Диссертация (1140157), страница 7
Текст из файла (страница 7)
Гетерогенность реабилитационногопотенциала у больных с этими признаками определяет невозможность созданияуниверсальныхинформативныхпрогностическихмоделейиединогоунифицированного подхода к оценке результата оказанной им МП.Средний возраст больных, включенных в исследование, на момент развитияИГМ составил 67,8±0,8 лет (M±m), доля лиц трудоспособного возраста –20,9±2,0% (P±m). Мужчины составили 49,0±2,5% полученной выборочнойсовокупности, женщины – 51,0±2,5%.Более половины (55,6±2,5%) больных перенесли ИГМ впервые. Высокадоля (44,4±2,5%) повторных ОНМК. Диагноз повторного ОНМК был установленанамнестически в 20,9±2,0% случаев. Почти четверть (23,5±2,1%) пациентов несмогли указать сроки и подтвердить факт наличия в прошлом симптомов, четкосвидетельствующих о развитии ранее ИГМ и заставивших обратиться за МП.Очаги, формирование которых не привело к очевидным неврологическихрасстройствиливызвалонезначительнуюочаговуюиобщемозговуюсимптоматику, были выявлены у этих больных ретроспективно с использованиемметодовнейровизуализации:компьютернойтомографии(КТ),магнитно-резонансной томографии (МРТ).
По данным КТ/МРТ, практически с равнойчастотой (51,1±2,5% и 48,2±2,5%) выявлялись поражения левого и правогополушарийголовногомозга,преобладали(75,8±2,1%)очагивзонахкровоснабжения брахиоцефальных артерий.Подавляющеебольшинствобольных,включенныхвисследование,перенесли легкий (1-4 балла по NIHSS [175]; 48,4±2,5% от общего числа случаев)37исреднетяжелый(5-14баллов;41,3±2,5%случаев)ИГМ.Тяжелыйневрологический дефицит (15-20 баллов по NIHSS) выявлен у 10,5±1,5%пациентов.
По данным неврологического осмотра преобладали двигательнорефлекторные, чувствительные и мозжечковые нарушения. Реже наблюдалисьрасстройства тазовых функций и зрения (рис. 2.1).Нарушения функции лицевоймускулатуры75,2±2,270,6±2,3Парезы мышц конечностей35,5±2,4Нарушения чувствительности31,6±2,3Нарушения речиПирамидная недостаточность безнарушения двигательных функций24,2±2,116,3±1,8Мозжечковые расстройства7,2±1,3Нарушение тазовых функций3,3±0,9Нарушения зрения020406080100Рисунок 2.1. Неврологическая симптоматика при развитии инфарктаголовного мозга (% от общего числа больных, P±m; N=402)В результате снижения мышечной силы в 63,4±2,4% случаев формировалсягемипарез, в 7,2±1,3% – монопарез.
У 15,7±1,8% больных снижение мышечнойсилы достигло степени плегии. Парезы мышц конечностей у 28,1±2,2% пациентовсопровождались изменением (как правило, повышением) мышечного тонуса.Рефлекторные нарушения у 94,8±0,6% больных ИГМ проявлялись анизорефлексией с конечностей, у 68,6±2,3% – формированием патологических стопныхзнаков. У 54,9±2,5% пациентов были выявлены рефлексы орального автоматизма.Парез лицевой мускулатуры в 94,0±1,2% случаев являлся центральным, в6,0±1,2% – периферическим, в 70,6±2,3% сопровождался слабостью мышц языкас ипсилатеральной стороны, в 8,9±1,4% – глазодвигательными нарушениями.38Среди коморбидной с ИГМ патологии наиболее были распространенызаболевания сердечно-сосудистой системы: 89,4±1,5% больных страдали артериальной гипертонией, 55,3±2,5% – ишемической болезнью сердца, 23,6±2,1% –фибрилляцией предсердий.
Признаки хронического нарушения мозгового кровообращения обнаружены у 39,8±2,4% пациентов, заболевания органов зрения – у32,5±2,3%. Сахарный диабет был диагностирован у 12,2±1,6% больных ИГМ. Частота встречаемости стенокардии, инфаркта миокарда в анамнезе, варикозной болезни нижних конечностей, ожирения и заболеваний органов мочевыделительнойсистемы у пациентов с ИГМ, включенных в выборочную совокупность, составиламенее 10,0±1,5%, частота сочетания ИГМ с пороками сердечных клапанов,облитерирующим атеросклерозом нижних конечностей, поражениями органовдыхания, желудочно-кишечного тракта, щитовидной железы – менее 5,0±1,1%.Характерираспространенностьневрологическойсимптоматикиикоморбидной патологии у больных ИГМ, включенных в выборку сопоставима срезультатами исследований, ранее опубликованных другими авторами [137,149].В РВП неврологический дефицит оценивали по шкале Гусева-Скворцовой,которая комплексно отражает изменения всех неврологических функций и можетбыть использована при различных заболеваниях.
Валидность шкалы дляроссийской популяции позволяет применять её в амбулаторных и иных условияхоказания МП в РФ, а универсальность – избавляет врача от необходимостизапоминать специализированные шкалы, что может быть затруднительно в связис многообразием существующих нозологий.Шкала Rivermead выбрана в связи с простотой использования, что особенноважно в реальной практике, в условиях жестких нормативов времени, предусмотренного для приема больного в поликлинике и консультации на дому.
В литературе [191,205,212] показана высокая валидность шкалы, ее сопоставимость с болееобъемными, но менее удобными шкалами (например, шкалой Barthel). Крометого, использование шкалы Rivermead нормативно закреплено в РФ Порядкомоказания МП больным ОНМК [93]. В соответствии с Порядком, онарекомендована в качестве инструмента для определения тактики дальнейшей39реабилитации пациентов после выписки из отделения для больных ОНМК и,потому, может обеспечить преемственность между стационаром и поликлиникой.2.3 Методы статистической обработки данныхСтатистическая обработка полученных данных проведена с использованиемпрограмм Microsoft Excel (с надстройкой Attestat) и SPSS (v.16.0). Выбор методастатистическойобработкиопределяливидомизучаемыхпризнаков(номинальные, порядковые, количественные) и характером решаемой задачи.Данные представляли в виде M±m и P±m, где M – средняя величина, P –относительная величина (доля), m – ошибка величины.
Критический уровеньстатистической значимости был установлен на уровне p=0,05, поскольку 95%статистическая значимость (вероятность ошибки менее 5%, т.е. 0,05) признанадостаточной для медико-социальных исследований [74,76].Для всех количественных показателей проводили проверку нормальностираспределениясприменениемкритерияКолмогорова-Смирнова.Приподтверждении гипотезы о нормальном распределении признаков в изучаемойсовокупности для определения статистической значимости различий среднихвеличин проводили дисперсионный анализ.Для оценки связи количественных и порядковых признаков применяликорреляционный анализ по Кендаллу.
Коэффициент корреляции считалистатистически значимым при p<0,05. Связь оценивали как сильную прикоэффициенте >0,7, как среднюю – при 0,3-0,7, как слабую – при абсолютнойвеличине <0,3 [100]. Прямую связь устанавливали при положительных значенияхкоэффициента, обратную – при отрицательных.Длявыявлениявзаимосвязимеждукачественнымипризнакамииспользовали построение таблиц сопряженности – χ2-критерий. Наличие связипризнавали при χ2-расчетном больше χ2-табличного (для соответствующего числастепеней свободы) и уровне p<0,05.ДляпостроенияперенесенногоИГМпрогностическихприменялимоделеймножественныйвосстановлениярегрессионныйпослеанализ.40Регрессионную модель строили с использованием пошагового алгоритмавключения и исключения регрессоров для получения адекватной регрессионноймодели со статистически значимыми регрессорами.Проверку гипотезы об адекватности математической модели проводили сиспользованием дисперсионного анализа и критерия Фишера. Регрессоры считалистатистически значимыми при достижении критического уровня p<0,05.
Дляхарактеристикиинформативностипрогностическихмоделейприменяликоэффициент детерминации R2 – универсальная мера зависимости однойслучайнойвеличины от множества других. Коэффициент детерминациипредставляет собой долю случаев, объясняемых моделью, и принимает значенияот 0 до 1. Чем ближе значение коэффициента к 1, тем сильнее зависимость. Приоценке регрессионных моделей это интерпретируют как соответствие моделифактически данным. Для приемлемых моделей предполагается, что коэффициентдетерминации должен быть бы не менее 0,5. Модели с коэффициентомдетерминации выше 0,8 признают хорошими. Если R2 имеет порядок 0,8-0,9 приуровне значимости p<0,05, то можно утверждать, что в построенной модели учтены основные факторы, оказывающие влияние на результирующий параметр [77].Для определения диапазона возможных значений и степени различийвеличин фактических и спрогнозированных по разработанным моделям в рамкахрегрессионногоанализабылапроведенаоценкаостатков.Анализстандартизированных остатков был выбран в связи с возможностью исключитьмасштаб показателей и более удобного сравнения значений.Для установления пороговых значений использовали ROC-анализ – методопределения оптимального критического значения, основанный на построении иизучении графиков – ROC-кривых.
ROC-кривая показывает соотношениечувствительности и специфичности для различных пороговых значений, наосновании которых объект можно отнести к одному из двух классов. Площадьпод кривой (Area Under Curve, далее – AUC) позволяет оценить качество моделибинарной классификации: при AUC=0,9-1,0 качество считается отличным, приAUC=0,8-0,9 – очень хорошим, AUC=0,7-0,8 – хорошим, AUC=0,6-0,7 – средним,41AUC=0,5-0,6 – неудовлетворительным, при AUC<0,5 – использование моделинецелесообразно [62].
Величина AUC позволяет сравнивать модели и выбиратьлучшие по качеству. AUC=1 соответствует идеальному классификатору, которыйне достижим в реальных условиях. Идеальная модель обладает также 100%чувствительностью(долейистинноположительныхрезультатов)испецифичностью (долей истинно отрицательных результатов). На практикедобиться этого невозможно, как и одновременно повысить и чувствительность, испецифичность. Компромисс находят с помощью точки отсечения – пороговогоуровня с оптимальным балансом между чувствительностью и специфичностью.Подбирают такое значение точки отсечения, которое дает наибольшую точностьраспознаваниякласса,определённогопостановкойзадачи(вданномисследовании – определение возможности / невозможности получения МП вусловиях поликлиники).Дляхарактеристикисогласованностимненийврачейпримениликоэффициент конкордации Кендалла W.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
