Диссертация (1139673), страница 10
Текст из файла (страница 10)
Процедура построения логистической регрессииболее эффективна, когда качественные переменные не являются результатомсуррогатной группировки. Плохо, если группы основаны на непрерывной величине(например, «высокий гемоглобин» и «низкий гемоглобин»), следует использоватьпреимущества, которые дает использование непрерывной величины, содержащейболее детальную изначальную информацию.Примерпозволяющаялогистическогопредсказатьрегрессионногостатусанализа.трансплантата(кодПостроенаисхода:модель,«0»—функционирует, «1» — не функционирует). При построении модели былиКоличественные переменные (или представленные в интервальной шкале) – такие, для которых определеныединицы измерения, например, года, метры, граммы в литре.
Примером качественных являются переменные,представленные в порядковой (степень развития гипертонии (I, II, III, IV)) или номинальной шкалах (пол, условияработы (горячий цех, шахта, гидролизный цех)).151включены следующие предикторы: Hb до АТП, ГЛЖ по данным ЭКГ, возраст, пол,время диализа до трансплантации, холестерин до трансплантации.
После внесенияданных в программу SPSS, 16,0 версия, была построена модель, в которой вкачестве предикторов были оставлены только Hb до АТП и ГЛЖ по данным ЭКГ;остальные предикторы были удалены из модели из-за низкой прогностическойзначимости. В таблице 2.2 представлена суммарная обработка материала,включенного в анализ для построения модели.Таблица 2.2Суммарная обработка материалаNПроцентОтобранныеслучаиВключено в анализ7220,6Пропущенные27879,4Итого350100,0В анализ включено 72 пациента, остальные наблюдения (пациенты) невключены, т.к.
для них не записан хотя бы один показатель.В таблице 2.3 («классификационная таблица») приводится математическаяточность построенной модели.Таблица 2.3Классификационная таблицаПредсказывалосьСтатус трансплантатаНаблюдалосьСтатустрансплантата0Проценткорректности1055493,218538,5Общая точность модели83,352Согласно данным таблицы 2.3. построенная модель дает верный ответ в 83,3%случаев.Следующая таблица (табл. 2.4.) является основной, поскольку приводиткоэффициенты в уравнении регрессии, полученные при построении модели.Таблица 2.4.Коэффициенты в уравнении регрессииПредикторВS.E.Sig.Exp(B)ГЛЖ−3,0411,095,005,048Гемоглобин до АТП−,055,026,036,947Constant4,8532,539,056128,147Пояснения: B — коэффициент в уравнении регрессии при соответствующемпредикторе, S.E.
— стандартная ошибка среднего, Sig. — значимостькоэффициента B, Exp(B) — отношение шанса события при изменении предикторана одну единицу.В таблице 2.5. представлена прогностическая точность построенной модели.Таблица 2.5Прогностическая точность моделиCox & Snell R Square Nagelkerke R Square,261,426Классическая статистика R^2 выражает, какую долю дисперсии зависимойпеременной объясняют предикторы (если R^2 = 0,7, то данная модель объясняет70%дисперсиизависимойпеременной).Длялогистическойрегрессииклассическая статистика не может быть высчитана.
Вычисляются псевдо-R^2статистика, имеющая тот же смысл. В данном случае Nagelkerke R^2= 42,6%.Далее следует таблица 2.6— тест Hosmer и Lemeshow.53Таблица 2.6Тест Hosmer и LemeshowChi-square df Sig.2,9878 ,935Статистика Hosmer-Lemeshow показывает соответствие модели наблюдаемымданным (статистически значимое различие). Если Sig.
(p-value) <0,05, то модельплохо соответствует наблюдаемым данным. В данной таблице p-value = 0,935, т. е.модель хорошо описывает наблюдаемые данные. Расчет данной статистикиявляется способом проверки качества модели бинарной регрессии, построенной вSPSS, потому что он объединяет наблюдения в «схожие» группы (Таблица 2.7). Этастатистика (Hosmer-Lemeshowstatistic) вычисляется на основе данных «схожих»групп.Таблица 2.7Таблица теста Hosmer-LemeshowСтатус трансплантата = 0Статус трансплантата = 1Наблюдалось Предсказывалось Наблюдалось Предсказывалось176,9620В целом,0387276,9420,0587376,8850,1157476,7980,2027577,6781,3228676,4570,5437765,61511,3857844,73932,2617943,93133,06971032,99355,007854Исследуемых пациентов разбили на 10 групп и отсортировали.
В группу № 1попадали пациенты, у которых расчетная вероятность потери трансплантата быланаименьшей, и так далее до группы № 10, где расчетная вероятность потеритрансплантатабыланаибольшей.Таблицапоказываетхорошеесоответствиерезультатов, предсказанных моделью и фактических наблюдений. Так в группе №1 модель предсказала 0,038 потерь, что практически соответствует фактическимнаблюдениям — 0 потерь.
И так далее до группы № 10, где модель предсказала5,007 потерь, что близко к фактическим наблюдениям — 5. Отметим, что дробноечисло 5,007 надо трактовать следующим образом: «Из 8 тыс. пациентов потеряпочки случится у 5007 пациентов, не случится у 2993».2.4.2. Регрессия Кокса (модель пропорциональных рисков). Определениеи сфера примененияРегрессия Кокса — прогнозирование риска наступления события длярассматриваемого объекта и оценка влияния заранее определенных независимыхпеременных (предикторов) на этот риск [54]. Риск рассматривается как функция,зависящая от времени.
Так как риск — это не вероятность, он может приниматьзначения больше 1. Объектом может быть, например, пациент, для которогопрогнозируется риск наступления события. Данный объект находится поднаблюдением и поэтому входит в группу риска: в любой отрезок времени с нимможет наступить терминальное событие, при котором он выбывает из группыриска. В качестве события может рассматриваться смерть пациента, потерятрансплантата и так далее. Время — период от момента, когда объект попал поднаблюдение (был занесен в группу риска) до момента, когда для объекта наступилотерминальное событие.
Независимые переменные (предикторы) — характеристикиобъекта, которые могут влиять на риск наступления терминального события. Воснове метода лежат следующие допущения: все переменные независимы, линейновлияют на риск наступления терминального события; риски наступления событиядля любых двух объектов в любой отрезок времени пропорциональны. Исходя изэтого, выводится формула, по которой риск наступления события для i-тогообъекта имеет вид:55где: h0(t) — базовый риск, одинаковый для всех объектов; β 1, …, βp —коэффициенты; X1 , …, Xp — независимые переменные, предикторы.Базовый риск h0(t) — риск наступления события для объекта из референтнойгруппы (при этом все независимые переменные X1 , …, Xp = 0). Коэффициенты β1,…, βp показывают влияние каждого предиктора на функцию риска. При увеличениизначения предиктора Xj на единицу (при том, что значения остальных переменныхне изменились) риск наступления события возрастает в exp (βj) раз.Коэффициенты Exp(B) в регрессионной модели Кокса называются такжеотносительнымирисками(англ.Hazardrate),итакжемогутбытьинтерпретированы как изменение риска события при увеличении значенияпредиктора на единицу.56ГЛАВА 3.
РЕЗУЛЬТАТЫ СОБСТВЕННЫХ ИССЛЕДОВАНИЙ3.1. Результаты аллотрансплантации почки3.1.1. Анализ выживаемости пациентов и ренальных аллотрансплантатовПроведен анализ выживаемости реципиентов и РАТ. Выживаемостьпациентов составила: 1-летняя — 83%, 5-летняя — 75%, 10-летняя — 67%, 20летняя — 56%. Срединное время выживаемости пациентов (СВВ) — время, втечение которого остаются в живых 50% пациентов при этом составило 315 мес.(26,25 лет). Кривая выживаемости (КВ) пациентов представлена на рис. 3.1.Рис.
3.1. Кривая выживаемости пациентов исследуемой когортыНаибольший риск летальных исходов приходился на сроки 1 и 224 мес. послеАТП (Hazard rate = 0,04 и 0,08, соответственно).Выживаемость РАТсоставила: 1-летняя — 76%, 5-летняя — 62%, 10-летняя —52%, 20-летняя — 30%. СВВ РАТ было при этом 130,75 месяцев (10,9 лет).
КВтрансплантатов представлена на рисунке 3.2.57Рис. 3.2. Кривая выживаемости трансплантатовНаибольший риск потери трансплантатов отмечался в сроки 1 и 235 мес. (19,58лет) после трансплантации почки (Hazard rate = 0,08 и 0,18, соответственно).3.1.2. Причины смерти пациентовНа момент проведения анализа в данной когорте пациентов умерших было 101человек (28,9%), живых 249 (71,1%). При анализе структуры смертности пациентоввыделено пять классов причин летальных исходов. Первый класс причинлетальных исходов — инфекции.
Наиболее частой причиной гибели больных послеАТП были инфекционные осложнения — 29 случаев (28,8%). Среди них:пневмонии — 17 пациентов (58,6%), сепсис — 7 пациентов (24,1%), туберкулез 4пациента (13,8%), абсцесс легких — 1 больной (3,4%). Большее числоинфекционных фатальных осложнений развивалось в течение первого года послеАТП (22 из 29 случаев — 75,9%).В основном фатальные пневмонии отмечались в течение первого года послеАТП (13 случаев из 17). Наибольшее число пневмоний наблюдалось в течениепервых 6 месяцев после операции.
В 13 случаях фатальных пневмоний (76,47%)подозревалась ее ЦМВ-этиология. Это предположение основывалось на таких58обстоятельствах как типичная клиническая картина, обнаружение вирусацитомегалии методом ПЦР в крови, либо антител к ЦМВ класса IgM.Второй класс причин смерти реципиентов почечных трансплантатовсоставили кардиоваскулярные осложнения — 23 случая (22,8%). Наблюдалисьследующие причины потерь больных от сердечно сосудистых заболеваний:хроническая сердечная недостаточность — 6 больных (26,1%), острая сердечнаянедостаточность — 5 человек (21,7%), внезапная смерть — 5 пациентов (21,7%),острое нарушение мозгового кровообращения — 4 пациента (17,4%), инфарктмиокарда — 3 случая (13,04%). Наиболее часто сердечно сосудистые катастрофыпроисходили в первые 6 месяцев после операции.
Далее наблюдалось ихравномерное распределение весь период наблюдения после АТП.В третий класс причин летальных исходов вошли кровотечения — 8 случаев(7,9%). Источниками кровотечений были: сосуды трансплантата — 3 случая(37,5%), разрыв трансплантата — 2 случая (25%), желудочно-кишечный тракт — 2случай (25%), сосуды послеоперационной раны — 1 случай (12,5%). Следуетотметить, что все кровотечения наблюдались в ранний послеоперационный период(до 6 недель после АТП).Четвертый класс, иные причины летальных исходов — 21 случай (20,8%).Здесь наблюдались такие причины как: перитонит — 7 пациентов (33,3%), уремия(отказпациентастрансплантатом,утратившимфункцию,продолжитьзаместительную почечную терапию гемодиализом) — 4 больных (19%), онкология— 3 пациента (14,3%), цирроз печени — 2 больных (9,5%), странгуляционнаякишечная непроходимость в 2 случаях (9,5%).Пятый класс, смерть по неуточненной причине — 20 случаев (19,8%).Причины летальных исходов в различные периоды после операциитрансплантации почки представлены в таблице 3.1.59Таблица 3.1Причины смерти пациентов после трансплантации в различные периодыВсегоПричины смерти1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
