Содержание к диссертации
Введение
ГЛАВА 1. Обзор литературы 14
1.1. Индивидуальная прогнозирующая стратегия как ведущее направление развития неонатальной реаниматологии 14
1.2. Роль прогнозирования в неонатальной реаниматологии и решение задачи сокращения репродуктивных потерь 16
1.3. Прогноз как вид познавательной деятельности и предсказание исхода заболеваний в клинической медицине 18
1.4. Существующие подходы в прогнозировании исходов критического состояния у новорожденных детей
1.4.1. Характеристика счетных прогностических систем (шкал) в неонатологии 23
1.4.2. Проблемы прогнозирования исходов состояний и заболеваний у новорожденных детей на основе шкал, разработанных
с учетом особенностей конкретной патологии 27
1.4.3. Прогнозирование на основе оценки отдельных показателей
гомеостаза в качестве независимых предикторов неблаго
приятного исхода 28
1.5. Методологические проблемы в прогнозировании исходов критического состояния 30
1.6. Краткосрочные исходы критического состояния в неонатальной реаниматологии - ведущая задача оперативного прогнозирования 31
1.7. Моделирование на основе многомерного математико-статистичес-кого анализа - проблемы и возможности в решении актуальных задач клинической медицины 33
1.8. Основные направления математического моделирования в неонатологии и неонатальной реаниматологии з
1.9. Многомерное математико-статистическое моделирование в неона тальной реаниматологии как одна из стратегических задач инфор
матизации российского здравоохранения 44
ГЛАВА 2. Материалы и методы исследования 46
2.1. Общая характеристика больных и методов исследования 46
2.2. Клинический регистр новорожденных детей отделения реанимации и интенсивной терапии - электронный вариант информационной карты исследования
2.2.1. Принципы построение информационной карты и ведения баз данных 74
2.2.2. Общие принципы регистрации массивов данных
2.2.2.1. Порядок ввода данных в блок «Анамнез и исход» 75
2.2.2.2. Порядок ввода данных в блок «Ежедневное наблюдение» 77
2.3. Статистическая обработка материала 79
ГЛАВА 3. Характеристики функционирования органов и систем у новорожденного ребенка в оценке тяжести заболевания и прогнозе исхода критического состояния 92
3.1. Подходы к оценке тяжести состояния новорожденных детей при поступлении в ОРИТ 92
3.2. Оценка значения показателей кислородного статуса артериальной крови в объективизации тяжести состояния и прогнозе исхода лечения новорожденных детей в критическом состоянии 101
3.3. Оценка значения характеристик биомеханических свойств легких для объективизации тяжести состояния новорожденных детей с
НМТ при рождении в критическом состоянии 129
3.4. Оценка состояния центральной нервной системы у новорожденных с жизнеугрожающими расстройствами в прогнозировании ранних исходов критического состояния 141
3.5. Прогностическое значение показателей полиорганной недостаточности при критическом состоянии у новорожденных детей 154
3.6. Прогностическое значение острого повреждения почек при критическом состоянии у новорожденных детей 168
ГЛАВА 4. Математическое моделирование в прогнозе ранних исходов критического состояния у новорожденных детей в отделении реанимации и интенсивной терапии 181
4.1. Формулировка целей моделирования. Отбор признаков-предикторов ранних исходов критического состояний у новорожденных детей и проверка их диагностической ценности 181
4.2. Прогнозирование ранних исходов критического состояния новорожденных детей на основе бинарной логистической модели 193
4.3. Прогнозирование ранних исходов лечения новорожденных детей в ОРИТ по показателям оценки 1-х суток 205
4.4. Прогнозирование ранних исходов лечения новорожденных детей в ОРИТ по показателям оценки 3-х суток лечения 214
4.5. Построение модели вероятности длительности нахождения в ОРИТ в группе выживших новорожденных детей 222
4.6. Построение модели вероятности длительности нахождения в ОРИТ в группе умерших новорожденных детей 234
4.7. Построение модели функции вероятности продолжения искусственной вентиляции легких у недоношенных детей с НМТ при рождении в зависимости от факторов, влияющих на длительность ИВЛ 246
ГЛАВА 5. Концепция временных шкал и её роль в решении задач оптимизации терапии при критическом состоянии у новорожденных детей в орит 262
5.1. Нелинейность выявленных закономерностей как основа формулировки концепции временных шкал 262
5.2. Иерархия временных шкал и задачи планирования контроля состояния ребенка 271
5.3. Нелинейные временные шкалы и оптимизация ведения ребенка в отделении реанимации и интенсивной терапии 285
ГЛАВА 6. Построение алгоритма прогнозирования ранних исходов критического состояния у новорожденных детей 296
6.1. Деревья классификации как общий линейный (графовый) алгоритм прогнозирования ранних исходов критического состояния у новорожденных детей 296
6.2. Объединение в блок-схему разработанных математических моделей 306
6.3. Проверка алгоритма на конкретном клиническом примере 308
ГЛАВА 7. Обсуждение полученных результатов 316
Заключение 325
Выводы 331
Практические рекомендации 333
Список сокращений 335
Список литературы 3
- Существующие подходы в прогнозировании исходов критического состояния у новорожденных детей
- Принципы построение информационной карты и ведения баз данных
- Оценка значения показателей кислородного статуса артериальной крови в объективизации тяжести состояния и прогнозе исхода лечения новорожденных детей в критическом состоянии
- Прогнозирование ранних исходов лечения новорожденных детей в ОРИТ по показателям оценки 1-х суток
Существующие подходы в прогнозировании исходов критического состояния у новорожденных детей
Неонатальная смертность является важнейшим медико-демографическим показателем, который объективно отражает состояние здоровья населения, уровни социально-экономического развития общества и функционирования системы здравоохранения. По данным О.Д. Заугштад [26], из 136 млн ежегодно рождающихся в мире новорожденных детей около 8 млн требуют проведения неонатальнои кардиореспираторнои реанимации и последующего продолжения аппаратной ИВЛ. По данным С.А. Barber [88] и J.M. Perlman [277], в продолженной вспомогательной ИВЛ и интенсивной терапии в мире нуждаются около 1 % от всех новорожденных детей, родившихся живыми. В США 6% из всех новорожденных детей, родившихся живыми, нуждаются в неонатальнои реанимации и интенсивной терапии (ориентировочно 200 000 детей в год, от 3,8 до 8,9% от всех родившихся живыми) [203].
Увеличение числа беременных женщин с высокими факторами риска (слишком ранний или поздний возраст для деторождения, курение, низкий социальный статус, экологические проблемы) способствовало росту, в том числе в ряде экономически развитых стран, рождения недоношенных детей, особенно с малой и экстремально малой массой тела, что резко увеличило потребность в неонатальнои реанимации и интенсивной терапии [205].
Необходимость в длительной кардиореспираторнои поддержке, непрерывном мониторном контроле за функциями организма, поддержке водно-электролитного баланса, индивидуального микроклимата, обеспечении парентеральным питанием возникает у новорожденных детей из-за тяжелой патологии или крайней степени незрелости организма, требующих искусственного замещения или поддержки жизненно важных функций организма. Такое состояние больного в современной медицине трактуется как критическое [53, 160, 184, 202, 212]. С конца 60-х до середины 80-х годов прошлого столетия суммарная выживаемость новорожденных детей с ЭНМТ возросла с 17 до 135 на 1000 родившихся живыми [185]. Параллельно с ростом выживаемости таких детей отмечается неуклонное увеличение финансовых затрат на внедрение большого числа новейших дорогостоящих диагностических и терапевтических медицинских технологий, при этом в мире число детей-инвалидов, особенно с умственной отсталостью и церебральным параличом, перенесших осложнения в периоде новорожденности, возрастает тоже. Стоимость лечения одного новорожденного ребенка с НМТ в неонатальном отделении реанимации с середины 80-х до середины 90-х годов прошлого столетия, в среднем, возросла на 10 000 долларов США, новорожденных с экстремальной массой тела при рождении - в среднем, на 20 000 долларов США [200]. Бюджет лечения всех недоношенных детей в США в 2005 г. составил 26,2 млрд долларов США, или 51 600 долларов на 1 недоношенного ребенка [185]. Госпитальные затраты в США на реанимацию и интенсивную терапию новорожденных детей со сроком гестации от 25 до 30 нед, в среднем, составляют 202 700 долларов, со сроком гестации от 30 до 38 нед - 46 400 долларов и со сроком гестации более 38 нед - 45 500 долларов [171]. Еще более существенными являются финансовые затраты на постреанимационную реабилитацию новорожденных детей: средняя стоимость 2-летней постреанимационной реабилитации выжившего недоношенного новорожденного ребенка с массой тела при рождении 1000 г в Финляндии, по данным 2003 г. составляла 104 635 Евро [334]. В этой связи чрезвычайно актуализировались проблемы индивидуального планирования лечебно-диагностических мероприятий и определения финансовых затрат на лечение конкретного новорожденного ребенка [185, 307].
Растущие финансовые затраты на новейшие диагностические и лечебные методики в неонатальной реаниматологии, возрастающие требования к качеству жизни новорожденного ребенка в постреанимационном периоде и необходимость решения сложных этических проблем в ходе лечения сформировали на рубеже прошлого и нынешнего столетия новые подходы решения задач в перинатологии, базирующиеся на индивидуальной оценке состояния ребенка. К их числу можно отнести стратегию выжидания несомненного факта («wait until certainty» strategy) [129, 163, 360], индивидуальную прогностическую стратегию (individualized prognostic strategy) [29, 122, 258, 349], прогностическое моделирование индивидуального риска для пациента (prognostic modeling of individual patient risk and mortality) [249, 305], статистическую прогностическую стратегию (statistical prognostic strategy) [235, 274], в основе которых принятие лечебно-тактического решения в той или иной степени базируется на оценке состояния конкретного ребенка и индивидуальном прогнозировании.
Совершенно очевидно, что проблемы неонатальной реаниматологии сформировали для человечества большой круг неразрешенных проблем, включающий финансовые, организационные, кадровые, социальные, демографические, этические и другие проблемы. Необходимость решения данных проблем чрезвычайно актуализировала задачу прогнозирования исходов неонатального периода, включая прогнозирование исходов жизнеугрожающих состояний этого периода.
Несмотря на достигнутые успехи в прогнозировании в других областях науки, проблема индивидуального прогнозирования в неонатальной реаниматологии далека от своего решения как в плоскости практических решений, так и в методологическом плане. 1.2. Роль прогнозирования в неонатальной реаниматологии и решение задачи сокращения репродуктивных потерь
Не вызывает сомнения, что обозначенные выше проблемы затрагивают и российское здравоохранение. Сложившаяся в России на рубеже XX-XXI в. неблагоприятная демографическая ситуация, характеризующаяся естественной убылью и ухудшением здоровья населения, определяет особую социальную и политическую значимость проблемы повышения рождаемости и снижения репродуктивных потерь. Эта проблема особенно актуальна сегодня в связи с предстоящим снижением рождаемости из-за уменьшения численности женщин фертильного возраста вследствие «демографической волны» как результата сверхнизкой рождаемости в 90-е годы [9].
Репродуктивные потери принципиально отличаются от смертности других возрастных групп населения с позиций потенциальной демографии, поскольку не рожденные дети и умершие младенцы представляют собой невосполнимую утрату жизненного потенциала популяции «на старте жизни» и являются безвозвратной потерей человеческого капитала - репродуктивного, трудового, интеллектуального, оборонного. Понятие «репродуктивные потери» означает потерю продуктов зачатия на всех этапах развития плода - в результате самопроизвольного и вынужденного (по медицинским и социальным показаниям) прерывания беременности, мертворождения, а также смерть детей первого года жизни [57].
Сегодня Россия находится на этапе окончания позитивного периода развития репродуктивно-демографического процесса, характеризующегося максимальным уровнем рождаемости за весь постсоветский период (что было обусловлено увеличением числа женщин фертильного возраста) - перед неизбежным снижением рождаемости в ближайшие годы - в условиях «затухания» эффекта от государственных мер по ее стимулированию [57].
Принципы построение информационной карты и ведения баз данных
Планирование данного исследования началось на этапе разработки «Клинического регистра новорожденных детей отделения реанимации и интенсивной терапии». Именно в этот период начали формулировку цели исследования, разработку его задач, построение программы и плана.
На этапе статистического наблюдения производили сбор материала для его последующей статистической обработки. На данном этапе основные усилия были направлены на контроль точности и полноты регистрации первичных данных, их безошибочного ввода на машиночитаемые носители информации. Во многом данные задачи были решены при разработке и эксплуатации системы управления базами данных «Клинический регистр новорожденных детей ОРИТ», о чем рассказывалось в предыдущем разделе.
Целью сводки информационных данных исследования являлось объединение воедино материалов статистического наблюдения и получение обобщающих статистических показателей, отражающих существенные аспекты прогноза исходов критического состояния у новорожденных детей в ОРИТ. В частности было произведено слияние данных основных таблиц «Анамнез и исход» и «Ежедневное наблюдение», выполненное в программе MS Excel 2010.
На данном этапе произведена проверка соответствия группировок различных признаков друг другу. В последующем разработали новые группировки с помощью специальных математико-статистических методов - корреляционного и кластерного анализа. Была проведена проверка однородности данных, выявлены и удалены «выскакивающие» значения показателей. Добротная подготовка первичных данных явилась залогом успешного решения задач научного исследования и достижения его цели.
Программа первичного статистического анализа данных была разработана в Центре «БИОСТАТИСТИКА» совместно с доцентом факультета информатики Томского государственного университета, канд.тех.наук В.П. Леоновым.
Процедуры статистического анализа выполняли с помощью статистических пакетов STATISTICA 10 и SPSS 20. С помощью пакета STATISTICA 10 были проведены большинство процедур статистического анализа. Необходимость использования пакета SPSS 20 была продиктована более лучшей реализацией с пользовательских позиций процедуры логистической регрессии и наличием блока для проведения ROC-анализа. Критическое значение уровня статистической значимости при проверке нулевых гипотез принималось равным 0,05. В случае превышения достигнутого уровня значимости статистического критерия этой величины принималась нулевая гипотеза.
Проверка нормальности распределения вероятности количественных признаков с помощью критерия Колмогорова-Смирнова и критерия Шапиро-Уилка показала, что более 80% всех количественных признаков в группах сравнения не имели нормального распределения. Поэтому для сравнения центральных параметров групп использовали непараметрические методы: дисперсионный анализ Краскела-Уоллиса с ранговыми метками Вилкоксона и критерий ван дер Вардена. Проверка на отклонение от нормального закона является обязательной процедурой в ходе проведения измерений и испытаний [17]. Необходимость использования двух критериев проверки нормальности распределения (критерий Шапиро-Уилка и критерий Колмогорова-Смирнова) диктовалась тем, что мощность критерия Шапиро-Уилка сильно снижается при больших выборках количественных признаков [45]. Для всех количественных признаков в сравниваемых группах производили оценку средних арифметических и среднеквадратических (стандартных) ошибок среднего.
Программа первичного статистического анализа данных.
Задача №1. Подготовка массива данных к работе. Поиск и исправление ошибочно введённых символов и опечаток в массиве данных, состоящих из 2550 наблюдений по 103 признакам, из них 27 признаков являются качественными и 76 признаков - количественными.
Задача №2. Оценка дескриптивных статистик (среднее, ошибка среднего, коэффициент вариации) для всех 76 количественных признаков раздельно в подгруппах, образованных каждым из 27 качественных признаков. Цель: приводить средние значения признаков в подгруппах (и ошибки этих средних) необходимо для описания особенностей этих подгрупп.
Задача №3. Проверка гипотезы нормальности распределения с помощью критериев Шапиро-Уилка и Колмогорова-Смирнова каждого из 76 количественных признаков в отдельных подгруппах, образованных 27 качественными признаками. Критический уровень значимости был задан равным 5%. Кроме проверки нормальности распределения были оценены 95% доверительные интервалы для средних, стандартных отклонений и дисперсий, а также основные процентили - 1, 5, 10, 25, 50, 75, 90, 95 и 99%. Цель: этот анализ необходим для аргументации выбора между параметрическими и непараметрическими методами сравнения средних.
Задача №4. Проверка гипотез о равенстве групповых средних всех 76 количественных признаков с помощью однофакторного дисперсионного анализа (ANOVA) и непараметрических критериев ван дер Вардена и Краскела-Уоллиса, а также медианного критерия. В качестве группирующего признака выступала переменная Sex (пол). Цели задач № 4-28: сравнивая средние, мы узнаем, отличаются ли между собой статистически значимо эти средние значения между различными группами. В дальнейшем это должно объяснить наличие или отсутствие отдельных количественных признаков в числе предикторов в уравнениях логистической регрессии для качественных зависимых признаков.
Задача №5. Проверка гипотез о равенстве групповых средних всех 76 количественных признаков с помощью однофакторного дисперсионного анализа (ANOVA) и непараметрических критериев ван дер Вардена и Краскела-Уоллиса, а также медианного критерия. В качестве группирующего признака выступала пе 82 ременная DsAdmFst (первый основной диагноз при поступлении).
Оценка значения показателей кислородного статуса артериальной крови в объективизации тяжести состояния и прогнозе исхода лечения новорожденных детей в критическом состоянии
Произведено исследование статистической связи между выборками показателя усредненной оценки в профиле «Раздражение-угнетение» в группах новорожденных детей, сформированных по массе тела при рождении с использованием рангового дисперсионного анализа (ANOVA) Фридмана (х2) и коэффициента конкордации Кендалла (W). В оценке конкордации исходили из того, что близость коэффициента конкордации (W) к 1 означает сильную степень согласия между средними значениями количественных признаков в группах. Для определения значимости коэффициента конкордации использовали критерий Пирсона при числе степеней свободы п-1, сравнивая расчетное значение критерия Пирсона с критическим.
На рисунке 25 видно, что имеются достоверные различия значений показателя усредненной оценки в профиле «Раздражение-угнетение» в группах новорожденных детей, разделенных по массе тела при рождении. Результат рангового дисперсионного анализа (ANOVA) Фридмана - х2= 28,4; р=0,000; коэффициент конкордации Кендалла - W = 0,04.
Сравнение средних значений показателя усредненной оценки в профиле «Раздражение-угнетение» в группах новорожденных детей, сформированных по массе тела при рождении.
Однако сравнение средних значений показателя усредненной оценки в профиле «Раздражение-угнетение» только в группах 2, 3, 4 и 5 не выявило достоверных различий (х2 = 5,4; р = 0,148; W = 0,008).
На рисунке 26 отчетливо продемонстрировано, что параллельно с углублением угнетения центральной нервной системы от умеренного до выраженного происходит нарастание отечного синдрома от пастозности до анасарки. Очевидно, что углубление неврологических нарушений сопровождается прогрессированием вегетативно-висцеральных расстройств, в том числе отечного синдрома.
Необходимо отметить, что параллельно с углублением угнетения центральной нервной системы у исследованных новорожденных детей отмечалось и нарастание гиперлактатемии, что было описано в разделе 3.2. и показано на рисунке 15.
Как уже было отмечено в разделе 3.2., обнаруженная значимая корреляционная связь силы между показателем усредненной оценки в профиле «Раздражение-угнетение» и концентрацией лактата в артериальной крови отражает взаимосвязь прогрессирования тканевой гипоксии и угнетения центральной нервной системы.
Суммируя выявленные взаимосвязи между показателем усредненной оценки в Профиле «Раздражение-угнетение» с одной стороны, и объемом медикаментозной седатации, концентрацией лактата в артериальной крови, параметрами ИВЛ, индексом оксигенации - с другой стороны, можно сделать следующее заключение: при критического состояния новорожденных детей, требующих проведения ИВЛ с предельными параметрами, имеет место угнетение ЦНС, обусловленное как последствиями тканевой гипоксии, диагностируемой по уровню ги-перлактатемии, так и необходимой медикаментозной седатацией.
Обнаружена достоверная корреляционная связь между показателем усредненной оценки в профиле «Раздражение-угнетение» и оценкой по шкале NEOMOD (рисунок 28).
Исследована прогностическая информативность показателем усредненной оценки в профиле «Раздражение-угнетение». С этой целью проведена проверка гипотезы о равенстве групповых средних показателя усредненной оценки в профиле «Раздражение-угнетение» с помощью однофакторного дисперсионного анализа (ANOVA) и непараметрических критериев ван дер В ар дена и Краскела-Уоллиса при группирующем дискретным признаке Outcome (исход лечения в ОРИТ). По результатам анализа нулевая гипотеза о равенстве средних величин показателя усредненной оценки в профиле «Раздражение-угнетение» на кодах фактора Outcome (исход лечения в ОРИТ) отклонена, принята альтернативная гипотеза. Это означает, что показатель усредненной оценки в профиле «Раздражение-угнетение» обладает высокой прогностической значимостью для решения задачи прогнозирования ранних исходов критического состояния у новорожденных детей. Результат анализа продемонстрирован на категорированной диаграмме размаха.
На рисунке 29 показаны выявленные достоверные различия значений показателя усредненной оценки в профиле «Раздражение-угнетение» в группах раннего исхода критического состояния у новорожденных детей. Результат рангового дисперсионного анализа (ANOVA) Фридмана - х2 = 49,7; р=0,000. В группе пациентов с летальным исходом значения показателя усредненной оценки в профиле «Раздражение-угнетение» достоверно заметно ниже, чем при благоприятном исходе.
Перспективным для планирования лечебно-диагностических мероприятий и построения прогностических оценок представляется анализ взаимосвязей между несколькими показателями, в частности между показателя усредненной оценки в профиле «Раздражение-угнетение», концентрацией лактата в артериальной крови и оценкой по шкале MEOMOD. Каждый из представленных показателей отражает самостоятельный аспект оценки новорожденного ребенка в критическом состоянии: концентрация лактата в артериальной крови - степень нарушения кислоро-дозависимых путей метаболизма в организме, усредненная оценка в профиле «Раздражение-угнетение» - результат комплексной оценки функционального состояния центральной нервной системы новорожденного ребенка, а оценка по шкале NEOMOD - глубину полиорганных нарушений. Одновременная оценка динамики трех этих показателей отражает процесс угнетения центральной нервной системы и полиорганной недостаточности при сохраняющейся или углубляющейся тканевой гипоксии.
Прогнозирование ранних исходов лечения новорожденных детей в ОРИТ по показателям оценки 1-х суток
На нормальном вероятностном графике (см. рисунок 56) обнаруживаются выбросы значений переменной Stay Hours (длительность нахождения новорожденного ребенка в ОРИТ в часах), что также свидетельствует о том, что распределение показателя отлично от нормального.
Критерии Шапиро-Уилка (W = 0,890; р=0,000) и Колмогорова-Смирнова (d=0,130; р 0,01) показали значения достигнутого уровня значимости менее 0,05. Нулевая гипотеза о нормальности распределения показателя StayHours была отклонена. Отклонение нулевой гипотезы о нормальности распределения переменной Stay Hours заставило отказаться от использования регрессионного моделирования, основанного на предположении о нормальном распределении зависимой переменной.
Произведено построение таблиц времени жизни, функции плотности вероятности длительности нахождения в ОРИТ в группе выживших детей и функции интенсивности вероятности длительности нахождения в ОРИТ в этой группе. Для изучения аналитической формы построенной функции длительности нахождения в ОРИТ у выживших новорожденных детей произведен анализ результатов аппроксимации данных исследования теоретическим распределением с использованием распределений Вейбулла и экспоненциального, а также распределения Гомперца.
Сравнив оценки параметров для представленных семейств распределений, был сделан вывод, что только для распределение Гомперца при оценивании по минимуму суммы взвешенных квадратов по всем трем теоретическим кривым имелось значимое отличие от наблюдаемых значений: х2_критерий даёт значимое отклонение по всем трем алгоритмам. Следовательно, распределение Гомперца с таким набором параметров описывает исследуемую вероятность длительности нахождения в ОРИТ в исследуемой группе наилучшим образом.
Observed Weight 1 Weight 2 Weight Рисунок 57. График плотности вероятности нахождения в ОРИТ у выживших новорожденных детей. На графике (рисунок 57) видно, что вероятность нахождения в ОРИТ наиболее велика первые часы после поступления, затем она постепенно снижается.
Функция вероятности нахождения новорожденного ребенка в ОРИТ в группе выживших больных, построенная методом множительных оценок Каплана Майера.
На рисунке 58 видно, что через 100 ч от момента поступления вероятность нахождения в ОРИТ в группе выживших детей составляет приблизительно 60%, через 120 ч - 50% и к 200 ч - снижается до 30%.
Проведено сравнение функций вероятности нахождения новорожденных детей в группе выживших больных с разной массой тела при рождении.
Сравнение функций вероятности нахождения новорожденного ребенка в ОРИТ в группе выживших больных с разной массе тела при рождении. На рисунке 59 видно, что четко выделяются 3 группы по длительности нахождения в ОРИТ:
Для решения задачи моделирования функции вероятности нахождения новорожденного ребенка в ОРИТ у выживших детей использована модель пропорциональных интенсивностей (рисков) Кокса. Модель вероятности нахождения новорожденного ребенка в ОРИТ при допущении пропорциональности рисков (влияний на зависимую переменную) выглядит следующим образом:
Для построение модели пропорционального риска Кокса вероятности нахождения в ОРИТ использован подмодуль Survival Analysis модуля Advanced Linear/Nonlinear Models пакета прикладных программ STATISTICA 10.
В результате решения по матрице наблюдений базы данных получены таблица коэффициентов модели для 5 наиболее значимых факторов (таблица 41) и график вероятности нахождения в ОРИТ у выживших новорожденных детей для средних значений факторов (рисунок 60).
По данным таблицы 44 построена модель вероятности нахождения в ОРИТ у выживших новорожденных детей, оцененная по критерию х2 максимального правдоподобия как достоверная (х2 =1709,15; р=0,000; достоверность 1-р = 1 - 0000 = 1). Все коэффициенты модели значимы с уровнем значимости р 0,10.
Таким образом, модель вероятности нахождения в ОРИТ у выживших новорожденных детей выглядит следующим образом: h(t;x) = h0(t;x) exp (0,038Hb - 0,747RBC - 0,002PLT - 1,452X - 0,27HourUrOut), где Hb (концентрация гемоглобина, г/л), RBC (число эритроцитов в 1 мкл периферической крови, х1012/л), PLT (число тромбоцитов в мкл периферической крови, хЮ9/л), X (оценка в профиле «Раздражение-угнетение», баллы) и HourUrOut [почасовой диурез, мл/(кгхчас)] - это центрированные значения факторов, т.е. разности текущих и средних значений этих факторов.
По знакам коэффициентов модели видно, что увеличение отрицательных значений всех факторов, за исключением НЬ (концентрация гемоглобина), ведет к возрастанию вероятности нахождения в ОРИТ в группе выживших новорожденных детей.
В результате проведенного исследования удалось выявить комплекс показателей, чувствительно отражающих состояние физиологической стабильности новорожденного ребенка и использовать их в оценке готовности к прекращению интенсивной терапии. Нормализация и стабилизация показателей красной крови (ко 234 личество эритроцитов в одном 1 мкл периферической крови и концентрация гемоглобина) и, следовательно, стабилизация кислородтранспортной функции крови, нормализация неврологического статуса по результатам оценки в профиле «Раздражение-угнетение»», а также нормализация почасового диуреза являются маркерами готовности к прекращению проведения интенсивной терапии. Практическая важность полученных результатов заключается в том, что разработанные данные и подходы относятся к новорожденным детям с различной массой тела при рождении. Доступность для получения включенных в модель показателей для нео-натальных отделений реанимации 1-го и 2-го уровня открывает широкие возможности для прогнозирования длительности нахождения в ОРИТ с целью индивидуальных лечебно-тактических мероприятий.