Содержание к диссертации
Введение
Глава 1. Факторы риска сердечно-сосудистых заболеваний и вопросы диагностики, прогнозирования патологии с использованием компьютерных систем (Обзор литературы) 11
1.1. Распространенность, факторы риска и прогнозные тенденции инфаркта миокарда .11
1.2. Математические подходы к прогнозированию развития инфаркта миокарда 30
Глава 2. Методы и алгоритм прогнозирования острого инфаркта миокарда на территориальном и индивидуальном уровнях .43
2.1. Математические методы для прогнозирования острого инфаркта миокарда в отдельных территориях .43
2.2. Алгоритм прогнозирования острого инфаркта миокарда 46
Глава 3. Математические модели для прогнозирования острого инфаркта миокарда в различных территориях орловской области в зависимости от других болезней системы кровообращения 49
Глава 4. Прогнозирование острого инфаркта миокарда на основе факторов риска, лабораторных изменений и качества жизни 93
Заключение .129
Выводы 132
Практические рекомендации .133
Список литературы
- Распространенность, факторы риска и прогнозные тенденции инфаркта миокарда
- Математические подходы к прогнозированию развития инфаркта миокарда
- Алгоритм прогнозирования острого инфаркта миокарда
- Математические модели для прогнозирования острого инфаркта миокарда в различных территориях орловской области в зависимости от других болезней системы кровообращения
Введение к работе
Актуальность исследования. Ведущей нозологической формой в структуре ишемической болезни сердца на протяжении многих лет остаётся инфаркт миокарда (Залевская Н.Г., 2011; Семёнова И.А., 2011; Fub.A.et al, 2013). Ежегодно в мире отмечается более 15 миллионов новых случаев инфаркта миокарда (Кокорин В.А. и др., 2011). Острый инфаркт миокарда (ОИМ) во многом определяет летальность, трудовые потери в большинстве стран мира (Олимов Н.Х. и др., 2013; Веселова Т.Н. и др. 2013; Кравченко А.Н. и др., 2013; Marrugat J. Et al, 2003; Karwowski et al, 2012). Так, по данным Американской Ассоциации Сердца в течение шести лет после ОИМ 18% мужчин и 35% женщин переносят повторный инфаркт миокарда, 22% мужчин и 46% женщин становятся инвалидами из-за развития тяжёлой сердечной недостаточности (Quadros A.S., 2012). Причиной каждого второго смертельного случая среди взрослых лиц являются ОИМ и мозговой инсульт (Олимов Н.Х. и др., 2013). В отличие от европейских стран, где отмечается тенденция к снижению смертности от инфаркта миокарда, в России, наоборот, интенсивный показатель в 6-8 раз превышает смертность в странах Европы, Японии, США (Морозова И.С. и др., 2012; Hewell М.С. et al, 2011; Mrdovic I. Et al, 2013).
В современных исследованиях показано, что основными причинами высокой распространённости и смертности вследствие ОИМ служат факторы риска - артериальная гинертензия, курение, сахарный диабет, избыточная масса тела, дислипидемия, уровень пульсового давления, возраст, семейный анамнез (Берштейн Л.А. и др., 2009; Громова Е.А., 2010; Коше-лева Н.А., Ребров А.П., 2011; Семёнова И.А. и др., 2011; Тиньков А.Н. и др., 2013; Гордиенко А.В. и др., 2013). При этом значимость отдельных факторов риска, включая количественную оценку медико-социальных, клинических, функциональных, лабораторно-диагностических признаков, в отношении развития ОИМ остаётся недостаточно изученной (Дзизин-ский А.А. и др., 2010). Отсутствуют математические модели, учитывающие взаимосвязи данных факторов риска и позволяющие осуществить прогнозирование вероятности возникновения ОИМ.
Математическое прогнозирование кардиальных событий при ишемической болезни сердца относится к классу сложных задач, связанных с поиском решений в условиях неопределённости, неполноты, противоречивости и многозначности исходной информации (Петрунина Е.В., Волкова Н.А., 2011). При ОИМ прогноз заболевания в большинстве исследований сводится к прогнозу жизни, где в качестве конечных точек используются все случаи кардиальной смерти, включающие декомпенсацию сердечной недостаточности и внезапную сердечную смерть (Шопин А.Н. и др., 2011).
В отдельных исследованиях установлена прогностическая информативность некоторых факторов риска, нарушений липидного обмена на развитие неблагоприятных исходов ОИМ - летальность, повторный инфаркт миокарда, повторная госпитализация (Тиньков А.Н. и др., 2013).
Регрессионная модель прогнозирования сердечно-сосудистых осложнений у пациентов с хронической сердечной недостаточностью ише-мического генеза, включающая в качестве независимых достоверных предикторов неблагоприятного исхода возраст, индекс массы тела, частоту сердечных сокращений, уровень мочевой кислоты, высокочувствительного С-реактивного белка, N-терминальный фрагмент промозгового натрийуретического пептида, позволяет рассчитать индивидуальный риск развития осложнений с чувствительностью 81% и специфичностью 85% (Кошелева Н.А., Ребров А.П., 2011). При установленной прогностической ценности N-терминального фрагмента промозгового натрийуретического пептида в общей популяции пациентов, перенесших ОИМ, остаётся открытым вопрос возможных ограничений применения данного показателя (Фирстов Д.А. и др., 2010). Поэтому повышение эффективности прогнозирования ОИМ и его осложнений следует считать актуальной научно-практической задачей.
Настоящее исследование выполнено в соответствии с планом НИР ФГБОУ ВПО «Юго-Западный государственный университет».
Цель диссертационной работы - улучшение прогнозирования острого инфаркта миокарда на основе оценки прогностичности и моделирования факторов риска, лабораторных параметров и качества жизни.
Достижение данной цели предусматривает решение следующих задач исследования:
разработка математических моделей для прогнозирования острого инфаркта миокарда в зависимости от других болезней системы кровообращения на территориальном уровне,
осуществление краткосрочного прогнозирования частоты острого инфаркта миокарда на основе адаптивного метода в различных территориях области,
изучение прогностической значимости семейных, профессиональных, стрессорных, поведенческих факторов риска для прогнозирования вероятности развития острого инфаркта миокарда,
проведение численной оценки прогностичности основных лабораторных параметров и качества жизни у больных острым инфарктом миокарда и построение регрессионных моделей по прогнозированию данной патологии.
Научная новизна результатов работы.
В исследовании получены следующие результаты, обладающие научной новизной:
-
алгоритм прогнозирования острого инфаркта миокарда, отличающийся изучением прогностической значимости гипертонической болезни, стенокардии, социальных, поведенческих факторов риска, активности ферментов, кардиоспецифических маркёров и качества жизни, позволяющий улучшить результаты прогнозирования риска острого инфаркта миокарда;
-
регрессионные модели по прогнозированию острого инфаркта миокарда в городских и сельских территориях, отличающиеся использованием в качестве независимых переменных частоты гипертонической болезни, стенокардии, общей заболеваемости населения, и обеспечивающие приемлемое качество решения задачи;
-
математические модели для прогнозирования уровня смертности при остром инфаркте миокарда от заболеваемости другими болезнями системы кровообращения с высоким безошибочным уровнем;
-
прогностические факторы риска острого инфаркта миокарда, представленные отсутствием собственного жилья, физическими перегрузками, нервно-психическим перенапряжением и напряжёнными психологическими отношениями на работе, разводом в семье, серьёзной болезнью близкого родственника, крупным скандалом на работе, частым употреблением солёной и жирной пищи, сливочного масла, выраженным и тяжелым ожирением, регулярным курением;
-
прогностические лабораторные показатели, отличающиеся креа-тинкиназой - MB более 25 МЕ/л, лактатдегидрогеназой -1 свыше 200 МЕ/л, лактатдегидрогеназой-2 свыше 180 МЕ/л, тропонином Т более 0,5 мкг/л, общей лактатдегидрогеназой более 460 МЕ/л;
-
математические модели для прогнозирования развития острого инфаркта миокарда, включающие ангинозную боль, подъём сегмента ST, систолическое и диастолическое артериальное давление, уровень липопро-теидов высокой плотности, МВ-фракцию креатинкиназы, лактатдегидро-геназы - 1 и 2, тропонин Т, качество жизни, характеризующиеся преимущественно высокой специфичностью и чувствительностью.
Научно-практическое значение диссертации.
Математическое прогнозирование заболеваемости и смертности вследствие острого инфаркта миокарда в территориальных системах области от других болезней системы кровообращения имеет практическое значение для обоснования и реализации структуры превентивных программ и заблаговременных мероприятий, направленных на снижение острого инфаркта миокарда. Результаты прогнозирования могут использо-
ваться при проведении скрининговых исследований по выявлению данных заболеваний.
На основе прогностических коэффициентов различных факторов риска острого инфаркта миокарда построена прогностическая таблица, позволяющая установить индивидуальный риск его развития. Выделены про-гностичные показатели биохимического исследования крови, являющиеся ведущими лабораторными признаками для прогнозирования развития острого инфаркта миокарда.
Применение математических моделей, построенных по прогностич-ным лабораторным и клиническим параметрам, улучшает прогнозирование острого инфаркта миокарда.
Внедрение результатов работы.
Полученные результаты внедрены в МУЗ «Городская больница №2 г. Белгорода», в учебный процесс ФГБОУ ВПО «Юго-Западный государственный университет» при подготовке студентов по специальности «Медицинская кибернетика» при изучении дисциплины «Математическая биология», ФГБОУ ВПО «Курский государственный университет» при обучении студентов по специальности «Медицинская психология». Апробация работы.
Основные результаты диссертационной работы докладывались на: Региональной научно-практической конференции «Актуальные проблемы кардиологии» (Орёл, 2010г.), коллегии Управления здравоохранения Орловской области (Орёл, 2012г.), Международной научно-практической конференции «Интегративные процессы в науке - 2013» (Москва, 2013г.), научно-практических семинарах Орловского государственного университета (Орёл, 2012-2013гг.).
Публикации.
По теме диссертации опубликовано 7 научных работ, в том числе 6 -в рецензируемых научных журналах и изданиях.
Структура и объём диссертации.
Диссертация состоит из введения, четырёх глав, заключения, выводов и практических рекомендаций, списка литературы из 133 отечественных и 67 зарубежных публикаций, приложения. Работа изложена на 163 страницах, иллюстрирована 34 таблицами и 28 рисунками.
Основные положения, выносимые на защиту.
1. Математические модели прогнозирования заболеваемости и смертности от острого инфаркта миокарда от других болезней системы кровообращения и алгоритм прогнозирования данного заболевания улучшают качество решения искомой задачи.
-
Прогностические коэффициенты комплекса факторов риска обеспечивают индивидуальное прогнозирование низкого, среднего и высокого риска острого инфаркта миокарда.
-
Математические модели, построенные по прогностичным кли-нико-лабораторным показателям, повышают результативность прогнозирования острого инфаркта миокарда.
Распространенность, факторы риска и прогнозные тенденции инфаркта миокарда
Сердечно-сосудистые заболевания (ССЗ) являются основной причиной смерти во всем мире: ни по какой другой причине ежегодно не умирает столько людей, сколько от ССЗ [31, 33, 90, 134, 189]. Среди ССС приоритетное место принадлежит инфаркту миокарда (ИМ) – неотложному клиническому состоянию, обусловленному некрозом участка сердечной мышцы в результате нарушения ее кровоснабжения [1, 5, 48, 63, 151, 190]. По оценкам учёных, в 2008 году от ССЗ умерло 17,3 миллиона человек, что составило 30% всех случаев смерти в мире. Из этого числа 7,3 миллиона человек умерло от ишемической болезни сердца, включая ИМ.
Данная проблема в разной степени затрагивает страны с низким и средним уровнем дохода [3, 18, 89, 140, 148, 165, 193]. Более 80% случаев смерти от ССЗ происходит в этих странах, почти в равной мере среди мужчин и женщин. К 2030 году прогнозируется, что около 23,6 миллионов человек умрет от ССЗ и главным образом от болезней сердца и инсульта. Ежегодно в мире от болезней сердца и сосудов умирает 17,5 миллионов человек, причем 1,2 миллиона из них составляют наши соотечественники. Особенность нашей страны состоит в том, что 40% смертей приходится на людей трудоспособного возраста – 25-64 лет. Объяснить такую ситуацию экономическими показателями невозможно. Распространенность болезней сердца и сосудов в основном зависит от образа жизни и факторов риска, а изменение образа жизни и снижение факторов риска может замедлить развитие заболевания как до, так и после появления клинических симптомов[2, 6, 90, 137, 195].
Во второй половине ХХ века основную опасность для здоровья населения и проблему для здравоохранения стали представлять неинфекционные заболевания, в первую очередь болезни сердечнососудистой системы, которые в настоящее время являются ведущей причиной заболеваемости, инвалидизации и смертности взрослого населения. Они стали распространяться и среди населения развивающихся стран [4, 9, 65, 83, 179, 194].
В большинстве экономически развитых стран заболевания сердечно- сосудистой системы занимают первое место среди причин заболеваемости инвалидизации и смертности, хотя их распространенность в разных регионах значительно колеблется[10, 20, 80, 142, 198]. В Европе ежегодно умирают от сердечно-сосудистых заболеваний приблизительно 3 млн. человек, в США – 1 млн. Это составляет половину всех смертей и в 2,5 раза больше, чем от всех злокачественных новообразований вместе взятых. Ежегодные экономические потери в результате смерти от сердечно-сосудистых заболеваний в США составляют 56900 млн. долларов. В России эти заболевания являются основной причиной смертности и заболеваемости населения. Если в 1939 году в общей структуре при 13 чин смертности они составляли лишь 11%, то в 1980 году свыше 50%, а в 2010 году – 76%.
В среднем ежегодно регистрируется 254 ± 18 случаев острого инфаркта миокарда (ОИМ), что составляет 60,6% среди всех заболеваний сердечно-сосудистой системы [10]. Установлено, что заболеваемость ОИМ среди персонала радиационно опасных производств существенно выше, чем среди населения, не подвергающегося длительному воздействию радиационного фактора в процессе профессиональной деятельности [13]. Хотя заболеваемость ОИМ существенно увеличивается при переходе к старшим возрастным группам, межгрупповые различия оказались значимы для мужчин трудоспособного возраста. По результатам данного исследования, персонал основных производств по отношению к персоналу вспомогательных (с сопоставимыми возрастно-половой структурой и уровнем обследованности) имел двукратное повышение риска развития ИМ. Взаимосвязь между характером труда персонала и заболеваемостью ОИМ с возрастом становилась слабее, что может быть объяснено увеличением вклада пожилого возраста в уровень риска развития ОИМ [13].
Взаимодействие традиционных факторов риска (ФР) ССЗ обуславливает мультипликативное увеличение их суммарного негативного эффекта. Изучение распространенности сочетаний факторов риска у мужчин основного и вспомогательного производств, заболевших ОИМ свидетельствует об их различии и показало, что наиболее частыми сочетаниями факторов риска ССЗ у обследованных были артериальная гипер-тензия (АГ), ожирение и гиподинамия, а также курение, психоэмоциональное напряжение и употребление алкоголя[16, 76, 114, 133, 144, 168]. Вторая триада статистически значимо чаще обнаруживалась у работников, подвергавшихся воздействию ионизирующего излучения (ИИ) (Х2 = 7,45; p = 0,0064)
При проведении корреляционного анализа была выявлена статистически значимая отрицательная корреляционная связь (r = –0,137, р = 0,014) между возрастом развития ОИМ и суммарными дозами общего внешнего облучения (СДВО). Для СДВО была выявлена статистически значимая отрицательная корреляция и для стажа АГ до ОИМ (r = – 0,11919, р = 0,0312). Следовательно, наибольшие СДВО были зарегистрированы у лиц молодого возраста, заболевших ОИМ, с небольшим стажем АГ. С помощью дисперсионного анализа было установлено, что для работников основного производства, заболевших ОИМ, СДВО у лиц, подверженных и неподверженных психоэмоциональному перенапряжению, гиподинамии, ожирению, а также у лиц, имеющих или не имеющих отягощенную наследственность и сахарный диабет, были со-поставимы[8, 21, 84, 116, 159, 177]. Однако, по данным дисперсионного анализа, лица с нормальным уровнем общего холестерина крови, заболевшие ОИМ, имели более высокие СДВО, тогда как гиперхолестери-немия способствовала развитию ОИМ при более низких уровнях суммарных доз (р = 0,0154). Аналогичные тенденции наблюдались и для АГ (р = 0,0066) по результатам дисперсионного анализа. Полученные данные позволяют сделать вывод, что в патогенезе острых коронарных катастроф ИИ выступает в качестве фактора, усугубляющего отрицательное влияние дислипидемии и АГ, потенцируя нестабильность коронарного атеросклероза.
Математические подходы к прогнозированию развития инфаркта миокарда
При изучении зависимостей между уровнем смертности от ОИМ и заболеваемостью с нарушением мозгового кровообращения посредством обработки статистических данных регрессионным методом построена математическая модель, которая обеспечивает получение прогнозных оценок по частоте смертности вследствие ОИМ: частота нарушений мозгового кровообращения на 1000 жи-телей этих территорий. Разработанная математическая модель статистически значима (Р 0,002).
Построение графической модели зависимости между уровнем нарушений мозгового кровообращения и смертностью вследствие ОИМ в городах области указывает на линейное соотношение (рис. 20). На основании полученных результатов можно сделать вывод о том, что при росте частоты острых нарушений мозгового кровообращения в городских территориях увеличивается уровень смертности от инфаркта миокарда.
Обработка данных о заболеваемости городских жителей цереб-ро-васкулярными болезнями и смертности вследствие ОИМ регрессионным методом позволила получить следующую математическую модель: Рис. 20. Модель зависимости уровня смертности от острого ин-фаркта миокарда и частоты нарушений мозгового кро-вообращения в городах области.
Построение графической модели зависимости между уровнем церебро-васкулярных заболеваний и смертностью вследствие ОИМ в городах области показывает линейный характер (рис. 21). Поэтому на основании этих результатов можно утверждать о том, что при увеличении частоты церебро-васкулярной патологии в городских территориях области произойдёт увеличение смертности вследствие ОИМ.
Рис. 21. Модель зависимости уровня смертности от острого ин-фаркта миокарда и уровня церебро-васкулярноых бо-лезней в городах области. Обработка данных о заболеваемости городских жителей гипертонической болезнью и смертности вследствие ОИМ регрессионным методом позволила получить следующую математическую модель: y3 = 3,861 + 0,205x15, где y3 - уровень смертности населения в городах на 1000 от ОИМ, x15 - заболеваемость жителей гипертонической болезнью на 1000 населения. Математическая модель статистически значима (Р 0,041) и может быть рекомендована для практического осуществления прогнозирования искомой патологии в городах области.
Построение графической модели зависимости между уровнем гипертонической болезни и смертностью вследствие ОИМ в городах области показывает линейный характер (рис. 22). Поэтому на основании этих результатов можно утверждать о том, что при увеличении частоты гипертонической болезни в городских территориях области произойдёт увеличение смертности вследствие ОИМ на территориал Рис. 22. Модель зависимости уровня смертности от острого инфаркта миокарда и частоты гипертонической болезни в городах области. альном уровне.
Реализуя последовательно процедуру пошагового регрессионного анализа по данным о заболеваемости городских жителей Орловской области всеми болезнями и смертности от ОИМ разработана регрессионное уравнение:
Отражение установленной зависимости между частотой смертности жителей городов области от ОИМ и уровнем всех болезней позволило получить графическую модель (рис. 23). Данная модель, как и рассмотренные ранее, является линейной и указывает на увеличение смертности от ОИМ в городских территориях области при одновременном росте заболеваемости всеми болезнями жителей.
Используя регрессионный метод разработаны математические модели для прогнозирования смертности при ОИМ от заболеваемости другими болезнями системы кровообращения в сельских территориях Орловской области. С учётом частоты болезней системы кровообращения среди сельских жителей математическая модель имеет вид: уровень смертности от ОИМ в сельских районах области на 1000 жителей, Рис. 23. Графическая модель зависимости между уровнем смертности от острого инфаркта миокарда и заболевае-мости всеми болезнями жителей городов Орловской об-ласти. х17 - уровень болезней системы кровообращения в данных тер-риториях на 1000 взрослых. Созданная математическая модель достоверна (Р 0,00007). Достоверной является и переменная, входящая в эту модель. Все это указывает на возможность применения математической модели для прогно-зировнаия ситуации по смертности вследствие ОИМ и улучшит принятие предупреждающих решений на территориальном уровне.
На основе полученных данных построен полином первой степени (рис. 24). Указанная модель отражает линейную зависимость между заболеваемостью болезнями системы кровообращения в сельских районах и уровнем смертности при ОИМ в этих территориях. Из представленной модели следует, что уровень смертности от ОИМ находится в прямой зависимости от уровня болезней системы кровообращения.
Соотношение частоты болезней системы кровообраще-ния и смертности от острого инфаркта миокарда в сель-ских районах области.
Включение в обработку частоты нарушений мозгового кровообращения удалось синтезировать математическую модель для прогнозирования частоты смертности вследствие ОИМ в сельских районах, которая имеет следующий вид: мозгового кровообращения в указанных территориях на 1000 человек. Данная регрессионная модель применима для практического использования в медицинской сфере, так модель достоверна (Р 0,0008). Переменная, входящая в эту модель также достоверна.
Графическая зависимость между частотой смертности от ОИМ и уровнем нарушений системы кровообращения в сельских районах имеет линейный характер (рис. 25). Принимая данный факт во
Соотношение частоты нарушений мозгового кровооб-ращения и уровня смертности при остром инфаркте миокарда в сельских территориальных системах. внимание следует сказать о том, что при повышении частоты нарушений мозгового кровообращения среди жителей сельских территорий Орловской области будет происходить подъём уровня смертности вследствие ОИМ. Это следует учитывать при организации и разработке территориальных профилактических программ в отношении муль-тифакториальной патологии, к которой безусловно относится ОИМ.
Для прогнозирования частоты смертности вследствие ОИМ от заболеваемости населения сельских территорий области церебро-васкулярной патологии разработана математическая модель, описываемая выражением: заболеваемость сельских жителей церебро-васкулярной па-тологией на 1000 человек. Математическая модель достоверно отражает установленную зависимость (Р 0,001) при статистически значимой переменной - заболеваемости сельских жителей церебро-васкулярной патологией (х19) и может быть рекомендована для практического применения.
При построении графической зависимости между заболеваемостью церебро-васкулярной патологией в сельских районах и уровнем смертности от ОИМ в данных же территориях выявлена линейная модель (рис. 26). Как видно из рис. 26 полином первой степени указывает на увеличение частоты смертности вследствие ОИМ от уровня це-ребро-васкулярных болезней в сельских территориях области.
Алгоритм прогнозирования острого инфаркта миокарда
Уменьшение негативных последствий при ИМ неразрывно связывается с совершенствованием прогнозирования по различным факторам риска, активности нейрогуморальных систем у больных, нарушениям углеводного обмена, эхокардиографическим и другим параметрам. [49, 55, 107, 122, 131].
Выполненное нами прогнозирование заболеваемости ОИМ свидетельствует об увеличении патологии как в среднем в области, так и в городских и сельских территориях. При этом наиболее интенсивный прирост частоты ОИМ в 2013-2014 гг. прогнозируется в сельских районах. Проводится проспективное изучение вклада артериальной гипертензии в риск развития сердечно-сосудистых событий [76], прогнозирование риска развития ИМ и мозгового инсульта у больных артериальной гипертензией [40]. Указывается на важность анализа вклада артериальной гипертонии как одного из лидирующих факторов риска ССЗ при определении приоритетных направлений вмешательства [76].
Данное заболевание и другие болезни системы кровообращения изучены нами с точки зрения выявления зависимости и построения прогностических моделей для ОИМ в городских и сельских территориях. Установлено, что между заболеваемостью ОИМ и болезнями системы кровообращения, в том числе с гипертонической болезнью существует линейная зависимость. Полученные математические модели для городов являются адекватными. Аналогично выполнена разработка математических моделей для прогнозирования частоты ОИМ в сельских районах. Регрессионные моде ли включают в качестве зависимой переменной частоту ОИМ, а независимыми переменными являлись в различных моделях уровень болезней системы кровообращения, ишемической болезни сердца, гипертонической болезни, общей заболеваемости, стенокардии на 1000 взрослого населения.
В других исследованиях дискриминантным методом построены математические модели, предназначенные для прогнозирования риска ИМ у больных артериальной гипертензией [40]. Точность распознавания ИМ может быть увеличена при объединении групп высокого и промежуточного риска в одну группу. С использованием компьютерного прогнозирования выделены варианты неблагоприятного прогноза у больных ишемической болезнью сердца [98]. Показано, что отношение шансов развития ИМ статистически значимо при уровне систолического артериального давления более 160 мм рт. ст. [108].
Для прогнозирования смертности вследствие ОИМ в настоящей работе синтезирована группа математических моделей, учитывающих заболеваемость другими болезнями системы кровообращения. Среди построенных регрессионных функций только две оказались неадекватными по критерию Фишера. В литературе широко представлены результаты прогнозирования осложнений у больных ИМ и реинфаркта [34, 93, 122, 131].
При осуществлении прогнозирования ОИМ важно учитывать индивидуальные факторы риска. Нами установлена прогностическая значимость семейных, профессиональных факторов риска, характеристик отдыха, стрессорных событий, особенностей питания, ожирения, курения и физической активности. На основе оценки данных факторов риска численными методами разработана прогностическая таблица, позволяющая выделить три степени риска ОИМ с высокой безошибочной погрешностью. Среди исследованных факторов риска ОИМ наибольшей прогностической значимостью обладают особенности питания, стрессорные события и профессиональные. В исследовании Семёновой И.А. и др. [107] выявлена корреляционная связь курения с индексом нарушения локальной сократимости у больных ОИМ, с гиподинамией, избыточной массой тела, возрастом. Перечисленные факторы риска имелись у большинства больных ОИМ.
Прогнозирование ОИМ от лабораторных параметров позво лило получить прогноз с высокой чувствительностью и точностью для математических моделей, представленных биохимическими па раметрами крови (МВ-фракция креатинкиназы, лактатдегидрогена за-1, лактатдегидрогеназа-2, тропонин) и клинико электрокардиографическими признаками (подъём зубца ST, анги нозная боль, систолическое и диастолическое артериальное давле ние). При включении в математические модели показателей качест ва жизни чувствительность и специфичность моделей значительно ниже. У больных с метаболическим синдромом доля случаев пра вильной классификации в группе неосложнённого течения по про гностической модели ИМ, представленной уровнем ангиотензина 1, азота, тромбоцитов, фракцией выброса, количеством желудочковых экстрасистол, составляет 89,3% [125]. Установлена также прогно стическая зависимость холестерина, липопротеидов высокой и низ кой плотности в вероятности ОИМ.
Математические модели для прогнозирования острого инфаркта миокарда в различных территориях орловской области в зависимости от других болезней системы кровообращения
Для решения задачи прогнозирования ОИМ проведена также математическая оценка основных клинико – лабораторных параметров (табл.31). Как видно из представленных ниже результатов большинство изученных клинико – лабораторных показателей у больных ОИМ и контрольной группы достоверно различаются. Ангинозная боль при ОИМ зарегистрирована у 86,7% пациентов и практически не встречается в контроле (Р 0,001). У более половины пациентов основной группы при электрокардиографическом исследовании зарегистрирован подъём зубца ST более 1 мм, что существенно ниже группы сравнения. Продолжительность интервала QT значительно ниже у больных ОИМ. Повышенным в основной группе оказались систолическое и диастолическое артериальное давление (Р 0,001). Кроме того, репрезентативно при ОИМ повышается содержание в сыворотке крови холестерина липопротеидов низкой плотности и снижается уровень холестерина липопротеидов высокой плотности. Однако наиболее выраженные изменения среди биохимических параметров крови характерны для креатинкиназы – МВ, которая повысилась в 484 раза у пациентов с ОИМ и тропони-на Т, содержание возросло в 209 раз. Активность других ферментов
Клинико – лабораторные показатели Пациенты с острым инфарктом миокарда Контрольная группа
Ангиозная боль (вгруди) не менее 30минут, % 86,7±2,7 2,5±1,3 Продолжительность PQ, мс 0,13±0,06 0,12±0,03
Подъём зубца ST , более 1 мм, % 64,6±3,8 12,8±2,8 Продолжительность QT, мс 0,37±0,05 0,78±0,04 Систолическое артериальное давление, мм рт.ст. 164,8±2,2 137,5±3,1 Диастолическое артериальное давление, мм рт.ст. 108,4±1,8 86,7±1,5 ХС ЛПНП, ммоль/л 4,7±0,06 3,9±0,09 ХС ЛПВП, ммоль/л 1,1±0,03 1,6±0,05 Креатинкиназа - MB,МЕ/л 387,2±4,9 0,8±0,06 Лактатдегидрогеназа общая, МЕ/л 488,9±4,2 206,4±6,1 Лактатдегидрогеназа-1, МЕ/л 346,4±5,3 114,2±3,7 Лактатдегидрогеназа-2, МЕ/л 254,3±4,2 96,4±5,1 Тропонин Т, мкг/л 64,7±3,5 0,31±0,04 Достоверные различия в сравнении с контролем. (общей лактатдегидрогеназы и изоферментов лактатдегидрогеназы) при развитии ОИМ достоверно повысилась. При этом более суще-ственым оказалось увеличение изофермента лактатдегидрогеназы -1 (Р 0,001).
Данные о частоте отклонений клинико – лабораторных показателей приведены в табл. 32. Наиболее часто среди больных ОИМ встречается повышение МВ – фракции креатинкиназы выше 25 МЕ/л (Р 0,001) в сравнении с контрольной группой. Высокой является распространенность увеличения тропонина Т в крови более 0,5 мкг/л, изоферментов лактатдегидрогеназы – 1 более 200 МЕ/л, лак-татдегидрогеназы – 2 выше 180 МЕ/л. Несколько ниже указанных ферментов и кардиоспецифических маркёров регистрируется при ОИМ увеличение свыше 460 МЕ/л общей лактатдегидрогеназы. Практически у половины пациентов с данной нозологической формой отмечается повышение систолического артериального давления более 150 мм рт.ст. Среди электрокардиографических изменений важным следует назвать продолжительность QT менее 0,60 мс. Достоверно чаще в основной группе регистрируется увеличение холестерина липопротеидов низкой плотности и снижение холестерина липопротеидов высокой плотности. Все названные отклонения имеют статистически значимую разницу по отношению к контролю. Исключение составляет продолжительность PQ (Р 0,05)
Величины прогностических коэффициентов клинико лабораторных параметров в случае выявления отклонений при математическом ранжировании расположились в следующей последовательности (табл. 33). Первая ранговая позиция принадлежит МВ – фракции креатинкиназы. Второе и третье место соответственно
Таблица 32стота выявленных отклонений клинико – лабораторных параметров у пациентов с острым инфарктом миокарда и в контрольной группе (Р±mp,%) Клинико – лабораторные показатели Пациенты с острым инфарктом миокарда Контрольная группа Продолжительность PQ более 12 мс 8,4±2,2 5,7±2,0
Продолжительность QT менее 0,60 мс 37,5±3,9 16,2±3,1 Систолическое артериальное давление более 150 мм рт.ст. 48,1±4,0 7,9±2,3 Диастолическое артериальное давление более 95 мм рт.ст. 26,5±3,5 4,2±1,7 ХС ЛПНП выше 4,3 ммоль/л 20,4±3,2 5,3±1,9 ХС ЛПВП ниже 1,4 ммоль/л 29,6±3,6 5,7±2,0 Креатинкиназа – МВ выше 25 МЕ/л 97,5±1,2 0,05±0,2 Лактатдегидрогеназаобщая свыше 460МЕ/л 80,2±3,2 1,4±1,0 Лактатдегидрогеназа-1 более 200 МЕ/л 89,7±2,4 0,08±0,2 Лактатдегидрогеназа-2 выше 180 МЕ/л 87,4±2,6 0,1±0,3 Тропонин Т более 0,5 мкг/л 93,6±2,0 0,07±0,2 Достоверные различия. занимают тропонин Т и лактатдегидрогеназа – 1. Значения прогностических коэффициентов при обнаружении отклонений в содержании периферической крови этих лабораторных показателей высокие и превышают прогностический коэффициент продолжительности интервала PQ более 0,12 мс в 18 – 19 раз и определяют в совокупности почти половину суммы прогностических коэффициентов в основной группе. Высокое значение прогностического коэффициента присуще увеличению изофермента лактатдегидрогеназы – 2. При прогнозировании ОИМ важно учитывать также прогностический коэффициент ангинозной боли продолжительностью не менее 30 минут. Незначительными оказались прогностические коэффициенты для продолжительности интервала PQ более 0,12 мс и продолжительности QT менее 0,60 мс. Сумма прогностических коэффициентов при выявлении всех отклонений очень высокая.
В случае отсутствия отклонений основных клинико – лабора торных параметров у больных ОИМ ранговые позиции ведущих ферментов и кардиоспецифических маркёров остаются прежними (табл.34). Так, первое ранговое место сохраняет МВ – фракция креатинкиназы. Как и при наличии изменений, так и при их отсут ствии на втором и третьем месте находятся соответственно тропо нин Т и изофермент лактатдегидрогеназа -1. Далее по-прежнему следует изофермент лактатдегидрогеназа – 2. Высокую величину прогностический коэффициент с положительным знаком имеет для ангиозной боли не менее 30 минут и общей лактатдегидрогеназы. Низкие значения прогностических коэффициентов свойственны от сутствию продолжительности интервала PQ более
