Индивидуальное прогнозирование развития мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы по медико-социальным факторам риска

Обложка

Цитировать

Полный текст

Аннотация

Цель. Реализация прогнозирования риска развития мочекаменной болезни, доброкачественной гиперплазии и рака предстательной железы на основе математического моделирования по индивидуальным медико-социальным факторам. Методы. Проведена прогностическая оценка риска развития изучаемых заболеваний по 30 медико-социальным факторам. Материал исследования составили репрезентативные выборки пациентов с подтверждённым диагнозом «мочекаменная болезнь», «доброкачественная гиперплазия предстательной железы» и «рак предстательной железы» (основные группы), а также люди без этих заболеваний (группа сравнения). Протокол исследования включил подготовку первичных данных, преобразование качественных данных в числовую форму, логистическое регрессионное моделирование риска, верификацию моделей. Собственно прогнозирование риска осуществлено с помощью обоснованно выбранных методов математического моделирования (априорного ранжирования, регрессионного анализа и способа дискретных корреляционных плеяд для минимизации информативной параметрической избыточности). Разработанные модели подвергались верификации методом пассивного эксперимента. Результаты. На основе продолжительных эмпирических наблюдений была выдвинута научная гипотеза о том, что мочекаменная болезнь, доброкачественная гиперплазия и рак предстательной железы имеют более высокую вероятность развития у пациентов, имеющих воздействие определённых факторов риска. С целью подтверждения или опровержения выдвинутой гипотезы произведён анализ прогностической информативности 30 факторов, «подозреваемых» на причастность к развитию изучаемых форм патологии. Это реализовано с помощью логистического регрессионного моделирования. В результате среди изученных условий труда и жизни урологических пациентов были определены прогностически значимые факторы. Составленные на их основе (и впоследствии верифицированные) модели позволили математически оценить реальный риск развития изучаемых урологических заболеваний. Вывод. Разработка моделей индивидуального риска развития изучаемых нозологических форм на основе анализа медико-социальных факторов принципиально возможна; верификация разработанных моделей подтверждает их практическую применимость и доказывает принципиальную целесообразность предложенного подхода.

Об авторах

Олег Владимирович Золотухин

Воронежский государственный медицинский университет им. Н.Н. Бурденко

Email: zolotuhin-o@yandex.ru
г. Воронеж, Россия

Список литературы

  1. Гублер Е.В. Вычислительные методы распознавания патологических процессов. Ленинград: Медицина. 1970; 319 с.
  2. Гланц С. Медико-биологическая статистика. М.: Практика. 1999; 459 с.
  3. Реброва О.Ю. Статистический анализ медицинских данных: применение пакета прикладных программ STATISTICA. М.: МедиаСфера. 2002; 312 с.
  4. Дюк В.Э. Информационные технологии в медико-биологических исследованиях. СПб.: Питер. 2003; 528 с.
  5. Медик В.А., Токмачев М.С. Математическая статистика в медицине. М.: Финансы и статистика. 2007; 800 с.
  6. Халафян А.А. Statistica 6. Статистический анализ данных. М.: Бином-Пресс. 2008; 512 с.
  7. Чопоров О.Н., Золотухин О.В., Болгов С.В. Алгоритмизация интеллектуального анализа данных о распространённости заболеваний на региональном и муниципальном уровнях. Моделирование, оптимизация и информационные технологии. 2015; (9). http://moit.vivt.ru/wpcontent/uploads/2015/06/ChoporovZolotuhinBoglov_2_15_1.pdf (дата обращения: 08.05.2017).
  8. Чопоров О.Н., Болгов С.В., Манакин И.И. Особенности применения методов интеллектуального анализа данных и многоуровневого мониторинга при решении задачи рационализации медицинской помощи. Моделирование, оптимизация и информационные технологии. Воронеж. 2015; 8 (1). http://moit.vivt.ru/wp-content/uploads/2015/04/ChoporovBolgovManakin%20_1_15_1.pdf (дата обращения: 08.05.2017).
  9. Колесов Ю.Б., Сениченков Ю.Б. Моделирование систем. Объектно-ориентированный подход. СПб.: БХВ-Петербург. 2012; 185 с.
  10. Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований. СПб.: ВМедА. 2002; 266 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© 2017 Золотухин О.В.

Creative Commons License

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