Диссертация (1174214), страница 26
Текст из файла (страница 26)
Отбор признаков, которые изучались вкачествепредикторов,проводилсянаоснованиианализалинейныхрегрессионных моделей. При анализе логистических уравнений отдельно погруппам младших и старших такой показатель, как принадлежность к старшейгруппе был удален из списка потенциальных предикторов. Использовалсяметод пошагового исключения предикторов, в результате чего в окончательноймодели оставались только статистически значимые (р<0,05). Относительный вкладотдельных предикторов определялся величиной статистики Вальда Хи-квадрат.Оценка уравнений логистической регрессии производилась для трех основныхподгрупп пациентов: всех пациентов (младших и старших) и раздельно для группмладших и старших.3.6.1.
Факторы, объясняющие вариабельность скоростираспространения пульсовой волныРезультатымногомерноголинейногорегрессионногопрогнозирования СРПВ представлены в таблицах 29-31.анализадля152Таблица 29. Результаты многомерного линейного регрессионногоанализа, где СРПВ-зависимая переменная. Общая группаПредикторβ ± SEСК II типаpR2Модель 1. Объясняющие переменные: возраст, САД, НОМА, ГН, АМ, NT-proBNPIntercept2,408±1,15620,3400,038Возраст0,071±0,012166,7830,0001САД0,016±0,00915,4140,071НОМА0,163±0,07919,7790,041ГН0,418±0,11858,575<0,0010,3385Модель 2. Объясняющие переменные: возраст, САД, HbA1c, ТГ, ДТЛ, NT-proBNPIntercept0,021±3,22429,1240,014Возраст0,059±0,012119,0710,0001САД0,022±0,00929,600,013HbA1c0,531±0,14959,6030,013ТГ0,339±0,16719,4020,043ДТЛ-0,632±0,28822,7000,0290,3165Модель 3. Объясняющие переменные: возраст, Г2Ч, ХСЛНП, ОТ, АТIntercept4,227 ±0,8280,0420,0001Возраст0,079±0,013116,6630,0001Г2Ч0,223±0,07825,0000,005ХСЛНП0,336±0,15015,0410,0270,3851Модель 4.
Объясняющие переменные: возраст, САД, ГН, ИМТ, ФБГ, ДТЛ, мочевина, NTproBNPIntercept13,625±4,70638,5500,004Возраст0,055±0,01746,8270,002ГН0,445±0,11865,490<0,001ФБГ0,610±0,30018,9510,044ДТЛ-1,023±0,4326,0520,0190,3319Модель 5. Объясняющие переменные: возраст, САД, ИМТ, HbA1c, НОМА, СТГ, ИПФР1, ДТЛIntercept12,569±3,85248,8530,001Возраст0,076±0,013146,8900,0001HbA1c0,408±0,16727,4380,015153НОМА0,182±0,07526,9850,016СТГ-0,153±0,06525,9860,018ИПФР-10,005±0,00329,1180,013ДТЛ0,896±0,35617,4240,0530,3595Таблица 30. Результаты многомерного линейного регрессионного анализа, гдеСРПВ-зависимая переменная.
Младшая группаПредикторβ ± SEСК II типаpR2Модель 1. Объясняющие переменные: пол, ИМТ, ГН, НОМА, ОХС, мочевина, ФВБ, ФБГIntercept1,907±1,2707,0160,136ФБГ0,641±0,34310,8660,064ИМТ0,059±0,0349,5450,083ГН0,536±0,17529,0920,003ФВБ0,015±0,00628,0870,0050,2656Модель 2. Объясняющие переменные: пол, ИМТ, мочевина, ОХС, ФВБ, АТIntercept2,464±1,5568,5130,118Пол-1,387±0,57719,6110,019ИМТ0,097±0,04020,4030,017Мочевина0,499±0,17627,4310,006ОХС0,508±0,22816,8700,029АТ-1,065±0,6149,8870,0490,3565Модель 3. Объясняющие переменные: возраст, САД, ИМТ, НОМА, НвА1с, СТГ, ИПФР1, ДТЛIntercept22,871±4,67870,1300,0001НОМА0,371±0,10834,541<0,001СТГ-0,138±0,06214,1850,03ДТЛ-1,370±0,46825,1300,0040,2868Модель 4. Объясняющие переменные: возраст, САД, ИМТ, ГН, ФБГ, СТГ, ИПФР-1,мочевина, ДТ, NT-proBNPIntercept14,802±4,68229,9880,002ГН0,467±0,17321,9210,008ФБГ0,851±0,30922,8090,007СТГ-0,152±0,06217,9260,016154ДТЛ-1,035±0,44316,3660,0210,3327Модель 4.
Объясняющие переменные: возраст, САД, ИМТ, ОХС, ГН, ФБГ, СТГ, ИПФР1, NT-proBNP , мочевина, АТ, ДТЛIntercept1,522±1,6942,5830,373ГН0,561±0,20124,9670,007Мочевина0,402±0,19313,8200,043ОХС0,666±0,25621,7380,0120,3622Таблица 31. Результаты многомерного линейного регрессионного анализа,где СРПВ-зависимая переменная. Старшая группаПредикторβ ± SEСК II типаpR2Модель 1. Объясняющие переменные: пол, САД, НОМА, ГН, ИМТ, ОХС, ФВБ,МочевинаIntercept5,762±1,93956,4190,004САД0,027±0,01425,2830,049ГН0,394±0,15640,9620,012Модель 2.0,1465Объясняющие переменные: САД, НОМА, ИМТIntercept8,460±2,027114,0010,0001САД0,033±0,01736,7630,019НОМА0,309±0,09569,3140,0020,1200Модель 3. Объясняющие переменные: САД, ИМТ, HbA1c, НОМА, ИПФР-1, СТГ, ДТЛIntercept12,395±5,52831,1010,027САД0,034±0,01438,2400,014HbA1c0,668±0,21065,5820,002ДТЛ-0,994±0,49325,1360,0460,1809Модель 4.
Объясняющие переменные: САД, ИМТ, ГН, ФБГ, NT-proBNP, СТГ, ИПФР-1,ДТЛ, мочевинаIntercept5,021±1,83244,790,007САД0,025±0,01321,8830,058ГН0,493±0,12789,669<0,001NT-proBNP0,011±0,00529,4530,0280,1744155Из таблицы 29 видно, что в общей группе СРПВ, в основном, определяласьвозрастом, уровнем САД, показателями углеводного обмена (ГН, Г2Ч, НОМА,НвА1с), показателями липидного обмена (ХСЛНП, ТГ), выраженностьюхронического воспаления (ФБГ, НОМА), ДТ, уровнем СТГ, ИПФР-1. Остальныеизучаемые параметры не продемонстрировали независимой статистическизначимой связи с СРПВ. Все модели оказались сходными по силе влияния на СРПВи объясняли 31,7%-38,5% ее вариабельности.
Полученные результаты позволяютсделать, во-первых, вывод о том, что вклад возраста и показателей углеводногообмена в вариабельность СРПВ превышает вклад уровня САД. Во-вторых, ИПФР1 и СТГ демонстрируют противоположную по знаку связь с СРПВ. В третьих,имеются отличия в наборе влияющих факторов в младшей и старшей возрастныхгруппах (таблицы 30 и 31). В обеих возрастных группах свой вклад в формированиеэтого параметра внесли ГН, НОМА, ДТЛ, NT-proBNP. Хотя в младшей группенабор влияющих факторов шире, САД не демонстрирует независимой взаимосвязис СРПВ. В старшей группе утрачивают свое влияние на СРПВ показателилипидного обмена, ИМТ, ФБГ, мочевина, ФВБ, СТГ, АТ.Втаблицах32-34представленымодели,показавшиенаибольшуюпрогностическую способность в отношении предсказания повышенной жесткостиартерий (СРПВ > 10 м/c) в результате проведения логистического регрессионногоанализа.
В качестве предикторов использованы бинарные, или ранговыепоказатели, характеризующие те параметры, которые продемонстрироваливзаимосвязь с СРПВ в результате проведения линейного регрессионного анализа.В качестве характеристик гормонального статуса использовались бинарныепоказатели, созданные на основе медианных значений уровня гормонов: МедСТГ=0,50 нг/мл, Мед ИПФР-1=140 нг/мл, Мед ТТГ=1,60 мкЕ/мл, Мед кортизола= 290 нмоль/л.156Таблица32.Результатылогистическогорегрессионногоанализа,где СРПВ>10 м/с - зависимая переменная.
Общая группаПредикторβ ± SEχ2 статистики ВальдаpОШ95% ДИМодель 1. Предикторы: старшая группа, мужской пол, ↑САД, ИР, ГГЛ, ↑ТГ, ↑Мочевина,↑ NT-proBNP, ДТЛ< 9,75,старшая группа1,521±0,33021,3300,00014,582,40-8,73ИР0,658±0,3194,2610,0391,931,03-3,61↑ NT-proBNP1,546±0,5587,7200,0064,711,58-14,05ДТЛ< 9,750,893±0,3138,1410,0042,441,32-4,51Модель 2. Предикторы: старшая группа, мужской пол, ↑САД, ГГЛ, ДТЛ< 9,75, ↑ОХС ,СТГ>Meд, ИПФР-1>Meд, ↑ NT-proBNPстаршая группа1,310±0,33015,7880,00013,711,94-7,07↑ NT-proBNP1,690±0,5359,9870,0025,421,90-15,45ДТЛ< 9,750,803±0,3076,830,0092,231,22-4,08↑ОХС0,886±0,3705,7340,0172,431,18-5,01Модель 3.
Предикторы: старшая группа, мужской пол, ↑САД, НТГ, ИР, ДТЛ<9,75, ↑ХСЛНП, ↑ТГ, ↑Мочевина, ↑ NT-proBNPстаршая группа1,475±0,39414,042<0,0014,372,02-9,46ДТЛ< 9,750,752±0,3664,2230,0402,121,04-4,36↑ХСЛНП1,158±0,5294,8050,0283,191,13-8,99НТГ1,079±0,5334,1030,0432,941,04-8,36↑ NT-proBNP1,878±0,7516,2570,0126,541,5-28,50Модель 4. Предикторы: старшая группа , мужской пол, ↑САД, ГГН, Q1ДТЛ, ↑ФБГ,СТГ>Мед, ИПФР-1>Мeд,↑NT-proBNPстаршая группа1,271±0,33314,5770,00013,571,86-6,85Q1ДТЛ1,285±0,34314,030<0,0013,621,85-7,08↑ NT-proBNP1,425±0,5167,640,0064,161,51-11,43Значимыми оказались принадлежность к старшей возрастной группе,нарушенная толерантность к глюкозе, ИР, ГХС, повышенный уровень NT-proBNP,короткие теломеры.
К наиболее важным предикторам следует отнестипринадлежность к старшей группе (р = 0,0001) и повышенный NT-proBNP.Принадлежность к старшей возрастной группе повышает вероятность иметь157жесткие артерии в 3,6-4,6 раза, а наличие повышенного NT-proBNP – в 4,2-6,5 раза.Процент верного предсказания повышенной артериальной жесткости составил от66,7% (Модель 4) до 75,7% (Модель3).Таблица33.Результатылогистическогорегрессионногоанализа,где СРПВ>10м/с - зависимая переменная.
Младшая группаПредикторβ ± SEχ2 статистики ВальдаpОШ95% ДИМодель 1. Предикторы: мужской пол, ↑САД, ИР, ↑HbA1c, ДТЛ< 9,75,СТГ>Meд,↑Мочевина, ↑ОХС↑HbA1cМодель2.2,367±0,8288,1730,004Предикторы:мужскойпол,↑САД,10,67ГГЛ,2,11-54,06Q1ДТЛ,↑ФБГ,СТГ>Мeд, ↑Мочевина, ↑ОХСQ1ДТЛ2,372±0,70011,4850,00110,722,72-42,27↑ОХС1,928±0,8465,1890,0226,881,31-36,11Модель 3. Предикторы: мужской пол, ↑САД, ↑ФВБ, ГГЛ, ожирение, ↑Мочевина, ИР,↑ФБГ, АТ<0,5ГГЛ1,749±0,804Таблица34.4,731Результаты0,03логистического5,751,19-27,81регрессионногоанализа,где СРПВ>10м/с - зависимая переменная.
Старшая группаПредикторβ ± SEχ2 статистики ВальдаpОШ95% ДИМодель 1. Предикторы: мужской пол, ↑САД, ИР, ↑HbA1c, ↑Мочевина, ↑ОХСДТЛ< 9,750,827±0,3744,8740,0272,291,1-4,76Модель 2. Предикторы: мужской пол, ↑САД, ГГЛ, Q1ДТЛ, ↑ФБГ, СТГ>Мeд, ↑Мочевина,↑ОХСQ1ДТЛМодель3.0,965±0,3916,104Предикторы:мужскойпол,↑САД,0,0142,631,22-5,64ГГЛ,QIVДТЛ,0,0354,251,11-16,25↑ФБГ,СТГ>Мeд, ↑Мочевина, ↑ОХС↑Мочевина1,447±0,6844,468При анализе логистических уравнений отдельно по группам младших истарших такой показатель, как принадлежность к старшей группе был удален изсписка потенциальных предикторов. Были выявленысущественные различия158между младшей и старшей группой в структуре предикторов и проценте верногопредсказания.
Для младших ведущими предикторами остаются короткие теломеры(р=0,001) и нарушенный углеводный обмен, а именно, повышение НвА1с(р=0,004). Очень короткие теломеры, так же как и ↑HbA1c, повышали вероятностьиметь жесткие артерии в 10,7 раза.↑HbA1c обеспечивало 25,8 %, а сочетание оченькоротких теломери ↑ОХС - 59,5%правильного предсказания повышеннойартериальной жесткости в итоговом уравнении.В старшей группе наиболее существенными предикторами были короткиетеломеры и повышенный уровень мочевины, при этом значимость очень короткихтеломер по сравнению с повышенным уровнем мочевины была несколько выше(р=0,014 vs р=0,035).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
