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

Сердечно-сосудистые заболевания (ССЗ) являются одной из самых частых причин преждевременной смерти во всем мире [1]. В большинстве случаев риск сердечно-сосудистой смерти можно оценить, исходя из совокупности небольшого числа простых факторов [2], на основе которых могут быть созданы электронные калькуляторы риска для разработки программ поддержки принятия врачебных решений. В целом такие программы представляют собой системы, основанные на информационных технологиях, которые оценивают специфические характеристики пациентов и комбинируют их в соответствии с установленными алгоритмами. На сегодняшний день программы поддержки принятия врачебных решений становятся исключительно важными при обеспечении здоровья пациентов и поддержке на всех этапах терапии [3].

Такие программы позволяют в кратчайшие сроки обрабатывать информацию и выявлять проблему [4], способствуют улучшению проводимой терапии в соответствии с клиническими рекомендациями [5].

Цель исследования: разработать и внедрить систему поддержки приятия решения для программного продукта – информационной медицинской системы «1С: Медицина» в виде калькулятора для определения абсолютного риска смерти от 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. Пользователь- ский интерфейс выполнен в виде калькулятора, содержащего поля для выбора пациента в информационной системе «1С: Медицина», а также для ввода переменных, используемых в калькуляторе, и вывода конечного результата (рис. 1).

Рис. 1. Пользовательский интерфейс калькулятора медицинской информационной системы 1С

Fig. 1. User interface of the medical information 1C system calculator

Для определения 10-летнего абсолютного суммарного риска смерти от ССЗ у мужчин трудоспособного возраста (ТШР) использовалась математическая формула, разработанная и запатентованная нами ранее [6, 7]. ТШР была создана с использованием мультивариантной регрессионной модели Кокса. В результате ранее выполненного анализа было продемонстрировано статистически значимое влияние на риск смерти от ССЗ шести факторов с уровнем статистической значимости р < 0,05: возраст ( х ₁ ), диастолическое артериальное давление ( х ₂ ), общий холестерин ( х ₃ ), начальный уровень образования ( х ₄ ), занятость в профессиях тяжелого физического труда ( х ₅ ) и одинокий брачный статус ( х ₆ ) [7].

На основании регрессии Кокса была построена модель для оценки суммарного риска смерти от ССЗ:

h ( t ; x ) = h ₀ (t )∙exp(( x ₁ – x cреднее1 ) β 1    ( x 2 – x cреднее2 ) β 2

+ ( x ₃ – x _{cреднее3} ) β ₃ + ( x ₄ – x _{cреднее4} ) β ₄ + ( x ₅ – x _{cреднее5} ) β ₅ +

+ (x6–xcреднее6) β6)                         (1), где h(t;x) – показатель интенсивности риска смерти от ССЗ в течение 10 лет при воздействии шести найденных факторов, h0(t) – интенсивность риска смерти от ССЗ в течение 10 лет при анализе тех же факторов, задаваемых средними величинами, β1, β2, β3, β4, β5 и β6, – регрессионные коэффициенты переменных х1, х2, х3, х4, х5 и х6, которые составили 0,043; 0,042; 0,007; 0,801; 0,900 и 1,232 соответственно [7].

Суммарная вероятность смерти (абсолютный риск смерти) от ССЗ в течение 10 лет (в %) рассчитывалась по формуле:

P = 100 (1–аexp(y)) (2), где а–e,–ƒ010 лет h0(t)dt, т. е. значение функции дожития к концу срока наблюдения, определенное для средних значений переменных в полученной многофакторной модели Кокса, – 0,928,

Y = ( x ₁ – x _{cреднее1} ) β ₁ + ( x ₂ – x _{cреднее2} ) β ₂ + ( x ₃ – x _{cреднее3} ) β ₃ ( x 4 – x cреднее4 ) β 4    ( x 5 – x cреднее5 ) β 5    ( x 6 – x cреднее6 ) β 6.

+

Выделяя из последней формулы – (xсреднее1β1 + x сред-

нее2 β 2 + x среднее3 β 3 + x среднее4 β 4 + x среднее5 β 5 + x среднее6 β 6 ), было получено - 7,6411.

Таким образом, итоговая формула расчета абсолютного риска (в %) имела вид:

Р = 100 X

(1–0,928 (exp(-7,6411 + Х ₁ ∙ 0,043 + Х ₂ 0,042 + + Х ₃ 0,007 + Х ₄ 0,801 + Х ₅ 0,900 + Х ₆ ∙1,232)) ) (3).

Использование информационной медицинской системы 1С в качестве среды разработки позволило реализовать функцию получения медицинских данных пациента из базы данных Тюменского кардиологического научного центра с последующим автоматическим заполнением полей калькулятора. С этой целью разработанная функция выполняет поиск медицинских документов по запрограммированному алгоритму (в зависимости от цели калькулятора могут подгружаться как самые ранние, так и самые последние документы). В информационной системе «1С: Медицина» медицинские документы представлены в виде xml-файлов, откуда разработанная функция извлекает значения показателей, используемых в калькуляторе, и автоматически подставляет их в соответствующие поля. Также была разработана функция для выделения незаполненных полей красным цветом, так как у части пациентов в системе «1С: Медицина» могут отсутствовать данные, используемые в калькуляторе. Эта функция позволяет врачу выявить незаполненное поле и ввести недостающее значение вручную, что увеличивает скорость работы с модулем и снижает вероятность ошибки, что имеет особое значение для качественных переменных Принцип работы разработанного калькулятора пред-(см. рис. 1).                                                  ставлен на рисунке 2.

Рис. 2. Схема работы системы поддержки принятия решений с использованием информационной медицинской системы 1С Fig. 2. Work scheme of the support decision system using medical information 1C system

Чтобы провести оценку возможного использования интегрированной ТШР в информационную медицинскую систему «1С: Медицина» для предсказания неблагоприятного прогноза у пациентов с ИБС после выполненного КС, были проанализированы данные сердечно-сосудистого риска 764 пациентов мужского пола из «Проспективного регистра чрескожных коронарных вмешательств (ЧКВ)» Тюменского кардиологического научного центра. 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 построенной модели были выбраны самые распространенные алгоритмы расчета абсолютного риска: PROCAM-Algorithm и FRAMINGHAM-Algorithm [8, 9].

Для оценки предсказывающей точности интегрированной ТШР, в сравнении с известными алгоритмами риска PROCAM и FRAMINGHAM, использовали информационный критерий Шварца и данные ROC-анализа [10, 11]. При сравнении средних величин применяли непараметрический анализ, для связанных выборок – критерий знаковых рангов Вилкоксона. Значение р < 0,05 оценивалось как статистически значимое.

Результаты

Средняя величина ошибки абсолютного риска для ТШР составила -0,16 ± 0,41, что статистически значимо отличалось от аналогичных показателей, определенных для моделей PROCAM и FRAMINGHAM: -0,12 ± 0,54 ( p < 0,001) и -0,30 ± 0,30 ( p < 0,001) соответственно.

Из таблицы видно, что критерий Шварца для ТШР у мужчин равнялся 283, для моделей PROCAM и FRAMINGHAM – 235 и 490 соответственно. Исходя из полученных данных, наибольшей предсказывающей ценностью обладала шкала PROCAM.

Если предсказывающую точность шкалы PROCAM принять за единицу, то наихудший предсказывающий результат для обследованной когорты мужчин был у алгоритма FRAMINGHAM (меньше приблизительно в 2,1 раза). ТШР имела приблизительно равную прогностическую точность по сравнению с алгоритмом PROCAM (рис. 3).

Помимо информационного критерия Шварца проводили сравнение моделей абсолютного риска, используя данные ROC-анализа (рис. 4). Для точного сравнения ROC-кривых применяли показатель AUC (area under ROC curve – площадь под ROC-кривой).

Таблица. Сравнительная характеристика Тюменской шкалы риска с алгоритмами PROCAM и FRAMINGHAM Table. Comparative characteristic of the Tyumen Risk Scale with the PROCAM and FRAMINGHAM algorithms

Показатели Parameters	Тюменская шкала риска Tyumen Risk Scale	PROCAM	FRAMINGHAM
Средняя ошибка модели (l 0 ) Model average error	-0,16 ± 0,41	-0,12 ± 0,54	-0,30 ± 0,30
Суммарная ошибка модели (l) Model total error	-121,5	-90,6	-224,8
Критерий Шварца (SC) The Schwartz criterion	283	235	490
Р для сравнения средних величин ошибки P of the average values comparison	–	<0,001	<0,001

Рис. 3. Сравнение прогностической точности Тюменской шкалы риска с алгоритмами PROCAM и FRAMINGHAM

Fig. 3. Predictive accuracy comparison of the Tyumen Risk Scale with the PROCAM and FRAMINGHAM algorithms

Тюменская шкала риска / Tymen Risk Scale: AUC 0,655 95% ДИ 0,510–0,800

Рис. 4. Данные ROC-анализа Тюменской шкалы риска в отношении прогноза у пациентов с ишемической болезнью сердца

Fig. 4. ROC-analysis data of the Tyumen Risk Scale for prediction in patients with coronary artery disease

Показатель AUC для ТШР составил 0,655 (95% ДИ 0,510–0,800), что свидетельствует об удовлетворительном качестве полученной модели в отношении прогноза риска смерти у пациентов с ИБС после ЧКВ. 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 (рис. 5, 6). Приведенные данные свидетельствуют об удовлетворительном предсказывающем качестве модели PROCAM и о соответствии прогностической точности ТШР.

Неспецифичность / Non-specifity Framingham: AUC 0,599 95% ДИ 0,442 – 0,757

Рис. 5. Данные ROC-анализа шкалы FRAMINGHAM в отношении прогноза у пациентов с ишемической болезнью сердца

Fig. 5. ROC-analysis data of the FRAMINGHAM scale for prognosis in patients with coronary artery disease

Неспецифичность / Non-specifity PROCAM: AUC 0,653 95% ДИ 0,509 – 0,796

Рис. 6. Данные ROC-анализа шкалы PROCAM в отношении прогноза у пациентов с ишемической болезнью сердца

Fig. 6. ROC-analysis data of the PROCAM scale for prediction in patients with coronary artery disease

Так как 95% ДИ для алгоритма FRAMINGHAM пересекает отметку 0,5, данный алгоритм не обладает прогностической ценностью. Таким образом, на основании полученных данных можно заключить, что интегрированный алгоритм ТШР по оценке сердечно-сосудистого риска может быть применен с целью определения степени риска смерти у пациентов с ИБС в течение одного года после операции ЧКВ. С этой же целью можно использовать традиционный алгоритм PROCAM.

Обсуждение

В данной работе было проведено сопоставление известных алгоритмов по оценке суммарного кардиоваскулярного риска, таких как PROCAM [8] и FRAMINGHAM [9], с разработанной ТШР, которая была интегрирована в информационную медицинскую систему. Следует отметить, что алгоритмы PROCAM и FRAMINGHAM применялись традиционным способом, т. е. с ручным расчетом показателей риска для каждого отдельного пациента, в то время как применение ТШР проводилось в автоматическом режиме, благодаря интеграции данного алгоритма в модуль «1С: Медицина», что позволило в значительной степени упростить процесс и сократить время для определения суммарного риска. С точки зрения иностранных исследователей, применение новых информационных цифровых технологий высвобождает время для взаимодействия врача и пациента. Помимо этого, предсказательная аналитика, включающая в себя персонализированную оценку риска и выгоды, ориентирована на индивидуальные различия гораздо больше, чем многие из имеющихся клинических руководств, основанных на опыте терапии больших групп пациентов [12]. Таким образом, значительным преимуществом внедрения цифровых технологий является предоставление безопасной, эффективной персонализированной помощи на всех этапах терапии, начиная с превенции и ранней диагностики и заканчивая назначением адекватной терапии и контролем течения заболевания [13].

Необходимо сказать, что хотя модели PROCAM и FRAMINGHAM изначально были предназначены для оценки риска развития фатального и нефатального инфаркта миокарда в открытой популяции, основные традиционные факторы риска, входящие в эти шкалы, используются для прогнозирования различных сердечно-сосудистых исходов во множестве других моделей по оценке суммарного кардиоваскулярного риска [14]. К тому же, по данным литературы, использование указанных алгоритмов позволяет успешно прогнозировать риск развития инсультов и метаболического синдрома [15]. В недавних исследованиях было показано, что традиционные шкалы риска FRAMINGHAM и PROCAM могут быть успешно применены для возможной оценки степени и тяжести коронарного атеросклероза у пациентов с ИБС [16]. В другом исследовании авторы изучали возможность традиционных алгоритмов риска, таких как FRAMINGHAM, SCORE, PROCAM, прогнозировать гемодинамически значимое поражение коронарных артерий и основные сердечно-сосудистые события у пациентов с подозрением на ИБС и пациентов, направленных на компьютерную томографическую ангиографию сердца. По результатам исследования авторы пришли к выводу, что шкалы риска FRAMINGHAM и SCORE обладают удовлетворительным качеством в прогнозировании значимых стенозов коронарных артерий по данным компьютерной ангиографии [17].

Таким образом, применение алгоритмов PROCAM и FRAMINGHAM для оценки риска смерти от ССЗ у пациентов после КС в данной работе представляется правомочным. Использование традиционных алгоритмов для расчета риска только фатальных осложнений имеет преимущество по сравнению с применением этих алгоритмов для расчета как фатальных, так и нефатальных осложнений, так как статистика последних сильно зависит от критериев и качества диагностики.

Анализ критерия Шварца и ROC-анализ свидетельствуют о менее точной оценке риска смерти от ССЗ при применении алгоритма FRAMINGHAM в сравнении с ТШР и сопоставимой оценке риска с алгоритмом PROCAM. В то же время надежная оценка риска по шкале FRAMINGHAM была подтверждена в многочисленных исследованиях [18]. Однако в проведенном обзоре 27 исследований, где использовалась шкала FRAMINGHAM, было выявлено, что в популяции высокого риска наблюдалась недооценка риска, тогда как в популяции низкого риска расчетный риск был превышен почти в три раза [19].

Проведенные исследования показали, что алгоритм PROCAM в целом соответствует алгоритму FRAMINGHAM в точности оценки сердечно-сосудистого риска в популяции [20]. Однако другие исследователи отмечают, что шкала PROCAM может недооценивать риск у пациентов с явным атеросклерозом [21].

Таким образом, хоть в целом известные модели риска дают приемлемый результат прогноза развития сердечно-сосудистых осложнений, в ряде случаев риск может быть переоценен или недооценен, в то же время добавление в модель дополнительных факторов риска может повысить прогностическую ценность модели. Так, например, добавление в модель социально-экономических факторов позволило более точно прогнозировать сердечно-сосудистый риск смерти. Следует отметить, что попытки включения в модели прогнозирования суммарного сердечно-сосудистого риска социально-экономических факторов предпринимались ранее (например, иностранные шкалы оценки сердечно-сосудистого риска ASSIGN и QRISK [22, 23]). Исследователи из Томска запатентовали способ определения риска смерти от ИБС у мужчин на основе формулы, в которую был включен брачный статус пациента [24].

Таким образом, добавление в шкалы риска социально-экономических факторов является важным шагом в признании значения социальной депривации для оценки сердечно-сосудистого риска, а интеграция данного алгоритма в информационную систему «1С: Медицина» способствует более простому и быстрому его применению.

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; она превосходит традиционную шкалу риска FRAMINGHAM и не уступает шкале PROCAM. Таким образом, ТШР может использоваться в качестве программы поддержки принятия врачебных решений.