Інформація призначена тільки для фахівців сфери охорони здоров'я, осіб,
які мають вищу або середню спеціальну медичну освіту.

Підтвердіть, що Ви є фахівцем у сфері охорони здоров'я.

Мобильная версия

Регистрация Забыли пароль?

Журнал «Медицина неотложных состояний» 1 (72) 2016

Вернуться к номеру

Прогностические маркеры исхода острого периода инфаркта миокарда

Прогностические маркеры исхода острого периода инфаркта миокарда

Авторы: Белая И.Е., Коломиец В.И. - ГУ «Луганский государственный медицинский университет»; Мусаева Э.К. - Восточноукраинский национальный университет имени Владимира Даля

Рубрики: Медицина неотложных состояний

Разделы: Клинические исследования

Версия для печати


Резюме

Исход острого периода инфаркта миокарда прогнозировался на основании статистического метода с применением алгоритма Data Mining «дерево решений». В качестве входных данных использовались чувствительные и специфические векторкардиографические показатели. Установлены прогностически значимые маркеры исхода острого периода инфаркта миокарда. Если возраст больного был 57 лет и более, а скорость распространения возбуждения по миокарду высоких отделов передней стенки левого желудочка замедлялась до 6,33 мв/с, прогнозировался летальный исход с точностью 92,86 %. В случае регистрации у пациента увеличения площади предсердных петель более 0,188 мм2 (в ВА2) с угловым расхождением петель QRS-P более 15,5° (в ВА1), размыкания петли QRS менее 2,834 мм (в 3-й проекции) и скорости распространения возбуждения в конечной части петли Т менее 2,338 мв/с (в ВА1) при различных значениях углового расхождения вектора QRS-Т (в ВА5) прогнозировался благоприятный исход с точностью 97,67 %.

Наслідки гострого періоду інфаркту міокарда прогнозувалися на підставі статистичного методу із застосуванням алгоритму Data Mining «дерево рішень». Як вхідні дані використовувалися чутливі та специфічні векторкардіографічні показники. Установлені прогностично значущі маркери наслідків гострого періоду інфаркту міокарда. Якщо вік хворого був 57 років і більше, а швидкість поширення збудження по міокарду високих відділів передньої стінки лівого шлуночка сповільнювалася до 6,33 мв/с, прогнозувався летальний наслідок із точністю 92,86 %. У разі реєстрації в пацієнта збільшення площі передсердних петель більше 0,188 мм2 (у ВА2) із кутовою розбіжністю петель QRS-P більше 15,5° (у ВА1), розмикання петлі QRS менше 2,834 мм (у 3-й проекції) і швидкості поширення збудження в кінцевій частині петлі Т менше 2,338 мв/с (у ВА1) при різних значеннях кутової розбіжності вектора QRS-Т (у ВА5) прогнозувався сприятливий результат із точністю 97,67 %.

The outcome of the acute period of myocardial infarction was predicted based on a statistical method using the algorithm Data Mining Decision Tree. As the input data, we used the sensitive and specific vectorcardiography indicators. We established significant prognostic markers of the outcome of the acute phase of myocardial infarction. If the age of the patient was 57 years or more, and the nerve conduction velocity in the myocardium of the high parts of the anterior left ventricular wall slowed to 6.33 mV/s, the death was predicted with an accuracy of 92.86 %. In the case of registration of an increase in the area of atrial loops over 0.188 mm2 (in BA2) with an angular divergence of QRS-P loops more 15,5° (in BA1), opening of QRS loop less than 2.834 mm (in 3 projections) and the nerve conduction velocity in the final part of T loop less than 2,338 mV/s (BA1) at different values of the angular divergence of QRS-T vector (in VA5), a favorable outcome with 97.67% accuracy was predicted in the patient.


Ключевые слова

острый период инфаркта миокарда, векторкардиография, прогноз.

гострий період інфаркту міокарда, векторкардіографія, прогноз.

acute phase of myocardial infarction, vectorcardiography, prediction.

Статья опубликована на с. 92-97

 

В Украине ишемическая болезнь сердца в последние десятилетия приняла характер пандемии. В структуре смертности от нее превалирует инфаркт миокарда (ИМ), составляя на 100 тыс. взрослого населения 26,9 % [4]. При этом течение основного заболевания могут осложнять наиболее распространенные заболевания органов пищеварения — стеатоз печени (СП) и неалкогольный стеатогепатит (НАСГ). В связи с этим выявление прогностически значимых факторов течения ИМ, особенно на фоне хронической патологии, является актуальной проблемой современной кардиологии. 

Одним из стандартов диагностики ИМ является электрокардиография (ЭКГ). Однако известно, что у 6 % больных в остром периоде ИМ не регистрируются изменения на ЭКГ, характерные для типичного течения [3]. Поэтому необходим поиск более чувствительных методов диагностики самых ранних изменений в миокарде при этой патологии. Перспективным методом исследования электрической активности сердца с первых минут развития ИМ является современная векторкардиография (ВКГ) [2]. Применение усовершенствованного кардиодиагностического многофункционального комплекса МТМ-СКМ Северодонецкого научно-производственного предприятия «Микротерм», созданного на основе достижений в области физики, информатики и компьютерной графики, позволяет с высокой чувствительностью и специфичностью у постели больного в динамике регистрировать и анализировать изменения электродвижущей силы сердца в любой период ИМ. Кроме того, ВКГ-признаки ИМ при использовании математического анализа могут служить прогностическими маркерами исхода острого периода ИМ.
Прогнозирование в медицине, особенно при острых состояниях, постоянно совершенствуется. Этому способствуют применение различных методов математического анализа и развитие компьютерных технологий. 
Наиболее часто для прогноза течения заболевания применяются дискриминантный и корреляционно-регрессионный методы анализа. Однако если переменная класса и классификационные признаки не связаны линейной зависимостью, дискриминантный метод не дает положительных результатов. В тех случаях, когда часть признаков отсутствует, оправданно использование последовательного статистического анализа А. Вальда. Вероятностные методы основаны на вычислении так называемых байесовских или априорных вероятностей [6]. Применяемые в медицине нейронные сети, представляющие собой нелинейные системы, не используют правил вывода для постановки диагноза — не программируются, а обучаются на примерах. При этом отсутствует возможность пошагово и детально проследить, каким образом полученные на выходе значения были рассчитаны [5]. Многие классические статистические методы, при помощи которых решаются задачи классификации, могут работать только с числовыми данными, а для некоторых из них еще существует необходимость определения входных параметров. Большинство методов математического анализа являются параметрическими и не могут быть использованы в прогнозировании течения острых патологических процессов в организме при отсутствии представления о виде модели, гипотезы о характере зависимости между переменными и предположения о распределении данных. В связи с этим перечисленные выше методы затратны по времени, сложны для восприятия и интерпретации. 
Поэтому для прогнозирования исходов ИМ целесообразно использовать алгоритм «дерево решений», позволяющий сформировать правила классификации в виде иерархической (древовидной структуры). «Деревья решений» строят непараметрические модели и способны решать такие задачи, в которых отсутствует априорная информация о виде зависимости между исследуемыми данными. При этом «дерево» достаточно быстро обучается, классификационная модель легко интерпретируется, алгоритм выбирает наиболее значимые параметры из любого их количества. «Деревья решений» успешно работают как с числовыми, так и со строковыми значениями, позволяют извлекать правила на естественном языке. Алгоритмы построения «деревьев решений» имеют методы специальной обработки пропущенных данных. Кроме того, точность прогноза «деревьев решений» сопоставима с другими методами построения классификационных моделей, а целевая переменная «дерева» состоит из значений, принадлежащих некоторому конечному множеству [1]. 
Цель работы — определить прогностическую значимость векторкардиографических признаков острого периода инфаркта миокарда.

Материалы и методы 

В условиях инфарктного отделения Луганской городской клинической многопрофильной больницы № 1 обследовано 14 больных с первичным обширным ИМ передней стенки левого желудочка (ЛЖ) (1-я группа) и 43 больных с сочетанным течением первичного ИМ передней локализации и СП или НАСГ (2-я группа). Первая группа состояла из 8 женщин и 6 мужчин (средний возраст — 69 ± 3 года), вторая группа — 23 женщины и 20 мужчин (средний возраст — 66 ± 2 года).
Больные госпитализированы в первые 24 часа от начала заболевания. Диагноз ИМ ЛЖ был установлен в соответствии с рекомендациями Европейского общества кардиологов по клиническим данным, оценке биохимических маркеров некроза миокарда, результатам ЭКГ в динамике [7] и ВКГ.
СП диагностировали по ультразвуковым признакам жировой дистрофии печени и отрицательным серологическим маркерам вирусного гепатита B и C, отсутствию злоупотребления алкоголем и приема гепатотоксических медикаментов. Диагноз НАСГ дополнительно устанавливали на основании устойчивой гипертрансаминаземии при соотношении АЛТ (аланинаминотрансфераза) к АСТ (аспартатаминотрансфераза) более единицы. 
Векторкардиографически фиксировали петли Р, QRS и Т в системе координат в пяти проекциях (ВА1–5) с последующим анализом вращения петель в соответствии с ходом часовой стрелки, направления главного вектора, вида трассы, величины максимального вектора, площади, скорости распространения импульса по трассе петель Р, QRS и Т, углового расхождения петель QRS-Т и QRS-Р, наличия размыкания петель QRS и Т и направления вектора ST. Исследование электродвижущей силы сердца проводили на современном кардиодиагностическом многофункциональном комплексе МТМ-СКМ Северодонецкого научно-производственного предприятия «Микротерм» (Свідоцтво про державну реєстрацію № 2375/2003, регистрационный № 19081403 от 26 декабря 2003 г., Украина).
В прогнозировании исходов ИМ был использован Data Mining алгоритм «дерево решений», реализованный в программном пакете Deductor Studio Academic, который является полноценной аналитической платформой, поддерживающей технологии Data Mining (процесс построения моделей и поиска закономерностей).

Результаты и их обсуждение

В группе больных с ИМ, сочетающимся со СП или НАСГ, у 23 пациентов (53,5 %) диагностирован СП I стадии, у 20 человек (46,5 %) — II стадии. У 4 больных этой же группы (9,3 %) диагностирован НАСГ. 
С помощью алгоритма «дерево решений» выделены следующие ВКГ-показатели (атрибуты): величина максимального вектора и площадь петель, скорость распространения возбуждения по петлям QRS, Т и Р, угловое расхождение петель QRS-T и QRS-P. Результаты ВКГ-исследования были использованы в качестве входных данных. Целевым полем является поле «Смерть», принимающее значение «да» (True) и «нет» (False). Для оценки качества модели использовался визуализатор «Таблица сопряженности». На основании его анализа определена правильность классификации данных в 1-й группе. «Дерево» правильно классифицировало 13 примеров и 1 — ошибочно (рис. 1). Так, из 11 умерших 1 больной был отнесен к выжившим, т.е. ошибочно было распознано 7,14 % выборки. Следовательно, получен результат с точностью 92,86 %. 
Основными визуализаторами для данного алгоритма являются вкладки «Дерево решений» и «Правила». «Дерево решений» выделило только два ВКГ-показателя с определенными условиями: возраст и скорость распространения возбуждения по петле QRS в области вектора начального отклонения в ВА1 (рис. 2). Остальные показатели были «отсечены», что означает их минимальное влияние или его отсутствие на факт смерти. 
На визуализаторе «Правила» изображены 3 правила (рис. 3). Показатели представлены с различными пределами их значений, согласно которым можно отнести пациента к классу выживших или умерших. Цена влияния на факт смерти (поддержка) и достоверность второго правила составили 76,92 и 100 % соответственно. В первом и третьем правилах только 15,38 и 7,69 % примеров из исходной выборки отвечали условию. Следовательно, с достаточным доверием можно относиться только ко второму правилу: если возраст больного равен или более 57,5 года и скорость распространения возбуждения по петле QRS в области вектора начального отклонения в ВА1 менее 6,33 мв/с, то прогнозируется летальный исход. 
С помощью вкладки «Значимость атрибутов» можно определить, насколько сильно выходное поле (в данном случае — «жизнь» или «смерть») зависит от каждого атрибута. Значимость показателя «возраст» составила 52,28 %, «скорость распространения возбуждения по петле QRS в области вектора начального отклонения в ВА1» — 47,72 % (рис. 4). 
Следовательно, наиболее прогностически значимыми показателями у больных с острым обширным передним ИМ ЛЖ являются возраст и нарушение скоростных показателей в высоких отделах передней стенки ЛЖ.
Во 2-й группе больных «дерево» правильно классифицировало практически все примеры (97,67 %), и только 1 умерший из 17 больных был отнесен к выжившим (рис. 5).
На визуализаторе «Дерево решений» (рис. 6) «дерево» оказалось не очень «ветвистое», так как большая часть факторов была отсечена. Выделены 6 ВКГ-атрибутов: «размыкание в петле QRS в 3-й проекции», «размыкание в петле QRS во 2-й проекции», «площадь петель Р в ВА2», «угловое расхождение вектора QRS-Р в ВА1», «угловое расхождение вектора QRS-Т в ВА5» и «скорость распространения возбуждения по петле Т в ВА1 в ее конечной части». 
Полученные данные на вкладке «Правила» (рис. 7) позволяют определить, какой именно показатель влияет на факт смерти, какова цена этого влияния (поддержка) и какова достоверность правила. Так, 1, 2, 4 и 7-му правилам соответствуют менее 13 % выборки, а достоверность 5-го правила составила 66,67 %, значит, с достаточным доверием в группе больных с острым ИМ, сочетанным со СП или НАСГ, можно относиться к 3-му и 6-му правилам. Цена их влияния на факт смерти — 21,95 и 31,71 % соответственно.
3. Если площадь петель Р в ВА2 более или равна 0,188 мм2, угловое расхождение петель QRS-P в ВА1 более или равно 15,5°, угловое расхождение вектора QRS-Т в ВА5 более или равно 41,5° при размыкании в петле QRS в 3-й проекции менее 2,834 мм, у больных с сочетанной патологией прогнозируется благоприятный исход с точностью 97,67 %.

Список литературы

1. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. — СПб.: БХВ-Петербург, 2004. — 336 с.

2. Бєлая І.Є. Векторкардіографічні ознаки гострого інфаркту міокарда із зубцем Q задньо-нижньої локалізації в перші 24 години захворювання // Серце і судини. — 2012. — № 3. — С. 62-71.

3. Внутренняя медицина: Учебник: В 3 т. / Е.Н. Амосова, О.Я. Бабак, В.Н. Зайцева и др.; под ред. проф. Е.Н. Амосовой. — К.: Медицина, 2008. — Т. 1. — 1064 с.

4. Гандзюк В.А. Аналіз захворюваності на ішемічну хворобу серця в Україні // Укр. кардіол. журн. — 2014. — № 3. — С. 45-52.

5. Золин А.Г., Силаева А.Ю. Применение нейронных сетей в медицине // Актуальные проблемы науки, экономики и образования XXI века: материалы II Международной научно-практической конференции, 5 марта — 26 сентября 2012 года: В 2 ч., ч. 2 / Отв. ред. Е.Н. Шереметьева. — Самара: Самарский институт (фил.) РГТЭУ, 2012. — С. 264-271.

6. Тарасова С.А. Прогнозирование в клинической медицине // Сборник статей по материалам XХX международной научно-практической конференции «Инновации в науке», № 2(27), часть II. — Новосибирск: СибАК, 2014. — С. 57-60.

7. Van de Werf F., Bax J., Betriu A. et al. The Task Force on the management of ST-segment elevation acute myocardial infarction of the European Society of Cardiology // Eur. Heart J. — 2008. — 29(23). — 2909-2945. — doi: 10.1093/eurheartj/ehn416.

1. Barsehjan A.A., Kupryjanov M.S., Stepanenko V.V., Xolod І.І. Metody i modeli analyza dannyx: OLAP y Data Mining. – SPb.: BXV-Peterburh 2004; 336 s.

2. Byelaya I.Ye. Vektorkardiohrafichni oznaky hostroho infarktu miokarda iz zubtsem Q zadn'o-nyzhn'oyi lokalizatsiyi v pershi 24 hodyny zakhvoryuvannya. Sertse i sudyny 2012; 3:62-71.

3. Vnutrennjaja medycyna: Učebnyk: V 3 t.- T. 1 / E.N.Amosova, O.Ja. Babak, V.N.Zajceva і dr.; Pod red. prof. E.N.Amosovoj.- K.: Medycyna 2008; 1064 s.

4. Handzyuk V.A. Analiz zakhvoryuvanosti na ishemichnu khvorobu sertsya v Ukrayini // Ukr kardiol zhurn 2014; 3:45-52.

5. Zolyn A.H., Sylaeva A.Ju. Prymenenye nejronnуx setej v medycyne // Aktualnye problemy nauki, ekonomiki i obrazovanyja XXI veka: materialy II Meždunarodnoj naučno-praktičeskoj konferencii, 5 marta – 26 sentjabrja 2012 hoda: v 2-x č. Č. 2 / otv. red. E. N. Šeremeteva. – Samara: Samarskyj instytut (fyl.) RHTЕU 2012; 264-271.

6. Tarasova S.A. Prohnozirovanie v kliničeskoj medicine // Sbornyk statej po materialam XXX meždnarodnoj naučno-praktičeskoj konferencii «Ynnovacii v nauke» № 2 (27). Čast II. Novosibirsk: Izd. «SibAK» 2014; 57-60.

7. Van de Werf F., Bax J., Betriu A. et al. The Task Force on the management of ST-segment elevation acute myocardial infarction of the European Society of Cardiology. Eur Heart J 2008; 29(23):2909-2945. doi: 10.1093/eurheartj/ehn416.


Вернуться к номеру