Генетические аспекты возможности прогнозирования затрат на медицинскую помощь у лиц с сердечно-сосудистыми заболеваниями

Результаты исследования. Сравнительная характеристика пациентов, страдающих сердечнососудистыми заболеваниями, и контрольной группы, выполненная с помощью дисперсионного анализа (ANOVA). Среди пациентов с ИБС (ИМ+НС) было больше мужчин, больше курящих, чаще встречался диабет. Пациенты с инсультами (ИС) были старше, среди них преобладали женщины, было больше больных с ожирением и артериальной гипертензией. Однако было меньше курящих пациентов и страдающих сахарным диабетом.

Не было достоверных различий в уровне холестерина между группами. Среди показателей липидного профиля наиболее информативно отношение ОХС/ХС ЛВП. Уровень гомоцистеина был значимо выше среди пациентов с инсультами. Уровень фибриногена был достоверно повышен у всех пациентов с сердечно-сосудистыми заболеваниями.

Анализ традиционных алгоритмов оценки коронарного риска (построение дерева регрессии и рекурсивное разбиение) выявил, что оптимальная точка разделения пациентов ИБС и контрольной группы для шкалы SCORE составляет 3%, для алгоритма Framingham - 8%, для алгоритма PROCAM - 13%, что свидетельствует о недооценке тяжести риска преимущественно в группе среднего риска развития коронарных событий.

Повышение прогностической значимости моделей риска развития коронарных событий достигается с помощью предложенного нами комбинированного подхода, включающего комплексный учет традиционных (корригируемых и не корригируемых) факторов риска, сывороточных маркеров (hs CRP, ЛП (а), фибриноген и D-димер) и генетических маркеров. Площадь под характеристической кривой (AUC ROC) для шкалы SCORE составляет 72%, для модели, включающей традиционные факторы риска вместе с изученными лабораторными и генетическими маркерами - 88%.

Изученная комбинация структурных маркеров атеросклероза (толщина интима-медиа брахиоцефальных артерий, степень гипертрофии левого желудочка, суммарный кальциевый индекс при МСКТ) имеет хорошие аналитические характеристики для прогнозирования коронарного риска (AUC ROC составляет 85 %) и может быть использована для оценки промежуточных

Прогнозирование с использованием методов распознавания по прецедентам позволяет оптимизировать количество изучаемых признаков и, соответственно, количество проводимых исследований для оценки коронарного риска. Разработан алгоритм принятия решения о прогнозе, состоящий из 16 биомаркеров риска ИБС, включающий традиционные факторы риска, лабораторные, инструментальные и генетические маркеры.

Использование коллективных прогностических решений позволяет повысить точность распознавания коронарных событий до 92%. Генетический индекс, представляющий собой суммарное количество имеющихся аллелей риска и отягощенный семейный анамнез, является количественным критерием, позволяющим провести комплексную оценку риска ИБС по результатам генетического тестирования. Удаление генетических признаков из разработанной нами модели прогноза приводит к снижению точности распознавания.

Вывод. Прогнозирование и стратификация риска является ключевым компонентом всех клинических руководств и рекомендаций по профилактике сердечно-сосудистых заболеваний. Создан необходимый потенциал, обеспечивающий развитие новых профилактических стратегий и эффективной системы первичной профилактики сердечно-сосудистых заболеваний. Учитывая широкое распространение сердечно-сосудистых заболеваний, внедрение новых стратегий профилактики будет иметь значительный социальный и экономический эффект. Разработанная технология ляжет в основу последующих работ по прогнозированию социально-значимых заболеваний.