Научно-практический журнал
«Клиническая физиология кровообращения»

Главный редактор

Лео Антонович Бокерия, доктор медицинских наук, профессор, академик РАН и РАМН, президент ФГБУ «НМИЦ ССХ им. А.Н. Бакулева» МЗ РФ


Применение метода логистической регрессии для факторов риска, влияющих на исход операции в условиях искусственного кровообращения

Авторы: Д.С. Симанков

Организация:
ФГБОУ ВПО «Московский авиационный институт (национальный исследовательский университет)», Москва

Для корреспонденции: Сведения доступны для зарегистрированных пользователей.

Раздел: Искусственное кровообращение

Библиографическая ссылка: Клиническая физиология кровообращения. 2013; (): -

Цитировать как: Д.С. Симанков. Применение метода логистической регрессии для факторов риска, влияющих на исход операции в условиях искусственного кровообращения. Клиническая физиология кровообращения. 2013; (): -. DOI:

Ключевые слова: факторы риска, кардиохирургия, статистический анализ, летальность

Полнотекстовая версия:  

Аннотация

Цель. Оценка вероятности летального исхода операций в условиях искусственного кровообращения (ИК). Решение данного вопроса для операций в условиях ИК связано с выявлением главных факторов риска летального исхода. Обосновав выбор важных факторов с медицинской точки зрения, дальнейший ход решения задачи выполнен с использованием статистических расчётов.

Материал и методы. В период с 2006 по 2009 г. в Федеральном научном центре трансплантологии и искусственных органов имени академика В.И. Шумакова формировалась база данных пациентов кардиохирургического профиля, оперированных в условиях ИК. В анализ вошли 1731 пациент. Были выделены факторы: а) дооперационные - наличие/отсутствие повторных операций и бактериального эндокардита, возраст; б) интраоперационные - наличие/отсутствие хронических очагов инфекций, проведение реторакотомии и кровопотеря более 500 мл, длительность ИК; в) послеоперационные - наличие/отсутствие развития в первые дни после операции полиорганной недостаточности (ПОН), проведение внутриаортальной баллонной контрпульсации (ВАБК) и длительность (в сутках) вентиляции лёгких (ИВЛ). Предварительный статистический анализ выполнялся с помощью непараметрических критериев. Оценка интенсивности связей между выделенными факторами риска, влияющими на исход операции, выполнена по V- коэффициенту Крамера. Дальнейший статистический анализ выполнялся с помощью модели логистической регрессии.

Результаты. Получены адекватные уравнения логистической регрессии для факторов ВАБК и ПОН, переменными в которых являются дооперационные и интраоперационные факторы риска летального исхода. В 78,3% случаев можно предсказать вероятность наличия фактора ВАБК и в 84,6% - ПОН. Данные цифры являются процентом согласия, конкордации. Получена адекватная модель с процентом конкордации 93,9% для фактора смерть. Важным является не только получение уравнения, по которому можно достоверно вычислить вероятность смерти, но и установление связей между факторами риска, которые приводят к ней.

Заключение. Длительная ИВЛ является статистически достоверным фактором риска развития ПОН. Для снижения вероятности проведения ВАБК надо не допустить проведения реторакотомий. Это же позволит снизить вероятность наступления фактора ПОН, поскольку он зависит от проведённой реторакотомии через фактор - кровопотеря более 500 мл. Предикторным фактором, влияющим на исход операции, является ПОН, которая часто встречается на фоне ИВЛ более 2 сут. В этом же ряду стоит и фактор длительности ИК в его количественном виде. На третьем месте расположилась группа факторов - возраст пациента, выраженный в количественной форме, и интраоперационные взаимосвязанные факторы - проведение реторакотомий и кровопотеря более 500 мл.

Литература

Афифи А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. М.: Мир, 1982. 488 с.
Габриэлян Н.И. Гнойно-септические осложнения в трансплантологии и кардиохирургии: эпидемиология и профилактика: Автореф. дис. … д-ра мед. наук. М., 2011.
Кендалл М., Стьюарт А. Статистические выводы и связи / Пер. с англ. М.: Главная редакция физ.-мат. литературы, 1973. 899 с.
Ланг Т. А., Сесик М. Как описывать статистику в медицине: Руководство для авторов, редакторов и рецензентов / Пер. c англ. под ред. В.П. Леонова. М.: Практическая медицина, 2011. 480 с.
Леонов В. Логистическая регрессия в медицине и биологии. URL: http://www.biometrica.tomsk.ru/logit_1.htm.
Леонов В.П. Обработка экспериментальных данных на программируемых микрокалькуляторах. Томск: Изд-во ТГУ, 1990. 376 с.
Симанков Д.С., Савостьянова О.Н. Статистические методы для анализа значимости факторов риска послеоперационной летальности у кардиохирургических пациентов, прооперированных в условиях искусственного кровообращения // Вестник трансплантологии и искусственных органов. Т. 14. Материалы 6 Всероссийского съезда трансплантологов. М., 2012. С. 234-235.
Симанков Д.С., Савостьянова О.А., Мелемука И.В. и др. Статистическая модель прогноза летальности пациентов кардиохирургического профиля, оперированных в условиях искусственного кровообращения // Тезисы 14 съезда сердечно-сосудистых хирургов. М.: НЦССХ им. А.Н. Бакулева РАМН, 2008.
Справочник по прикладной статистике. В 2-х т.: Пер. с англ. / Под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина. М.: Финансы и статистика, 1989, 1990.
Hosmer D. W. Jr, Lemeshow S. Applied logistic regression. 2nd ed. Hoboken, New Jersey: John Wiley & Sons, Inc., 2000. 397 p.

 Если вы заметили опечатку, выделите текст и нажмите Alt+A