Применение информационной медицинской системы с целью быстрого скрининга сердечнососудистого риска у пациентов после коронарного стентирования

Применение информационной медицинской системы с целью быстрого скрининга сердечнососудистого риска у пациентов после коронарного стентирования

Автор: Пушкарев Г.С., Кузнецов В.А., Гуськова О.А., Малишевский Л.М.

Журнал: Сибирский журнал клинической и экспериментальной медицины @cardiotomsk

Рубрика: Организация здравоохранения и общественное здоровье

Статья в выпуске: 4 т.35, 2020 года.

Бесплатный доступ

Цель: разработать и внедрить систему поддержки приятия решения для программного продукта - информационной медицинской системы «1С: Медицина» в виде калькулятора для определения абсолютного риска смерти от сердечно-сосудистых заболеваний (ССЗ), показать возможность использования этой системы для пациентов с ишемической болезнью сердца (ИБС), перенесших коронарное стентирование (КС).Материал и методы. В Тюменском кардиологическом научном центре Томского НИМЦ была разработана внешняя оболочка для программного продукта - информационной медицинской системы «1С: Медицина», предназначенная для определения 10-летнего абсолютного суммарного риска смерти от ССЗ у мужчин трудоспособного возраста (Тюменская шкала риска - ТШР) с целью поддержки принятия врачебных решений. Программа была апробирована на 764 пациентах мужского пола из «Проспективного регистра чрескожных коронарных вмешательств (ЧКВ)». Средний возраст пациентов составил 56,9 ± 8,8 года. В качестве переменной проверки состояния использовали все случаи смерти, зарегистрированные в течение одного года после проведения ЧКВ (n = 23). Для сравнения предсказывающей точности интегрированной модели были выбраны алгоритмы: PROCAM и FRAMINGHAM. Для оценки предсказывающей точности моделей использовали информационный критерий Шварца и данные ROC-анализа.Результаты. Критерий Шварца для ТШР у мужчин составил 283, для моделей PROCAM и FRAMINGHAM - 235 и 490 соответственно. Показатель AUC для ТШР составил 0,655 (95% ДИ 0,510-0,800), что свидетельствует об удовлетворительном качестве полученной модели. Показатель AUC для алгоритмов FRAMINGHAM и PROCAM составил 0,599 (95% ДИ 0,442-0,757) и 0,653 (95% ДИ 0,509-0,796) соответственно.Выводы. Созданная и интегрированная в информационную медицинскую информационную систему ТШР, включающая в себя психосоциальные факторы, может быстро и успешно применяться для определения вероятности наступления летального исхода у пациентов с ИБС в течение одного года после проведения КС, превосходит традиционную шкалу риска FRAMINGHAM и не уступает шкале PROCAM. Таким образом, ТШР может использоваться в качестве программы поддержки принятия врачебных решений.

Еще

Факторы риска, суммарный сердечно-сосудистый риск, информационная медицинская система, цифровая медицина, коронарное стентирование

Короткий адрес: https://sciup.org/149126200

IDR: 149126200   |   DOI: 10.29001/2073-8552-2020-35-4-103-110

Список литературы Применение информационной медицинской системы с целью быстрого скрининга сердечнососудистого риска у пациентов после коронарного стентирования

  • 1. Coorey G.M., Neubeck L., Mulley J., Redfern J. Effectiveness, acceptability and usefulness of mobile applications for cardiovascular disease self-management: Systematic review with meta-synthesis of quantitative and qualitative data. Eur. J. Prev. Cardiol. 2018;25(5):505–521. DOI: 10.1177/2047487317750913.
  • Yusuf S., Joseph P., Rangarajan S., Islam S., Mente A., Hystad P. et al. Modifiable risk factors, cardiovascular disease, and mortality in 155 722 individuals from 21 high-income, middle-income, and low-income countries (PURE): А prospective cohort study. Lancet. 2020;395(10226):795– 808. DOI: 10.1016/S0140-6736(19)32008-2.
  • Tamburrano A., Vallone D., Carrozza C., Urbani A., Sanguinetti M., Nicolotti N. et al. Evaluation and cost estimation of laboratory test overuse in 43 commonly ordered parameters through a Computerized Clinical Decision Support System (CCDSS) in a large university hospital. PLoS One. 2020;15(8):e0237159. DOI: 10.1371/journal. pone.0237159.
  • Kharbanda E.O., Asche S.E., Sinaiko A.R., Ekstrom H.L., Nordin J.D., Sherwood N.E. et al. Clinical Decision Support for Recognition and Management of Hypertension: A Randomized Trial. Pediatrics. 2018;141(2):e20172954. DOI: 10.1542/peds.2017-2954.
  • Patterson B.W., Pulia M.S., Ravi S., Hoonakker P.L.T., Hundt A.S., Wiegmann D. et al. Scope and Influence of Electronic Health Record-Integrated Clinical Decision Support in the Emergency Department: A Systematic Review. Ann. Emerg. Med. 2019;74(2):285–296. DOI: 10.1016/j. annemergmed.2018.10.034.
  • Трубачева И.А., Пушкарев Г.С., Акимова Е.В., Кузнецов В.А., Солдатова А.М., Акимов А.М. Патент РФ № 2649829 С1. Способ определения 10-летнего абсолютного суммарного риска смерти от сердечно-сосудистых заболеваний у мужчин трудоспособного возраста. Опубл. 04.04.2018.
  • Пушкарев Г.С., Кузнецов В.А., Акимова Е.В. Суммарный 10-летний риск смерти от сердечно-сосудистых заболеваний у мужчин 25–64 лет Тюмени. Профилактическая медицина. 2020;23(1):81–88. DOI: 10.17116/profmed20202301177.
  • Assmann G., Cullen P., Schulte H. Simple scoring scheme for calculating the risk of acute coronary events based on the 10-year follow-up of the prospective cardiovascular Münster (PROCAM) study. Circulation. 2002;105(3):310–315. DOI: 10.1161/hc0302.102575.
  • D’Agostino R.B. Sr., Pencina M.J., Massaro J.M., Coady S. Cardiovascular disease risk assessment: Insights from Framingham. Glob. Heart. 2013;8(1):11–23. DOI: 10.1016/j.gheart.2013.01.001.
  • Neath A.A., Cavanaugh J.E. The Bayesian information criterion: back-ground, derivation, and applications. WIREs Comp. Stat. 2012;4(2):199– 203. DOI: 10.1002/wics.199.
  • Hernández-Orallo J. ROC curves for regression. Pattern Recognition. 2013;46(12):3395–3411. DOI: 10.1016/j.patcog.2013.06.014.
  • Warraich H.J., Califf R.M., Krumholz H.M. The digital transformation of medicine can revitalize the patient-clinician relationship. NPJ Digit. Med. 2018;1:49. DOI: 10.1038/s41746-018-0060-2.
  • Wongvibulsin S., Martin S.S., Steinhubl S.R., Muse E.D. Connected health technology for cardiovascular disease prevention and management. Curr. Treat. Options Cardiovasc. Med. 2019;21(6):29. DOI: 10.1007/s11936-019-0729-0.
  • Berger J.S., Jordan C.O., Lloyd-Jones D., Blumenthal R.S. Screening for cardiovascular risk in asymptomatic patients. J. Am. Coll. Cardiol. 2010;55(12):1169–1177. DOI: 10.1016/j.jacc.2009.09.066.
  • Wannamethee S.G., Shaper A.G., Lennon L., Morris R.W. Metabolic syndrome vs Framingham Risk Score for prediction of coronary heart disease, stroke, and type 2 diabetes mellitus. Arch. Intern. Med. 2005;165(22):2644–2650. DOI: 10.1001/archinte.165.22.2644.
  • Günaydın Z.Y., Karagöz A., Bektaş O., Kaya A., Kırış T., Erdoğan G. et al. Comparison of the Framingham risk and SCORE models in predicting the presence and severity of coronary artery disease considering SYNTAX score. Anatol. J. Cardiol. 2016;16(6):412–418. DOI: 10.5152/ AnatolJCardiol.2015.6317.
  • Versteylen M.O., Joosen I.A., Shaw L.J., Narula J., Hofstra L. Comparison of Framingham, PROCAM, SCORE, and Diamond Forrester to predict coronary atherosclerosis and cardiovascular events. J. Nucl. Cardiol. 2011;18(5):904–911. DOI: 10.1007/s12350-011-9425-5.
  • D’Agostino R.B. Sr., Grundy S., Sullivan L.M., Wilson P.; CHD Risk Prediction Group. Validation of the Framingham coronary heart disease prediction scores: results of a multiple ethnic groups investigation. JAMA. 2001;286(2):180–187. DOI: 10.1001/jama.286.2.180.
  • Brindle P., Beswick A., Fahey T., Ebrahim S. Accuracy and impact of risk assessment in the primary prevention of cardiovascular disease: A systematic review. Heart. 2006;92(12):1752–1759.
  • Cooper J.A., Miller G.J., Humphries S.E. A comparison of the PROCAM and Framingham point-scoring systems for estimation of individual risk of coronary heart disease in the Second Northwick Park Heart Study. Atherosclerosis. 2005;181(1):93–100. DOI: 10.1016/j.atherosclerosis.2004.12.026.
  • Uthoff H., Staub D., Socrates T., Meyerhans A., Bundi B., Schmid H.P. et al. PROCAM-, FRAMINGHAM-, SCOREand SMART-risk score for predicting cardiovascular morbidity and mortality in patients with overt atherosclerosis. Vasa. 2010;39(4):325–333. DOI: 10.1024/0301-1526/ a000057.
  • Woodward M., Brindle P., Tunstall-Pedoe H.; SIGN group on risk estimation. Adding social deprivation and family history to cardiovascular risk assessment: The ASSIGN score from the Scottish Heart Health Extended Cohort (SHHEC). Heart. 2007;93(2):172–176. DOI: 10.1136/ hrt.2006.108167.
  • Hippisley-Cox J., Coupland C., Vinogradova Y., Robson J., Brindle P. Performance of the QRISK cardiovascular risk prediction algorithm in an independent UK sample of patients from general practice: A validation study. Heart. 2008;94(1):34–39. DOI: 10.1136/hrt.2007.134890.
  • Трубачева И.А., Перминова О.А., Исаева Н.Н., Рудникович О.М. Патент РФ № 2 348 361 C1. Способ определения риска смерти от ишемической болезни сердца у мужчин, проживающих в условиях среднеурбанизированного города Западной Сибири. Опубл. 03.10.2009.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp