Диссертация (1139673), страница 15
Текст из файла (страница 15)
Таким образом, сохранение пациентом способности к трудовойдеятельности (трудовая реабилитация) во время ЗПТ диализом является значимымпредиктором и маркером успешной трансплантации почки.96ЗаключениеТаким образом, методами однофакторного анализа выявлены следующиезначимые предикторы результатов АТП, связанные с состоянием пациента дооперации:1) Для жизни пациента: возраст, индекс коморбидности, уровень гемоглобина,альбумина, АЛТ, длительность диализа, курение, трудовая деятельность во времядиализа;2) Для ренальных аллотрансплантатов: индекс коморбидности, уровеньгемоглобина, альбумина, АЛТ, курение, трудовая деятельность во время диализа;3) Для развития ХДТ: возраст, уровень гемоглобина, АЛТ, курение.3.2.2. Данные многофакторного анализа3.2.2.1.
Прогнозирование исхода АТП для жизни пациентаПрогнозирование с помощью логистической регрессииДля оценки вероятности смерти пациентов после АТП была построенапрогностическая модель с использованием следующих предикторов: возраст, пол,уровень в крови гемоглобина, альбумина, АЛТ, холестерина, наличие ГЛЖ,курение, индекс массы тела, продолжительность диализа до АТП, индекскоморбидности, факт трудовой деятельности пациента во время периода диализа.Поскольку корреляция между предикторами может негативно отразиться накачестве модели (т.
е. идентифицируемости параметров уравнения) применялсяметод пошагового отбора переменных — Forward LR. Коэффициенты уравнениялогистической регрессии представлены в таблице 3.25.97Таблица 3.25Оценка вероятности смерти пациента после АТП по факторам, связанным спациентом до операции; коэффициенты уравнения логистической регрессии;ПредикторыBS.E.Sig.Exp(B)Гемоглобин−,034,014,017,967Альбумин−,184,056,001,832АЛТ,018,008,0261,018Холестерин,368,163,0241,4446,8672,398,004960,497ConstantПояснения: B — коэффициент в уравнении логистической регрессии присоответствующем предикторе, S.E. — стандартная ошибка среднего, Sig.
—значимость коэффициента B, Exp(B) — отношение шансов смерти при изменениипредиктора на одну единицу.Таким образом было получено 4 предиктора исхода для жизни пациента пофакторам, связанным с пациентом до АТП: гемоглобин (чем ниже уровень, темвыше риск для жизни пациента), альбумин (чем ниже уровень, тем выше риск дляжизни пациента), уровень АЛТ (чем выше уровень, тем выше риск для жизнипациента), уровень холестерина (чем выше уровень, тем выше риск для жизнипациента). Приведем формулу (3.1) для расчета вероятности смерти пациента спомощью логистисческой регрессии:y = 6,867 − 0,034 * Гемоглобин −0,184 *Альбумин + 0,018 * АЛТ + 0,368 *Холестерин:P (Смерть пациента) = exp(y) / (1 + exp(y)), (формула 3.1)Классификационная таблица 3.26 показывает, что построенная модель имеетвысокую общую предсказательную способность (82,8%). При этом в случаепредсказания благоприятного исхода модель дает высокий процент правильныхпрогнозов (94,9%), в случае неблагоприятного исхода данная модель обладаетнизкой точностью правильного прогноза (42,9%).98Таблица 3.26Классификационная таблицаПредсказывалосьСтатус пациентаНаблюдалось0Статус пациентаПроцент корректности10131794,91241842,9Общая предиктивная точность модели82,8Прогностическую достоверность модели подтверждает тест HosmerLemeshow (Chi-square=2,501, р=0,962).
Тестируется нулевая гипотеза, состоящая втом, что разница между прогнозируемыми и наблюдаемыми значениямистатистически недостоверна. Поскольку р=0,962, нет оснований отвергнутьнулевую гипотезу, т. е. статистика Hosmer-Lemeshow показывает, что модельхорошо соответствует наблюдаемым данным. Псевдо-R2-статистика, Nagelkerke RSquare=0,351 подтверждают прогностическую достоверность модели.В таблице 3.27 приводятся клинические примеры, демонстрирующиепредсказательную способность данной модели.Таблица 3.27Анализ клинических примеров определения прогноза исходов АТП дляжизни пациента по факторам, связанным с пациентом до аллотпансплантациипочки, с помощьюмодели логистической регрессииПациентГемоглоби Альбумин (г/л)н (г/л)Расчетнаявероятнос Жив или нетАЛТ Холестерин ть смерти, намомент(Ед) (ммол/л)%исследованияН12040125,07,47ДаП11538195,917,92ДаР7036884,877,09Нет99Как следует из базы данных пациентов, вошедшиших исследование, пациентыН и П имели все предикторы модели в пределах нормы, и для них была вычисленавероятность летального исхода, которая оказалась низкой.
Дествительно, обапациента живы на момент исследования. В отличие от них пациент Р имел из 4предикторов модели 3 предиктора вне нормы. Вычисленная вероятностьлетального летального исхода оказалась высокой. К моменту окончанияисследования он умер.Прогнозирование с помощью Кокс-регрессииКроме того, для анализа выживаемости пациентов по факторам, связанным сих состоянием до АТП, был применен метод Кокс-регрссии. Были использованы теже предикторы, что и для построения модели логистической регрессии.Получено 4 предиктора исхода для жизни пациента: курение (факт куренияповышает риск смерти пациента), уровень альбумина, АЛТ и холестерина до АТП.Результаты по модели представлены в таблице 3.28.Таблица 3.28Прогнозирование выживаемости пациентов после АТП по факторам, связанным спациентом до операции, коэффициенты Кокс-регрессииПредикторыКурениеBНе курил до АТПКурил до АТПSESig.Exp(B)−,8510,341,013,427−,159,036,000,853АЛТ,009,004,0271,009Холестерин,268,122,0291,307АльбуминПриведем формулу для оценки действия, к примеру, такого предиктора каккурение.
Пусть H0— начальный риск, H1— скоррегированный риск, K— изменениепредиктора, тогда, H1 = H0 * (Exp(B)) K, где Exp(B) для курения=0,427; табл. 3.28Пример работы с моделью. Пусть риск смерти после пересадки H0 у курящегопациента был оценен 25%; пациент на этапе диализа до АТП отказался от курения.100Таким образом, после коррекции данного фактора, риск смерти составит H1 = 0,25* 0,4271 = 0,107, т. е.
10,7%. Таким образом, риск уменьшится на H1− H0 = 25% −10,7% = 14,3%.3.2.2.2. Прогнозирование исхода АТП для ренального трансплантатаПрогнозирование с помощью логистической регрессииС помощью логистической регрессии построена модель исходов АТП длястатуса трансплантата (0 — функционирует, 1 — не функционирует). В анализбыли включены те же предтрансплантационные предикторы, что и длямоделирования исхода для жизни пациента.
Коэффициенты уравнения регрессиипредставлены в таблице 3.29.Таблица 3.29Прогноз для ренального трансплантата по факторам, связанным с пациентом доАТП; коэффициенты уравнения логистической регрессииПредикторыКурениеBНе курил до АТПКурил до АТПS.E.Sig.Exp(B)−,8540,395,031,426Гемоглобин−,044,012,000,957Альбумин−,168,051,001,84610,9722,172,0005,822E4ConstantПосле построения модели оказалось, что предиктивной ролью для статусатрансплантата обладали следующие факторы: курение, уровень гемоглобина иальбумина до АТП.Приведем формулу (3.2) для расчета вероятности потери РАТ по факторам дооперации с использованием логистической регрессии:y = 10,972 − 0,854*[Некурение=1, Курение=0] − 0,044 * Гемоглобин − 0,168 *АльбуминP (Потеря РАТ) = exp(y) / (1 + exp(y)), (формула 3.2)101Данная модель демонстрирует достаточно высокую точность прогноза (72,8%случаев).
При этом точность прогноза потери РАТ составляет 52,9%, дляфункционированияРАТ—85,5%.Прогностическуюточностьмоделихарактеризуют тест Hosmer-Lemeshow: Chi-square=4,926, р=0,765, а также псевдоR2-статистика, Nagelkerke R Square = 0,335, демонстрирующие достаточнуюпредсказательную способность модели. Далее приводим анализ клиническихпримеров прогнозирования исхода для статуса трансплантата (таблица 3.30).Таблица 3.30Анализ клинических примеров определения прогноза исходов АТП для РАТ пофакторам, связанным с пациентом до трансплантации, с помощью моделилогистической регрессииКурение,Функционирует0—или некурит,функционируетГемоглобин Альбумин 1 — не Вероятность РАТ на моментПациент(г/л)(г/л)куритпотери РАТисследованияЕ1264217,71 ДаС11841112,33 ДаШ11538038,41 НетЧ8032088,85 НетПациенты Е и С имели все предикторы построенной модели в пределах нормы.У них была вычислена вероятность потери трансплантата, которая оказаласьнизкой.
Оба трансплантата функционируют на момент проведения исследования.Пациенты Ш и Ч имели уровни гемоглобина и альбумина до АТП ниже нормы икурили. Для них тоже была вычислена вероятность потери трансплантата, котораябыла высокой. На момент проведения исследования трансплантаты этих пациентовне функционировали.Прогнозирование с помощью Кокс-регрессииДля прогнозирования судьбы трансплантата по факторам, связанным спациентом до АТП, была построена модель Кокса.
В качестве предикторов быливыбраны те же, что и в предыдущих моделях. Данные представлены в таблице 3.31.102Таблица 3.31Прогнозирование выживаемости трансплантатов по факторам, связанным спациентом до АТП; коэффициенты уравнения Кокс-регрессииПредикторыКурениеBSESig.Exp(B)Не курил до АТПКурил до АТП−,9450,276,001,389Гемоглобин−,024,008,003,977Альбумин−,113,033,001,893В результате были получены те же 3 предиктора, что и в моделилогистической регрессии: курение, уровень гемоглобина и альбумина до АТП.3.2.2.3. Прогнозирование исхода — хроническая дисфункциятрансплантатаИспользование логистической регрессииСпомощьюлогистическойрегрессиипостроенамодельисходатрансплантации почки — развитие ХДТ, в зависимости от факторов, связанных спациентом до АТП. Использованы выше перечисленные предикторы.
Данные помодели представлены в таблице 3.32.Таблица 3.32Прогнозирование развития ХДТ по факторам, связанным с пациентом дотрансплантации; коэффициенты уравнения логистической регрессииПредикторыКурениеBНе курил до АТПКурил до АТПS.E.Sig.Exp(B)−1,1640,473,014,312−,025,011,021,975,030,012,0151,030Индекс коморбидности−,413,164,012,662Constant4,2921,346,00173,112ГемоглобинАЛТВыделено 4 предиктора развития ХДТ: курение, уровень гемоглобина, АЛТ,значение индекса коморбидности. Формула для расчета вероятности развития ХДТ(3.3) по факторам до операции с использованием логистической регрессии:103y = 4,292 − 1,164 * [Некурение=1, Курение=0] − 0,025 * Гемоглобин + 0,030 *АЛТ − 0,413 * Индекс_КоморбидностиP(ХДТ) = exp(y) / (1 + exp(y))(формула 3.3)ТестHosmer-Lemeshow (Chi-square=7,053, р=0,531), псевдо-R2-статистика,Nagelkerke R Square — 0,257) подтверждают прогностическую достоверностьмодели.Использование Кокс-регрессииПри построении регрессионной модели Кокса использованы те же факторы,что и в предыдущих моделях.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
