Определение химического состава мочевого камня in vivo по профилю потребления нутриентов
Автор: Просянников Михаил Юрьевич, Голованов С.А., Константинова О.В., Войтко Д.А., Анохин Н.В., Сивков А.В., Аполихин О.И.
Журнал: Экспериментальная и клиническая урология @ecuro
Рубрика: Мочекаменная болезнь
Статья в выпуске: 4, 2020 года.
Бесплатный доступ
Введение. В настоящее время существующие методы определения химического состава камня in vivo не обладают необходимой точностью. В связи с этим, разработка методов высокоточного определения химической природы мочевых камней с применением современных технологий является актуальной для современной урологии Материалы и методы. 72 пациентам с МКБ, проходившим лечение в НИИ урологии и интервенционной радиологии им. Н.А. Лопаткина - филиал ФГБУ «НМИЦрадиологии» Минздрава России наряду с общеклиническими методами обследования выполняли определение химического состава мочевых камней при помощи инфракрасной спектроскопии. Мочевые камни классифицировали по преобладающему минеральному компоненту на 6 основных типов (кальций-оксалатные, мочекислые,кальций-фосфатные, магниево-аммониево-фосфатные, урат-амониевые и смешанные), а также определение стереотипа питанияпо 25 нутриентам при помощи электронной анкеты. Построение модели классификации выполняли с помощью инструментов современного комплекса методов Data mining - IBM SPSS Modeler 18.0 (IBM Corparation, USA) Результаты. Использован набор данных, включающий результаты анкеты-стереотипа питания и анализа химического состава мочевых камней, на основании которого была построена модель,позволяющая высокоточно прогнозировать in vivo химический тип мочевых камней. Построенная модель машинного обучения (алгоритм С5.0) обладает высокой прогностической точностью (98,6-100%), специфичностью (98,2-100%) и чувствительностью (100% для основных типов камней и 75,0% - для смешанных), Выводы. Разработанный метод определения химического состава мочевого камня in vivo по показателям стереотипа питания пациентов, имеет высокую специфичность, чувствительность и точность,что позволяет использовать данную прогностическую модель в клинической практике.
Мочекаменная болезнь, химический состав мочевых камней, способы определения химического состава мочевых камней
Короткий адрес: https://sciup.org/142225719
IDR: 142225719 | DOI: 10.29188/2222-8543-2020-13-4-50-56
Список литературы Определение химического состава мочевого камня in vivo по профилю потребления нутриентов
- Turk C, Neisius A, Petrik A, Seitz C, Skolarikos A, Tepeler A, Thomas K. EAU Guidelines on Urolithiasis - EAU, 2017. URL: http://uroweb.org/wp-content/uploads/Guidelines_WebVersion_ Complete-1.pdf.).
- Константинова О.В., Яненко Э.К. Способ определения химического состава камня in vivo./ Патент № 1780009 Российской Федерации от 08.08.1992.
- Смирнова И.Б., Шевырин А.А. Способы определения состава мочевых конкрементов, влияющие на выбор лечебной тактики у пациентов с уролитиазом. Материалы III Всероссийской образовательно-научной конференции студентов и молодых ученых с международным участие. Иваново, 2017. С 23 - 26.
- EAU Guidelines on Urolithiasis. 2017. URL: http://uroweb.org/wp-content/uploads/ Guidelines_WebVersion_Complete-1.pdf -(Дата обращения: 13.02.2020) (ДУБЛЬ С ПЕРВЫМ НОМЕРОМ)
- Kim SC, Burns EK, Lingeman JE, Paterson RF, McAteer JA, Williams JC Jr. Cystine calculi: correlation of CT-visible structure, CT number, and stone morphology with fragmentation by shock wave lithotripsy. Urol Res 2007;35(6):319-24. https://orcid.org/ DOI: 10.1007/s00240-007-0117-1
- Kulkarni NM, Eisner BH, Pinho DF, Joshi MC, Kambada-kone AR, Sahani DV. Determination of renal stone composition in phantom and pa-tients using single-source dual-energy computed tomography. Comput Assist Tomogr 2013;37(1):37-45. https://orcid.org/10.1097/ RCT.0b013e3182720f66
- DOI: 10.1097/RCT.0b013e3182720f66
- Руденко В.И., Серова Н.С., Капанадзе Л.Б. Возможности двух энергетической компьютерной томографии в диагностике мочекаменной болезни. Материалы 3-й научно-практической конференции урологов Северо-Западного федерального округа РФ 20-21 апреля 2017 года, г. Санкт-Петербург, Урологические ведомости 2017;7(S):92-93.
- Moreira DM, Friedlander JI, Hartman C, Elsamra SE, Smith AD, Okeke Z. Using 24-hour urinalysis to predict stone type. J Urol 2013; 190(6):2106-2011. https://orcid.org/10.1016/ j.juro.2013.05.115.
- DOI: 10.1016/j.juro.2013.05.115
- Torricelli FC, De S, Liu X., Calle J, Gebreselassie S, Monga M. Can 24-hour urine stone risk profiles predict urinary stone composition? J Endourol 2014;28(6):735-738. https://orcid.org/.
- DOI: 10.1089/end.2013.0769
- Поповкин Н.Н. Диагностика и выбор тактики лечения урологических заболеваний с помощью обучающихся и обучаемых математических моделей, алгоритмов и систем. Автореф.... дисс. д-ра мед. наук. М., 1996. 55 с.
- Поповкин, Н.Н., Гришкова Н.В., Чудновская М.В., Даренков А.Ф., Голованов С.А. Дифференциальная диагностика состава мочевого камня in vivo по метаболическим показателям у больных нефролитиазом. Актуальные вопросы урологии и оперативной нефрологии: Сборник научных трудов. М., 1994. С. 32-42.
- Голованов С.А., Сивков А.В., Просянников М.Ю., Дрожжева В.В. Метаболические факторы риска и формирование мочевых камней. Исследование IV: Прогнозирование химического состава камня invivo по метаболическим показателям. Экспериментальная и клиническая урология 2018;(4):54-63.
- Ferraro PM, Taylor EN, Gambaro G, Curhan GC. Dietary and lifestyle risk factors associated with incident kidney stones in men and women. J Urol 2017;198(4):858-863. https://orcid.org/.
- DOI: 10.1016/j.juro.2017.03
- Pearle MS, Goldfarb DS, Assimos DG, Curhan G, Denu-Ciocca CJ, Matlaga BR, et al. Medical management of kidney stones: AUA guideline. 2019. Available from: https:// www.auanet.org/education/guidelines/management-kidney-stones.cfm. (УКАЗАТЬ ГОД)
- Wertheim ML, Nakada SY, Penniston KL. Current practice patterns of urologists providing nutrition recommendations to patients with kidney stones. J Endourol 2014;28:1127-1131. https://orcid.org/.
- DOI: 10.1089/end.2014.0164
- Просянников М.Ю., Шадеркин И.А., Константинова О.В., Голованов С.А., Анохин Н.В.,. Зеленский М.М. и др. Анализ стереотипа питания при мочекаменной болезни. Экспериментальная и клиническая урология 2017;(1):46-50.
- Big Data Knowledge Sharing. DecisionTree C5.0 Example. URL: https://qizeresearch.word-press.com/2014/05/25/decision-tree-c5-0-example/.
- Пальмов С.В., Денискова А.О. Алгоритм С5.0. Наука и мир 2017;44(4):79 - 80.
- Palmov S. V, Deniskova A. O. Algorithm C5. 0. Nauka i mir = Science and the world 2017;44(4):79-80.