Possibilities of classification of clinical stages of coronary heart disease by systems of informative indicators of hemostasis

Full Text

Некоторый параллелизм клинических проявлений ишемической болезни сердца (ИБС) и изменений плазменного и сосудисто-тромбоцитарного гемостаза основан на взаимном влиянии последствий прогрессирующего атеросклероза и развивающихся нарушений в системе свертывания крови. Установление и количественное выражение этих нарушений соответствующими методами исследования составляют основу для последующей характеристики состояния гемостаза на разных этапах развития ИБС. В предыдущей нашей работе (Казанский мед. ж., 1981, 3) были изложены результаты определения информативности показателей гемостаза соответственно клиническим стадиям ИБС и описаны информативные системы признаков. В данной работе представлены результаты классификации обследованного контингента с использованием этих систем.

Контингент обследованных, классы заболеваний и число больных в них приведены в таблице. Разделение по классам мы проводили по методу максимального правдоподобия с предположением независимости признаков. Вероятность того, что признак у₁ (l=1…, L) в классе S_k (k=1,..,K), принимает i-тое значение (интервал) (i=1..,W₁) оценивали по формуле

$P_{y_{l_i}}{S}_k=\frac{n_{u_{l_i}{S}_k}}{n_{y_l}{s}_k}$,

где $n_{y_{l_i}}{s}_k$ -число объектов в классе S_k, с i-тым значением признака у₁, ny₁S_k число объектов в классе S_k, которым измерялся признак у₁. Объект с некоторым набором признаков $Y_{1i_1} , Y_{2i_{2 }} , \dots , Y_{r{i}_r}$ относятся к классу S_k, если

$\prod _{j=1}^r{P}_{y_{j{i}_j} s_{k }}\ge \prod _{j=1}^r{P}_{y_{j{i}_j} s_m} , m\ne k$

Результаты классификации обследованного контингента одиннадцатью частными системами информативных признаков плазменного и сосудисто-тромбоцитарного гемостаза приведены в таблице. Структура информативных систем и число признаков в них представлены в предыдущей нашей статье. Исследования показали, что наилучшие результаты классификации не всегда достигаются применением частной системы с установленным числом информативных признаков для этого класса. В некоторых случаях без ущерба для результатов классификации можно уменьшить число показателей в системе, а иногда объема информативной системы недостаточно для получения максимального процента правильной классификации и поэтому необходимо ее дополнение признаками с меньшей информативностью. Это потребовало значительного увеличения объема вычислительной работы. Приводимая таблица содержит наилучшие результаты из 246 вариантов классификаторов, причем наибольшую часть вариантов использовали для классов с низким процентом правильной классификации.

В вертикальных колонках таблицы представлено отнесение лиц с известным диагнозом в свой класс (правильная классификация, подчеркнуто) и в любые другие классы (ошибочная классификация). Горизонтальные строки содержат проценты причисленных лиц из других классов. Как видно из данных таблицы, из 868 классифицированных мужчин в класс с соответствующим им диагнозом попали 633 (72,9%), а 235 (27,1%) были отнесены в другие классы заболеваний. Это весьма высокий процент правильной классификации, если учесть относительно большое число классов заболеваний.

Разделяющая классы способность отдельных частных систем не одинакова, так как процент правильной классификации всех классов колеблется от 49,2 до 69,4. Максимальный процент для всего контингента (69,4) незначительно ниже среднего процента правильной классификации (72,9), что указывает на высокую общую разделяющую способность некоторых систем, хотя конкретный класс ими выделяется не всегда с достаточной точностью.

По приведенным общим данным можно выделить две категории информативных систем: 1) обладающие высоким средним, процентом разделения классов и низкой способностью выделять конкретный класс, 2) обладающие низким или средним процентом разделения классов и высоким процентом выделения конкретного класса. Эти два различающих частные системы свойства основаны на их различной специфичности относительно конкретного класса заболевания. Для подтверждения диагноза преимущество систем второй категории бесспорно, так как они отражают специфичность и адекватность составляющих эту категорию показателей или их градаций.

 

Результаты классификации (%) референтных лиц и больных всех классов заболеваний соответствующими частными (классовыми) системами информативных признаков

№№ классов				Классифицируемые классы заболеваний									Попали из других классов
	Распределение обследованных по классам	1	2	3	4	5	6	7	8	9	10	11	число	%
1.	Референтный	87,8	—	—	1,8	2,8	—	—	—	—	—	—	3	0,3
2.	Низкого риска ИБС	1,5	88,7	20,3	—	1,4	1,6	—	—	2,5	—	—	54	6,2
3.	Высокого риска ИБС	1,5	8,5	78,1	1,8	5,6	12,4	—	—	2,5	—	5,0	24	2,8
4.	Грудная жаба I°	3,1	—	—	73,2	8,2	6,3	3,0	1,1	9,9	—	2,5	24	2,8
5.	Грудная жаба II°	1,5	—	—	5,4	51,4	6,3	3,0	—	9,9	—	—	18	2,1
6.	Предынфарктное состояние	—	—	0,8	—	2,8	43,8	—	4,3	7,4	—	—	14	1,6
7.	Нетрансмуральный инфаркт	—	—	—	5,4	4,2	6,3	76,1	9,7	4,9	—	—	23	2,7
8.	Трансмуральный инфаркт	—	—	—	—	—	3,1	11,9	80,6	4,9	—	—	14	1,6
9.	Послеинфарктный кардиосклероз	1,5	—	0,8	7,1	12,5	6,3	6,0	4,3	46,9	—	—	28	3,2
10.	Аллергия немедленного-замедленного типа	—	—	—	3,6	1,4	3,1	—	—	—	100,0	—	5	0,6
11.	Дискоидная красная волчанка	3,1	2,8	—	1,8	9,7	10,9	—	—	11,1	—	92,5	28	3,2
Система классифицировала правильно:  разделяемый класс все классы		87,8 63,0	88,7 64,2	78,1 68,7	73,2 65,7	51,4 66,7	43,8 69,4	76,1 56,8	80,6 61,1	46,9 68,7	100 49,2	92,5 60,1	—	—
Число больных:    — всего   — классифицировано   — попало в другие классы		65	71	242	56	72	64	67	93	81	17	40	868	—
		57	63	189	41	37	28	51	75	38	17	37	633	72,9
		8	8	53	15	35	36	16	18	43	—	3	235	27,1

 

Проценты правильной классификации отдельных классов колеблются от 100,0 (аллергия немедленного-замедленного типа) до 43,8 (предынфарктное состояние), указывая не только на различную специфичность информативных систем, но и на трудности разделения классов с полиморфной клиникой, которая характерна, например, для предынфарктного состояния, грудной жабы напряжения II⁰ и послеинфарктного кардиосклероза. Около половины таких больных попали в классы с другими диагнозами. Заболевания с более четкими сдвигами гемостаза классифицировались лучше — от 72,3 до 100,0%.

В равной степени интересны и результаты неправильной классификации. К группе здоровых лиц из других классов отнесены 3 человека (0,3%).

Наибольшее число ошибочных причислений имеет класс низкого риска ИБС, главным образом за счет класса высокого риска. Источниками ошибок в большинстве других классов были близкие по клинике заболевания, причем имевшие низкий процент правильной классификации. Исключение из этого составляет дискоидная красная волчанка. В противоположность относительно высокому проценту ошибочных причислений (3,2), больные с этим диагнозом классифицировались с высоким процентом точности.

Приведенные данные классификации различных стадий ИБС информативными системами из показателей плазменного и сосудисто-тромбоцитарного гемостаза свидетельствуют о принципиальной возможности применения такого метода. Основой этому является наличие клинико-лабораторных параллелей. Классы по возможности их разделения распределились в две группы с низким и высоким процентом правильной классификации. Наиболее трудными в этом смысле оказались грудная жаба II⁰, предынфарктное состояние и послеинфарктный кардиосклероз. Можно добавить, что эти классы трудно разделить не только созданными нами системами. С этим вопросом часто сталкиваются и в клинике.

Все расширяющееся внедрение вычислительной техники в повседневную практику клиницистов открывает новые возможности для более тщательного анализа течения заболевания, контроля эффективности лечения и прогнозирования исходов. Сомнения з надежности известных систем прогнозирования и диагностики вызваны их несовершенством, поэтому внедрение новых возможностей будет способствовать интегральному подходу к решению этих вопросов, в котором показателям системы свертывания крови, вероятно, будет уделено должное внимание. Несмотря на то, что изменения в системе гемостаза часто носят неспецифический характер и многим представляются одинаковыми при различных заболеваниях, нашими исследованиями показаны специфические различия, которые могут быть использованы в классификационных системах.

About the authors

P. S. Grybauskas

Kaunas Medical Institute

Author for correspondence.
Email: info@eco-vector.com

Research Institute of Physiology and Pathology of the Cardiovascular System

Lithuania, Kaunas

V. I. Dimshene

Kaunas Medical Institute

Email: info@eco-vector.com

Research Institute of Physiology and Pathology of the Cardiovascular System

Lithuania, Kaunas

References

Supplementary files