Оценка вероятности и классификация риска наличия псориатического артрита у российских пациентов с псориазом (по данным регистра)

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Прогноз и оценка риска, а также раннее выявление псориатического артрита у пациентов с псориазом могут способствовать предупреждению развития необратимых изменений костно-мышечной системы и улучшению исходов у пациентов.

Цель исследования. Разработать модель количественной оценки вероятности наличия и классификацию в группы высокого или низкого риска наличия псориатического артрита для пациентов со среднетяжелым и тяжелым псориазом в зависимости от клинико-демографических характеристик.

Методы. Анализ данных регистра пациентов с псориазом Российского общества дерматовенерологов и косметологов (РОДВК). Наличие статистически значимых различий исследуемых независимых переменных определяли посредством критериев χ2 или Манна–Уитни. Построение прогностических моделей осуществляли поэтапно методом логистического регрессионного анализа. По результатам анализа исключали переменные, имевшие низкую статистическую значимость. Регрессионные коэффициенты финальной модели считали значимыми при р < 0,05. Посредством ROC-анализа определяли оптимальную точку отсечения для классификации, основанной на полученной модели. Качество классификации оценивали по AUC, чувствительности и специфичности на основном и тестовом наборах данных. Рассчитывали уточненные коэффициенты формулы, AUC, чувствительность и специфичность на объединенных данных.

Результаты. В основную анализируемую выборку были включены 3245 пациентов, из них 920 имели установленный диагноз псориатического артрита. По результатам поэтапного построения методом логистического регрессионного анализа финальная прогностическая модель включала пять значимых предикторов: продолжительность псориаза, наличие псориатической эритродермии в анамнезе, наличие псориатического артрита в семейном анамнезе, артериальная гипертензия и жировая дегенерация печени. Все регрессионные коэффициенты были высоко статистически значимыми (р < 0,001). По результатам ROC-анализа модели классификации на объединенных данных AUC равна 0,7473, чувствительность — 70%, специфичность — 66% при точке отсечения 0,212.

Заключение. Разработанная модель оценки вероятности наличия псориатического артрита может способствовать более раннему его выявлению с учетом степени влияния значимых предикторов. Разработанная классификация может быть применена для определения пациентов с высоким риском наличия псориатического артрита.

Об авторах

Елена Витальевна Богданова

Государственный научный центр дерматовенерологии и косметологии

Автор, ответственный за переписку.
Email: onama@mail.ru
ORCID iD: 0000-0002-0662-2682
SPIN-код: 6372-2237
Scopus Author ID: 57205267691

кандидат медицинских наук

Россия, 107076, Москва, ул. Короленко, д. 3, стр. 6

Список литературы

  1. Coates LC, Helliwell PS. Psoriatic arthritis: state of the art review. Clin Med (Lond). 2017;17(1):65–70. doi: 10.7861/clinmedicine.17-1-65
  2. Scher JU, Ogdie A, Merola JF, Ritchlin C. Preventing psoriatic arthritis: focusing on patients with psoriasis at increased risk of transition. Nat Rev Rheumatol. 2019;15(3):153–166. doi: 10.1038/s41584-019-0175-0
  3. Lee LT, Yang HC, Nguyen PA, Muhtar MS, Li YJ. Machine Learning Approaches for Predicting Psoriatic Arthritis Risk Using Electronic Medical Records: Population-Based Study. J Med Internet Res. 2023;25:e39972. doi: 10.2196/39972
  4. Кубанов А.А., Богданова Е.В. Эпидемиология псориаза в Российской Федерации (по данным регистра). Вестник дерматологии и венерологии. 2022;98(1):33–41 [Kubanov AA, Bogdanova EV. Epidemiology of psoriasis in the Russian Federation: according to the patient registry. Vestnik dermatologii i venerologii. 2022;98(1):33–41. (In Russ.)] doi: 10.25208/vdv1268
  5. Kabacoff RI. R in Action: Data Analysis and Graphics with R. Shelter Island: Manning; 2011. 447 p. ISBN 9781935182399
  6. Yan D, Ahn R, Leslie S, Liao W. Clinical and Genetic Risk Factors Associated with Psoriatic Arthritis among Patients with Psoriasis. Dermatol Ther (Heidelb). 2018;8(4):593–604. doi: 10.1007/s13555-018-0266-x
  7. Chen Z, Wang Y, Lan X, Yang M, Ding L, Li G, et al. Nomogram for accurate and quantitative prediction of the risk of psoriatic arthritis in Chinese adult patients with moderate and severe plaque psoriasis. Eur J Dermatol. 2021;31(4):499–507. doi: 10.1684/ejd.2021.4095
  8. Wang Y, Zhang L, Yang M, Cao Y, Zheng M, Gu Y, et al. Development of a Predictive Model for Screening Patients with Psoriasis at Increased Risk of Psoriatic Arthritis. Dermatol Ther (Heidelb). 2022;12(2):419–433. doi: 10.1007/s13555-021-00663-0
  9. Liu P, Kuang Y, Ye L, Peng C, Chen W, Shen M, et al. Predicting the Risk of Psoriatic Arthritis in Plaque Psoriasis Patients: Development and Assessment of a New Predictive Nomogram. Front Immunol. 2022;12:740968. doi: 10.3389/fimmu.2021.740968
  10. Ogdie A, Harrison RW, McLean RR, Lin TC, Lebwohl M, Strober BE, et al. Prospective cohort study of psoriatic arthritis risk in patients with psoriasis in a real-world psoriasis registry. J Am Acad Dermatol. 2022;87(6):1303–1311. doi: 10.1016/j.jaad.2022.07.060
  11. Богданова Е.В. Псориатическая эритродермия: сравнительная характеристика пациентов и ассоциация с псориатическим артритом. Вестник дерматологии и венерологии. 2022;98(6):73–80 [Bogdanova EV. Psoriatic erythroderma: comparative patient profile and association with psoriatic arthritis. Vestnik dermatologii i venerologii. 2022;98(6):73–80. (In Russ.)] doi: 10.25208/vdv1328
  12. Кубанов А.А., Богданова Е.В. Что такое регистры пациентов и зачем они нужны (на примере регистров пациентов с псориазом). Вестник Российской академии медицинских наук. 2021;76(2):177–186 [Kubanov AA, Bogdanova EV. What are patient registries and why are they needed: (through a number of examples of psoriasis registries). Vestnik Rossijskoj akademii medicinskih nauk. 2021;76(2):177–186. (In Russ.)] doi: 10.15690/vramn1454. https://doi.org/10.25208/vdv5711

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. ROC-кривая для разработанной модели классификации

Скачать (75KB)

© Богданова Е.В., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».