Диссертация (1174324), страница 9
Текст из файла (страница 9)
Так Anna Hitron с соавторами на выборке из 254 пациентов изучалиассоциации тяжелой, с количеством тромбоцитов меньше 75*10^9/л, клиническизначимой тромбоцитопении с различными режимами терапии. Повышение частотытромбоцитопении было выявлено для следующих схем терапии: Цисплатин +Гемцитабин (частота осложнений 57%), Карбоплатин + Гемцитабин (29%),Цисплатин + Этопозид (18%). Наибольшее отношение шансов на развитиеосложнения (odds ratio, OR [15]) было выявлено у пациентов с новообразованиямимочевого пузыря OR=13,7 (95% ДИ: 2,89–64,7), p=0,001 и пациентов, недавноперенесших инфекцию OR=3,8 (95% ДИ: 1,45–10,1), p=0,007 [93].В схожем по дизайну исследовании Maarten J. ten Berg с соавторами навыборке из 614 пациентов, получавших химиотерапевтическое лечение по 37различным схемам, были исследованы относительные риски (relative risk, RR [15])развития тромбоцитопении, с количеством тромбоцитов меньше 100*10^9/л, для50различных режимов моно- и полихимиотерапии в сравнении с монотерапиейцисплатином.
Было показано значительное увеличение относительных рисков притерапии по схемам: Карбоплатин + Гемцитабин RR=10,1; (95% ДИ: 5,5-18,5) иКарбоплатин + Паклитаксел + Этопозид RR=11,8; (95% ДИ: 6,7-20,8) [69].Вторая группа («узконаправленные исследования») включает в себяразнообразные исследования риска миелотоксических осложнений, ограниченныхопределенной нозологией злокачественных новообразований и/или схемами ихлечения. Они проводятся на меньших выборках пациентов и представлены намногобольшим числом работ.Результаты подобных исследований намного более специализированные и,как правило, предоставляют более точные прогностические результаты благодаряиспользованиюспецифическихпредикторов,причинно-следственнаясвязькоторых с осложнением далеко не всегда бывает очевидна для врача-клинициста.Характерным примером прогностической модели из второй группы являетсяработаотечественныхученыхизРоссийскогонаучногоцентрарентгенорадиологии (РНЦРР).
На выборке данных о 272 введениях цитостатиков(курсов лечения), проведенных 36 пациентам, получавшим химиотерапию прилимфоме Ходжкина в режиме двухнедельного чередования ABVD/CEA (первыйэтап: адриамицин, блеомицин, винбластин, дакарбазин / второй этап: белустин,этопозид, адриамицин), разработанном в РНЦРР, был проведен дискриминантныйанализ гематологических показателей. [17]Модель индивидуального прогноза для лейкопении II-IV степени по ВОЗ(общее количество лейкоцитов < 3 *10^9/л) показала хорошие результаты в оценкериска перед проведением очередного курса химиотерапии с чувствительностью85,5% и специфичностью 95,5% на обучающей выборке.
Авторы делаютпредположение о возможности применения этой модели и для пациентов,получающих химиотерапию при лимфоме Ходжкина по стандартным схемамABVD или BEACOPP-14 (циклофосфан, доксорубицин, этопозид, прокарбазин,винкристин, блеомицин, преднизолон). [17]51В исследовании китайских ученых [76] была построена модель прогнозанейтропенических осложнений у 428 пациенток, получавших адъювантную инеоадъювантную химиотерапию по поводу рака молочной железы без первичнойпрофилактики колониестимулирующими факторами. С помощью логистическойрегрессии была определена группа повышенного риска (23,1%) развитияфебрильной нейтропении уже после первого курса химиотерапии.
Модельцеленаправленно настраивалась на обеспечение высокого уровня отрицательнойпрогностической значимости, который составил 89,1%.Для этого исследователи пожертвовали чувствительностью полученноймодели (она составила всего 38,2%), чтобы поднять ее специфичность до 81,2%. Впрогностическую модель вошли три показателя гематологических исследований,приведенных к бинарному виду специально отобранными точками отсечения: Абсолютное количество нейтрофилов <= 4,4 *10^9 /л Абсолютное количество лимфоцитов <= 2,1 *10^9 /л Абсолютное количество моноцитов <= 0,28 *10^9 /лНаиболее масштабным из рассмотренных исследований второй группыявляется работа, проведенная группой немецких ученых во главе с Marita Ziepert.Имибылитщательнопроанализированымиелотоксическиеосложнения,возникшие у 1399 пациентов при химиотерапии агрессивных форм неходжкинскихлимфомпонаиболеераспространеннойсхемеCHOP(циклофосфамид,доксорубицин, винкристин, преднизолон) в ее 14 и 21 дневных вариантах, в томчисле с добавлением этопозида (аббревиатура CHOEP) [138].В исследование было реализовано получение прогноза о степени рискаразвития трех вариантов миелотоксических осложнений: лейкопении, анемии итромбоцитопении.
Прогностические правила были построены на основе моделипропорциональных шансов. В качестве входных данных в моделях былииспользованы категориальная переменная со схемой лечения (4 варианта схем ХТ),а также 12 переменных, приведенных к бинарным значениям: пол, возраст,площадь поверхности тела и вес пациента; функциональный статус, стадия52заболевания и поражение костного мозга опухолевым процессом; уровнигемоглобина, лейкоцитов и тромбоцитов; активности лактатдегидрогеназы (ЛДГ,LDH)игаммаглутамилтрансферазы(ГГТ,γGT);запланированнаядозавинкристина, нормированная на площадь поверхности тела пациента. Снимокэкрана со вводом исходных данных представлен на Рисунок 1.Рисунок 1.
Входные данные для оценки риска развития миелотоксических осложнений для4 вариантов схемы CHOP при химиотерапии неходжкинской лимфомы. Снимок экранавеб-приложения [98].Расчет возможен как с учетом уже выявленной токсичности после первогокурса химиотерапии, так и начальном планировании лечения. Из-за сложностирасчета модель не публикуется в виде алгоритма, вместо этого на базе модели53создано веб-приложение для оценки токсичности, доступное через сеть Интернет.Для получения результатов расчета врачу-онкологу потребуется вручнуюзаполнить входные данные из набора информации о пациенте и планируемомлечении, при отсутствии информации о некоторых показателях допустимоуказание «unknown» – неизвестно.К сожалению, данный калькулятор риска не предлагает возможностиэлектронного обмена данными, что создает предпосылки для ошибок их ввода илинеправильной интерпретации результатов. Данная проблема является общей длявсех рассмотренных исследований: ни в одной из работ не было уделенодостаточного внимания решению проблем распространения полученных способовпрогнозированияиинтеграцииихсинформационнымисистемамиавтоматизированных рабочих мест врачей-онкологов.Развивающийся электронный обмен медицинской информацией диктуетнеобходимость использования в современных разработках терминологическихсистем для формализации и кодирования медицинских данных.
Систематическийобзор в Международном журнале медицинской информатики показал, чтонаиболеепопулярнымикодификаторамиявляютсяМКБ(9-гои10-гопересмотров), которые используется в 68% рассмотренных авторами системахподдержкипринятиярешений,илогическийкодификаторклиническихнаблюдений LOINC (Logical Observation Identifiers Names and Codes), которыйиспользуется в 12% подобных систем [37, 63, 123].Разработка LOINC ведется с 1994 года североамериканской некоммерческойорганизацией Regenstrief Institute, Inc. В США его активно используют в своихразработках такие крупные организации, как Американская АссоциацияКлинических Лабораторий (ACLA), Американский Колледж Патологов (CAP),HL7 International и другие.
В настоящее время данный кодификатор применяетсяболее чем в 140 странах мира и содержит более 50 тысяч закодированных тестовдля обеспечения обмена результатами лабораторных и клинических исследований[125].54Благодаря этому LOINC был выбран организацией-разработчиком стандартаHealth Level 7 (HL7) International в качестве предпочтительного кодификатора длялабораторных тестов в транзакциях между медицинскими учреждениями,лабораториями,оборудованиемлабораторийиорганамиуправленияздравоохранением [91].Резюмируя преимущества и недостатки рассмотренных прогностическихмоделей и их реализаций в программных продуктах, можно выделить следующиетребования: прогностическая модель должна обладать сбалансированными показателямичувствительности и специфичности; расчет прогноза должен быть доступен в любой момент химиотерапевтическоголечения, а не только перед первым курсом; исследование должно включать проспективную часть, прогностическая модельдолжна пройти валидацию на пациентах, данные которых не использовались длясоздания модели [107]; наборы данных при использовании нескольких прогностических функций (приразных видах токсичности или нозологиях ЗНО, или схемах его лечения) должныбыть гармонизированы между собой; программныереализациидолжныиспользоватьобщепризнанныетерминологические системы (словари и справочники) для кодированияпоказателей, запрашиваемых из медицинских информационных систем иинтегрированной электронной медицинской карты [21]; прогностическая модель должна генерировать отчет о предикторах, повлиявшихна результат расчета риска токсичности; программнаяреализацияпрогностическоймоделидолжнаполучатьмаксимальное число данных для расчета прогноза самостоятельно, в фоновомрежиме – в идеальной ситуации врач-онколог не должен вводить никакихдополнительных сведений, кроме стандартного оформления медицинскойдокументации в МИС.55Глава 2.
Материалы и методы2.1. Отбор данных для исследованияИсследование проводилось на обезличенных (деперсонифицированных)медицинских данных, накопленных в базе данных медицинской информационнойсистемы (МИС) «Асклепиус», развернутой в ГБУЗ «Московская городскаяонкологическая больница №62 департамента здравохранения города Москвы»(ГБУЗ «МГОБ №62 ДЗМ»).В больнице, имеющей 600 лечебных коек [30], развернуто более четырехсотразличных рабочихместинформационной системы иавтоматизированобольшинство медицинских бизнес-процессов.
Система обеспечивает связностьэлектронных медицинских карт одного пациента. Это позволяет отследить всеистории болезней (медицинские карты стационарного больного), которыеоткрывались при каждой госпитализации пациента в стационар или дневнойстационар, а также амбулаторные карты пациента в поликлиническом иконсультативно-диагностическом отделениях ГБУЗ «МГОБ №62 ДЗМ». Такимобразом, в исследование в связанном виде попадали все курсы химиотерапии внезависимости от того, получал их пациент во время госпитализации в стационар идневной стационар или лечение велось амбулаторно на базе поликлиническогоотделения (до 2013 года онкологический диспансер №2 города Москвы).Клиническиймодульинформационнойсистемыпосредствомавтоматизированных рабочих мест (АРМ) лечащего врача и врача-специалистаорганизует работу с медицинской документацией, сопровождающей процесслечения пациента.
Все документы, входящие в историю болезни, создаются винформационной системе в формализованном виде и прикрепляются к текущейэлектроннойхимиотерапии,медицинскойпроведенныекартепациента. Документируютсястационарнымиамбулаторнымвсекурсыпациентам,результаты их физикальных осмотров, направления и результаты лабораторных иинструментальных исследований, консультации специалистов.56Каждый курс химиотерапевтического лечения в ГБУЗ «МГОБ №62 ДЗМ»фиксируется двумя документами. Перед проведением лечения создается документ«План химиотерапевтического лечения», содержащий описание состоянияпациента, диагноз и стадию заболевания, намеченную терапию.После окончания курса заполняется «Протокол химиотерапевтическоголечения» – итоговый документ, представленный на Рисунок 2, с информацией опроведенном лечении (номер курса ХТ и его сроки), фактически введеннымидозами препаратов сопроводительной и противоопухолевой терапии.Рисунок 2.