystyki

William Farr (1807–1883) – twórca statystyki zgonów w Anglii

William Farr przez cztery dekady budował w General Register Office krajową statystykę urodzeń i zgonów. Przedstawiamy jego drogę, klasyfikację przyczyn zgonów, spór o cholerę ze Snowem i jego wzór na umieralność a wysokość terenu przeliczony w R.

Strona główna / Słownik / William Farr
W skrócie: William Farr (1807–1883) – angielski lekarz i statystyk, który w General Register Office zbudował pierwszy krajowy system statystyki urodzeń i zgonów, zaproponował klasyfikację przyczyn zgonów, z której wyrosła ICD, i opisał umieralność na cholerę w Londynie w 1849 r. wzorem zależnym od wysokości terenu.

Kim był William Farr?

William Farr (1807–1883) był angielskim lekarzem i statystykiem, który w General Register Office – urzędzie rejestrującym urodzenia i zgony w Anglii i Walii – zbudował pierwszy krajowy system statystyki ludności. Urodził się 30 listopada 1807 r. w Kenley (Shropshire) w ubogiej rodzinie. Od 1826 r. uczył się medycyny w Shrewsbury i we Francji, potem w University College w Londynie, i uzyskał uprawnienia lekarskie Towarzystwa Aptekarzy (Lilienfeld, 2007).

W 1837 r. napisał rozdział „Vital Statistics” do statystycznego opisu imperium brytyjskiego wydanego przez Johna McCullocha. W tym samym roku ruszył General Register Office i Sir James Clarke i wydawca „The Lancet” Thomas Wakley polecili Farra na stanowisko kompilatora wyciągów (Compiler of Abstracts). Zostało ono jego miejscem pracy na cztery dekady. W 1871 r. został prezesem Towarzystwa Statystycznego w Londynie. Gdy w 1879 r. odszedł Registrar General, Farr nie dostał jego stanowiska i w 1880 r. przeszedł na emeryturę; zmarł 14 kwietnia 1883 r. (Lilienfeld, 2007).

Najważniejsze pomysły

  • Statystyka urodzeń i zgonów jako system. Farr co roku zestawiał dane o zgonach według przyczyn i zawodów, a z jego danych korzystali m.in. John Snow i armia (Lilienfeld, 2007). Według Langmuira (1976) nikt bardziej niż on nie ukształtował zasad nadzoru epidemiologicznego.
  • Klasyfikacja przyczyn zgonów. Farr opracował klasyfikację przyczyn zgonów, a struktura dzisiejszej Międzynarodowej Klasyfikacji Chorób (ICD) wywodzi się z jego propozycji z 1860 r. (Lilienfeld, 2007).
  • Raport o cholerze 1848–1849. W raporcie z 1852 r. Farr zestawił umieralność na cholerę w 38 dzielnicach Londynu z ich wysokością, gęstością zaludnienia, zamożnością i źródłem wody (Bingham i in., 2004; Farr, 1852). Najstalszy związek dostrzegł z wysokością terenu i opisał go wzorem matematycznym, który współcześni uznali za bardziej przekonujący niż rozumowanie Snowa (Eyler, 2001).

Ciekawostka

Spadek po dziedzicu. Gdy Farr miał dwa lata, rodzina przeniosła się do Dorrington, gdzie znalazł się pod wpływem miejscowego dziedzica Josepha Pryce’a. Ucząc się medycyny w Shrewsbury, Farr utrzymywał się jako opatrywacz w pobliskim szpitalu i codziennie chodził pieszo 14 mil. Trzy lata później odziedziczył po Pryce’u 500 funtów i przeznaczył je na studia we Francji, gdzie słuchał wykładów Pierre’a Louisa, propagatora „metody liczbowej” w medycynie (Lilienfeld, 2007).

Lilienfeld (2007) zaznacza jednak za Eylerem, że zainteresowania statystyką medyczną nie wyniósł tylko od Louisa. Matematyki uczył się sam, podobnie jak francuskiego, niemieckiego i włoskiego.

Przykład na historycznych danych

Liczby pochodzą z raportu Farra (1852, s. lxi–lxiii). Farr pogrupował dzielnice Londynu według średniej wysokości nad znakiem wysokiej wody Tamizy. W grupie poniżej 20 stóp na cholerę zmarło w 1849 r. 102 osoby na 10 000 mieszkańców, przy 20–40 stopach – 65, przy 40–60 – 34, przy 60–80 – 27, przy 80–100 – 22, w dzielnicy położonej na 100 stopach – 17, a w Hampstead (około 350 stóp) – 7. W trzech dzielnicach leżących na poziomie wysokiej wody średnio 177.

Najpierw Farr zauważył, że liczby są bliskie 102 dzielonemu przez numer „tarasu” (102, 51, 34, 25.5…). Potem napisał wzór c = A / (e + a), w którym c to umieralność, a e – wysokość w stopach. Stałą a wyliczył z dwóch punktów (e = 0, c = 177 oraz e = 90, c = 22): w R wychodzi 12.77, Farr przyjął 13, więc c = 2266 / (e + 13). Stałą tłumaczył tym, że londyńczycy mieszkają w domach średnio 13 stóp nad gruntem (Farr, 1852).

Gdy ten sam wzór dopasujemy do wszystkich ośmiu punktów metodą najmniejszych kwadratów (funkcja nls(), na skali logarytmu), otrzymujemy A = 2281.6 i a = 12.6 – prawie to samo co Farr z dwóch punktów. Błąd resztowy na skali logarytmu wynosi 0.12, a dla prostego spadku wykładniczego 0.60. Największe odchylenie dotyczy grupy 20–40 stóp: 65 zgonów wobec 52.7 przewidywanych. Farr sam je zauważył i wskazał, że nadwyżka przypada na Wandsworth, West London i Bethnal Green.

Na rysunku

Pozioma oś czasu od 1800 do 1890 z dziesięcioma zdarzeniami: 1807 urodził się w Kenley w Shropshire; 1826 zaczyna naukę medycyny w Shrewsbury; 1829 spadek i studia w Paryżu; 1832 uprawnienia lekarskie w Londynie; 1837 rozdział Vital Statistics i początek General Register Office; 1852 raport o cholerze 1848–49 z zależnością od wysokości terenu; 1860 propozycja klasyfikacji przyczyn zgonów; 1866 epidemia cholery, porzuca teorię miazmatów; 1871 prezes Towarzystwa Statystycznego; 1883 zmarł. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja, trójkąt – badanie
Rysunek 1. Oś czasu: William Farr, 1807–1883. Lata według Lilienfelda (2007) i Farra (1852). Rysunek: R, pakiet ggplot2.

Co widać. Najważniejsze prace Farra powstały w urzędzie, w którym przepracował cztery dekady.

Na co uważać. Lata 1829 i 1832 wyliczyliśmy z opisu Lilienfelda (2007) („trzy lata później”, „rok później”), który nie podaje ich wprost.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Williama Farra (1807–1883). Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja, badanie).
Dwa panele. A: czarne punkty – zgony na cholerę na 10 000 mieszkańców w ośmiu grupach dzielnic Londynu w 1849 roku według wysokości terenu od 0 do 350 stóp, od 177 do 7; pomarańczowa ciągła krzywa – wzór Farra 2266 przez e plus 13; niebieska przerywana krzywa dopasowana funkcją nls niemal się z nią pokrywa; szara kropkowana krzywa spadku wykładniczego mija punkty, zaniżając umieralność na niskich terenach. B: stosunek obserwowanej umieralności do przewidywanej ze wzoru Farra dla każdej wysokości; pozioma linia na 1; wartości od 0.85 przy 100 stopach do 1.23 przy 30 stopach (trójkąty oznaczają nadwyżkę powyżej 10 procent)
Rysunek 2. Umieralność na cholerę w Londynie w 1849 r. według wysokości terenu i krzywe dopasowane do tych danych (A) oraz stosunek wartości obserwowanych do przewidywanych ze wzoru Farra (B). Dane: Farr (1852). Obliczenia i rysunek: R, pakiety ggplot2 i patchwork (dane historyczne przepisane ze źródła, bez losowania).

Co widać. Krzywa Farra przechodzi blisko wszystkich punktów, a dopasowana w R prawie się z nią pokrywa. Spadek wykładniczy nie oddaje ostrego wzrostu umieralności w najniższych dzielnicach.

Na co uważać. Punkty to średnie grup dzielnic, nie dane o ludziach, więc dobre dopasowanie nie mówi, dlaczego ludzie chorowali – to klasyczne ryzyko błędu ekologicznego. Trzy dzielnice z wysokością 0 stóp należą też do grupy poniżej 20 stóp. Przede wszystkim wysokość szła w parze ze źródłem wody. W dzielnicach pijących wodę z Tamizy przy Kew i Hammersmith zmarło 15 osób na 10 000, a w pijących wodę z Tamizy między mostami Battersea i Waterloo – 123 (Farr, 1852, s. lxi).

Podpis do pracy:

Rysunek 2. Zgony z powodu cholery na 10 000 mieszkańców w grupach dzielnic Londynu w 1849 r. według średniej wysokości terenu nad znakiem wysokiej wody Tamizy (A) oraz stosunek wartości obserwowanych do przewidywanych ze wzoru c = 2266 / (e + 13) (B). Uwaga. Dane: Farr (1852, s. lxii–lxiii). Linia ciągła – wzór Farra; przerywana – ta sama funkcja dopasowana nieliniową metodą najmniejszych kwadratów na skali logarytmu; kropkowana – spadek wykładniczy.

Gdzie spotkasz Farra w swojej pracy

Zob. też John Snow, Florence Nightingale (Farr dostarczał jej dane; Lilienfeld, 2007) i Ignaz Semmelweis.

Spory, mity i trudne strony

  • Farr kontra Snow. Dziś wyżej oceniamy Snowa. Eyler (2001) pokazuje, że w latach 40. i 50. XIX w. było odwrotnie: prace Farra uznawano za rozstrzygające, a Snowa za pomysłowe, lecz wadliwe. Farr łączył wiele przyczyn, a jego wzór matematyczny przekonywał; Snowowi zarzucano śmiałe analogie i pomijanie niewygodnych danych.
  • Zmiana zdania. Farr tłumaczył cholerę miazmatami. Lilienfeld (2007) pisze, że przekonały go dane z epidemii w Newcastle w 1853 r., a to, że przebieg epidemii z 1866 r. nie pasował do jego prawa, doprowadziło go do odrzucenia miazmatów i do walki o lepsze zaopatrzenie w wodę. Według Eylera (2001) jego późniejsze badania przyczyniły się do przyjęcia poglądów Snowa.
  • Wysokość czy woda? Bingham i in. (2004) przeliczyli dane Farra z 38 dzielnic regresją logistyczną: wysokość, źródło wody i podatek na rzecz ubogich miały niezależne efekty, a źródło wody – ich zdaniem – najsilniejszy. Gdyby Farr miał ten model, jego wniosek byłby inny – to przestroga przed zmienną zakłócającą.
Przykład reprodukowalny

Wzór Farra w R

Kod wpisuje liczby z raportu Farra (1852), porównuje je z „tarasowym” ciągiem 102 / n, odtwarza wyliczenie stałej a, dopasowuje wzór c = A / (e + a) do wszystkich punktów funkcją nls(), porównuje go ze spadkiem wykładniczym i rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Kod nie losuje.

1. Cholera i wysokość terenu: rysunek 2

Dane wejściowe: liczby wpisane ręcznie z raportu Farra (1852, s. lxii–lxiii): średnia wysokość ośmiu grup dzielnic Londynu nad znakiem wysokiej wody Tamizy (stopy) i zgony na cholerę w 1849 r. na 10 000 mieszkańców.

Co odczytać: porównanie z ciągiem 102 / n; stałą a z dwóch punktów; współczynniki A i a z nls(); błędy resztowe obu krzywych; tabelę wartości przewidywanych i stosunków obserwowane / wzór Farra.

Kod R rysunku 2
# William Farr: umieralność na cholerę w Londynie w 1849 r. a wysokość terenu (Farr, 1852, s. lxii–lxiii)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(dane = "black", farr = "#D55E00", nls = "#0072B2", wykl = "grey45")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")

# Średnia wysokość grup dzielnic nad znakiem wysokiej wody Tamizy (stopy) i zgony na cholerę na 10 000 mieszkańców
farr <- data.frame(wysokosc = c(0, 10, 30, 50, 70, 90, 100, 350),
                   zgony    = c(177, 102, 65, 34, 27, 22, 17, 7))
# Wersja „tarasowa”: 102 dzielone kolejno przez numer tarasu (1–6; Hampstead – 18)
taras <- c(1, 2, 3, 4, 5, 6, 18)
round(rbind(obserwowane = farr$zgony[-1], `102 / taras` = 102 / taras), 1)

# Krzywa Farra: c = A / (e + a); stałą a wyznaczył z dwóch punktów (e = 0, c = 177 oraz e = 90, c = 22)
a_farr <- (90 * 22 - 0 * 177) / (177 - 22)
round(a_farr, 2)                                 # Farr przyjął a = 13, więc A = (90 + 13) × 22 = 2266
farr$wzor_farra <- 2266 / (farr$wysokosc + 13)

# Ta sama krzywa dopasowana do wszystkich ośmiu punktów: nieliniowe najmniejsze kwadraty na skali logarytmu
m_hip <- nls(log(zgony) ~ log(A) - log(wysokosc + a), data = farr, start = list(A = 2266, a = 13))
round(coef(m_hip), 1)
farr$nls <- exp(fitted(m_hip))
# Dla porównania: spadek wykładniczy, log(c) = b0 + b1 × e
m_wykl <- lm(log(zgony) ~ wysokosc, data = farr)
farr$wykladniczy <- exp(fitted(m_wykl))
round(c(blad_resztowy_hiperbola = summary(m_hip)$sigma, blad_resztowy_wykladniczy = summary(m_wykl)$sigma), 3)
# Obserwowane wartości a przewidywane (stosunek obserwowane / wzór Farra)
farr$stosunek <- farr$zgony / farr$wzor_farra
print(transform(farr, wzor_farra = round(wzor_farra, 1), nls = round(nls, 1), wykladniczy = round(wykladniczy, 1),
                stosunek = round(stosunek, 2)), row.names = FALSE)

# Rysunek 2A: dane i trzy krzywe
siatka <- data.frame(wysokosc = seq(0, 360, by = 1))
siatka$`wzór Farra: 2266 / (e + 13)` <- 2266 / (siatka$wysokosc + 13)
siatka$`ta sama krzywa, nls` <- exp(predict(m_hip, newdata = siatka))
siatka$`spadek wykładniczy` <- exp(predict(m_wykl, newdata = siatka))
krzywe <- data.frame(wysokosc = rep(siatka$wysokosc, 3), zgony = c(siatka[[2]], siatka[[3]], siatka[[4]]),
                     model = rep(names(siatka)[2:4], each = nrow(siatka)))
krzywe$model <- factor(krzywe$model, levels = names(siatka)[2:4])
pA <- ggplot(farr, aes(wysokosc, zgony)) +
  geom_line(data = krzywe, aes(colour = model, linetype = model), linewidth = 0.9) +
  geom_point(size = 3, colour = kol[["dane"]]) +
  annotate("text", x = 120, y = 150, label = "punkty: średnie grup dzielnic\n(Farr, 1852)", hjust = 0, size = 3.4, lineheight = 0.9) +
  scale_colour_manual(values = c(kol[["farr"]], kol[["nls"]], kol[["wykl"]]), name = NULL) +
  scale_linetype_manual(values = c("solid", "dashed", "dotted"), name = NULL) +
  coord_cartesian(ylim = c(0, 200)) +
  labs(title = "A. Cholera 1849 a wysokość terenu", x = "Wysokość nad znakiem wysokiej wody (stopy)",
       y = "Zgony na cholerę na 10 000 mieszkańców") +
  motyw + guides(colour = guide_legend(nrow = 3), linetype = guide_legend(nrow = 3))
# Rysunek 2B: obserwowane / przewidywane ze wzoru Farra
pB <- ggplot(farr, aes(factor(wysokosc), stosunek)) +
  geom_hline(yintercept = 1, colour = kol[["farr"]]) +
  geom_segment(aes(xend = factor(wysokosc), y = 1, yend = stosunek), colour = "grey55") +
  geom_point(aes(shape = stosunek > 1.1), size = 3.2) +
  geom_text(aes(label = sprintf("%.2f", stosunek)), vjust = ifelse(farr$stosunek > 1, -1, 1.9), size = 3.3) +
  scale_shape_manual(values = c(`FALSE` = 16, `TRUE` = 17), guide = "none") +
  scale_y_continuous(limits = c(0.7, 1.35)) +
  labs(title = "B. Obserwowane / wzór Farra", x = "Wysokość (stopy)", y = "Stosunek") +
  motyw
p2 <- pA + pB + plot_layout(widths = c(1.5, 1))
p2
Wynik w R
            [,1] [,2] [,3] [,4] [,5] [,6] [,7]
obserwowane  102   65   34 27.0 22.0   17  7.0
102 / taras  102   51   34 25.5 20.4   17  5.7
[1] 12.77
     A      a 
2281.6   12.6 
  blad_resztowy_hiperbola blad_resztowy_wykladniczy 
                     0.12                      0.60 
 wysokosc zgony wzor_farra   nls wykladniczy stosunek
        0   177      174.3 181.7        71.4     1.02
       10   102       98.5 101.2        66.1     1.04
       30    65       52.7  53.6        56.5     1.23
       50    34       36.0  36.5        48.3     0.95
       70    27       27.3  27.6        41.3     0.99
       90    22       22.0  22.2        35.3     1.00
      100    17       20.1  20.3        32.6     0.85
      350     7        6.2   6.3         4.6     1.12

2. Oś czasu: rysunek 1

Dane wejściowe: dziesięć zdarzeń z latami według cytowanych źródeł, wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: William Farr, 1807–1883 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1807, 1826, 1829, 1832, 1837, 1852, 1860, 1866, 1871, 1883),
  opis = c("urodził się w Kenley\n(Shropshire)", "zaczyna naukę medycyny\nw Shrewsbury", "spadek; studia\nw Paryżu", "uprawnienia\nlekarskie (Londyn)",
           "rozdział „Vital Statistics”;\nrusza General Register Office", "raport o cholerze\n1848–49: wysokość terenu",
           "propozycja klasyfikacji\nprzyczyn zgonów", "epidemia cholery:\nporzuca teorię miazmatów", "prezes Towarzystwa\nStatystycznego", "zmarł"),
  rodzaj = c("życie", "życie", "życie", "praca", "publikacja", "publikacja", "publikacja", "badanie", "praca", "życie"))
zdarzenia$strona     <- c(1, -1, 1, -1, 1, -1, 1, -1, 1, -1)
zdarzenia$poziom     <- c(0.5, 0.5, 0.5, 1.2, 1.2, 0.5, 1.2, 1.2, 0.5, 0.5)
zdarzenia$wyrownanie <- c(0.3, 0.5, 0.8, 0.5, 0.5, 0.7, 0.5, 0.5, 0.5, 0.5)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "badanie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "badanie" = "#009E73")   # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
  geom_segment(aes(xend = rok, y = 0, yend = poziom * strona), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
  geom_text(aes(y = (poziom + 0.07) * strona, label = paste0(rok, "\n", opis), vjust = ifelse(strona > 0, 0, 1), hjust = wyrownanie),
            size = 3.3, lineheight = 0.9) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1800, 1890), breaks = seq(1800, 1890, by = 10)) +
  scale_y_continuous(limits = c(-1.9, 2.0)) +
  labs(x = NULL, y = NULL) +
  theme_minimal(base_size = 13) +
  theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
        legend.position = "bottom")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (nieliniowe najmniejsze kwadraty – funkcja nls(), regresja liniowa – lm() z pakietu stats; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim był William Farr?

Angielskim lekarzem i statystykiem (1807–1883), który przez cztery dekady pracował w General Register Office, urzędzie rejestrującym urodzenia i zgony w Anglii i Walii. Zbudował tam pierwszy krajowy system statystyki ludności i zaproponował klasyfikację przyczyn zgonów (Lilienfeld, 2007).

Jak Farr opisał związek cholery z wysokością terenu?

W raporcie o cholerze z lat 1848–1849 (1852) pogrupował dzielnice Londynu według wysokości nad znakiem wysokiej wody Tamizy. Umieralność malała od 102 na 10 000 mieszkańców poniżej 20 stóp do 7 w Hampstead, a Farr opisał ją wzorem c = 2266 / (e + 13), gdzie e to wysokość w stopach.

Czy William Farr zgadzał się z Johnem Snowem?

Długo nie. Farr tłumaczył cholerę miazmatami, a jego wyniki współcześni uznawali za rozstrzygające, a Snowa – za pomysłowe, lecz wątpliwe (Eyler, 2001). Po danych z kolejnych epidemii, ostatecznie w 1866 r., porzucił teorię miazmatów i poparł lepsze zaopatrzenie w wodę (Lilienfeld, 2007).

Co William Farr ma wspólnego z klasyfikacją ICD?

Na potrzeby statystyki zgonów opracował nozologię, czyli klasyfikację przyczyn zgonów. Według Lilienfelda (2007) struktura Międzynarodowej Klasyfikacji Chorób (ICD) wywodzi się z jego propozycji z 1860 r.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bingham, P., Verlander, N. Q., & Cheal, M. J. (2004). John Snow, William Farr and the 1849 outbreak of cholera that affected London: A reworking of the data highlights the importance of the water supply. Public Health, 118(6), 387–394. https://doi.org/10.1016/j.puhe.2004.05.007
  2. Eyler, J. M. (2001). The changing assessments of John Snow's and William Farr's cholera studies. Sozial- und Präventivmedizin, 46(4), 225–232. https://doi.org/10.1007/bf01593177 ● Otwarty dostęp: pełny tekst
  3. Farr, W. (1852). Report on the mortality of cholera in England, 1848–49. Her Majesty's Stationery Office. https://archive.org/details/b24751297 ● Otwarty dostęp
  4. Langmuir, A. D. (1976). William Farr: Founder of modern concepts of surveillance. International Journal of Epidemiology, 5(1), 13–18. https://doi.org/10.1093/ije/5.1.13
  5. Lilienfeld, D. E. (2007). Celebration: William Farr (1807–1883) – an appreciation on the 200th anniversary of his birth. International Journal of Epidemiology, 36(5), 985–987. https://doi.org/10.1093/ije/dym132

Cytowania BibTeX

@article{bingham2004john, author={Bingham, P. and Verlander, N. Q. and Cheal, M. J.}, title={{John Snow, William Farr and the 1849 outbreak of cholera that affected London: A reworking of the data highlights the importance of the water supply}}, journal={Public Health}, year={2004}, volume={118}, number={6}, pages={387--394}, doi={10.1016/j.puhe.2004.05.007}}
@article{eyler2001changing, author={Eyler, John M.}, title={{The changing assessments of John Snow's and William Farr's cholera studies}}, journal={Sozial- und Präventivmedizin}, year={2001}, volume={46}, number={4}, pages={225--232}, doi={10.1007/bf01593177}}
@book{farr1852report, author={Farr, William}, title={{Report on the mortality of cholera in England, 1848–49}}, year={1852}, publisher={Her Majesty's Stationery Office}, url={https://archive.org/details/b24751297}}
@article{langmuir1976william, author={Langmuir, Alexander D.}, title={{William Farr: Founder of modern concepts of surveillance}}, journal={International Journal of Epidemiology}, year={1976}, volume={5}, number={1}, pages={13--18}, doi={10.1093/ije/5.1.13}}
@article{lilienfeld2007celebration, author={Lilienfeld, David E.}, title={{Celebration: William Farr (1807–1883) – an appreciation on the 200th anniversary of his birth}}, journal={International Journal of Epidemiology}, year={2007}, volume={36}, number={5}, pages={985--987}, doi={10.1093/ije/dym132}}
R