CC BY
93
Врач jjsa
и информационные
технологии
Терминология и стандартизация
национальный исследовательский медицинский университет Москва, Россия, [email protected]
С.Л. ШВЫРЕВ,
ГБОУ ВПО Российский национальный исследовательский медицинский университет имени Н.И.Пирогова, г. Москва, Россия, [email protected] В.В. САГАЙДАК,
ГБУЗ Московский научно-исследовательский институт организации здравоохранения и медицинской экологии, г. Москва, Россия [email protected]
Т.В. ЗАРУБИНА,
ГБОУ ВПО Российский национальный исследовательский медицинский университет имени Н.И.Пирогова, г. Москва, Россия, [email protected]
ИСПОЛЬЗОВАНИЕ КОДИФИКАТОРА LOINC ПРИ ПОСТРОЕНИИ ПРОГНОСТИЧЕСКОЙ МОДЕЛИ ДЛЯ ОЦЕНКИ РИСКА ТОКСИЧЕСКИХ ОСЛОЖНЕНИЙ В ХОДЕ ХИМИОТЕРАПЕВТИЧЕСКОГО ЛЕЧЕНИЯ
УДК 61:007
Пензин О.В., Швырёв С.Л., Сагайдак В.В., Зарубина Т.В. Использование кодификатора LOINC при построении прогностической модели для оценки риска токсических осложнений в ходе химиотерапевтического лечения (ГБОУ ВПО РНИМУ им. Н.И. Пирогова, г. Москва, Россия;
ГБУЗ Московский научно-исследовательский институт организации здравоохранения и медицинской экологии, г. Москва, Россия)
Аннотация: Данная работа посвящена использованию международного кодификатора клинических наблюдений LOINC (http://loinc.org) для кодирования входных параметров прогностической модели для оценки риска токсических осложнений в ходе химиотерапевтического лечения онкологических заболеваний.Входные параметры прогностической модели были разбиты на 3 группы: 1) лабораторные, 2) антропометрические и инструментальные, 3) клинико-анамнестические данные. В первой группе с кодами LOINC были успешно сопоставлены 95% лабораторных параметров; в результатах инструментальных исследований и антропометрических данных — 71%; клинико-анамнестические данные удалось сопоставить с LOINC на 60%. Кодирование осуществлялось с использованием специализированного приложения RELMA (http://loinc.org/relma). Ключевые слова: прогностическая модель, токсические осложнения, химиотерапия, LOINC, RELMA.
UDC 61:007
Penzin O.V, Shvyrev S.L, Sagaydak V.V, Zarubina T.V. Using LOINC in the development of predictive model to assess the risk of toxic complications during chemotherapeutic treatment in oncology (Russian National Research Medical University named after N.I. Pirogov, Moscow, Russia; Moscow Research Institute of Health Organization and Medical Ecology, Moscow, Russia)
Abstract: This paper is devoted to using LOINC for coding input data of predictive model to assess the risk of toxic complications during chemotherapeutic treatment in oncology. Coding was carried out by mapping the data extracted from various (quantitative and qualitative) observations used in Russian clinical practice to LOINC codes. We used the RELMA application.
All figures used in the prediction model were divided into three groups: in the laboratory observations successfully were mapped 95% of the indicators, in the results of instrumental studies and anthropometric data were mapped 71% of the parameters, in clinical and medical history were mapped 60% of characteristics.
Keywords: predictive model, risk assessment, toxic complications, chemotherapy, LOINC, RELMA.
© О.В. Пензин, С.Л. Швырёв, В.В. Сагайдак, Т.В. Зарубина, 2013 г.
■
30
Терминология и стандартизация
www.idmz.ru
гол з, №3
■■■■
Введение
Онкологические заболевания занимают 2-е место по уровню смертности в РФ [5], что обусловливает крайне высокую социальную значимость эффективности их лечения. Химиотерапия является важным методом лечения, применяемым как самостоятельно, так и в качестве дополнительной (адъювантной и неоадъювантной) терапии при хирургическом или радиологическом лечении. Ее в том или ином виде получают более 60% больных [1 ].Токсические осложнения, возникающие вследствие химиотерапии, могут приводить к необходимости прервать или отменить как отдельно взятый курс, так и все лечение. Это приводит к заметному снижению эффективности терапии онкологических заболеваний. Кроме этого, осложнения снижают качество жизни пациентов, а в тяжелых случаях могут приводить к угрожающим жизни состояниям.
Для оценки токсичности противоопухолевой химиотерапии используют специализированные шкалы, разработанные ВОЗ, Национальным институтом злокачественных новообразований США (NCI) и Европейской организацией по исследованию и лечению опухолевых заболеваний (EORTC) [1]. В них используются наборы количественных и качественных показателей для оценки степени выраженности токсических эффектов со стороны различных систем и органов после проведения химиотерапевтического лечения.
Прогнозирование возможных токсических осложнений очередного курса химиотерапевтического лечения является важной задачей, решение которой позволило бы врачу-онко-логу принять меры по их предупреждению или минимизации негативных последствий посредством дополнительных назначений, своевременной коррекции схемы или дозировки химиотерапевтических препаратов. В литературных источниках встречаются работы, посвященные прогнозированию возможных осложнений химиотерапии, например, постцитостатической анемии [1], токсической ней-
тропении [2]. Однако разнообразие цитостатических препаратов, схем их назначения и большое количество органов-мишеней, со стороны которых проявляются токсические эффекты, требуют продолжения исследований в данном направлении.
В настоящее время нами ведется разработка прогностической модели для оценки риска осложнений химиотерапевтического лечения, в которой в качестве входных переменных планируется использовать набор клинических, лабораторных и инструментальных данных. В случае успеха прогностическая модель должна быть встроена в госпитальную информационную систему, что обеспечит автоматическую загрузку входных параметров из электронной медицинской карты пациента и упростит ее использование в процессе принятия врачебных решений.
Развивающийся электронный обмен медицинской информацией диктует необходимость использования в современных разработках терминологических систем для формализации и кодирования медицинских данных. Систематический обзор, опубликованный в Международном журнале медицинской информатики, показал, что наиболее популярными классификаторами являются МКБ 9-го и 10-го пересмотров, которые используются в 68% рассмотренных авторами системах поддержки принятия решений, и логический кодификатор клинических наблюдений LOINC (Logical Observation Identifiers Names and Codes), который используется в 12% подобных систем [3,4].
Разработка LOINC ведется с 1994 года североамериканской некоммерческой организацией Regenstrief Institute, Inc. В США его активно используют в своих разработках такие крупные организации, как Американская Ассоциация Клинических Лабораторий (ACLA), Американский Колледж Патологов (CAP), HL7 International и другие. В настоящее время данный кодификатор применяется более чем в 140 странах мира и содержит большое число кодов для обеспечения обме-
■ 31 ■
Врач jjsa
и информационные
технологии
Терминология и стандартизация
на результатами лабораторных и клинических исследований[6]. В нашем исследовании мы также использовали LOINC для кодирования входных параметров создаваемой модели.
Материалы и методы
Разработка прогностической модели осуществляется на основе деперсонифицированных медицинских данных, накопленных в базе данных госпитальной автоматизированной информационной системы «Асклепиус», развернутой в Московской городской онкологической больнице № 62 (главный врач — д.м.н., профессор Анатолий Нахимович Мах-сон) на более 400 рабочих местах во всех подразделениях больницы. В информационной системе документируются все курсы химиотерапии, проведенные стационарным и амбулаторным пациентам. Сначала создается документ «План химиотерапии», определяющий показания и содержащий назначения химиопрепаратов, а в конце курса заполняется «Протокол химиотерапевтического лечения» — документ с информацией о проведенном медикаментозном лечении, возникших токсических осложнениях и другой итоговой информацией.
Выборка протоколов химиотерапевтического лечения была выполнена в интервале с 01.01.2011 по 01.11.2012. Всего из базы данных были выгружены 16 974 протоколов 3002 пациентов. В среднем каждый пациент получил 5 курсов химиотерапии. Вместе с протоколами лечения из базы данных выгружались результаты лабораторных и инструментальных исследований, данные врачебных осмотров, дневников, консультаций. Параметры, используемые для построения прогностической модели, кодировались с помощью LOINC.
Кодификатор LOINC представляет собой двумерную таблицу, в каждой строке которой описывается определенный термин с помощью шести главных классифицирующих осей. Сочетание значений этих осей определяет уникальность параметра в классификаторе.
Для каждого термина хранится около 40 дополнительных признаков, включающих различные примеры, добавочные индексы, связанные понятия, комментариии т.д. На момент выполнения работы (конец 2012 года) была опубликована версия 2.40, содержащая 70 689 уникальных наименований.
Описание 6 главных классифицирующих осей в соответствии с руководством пользователя LOINC представлено ниже [6]:
1. Component field — множество компонентов, то есть тех параметров, которые измеряются, оцениваются или наблюдаются (например: мочевина, эритроциты, время свертывания и т.д.).
2. Kind of property — тип свойства, измеряемого у исследуемого компонента (например: масса, молярная концентрация, длительность и т.д.).
3. Time aspect — временная характеристика, интервал времени, в течение которого проводится исследование (например: одномоментное, в течение часа, в течение суток).
4. System/Specimen — система, в контексте которой проводилось исследование, или тип образца, который брался для проведения исследования (например: осадок мочи, артериальная кровь, сердце как орган, пациент и т.д.).
5. Type of scale — тип шкалы измерения,
определяющий тип полученного результата (например: количественный, порядковый,
качественный, описательный).
6. Type of method — тип метода, которым проводилось измерение (например: микроскопия, иммунофлюоресцентный анализ, расчетный, ручной и т.д.).
Кодификатор LOINC доступен для загрузки с веб-сайта разработчика в различных электронных форматах: от простого текстового файла с разделителями до файла базы данных Microsoft Access. Кроме того, в своей работе мы использовали рекомендованное разработчиком программное приложение для работы с кодификатором — RELMA (Regenstri-ef LOINC Mapping Assistant). Подключаясь
32
Терминология и стандартизация
www.idmz.ru
гол з, №3
■■■■
Рис. J. Приложение RELMA. Поиск аналога в LOINC, иерархическое представление
для выбора наиболее точного термина
через Интернет, оно позволяет всегда работать с актуальной версией кодификатора, а также предоставляет расширенные возможности для поиска и сопоставления (mapping) локальных понятий с терминами LOINC. Распространяется данное приложение так же, как и кодификатор LOINC, бесплатно на условиях общего с кодификатором соглашения об использовании [7].
Результаты и их обсуждение
Сопоставление медицинского термина на русском языке с кодом LOINC выполнялось тремя различными способами: с помощью поиска на специальном ресурсе в глобальной сети Интернет — http://search.loinc.org, по-
иском в полях справочника в среде Microsoft Access и средствами приложения RELMA. Критерием успешности сопоставления считалось нахождение аналога в LOINC, совпадающим с искомым русскоязычным показателем по первым пяти главным логическим осям (в кодификаторе ось метод иногда остается не заполненной).
В ходе работы по сопоставлению показателей, используемых в прогностической модели, с кодами LOINC оригинальное программное обеспечение показало свое преимущество по сравнению со стандартными средствами текстового поиска СУБД Microsoft Access или поиском на веб-ресурсе, так как только при использовании RELMA доступно
■ 33 ■
Врач jjsa
и информационные
технологии
Терминология и стандартизация
Таблица 1
Результаты сопоставления различных показателей лабораторных исследований с терминами LOINC, распределение по видам исследований
Вид исследования Количество показателей Успешно сопоставлено с кодами LOINC % сопоставленных показателей
Биохимическое исследование крови (анализатор) 32 32 100
Иммунологическое исследование крови (анализатор) 24 24 100
Гемостазиограмма (анализатор) 6 6 100
Общеклинический анализ крови (анализатор) 15 15 100
Общеклинический анализ крови (микроскопическое исследование мазка) 18 16 89
Общеклинический анализ мочи (анализатор) 11 11 100
Общеклинический анализ мочи (микроскопическое исследование осадка) 23 19 83
иерархическое представление терминов кодификатора.
На рис. 1 приведен пример поиска в LOINC кодов для биохимического показателя «Глюкоза» ('glucose') с использованием приложения RELMA. По запросу было получено 868 записей, а затем система навигации по иерархическому представлению кодификатора позволяет быстро найти уточненный показатель, например, молярную концентрацию глюкозы, измеренную количественным методом на автоматическом анализаторе с тестовыми полосками в однократно взятом образце мочи. Полученный термин (Glucose [Moles/volume] in Urineby Automated teststrip) [9] полностью соответствует показателю глюкозы в клиническом анализе мочи, выполняемом в клинико-диагностической лаборатории МГОБ №62.
В процессе выполнения работы все клинические данные пациентов, получавших химиотерапевтическое лечение, были разделены на три группы, представленные ниже:
1) результаты лабораторных исследований;
2) результаты инструментальных исследований и антропометрические данные;
3) клинико-анамнестические данные.
Перед назначением курса химиотерапии-
выполняется обязательный набор лаборатор-
ных анализов, включающий развернутый клинический анализ крови, биохимическое исследование крови и клинический анализ мочи. При наличии показаний лечащий врач может дополнительно назначить расширенные биохимические панели, гемостазиограмму и ряд иммунологических исследований. Практически все перечисленные исследования выполняются на зарубежных автоматических анализаторах, и подавляющая часть их показателей была успешно сопоставлена с кодами LOINC (табл. 1).
Клинические анализы крови и мочи, помимо измерений на лабораторных анализаторах, требуют дополнительных микроскопических исследований. Показатели микроскопии осадка мочи и ручного подсчета лейкоцитарной формулы с описанием морфологии клеток также сопоставлялись с кодами LOINC. Собственными силами, без привлечения дополнительных экспертов в области клинической лабораторной диагностики, нам удалось сопоставить 35 из 41 показателя,ис-пользованного в описаниях микроскопических исследований (табл. 1). Отсутствие аналогов в LOINC, вероятно, связано с различиями в терминологии школ лабораторной диагностики.
34
Терминология и стандартизация
www.idmz.ru
гол з, №3
■■■■
F4BB
Таблица 2
Примеры сопоставления различных показателей лабораторных исследований с терминами LOINC
I Сопоставляемый показатель Код LOINC Полное наименование в LOINC
Щелочная фосфатаза сыворотки крови 6768-6 Alkaline phosphatase [Enzymatic activity/volu-me] in Serum or Plasma
Палочкоядерные нейтрофилы в ручном подсчете лейкоцитарной формулы крови 764-1 Neutrophils.band form/100 leukocytes in Blood by Manual count
Белок в моче качественный метод 2887-8 Protein [Presence] in Urine
Белок в моче количественным методом на автоматическом анализаторе с тестовыми полосками (сухая химия) 50561-0 Protein [Mass/volume] in Urine by Automated test strip
Токсигенная зернистость нейтрофилов при микроскопическом исследовании морфологии клеток крови 803-7 Toxic granules [Presence] in Blood by Light microscopy
Таблица 3
Примеры сопоставления показателей инструментальных исследований и антропометрических данных с терминами LOINC
I Сопоставляемый показатель Код LOINC Полное наименование в LOINC
Рассчитанная площадь поверхности тела 3140-1 Body surface area Derived from formula
Амплитуда зубца Т в 4-ом грудном отведении 10151-9 T wave amplitude in lead V4
Пульс при пальпации лучевой артерии 8893-0 Heart rate Peripheral artery by palpation
Продольный размер печени на УЗИ 11839-7 Liver Longitudianal diameter US
Рентгеноскопия правой почки и ее собирательной системы с ретроградным введением контраста через уретру 38113-7 Kidney — right and Collecting system Fluoroscopy W contrast retrograde via urethra
Таким образом, большинство параметров лабораторных исследований были закодированы. Фрагмент сопоставления количественных и качественных показателей лабораторной диагностики с кодами LOINC приведен в табл. 2.
Кодирование результатов медицинских осмотров, физикальных и инструментальных исследований отличалось от работы с лабораторными данными.Необходимые для прогностической модели показатели выделялись из текста, а затем сопоставлялись с кодами-LOINC. Основные антропометрические и витальные параметры, такие как пол, возраст, рост, вес, площадь поверхности тела, частота сердечных сокращений в покое и т.п. были закодированы без особых проблем.
При кодировании семантических описательных конструкций из текстовых документов работа шла труднее и медленнее (табл. 3). В таких случаях для поиска требовался большой дополнительный список возможных названий клинических терминов. Кодирование происходило методом перебора и не всегда было удачным.
Клинико-анамнестические данные содержали результаты предшествующих госпитализаций, анамнез жизни, список диагнозов пациента, включающий в себя диагноз основного заболевания, осложнения и сопутствующую патологию. Все эти разделы были сопоставлены с кодами LOINC. Следует учитывать, что код LOINC обозначает только тип диагноза (основной, осложнение, сопутствующая пато-
■ 35 ■
Врач jjsa
и информационные
технологии
Терминология и стандартизация
%
Таблица 4
щж Примеры сопоставления клинико-анамнестических данных с терминами LOINC
I Сопоставляемый показатель Код LOINC Полное наименование в LOINC
Основной диагноз 18630-4 Primary diagnosis
Хирургическое лечение злокачественного новообразования 22038-4 Surgery treatment Cancer Narrative
Локализация метастазов 21920-4 Site of distant metastasis Cancer
Гистологический тип злокачественного новообразования по МКБ-О 3-го пересмотра 31205-8 Histology ICD-O-3 Cancer
Отношение к курению 11366-2 History of tobacco use Narrative
Таблица 5
Итоговые результаты сопоставления клинических и лабораторных данных
с терминами LOINC
Вид исследования Количество показателей Успешно сопоставлено с кодами LOINC Доля сопоставленных показателей, %
Лабораторные исследования 123 129 95
Инструментальные исследования и антропометрические данные 31 22 71
Диагнозы, анамнез и результаты предыдущих госпитализаций 20 12 60
логия). Сам диагноз содержит только шифры из классификатора МКБ 10 и не может быть закодирован с помощью LOINC (табл. 4).
Однако не все полученные коды LOINC имеют достаточную детализацию для полного кодирования информации, которую можно получить из клинических документов. Например, в LOINC существует термин, обозначающий предшествующее хирургическое лечение, с помощью которого можно указать количество проведенных операций. Однако название операции будет представлено только в виде неформализованного текста, и для его кодирования будут необходимы дополнительные специальные термины, например, из номенклатуры SNOMED CT. При разработке прогностической модели существующий уровень формализации определяет только, проводилась или нет радикальная хирургическая операция.
В итоге процесса кодирования клинических и лабораторных терминов с помощью логи-
ческого кодификатора клинических наблюдений LOINC было успешно сопоставлено 95% всех лабораторных тестов, что объясняется высокой степенью детализации LOINC в этой предметной области. Среди антропометрических данных и результатов инструментальных исследований соответствие с LOINC составило 71%. Только 60% клинико-анамнестических параметров, используемых для построения прогностической модели, было закодировано с помощью LOINC (табл. 5).
Выводы
Представленные результаты по использованию LOINC для кодирования отечественных клинических и лабораторных данных говорят о возможности его применения для формализации входных данных для систем поддержки принятия решений. Работа подтвердила репутацию данного кодификатора как удобного в практической работе терминологического стандарта.
36
Терминология и стандартизация
www.idmz.ru
гол з, №3
■■■■
По нашему мнению, LOINC может и должен активно использоваться при проектировании различных медицинских информационных систем для применения на территории РФ.
Однако, как и для любого другого инструмента, важно правильно оценивать границы его применимости. Оптимальной областью для применения LOINC была и остается лабораторная диагностика — именно для этих целей исходно создавался данный кодификатор, и для лабораторных параметров отведена большая часть имеющихся в нем записей. Поэтому LOINC был выбран организацией-разработчи-ком стандарта Health Level 7 (HL7) International в качестве предпочтительного кодификатора для лабораторных тестов в транзакциях между медицинскими учреждениями, лабораториями, оборудованием лабораторий и органами управления здравоохранением [8].
LOINC можно использовать для кодирования клинической информации. При этом следует учитывать, что коды LOINC зачастую указывают на общие понятия: секции и подсекции клинических документов, то есть кодируют информацию на втором уровне спецификации HL7 CDA в виде неформализованного текста.
Если такой степени детализации для целей разработки недостаточно, то следует использовать более детализированные клинические номенклатуры внутри секций. Например, концепты номенклатуры клинических терминов SNOMED CT могут описывать наполнение секций медицинских документов в соответствии с третьим уровнем спецификации HL7 CDAR2. В этом случае электронный документ приобретает не только формализованную структуру посредством кодирования разделов, но и формализованное содержание.
ЛИТЕРАТУРА
1. Моисеенко В.М., Семёнова А.И., Бредер В. В., Горбунова В.А. Осложнения противоопухолевой терапии, их коррекция//В кн. Онкология: национальное руководство [Под ред. В.И. Чиссова, М.И. Давыдова]. — М.: ГЭОТАР-Медиа, 2008. — С. 483-536.
2. Сакаева Д.Д. Оптимизация химиотерапии злокачественных опухолей (предупреждение и коррекция осложнений)//Дис. ... д.мед. наук. — Уфа, 2004. — 281 с.
3. Ahmadian L., van Engen-Verheul M, Bakhshi-Raiez F, Peek N, Cornet R, de Keizer N.F. The role of standardized data and terminological systems in computerized clinical decision support systems: literature review and survey//International journal of medical informatics. — 2011. — Feb. — 80(2). — P. 81-93.
4. Rajda J, Vreeman D.J, Wei H.G. Semantic interoperability of health risk assessments//^ American Medical Informatics Association Symposium Proc. 2011; Published online 2011 October 22. — P. 1134-1143.
5. Естественное движение населения Российской Федерации, 2011г., Федеральная служба государственной статистики. — URL: http://www.gks.ru/bgd/regl/ b11_106/Main.htm (Дата обращения 05.03.2013).
6. Logical Observation Identifiers Names and Codes ( LOINC®)//Regenstrief Institute, Inc. — URL: http://loinc.org/downloads/files/LOINCManual.pdf (Дата обращения 05.03.2013).
7. LOINC and RELMA Terms of Use. Copyright Notice and License//Regenstrief Institute, Inc. URL: http://loinc.org/terms-of-use (Дата обращения 05.03.2013).
8. LOINC and other standards//Regenstrief Institute, Inc. URL: http://loinc.org/faq/ getting-started/loinc-and-other-standards (Дата обращения 05.03.2013).
9. LOINC term 59156-0//Regenstrief Institute, Inc. URL: http://s.details.loinc.org/LO-INC/59156-0.html?sections=Comprehensive (Дата обращения 05.03.2013).
■ 37 ■
