Диссертация (1174222), страница 27
Текст из файла (страница 27)
Связь предиктора с исходом являетсяпрямой: наличие фактора стресса будет увеличивать вероятность летальногоисхода в 1,12 раза. При этом, в 65,97% случаев при использовании данного177предиктора врач сможет корректно дифференцировать пациентов с инсультамипо исходам.Согласно протоколу территориально-популяционного регистра, наличиефактора стресса или длительного психоэмоционального напряжения фиксировалось, если пациент до развития инсульта постоянно или длительным курсомосуществлял прием психотропных препаратов, о чем была сделана запись в медицинских документах.Показатель женского пола как предиктор исхода инсульта характеризуется прямой связью с исходом, в то время как показатель мужского пола – обратной связью.
Женский пол увеличит вероятность летального исхода в 1,29 раза(ОR=1,29), мужской пол снизит эту вероятность в 0,78 раза.Таблица 7.2Влияние значимых предикторов летального исхода инсультаСтепеньвлиянияВысочайшийрискВысокийрискСреднийрискОR2,0-4,01,51-1,991,01-1,49Предиктор вероятностиотдаленного летальногоисходаИзменение вероятностилетального исходаинсультаСАК;ОR=2,25ВМК;ОR=3,13НИ;ОR=3,99ФП;ОR=1,7Заболевания сердца;ОR=1,92Инсульт в анамнезе;ОR=1,35Женский пол;ОR=1,29Стресс;ОR=1,12СД;ОR=1,11Увеличение в 2,25 разаУвеличение в 3,13 разаУвеличение в 3,99 разаУвеличение в 1,7 разаУвеличение в 1,92 разаУвеличение в 1,35 разаУвеличение в 1,29 разаУвеличение в 1,12 разаУвеличение в 1,11 раза178СтепеньвлиянияОRПредиктор вероятностиотдаленного летальногоисходаИзменение вероятностилетального исходаинсультаВозраст;Увеличение в 1,05 разаОR=1,05КТ/МРТ;Снижение в 0,017 разаОR=0,17Снижение0-0,99ИИ;Снижение в 0,27 разарискаОR=0,27Мужской пол;ОR=0,78Снижение в 0,78 разаВ таблице 7.2 представлено распределение предикторов по степени влияния на вероятность летального исхода.
Так, к предикторам высочайшего рискаотносились САК, ВМК и инсульт неуточнённого типа. К предикторам высокогориска относились ФП и заболевания сердца ишемического характера. По мереубывания OR средний риск представляли следующие предикторы; инсульт ванамнезе, женский пол, СД и возраст. Снижали риск вероятности летальногоинсульта проведение КТ/МРТ, ишемический тип инсульта и принадлежностьпациента к мужскому полу.Не выявлено статистически значимой связи АГ, дислипидэмии и перенесенного в прошлом инфаркта миокарда с вероятностью летального исхода инсульта, вероятно, по причине эффективного лечения дислипидэмиии, активногоиспользования статинов, а также по причине эффективной и доступной кардиологической помощи больным, перенёсшим инфаркт миокарда.Не выявлена также связь курения с вероятностью отдаленного летальногоисхода инсульта, возможно, в связи с различным влиянием на разные типы инсульта 153, 212.Мужской пол, будучи немодифицируемым ФР инсульта, не являлся предиктором летального исхода, в то время как женский пол являлся значимымпредиктором.
Данный факт может быть обусловлен развитием инсульта у мужчин в более молодом возрасте по сравнению с женщинами.179Стресс является предиктором среднего риска вероятности летального исхода. С большой долей вероятности можно предположить, что прием психотропных препаратов осуществлялся пациентами для купирования хроническогоболевого синдрома и/или связанного с этим нарушения психоэмоциональногофона при различных соматических заболеваниях и патологических состояниях,которые в различной степени значимости являются ФР инсульта.Таким образом, в данной главе на основании 49349 случаев инсульта методом однофакторной логистической регрессии выявлены статистически значимые предикторы отдаленного летального исхода инсульта (28 дней от началазаболевания).
Выявленные предикторы по степени влияние на развития неблагоприятного исхода инсульта были распределены на предикторы высочайшего,высокого и среднего риска.Выявленные предикторы вероятности отдаленного летального исхода инсульта могут являться ориентирами для врача в выборе стратегии ведения пациента разных этапах оказания помощи больным инсультом.С целью комплексного прогнозирования вероятности неблагоприятногоисхода инсульта недостаточно использования одного или нескольких предикторов, для этого необходима комплексная прогностическая модель, описаниекоторой представлено в главе 8.180ГЛАВА 8. ПРОГНОЗИРОВАНИЕ ВЕРОЯТНОСТИ ОТДАЛЕННОГОЛЕТАЛЬНОГО ИСХОДА ИНСУЛЬТАОстрый период заболевания, безусловно, является важным этапом в лечении инсульта.
Однако общая тактика ведения больных инсультом должна носить комплексный характер и основываться на принципах преемственности ине заканчиваться острым периодом заболевания. Прогнозирование отдаленногоисхода инсульта (28 дней от начала заболевания) является важным моментомпрактической деятельности. На 28 день от начала инсульта пациенты находятсялибо на следующем этапе реабилитации, либо в домашних условиях, что можетосложнить оказание неотложной помощи в случае ухудшения состояния больного.
Математическое прогнозирование отдаленной летальности при инсультепозволит врачу принимать верные решения по тактике ведения больного, темсамым предвидеть и предотвращать поздние осложнения инсульта.Целью настоящего исследования было создание прогностической моделивероятности отдаленного летального исхода инсульта на основании значимыхпредикторов летального исхода инсульта.8.1.
Прогностическая модель «дерево решений». Описание моделиПо результатам выявления предикторов летального исхода инсульта набазе методики создания «деревьев решений» была разработана комплекснаямодель для прогнозирования отдаленной летальности от инсульта (28 дней отначала заболевания).Построение «дерева решений» осуществлялось с использованием комплексной методики LOTUS на основе базы данных, состоящей из 18117 случаевинсульта в возрастной группе 25 лет и старше.181Для создания прогностической модели на базе «дерева решений» быливыбраны следующие показатели-предикторы: тип инсульта; пол; возраст на момент начала инсульта; группа по возрасту; факт выполнения КТ/МРТ; наличие в анамнезе инсульта, перенесенный в прошлом инфаркт миокардаУчитывалось наличие следующих факторов риска:o АГ;o курения;o заболеваний сердца;o ФП;o дислипидэмии;o СД;o стресса.В процессе создания прогностической модели было создано несколькодесятков генераций «деревьев решений».
Полученные модели отличались поструктуре набором предикторов в своем составе, их ролями и сочетаниями, атакже значениями общей точности, чувствительности и специфичности. В качестве финального «дерева» была выбрана одна модель, имеющая наибольшиезначения общей прогностической точности, чувствительности и специфичности, и обладающая, в то же время, наиболее комплексной структурой. Далеепроводилось тестирование финальной модели на тестовой выборке, также сопределением чувствительности, специфичности и общей точности распознавания.1828.2. Метрики оценки качества моделиОбщая прогностическая точность модели (classification rate)На тренировочной выборке правильно предсказано 74,86% благоприятных исходов (8367 из 11177) и 75,24% летальных исходов (1814 из 2411).Общая прогностическая точность (точность распознавания) модели натренировочной выборке – 74,93% (суммарно правильно предсказано 10181 исходов из 13588).Критерий согласия Хосмера-ЛемешоваЗначение критерия χ2 = 3,17, число степеней свободы (df) = 8, уровень pдля критерия = 0,9232.
Подтверждается нулевая гипотеза о том, что модель хорошо описывает данные (предсказанные значения соответствуют реальнонаблюдаемым).Результаты анализа ROC-кривой для моделиНа тренировочной выборке (рис. 8.1) чувствительность модели (Se) составила 75,07%, специфичность (Spe) – 75,16%, при точке отсечения (threshold)– 0,177. То есть, при использовании порога отсечения оценки по модели в 0,177в 75,07% случаев будут правильно определяться пациенты инсульта с летальным исходом, а в 75,16% - выживших пациентов.Площадь под ROC-кривой (AUC) – 82,6%, что соответствует хорошейпрогностической способности.183Рис.
8.1. Чувствительность и специфичность модели на тренировочнойвыборкеНа тестовой выборке (рис. 8.2) чувствительность модели (Se) составила73,84%, специфичность (Spe) – 70,50%, при точке отсечения (threshold) – 0,15.Площадь под ROC-кривой (AUC) – 79,8%, что также соответствует хорошейпрогностической способности.Общее число узлов в финальном «дереве решений» было равно 21, включая 11 терминальных узлов с логистическими моделями. В качестве модели натерминальных узлах использовалась множественная логит-регрессия с пошаговым выбором показателей, максимально возможное число показателей в модели было равно четырем.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
