Дальневосточный государственный медицинский университет Поиск | Личный кабинет | Авторизация
Поиск статьи по названию
Поиск книги по названию
Каталог рубрик
в коллекциюДобавить в коллекцию

ПРОГНОСТИЧЕСКИЕ МОДЕЛИ РИСКА РАЗВИТИЯ ДИСЛИПИДЕМИИ У ПОДРОСТКОВ С ЭССЕНЦИАЛЬНОЙ АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИЕЙ


Аннотация:

Сформулированы прогностические модели коморбидности — дислипидемические нарушения и эссенциальная артериальная гипертензия — у подростков русской национальности в возрасте 12-18 лет (средний возраст —15.48+1.53 года) сучетом биохимических (липи-дограммы) и генетических параметров (носительство полиморфных вариантов генов аполипопротеинов ApoAl (-75G/A и +83С/Т), АроВ (Ins/Det), ApoC3 (S1/S2) и АроЕ(е2/еЗ/е4). Прогностически значимыми факторами риска развития указанных коморбидных патологий являлись уровень показателей липидного обмена (ХС-ЛПВП, ХС-ЛПНП, ХС-ЛПОНП), а также носительство аллелей +83Тгена ApoAl и De/гена АроВ. Полученная математическая модель характеризуется высокой прогностической точностью, при которой процент корректного классифицирования, или доли правильного отнесения каждого участника исследования к своей группе составил 96.33%. Ключевые слова: дислипидемия, аполипопротеины, генотип, подростки, гипертензия. Артериальная гипертензия является одним из ключевых факторов риска развития заболеваний сердечно-сосудистой системы. Согласно модели сердечно-сосудистого континуума, представляющего собой цепь последовательных событий, приводящих к смерти больного, пусковыми звеньями этого каскада являются сердечно-сосудистые факторы риска, в том числе эссенциальная артериальная гипертония (ЭАГ), дислипидемия. Наряду с увеличением частоты встречаемости ЭАГ и дислипидемии исследователи констатируют омоложение данных коморбидных патологий, в связи с чем прогнозирование риска их прогредиентности у лиц молодого возраста и подростков, т.е. на этапе дебюта сердечно-сосудистого континуума, представляется актуальным. Прогнозирование риска развития коморбидных патологий (дислипидемии и ЭАГ) с помощью многомерного статистического анализа позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно. В качестве переменных используют клинические, биохимические и генетические данные. К таким методам статистического анализа относится дискриминантный анализ, или дискриминантная функция. Для формулировки данной функции подбирают переменные, максимально значимые для дискриминации по группам, которые позволяют с высокой точностью разделять изучаемые объекты по группам. Целью данной работы является разработка способа прогнозирования риска развития дислипидемических изменений у подростков с ЭАГ на основании биохимических и генетических данных. МЕТОДИКА ИССЛЕДОВАНИЯ. В отделении педиатрии клиники Научного центра проблем здоровья семьи и репродукции человека были сформированы две клинические группы из 109 подростков русской национальности. Первую группу составили подростки с верифицированным диагнозом ЭАГ: 70 человек, 42 мальчика и 28 девочек, в возрасте от 14 до 17 лет (средний возраст — 15.77±1.25 года). Во вторую группу вошли подростки с ЭАГ и дислипидемией (ЭАГ+ДЛ): 39 человек, 23 мальчика и 16 девочек, в возрасте от 12 до 18 лет (15.48±1.53 года). Все подростки, их родители (или опекуны) были информированы о научной направленности исследования и дали свое согласие на участие в нем. Исследование выполнено с соблюдением этических принципов Хельсинкской Декларации Всемирной медицинской ассоциации (World Medical Association Declaration of Helsinki, 1964; редакция 2013 г.). Для биохимического исследования липидного спектра крови у каждого подростка утром натощак (согласно общепринятой методике) брали кровь из локтевой вены в вакуумную пробирку без наполнителя. Для получения сыворотки крови пробирку центрифугировали при 3000 об/мин в течение 10 мин. Дальнейшую работу проводили с сывороткой крови. Биохимический анализ липидного спектра включал определение триглицеридов (ТГ), общего холестерина крови (ОХС), ХС-ЛПВП, ХС-ЛПНП и ХС-ЛПОНП, а также коэффициента атерогенно-сти (КА). Определение уровней ТГ, ОХС, ХС-ЛПВП и ХС-ЛПОНП проводили на биохимическом анализаторе ВТС-330 с помощью коммерческих наборов "BioSystems". Расчетные показатели липидограммы вычисляли по следующим формулам: ХС-ЛПОНП=ТГУ2.2,ХС-ЛПНП=ОХС-(ХС-ЛПВП+ХС-ЛПОНП) и КА=(ОХС-ХС-ЛПВП)/ХС-ЛПВП. Для молекулярно-генетического исследования у каждого подростка из локтевой вены брали венозную кровь в вакуумные пробирки с 3% ЭДТА. Из полученных образцов крови выделяли геномную ДНК сорбентным методом с помощью набора "АмплиПрайм ДНК-сорб-В" (ФГУН ЦНИИЭ Роспотребнадзор) по методике производителя. Генотипирование 5 полиморфных вариантов генов липид-транспортной системы: аполипопротеина А1 (АроА1 (-75G/A и +83С/Т), аполипопротеина В (АроВ Ins/Del), аполипопротеина СЗ (АроСЗ S1/S2) и аполипопротеина Е (АроЕ е2/еЗ/е4) проводили методом ПЦР. Статистическую обработку полученных результатов осуществляли с использованием программы "Statistica 6.0". Прогностические модели риска разрабатывались на основе дискриминантного анализа. Долю дисперсии дискриминантной функции характеризовали с помощью статистики лямбда Уилкса и точного максимального значения Рпеременных для анализа значимости различия групп при р<0.05. Качество разделения объектов по группам в соответствии с дискриминантными функциями для каждой группы оценивали с помощью процента корректного классифицирования. Дискриминантная функция выражалась уравнением: D=k1 хх1 +k2xx2+...+knxxn+a, где х1 и х2 — значения переменных (биохимические и генетические данные), а—константа дискриминантной функции. Различия между группами оценивали с помощью х2 Пирсона. Графически дискриминацию между исследуемыми группами отображали построением графиков линейных канонических корней. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ. На основе анализа биохимических и молекулярно-генетических данных двух исследуемых групп (группы с ЭАГ и группы ЭАГ+ДЛ) с использованием дискриминантного анализа разработаны математические модели вероятности отнесения к той или иной группе. Указанные биохимические и генетические данные оценивали на информативность для включения их как переменных в дискриминантную функцию. Наиболее информативными были переменные с максимальным значением Fпри расчете значения статистики лямбда Уилкса (табл. 1). В прогностическую модель были включены биохимические показатели и полиморфные варианты изученных генов-кандидатов, для которых статистическая значимость была менее 0.05. Для дискриминации исследуемых групп наиболее значимыми среди показателей липидограммы крови были ХС-ЛПВП, ХС-ЛПНП, ХС-ЛПОНП, среди генетических полиморфизмов—АроА1 (С+837) и АроВ (Ins/Del). Для выбранных переменных рассчитывали стандартизованные коэффициенты и константы дискриминантных функций (табл. 2). Сформулированы дискриминантные функции (или прогностические коэффициенты). Для группы подростков с ЭАГ: П=26.82хХС-ЛПВП+9.91хХС-ЛПНП+13.08хХС-ЛПОНП+8.97хАроВ (lns/Del)+ 0.6хАроА1 (С+83Т)-39.34. Для группы подростков с ЭАГ+ДЛ: F2=31,31хХС-ЛПВП+14.65хХС-ЛПНП+ 20.65хХС-ЛПОНП+6.98хАроВ (lns/Del)-1,22хАроА1 (С+83Т)-58.63. Для дискриминации по группам определяли 5 факторов: стандартизованные значения показателей ХС-ЛПВП, ХС-ЛПНП, ХС-ЛПОНП и генотипы полиморфных вариантов генов АроА 1 (С+837), АроВ Ins/Del. Для расчета в формулу включали ранжированные значения генотипов: для АроА 1 (С+837) гомозиготный генотип С/С имеет значение 1, гетерозиготный генотип С/Т—2, гомозиготные по минорной рисковой аллели 7/7— 3; для АроВ Ins/Del гомозиготный генотип Ins/Ins имеет значение 1, гетерозиготный генотип Iris/Del — 2, гомозиготный генотип по делеции Del/Del—3. F1 — коэффициент вероятности отнесения к группе с низким риском возникновения дислипидемических осложнений на фоне ЭАГ. F2 — коэффициент вероятности отнесения к группе с высоким риском возникновения дислипидемических осложнений на фоне ЭАГ, -39.34 — константа для группы с низким риском возникновения дислипидемических осложнений на фоне ЭАГ. -58.63 — константа для группы с высоким риском возникновения дислипидемических осложнений на фоне ЭАГ. Отнесение объекта к определенной группе выполняется по максимальному значению коэффициента вероятности. При значении F1>F2 прогнозируют низкий риск развития дислипидемии, при F2>F1 — высокий риск развития дислипидемии на фоне ЭАГ. Нами проведен анализ прогностических моделей риска дислипидемии у 109 подростков с ЭАГ в том числе у 70 подростков с ЭАГ и у 39 подростков с гиперхолестеринемией на фоне ЭАГ, по результатам которого 72 подростка отнесены в группу с низким риском и 37 — с высоким риском возникновения дислипидемии на фоне ЭАГ. Процент корректного классифицирования по рассчитанным дискриминантным функциям, или процент правильного отнесения каждого участника исследования к своей группе для обеих групп составил 96.33% (ЭАГ (F1) — 98.57%, ЭАГ+ДЛ (F2) — 92.31%). На основе дискриминантной функции построена точечная диаграмма распределения объектов по группам, или график распределения (рисунок). Группа ЭАГ и группа ЭАГ+ДЛ хорошо графически разделены и почти не пересекаются. По осям X и Y отложены линейные корни дискриминантных функций. Расчет дискриминантных функций на основе биохимических и генетических переменных позволяет с высокой точностью классифицировать исследуемые объекты по группам на основании показателей липидограммы крови и данных о носительстве полиморфных вариантов генов АроА 1 (С+837) и АроВ Ins/Del и прогнозировать риск развития дислипидемии на фоне ЭАГ у подростков. Высокая прогностическая точность дает возможность раннего выявления риска развития дислипидемических изменений у подростков с ЭАГ, что позволяет своевременно начать профилактические мероприятия.

Авторы:

Калюжная О.В.
Баирова Т.А.
Колесникова Л.И.

Издание: Бюллетень экспериментальной биологии и медицины
Год издания: 2018
Объем: 4с.
Дополнительная информация: 2018.-N 8.-С.261-264. Библ. 11 назв.
Просмотров: 31

Рубрики
Ключевые слова
97
f1
in
medical
s1
акты
аллели
анализ
анализатор
аполипопротеин
аполипопротеины
артериальная
ассоциации
атерогенная
биохимическая
биохимические
болезни
болеющие
больной
брал
вакуумный
вариантные
венозный
вены
вероятности
включениями
возможности
возникновения
возраст
всемирная
второй
выполнение
выражение
высокий
выявление
гена
генетическ
генов
геном
генотип
генотипирование
гетерозигота
гиперлипидемия
гипертензии
гипертензия
гипертония
гиперхолестерин
года
гомозигота
график
графический
групп
даль
дальний
данные
данных
двумя
дебют
декларация
делеции
диагноз
дискриминантный
дискриминация
дислипидемия
дисперсии
днк
доли
заболевания
здоровья
значению
значимости
значимость
изменение
изучению
инфекций
информативность
использование
исследование
исследований
исследования
исследователя
каскад
качества
класс
клиники
клиническая
ключ
коммерческие
коморбидные
конста
константа
континуум
корни
корня
коры
коэффициент
крови
кровь
лет
линейная
липид
липидные
липидный
лицами
локтевая
лямбда
максимальная
мальчик
математическая
медицинская
мероприятия
метод
методика
многомерная
модели
молекулярная
молодые
набор
наполнители
направленность
нарушения
натощак
научной
национальная
немая
нескольким
низкие
носители
обмен
обработка
образцов
общего
общепринятые
объект
одновременная
одного
омоложение
опекуны
определение
определенного
осложнение
основа
основание
отделение
параметр
патологии
педиатрия
первая
переменным
пирсона
подростки
подростковая
поза
показатели
пола
полиморфизм
полиморфный
получение
помощи
послед
построения
правильная
приводящей
принцип
пробирки
проблема
проведения
прогноз
прогнозирование
прогностическая
программ
прогредиентный
профилактическая
пцр
работа
развитие
раздел
разделение
разделения
различие
разработка
раннего
распределение
расчет
результата
репродукции
риск
риска
рисунок
родителей
роспотребнадзор
русская
своевременная
связей
семьи
сердечн
сердечно-сосудистые
систем
след
слова
смерти
события
согласие
соответствие
сорбент
состав
спектр
способ
среда
среднего
стандартизованный
статистика
статистические
сыворотка
течения
точечный
точная
триглицерид
увеличение
указ
уровень
уровни
утром
участие
участники
фактор
факторы
фоновое
формула
функции
характер
хельсинкская
холестерин
хороший
целью
центр
цепь
частота
человек
число
эдта
эссенциальная
этап
этический
Ваш уровень доступа: Посетитель (IP-адрес: 18.119.125.91)
Яндекс.Метрика