Статьи с темой: «сердечно-сосудистые заболевания»
-
2017 № 2 Возможность использования мобильного приложения в качестве инструмента повышения приверженности пациентов кардиологического профиля.
В настоящее время актуальна проблема низкой приверженности к лечению у пациентов с хроническими заболеваниями. Больные сердечно-сосудистыми заболеваниями не являются исключением. Необходима разработка современных инструментов, повышающих информированность пациентов и помогающих им следовать рекомендациям врача. Цель исследования – изучение готовности пациентов кардиологического профиля использовать мобильные программы и приложения, предназначенные для повышения приверженности лечению. В настоящее исследование включено 106 пациентов, госпитализированных в 2017 г. в стационары ГБУЗ КО «КОККД им. акад. Л. С. Барбараша» и ФГБНУ НИИ КПССЗ с различными сердечно-сосудистыми заболеваниями. Пациенты проходили анкетирование по оригинальному опроснику, включающего в себя вопросы об использовании мобильных телефонов, активности в социальных сетях и готовности пользоваться приложениями и программами для пациентов. Данные анкетирования проанализированы среди разных возрастных, нозологических и гендерных групп. В данной выборке выявлен высокий процент активных пользователей мобильных телефонов (97%). Более половины (57%) пациентов выразили готовность использования программ и приложений, повышающих приверженность лечению. Потенциальную аудиторию в отношении готовности использования приложений составляют лица от 51 до 70 лет. Среди разных нозологических групп наилучшие результаты показали пациенты с гипертонической болезнью, приобретенными пороками сердца и стенокардией напряжения (66–0%). По гендерному признаку достоверных различиий получено не было. Высокий процент использования мобильных телефонов среди пациентов и готовность к активному применению программ и приложениий можно использовать в качестве одного из средств повышения приверженности лечению.
-
2016 № 2 Информационно-аналитическая система мониторинга кардиологической помощи в пенитенциарных учреждениях России
В статье представлено описание нового программного комплекса, который позволяет в реальном режиме времени оценить готовность медико-санитарных частей Федеральной службы исполнения наказаний Российской Федерации к оказанию первичной доврачебной, врачебной и специализированной медико-санитарной помощи больным с сердечно-сосудистыми заболеваниями. Система позволяет осуществлять сбор, хранение, анализ и визуализацию информации.
-
2017 № 2 Определение факторов риска сердечно-сосудистой летальности в учреждениях уголовно-исполнительной системы с использованием методов машинного обучения.
В статье представлены результаты первого клинико-эпидемиологического исследования по выявлению факторов риска летального исхода сердечно-сосудистых заболеваниий у пациентов лечебных учреждениий уголовно- исполнительной системы. В исследовании применялись методы машинного обучения, основанные на построении оптимальных разбиениий признакового пространства, и методы распознавания. Это с высокой достоверностью позволило определить предиктивные факторы госпитальной летальности кардиологического больного, которыми стали: употребление крепкого тонизирующего напитка «чифир», возраст, вес, рост, систолическое и диастолическое артериальное давление, уровень гемоглобина, частота сердечных сокращениий, фракция выброса левого желудочка, конечный систолический и конечный диастолическийй размер левого желудочка, наличие артериальной гипертензии и число судимостей.
-
2019 № 3 pdf Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний
Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры – шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало ограничения в точности прогнозирования. Машинное обучение дает возможность повысить точность прогнозирования сердечно-сосудистого риска за счет нелинейных взаимосвязей их более глубокой настройки между факторами риска и результатами заболеваний. Используя данные 2236 пациентов, нами была обучена модель по признакам, используемым в построении фрамингемской шкалы. Мы сравнили полученную модель и Фрамингемскую шкалу на точность прогнозасердечно-сосудистого события. Так, по ROC анализу для Фрамингемской шкалы показатели следующие: точность Accuracy: 70,0%, качество AUC: 0.59. При этом для модели, полученной с использованием машинного обучения, аналогичные показатели составили: Accuracy: 78,8%, AUC: 0.84. Таким образом, использование алгоритмов машинного обучения, включая алгоритмы глубокого обучения, могут значительно повысить точность прогнозирования сердечно-сосудистых рисков обученных моделей.