CC BY
10
СИСТЕМА 1НТЕГРАЛЬНО1 М1ЖДИСЦИПЛ1НАРНО1 ОЦ1НКИ НАСЛ1ДК1В ЦЕРЕБРАЛЬНОГО 1НСУЛЬТУ П1СЛЯ Л1КУВАННЯ В 1НТЕГРОВАНОМУ 1НСУЛЬТНОМУ БЛОЦ1
Ю.В. ФЛОМ1Н1, В.Г. ГУР'ЯНОВ2, Л.1. СОКОЛОВА2
1 МЦ «Ушверсальна клiнiка "06epir"», Кшв 2 Нацiональний медичний ушверситет iMeHi О.О. Богомольця, м. Кшв
*Conflict of Interest Statement (We declare that we have no conflict of interest).
*Заява про конфл^ штереав (Ми заявляемо, що у нас немае нiякого конфлшту штереав). *Заявление о конфликте интересов (Мы заявляем, что у нас нет никакого конфликта интересов).
*No human/animal subjects policy requirements or funding disclosures.
*Жодний i3 об'екпв дослщження (людина/тварина) не пiдпадае тд вимоги полiтики щодо розкриття шформацп фiнансування.
*Ни один из объектов исследования не подпадает под политику раскрытия информации финансирования.
*Date of submission — 7.05.19 *Date of acceptance — 15.05.19
*Дата подачi рукопису — 7.05.19 *Дата ухвалення — 15.05.19 *Дата подачи рукописи — 7.05.19 *Дата одобрения к печати — 15.05.19
Мета роботи - вивчити можлив1сть ттегральног оцтки стану пащента тсля iнсуль-ту та розробити cnoci6 ттегральног ощнки стану пащента тсля стацюнарного лтування з приводу мозкового iнсульту з урахуванням його на^дюв, як оцтювали за допомогою шкал та тдекЫв.
Mamepia^u та методи. До^дження проведене в 1нсультному центрi (1Ц) - вiддiленнi багатопрофыьног клшки «Оберш», яке функцюнуе вiдповiдно до принцитв ттегрованого т-сультного блоку. Учасниками до^дження були 852 пащенти (42,5 % жток i 57,5 % чоловтв, медiана вту- 66,7року) iзмозковим тсультом, госпiталiзованi до 1Цу 2010-2018рр. Кiнцевi оцтки за 8 валiдними шкалами та тдексами проспективно внесено до спещально створеног бази даних. Для визначення ттегральног оцтки стану пацiентiв використано методи кластерного аналiзу (зокрема нейронт мережi Кохонена). Статистичний аналiз значень оцточ-них шкал та тдекЫв у видыених кластерах проведено з використанням критерт Крускала-Уоллка, подальшi порiвняння - з використанням критерт множинних порiвнянь Данна.
Результати. У 81 % пацiентiв дiагностовано iшемiчний iнсульт, у решти - геморагiчний. Згiдно з обраним методом, необхiдним i достатшм був розподы даних у 4 кластери. Учас-ник1в до^дження вiдповiдно до гх стану перед випискою з 1Ц на пiдставi сукупностi оцток вiднесли до таких кластерiв: К1 (n = 366), К2 (n = 93), КЗ (n = 104) або К4 (n = 289). Найбыьш значущими показниками, котрi характеризують стан пацiентiв з мозковим iнсультом тсля стацюнарного лтування, були оцтка за NIHSS (National Institutes of Health Stroke Scale), мо-дифтованою шкалою Ренкта, тдексом Бартела, Berg Balance Scale та Functional Ambulation Classification. За цими показниками, котрi мали статистично значущi (p < 0,001) вiдмiнностi у 4 кластерах, стан пацiентiв, вiднесених до кластера К4, був найкращим (p < 0,05); оЫб, вiд-
несених до кластера К1, - ггршим (р < 0,05), а пац1ент1в, котрг потрапили до кластер1в К2 / К3, - набагато г1ршим (р < 0,05) пор1вняно 1з кластером К4.
Висновки. На тдстав1 ¡нтегральног оц1нки невролог1чних порушень та повсякденног жит-тед1яльност1 пащентгв з мозковим Iнсультом за станом тсля стацюнарного лтування мож-на в1днести до одного з чотирьох кластер1в. Виявлення предиктор1в потрапляння пащента в кластери, як1 в1дпов1дають поганому стану тсля стацюнарного лтування, сприятиме появ1 способ1в полтшення гх прогнозу.
Ключов1 слова: мозковий шсульт; оцшювання результапв лшування; система штегрально! оцшки; штегрований шсультний блок.
Э01 10.26683/2304-9359-2019-2(28)-50-58
Перелж скорочень
BBS Berg Balance Scale
FAC Functional Ambulation Classification
HADS Hospital Anxiety and Depression Scale
HADS-A Hospital Anxiety and Depression Scale-Anxiety
HADS-D Hospital Anxiety and Depression Scale-Depression
MMSE Mini-Mental State Examination
MoCA Montreal Cognitive Assessment
NIHSS National Institutes of Health Stroke Scale
1Б 1ндекс Бартел
1Ц 1нсультний центр
МКФ Мiжнаpодна класифшащя функщонування
мШР Модифшована шкала Ренкша
У свт спостер^аеться епiдемiя шсульту та цереброваскулярних захворювань [1]. В Сврот шсульт залишаеться другою причиною смерт та провiдною причиною стшко! набуто! iнвалiдностi дорослого населення [2, 3]. Найбшьше страждають вiд шсульту краши з низьким та помiрним рiвнем доходiв населення, таю як Украша, де iнсульт е не лише актуальною медико-сощальною проблемою, а i серйозним викликом для системи охорони здоров'я та загрозою для успiшного розви-тку [4]. Зпдно з офiцiйними статистичними даними МОЗ Украши у 2016-2017 рр. кшь-кiсть iнсультiв i смертей вщ iнсульту стано-
ФЛОМ1Н Юрт Володимирович, к. мед. н, невролог, 3aeidyea41нсультного центру, МЦ«Унiверсальна клнка "Оберш"», Адреса: 03057, м. Кшв, 03057, Украша, вул. Зоологiчна, 3-В;
роб. тел. +380445213003, моб. +380952823446, e-mail: [email protected] ORCHID ID: 0000-0002-7123-3659
вила 95-100 тис. i 30-40 тис. випадюв на piK вщповщно, проте результати моделювання у дослщжент св^ового тягаря хвороб (Global Burden of Disease Study) свщчать, що у 2016 р. кшьюсть шсулкпв в Укра1ш могла перевищити 200 тис. випадюв i понад 85 тис. осiб могли по-мерти вiд iнсульту [5]. 1снуе нагальна потреба пiдвищити ефективнють лiкування iнсульту та впровадити найефективн^ теpапевтичнi стратеги, котpi грунтуються на пiдвищеннi якостi допомоги, оцшюванш pезультатiв лiкування та збiльшеннi його корист для пацieнтiв [6].
Двадцять роюв тому J.J. van der Putten 3i ств-авт. наголосили, що оцшювання результапв лiкування невролопчних захворювань е осно-вним компонентом визначення терапевтично'1 ефективностi, яке грунтуеться на доказах, для ширшого впровадження медично'1 допомоги [7]. У цьому контекстi важливого значення на-бувае визначення результапв л^вання шсуль-ту, якi можна кiлькiсно оцiнити [1].
Цеpебpальнi iнсульти характеризуються раптовим порушенням невpологiчних функ-
цш унаслщок шемп дшянки головного моз-ку (понад 80 % випадмв) або внутршньо-мозкового крововиливу [8, 9]. Вплив наслщ-юв iнсульту на повсякденну життедiяльнiсть осiб, якi вижили, значною мiрою залежить вiд локалiзацii та тяжкост ураження головного мозку, лшування, ступеня вiдновлення порушених функцiй, психолопчних особли-востей пацiента, преморбiдното стану його здоров'я та чинниюв довкшля [10].
У 1980 р. ВООЗ запропонувала концеп-цiю рiзних рiвнiв (вимiрiв) впливу захво-рювання, котра отримала назву «Мжнарод-на класифшащя порушень, iнвалiдностi та гандикапу», у подальшому змiнену на назву «Мiжнародна класифiкацiя функщонуван-ня, обмежень життедiяльностi та здоров'я (МКФ). Зтiдно з останшми рекомендацiями щодо використання МКФ, результати ль кування можна ощнювати у трьох вимiрах (доменах): структура/функцп частини тiла (порушення), повсякденна актившсть (об-меження життедiяльностi) та участь у со-цiальному життi (перешкоди для виконання соцiальних ролей) [11].
У наукових дослщженнях та кл^чнш практицi для вимiрювання наслiдкiв шсуль-ту на рiзних рiвнях використовують оцiночнi шкали. До шкал, ям оцiнюють на рiвнi струк-тури/функщонування (порушень), належать шкала iнсульту Нащональних iнститутiв здоров'я (National Institutes of Health Stroke Scale (NIHSS)), мшьдослщження психiч-ного стану (Mini-Mental State Examination (MMSE)), тоспiтальну шкалу тривожност та депресп (Hospital Anxiety and Depression Scale (HADS)), опитувальник про здоров'я пащента, який мiстить 9 запитань (Patient Health Questionnaire-9) та Монреальське когштивне оцiнювання (Montreal Cognitive Assessment (MoCA)). 1ндекс Бартел (Barthel Index (1Б)), шкалу рiвновати Берга (Berg Balance Scale (BBS)), функщональну кла-сифiкацiю ходьби (Functional Ambulation Classification (FAC)), модифiковану шкалу Ренкша (modified Rankin scale (мШР)), iндекс мобiльностi Ривермiд (Rivermead Mobility Index (RMI)) i тест «Встати i пiти» з облiком часу (timed Up-and-Go) використовують для ощнювання рiвня (домену) активностi (повсякденно'' життедiяльностi) [12-15]. Понад 25 роив тому вщзначено, що велика кшькють шкал ускладнюе порiв-
няння i доцiльно було б обрати комбiнацiю з невелико!' кiлькостi валiдних ощночних за-собiв, яка дасть змогу здшснювати штегра-тивну оцiнку вщновлення [16]. Однак досi вiдсутня едина думка, ям саме засоби ощнки i в якi термiни слiд використовувати у повсякденнiй клшчнш практицi [1, 17-21].
Мета роботи - вивчити можливосп ш-тегрально!' оцiнки стану пацiента пiсля ш-сульту та розробити спосiб штегрально!' оцiнки стану пацiента пiсля стацюнарного лшування з приводу мозкового шсульту з урахуванням його наслiдкiв, яю оцiнювали за допомогою шкал та шдекав.
Матер1али та методи
Вибiрка до^дження
Дослщження проведене на базi вщдь лення «1нсультний центр» (Щ), яке функ-цiонуе у багатопрофшьному медичному центрi «Ушверсальна клiнiка "Обер^"» вiдповiдно до принципiв iнтегрованого ш-сультного блоку: мультидисциплiнарна команда (неврологи, медичш сестри, фiзичнi терапевти, ерготерапевти, логопеди, психолог); лшування згiдно з вiтчизняними та провщними зарубiжними клiнiчними на-становами; визначення тдтипу iнсульту та комплексна вторинна профшактика, раннiй початок (не тзшше 48 год з моменту гос-mталiзащi) та достатнiй обсяг мiждисци-плшарно!' реабттацп (2-3 год практик на добу). Учасниками дослщження були паць енти з шсультом, послщовно госпiталiзо-ванi до 1Ц у 2010-2018 рр.
Усi учасники дослщження були огляну-тi неврологом тсля госпiталiзацii та перед випискою. Усiм пацiентам проведено необ-хщне iнструментальне та лабораторне об-стеження з метою визначення ймовiрного мехашзму (пiдтипу) iнсульту, котре перед-бачало нейровiзуалiзацiю (комп'ютерна або магнiтно-резонансна томографiя), вь зуалiзацiю церебральних судин (комп'ютерна або магштно-резонансна анпогра-фiя), трансторакальну ехокардiографiю, реестрацiю електрокардiограми у 12 вщ-веденнях, консультацп фахiвцiв (кардiолог, нейрохiрург, ендокринолог, уролог, терапевт, ортопед, психiатр тощо) та вщповщш лабораторнi аналiзи, зробленi у сертиф^о-ванiй лабораторп.
Ha6ip показнишв, яш проанал1зовано
Даш пащенлв, залучених у дослщжен-ня, проспективно вносили до вщповщно! бази даних. Пiд час аналiзу як фактор-нi ознаки використано Krn^Bi оцiнки за шкалами та шдексами (NIHSS, мШР, 1Б, BBS, FAC, MMSE, MoCA, HADS (сума балiв за роздiлами для ощнки виявiв де-пресп (HADS-D) i виявiв тривожностi (HADS-A)).
Статистичний аналiз
Для визначення штегрально! оцiнки стану пащенлв використано методи кластерного аналiзу. Кластеризацiю характеристик стану пащенлв пiсля лiкування проводили у 9-вимiрному просторi ознак. Для виршення завдань кластеризацп використовували метод самооргашзованих карт (self-organizing map (SOM)) - нейроннi мережi Кохонена [22, 23].
Мережа Кохонена навчаеться «без учителя», намагаючись усвщомити структуру вказаних даних. Мережа складаеться з вхщного i вихiдного шару: вхщний шар мiстить елементи (нейрони), кожен з яких вщповщае однш ознацi, який характери-зуе об'ект. Нейрони цього шару слугують для перетворення вхщних даних на стан-дартний вигляд (зазвичай цi елементи пе-ретворюють значення до вiдрiзка вiд 0 до 1). Вихщний шар мiстить радiальнi (radial basis function (RBF)) елементи (вихiдний шар називають шаром тополопчно! кар-ти), кшьюсть нейронiв вихiдного шару дорiвнюе кiлькостi кластерiв, якi буде роз-пiзнавати мережа. Для визначення оптимально! кшькост кластерiв, на як можуть бути ефективно роздiленi даш, використано метод аналiзу показника контраст-статистики роздшення [24]. Нейромережевий аналiз проведено з використанням пакета Statistica Neural Networks v.4.0 C (StatSoft Inc., 1996-1999).
Статистичний аналiз значення ощноч-них шкал та шдек^в у видiлених кластерах здшснювали з використанням критерiю Крускала-Уоллюа, подальшi порiвняння - з використанням критерда множинних по-рiвнянь Данна. Аналiз проведено iз засто-суванням пакета MedCalc v. 19.05 (MedCalc Software Inc, Broekstraat, Belgium, 19932019). За критичний рiвень значущост при-йнято а .= 0,05.
кр '
Результатн
До дослiдження залучили 852 пацiенти, якi перебували на стацiонарному лiкуваннi в 1Ц. Серед пацiентiв було 42,5 % жшок та 57,5 % чоловшв. Вiк пацiентiв - вiд 20,4 до 95,7 року (медаана - 66,7 року, мiжквартильний iнтервал -57,7-75,0 року). У 80,9 % пащенпв даагностова-но iшемiчний шсульт, у решти - геморагiчний.
Для проведення кластерного аналiзу у 9-вимiрному просторi значення оцiночних шкал та шдек^в пiсля лiкування послщов-но були побудоваш нейроннi мережi Кохонена з кшьюстю нейронiв у вихщному шарi вiд 2 до 36. Показники контраст-статистики для рiзноl кшькост кластерiв, на якi було розподшено данi, наведено на рис. 1.
ев
а н
i
§
а s i
м
ев «
О
С
3.2
3.0
2.8
2.6
2.4
2.2
2.0 -
}
1
Щ±|
{
_L
!
_L
_1_
_L
_L
3 4 6 9 12 Кшьшстъ кластерiв
16
25 36
Рис. 1. Значення показника контраст-статистики для кмъкостг кластер1в вьд 2 до 36 (середне значення та його 95 % дов1рчий ¡нтервал)
Зпдно з обраним методом визначення оптимального числа кластерiв необхщним
i достатшм був розподш даних у 4 клас-тери. Виявилося, що подальший розподiл пов'язаний iз роздiлом однорiдних (близь-ких у 9-вимiрному просторi) груп, що при-зводить лише до зменшення показника контраст-статистики у разi 6 кластерiв та бiльше (див. рис. 1).
Учасниюв дослiдження вiдповiдно до 1х стану перед випискою з 1Ц на пiдставi сукуп-ностi ощнок вiднесли до таких кластерiв: К1 (п = 366), К2 (п = 93), КЗ (п = 104) або К4 (п = 289), як можуть бути штегральною оцiнкою стану пащента пiсля лшування.
2
E)
Рис. 2. Оцтки за NIHSS (A), мШР (B), 1Б (C), BBS (D), FAC (E) у 4 визначених кластерах. Наведено мед1ану, меж1 першого та третього квартил1в, мШмальне i максимальне значення показника
K1
K2
K3
K4
Задля кращого розумшня сенсу кластерно! штегрально!' ощнки стану пащент1в тсля л^-вання проведено порiвняння значень кожного Ï3 11 показниюв для чотирьох кластерiв. При проведент аналiзу видiлено 3 групи показни-юв, якi характеризують кластери. До першо! групи вiднесено показники, як статистично значущо (p < 0,001 за крит^ем Крускала-Уоллiса) вiдрiзнялися у 4 кластерах: NIHSS, мТТТР 1Б, BBS, FAC (рис. 2). За цими показниками тсля ткуванш в 1Ц стан пащенпв, вщне-сених до кластера К4, був найкращим (p < 0,05 за крш^ем Данна), осiб, вщнесених до кластера К1, - пршим (p < 0,05), а пащенпв, котрi потрапили до кластерiв К2 та К3, - набагато пршим (p < 0,05) порiвняно з кластером К4.
До друго! групи показникiв вiднесено оцш-ки за MMSE та MoCA. Ц показники також статистично значущо (p < 0,001 за критерieм
Крускала-Уоллюа) вiдрiзнялися у 4 кластерах, але при попарному порiвняннi виявлено дещо вiдмiннi характеристики видiлених кластерiв (рис. 3). За цими показниками найкращий стан тсля л^вання мали патенти iз кластера К4 (p < 0,05 за крш^ем Данна), результати тку-вання осiб, вiднесених до кластерiв К1 та К3, були значно пршими (p < 0,05), а патентив, якi потрапили до кластера К2, - найгiршими (p < 0,05) порiвняно з кластером К4.
До третьо! групи показниюв вiднесено оцiнки за HADS-D та HADS-A, якi також статистично значущо (p < 0,001 за критерiем Крускала-Уоллюа) вiдрiзнялися у 4 кластерах, однак попарне порiвняння виявило, що пацiенти, вiднесенi до кластера К4, мали значно кращi (p < 0,05 за крш^ем Данна) оцшки стану пiсля лiкування, шж пацiенти, вiднесенi до трьох шших кластерiв (рис. 4).
Рис. 3. Значення показник1в ММ$>Е (А) та МоСА (В) для 4 кластеров. Наведено медгану, межг першого та третъого квартилгв, мтгмалъне та максималъне значення показника
20 -
15 -
а 10 -
<
к
0
А)
К1
—ашмахго—
I
К2
К4
16 -14 -12 -10 -
а 8 -
<
X
6
4 2
0
В)
К1
т
К2
ООО 0000
ь-шхорпн
00000
I
КЗ
К4
Рис. 4. Значення показникгв ИАВ8-В (А) та ИАБ8-А (В) для 4 кластергв. Наведено медгану, межг першого та третъого квартилгв, мтгмалъне та максималъне значення показника
5
Обговорення
Таким чином, у нашому дослщженш продемонстровано можливють штегрально! ощнки стану пащенпв тсля шсульту та за-пропоновано спос1б штегрально! ощнки стану пащенпв тсля шсульту, який грунтуеть-ся на сукупносп ощнок впливу шсульту на структуру/функщонування головного мозку та повсякденну життед1яльтсть пащента. Встановлено, що на тдстав1 сукупносп ощнок за допомогою вщповщних засоб1в (оць ночних шкал та шдекЫв) оптимальним е роз-подш пащенпв за станом тсля лжування в 1Ц на 4 групи. Подальше збшьшення кшькос-т груп переваг не мае. За штегральною ощн-
кою пащенти з кластера К4 мали найкращий стан, пащенти з кластера К1 - хороший стан, пащенти з кластер1в КЗ та К2 - поганий та дуже поганий стан тсля лжування в 1Ц.
Попри потребу в системах штегровано! ощнки стану пащенпв тсля шсульту, !х розробка та впровадження у науков1 досль дження та клш1чну практику перебувають на початковш стади. Це зумовлено декшькома чинниками, зокрема техшчною складшстю збору даних, яю мають надходити вщ р1зних фах1вщв (лжар1, ф1зичт терапевти, ерготе-рапевти, психологи), \ труднощами !х анал1зу та штерпретаци. Ц1 перешкоди у нашому до-слщженш усунуто завдяки сшвпращ члешв м1ждисциплшарно! команди { використан-
ню електронних форм медичних докумеш^в та баз даних. Крiм того, ми переконалися у необхщносп обмеженого набору шкал, який дае необхщну i достатню шформащю для ощнки ключових аспектiв вiдновлення пащ-ента. Поеднання зусиль рiзних фахiвцiв дало змогу зiбрати повний набiр даних i викорис-товувати його для стльних цiлей.
Висновки
1. Побудована нейромережева модель Ко-хонена дае змогу штегрально ощнити стан пащента пiсля стацiонарного лiкування з приводу мозкового шсульту.
References
1. Salinas J, Sprinkhuizen SM, Ackerson T et al. An international standard set of patient-centered outcome measures after stroke. Stroke. 2016 Jan;47(1):180-6. doi: 10.1161/STROKEAHA.115.010898.
2. Feigin VL, Norrving B, Mensah GA. Global burden of stroke. Circ Res. 2017;120:439-48. doi: 10.1161/ CIRCRESAHA.116.308413.
3. Aguiar de Sousa D, von Martial R, Abilleira S et al. Access to and delivery of acute ischaemic stroke treatments: A survey of national scientific societies and stroke experts in 44 European countries. Eur Stroke J. 2019 Mar; 4(1):13-28. doi: 10.1177/2396987318786023.
4. Kalkonde YV, Alladi S, Kaul S, Hachinski V. Stroke prevention strategies in the developing world. Stroke. 2018 Dec; 49(12):3092-7. doi: 10.1161/ STR0KEAHA.118.017384.
5. GBD 2016 Stroke Collaborators. Global, regional, and national burden of stroke, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet Neurol. 2019 May; 18(5):439-58. doi:10.1016/S1474-4422(19)30034-1.
6. Porter ME, Lee TH. The strategy that will fix health care. Harvard Bus Rev. 2013;91:50-70. https://hbr. org/2013/10/the-strategy-that-will-fix-health-care
7. van der Putten JJ, Hobart JC, Freeman JA, Thompson AJ. Measuring change in disability after inpatient rehabilitation: comparison of the responsiveness of the Barthel Index and the Functional Independence Measure. J Neurol Neurosurg Psychiatry. 1999 Apr;66(4):480-4. doi:10.1136/jnnp.66.4.480
8. Sacco RL, Kasner SE, Broderick JP et al.; American Heart Association Stroke Council, Council on Cardiovascular Surgery and Anesthesia; Council on Cardiovascular Radiology and Intervention; Council on Cardiovascular and Stroke Nursing; Council on Epidemiology and Prevention; Council on Peripheral Vascular Disease; Council on Nutrition, Physical Activity and Metabolism. An updated definition of stroke for the 21st century: a state-
2. Пащенти тсля стацюнарного лшуван-ня в штегрованому шсультному блощ вщпо-вщно до штегрально'' ощни 'х стану можуть бути розподшеш на 4 групи (кластери).
3. Найбшьш значущими показниками, яю характеризують стан пащента тсля стацюнарного лшування в штегрованому шсультному блощ, були ощнки за NIHSS, мШР, 1Б, BBS та FAC.
4. Необхщно провести додатковi досль дження для визначення основних предик-торiв потрапляння пащента у групи з поганим станом тсля лшування, що сприятиме оптимiзацii лшувальних заходiв та полш-шенню прогнозу.
ment for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2013 Jul;44(7):2064-89. doi: 10.1161/ STR.0b013e318296aeca.
9. Zerna C, Thomalla G, Campbell BCV et al. Current practice and future directions in the diagnosis and acute treatment of ischaemic stroke. Lancet. 2018 Oct 6;392(10154):1247-56. doi: 10.1016/S0140-6736(18)31874-9.
10. Teasell R, Hussein N. Clinical consequences of stroke. Evidence-based review of stroke rehabilitation, 2018. http://www.ebrsr.com/evidence-review/2-clinical-consequences-stroke
11. World Health Organization. How to use the ICF: A practical manual for using the International Classification of Functioning, Disability and Health (ICF). Geneva: WHO, 2013. https://www.who.int/classifi-cations/drafticfpracticalmanual2.pdf?ua=1
12. Duncan PW, Jorgensen HS, Wade DT. Outcome measures in acute stroke trials: a systematic review and some recommendations to improve practice. Stroke. 2000;31:1429-38. doi:10.1161/01.str.31.6.1429.
13. Kasner SE. Clinical interpretation and use of stroke scales. Lancet Neurol. 2006 Jul;5(7):603-12. doi:10.1016/S1474-4422(06)70495-1.
14. Salter K, Campbell N, Richardson M et al. Outcome measures in stroke rehabilitation. Evidence-based review of stroke rehabilitation, 2013. http://www. ebrsr.com/sites/default/files/Chapter %2020_Out-come %20Measures.pdf
15. Theofanidis D, Fitsioris X, Iakovos T. Stroke scales and trajectory of recovery: a major concern for patients and nurses alike. Health Science Journal 2015;9(45):1-7. http://www.hsj.gr/medicine/stroke-scales-and-trajectory-of-recovery-a-major-concern-for-patients-and-nurses-alike.php?aid=6883
16. Kalra L, Fowle AJ. An integrated system for mul-tidisciplinary assessments in stroke rehabilitation. Stroke. 1994 Nov;25(11):2210-4. doi:10.1161/01. str.25.11.2210.
17. Asplund K, Hulter Esberg K, Appelros P et al. The Riks-Stroke story: building a sustainable nation-
al register for quality assessment of stroke care. Int J Stroke. 2011;6:99-108. doi: 10.1111/j.1747-4949.2010.00557.x.
18. Gershon RC, Cella D, Fox NA et al. Assessment of neurological and behavioural function: the NIH Toolbox. Lancet Neurol. 2010;9(2):138-9. doi:10.1016/S1474-4422(09)70335-7.
19. Quatrano LA, Cruz TH. Future of outcomes measurement: impact on research in medical rehabilitation and neurologic populations. Arch Phys Med Rehabil. 2011;92(10 Suppl):S7-S11. doi:10.1016/j. apmr.2010.08.032.
20. Kwakkel G, Lannin NA, Borschmann K et al. Standardized measurement of sensorimotor recovery in stroke trials: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation
Roundtable. Int J Stroke. 2017 Jul;12(5):451-61. doi: 10.1177/1747493017711813.
21. Carlozzi NE, Goodnight S, Casaletto KB et al. Validation of the NIH Toolbox in idividuals with neurologic disorders. Arch Clin Neuropsychol. 2017 Aug;32(5):555-73. doi: 10.1093/arclin/acx020.
22. Kohonen T. Self-organized formation of topo-logically correct feature maps. Biol Cybern. 1982; 43(1):59-69. doi: 10.1007/BF00337288.
23. Haykin S. Neural Networks and Learning Machines. 3rd ed. NJ, USA: Pearson; 2009. 936 p.
24. Lyakh Y, Gurianov V, Gorshkov O, Vihovanets Y. Estimating the number of data clusters via the contrast statistic. Journal of Biomedical Science and Engineering. 2012;5(2):95-9. doi:10.4236/ jbise.2012.52012
СИСТЕМА ИНТЕГРАЛЬНОЙ МЕЖДИСЦИПЛИНАРНОЙ ОЦЕНКИ ПОСЛЕДСТВИЙ ИНСУЛЬТА ПОСЛЕ ЛЕЧЕНИЯ В ИНТЕГРИРОВАННОМ ИНСУЛЬТНОМ БЛОКЕ
Ю.В. ФЛОМИН \ В.Г. ГУРЬЯНОВ 2, ЛИ. СОКОЛОВА 2
1 МЦ «Универсальная клиника "Обериг"», г. Киев
2 Национальный медицинский университет имени А.А. Богомольца, г. Киев
Цель работы - исследовать возможность интегральной оценки состояния пациента после инсульта и разработать способ интегральной оценки состояния пациента после стационарного лечения по поводу мозгового инсульта с учетом его последствий, оцененных с помощью шкал и индексов.
Материалы и методы. Исследование проведено в Инсультном центре (ИЦ) - отделении многопрофильной клиники «Обериг», которое функционирует в соответствии с принципами интегрированного инсультного блока. Участниками исследования были 852 пациента (42,5 % женщин и 57,5 % мужчин, медиана возраста - 66,7 года) с мозговым инсультом, госпитализированные в ИЦ в 2010-2018 гг. Заключительные оценки по 8 валидным оценочным шкалам и индексам были проспективно внесены в специально созданную базу данных. Для определения интегральной оценки состояния пациентов использованы методы кластерного анализа (в частности нейронные сети Кохонена). Статистический анализ значений оценочных шкал и индексов в выделенных кластерах проводили с использованием критерия Крускала-Уоллиса, последующие сравнения - с использованием критерия множественных сравнений Данна.
Результаты. У 81 % пациентов диагностирован ишемический инсульт, у остальных - геморрагический. Согласно выбранному методу необходимым и достаточным было распределение данных в 4 кластера. Участников исследования в соответствии с их состоянием перед выпиской из ИЦ на основании совокупности оценок отнесли к таким кластерам: К1 (n = 366), К2 (n = 93), КЗ (n = 104) или К4 (n = 289). Наиболее значимыми показателями, характеризующими состояние пациентов с мозговым инсультом после стационарного лечения, были оценка по NIHSS (National Institutes of Health Stroke Scale), модифицированной шкале Ренкина, индексу Бартел, Berg Balance Scale и Functional Ambulation Classification. По этим показателям, которые имели статистически значимые (p < 0,001) различия в 4 кластерах, состояние пациентов, отнесенных к кластеру К4, было наилучшим (p < 0,05); лиц, отнесенных к кластеру К1, - хуже (p < 0,05), а состояние пациентов, попавших в кластеры К2 и КЗ, - значительно худшим (p < 0,05) по сравнению с кластером К4.
Выводы. На основании интегральной оценки неврологических нарушений и повседневной жизнедеятельности пациентов с мозговым инсультом по их состоянию после стационарного лечения можно отнести к одному из четырех кластеров. Выявление предикто-
ров попадания пациента в кластеры, соответствующие плохому состоянию после стационарного лечения, будет способствовать появлению способов улучшения прогноза.
Ключевые слова: мозговой инсульт; оценка результатов лечения; система интегральной оценки; интегрированный инсультный блок.
INTEGRATED MULTIDISCIPLINARY ASSESSMENT OF CEREBRAL STROKE OUTCOME AFTER TREATMENT IN A COMPREHENSIVE STROKE UNIT
Yu.V. FLOMIN \ V.G. GURIANOV 2, L.I. SOKOLOVA 2
1 MC Universal Clinic "Oberig", Kyiv
2 Bogomolets National Medical University, Kyiv
Objective - to explore the possibility of integral assessment of the stroke outcome and to develop a method of integral assessment of the stroke outcome after in-patient treatment on the level of impairment and and the level of activities of daily living, which were assessed using rating scales and indices.
Materials and methods. The study was conducted at the Stroke Center (SC), Oberig' mul-tidisciplinary hospital division, which operates according to the principles of Comprehensive Stroke Unit. Patients with a cerebral stroke who were admitted to the SC in 2010-2018 were enrolled. The data of the participants were prospectively entered into a special database and included discharge assessments using 8 valid rating scales and indices. Cluster analysis methods (in particular Kohonen neural networks) were used to design the integral assessment. Statistical analysis of the values of the rating scales and indices in the selected clusters was performed using the Kruskal-Wallis criterion, post hoc comparisons were made using the Dunn multiple comparison criterion.
Results. 852 patients (42.5 % women and 57.5 % men, median age - 66.7 year) were enrolled. 81 % of patients were diagnosed with ischemic stroke, and 19 % had hemorrhagic stroke. According to the chosen method, it is necessary and sufficient to split the data into 4 clusters. All participants in the study according to their assessments at discharge using the set of selected measures could be assigned to one of 4 isolated clusters: K1 (n = 366), K2 (n = 93), K3 (n = 104) or K4 (n = 289). National Institutes of Health Stroke Scale, modified Rankin scale, Barthel Index, Berg Balance Scale та Functional Ambulation Classification were the most significant determinants of the patient cluster. For the 5 measures there have been significant differences (p < 0.001) in the four clusters. The condition of the patients in K4 cluster was the best (p < 0.05), whereas the patients in the K1 cluster were worse (p < 0.05), and the condition of the patients in the clusters K2 and K3 was much worse (p < 0.05) compared with the cluster K4.
Conclusions. Based on the integrated assessments of neurological impairments and activities of daily living all of stroke patients could be assigned to one of four identified clusters. Detecting predictors of poor outcome after in-patient management may help to find ways to improve their prognosis.
Key words: cerebral stroke; outcome assessment; integrated assessment system; comprehensive stroke Unit.
