Прогностическая модель течения острого панкреатита


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Резюме. Рассматриваются модели прогноза инфекционных осложнений и исхода острого панкреатита, разработанные на основании математического анализа совокупности клинических и лабораторных данных течения заболевания, имеющие вид дерева решений. Выявлено, что лабораторные показатели имеют статистически значимые межгрупповые различия и позволяют формировать прогноз течения заболевания. Рассчитанные в результате применения алгоритма классификации и регрессии построением дерева решений пороговые значения лабораторных показателей являются узловыми точками распределения больных по вероятности дальнейшего развития заболевания. Так, наличие у больного в первые трое суток развития заболевания международного нормализованного отношения более 1,31 или международного нормализованного отношения менее 1,31 и гематокрита менее 40% с прогностической вероятностью 80% ассоциируется с развитием инфекционных осложнений в какой-либо период болезни. Если в первые трое суток болезни уровень глюкозы превышает 11,55 ммоль/л и концентрация ионов Ca2+ менее 0,66 ммоль/л, вероятность летального исхода составляет более 70%. При уровне глюкозы более 11,5 ммоль/л и уровне ионов Ca2+, меньше либо равном 0,66 ммоль/л, или уровне глюкозы, меньше либо равном 11,5 ммоль/л, и протромбиновом индексе, меньше либо равном 83%, и гематокрите, меньше либо равном 39,8%, вероятность развития летального исхода в какой-либо период болезни в 3 раза выше по сравнению с другими пациентами. Модели прогноза инфекционных осложнений и исхода заболевания имеют точность 78 и 87% соответственно. Применение данных моделей позволяет стратифицировать больных при поступлении в стационар, выделяя наиболее неблагополучных в прогностическом плане пациентов. Модели достаточно просты и удобны в использовании, не требуют проведения сложных дорогостоящих исследований. Благодаря используемому при построении моделей алгоритму они обладают свойствами самообучения, что в перспективе будет увеличивать их точность.

Об авторах

С. Я. Ивануса

Военно-медицинская академия им. С.М. Кирова

Автор, ответственный за переписку.
Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

М. В. Лазуткин

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

М. И. Гальченко

Санкт-Петербургский государственный аграрный университет

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург, г. Пушкин

А. В. Чеботарь

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

В. И. Кулагин

Санкт-Петербургский научно-исследовательский институт скорой помощи им. И.И. Джанелидзе

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

Список литературы

  1. Алексеев, С.А. Метод профилактики гнойно-септических осложнений острого деструктивного панкреатита / С.А. Алексеев [и др.] // Хирургия. Восточная Европа. – 2017. – № 3. – С. 400–410.
  2. Багненко, С.Ф. Острый панкреатит (Протоколы диагностики и лечения) / С.Ф. Багненко [и др.] // Анналы хирургической гепатологии. – 2006. – Т. 11, № 1. – С. 60–66.
  3. Брагин, А.Г. Регионарная внутриартериальная лекарственная терапия в комплексном лечении больных деструктивным панкреатитом: дисс. … канд. мед. наук / А.Г. Брагин. – М., 2010. – 156 с.
  4. Валеев, А.А. Оценка тяжести состояния больных с острым деструктивным панкреатитом при выборе тактики лечения / А.А. Валеев // Казан. мед. журн. – 2013. – Т. 94, № 5. – С. 633–636.
  5. Винник, Ю.С. Диагностическая ценность интегральных шкал в оценке степени тяжести острого панкреатита и состояния больного / Ю.С. Винник, С.С. Дунаевская // Вестн. РАМН. – 2015. – № 1. – С. 90–94.
  6. Власов, А.П. Патогенетические основы прогнозирования острого панкреатита / А.П. Власов [и др.] // Фундамент. исслед. – 2011. – № 5. – С. 28–36.
  7. Зубарев, П.Н. Причины летальных исходов при остром деструктивном панкреатите / П.Н. Зубарев, И.Д. Косачев, С.В Паскарь // Вестн. СПбГУ. Сер. 11: Медицина. – 2009. – № 4. – С. 161–168.
  8. Овсяник, Д.М. Ранние признаки инфицирования панкреонекроза / Д.М. Овсяник, А.В. Фомин, В.В. Становенко // Мат. пленума правления Ассоц. гепатопанкреатобилиарных хирургов стран СНГ. – Самара, 2015. – С. 111–113.
  9. Острый панкреатит: клинические рекомендации / Мин-во здравоохранения Российской Федерации. – М., 2015. – 38 с.
  10. Паскарь, С.В. Эффективность методов ранней диагностики и оптимизация лечебной тактики при остром деструктивном панкреатите / С.В. Паскарь, И.Д. Косачев, С.А. Варзин // Вестн. СПбГУ. Сер.11: Медицина. – 2010. – № 1. – С. 83–91.
  11. Beger, H.G. Acute pancreatitis: research and clinical management / H.G. Beger, M. Büchler. – London: Springer Limited, 2011. – 412 p.
  12. Balthazar, E.J. Acute pancreatitis: assessment of severity with clinical and CT evaluation / E.J. Balthazar // Radiology. – 2002. – Vol. 223, № 3. – Р. 603–613.
  13. Charlson, M.E. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation / M.E. Charlson [et al.] // J. Chronic Dis. – 1987. – Vol. 40, № 5. – Р. 373–83.
  14. Harrison, D.A. The Pancreatitis Outcome Prediction (POP) Score: a new prognostic index for patients with severe acute pancreatitis / D.A. Harrison, G. D’Amico, M. Singer // Crit. Care Med. – 2007. – Vol. 35, № 7. – P. 1703–1708.
  15. Hothorn, T. Unbiased recursive partitioning: A conditional inference framework / T. Hothorn, K. Hornik, A. Zeileis // Journal of Computational and Graphical statistics. – 2006. – Vol. 15, № 3. – P. 651–674.
  16. Ranson, J.H. Prognostic signs and the role of operative management in acute pancreatitis / J.H. Ranson [et al.] // Surg. Gynecol. Obstet. – 1974. – Vol. 139, № 1. – P. 69–81.
  17. Vincent, J.L. The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure. On behalf of the Working Group on Sepsis-Related Problems of the European Society of Intensive Care Medicine / J.L. Vincent [et al.] // Intensive Care Med. – 1996. – Vol. 22, № 7. – Р. 707–10.
  18. Wickham, H. Tidy Data / H. Wickham // Journal of Statistical Software. – 2014. – Vol. 59, № 10. – P. 1–23.
  19. Wu, B.U. The early prediction of mortality in acute pancreatitis: a large population-based study / B.U. Wu [et al.] // Gut. – 2008. – Vol. 57, № 12. – P. 1698–703.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Модель прогноза ИО у больных, страдающих ОП

Скачать (89KB)
3. Рис. 2. Модель прогноза исхода ОП

Скачать (110KB)

© Ивануса С.Я., Лазуткин М.В., Гальченко М.И., Чеботарь А.В., Кулагин В.И., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 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».