Preview

Российский кардиологический журнал

Расширенный поиск

Факторы кардиометаболического риска в прогнозировании обструктивного поражения коронарных артерий у больных с острым коронарным синдромом без подъема сегмента ST

https://doi.org/10.15829/1560-4071-2021-4494

Полный текст:

Аннотация

Цель. Разработка прогностических моделей обструктивного поражения коронарных артерий (ОПКА) у больных с острым коронарным синдромом без подъема ST (OKC6nST) по результатам анализа предиктивного потенциала факторов кардиометаболического риска (КМР).

Материал и методы. В проспективное обсервационное когортное исследование было включено 495 пациентов с ОКСбпST с медианой возраста 62 года и 95% доверительным интервалом [60; 64], которым выполнялась инвазивная коронароангиография (КАГ). Было выделено 2 группы лиц, первую из которых составили 345 (69,6%) больных с ОПКА (стеноз ≥50%), а вторую — 150 (30,4%) без ОПКА (<50%). Клинико-функциональный статус больных до проведения КАГ оценивали по 29 показателям. Для обработки и анализа данных использовали методы Манна-Уитни, Фишера, хи-квадрат, однофакторную логистическую регрессию (ЛР), а для разработки прогностических моделей — многофакторную ЛР (МЛР), метод опорных векторов (SVM) и случайный лес (СЛ). Точность моделей оценивали по 4 метрикам: площадь под ROC-кривой (AUC), чувствительность, специфичность и точность.

Результаты. Комплексный анализ показателей функционально-метаболического статуса больных позволил выделить факторы КМР, линейно и нелинейно связанные с ОПКА. Методом однофакторной ЛР были определены их весовые коэффициенты и пороговые значения с наибольшим предиктивным потенциалом. Метрики качества лучшего прогностического алгоритма на базе ансамбля из 10 моделей МЛР составили по AUC — 0,82, специфичности и точности — 0,73, чувствительности — 0,75. Предикторами данной модели были 7 показателей в категориальной форме (общий холестерин (ХС) ≥5,9 ммоль/л, ХС липопротеидов низкой плотности >3,5 ммоль/л, соотношение окружностей талии и бедер ≥0,9 усл. ед., окружность талии/рост ≥0,69 усл. ед., индекс атерогенности ≥3,4 усл. ед., индекс продуктов накопления липидов ≥38,5 см*ммоль/л, мочевая кислота ≥356 мкмоль/л) и 2 — в непрерывной (ХС липопротеидов высокой плотности и индекс инсулинорезистентности).

Заключение. Разработанный алгоритм отбора предикторов позволил определить их прогностически значимые пороговые значения и весовые коэффициенты, характеризующие степень влияния на конечную точку. Ансамбль моделей МЛР демонстрировал наиболее высокую точность прогнозирования ОПКА до проведения КАГ. Прогностическая точность моделей SVM и СЛ была существенно ниже.

Об авторах

Б. И. Гельцер
Дальневосточный федеральный университет, Школа медицины
Россия

Доктор медицинских наук, профессор, член-корреспондент РАН, директор департамента клинической медицины.

Владивосток.


Конфликт интересов:

Нет



М. М. Циванюк
Дальневосточный федеральный университет, Школа медицины; Владивостокская клиническая больница № 1
Россия

Аспирант; врач отделения рентгенохирургических методов диагностики и лечения, кардиолог.

Владивосток.

SPIN-код 1491-3966


Конфликт интересов:

Нет



К. И. Шахгельдян
Дальневосточный федеральный университет, Школа медицины; Владивостокский государственный университет экономики и сервиса, Институт информационных технологий
Россия

Доктор технических наук, доцент, директор; заведующий лабораторией анализа больших данных в биомедицине и здравоохранении.

Владивосток.


Конфликт интересов:

Нет



Е. Д. Емцева
Владивостокский государственный университет экономики и сервиса, Институт информационных технологий
Россия

Кандидат физико-математических наук, доцент кафедры математики и моделирования.

Владивосток.


Конфликт интересов:

Нет



А. А. Вишневский
Владивостокский государственный университет экономики и сервиса, Институт информационных технологий
Россия

Магистрант кафедры математики и моделирования.

Владивосток.


Конфликт интересов:

Нет



Список литературы

1. .1. ВОЗ. 10 ведущих причин смерти в мире. 2020. Available at: https://www.who.int/ru/news-room/fact-sheets/detail/the-top-10-causes-of-death.

2. Liang L, Hou X, Bainey KR, et al. The association between hyperuricemia and coronary artery calcification development: A systematic review and meta-analysis. Clinical Cardiology. 2019;42(11):1079-86. doi:10.1002/clc.23266.

3. Mach F, Baigent C, Catapano AL, et al. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: lipid modification to reduce cardiovascular risk. Eur Heart J. 2020;41(1):111-88. doi:10.1093/eurheartj/ehz455. Erratum in: Eur Heart J. 2020;41(44):4255.

4. Гельцер Б.И., Циванюк М. М., Шахгельдян К. И., Рублев В. Ю. Методы машинного обучения в оценке предтестовой вероятности обструктивных и необструктивных поражений коронарного русла. Российский кардиологический журнал. 2020;25(5):3802. doi:10.15829/1560-4071-2020-3802.

5. Сумин А. Н. Оценка предтестовой вероятности в диагностики обструктивных поражений коронарных артерий: нерешенные вопросы. Российский кардиологический журнал. 2017;(11):68-76. doi:10.15829/1560-4071-2017-11-68-76.

6. Juarez-Orozco LE, Saraste A, Capodanno D, et al. Impact of a decreasing pre-test probability on the performance of diagnostic tests for coronary artery disease. Eur Hear J — Cardiovasc Imaging. 2019;20:1198-207. doi:10.1093/ehjci/jez054.

7. Collet J, Thiele H, Barbato E, et al. ESC Scientific Document Group, 2020 ESC Guidelines for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation: The Task Force for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation of the European Society of Cardiology (ESC). European Heart Journal. 2021;42(14):1289-367. doi:10.1093/eurheartj/ehaa575.

8. Шальнова С. А., Деев А. Д., Муромцева Г. А. и др. Антропометрические индексы и их связь с ишемической болезнью сердца. Кардиоваскулярная терапия и профилактика. 2018;17(3):11-6. doi:10.15829/1728-8800-2018-3-11-16.

9. Гельцер Б.И., Орлова-Ильинская В.В., Ветрова О.О. и др. Оценка факторов кардиометаболического риска при различных фенотипах “маскированной” артериальной гипертензии. Кардиоваскулярная терапия и профилактика. 2020;19(4):2422. doi:10.15829/1728-8800-2020-2422.

10. Шляхто Е. В., Недогода С. В., Конради А. О. и др. Концепция новых национальных клинических рекомендаций по ожирению. Российский кардиологический журнал. 2016;(4):7-13. doi:10.15829/1560-4071-2016-4-7-13.

11. Amato MC, Giordano C, Galia M, et al. AlkaMeSy Study Group: Visceral Adiposity Index: a reliable indicator of visceral fat function associated with cardiometabolic risk. Diabetes Care. 2010;33:920-2. doi:10.2337/dc09-1825.

12. Yazici D, Sezer H. Insulin Resistance, Obesity and Lipotoxicity. Adv Exp Med Biol. 2017;960:277-304. doi:10.1007/978-3-319-48382-5_12.

13. Biscaglia S, Ceconi C, Malagu M, et al. Uric acid and coronary artery disease: An elusive link deserving further attention. International Journal of Cardiology. 2016;213:28-32. doi:10.1016/j.ijcard.2015.08.086.

14. Feger S, Ibes P, Napp AE, et al. Clinical pre-test probability for obstructive coronary artery disease: insights from the European DISCHARGE pilot study. European Radiology. 2020;31:1471-81. doi:10.1007/s00330-020-07175-z.


Для цитирования:


Гельцер Б.И., Циванюк М.М., Шахгельдян К.И., Емцева Е.Д., Вишневский А.А. Факторы кардиометаболического риска в прогнозировании обструктивного поражения коронарных артерий у больных с острым коронарным синдромом без подъема сегмента ST. Российский кардиологический журнал. 2021;26(11):4494. https://doi.org/10.15829/1560-4071-2021-4494

For citation:


Geltser B.I., Tsivanyuk M.M., Shakhgeldyan K.I., Emtseva E.D., Vishnevskiy A.A. Cardiometabolic risk factors in predicting obstructive coronary artery disease in patients with non-ST-segment elevation acute coronary syndrome. Russian Journal of Cardiology. 2021;26(11):4494. (In Russ.) https://doi.org/10.15829/1560-4071-2021-4494

Просмотров: 385


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1560-4071 (Print)
ISSN 2618-7620 (Online)