Диссертация (1174222), страница 14

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

Этотслучай инсульта не должен вноситься в регистр.В исследование включались случаи инсульта, соответствующие временным требованиям: Случай инсульта регистрировался только на период исследования, то есть с 1января 2009 г. по 31 декабря 2016 г.Проводится сбор данных по основным ФР инсульта: АГ регистрировалась при систолическом АД выше 140 мм рт.

ст. или диастолическом АД выше 90 мм рт. ст. при наличии записи о диагнозе в медицинских документах больного; Курение определялось как ФР инсульта, если было зарегистрировано в медицинских документах курение сигарет (папирос или сигар) от одной и более вдень; Заболевания сердца расценивались, как ФР инсульта в случае их ишемического генеза и соответствовали диагностическим критериям, что было подтверждено в медицинских документах больного; ФП учитывалась, если в медицинских документах было зарегистрированоналичие ФП; Перенесённый в прошлом инфаркт миокарда учитывался только в случае, еслиналичие инфаркта миокарда было документировано в медицинских или соци-76альных документах (наличие группы инвалидности по причине инфаркта миокарда); Дислипидэмия как ФР инсульта учитывалась на основании биохимическогоисследовании крови по истории болезни и (или) по другим медицинским документам; СД учитывался как ФР инсульта, если диагноз был установлен врачом эндокринологом и это было зафиксировано в медицинских документах больного; Наличие стресса или длительного психоэмоционального напряжения регистрировалось в случае, если больной на период развития инсульта курсамиили постоянно принимал психотропные препараты, что подтверждалось медицинскими документами.Данные о численности населения изучаемого города/района города с указанием возрастно-половой структуры были получены в статистическом бюро в2009 г.

и ежегодно обновлялись.Форма регистрации данных включала следующие пункты:1. Код терриории …... ………………..……………………………. …………..2. Код центра…...……….…………………………….……………………..…... 3. Фамилия пациента________________________________________________4. Имя пациента_____________________________________________________5.

Отчество пациента______________________________________________6. Регистрация пациента ___________________________________________7. Телефон пациента…….....…….…………………………….….....8. Телефон родственников пациента…………………..……………...9. Персональный номер…….....………………………………………....10. Дата регистрации (день, месяц, год)…….…………………………..  11. Гендерная принадлежность: 1 – мужчина, 2 – женщина …………………..12.

Дата рождения………………………………….. …………………...   13. Дата начала инсульта ..…………………..………….…………….  7714. Место выполнения лечения…………:…………………………….………1 - больница2 - дом престарелых3 - дома4 - медицински не обслуживался5 - другие9 - неизвестно15. Выживание в течение полных 28 суток:…………………… ……….…… 1 - да2 - нет9 - неизвестно16. Тип инсульта (МКБ-10)…………. ……………………..…………… 17. Диагностическая категория инсульта:…………...……………………...…1 - определенный инсульт4 - не инсульт5 - определенный инсульт в сочетании с определенным острым инфарктом9 - неизвестно18-20.

Клинический диагноз:18.Основноезаболеваниеилинепосредственнаяпричинасмер-ти…………..………………………………………………………………...19.Другоезаболеваниеиливмешательство,обусловившеесмерть……………………………………………………………….………..20. Другое заболевание или основная причина смерти…..……….....…….21.

Инсульт в анамнезе (более 28 дней до данного инсульта)…..……….:…... 1 - да, документирован2 - да, не документирован3 - нет, документирован4 - нет, не документирован789 - неизвестно22-24. Для учета летальных случаев инсульта. Если больной в течение первых28 суток выжил (а пункт 15 закодирован кодами 1 или 9), то пункты 22-27нужно заполнить кодами 8, 88, 8888.22.

Дата смерти …………………………………… …………………….  23. Время выживания в сутках………...……………………………...………..24. Выполнение аутопсии:…………………...………………………….………. 1 - да, больница2 - да, судебно-медицинская экспертиза4 - нет8 - жив в течение 28 суток9 - неизвестно25-27. Патологоанатомический диагноз:25. Тип инсульта (основная причина смерти)……………………………26.

Основное заболевание, приведшее к смерти……………...………….27. Сопутствующие заболевания или состояния……………..………….28. Повеление МРТ или КТ исследование….……………..………………..1- да2 - нет9 - неизвестно29. Вероятность ятрогенного случая………………..……………….1 - да2 - нет9 - неизвестно30-37. Основные факторы риска (1-да, 2-нет, 9-неизвестно):30. Артериальная гипертензия…...…………………………………………...31. Курение…...………………………………………………………………. 32.

Заболевания сердца ишемического генеза .………………………………33. Фибрилляция предсердий…………………………………………………...7934. Перенесенный ранее инфаркт миокарда ……………………………..…. 35. Дислипидемия …………….………………………………………………. 36. Сахарный диабет…………………………………………………………...37. Длительное психоэмоциональное напряжение или острыйстресс………………………………………………………………………….802.4. Методы статистической обработки2.4.1. Методы семейства ARIMAДля прогнозирования заболеваемости инсультом и смертности от негоиспользовались методы семейства ARIMA (Autoregressive integrated movingaverage) – интегрированные модели авторегрессии: ауторегрессионная модель(AR), модель скользящего среднего (MA) и их комбинации.

Горизонт прогнозирования каждого показателя определялся на основании длины полного ряда иколебался в районе 3-6 лет.В ауторегрессионной модели временных рядов прогноз значения ряда линейно зависит от текущего и предыдущих значений этого же ряда.В модели скользящего среднего текущее значение определяется на основе линейной комбинации текущего и прошлых значений случайных возмущений временного ряда. В результате объединенная модель позволяет получатьпрогноз, зависящий как от текущего/предшествующих значений временногоряда, так и от текущего/предыдущих значений величин случайных возмущений.При описании модели ARIMA используется обозначение ARIMA (p, d, q), где p– порядок ауторегрессионной части модели, q – порядок части скользящегосреднего, d – порядок дифференцирования временного ряда. Для проверки стационарности ряда использовались тесты Льюнга-Бокса [211].

Стационарнымназывался временной ряд, свойства которого – математическое ожидание, дисперсия, автоковариация и автокорреляция – являлись постоянными во времени.Нестационарным назывался временной ряд, неудовлетворявший этим условиям. Если ряд не являлся стационарным, проводилось дифференцирование временного ряда. Трансформация временных рядов в случае наличия пиковых значений для их сглаживания выполнялась с помощью преобразования БоксаКокса [157].81Подбор коэффициентов p и q модели ARIMA выполнялся с помощью вычисления функций автокорреляции (ACF – autocorrelation function) и частичнойавтокорреляции (PACF – partial autocorrelation function) и анализа их графиков.Модель имела конфигурацию ARIMA (p, d, 0), если по результатам анализаграфиков ACF и PACF наблюдался следующий паттерн:•Пики на ACF экспоненциально убывали или располагались по си-нусоиде;•Наблюдался значимый пик на лаге p и ни одного значимого пикапосле лага p.Модель имела конфигурацию ARIMA (0, d, q), если по результатам анализа графиков ACF и PACF наблюдался следующий паттерн:•Пики на PACF экспоненциально убывали или располагались по си-нусоиде;•Наблюдался значимый пик на лаге q и ни одного значимого пикапосле лага q.Для выявления автокорреляций исходно использовался 95% уровень значимости.

В случае, если по данным ACF и PACF не выявлялись статистическизначимые автокорреляции, но обнаруживались тенденции к значимым автокорреляциям, временной ряд оценивался по этим функциям заново с использованием 90% уровня значимости. При полном отсутствии статистически значимыхавтокорреляций в изучаемых временных рядах анализ конкретного временногоряда прекращался.Таким образом, после анализа графиков автокорреляций подбиралась одна или несколько конфигураций ARIMA-моделей. Для оценки качества моделии выбора из ряда созданных моделей одной оптимальной использовался информационный критерий Акаике (AIC – Akaike information criteria), при этомсчиталось, что наилучшей будет являться модель с наименьшим значениемкритерия [140].82Далее с помощью ACF оценивались остатки модели: если автокорреляции остатков отсутствовали – модель ARIMA конкретного показателя признавалась финальной, рассчитывался прогноз на выбранном горизонте прогноза;если остатки модели автокоррелировали – модель признавалась негодной дляиспользования и расчета прогноза.Результаты создания моделей ARIMA и прогнозирования временных рядов на их основе отражались в табличном и графическом виде.2.4.2.

Метод логистической регрессииДля поиска зависимостей отдаленного исхода инсульта от показателейпредикторов (прогностических параметров) проводился анализ с использованием однофакторной логистической регрессии и последующим построением кривых оценки качества бинарных классификаций (ROC – receiver operatingcharacteristic).

Исход инсульта являлся бинарным показателем и мог приниматьзначение «0» при благоприятном исходе (выживании) и «1» при неблагоприятном (летальном) исходе. Поиск статистически значимых зависимостей исходаинсульта проводился среди основных ФР инсульта у пациента на момент развития заболевания.В случае нахождения статистически значимых связей выбранных показателей с показателем исхода конкретный показатель считался предиктором летального исхода инсульта.Для каждого показателя-предиктора рассчитывались отношения шансов –статистические характеристики, описывающие силу связи предиктора и исходаинсульта (степень влияния предиктора на исход). Отношение шансов (OR –odds ratio) показывало отношение шанса того, что у больного разовьется летальный исход к шансу того, что летальный исход не разовьется.

OR для каждого предиктора трактовалось следующим образом: при изменении величины83предиктора на единицу шансы развития летального исхода изменятся на величину отношения шансов. OR с положительным знаком указывали на наличиепрямой связи предиктора и исхода инсульта, OR с отрицательным знаком – наналичие обратной связи предиктора и исхода. Дополнительно была проведенаградация всех найденных показателей-предикторов по величине OR.Чувствительность (Sensitivity – Se) и специфичность (Specificity – Spe)выявленных показателей-предикторов оценивалась с помощью ROC-кривых,также определялись пороги отсечения оценок по этим предикторам, при которых чувствительность и специфичность были оптимальными.

Чувствительность – это доля истинно положительных случаев, специфичность – доля истинно отрицательных. Таким образом, показатель с высокой чувствительностью будет чаще давать истинные результаты при наличии летального исхода, апоказатель с высокой специфичностью – при наличии благоприятного исхода.Специфичность можно также определить как способность показателя четкоразделять пациентов с благоприятными и неблагоприятными исходами.Порог отсечения показателя-предиктора определяет разбиение выборкина два класса: с благоприятными и неблагоприятными исходами. Оптимальныйпорог отсечения определялся методом максимальной суммарной чувствительности и специфичности либо методом определения баланса чувствительности испецифичности.

Характеристики

Список файлов диссертации