Диссертация (1139568), страница 16
Текст из файла (страница 16)
При р<0,05,формулировался вывод о противоречии нулевой гипотезы выборочным данным и,следовательно, ее отклонении.Выбор метода анализа и моделирования определялся целью исследования,природой статистических данных и соблюдением предпосылок использованиятого или иного метода исследования.Предварительный анализ количественных признаков включал проверкугипотезы о нормальном законе распределения. Для этого использовалиськритерииКолмогорова-СмирноваиШапиро-Уилка.Принесоответствиивыборочного распределения нормальному рассчитывались непараметрическиечисловыехарактеристикиположенияиразброса–медиана(Ме)иинтерквартильный размах [Q25; Q75], а при анализе связи двух признаков –ранговый коэффициент корреляции Спирмена. При анализе частот генотипов79проводилосьтестированиетеоретическиожидаемомуиспользованиемнасоответствиеприинтерактивногонаблюдаемогораспределенияравновесииХарди-Вайнбергакалькулятора«Hardy-Weinberg(РХВ)сequilibriumcalculator» [429].Для корректного сравнения показателей заболеваемости в различныхтерриториальных зонах проводилась стандартизация данных по возрасту прямымметодом с распределением данных о численности населения и количествепациентов по возрастным группам.
За стандартное население было принятонаселения Оренбургской области. В качестве показателей распространенностизаболевания использовались количество случаев на 10000 населения и 95%доверительный интервал, рассчитанный по методу Уилсона. На основаниипоказателейраспространенностизаболеванийвисследуемыхзонахрассчитывались показатели эпидемиологических рисков развития заболевания:атрибутивный риск, относительный риск, этиологическая доля относительногориска и степень экологической обусловленности.
Для характеристики уровнейзаболеваемости применен метод тертильного распределения.Проверка гипотезы об однородности распределения двух независимыхсовокупностей осуществлялась с помощью непараметрического критерия МаннаУитни, для сравнения более двух групп использовался критерий КраскелаУоллиса. Вывод об отклонении нулевой гипотезы указывал на существованиезначимых различий в значениях рассматриваемого признака в группах.При анализе данных модельного эксперимента количественная оценка мерысходства (различия) каждой опытной группы мышей с контрольной группой подвум одинаково важным и некоррелированным признакам, проведена путемрасчета евклидова расстояния по предварительно центрировано-нормированнымданным (Айвазян С.А., 2001). Чем больше расстояние между контрольной иопытной группой, тем считалось существенней различие между ними.
Дляпостроения схожих в смысле выбранной метрики опытных групп мышейиспользовались методы кластерного анализа – иерархический метод Варда иитерационныйметодk-средних(ЖамбюМ.,1988).Подендрограмме,80построенной методом Варда, было определено наиболее подходящее числоклассов, которое использовалось в качестве входного параметра при реализацииметода k-средних. Интерпретация различий классов давалась на основе сравнениясредних значений исходных признаков в построенных классах между собой и сконтрольными значениями.Обработка статистической информации по качественным признакамсостояла в группировке данных в форме двухфакторных таблиц сопряженности,содержащих наблюдаемые частоты для всех возможных комбинаций значенийпризнаков.Наосноветаблицсопряженностипроверяласьгипотезаонезависимости двух номинальных признаков с помощью критерия Пирсона χ2 иликритерия χ2 с поправкой Йейтса и Бонферрони (для таблиц 2 2 ).
В случаеотклонения гипотезы рассчитывались коэффициенты Пирсона, Чупрова, Крамера,позволяющие оценить силу связи признаков. В том случае, если значениекритерия составляло <0,1, то сила связи признаков признавалась несущественной,0,1 – <0,2 – слабой, 0,2 – <0,4 – средней, 0,4 – <0,6 – относительно сильной, 0,6 –<0,8 – сильной, 0,8 –1,0 – очень сильной [480]. Содержательная интерпретациясвязи осуществлялась на основе значений стандартизированных остатков (БююльА., 2005) и карт соответствия категорий признаков, построенных методом анализасоответствий (Benzecri J.-P., 1973).
При анализе стандартизованных остатковпринимались следующие условия: если абсолютное значение стандартизованногоостатка >=2, то считалось, что различия между наблюдаемой и ожидаемойчастотой статистически значимы на уровне 0,05, если стандартизованный остаток>=2,6, то различия значимы на уровне 0,01, если стандартизованный остаток>=3,3, то различия значимы на уровне 0,001 [23].При проведении биоинформационного анализа вводилась поправка намножественные сравнения с использованием подхода False Discovery Rate (FDR).Результаты считались статистически значимыми, если скорректированнаявеличина р-значения с коррекцией по Бенджамини не превышала уровеньзначимости 0,05 [170].81Моделирование вероятности наличия заболевания от количественных икачественных признаков проводилось на основе логистической регрессии (логитмодели бинарного выбора),построенной путемпошагового исключенияпеременных.
Влияние качественного признака учитывалось в модели с помощьюбинарных переменных, количество которых было на единицу меньше, чем числовозможных значений признака. Изучение взаимосвязи между заболеваемостьюГА и содержанием тяжелых металлов в почве и воздухе было проведено путемлогистического регрессионного анализа на основе агрегированных признаковсодержанияметаллов,построенныхметодомглавныхкомпонент.Дляколичественной характеристики влияния каждого фактора на вероятностьналичия заболевания рассчитывались средние предельные эффекты. Качествомоделиоценивалосьспомощьюпсевдо-коэффициентадетерминации,классификационной таблицы и рассчитанных на основе нее показателейчувствительности и специфичности, а также ROC-анализа, состоящего впостроении ROC-кривой и расчета площади под ROC-кривой.
Количественнуюинтерпретацию ROC-анализа проводили путем оценки показателя AUC (areaunder curve, численное значение клинической значимости диагностическоготеста). По экспертной шкале для значений AUC показатель в пределах 0,5–0,6свидетельствовал о неудовлетворительном качестве диагностического теста, впределах 0,6–0,7 – о среднем качестве диагностического теста, в пределах 0,7–0,8– о хорошем качестве диагностического теста, в пределах 0,8–0,9 – оченьхорошем, 0,9–1,0 – отличном качестве диагностического теста, то есть, чем вышепоказатель AUC, тем выше было качество диагностического теста [25].82Глава 3.
ЗАБОЛЕВАЕМОСТЬ АУТОИММУННЫМИ ЗАБОЛЕВАНИЯМИКОЖИ И ЕЕ ОБУСЛОВЛЕННОСТЬ ИНДИВИДУАЛЬНЫМИБИОЛОГИЧЕСКИМИ ФАКТОРАМИВ научной литературе имеются данные, подтверждающие наличиетерриториальных, половых и возрастных различий в заболеваемости рядасистемных и органоспецифичных аутоиммунных болезней [189, 301, 319, 514,554].Однакосведенияонозологическомспектре,эпидемиологическихособенностях, влиянии полового диморфизма и возраста на формированиезаболеваемости АИЗК ограничены [112, 182, 308, 552]. Вместе с тем, ониявляются основой для изучения вклада факторов окружающей среды в развитиеаутоиммуннойпатологии.Настоящаяглаваисследованияпосвященаэпидемиологическому анализу и оценке общей заболеваемости АИЗК, оценкевлиянияполаивозрастанаихразвитие,атакжехарактеристикеэпидемиологических рисков развития данных заболеваний.3.1. Эпидемиологический анализ и оценка заболеваемости аутоиммуннымизаболеваниями кожи населения Оренбургской областиАнализ структуры общей заболеваемости АИЗК за 2011 – 2015 гг.
показал,что первое ранговое место в структуре заболеваемости занимала ГА, удельныйвес которой составлял 50,9% (рисунок 4). Второе и третье ранговые местапринадлежали витилиго и ЛС, на долю которых приходилось 30,3% и 12,1%соответственно. Четвертое, пятое и шестое ранговые места занимали ГД, АП иХКВ, удельный вес перечисленных нозологических форм составлял 3,0%, 2,0% и1,3% соответственно. На седьмом и восьмом ранговых местах находились БП иРП, доля которых в структуре общей заболеваемости АИЗК составляласоответственно 0,3% и 0,1%.83Гнездная алопецияЛокализованная склеродермияАкантолитическая пузырчаткаБуллезный пемфигоидВитилигоГерпетиформный дерматитХроническая красная волчанкаРубцующий пемфигоидРисунок 4 – Нозологическая структура заболеваемости аутоиммуннымизаболеваниями кожи (в среднем за 2011 – 2015 гг.)При анализе нозологической структуры заболеваемости АИЗК с учетомМеждународнойклассификацииболезней,травми причин смерти 10-гопересмотра (МКБ-10) отмечено клиническое разнообразие диагностированныхаутоиммунных дерматозов.
Установлено, что среди пациентов с диагнозом,соответствующим рубрике L63 ГА, в среднем 25,3% пациентов страдалитотальной алопецией (L63.0), 6,1% пациентов – лентовидной формой ГА (L63.2),5,2% пациентов – универсальной алопецией (L63.1), большинство случаев (63,4%)были обусловлены ГА неуточненной (L63.9) и другой ГА (L63.8).Среди клинических разновидностей ЛС (L94) в среднем в 88,9% случаевбыла диагностирована локализованная склеродермия [morphea] (L94.0), в 5,8%случаев – лишай склеротический и атрофический (L90.0), в 3,7% случаев былустановлен диагноз атрофодермии Пазини-Пьерини (L90.3) и в 1,6% случаев –диагноз линейной склеродермии (L94.1).Среди пациентов с диагнозом, соответствующим рубрике L10 Пузырчатка[пемфигус], в среднем 83,6% пациентов страдали вульгарной пузырчаткой(L10.0), 11,9% пациентов – эритематозной пузырчаткой (L10.4) и 4,5% пациентов– листовидной пузырчаткой.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
