Доктор медицинских наук, профессор, член-корр. РАН, Школа медицины, зам. директора по научной работе.
Владивосток
Boris Izralievich Geltser
Vladivostok
Доктор технических наук, доцент, Школа медицины, зав. лабораторией анализа больших данных в медицине и здравоохранении, директор института информационных технологий.
Владивосток
Karina Iosifovna Shahgeldyan
Vladivostok
Аспирант департамента клинической медицины, Школа медицины, Приморская краевая клиническая больница № 1, врач отделения реанимации и интенсивной терапии регионального сосудистого центра.
Владивосток
Igor Gennadievich Domzhalov
Vladivostok
Магистрант.
Владивосток
Nikita Sergeevich Kuksin
Vladivostok
Кандидат медицинских наук, Приморская краевая клиническая больница № 1, зав. отделением реанимации и интенсивной терапии отделения реанимации и интенсивной терапии регионального сосудистого центра.
Владивосток
Evgeny Anatolievich Kokarev
Vladivostok
Доктор медицинских наук, профессор, Школа медицины, профессор департамента клинической медицины.
Владивосток
Vladimir Nikolaevich Kotelnikov
Vladivostok
Школа медицины, аспирант департамента клинической медицины, врач сердечно-сосудистый хирург медицинского центра.
Владивосток
Vladislav Yurievich Rublev
Vladivostok
Цель. Разработка моделей прогнозирования внутригоспитальной летальности (ВГЛ) у больных инфарктом миокарда с подъемом сегмента ST (ИМпST) на электрокардиограмме после чрескожного коронарного вмешательства (ЧКВ) на основе многофакторной логистической регрессии (МЛР).
Материал и методы. Проведено ретроспективное когортное исследование по данным 4735 электронных историй болезни пациентов (3249 мужчин и 1486 женщин) с ИМпST в возрасте от 26 до 93 лет с медианой 63 года, которым выполнялось ЧКВ. Было выделено 2 группы лиц, первую из которых составили 321 (6,8%) больных, умерших в стационаре, вторую — 4413 (93,2%) — с благоприятным исходом ЧКВ. Для разработки прогностических моделей использовали однофакторную логистическую регрессию (ОЛР) и МЛР. Точность моделей оценивали по 3 метрикам: площадь под ROC-кривой (AUC), чувствительность и специфичность. Конечная точка исследования была представлена показателем ВГЛ больных ИМпST после ЧКВ от всех причин.
Результаты. Статистический анализ показателей клинико-функционального статуса больных позволил выделить факторы, линейно связанные с ВГЛ. Методом ОЛР были определены их весовые коэффициенты, характеризующие предиктивный потенциал. Прогностические алгоритмы ВГЛ на основе предикторов шкалы GRACE, представленных как суммой баллов в модели ОЛР, так и 5 факторами в непрерывной форме в модели МЛР, обладали приемлемой предсказательной точностью (AUC — 0,83 и 0,86, соответственно). Наилучшие метрики качества имела модель МЛР, структура которой помимо 5 факторов GRACE включала показатели фракции выброса (ФВ) левого желудочка (ЛЖ) и уровня лейкоцитов крови (WBC) (AUC — 0,93, чувствительность — 0,87, специфичность — 0,86). Наибольший вклад в реализацию конечной точки был связан с классом ОСН по T. Killip и ФВ ЛЖ, а наименьший — с WBC и возрастом больных.
Заключение. Предсказательная точность разработанных моделей МЛР была выше, чем шкалы GRACE. Наиболее высокие метрики качества имела модель, структура которой была представлена 5 факторами GRACE, ФВ ЛЖ и WBC.
Aim. Development of models for predicting in-hospital mortality (IHM) in patients with ST-segment elevation myocardial infarction (STEMI) after percutaneous coronary intervention (PCI) based on multivariate logistic regression (MLR).
Material and methods. This retrospective cohort study of 4735 electronic health records of patients (3249 men and 1486 women) with STEMI aged 26 to 93 years with a median of 63 years who underwent PCI was performed. Two groups of persons were identified, the first of which consisted of 321 (6,8%) patients who died in the hospital, while the second — 4413 (93,2%) patients with a favorable PCI outcome. To develop predictive models, univariate logistic regression (ULR) and MLR were used. Model accuracy was assessed using 3 following metrics: area under the ROC curve (AUC), sensitivity, and specificity. The end point was represented by the IHM score in STEMI patients after PCI.
Results. Statistical analysis made it possible to identify factors that are linearly associated with IHM. ULR was used to determine their weight coefficients characterizing the predictive potential. IHM predictive algorithms based on GRACE scale predictors, represented both by ULR model and by 5 factors in continuous MLR model, had acceptable predictive accuracy (AUC — 0,83 and 0,86, respectively). The MLR model had the best quality metrics, the structure of which, in addition to 5 GRACE factors, included left ventricular ejection fraction (LVEF) parameters and white blood cell (WBC) count (AUC — 0,93, sensitivity — 0,87, specificity — 0,86) . The greatest contribution to endpoint was associated with the Killip class and LVEF, and the smallest contribution was associated with WBC and the age of patients.
Conclusion. The predictive accuracy of the developed MLR models was higher than that of the GRACE score. The model with the structure represented by 5 factors GRACE, LV EF and WBC had the highest quality metrics.
The authors declare that there are no conflicts of interest present.