РАЗРАБОТКА И ВАЛИДАЦИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ, ПРОГНОЗИРУЮЩИХ РИСК ГОСПИТАЛИЗАЦИИ ПАЦИЕНТОВ С САХАРНЫМ ДИАБЕТОМ В ТЕЧЕНИЕ ПОСЛЕДУЮЩИХ 12 МЕСЯЦЕВ (2024)
Заболеваемость сахарным диабетом (СД) как в Российской Федерации, так и во всем мире неуклонно растет последние десятилетия. Стабильный популяционный рост и современные эпидемиологические характеристики СД приводят к колоссальным экономическим расходам и значительному социальному ущербу во всем мире. Заболевание зачастую приобретает прогрессирующее течение с развитием характерных осложнений, при этом значительно повышая вероятность госпитализации. Создание и внедрение модели прогнозирования госпитализаций пациентов с СД в круглосуточный стационар позволит персонифицировать оказание медицинской помощи и оптимизировать нагрузку на всю систему здравоохранения.
ЦЕЛЬ. Разработка и валидация моделей прогнозирования госпитализаций пациентов с СД по поводу самого заболевания и его осложнений с использованием алгоритмов машинного обучения и данных реальной клинической практики.
МАТЕРИАЛЫ И МЕТОДЫ. По сведениям из деперсонифицированных электронных медицинских карт, полученных из платформы Webiomed, была проанализирована 170 141 запись 23 742 пациентов с СД. В качестве потенциальных факторов прогноза отобраны анамнестические, конституциональные, клинические, инструментальные и лабораторные данные, широко используемые в рутинной врачебной практике — всего 33 признака. Для создания моделей применялась логистическая регрессия (LR), методы градиентного бустинга (LightGBM, XGBoost, CatBoost), методы, основанные на деревьях решений (RandomForest и ExtraTrees), а также алгоритм на основе нейронных сетей (Multi-layer Perceptron).
РЕЗУЛЬТАТЫ. Наилучшие результаты и устойчивость к внешним данным показала модель LightGBM со значением целевой метрики AUC 0.818 (95% ДИ 0,802–0,834) при внутреннем тестировании и 0,802 (95% ДИ 0,773–0,832) при внешней валидации.
ЗАКЛЮЧЕНИЕ. Метрики полученной итоговой модели превосходили опубликованные ранее аналоги. Результаты внешней валидации показали относительную устойчивость модели к новым данным из другого региона, что в совокупности с показателями качества отражает возможность ее использования в реальной клинической практике
Идентификаторы и классификаторы
Сахарный диабет (СД) — это распространенное хроническое заболевание, развивающееся в результате неэффективной выработки инсулина клетками поджелудочной железы или снижения чувствительности периферических тканей к его биологическому действию [1].
Само хроническое течение СД оказывает значительное влияние на качество жизни пациентов, требует оказания специализированной медицинской помощи с формированием навыков по регулярному самоконтролю гликемии и приему назначенных препаратов.
Список литературы
- Алгоритмы специализированной медицинской помощи больным сахарным диабетом. Под редакцией И.И. Дедова, М.В. Шестаковой, А.Ю. Майорова. 10-й выпуск. Сахарный диабет. 2021. — Т. 24. — 1S. — С. 1-148. [Dedov II, Shestakova M V., Mayorov AY, et al. Standards of specialized diabetes care. Edited by Dedov I.I., Shestakova M.V., Mayorov A.Yu. 10th edition. Diabetes mellitus. 2022;24(1S):1-148. (In Russ.)] doi: https://doi.org/10.14341/DM12802
- World Health Organization, International Diabetes Federation. Definition and diagnosis of diabetes mellitus and intermediate hyperglycaemia. Report of a WHO/IDF consultation. Geneva; 2006
- Дедов И.И., Викулова О.К., Железнякова А.В., Исаков М.А. Эпидемиологические характеристики сахарного диабета в Российской Федерации: клинико-статистический анализ по данным регистра сахарного диабета на 01.01.2021 // Сахарный диабет. 2021. — Т. 24. — №3. — С. 204-221. [Dedov II, Shestakova M V., Vikulova OK,Zheleznyakova AV., Isakov MА. Epidemiological characteristics of diabetes mellitus in the Russian Federation: clinical and statistical analysis according to the Federal diabetes register data of 01.01.2021. Diabetes Mellit. 2021;24(3):204-221. (In Russ.)] doi: https://doi.org/10.14341/DM12759
- Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, et al. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas. Diabetes research and clinical practice. 2019; 157:107843
- Jeong IS, Kang CM. Time to Diagnosis and Treatment of Diabetes Mellitus among Korean Adults with Hyperglycemia: Using a Community-Based Cohort Study. International Journal of
Environmental Research and Public Health. 2022; 19(19):12090. doi: https://doi.org/10.3390/ijerph191912090 - Bommer C, Heesemann E, Sagalova V, et al. The global economic burden of diabetes in adults aged 20-79 years: a cost-ofillness study. Lancet Diabetes Endocrinol 2017;5(6):423–30. doi: https://doi.org/10.1016/S2213-8587(17)30097-9
- Caughey GE, Pratt NL, Barratt JD, Shakib S, Kemp‐Casey AR, RougheadEE. Understanding 30‐day re‐admission after hospitalisation of older patients for diabetes: identifying those at greatest risk. Med J Aust. 2017;206(4):170-175. doi: https://doi.org/10.5694/mja16.00671
- Li T-C, Li C-I, Liu C-S, et al. Development and validation of prediction models for the risks of diabetes-related hospitalization and inhospital mortality in patients with type 2 diabetes. Metabolism. 2018;85:38-47. doi: https://doi.org/10.1016/j.metabol.2018.02.003
- Brisimi TS, Xu T, Wang T, Dai W, Paschalidis IC. Predicting diabetesrelated hospitalizations based on electronic health records. Stat Methods Med Res. 2019; 28: 3667–82
- Lu H, Uddin S. Explainable Stacking-Based Model for Predicting Hospital Readmission for Diabetic Patients. Information. 2022; 13(9):436
- Hai AA, et al. Deep Learning vs Traditional Models for Predicting Hospital Readmission among Patients with Diabetes
- Bhuvan MS, Kumar A, Zafar A, Kishore V. Identifying Diabetic Patients with High Risk of Readmission. Feb. 2016, [Online]
- Moons KG, Altman DG, Reitsma JB, et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med. 2015;162(1):W1-73
- Lundberg SM, Erion G, Chen H, et al. From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence. 2020; 2(1): 56–67. doi: https://doi.org/10.1038/s42256-019-0138-9
- Strilets V, Bakumenko N, Donets V, et al. Machine Learning Methods in Medicine Diagnostics Problem, 16th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer: proceedings, 2020, Vol. II: pp. 89–101
- Van Calster B, McLernon D J, van Smeden M, et al. Calibration: the Achilles heel of predictive analytics. BMC Medicine. 2019; 17(1): 230. doi: https://doi.org/10.1186/s12916-019-1466-7
- Zoubir AM, Iskandler DR. Bootstrap Methods and Applications. In IEEE Signal Processing Magazine. 2007;24(4):10-19. doi: https://doi.org/10.1109/MSP.2007.4286560
- Ding, Yufeng and Jeffrey S. Simonoff. An Investigation of Missing Data Methods for Classification Trees. Econometrics: Data Collection & Data Estimation Methodology eJournal (2006)
- Awais M, Shamshad F, Bae S. (2019). Towards an Adversarially Robust Normalization Approach. ArXiv, abs/2006.11007
- Fischer BG, Evans AT SpPin and SnNout Are Not Enough. It’s Time to Fully Embrace Likelihood Ratios and Probabilistic Reasoning to Achieve Diagnostic Excellence. J Gen Intern Med. 2023.
- Дедов И.И., Шестакова М.В., Викулова О.К., и др. Сахарный диабет в Российской Федерации: динамика эпидемиологических показателей по данным Федерального регистра сахарного диабета за период 2010–2022 гг. Сахарный диабет. 2023. — Т. 26. — №2. —
С. 104-123. [Dedov II, Shestakova MV, Vikulova OK, et al. Diabetes mellitus in the Russian Federation: dynamics of epidemiological indicators according to the Federal Register of Diabetes Mellitus for the period 2010–2022. Diabetes mellitus. 2023;26(2):104-123. (In Russ.)] doi: https://doi.org/10.14341/DM13035 - Riley RD, Debray TPA., Collins GS, et al. Minimum sample size for external validation of a clinical prediction model with a binary outcome. Statistics in Medicine. 2021; 40(19): 4230–4251
Выпуск
Другие статьи выпуска
В статье представлен результат собственного наблюдения за пациентом с неудовлетворительным контролем сахарного диабета (СД) 2 типа в течение длительного периода, осложненным облитерирующим атеросклерозом артерий нижних конечностей, склерозом Менкеберга и хронической ишемией, угрожающей потерей нижней конечности (ХИУПК). Особенностью клинического случая являются осложнения, связанные с развитием регионарной (ангиосомальной) ишемии стопы, а также вариантной анатомией, представленной гипоплазией артерии голени у пациента. Клинические последствия сосудистой кальцификации вследствие длительной декомпенсации углеводного обмена и развития диабетической дистальной полинейропатии (ДДП) привели к ложно-завышенным показателям манжеточной пробы у пациента. Обсуждаются недостатки неинвазивных методов диагностики ишемии конечности и преимущества комплексного применения тестов заболеваний артерий нижних конечностей. С помощью классификации WIFI в зависимости от степени язвенного поражения, степени ишемии и степени инфекции на стопе (Wound, Ischemia and Foot Infection — Рана, Ишемия, Инфекция стопы) представлена тактика ведения пациента. Обосновывается важная роль ультразвукового дуплексного сканирования (УЗДС) при визуализации артерий голеней и стоп у пациентов с СД. Подчеркивается важное значение мультидисциплинарного подхода в ведении коморбидного пациента с СД 2 типа и ХИУПК.
Пациенты с сахарным диабетом 2 типа (СД2) находятся в группе высокого риска неблагоприятных исходов при коронавирусной инфекции (COVID-19). Несмотря на постепенное разрешение пандемии, появляются новые штаммы вируса, характеризующиеся высокой контагиозностью, и увеличивается риск перехода инфекции в сезонное заболевание. В связи чем остается актуальным вопрос выявления факторов риска, утяжеляющих течение COVID-19 у больных с СД2, в том числе роль исходной сахароснижающей терапии. В обзоре представлена и систематизирована актуальная информация (по данным рандомизированных клинических испытаний и метаанализов) о влиянии амбулаторного и стационарного применения метформина и инновационных препаратов (агонисты рецепторов глюкагоноподобного пептида-1, ингибиторы натрий-глюкозного котранспортера 2-го типа, ингибиторы дипептидилпептидазы-4) на течение и исход COVID-19 у пациентов с СД2. При этом описаны потенциальные механизмы реализации патогенетического воздействия препаратов на течение COVID-19, положительные и отрицательные аспекты их назначения.
За последние несколько десятилетий во многих опубликованных систематических обзорах и метаанализах были обобщены данные о взаимосвязи пищевого поведения, качества рациона и заболеваемости сахарным диабетом 2 типа (СД2). Известно, что более 80% случаев СД2 ассоциировано с ожирением. В связи с этим при формировании целей лечения для пациентов с СД2 алиментарный фактор имеет особое значение. На сегодняшний день болезнь уже не является приговором, т.к. достижение ремиссии СД2 с помощью коррекции питания возможно. Результаты исследований показали, что значимое снижение массы тела является предиктором ремиссии СД2. Однако вопрос о наилучших рекомендациях по коррекции рациона для пациентов с СД2 остается открытым. Различные модели питания (средиземноморская, палеорацион, система DASH и др.) способствуют улучшению гликемии, однако данных, свидетельствующих о регрессии симптомов СД2, недостаточно. По всей вероятности, достижение ремиссии возможно только при существенном сокращении суточной калорийности. Кетогенная модель питания, особенно популярная в последнее время, также способствует улучшению гликемического контроля. В то же время, согласно результатам метаанализа, не стоит пренебрегать углеводами из цельного зерна и злаковых волокон, т.к. данная категория продуктов способствует снижению риска развития СД2.
В данном обзоре информация представлена в рамках триады: синдром обструктивного апноэ/гипопноэ сна (СОАГС), вариабельность уровня гликемии и сердечно-сосудистые заболевания у пациентов с сахарным диабетом 2 типа (СД2). Проанализированы эпидемиологические аспекты, патогенетические взаимосвязи, возможные инструментальные и лабораторные методы диагностики, а также подходы к персонализированной терапии. Активно проводятся исследования в отдельных направлениях обозначенной триады, однако исследований, включающих одновременный мониторинг показателей, отражающих данные нарушения у пациентов с СД, не найдено. До сих пор остаются спорными многие вопросы. Нарушения дыхания во сне у пациентов с СД2 изучаются активно, но чаще для диагностики используются опросники, а не инструментальные методы. Недостаточно данных, посвященных изучению влияния гипоксии на прогрессирование осложнений у пациентов с СД2. Активно проводятся
исследования нарушений ритма у пациентов с СД2 в сочетании с различными кардиологическими проблемами. Наибольший интерес представляет изучение нарушений ритма у пациентов с СД2 без сопутствующих коморбидных состояний со стороны сердечно-сосудистой системы, с целью выявления ранних признаков диабетической кардиоваскулярной автономной нейропатии и кардиомиопатии, а также дополнительных ранних факторов риска развития и прогрессирования сердечно-сосудистых заболеваний. Большинство исследований посвящено изучению ассоциации СОАГС и различных нарушений ритма у кардиологических пациентов. Однако нет данных о сочетанном влиянии вариабельности гликемии и СОАГС на развитие нарушений ритма сердца у пациентов с СД2. Необходимы дополнительные исследования для выявления особенностей влияния СОАГС на нарушения ритма сердца у пациентов с СД2.
Время в целевом диапазоне глюкозы (TIR) — перспективный показатель гликемического контроля, применяющийся при оценке непрерывного мониторинга глюкозы (НМГ) у пациентов с сахарным диабетом (СД). Актуальной проблемой остается оценка и прогнозирование данного параметра для пациентов, использующих самостоятельный мониторинг глюкозы крови (СМГК), с учетом недостаточной доступности НМГ для большинства пациентов с СД.
ЦЕЛЬ. На основании данных экспериментального мобильного приложения разработать прогностическую модель времени в целевом диапазоне для пациентов с СД 1 типа (СД1).
МАТЕРИАЛЫ И МЕТОДЫ. Проведен анализ 1253 профилей профессионального НМГ пациентов с СД1. На основании включенных в исследование записей выполнен расчет TIR(НМГ), сгенерированы тренировочные модели 7-точечных профилей СМГК. Профили СМГК загружались в разработанное экспериментальное мобильное приложение, рассчитывающее стандартные параметры гликемического контроля. Данные были разделены на основную и тестовую выборки в соотношении 80 и 20%. Для основной выборки применены следующие методы разработки прогностических
моделей: простая линейная регрессия (ПЛР), множественная линейная регрессия (МЛР), искусственная нейронная сеть (ИНС). Оценка эффективности разработанных моделей проводилась на тестовой выборке с расчетом средней абсолютной ошибки (MAE), квадратного корня из среднеквадратичной ошибки (RMSE).
РЕЗУЛЬТАТЫ. В исследование включено 568 профилей НМГ. В основной группе (n=454) TIR составил 45 [33; 65]%, в тестовой группе (n=114) — 43 [33; 58]%. Наиболее значимыми предикторами TIR в регрессионных моделях являлись процент значений в целевом диапазоне (dTIR), p<0,001; процент значений ниже целевого диапазона 1 уровня (dTBR1), p<0,001; стандартное отклонение гликемии (SD), p=0,007. Коэффициент детерминации для ПЛР (предиктор: dTIR) — 0,844; для МЛР (предикторы: dTIR, dTBR1, SD) — 0,907. Разработаны модели ИНС по типу многослойный перцептрон с двумя и одним внутренним слоем нейронов, для которых RMSE на валидационной выборке составил 4,617 и 6,639% соответственно. Результаты анализа эффективности прогноза на тестовой выборке: dTIR: MAE — 6,82%, RMSE — 8,60%; модель ПЛР: MAE — 5,66%, RMSE — 7,34%; модель МЛР: MAE — 4,18%, RMSE — 5,28%; модель ИНС (2 слоя): MAE — 4,14%, RMSE — 5,19%; модель ИНС (1 слой): MAE — 4,44%, RMSE — 5,52%.
ЗАКЛЮЧЕНИЕ. Наилучшую способность для прогноза TIR продемонстрировали ИНС с двумя внутренними слоями и МЛР. Требуются дальнейшие исследования с целью клинической валидации разработанных прогностических моделей.
Изучение влияния андрогенной заместительной терапии на гликемический контроль является актуальным.
ЦЕЛЬ. Оценить влияние терапии препаратом трансдермального тестостерона на гликемический контроль у мужчин с гипогонадизмом и сахарным диабетом 2 типа (СД2).
МЕТОДЫ. В проспективное, сравнительное исследование было включено 300 мужчин в возрасте 55 [49; 61] лет: мужчины, получающие как сахароснижающую терапию (ССТ), так и препарат трансдермального тестостерона (n=150); пациенты, получающие только ССТ (n=150). Период наблюдения — 1 год. Проводились изучение анамнеза, анкетирование с помощью опросника симптомов дефицита андрогенов, измерение общего тестостерона и гликированного гемоглобина. Сравнение групп проведено непараметрическими методами.
РЕЗУЛЬТАТЫ. Пациенты, получавшие андрогенную заместительную терапию в сочетании с ССТ как через 6, так и через 12 мес. с момента включения в исследование, имели статистически значимо больший уровень общего тестостерона и меньшую выраженность симптомов андрогенного дефицита. При оценке величин изменения исследуемых параметров было установлено, что для пациентов, получавших тестостеронозаместительную терапию (ТЗТ) было характерно статистически значимо более выраженное снижение уровня гликированного гемоглобина (средняя разница — 0,3%). У 29 (20,4% (95% ДИ 13,8–27,0)) мужчин, получавших только ССТ, отмечено устранение гипогонадизма. У 3 пациентов из группы ТЗТ наблюдалось патологическое повышение уровня общего ПСА крови, в связи с чем ТЗТ была прекращена. Повышение гемоглобина выше референсного значения (>172 г/л) было выявлено у 8 и 1,3% мужчин на ТЗТ и без андрогенной терапии соответственно, р=0,011.
ЗАКЛЮЧЕНИЕ. Комбинация трансдермальной ТЗТ и ССТ оказывает положительное влияние на гликемический контроль, что проявляется уменьшением гликированного гемоглобина в большей степени, чем при использовании только ССТ. Нормализация уровня тестостерона приводит к уменьшению симптомов андрогенного дефицита, что сопровождается улучшением качества жизни. Устранение гипогонадизма только на фоне ССТ возможно в небольшом числе случаев.
Актуальность исследования обоснована тем, что в течение последних лет в регионах Российской Федерации происходит замена оригинальных препаратов инсулина на биосимиляры. При этом исследований, описывающих применение биосимиляров инсулина у детей с сахарным диабетом 1 типа (СД1), в настоящее время мало как в отечественных, так и в зарубежных источниках.
ЦЕЛЬ. Оценить эффективность и безопасность терапии инсулином РинФаст® (ООО «ГЕРОФАРМ», Россия) в качестве болюсной терапии в комбинации с инсулином длительного действия и в качестве монотерапии в инсулиновой помпе у детей с СД1 в реальной клинической практике.
МАТЕРИАЛЫ И МЕТОДЫ. Оценивались динамика гликированного гемоглобина (HbA1c) через 3 и 6 месяцев, изменение суточной потребности в инсулине, частота эпизодов постпрандиальной гипер- и гипогликемии, нежелательные реакции в местах инъекции, количество пациентов, достигших целевых значений HbA1c, среди детей с СД1, получавших РинФаст® не менее 6 месяцев после оригинального аналога инсулина аспарт.
РЕЗУЛЬТАТЫ. Исследование проводилось у 50 детей с СД1 от 1 до 18 лет (средний возраст 9,8±4,6 года) с длительностью СД1 более 1 года (средняя длительность 3,5±2,1 года), имевших HbA1c в начале наблюдения не более 9,5% и получавших лечение биосимиляром РинФаст® не менее 6 месяцев после перевода с оригинального аналога инсулина аспарт. Базис-болюсная инсулинотерапия у 36 детей проводилась с использованием многократных инъекций инсулина (МИИ), у 14 — с непрерывной подачей инсулина (НПИ) с помощью помпы. Результатом исследования стали сопоставимые с исходным уровни HbA1c через 3 и 6 месяцев после начала терапии биосимиляром РинФаст® (р>0,05), отсутствие изменений суточной потребности в инсулине (р>0,05) и отсутствие увеличения частоты эпизодов постпрандиальной гипер- (р>0,05) и гипогликемии (р>0,05) и нежелательных явлений (р>0,05). Отмечена высокая приверженность к лечению биосимиляром РинФаст®.
ЗАКЛЮЧЕНИЕ. Полученные результаты указывают на отсутствие клинически значимого ухудшения показателей гликемического контроля после перевода детей с СД1 на терапию биосимиляром РинФаст®, что дает возможность его безопасного и эффективного применения у данной категории пациентов.
ЦЕЛЬ. Оценить пролиферативную активность и способность к миграции кератиноцитов околораневой зоны на разных стадиях раневого процесса.
МАТЕРИАЛЫ И МЕТОДЫ. В исследование включено 25 пациентов с нейропатической формой синдрома диабетической стопы (СДС) и 5 пациентов без сахарного диабета (СД) с пролежнями. Пациентам основной группы проводилось лечение согласно стандартам: обработка раневых дефектов, наложение атравматических повязок, разгрузка пораженной конечности и антибактериальная терапия по необходимости. У всех пациентов проводилась оценка тяжести периферической нейропатии по шкале неврологических расстройств (NDS). В ходе обработки на 0-й, 10-й и 24-й день проводилась биопсия края раны размером до 1 см3 для последующих гистологического и иммуногистохимического исследований. Полученные фрагменты кожи фиксировали, дегидратировали и заливали парафином по стандартной методике. Срезы окрашивали гематоксилином и эозином, для иммуногистохимического окрашивания использовали маркеры Ki-67, α7nAChR.
РЕЗУЛЬТАТЫ. Все пациенты с нейропатической формой СДС имели тяжелую степень периферической нейропатии (NDSm>8). Средняя площадь раневого дефекта до и на 10-й день лечения составила 4 и 2,5 см2 соответственно (p<0,004). Гистологически край нейропатической раны был представлен гиперпролиферативным эпидермисом, митотически активные клетки располагались в дифференцированных супрабазальных слоях утолщенным роговым слоем. Ki-67 экспрессировали все слои эпидермиса, но большая плотность окрашивания определялась в базальном слое. Плотность a7nAChR-позитивных клеток увеличивалась от 0-го к 24-му дню (p=0,031).
ЗАКЛЮЧЕНИЕ. Полученные данные позволяют предположить, что повреждение периферической нервной системы является одним из возможных механизмов нарушения клеточного цикла кератиноцитов: пролиферативной активности и способности к миграции. Идентификация новых сигнальных путей, регулирующих физиологическую репарацию тканей и изучение их нарушений при СД, открывает перспективы разработки оптимальной терапевтической стратегии.
Издательство
- Издательство
- НМИЦ ЭНДОКРИНОЛОГИИ
- Регион
- Россия, Москва
- Почтовый адрес
- 117292, город Москва, ул. Дмитрия Ульянова, д. 11
- Юр. адрес
- 117292, г Москва, Академический р-н, ул Дмитрия Ульянова, д 11
- ФИО
- Мокрышева Наталья Георгиевна (Директор )
- E-mail адрес
- nmic.endo@endocrincentr.ru
- Контактный телефон
- +7 (499) 6129852