CC BY
38
Статья
надо искать обоснования этому, а при их отсутствии - причины (неполнота данных, неправильное кодирование причин смерти).
С помощью этой программы можно проследить во времени изменения величины кратности множественных болезненных состояний или их осложнений, приводящих к смерти, субъекта отчетности и по монотонности изменения этой кратности судить об однообразии кодирования. Убедиться в однообразии кодирования можно по обобщенной матмодели (множественных болезненных состояний или их осложнений, приводящих к смерти, по классам МКБ-10) во времени [2, 6-7], в т.ч. по территориям области. Этот прием считается финишными максимально приближенным к результатам углубленного анализа. Для построения матмодели можно использовать программу ANSSD.
Оценивать достоверность данных регистра смертности можно также по резким изменениям абсолютных и относительных показателей в таблицах по классам МКБ-10 и возрастам для районов области между собой и по сравнению с данными по области, а также по отклонениям выборки от средней по области продолжительности жизни с помощью программ ACMERU, MedSS, MedSSV. Предоставляется возможность осуществить ранжирование в диапазоне кодов по районам области с помощью программы MedSSV, представив результат по убыванию числа случаев (например, в диапазоне рубрик I60-I64 - Цереброваскулярные болезни с острым течением). Резким отклонениям полученных значений необходимо искать обоснование, а при его отсутствии - причины, заключающиеся чаще всего в неполноте данных или в неправильном кодировании причин смерти. Представляется возможным оценить данные по различиям обобщенной математической модели по классам МКБ-10, характеризующим район на фоне других районов области. Эту оценку можно осуществить с помощью программы ANSSA. Очень эффективным приемом, как показывает практика работы учреждений здравоохранения Тульской области, является сравнение смертности по регистрам: государственный медико-дозиметрический регистр, онкологический регистр и регистр сахарного диабета (регистры федерального уровня). Такое сравнение позволяет выявить различия в кодировании причин смерти и оценить полноту ввода случаев смерти. Программа SDiabet позволяет выгруженные данные из регистра сахарного диабета в формате Access совместить с данными в программе MedSSV.
Сравнив записи по совпадающим данным: фамилии, имени, отчеству и дате рождения можно выявить случаи отсутствия кодов E10-E14 (сахарный диабет) в I или II разделе пункта 18 медицинского свидетельства о смерти или полное несоответствие причин смерти. С помощью этой программы можно выявить отсутствующие записи в регистре сахарного диабета или в региональном регистре смертности населения. Можно выявить врачей, допускающих такое несоответствие и провести их обучение.
Сравнение регистров не только улучшает качество, но сильно дисциплинирует субъекты отчетности, если эта работа носит регулярный характер. Аналогичные возможности имеются для сравнения государственного медико-дозиметрического регистра по Тульской области и регионального регистра смертности.
Выводы. Высокая достоверность кодирования первоначальной (основной) причины смерти, обеспечивая качество информации в региональном регистре смертности, не обеспечивает надежности показателей смертности. Наряду с методами достижения высокой достоверности в процессе ввода и после накопления данных надо применять предложенные выше методы и с их помощью повысить достоверность самих данных и расчетных показателей смертности. Программное обеспечение для выполнения этих работ и опыт работы с ним выявили резервы высокой достоверности данных мониторинга смертности.
Литература
1. Погорелова Э.И. Научное обоснование системы мероприятий повышения достоверности статистики смертности населения: Автореф. Дис... канд. мед. Наук.- М.: ЦНИИ организации и информатизации МЗ РФ.- 2004.-24 с.
2. Хромушин В.А. Методология обработки информации медицинских регистров.- Тула.- 2005.- 120 с.
3. Вайсман Д.Ш. и др. // ВНМТ.- 2001.- № 4.- С.80-81.
4. Хромушин В. А., Вайсман Д. Ш. // В сб. тез.докл. научно-практ. конф. Современные инфракоммуникационные технологии в системе охраны здоровья.- 2003.- С.122.
5. Погорелова Э.И. и др. Заключительный научный доклад «Разработка системы мероприятий для совершенствования использования статистических данных о смертности населения Российской Федерации» (Международный исследовательский проект 1АХ202)».- Москва: ЦНИИ организации и информатизации МЗ РФ.- 2003.- 34 с.
6. Хромушин В. А. // ВНМТ.- 2004.- № 3.- С.107-109.
7. Хромушин В.А. и др. / В сб. докл. 4 регион. научно-практ. конф.: Современные проблемы экологии и рационального природопользования в Тул обл.- Тула: ТулГУ.- 2004.- С. 141.
THE POSSIBILITIES FOR AN ADDITIONAL INCREASE IN POPULATION MORTALITY DATA ADEQUANCY
V.A. KHROMUSHIN, E.I. POGORELOVA, E.M. SEKRIERU Summary
The software developed by the authors for mortality data calculation has found out additional reserved to obtain high adequacy of mortality-monitoring data.
Key words: mortality data, mortality-monitoring data
УДК 616-005.4
ПРОГНОЗИРОВАНИЕ ГИПОЛИПИДЕМИЧЕСКОГО ЭФФЕКТА У БОЛЬНЫХ ИШЕМИЧЕСКОЙ БОЛЕЗНЬЮ СЕРДЦА С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ
Г.С. МАЛЬ *
Введение. Ежегодно в России от сердечно-сосудистых заболеваний умирает более 1 миллиона человек, это гораздо выше, чем в развитых странах Европы, США и Японии [8]. Ведущее место занимают ишемическая болезнь сердца (ИБС) и мозговой инсульт, обусловленные атеросклеротическим поражением коронарных и мозговых артерий [2]. Принимая решение о назначении того или иного препарата, влияющего на липидный обмен врач должен ответить на 2 основных вопроса - насколько безопасно проводимое лечение для больного и каков прогноз гиполипиде-мического эффекта возможен при длительном лечении? Интересна возможность прогнозирования лечебного эффекта с помощью нейронных сетей (НС) [5]. Методы с помощью НС могут использоваться независимо или служить дополнением к статистическому анализу, в медицине и, прежде всего, в кардиологии [6, 10].
Цель — разработка нейросетевой модели прогнозирования гиполипидемического эффекта при коррекции гиперлипидемии (ГЛП) на основе параметров липид-транспортной системы.
Материалы и методы исследования. В исследование было включено 162 мужчины в возрасте от 41 до 59 лет (52,2±6,8) с ИБС и первичной гиперхолестеринемией (ГХС) или гипертриг-лицеридемией (ГТГ). Верификация диагноза ГЛП осуществлялась по наличию ксантоматоза, клиническим проявлениям атеросклероза и данным семейного анамнеза после исключения заболеваний, обусловливающих вторичные нарушения липидного обмена [6] . Диагноз ИБС, стенокардии напряжения и ее функциональный класс определяли анамнестически, по клинической картине и с помощью эргометрических тестов. Критерии включения пациентов в исследование: исходное содержание холестерина (ХС) >200 мг/дл и/или исходное содержание триглицеридов (ТГ)>150 мг/дл, без выраженной гипоальфахолестеринемии, с индексом Кетле < 29. Обследованные пациенты включались в группы с учетом стратификационных признаков (тип ГЛП, функциональный класс стенокардии напряжения, возраст).
Программа обследования включала:
1. Общеклинические: стандартный опрос (по опроснику Rose) - применяли стандартный кардиологический опросник ВОЗ и методические рекомендации по многофакторной профилактике ИБС, позволяющие выявлять типичную стенокардию напряжения; определение систолической артериальной гипертензии (САГ) - использовали критерии (ДАГ1) [12]; исследование ан-
* Курский государственный медицинский университет, г. Курск, Россия
Г. С. Маль
тропометрических данных (рост, масса тела; масса тела измерялась с точностью до 0,1 кг, рост - с точностью 0,5 см. Избыточную массу тела выявляли с помощью индекса Кетле (отношение массы тела в кг к квадрату роста в метрах).
2. Биохимические: определение ХС и ХС липопротеидов высокой плотности (ЛВП) («Олвекс-диагностикум», г. Санкт-Петербург); ТГ («Vital-diagnosticum, г. Санкт-Петербург, Россия), апопротеинов В и AI (иммуноферментный анализ). Стандартизация результатов - программа - «Биоконт-С» (ТОО «Диамед КНЦ» при кардиологическом научном центре)
3. Функциональные: регистрация ЭКГ (в покое, в 12 стандартных отведениях) - («FUKUDA», Япония); проведение эргометрического теста (велоэргометр «Siemens», Германия) [1].
4. Статистические: программа Neuro Pro 0.25 для работы с искусственными НС; статистический пакет «Статистика» [4].
Для решения задачи прогнозирования результата фармакотерапии ГЛП на основе параметров липид-транспортной системы были использованы НС, позволившие оценить степень выраженности гиполипидемического эффекта [7]. Применяли оригинальную разработку - НС, построенные на архитектуре многослойного персептрона с прямыми связями между нейронами и алгоритма обратного распространения ошибки с введением в сеть коэффициента крутизны дискриминантной функции модели, позво-ляющегоменять скорость обучения сети [11, 15].
Принципы функционирования НС соответствовали традиционным: подготовка и ввод входных параметров, обучение сети, формирование выходных классов, тестирование системы [13]. Настроечные параметры НС, обеспечивающие оптимальное обучение были следующие: погрешность вычислений равная или менее 0,001; значение коэффициента крутизны дискриминантной функции, равное 3,0; величина шага обучения составила 0,5; число тактов обучения не менее 600; количество скрытых слоев нейронов равное 1. НС состояли из 3-х слоёв по 50 нейронов, и выходного слоя с одним нейроном. Сеть обучилась до уровня ошибки - 0,0016, число итераций - 95649. Возможности программы: чтение, запись, редактирование, конвертирование файлов данных; создание слоистых НС для решения задач прогнозирования и классификации: число слоев нейронов - до 10; число нейронов в слое - до 100; обучение НС с применением одного из методов градиентной оптимизации; тестирование НС, получение статистической информации о точности решения задачи; вычисление и отображение значимости входных сигналов сети; внесение случайных возмущений в веса синапсов сети; упрощение НС: сокращение числа входных сигналов сети; сокращение числа нейронов сети; равномерное прореживание структуры синапсов сети; сокращение числа синапсов сети; сокращение числа неоднородных входов НС; бинаризация весов синапсов сети [14].
Всем лицам, составившим группы вмешательства, давались диетические рекомендации, направленные на изменение характера питания: уменьшение потребления жира в целом до 30% общей калорийности пищи, насыщенных жирных кислот - до 10% калорийности, ограничение поступления с пищей ХС до 300 мг/сутки и снижение потребления легкоусвояемых углеводов (согласно Европейским рекомендациям 2003 г.) [3].
Указанные рекомендации составили режим гиполипидеми-ческой диетотерапии при коррекции ГЛП. Контроль за соблюдением диетических рекомендаций осуществлялся с помощью диетического опроса на всех последующих этапах исследования. Для прогнозирования эффективности гиполипидемических препаратов в коррекции ГЛП согласно рандомизациям были сформированы группы лиц с фармакологическим вмешательством, сопоставимые между собой по возрасту и стратификационным признакам. Пациенты получали монотерапию ловастатином (холетар; 20 мг/сут, Словения), безафибратом (600 мг/сут, Германия) или эндурацином (никотиновая кислота; 1500 мг/сут, США). Исследование проводилось рандомизированным, слепым, контролируемым плацебо-тестом, перекрестным методом.
Результаты исследований говорят о выраженной эффективности различных гиполипидемических препаратов у больных ИБС с ГЛП, но гиполипидемический эффект неоднозначен при изолированных ГХС, ГТГ и их сочетаниях.
При лечении холетаром у больных ИБС с изолированной ГХС можно прогнозировать наименьший гипохолестеринемиче-ский эффект 15% ( р<0,05) у 17,5% больных, а более 20% (р<0,05)
- у 23% больных (рис 1). Полученный прогноз гиполипидемиче-
ского эффекта холетара согласуется с результатами клинических испытании статинов у больных ИБС [2,9].
снижение ХС и ТГ
Рис.1. Прогноз липодинамического эффекта холетара у лиц ИБС с изолированной холестеринемией с помощью нейросетевых классификаторов. Примечание: *- р<0,05, **- р<0,1, ***- р<0,001
27; 27% #
litt
27; 25,5%
15:13^/5;13,3%
Н'Д' / IvS
3; 4.9% / J ^
*7^ -
/ н.д.
■ 3; 2,14%
О 5 10 15 20 25 30
снижение ХС и ТГ
Рис.2. Прогноз липодинамического эффекта безафибрата у больных ИБС с сочетанной гипертриглицеридемией с помощью нейросетевых классификаторов; н.д. - различия статистически недостоверны, **- р<0,01,
***- р<0,001
При лечении безафибратом у больных ИБС с сочетанной ГТГ можно прогнозировать наименьший гипотриглицеридемиче-ский эффект 19% (р<0,05) у 16,6% больных, а более 25% (р<0,05)
- у 27% больных (рис. 2). Этот прогноз безафибрата сопоставим с результатами клинического применения фибратов при различных типах ГЛП [8-9]. При фармакотерапии эндурацином у больных ИБС с изолированной ГХС прогнозировался гипохолестеринеми-ческий эффект не менее 14% (р<0,05) у 18% больных, а снижение ХС до 30% (р<0,05) получено у 15% лиц. Но наряду с гипохоле-стеринемическим эффектом эндурацин оказывал гипотриглице-ридемический эффект, имеющий сопоставимую степень проявления у 16% больных (р<0,05), а снижение ТГ на 30% прогнозировалось у 30,5% (р<0,05). Этот прогноз эффективности эндурацина сопоставим с результатами гиполипидемического эффекта никотиновой кислоты в лечении атерогенных ГЛП [9].
Краткое сообщение
Вывод. Показана возможность прогнозирования степени гиполипидемического эффекта у больных ИБС с изолированной или сочетанной ГХС и ГТГ, что важно для работы врача. Фармакотерапия ГЛП должна обеспечивать клинический эффект наряду с достижением экономичности лечения. Разработанные нейросе-тевые модели прогнозирования гиполипидемического эффекта у больных ИБС с ГЛП обладают точностью, при которой чувствительность и специфичность прогноза составляет >90%. Информация о прогнозе гиполипидемического эффекта поможет оптимизировать фармакотерапию ИБС, исключая неадекватное лечение.
Литература
1. Аронов Д.М Функциональные нагрузочные тесты: Рук-во по кардиологии.- 1982.- № 2.- С.594-600.
2. Аронов Д.М. Профилактика и лечение атеросклероза.-М.: Триада -Х, 2000.
3. Всероссийское общество кардиологов // Диагностика и коррекция нарушений липидного обмена с целью профилактики и лечения атеросклероза.- Москва, 2004.
4. Гланц С. Медико-биологическая статистика.- М.: Практика., 1999.- 429 с.
5. Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере.- Новосибирск, 1996.- 271 с.
6. Климов А.Н., Никульчева Н.Г. Обмен липидов и липопро-теидов и его нарушения.- СПб, 1999.
7. Котельникова Е.В. и др. // Кардиол.- 2004.- № 3.- С. 15.
8. Кухарчук В.В. // Кардиоваскулярная терапия и профилактика.- 2003.- № 6.- С. 80-85.
9. Либов И.А., Черкасова Е.В. // Моск. мед. ж.- 1998.- № 3.-С. 34-37.
10. Лопин В.Н., Шепелев О.В. // Приборы и системы управления.- 1999.- № 12.- С. 12-13.
11. Лопин В.Н., Шепелев О.В. // Автоматизация и системные технол.- 1999.- № 10.- С. 41^2.
12. Профилактика, диагностика и лечение первичной артериальной гипертонии в РФ // Клиническая фармакология и терапия .- 2000.- № 3.- С. 5-30.
13. Уоссермен Ф. Нейрокомпьютерная техника.- М. Мир,
1992.
14. Bishop C. Neural Network for Pattern Recognition.Oxford: University Press.- 1995.
15. Borisov A.G. et al. // Modelling, measurement & Control C.- 1996.- № 1.- Р. 1-5.
УДК 616.153.495.2-07
НЕИНВАЗИВНЫЙ МЕТОД КОНТРОЛЯ ЭФФЕКТИВНОСТИ ГЕМОДИАЛИЗА
М. Ю. АНДРИАНОВА*, О.В. КОРОТКОВА**, С.И. НЕФЕДКИН***,
В.Л. ЭВЕНТОВ*
Со времени создания доктором и инженером Alwal в 1944 г. первого аппарата «искусственная почка» велись постоянные поиски объективных критериев для определения соответствующей «дозы» гемодиализа (ГД) для каждого отдельного пациента и оценки адекватности проводимого лечения. На сегодняшний день эти критерии достаточно расплывчаты, и тактика лечения больного зависит от местного стереотипа проведения стандартных гемодиализных процедур, опыта каждого конкретного врача. Для оценки состояния пациента, которому проводится лечение ГД, используется ряд параметров. В качестве маркеров обычно используют додиализные концентрации в крови быстро диффундирующих растворенных веществ, таких, как мочевина, что хорошо отражает клиническое состояние пациента. Тактика
Российский научный центр хирургии РАМН. 11992, Москва, Абрикосов-Ский пер., д.2. тел. 248-15-87
«Euro Aqua Drill». 107053, Москва, ул. Большая Спасская, д.12, офис 109-110. тел. 937-89-66
*** Московский энергетический институт. 105835, ГСП, Москва, Е-250, Красноказарменная ул., д.14. тел. 362-73-55
проведения ГД строится на биохимических анализах крови; чаще врачи ориентируются только на преддиализный уровень мочевины и гораздо реже - на постдиализный. Это связано с невозможностью частого отбора проб крови для исследования у, как правило, анемичных больных, находящихся на экстракорпоральном лечении. В то же время отсутствие оперативной информации о процессе очищения крови на протяжении сеанса ГД не дает возможности врачу вовремя скорректировать режим процедуры.
Альтернативой стало измерение содержания мочевины не в крови, а в оттекающем из диализатора диализирующем растворе (ДР). Существуют несколько систем контроля концентрации мочевины в ДР, гемофильтрате и ультрафильтрате.
В аппарате Baxter Biostat [4, 7-8] датчик подсоединяется после диализатора перед входом в аппарат «искусственная почка» Пробы ДР регулярно отбираются и направляются к электроду, чувствительному к аммонию. Электрод покрыт колпачком, содержащим уреазу. Когда проба достигает колпачка, вырабатывается аммоний, который диффундирует из колпачка в электрод. Датчик должен часто калиброваться при помощи двух стандартных растворов. Упаковка с калибровочными растворами меняется через каждые 20 измерений совместно с уреазным колпачком. Измерения проводятся каждые 30 минут. Прибор позволяет измерить начальную концентрацию мочевины в крови перед сеансом ГД путем включения аппарата «искусственная почка» в режим изолированной ультрафильтрации в начале сеанса. Прибор Biocate Corporation основан на том же принципе действия. Его датчик отличается увеличенным патроном с уреазой, а сам прибор имеет более широкий диапазон измерения. Датчик мочевины «Bellco» [3, 5] разработан для применения в режиме Paired Filtration, при котором сеансу ГД предшествует гемофильтрация. Датчик измеряет концентрацию мочевины в гемофильтрате, и его показания соответствуют концентрации мочевины в крови пациента. Здесь используется уреазный метод с двумя измерительными ячейками. Аппарат DQ M200 Gambro основан на измерении электропроводности ДР, возрастающей при разложении мочевины. Датчик аппарата расположен на выходе аппарата «искусственная почка». Небольшая проба ДР дискретно отбирается, термостабилизируется, попадает в разветвление и в одном канале проходит через уреазный патрон с обработкой углекислым газом. В обоих каналах измеряется электропроводность раствора. Разница в показаниях соответствует содержанию мочевины в ДР. В системе Ureascan P2 Hospal (UH2P) измеряется электропроводность ДР, которая растет за счет взаимодействия мочевины с уреазой в термостабилизированной ячейке-ректоре [2, 3]. Для повышения точности в реактор вводится фосфатный буфер, а для калибровки используются стандартные растворы мочевины.
Рис.1. Датчик концентрации мочевины аппарата «Диализ-контроль»
1 - корпус датчика; 2 - индикаторный электрод; 3 - вспомогательный электрод; 4 - электрод сравнения; 5 - поляризатор.
Недостатком этих систем является необходимость применения дорогостоящих реактивов, буферных растворов, частая калибровка и дискретность результатов. Альтернативой является безреагентный электрохимический метод определения концентрации мочевины [1]. Принцип действия электрохимического анализатора мочевины в ДР основан на снижении адсорбции О2 на поверхности платинового электрода при росте уровня мочевины в электропроводном растворе. Изменение адсорбции О2 связано с уровнем мочевины в растворе соотношением: Qe = /C (1), где Qe - количество электричества, израсходованное на адсорбцию О2 на поверхности платинового электрода при совместной адсорбции с мочевиной; С - уровень мочевины в растворе. Измеряя количество электричества, израсходованного на адсорбцию
