Статьи с темой: «прогнозирование»
-
2025 № 3 Номограмма, разработанная с помощью методов машинного обучения и с оценкой клинической ценности, для прогнозирования хронической болезни почек у детей.
Актуальность. Профилактика хронической болезни почек (ХБП) основана не только на определении этиологических и патогенетических особенностей заболевания у пациента, но и на использовании информационных инструментов, помогающих врачу выявить заболевание у ребенка и своевременно направить к нефрологу.
Цель исследования: разработать графический инструмент, позволяющий прогнозировать риск развития хронической болезни почек у детей.
Материалы и методы исследования. Данные получены из одноцентрового ретроспективного когортного исследования (2011–2022 г. г.) детей с ХБП 1–4 стадии в возрасте от 1 до 17 лет. В группе детей с ХБП (n=128) девочек 88 (68,8%), мальчиков 40 (31,2%). В группе детей без ХБП (n=30) девочек 18 (60,0%), мальчиков 12 (40,0%). Медиана возраста составила 6 (5,0–8,0) лет. Заболевание почек у пациентов длилось 2 (1,0–3,0) года. Дети в выделенных группах статистически значимо не различались по полу и возрасту.
Результаты. Важными предвестниками хронической болезни почек у детей стали: потеря белка с мочой (0.24 [0.07; 0.42], против 0,0 [0,0; 0,0], n=30, p<0,001; гематурия (2,0 [0,0; 4,0], против 0,0 [0,0; 0,0], p<0,001); астеническое телосложение (76,6% против 10,0% p<0,001; ОШ 29,4 [8,33; 103,7]); отягощенная наследственность по нефрологической или обменной патологии в первом и втором поколениях (77,3% против 0%, p<0,001; ОШ 205,75 [12,21; 3467,52]; анемия во время беременности (70,3% против 10,0%, p<0,001; ОШ 21,32 [6,1; 74,54]). Построена модель отличного качества (ROC-AUC>90%), на ее основании разработана номограмма.
Заключение. Номограмма предназначена для прогнозирования или скрининга ХБП у детей и использования в первичном звене здравоохранения. -
2024 № 9 Разработка интеллектуальной системы поддержки принятия врачебных решений для прогнозирования хронической болезни почек у детей.
Диагноз хронической болезни почек часто ставится слишком поздно. В настоящее время точность диагностики составляет 44,1%, что подчеркивает острую необходимость в улучшении методов диагностики.
Цель исследования: разработать модель – систему поддержки принятия врачебных решений для прогнозирования хронической болезни почек у детей.
Материалы и методы исследования. Проведено одноцентровое ретроспективное когортное исследование (2011–2022 гг.) детей с хронической болезнью почек 1–4 стадии в возрасте от 1 до 17 лет. Для построения прогностической модели диагностики хронической болезни почек у детей использован ансамблевый метод обучения, с помощью которого объединили модели, полученные алгоритмами машинного обучения: многофакторная логистическая регрессия и дерево решений. В моделях использовано пять переменных: астеническое телосложение у ребенка, потеря белка и эритроцитов с мочой, СОЭ и натрий сыворотки крови.
Результаты. В исследовании участвовало 158 пациентов. В основную группу включены 128 детей с хронической болезнью почек 1–4 стадии в возрасте от 1 до 17 лет. Группу сравнения составили 30 детей без диагностированной патологии почек в возрасте от 1 до 17 лет. Дети двух групп статистически значимо не различались по полу и возрасту. Получена модель, позволяющая прогнозировать хроническую болезнь почек у детей на тестовой выборке с точностью 93,5% [87,1; 100,0]%, чувствительностью 92,0% [82,1; 100,0]%, специфичностью 100,0% [100,0; 100,0]%, ROC-AUC = 98,7% [95,2; 100,0]%. Полученная модель отличного качества (>90%). Модель описывает 90,3% [83,8; 96,1]% дисперсии.
Заключение. Предлагаемая модель демонстрирует превосходную прогностическую способность и может иметь важное клиническое значение для прогнозирования хронического процесса в учреждениях первичной медико-санитарной помощи, где симптомы, связанные с риском хронической болезни почек, могут быть упущены из виду. Прогнозирование и разработка ранней нефропротективной стратегии могут привести к лучшим результатам лечения и продлить жизнь. -
2022 № 9 Методологические основы прогнозирования распространения заболеваний в мире (обзор)
В современных условиях прогнозирование заболеваемости населения становится одной из самых актуальных задач здравоохранения во всем мире. Для государственных и международных служб здравоохранения с помощью построения прогноза возможной заболеваемости и распространенности различных болезней в общей популяции становится необходимым совершенствовать систему оказания специализированной помощи за счет возможности уточненного расчета необходимых ресурсов.
Цель исследования – провести анализ методологической основы прогнозирования заболеваемости населения на основе изучения и обобщения литературных источников.
Материалы и методы. Материалами для проведения анализа являлись научные публикации по вопросам прогнозирования и моделирования заболеваемости в различных подгруппах населения и территориях Российской Федерации и других стран. В ходе исследования применялись методы: сравнительного анализа, изучения и обобщения опыта, библиографический.
Результаты. В настоящее время существует целый ряд исследований, посвященных прогнозированию заболеваний, растет количество методических подходов к прогнозу возможных изменений эпидемиологической обстановки на различных территориях. В ходе исследования представлен обзор существующих методических подходов к прогнозированию заболеваемости
населения в России и в мировом сообществе.
Выводы. Таким образом, проведенный анализ опыта прогнозирования заболеваемости позволиn определить особенности применения тех или иных смешанных методик прогноза разных классов, групп и видов заболеваний, особенно при выявлении новых вирусов и заболеваний инфекционного характера. -
2026 № 7 Прогнозирование восстановления минеральной плотности костной ткани в области бедренной кости у пациентов с первичным гиперпаратиреозом после паратиреоидэктомии.
Цель исследования: разработать прогностическую модель восстановления минеральной плотности костной ткани (МПК) в области бедренной кости в течение года после паратиреоидэктомии (ПТЭ) у пациентов с симптомной формой первичного гиперпаратиреоза (ПГПТ) с применением алгоритмов машинного обучения и параметров трехмерного моделирования проксимального отдела бедренной кости (3D-DXA).
Материалы и методы. Проведено ретроспективное одноцентровое исследование (n=116; 96,6% женщин; возраст 57,5 [45,75; 64] лет) на базе ФГБУ «НМИЦ эндокринологии им. академика И. И. Дедова» Минздрава России. В качестве бинарного исхода был прирост МПК ≥3% в области бедренной кости в целом (BMD TH) и шейки бедренной кости (BMD FN) через год после ПТЭ. Прогностические модели построены на основе категориального градиентного бустинга (CatBoostClassifier). Для предварительного отбора предикторов проведен одномерный сравнительный анализ подгрупп.
Качество моделей оценивалось по диагностической чувствительности (ДЧ), специфичности (ДС), прогностической ценности положительного (ПЦПР) и отрицательного (ПЦОР) результата.
Результаты. Мультивыходная модель с единым набором предикторов и общими гиперпараметрами показала нестабильное качество: для BMD FN ДЧ снизилась с 78% при кросс-валидации до 60% на тестовой выборке. Индивидуальные модели с раздельным набором предикторов и параметрами 3D-DXA продемонстрировали существенно более высокие результаты. Модель для BMD FN достигла ПЦПР 74±6% и ПЦОР 74±4% при кросс-валидаци; модель для BMD TH – ПЦПР 82±6% и ПЦОР 81±12%.
Заключение. Впервые разработаны прогностические модели восстановления МПК бедренной кости после ПТЭ при ПГПТ на основе алгоритмов машинного обучения. Разработанные модели являются инструментом поддержки принятия врачебных решений для персонализации послеоперационного ведения пациентов с ПГПТ: стратификации риска недостаточного восстановления МПК, планирования сроков контрольной денситометрии и обоснования назначения анти-остеопоротической терапии. -
2022 № 2 Прогнозирование развития гипертонической болезни с использованием моделей машинного обучения в подсистеме дистанционного кардиомониторинга
Одна из задач персонализированной медицины заключается в построении новой организационной модели оказания медицинской помощи пациентам, основываясь на подборе индивидуальных лечебных, диагностических и превентивных средств, оптимально подходящих по особенностям организма. Современные методы искусственного интеллекта позволяют решать задачи подобного типа.
Цель исследования – построение и применение прогностических моделей логистической регрессии и дерева решений с использованием методов машинного обучения для выявления пациентов с высоким риском развития гипертонической болезни без необходимости проведения инвазивных клинических процедур.
Материалы и методы. Используется сформированный набор данных, состоящий из 395 записей о пациентах Воронежской городской клинической поликлиники № 1. Каждая запись содержит параметры пациентов: пол пациента; возраст пациента; индекс массы тела; окружность талии; окружность бедер; статус курения табака; статус употребления алкоголя; систолическое давление; диастолическое давление. Применяются методы машинного обучения для построения прогностических моделей.
Результаты. Построены две модели прогнозирования развития гипертонической болезни, характеризующиеся высокими показателями точности классификации: модель логистической регрессии, предназначенная для расчета индивидуального риска пациента (точность 96%), и модель на основе деревьев решений, предназначенная для прогнозирования возможного заболевания пациента гипертонической болезнью и объяснения причин, по которым может происходить это заболевание (точность 92%).
Выводы. Показана целесообразность применения методов машинного обучения при построении прогностических моделей по оценке состояния пациентов, обозначена возможность создания рекомендательного блока на основе полученных моделей в подсистеме дистанционного кардиомониторинга. -
2019 № 10 К вопросу о разработке информационной системы для оценки тяжести течения вич-инфекции у осужденных
Одним из актуальных вопросов современности является прогнозирование течения ВИЧ инфекции и развитие СПИДа. Возможность оценить в числовом эквиваленте исход заболевания (в частности развитие СПИДа) в зависимости от ряда систематически учитываемых медицинских показателей у носителя ВИЧ представляет огромный интерес. Для разработки информационной системы для оценки тяжести течения ВИЧ инфекции у осужденных следует в первую очередь оценить связь между показателями, которые характеризуют состояние больного и развитие непосредственно самой болезни. В статье рассмотрена возможность применения корреляционного анализа данных для выявления связи между ВИЧ и основными медицинскими показателями, мониторинг которых регулярно проводится в уголовно-исполнительной системе. Проведён регрессионный анализ данных и найдены коэффициенты для разработки модели. На основе полученной модели была разработана компьютерная программа, позволяющая более точно проводить мониторинг заболевания у осужденных.