Популяционное исследование паракардиального жира как фактора риска болезней системы кровообращения (на материалах Московского эксперимента по применению компьютерного зрения в лучевой диагностике)

Обложка

Цитировать

Полный текст

Аннотация

Цель – изучить распространенность фактора риска болезней системы кровообращения – паракардиального жира – у населения г. Москвы на основе автоматизированного анализа результатов лучевых исследований.

Материал и методы. Проведено ретроспективное описательное эпидемиологическое исследование. Проанализированы результаты компьютерной томографии органов грудной клетки 113 408 пациентов. Анализ выполнялся в автоматизированном режиме ИИ-сервисами и включал определение факта наличия паракардиального жира, а также измерение его объема.

Результаты. Паракардиальный жир выявлен у 66,5% обследованных лиц. Удельный вес мужчин составил 45,7%, женщин – 54,3% (р<0,001). Объем паракардиального жира колебался в диапазоне от 1 до 1517 мл; среднее значение составляло 282,1. Средний объем паракардиального жира у мужчин (326,0 мл) оказался статистически значимо выше, чем у женщин (244,7 мл) в каждой возрастной группе. Клинически значимый объем паракардиального жира (≥200 мл) выявлен у 33 081 человек, что составило 64,0% от числа лиц с наличием этого фактора риска. Объем паракардиального жира был клинически значим у 71,1% мужчин и 57,9% женщин из числа лиц с выявленным фактором риска (р<0,001).

Выводы. Распространенность фактора риска сердечно-сосудистых заболеваний паракардиальный жир для населения г. Москвы составила 5,97 на 1000 человек. На клинически значимом уровне паракардиальный жир чаще всего встречается у обоих полов в пожилом (78,7%) и старческом возрастах (78,2%). Увеличение возраста на 5 лет в 1,282 раза увеличивает вероятность наличия данного фактора риска и в 2,981 раза вероятность его наличия на клинически значимом уровне.

Об авторах

Юрий Александрович Васильев

ГБУЗ города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-0208-5218
SPIN-код: 4458-5608

кандидат медицинских наук, директор 

Россия, 127051, Москва, ул. Петровка, 24, стр. 1

Инна Владимировна Гончарова

ГБУЗ города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: GoncharovaIV5@zdrav.mos.ru
ORCID iD: 0000-0003-3662-8601

заведующая отделом, врач-рентгенолог

Россия, 127051, Москва, ул. Петровка, 24, стр. 1

Антон Вячеславович Владзимирский

ГБУЗ города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Автор, ответственный за переписку.
Email: VladzimirskijAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120

д-р мед. наук, профессор, заместитель директора по научной работе

Россия, 127051, Москва, ул. Петровка, 24, стр. 1

Игорь Михайлович Шулькин

ГБУЗ города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: ShulkinIM@zdrav.mos.ru
ORCID iD: 0000-0002-7613-5273
SPIN-код: 5266-0618

заместитель директора по перспективному развитию

Россия, 127051, Москва, ул. Петровка, 24, стр. 1

Кирилл Михайлович Арзамасов

ГБУЗ города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: ArzamasovKM@zdrav.mos.ru
ORCID iD: 0000-0001-7786-0349
SPIN-код: 3160-8062

канд. мед. наук, руководитель отдела медицинской информатики, радиомики и радиогеномики

Россия, 127051, Москва, ул. Петровка, 24, стр. 1

Список литературы

  1. Agienko AS, Strokolskaya IL, Heraskov VYu, Artamonova GV. Epidemiology of cardiovascular risk factors and the medical care appealability. Complex Issues of Cardiovascular Diseases. 2022;11(4):79-89. (In Russ.). [Агиенко А.С., Строкольская И.Л., Херасков В.Ю., Артамонова Г.В. Эпидемиология факторов риска болезней системы кровообращения и обращаемость населения за медицинской помощью. Комплексные проблемы сердечно-сосудистых заболеваний. 2022;11(4):79-89]. doi: 10.17802/2306-1278-2022-11-4-79-89
  2. Ermolaev DO, Ermolaeva YuN. Regional features of deaths from cardiovascular diseases in the context of regional program to reduce cardiovascular mortality. Medical & Pharmaceutical Journal "Pulse". 2021;23(8):21-27. (In Russ.). [Ермолаев Д.О., Ермолаева Ю.Н. Региональные особенности смертности от болезней системы кровообращения в контексте региональной программы по снижению сердечно-сосудистой смертности. Медико-фармацевтический журнал Пульс. 2021;23(8):21-27]. doi: 10.26787/nydha-2686-6838-2021-23-8-21-27
  3. Zelenina AA, Shalnova SA, Muromtseva GA, et al. Regional deprivation and risk of developing cardiovascular diseases (Framingham Risk Score): data from ESSE-RF. Profilakticheskaya Meditsina. 2023;26(1):49-58. (In Russ.). [Зеленина А.А., Шальнова С.А., Муромцева Г.А., и др. Региональная депривация и риск развития сердечно-сосудистых заболеваний по Фрамингемской шкале: данные ЭССЕ-РФ. Профилактическая медицина. 2023;26(1):49-58]. doi: 10.17116/profmed20232601149
  4. Kobiakova OS, Deev IA, Kulikov ES, et al. Chronic noncommunicable diseases: combined effects of risk factors. Profilakticheskaya Meditsina. 2019;22(2):45-50. (In Russ.). [Кобякова О.С., Деев И.А., Куликов Е.С., и др. Хронические неинфекционные заболевания: эффекты сочетанного влияния факторов риска. Профилактическая медицина. 2019;22(2):45-50]. doi: 10.17116/profmed20192202145
  5. Badeinikova KK, Mamedov MN. Early markers of atherosclerosis: predictors of cardiovascular events. Profilakticheskaya Meditsina. 2023;26(1):103-108. (In Russ.). [Бадейникова К.К., Мамедов М.Н. Ранние маркеры атеросклероза: предикторы развития сердечно-сосудистых осложнений. Профилактическая медицина. 2023;26(1):103-108]. doi: 10.17116/profmed202326011103
  6. Abbas R, Abbas A, Khan TK, et al. Sudden Cardiac Death in Young Individuals: A Current Review of Evaluation, Screening and Prevention. J Clin Med Res. 2023;15(1):1-9. doi: 10.14740/jocmr4823
  7. Shaddy RE, George AT, Jaecklin T, et al. Systematic Literature Review on the Incidence and Prevalence of Heart Failure in Children and Adolescents. Pediatr Cardiol. 2018;39(3):415-436. doi: 10.1007/s00246-017-1787-2
  8. Mazur ES, Mazur VV, Bazhenov ND, et al. Epicardial obesity and atrial fibrillation: emphasis on atrial fat depot. Obesity and metabolism. 2020;17(3):316-325. (In Russ.). [Мазур Е.С., Мазур В.В., Баженов Н.Д., и др. Эпикардиальное ожирение и фибрилляция предсердий: акцент на предсердном жировом депо. Ожирение и метаболизм. 2020;17(3):316-325]. doi: 10.14341/omet12614
  9. Chernina VYu, Morozov SP, Nizovtsova LA, et al. The Role of Quantitative Assessment of Visceral Adipose Tissue of the Heart as a Predictor for Cardiovascular Events. Journal of radiology and nuclear medicine. 2019;100(6):387-394. (In Russ.). [Чернина В.Ю., Морозов С.П., Низовцова Л.А., и др. Роль количественной оценки висцеральной жировой ткани сердца как предиктора развития сердечно-сосудистых событий. Вестник рентгенологии и радиологии. 2019;100(6):387-394]. doi: 10.20862/0042-4676-2019-100-6-387-394
  10. Demircelik MB, Yilmaz OC, Gurel OM, et al. Epicardial adipose tissue and pericoronary fat thickness measured with 64-multidetector computed tomography: potential predictors of the severity of coronary artery disease. Clinics (Sao Paulo). 2014;69(6):388-92. doi: 10.6061/clinics/2014(06)04
  11. Farag SI, Mostafa SA, El-Rabbat KE, et al. The relation between pericoronary fat thickness and density quantified by coronary computed tomography angiography with coronary artery disease severity. Indian Heart J. 2023;75(1):53-58. doi: 10.1016/j.ihj.2023.01.006
  12. Hogea T, Suciu BA, Ivănescu AD, et al. Increased Epicardial Adipose Tissue (EAT), Left Coronary Artery Plaque Morphology, and Valvular Atherosclerosis as Risks Factors for Sudden Cardiac Death from a Forensic Perspective. Diagnostics (Basel). 2023;13(1):142. doi: 10.3390/diagnostics13010142
  13. Mohammadzadeh M, Mohammadzadeh V, Shakiba M, et al. Assessing the Relation of Epicardial Fat Thickness and Volume, Quantified by 256-Slice Computed Tomography Scan, With Coronary Artery Disease and Cardiovascular Risk Factors. Arch Iran Med. 2018;21(3):95-100.
  14. Wu FZ, Chou KJ, Huang YL, Wu MT. The relation of location-specific epicardial adipose tissue thickness and obstructive coronary artery disease: systemic review and meta-analysis of observational studies. BMC Cardiovasc Disord. 2014;14:62. doi: 10.1186/1471-2261-14-62
  15. Kokov AN, Brel NK, Masenko VL, et al. Perivascular adipose tissue and its noninvasive assessement. Kremlin Medicine Journal. 2020;3:115-122. (In Russ.) [Коков А.Н., Брель Н.К., Масенко В.Л., и др. Периваскулярная жировая ткань и методы ее неинвазивной оценки. Кремлевская медицина. Клинический вестник. 2020;3:115-122]. doi: 10.26269/mtn9-bq47
  16. González N, Moreno-Villegas Z, González-Bris A, et al. Regulation of visceral and epicardial adipose tissue for preventing cardiovascular injuries associated to obesity and diabetes. Cardiovasc Diabetol. 2017;16(1):44. doi: 10.1186/s12933-017-0528-4
  17. Haberka M, Machnik G, Kowalówka A, et al. Epicardial, paracardial, and perivascular fat quantity, gene expressions, and serum cytokines in patients with coronary artery disease and diabetes. Pol Arch Intern Med. 2019;129(11):738-746. doi: 10.20452/pamw.14961
  18. Iacobellis G, Baroni MG. Cardiovascular risk reduction throughout GLP-1 receptor agonist and SGLT2 inhibitor modulation of epicardial fat. J Endocrinol Invest. 2022;45(3):489-495. doi: 10.1007/s40618-021-01687-1
  19. Keresztesi AA, Asofie G, Simion MA, Jung H. Correlation between epicardial adipose tissue thickness and the degree of coronary artery atherosclerosis. Turk J Med Sci. 2018;48(1):40-45. doi: 10.3906/sag-1604-58
  20. Moody AJ, Molina-Wilkins M, Clarke GD, et al. Pioglitazone reduces epicardial fat and improves diastolic function in patients with type 2 diabetes. Diabetes Obes Metab. 2023;25(2):426-434. doi: 10.1111/dom.14885
  21. El Khoudary SR, Shields KJ, Janssen I, et al. Cardiovascular Fat, Menopause, and Sex Hormones in Women: The SWAN Cardiovascular Fat Ancillary Study. J Clin Endocrinol Metab. 2015;100(9):3304-12. doi: 10.1210/JC.2015-2110
  22. Hanley C, Matthews KA, Brooks MM, et al. Cardiovascular fat in women at midlife: effects of race, overall adiposity, and central adiposity. The SWAN Cardiovascular Fat Study. Menopause. 2018;25(1):38-45. doi: 10.1097/GME.0000000000000945
  23. Thanassoulis G, Massaro JM, Hoffmann U, et al. Prevalence, distribution, and risk factor correlates of high pericardial and intrathoracic fat depots in the Framingham heart study. Circ Cardiovasc Imaging. 2010;3(5):559-66. doi: 10.1161/CIRCIMAGING.110.956706
  24. Nikolaev AE, Blokhin IA, Lbova OA, et al. Three clinically relevant findings in lung cancer screening. Tuberculosis and Lung Diseases. 2019;97(10):37-44. (In Russ.). [Николаев А.Е., Блохин И.А., Лбова О.А., и др. Три клинически значимые находки при скрининге рака легких. Туберкулез и болезни легких. 2019;97(10):37-44]. doi: 10.21292/2075-1230-2019-97-10-37-44
  25. Nikolaev AE, Chernina VYu, Blokhin IA, et al. The future of computer-aided diagnostics in chest computed tomography. Pirogov Russian Journal of Surgery. 2019;12:91-99. (In Russ.). [Николаев А.Е., Чернина В.Ю., Блохин И.А., и др. Перспективы использования комплексной компьютер-ассистированной диагностики в оценке структур грудной клетки. Хирургия. Журнал им. Н.И. Пирогова. 2019;12:91-99]. doi: 10.17116/hirurgia201912191
  26. Computer vision in radiation diagnostics: the first stage of the Moscow experiment. Eds. Yu.A. Vasil'ev, A.V. Vladzimirskiy. M., 2022. (In Russ.). [Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. Под ред. Ю.А. Васильева, А.В. Владзимирского. М., 2022].
  27. Spearman JV, Renker M, Schoepf UJ, et al. Prognostic value of epicardial fat volume measurements by computed tomography: a systematic review of the literature. Eur Radiol. 2015;25(11):3372-81. doi: 10.1007/s00330-015-3765-5
  28. Milanese G, Silva M, Bruno L, et al. Quantification of epicardial fat with cardiac CT angiography and association with cardiovascular risk factors in symptomatic patients: from the ALTER-BIO (Alternative Cardiovascular Bio-Imaging markers) registry. Diagn Interv Radiol. 2019;25(1):35-41. doi: 10.5152/dir.2018.18037
  29. Tukey JW. Some selected quick and easy methods of statistical analysis. Trans N Y Acad Sci. 1953;16(2):88-97. doi: 10.1111/j.2164-0947.1953.tb01326.x
  30. Arshi B, Aliahmad HA, Ikram MA, et al. Epicardial Fat Volume, Cardiac Function, and Incident Heart Failure: The Rotterdam Study. J Am Heart Assoc. 2023;12(1):e026197. doi: 10.1161/JAHA.122.026197
  31. El Khoudary SR, Shields KJ, Janssen I, et al. Postmenopausal Women With Greater Paracardial Fat Have More Coronary Artery Calcification Than Premenopausal Women: The Study of Women's Health Across the Nation (SWAN) Cardiovascular Fat Ancillary Study. J Am Heart Assoc. 2017;6(2):e004545. doi: 10.1161/JAHA.116.004545
  32. Meloni A, Cadeddu C, Cugusi L, et al. Gender Differences and Cardiometabolic Risk: The Importance of the Risk Factors. Int J Mol Sci. 2023;24(2):1588. doi: 10.3390/ijms24021588
  33. Kulkarni S, Seneviratne N, Baig MS, Khan AHA. Artificial Intelligence in Medicine: Where Are We Now? Acad Radiol. 2020;27(1):62-70. doi: 10.1016/j.acra.2019.10.001
  34. Gusev AV, Dobridnyuk SL. Artificial Intelligence in Medicine and Healthcare. Information Society Journal. 2017;(4-5):78-93. (In Russ.). [Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении. Информационное общество. 2017;(4-5):78-93].
  35. Gusev AV. Prospects for using big data in Russian healthcare. Moskovskaya meditsina. 2022;1(47):26-30. (In Russ.). [Гусев А.В. Перспективы применения больших данных в Российском здравоохранении. Московская медицина. 2022;1(47):26-30].
  36. Giansanti D. Artificial Intelligence in Public Health: Current Trends and Future Possibilities. Int J Environ Res Public Health. 2022;19(19):11907. doi: 10.3390/ijerph191911907
  37. Benke K, Benke G. Artificial Intelligence and Big Data in Public Health. Int J Environ Res Public Health. 2018;15(12):2796. doi: 10.3390/ijerph15122796
  38. Bothra A, Cao Y, Černý J, Arora G. The Epidemiology of Infectious Diseases Meets AI: A Match Made in Heaven. Pathogens. 2023;12(2):317. doi: 10.3390/pathogens12020317
  39. Choi S, Lee J, Kang MG, et al. Large-scale machine learning of media outlets for understanding public reactions to nation-wide viral infection outbreaks. Methods. 2017;129:50-59. doi: 10.1016/j.ymeth.2017.07.027
  40. Thiébaut R, Thiessard F. Artificial Intelligence in Public Health and Epidemiology. Yearb Med Inform. 2018;27(1):207-210. doi: 10.1055/s-0038-1667082
  41. Thiébaut R, Cossin S. Artificial Intelligence for Surveillance in Public Health. Yearb Med Inform. 2019;28(1):232-234. doi: 10.1055/s-0039-1677939
  42. Lin L, Song Y, Wang Q, et al. Public Attitudes and Factors of COVID-19 Testing Hesitancy in the United Kingdom and China: Comparative Infodemiology Study. JMIR Infodemiology. 2021;1(1):e26895. doi: 10.2196/26895

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Васильев Ю.А., Гончарова И.В., Владзимирский А.В., Шулькин И.М., Арзамасов К.М., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 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».