ПРОГНОЗИРОВАНИЕ ВЫЖИВАЕМОСТИ ДЕТЕЙ С ПРЕНАТАЛЬНО ДИАГНОСТИРОВАННОЙ ПАТОЛОГИЕЙ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ


Кострицова О.Н., Дубовая А.В.

Аннотация


Актуальной задачей современной медицины является разработка эффективных методик анализа и прогнозирования выживаемости новорожденных с пренатально диагностированными врожденными пороками развития сердечно-сосудистой системы (ВПР ССС).

Цель – разработать нейросетевую модель прогнозирования выживаемости детей с пренатально диагностированными ВПР ССС.

Материалы и методы. Для создания искусственных нейронных сетей был использован метод построения многофакторных математических моделей прогнозирования в пакете программного обеспечения Statistica 6.0. Уровень значимости факторов, влияющих на выживаемость детей с пренатально диагностированными ВПР ССС, определяли с использованием статистики Вальда. При проверке статистических гипотез критический уровень значимости принимали равным 0,05.

Результаты. Разработана нейросетевая модель определения вероятности выживания ребенка с пренатально диагностированным ВПР ССС, которая обладает высокой прогностической способностью – 0,88, чувствительность модели составила 77,6 %, специфичность – 86,4 %. Значение прогностической вероятности выживаемости находится в диапазоне от 0 до 100 %. При значении показателя более 80 % вероятность выживания ребенка с пренатально диагностированным ВПР ССС оценивается как высокая, в пределах от 20 % до 80 % – как средняя и менее 20 % – как низкая.

Заключение. В алгоритм прогнозирования выживаемости детей с пренатально диагностированными ВПР ССС необходимо включать сочетание с другой патологией ССС, с ВПР других органов и систем, с хромосомными аномалиями, с микроделеционными и моногенными синдромами.


Ключевые слова


дети; врожденный порок развития; сердечно-сосудистая система; прогнозирование

Полный текст:

Full Text HTML Full Text PDF

Литература


Abqari S, Gupta A, Shahab T, Rabbani MU, Ali SM, Firdaus U. Profile and risk factors for congenital heart defects: A study in a tertiary care hospital. Ann Pediatr Cardiol. 2016; 9(3): 216-221

Bonnet D. Genetics of congenital heart diseases. Presse Med. 2017. S0755-4982(17)30252-X

Holland BJ, Myers JA, Woods CR. Prenatal diagnosis of critical congenital heart disease reduces risk of death from cardiovascular compromise prior to planned neonatal cardiac surgery: a meta-analysis. Ultrasound Obstet Gynecol. 2015; 45(6): 631-638

Igisheva LN, Tcoy YeG, Kurenkova OV., Artamonova GV. The modern organization of medical care by the newborn with critical congenital heart diseases at the presurgical stage. Complex Issues of Cardiovascular Diseases. 2013; (4): 56-61. DOI: 10.17802/2306-1278-2013-4-56-61. Russian (Игишева Л.Н., Цой Е.Г., Куренкова О.В., Артамонова Г.В. Современная организация медицинской помощи новорожденным с критическими врожденными пороками сердца на дооперационном этапе //Комплексные проблемы сердечно-сосудистых заболеваний. 2013. № 4. С. 56-61. DOI: 10.17802/2306-1278-2013-4-56-61)

Zhidkova OI. Medical Statistics. M.: EKSMO, 2007. 21 p. Russian (Жидкова О.И. Медицинская статистика. М.: ЭКСМО, 2007. 21 с.)

Yunkerov VI, Grigoriev SG, Rezvantsev M.V. Mathematico-statistical processing of medical research data: 3rd ed., ext. St. Petersburg: VMA, 2011. 318 pp. Russian (Юнкеров В.И., Григорьев С.Г., Резванцев М.В. Математико-статистическая обработка данных медицинских исследований: 3-е изд., доп. СПб.: ВМА, 2011. 318 с.)

Tcoy YeG, Igisheva LN, Kurenkova OV, Maksimov SA, Kazakova LM. Clinical and instrumental data complex aggregative in fatal outcome risk prognosis in newborn witn congenital heart diseases. Mother and Child in Kuzbass. 2017; 1(68): 36-43. Russian (Цой Е.Г., Игишева Л.Н., Куренкова О.В., Максимов С.А., Казакова Л.М. Комплексная оценка клинико-инструментальных данных в прогнозировании риска летального исхода у новорожденных с врожденными пороками сердца //Мать и Дитя в Кузбассе. 2017. № 1(68). С. 36-43)

Zaharov IS, Kolpinskij GI, Ushakova GA, Kagan ES. Model for Predicting the Risk of Osteoporotic Vertebral Fractures in Women Using Quantitative Computed Tomography. Radiology – Practice. 2015; 4(52): 19-27. Russian (Захаров И.С., Колпинский Г.И., Ушакова Г.А., Каган Е.С. Модель прогнозирования риска остеопоротических переломов позвонков у женщин с использованием количественной компьютерной томографии //Радиология – практика. 2015. № 4(52). С. 19-27)

Fistal EY, Guryanov VG, Soloshenko VV. Mathematical model of forecasting for outcomes in victims of methane-coal mixture explosion. Russian Sklifosovsky Journal "Emergency Medical Care". 2016; 3: 43-47. Russian (Фисталь Э.Я., Гурьянов В.Г., Солошенко В.В. Математическая модель прогнозирования исхода у пострадавших при взрывах метано-угольной смеси //Журнал имени Н.В. Склифосовского «Неотложная медицинская помощь». 2016. № 3. С. 43-47)

Golovinova VYu, Kireyev SG, Kotenko PK, Minaev YuL, Shtamburg IN, Kuzmin SG. Neural network models for prediction of morbidity in organized personnel groups. Bulletin of the Russian Military Medical Academy. 2014; 3(47): 150-154. Russian (Головинова В.Ю., Киреев С.Г., Котенко П.К., Минаев Ю.Л., Штамбург И.Н., Кузьмин С.Г. Нейросетевые модели прогнозирования заболеваемости в организованных коллективах //Вестник Российской военно-медицинской академии. 2014. № 3(47). С. 150-154)

Abdulkadir M, Abdulkadir Z. A systematic review of trends and patterns of congenital heart disease in children in Nigeria from 1964-2015. Afr Health Sci. 2016; 16(2): 367-377

Lyakh YuE, Gur’yanov VG, Khomenko VN et al. Fundamentals of computer biostatistics: analysis of information in biology, medicine and pharmacy statistical package Medstat. Donetsk: E. Papakina, 2006. 214 p. Russian (Лях Ю.Е., Гурьянов В.Г., Хоменко В.Н., Панченко О.А. и др. Основы компьютерной биостатистики: анализ информации в биологии, медицине и фармации статистическим пакетом MedStat. Донецк: Папакина Е.К., 2006. 214 с.)


Статистика просмотров

Загрузка метрик ...

Ссылки

  • На текущий момент ссылки отсутствуют.