Математическое прогнозирование иммунологических показателей у детей с атопическим дерматитом


Б.А. ШАМОВ

Казанский государственный медицинский университет

Шамов Булат Альфредович

доктор медицинских наук, профессор кафедры дерматовенерологии

420012, г. Казань, ул. Кр. Позиция, д. 5, кв. 60, тел. 8-917-23-512-21, e-mail: shamovba@mail.ru


В статье представлены результаты математического прогнозирования иммунологических показателей у детей старшего возраста с атопическим дерматитом и созданная на основании проведенных исследований и расчетов компьютерная программа.

Ключевые слова: атопический дерматит, дети, иммунологические показатели, прогноз, компьютерная программа.

 

B.A. SHAMOV


Kazan State Medical University 

Mathematical prognosis of immunological parameters in children with atopic dermatitis

The article presents the results of the mathematical prognosis of immunological parameters in grown-ups with atopic dermatitis and  on the basis of these studies and calculations a computer program is created.

Key words: atopic dermatitis, children, immunological parameters, prognosis, computer program.

 

Создание компьютерных программ на основе информационных технологий происходит с применением известных инструментов, которыми является совокупность математических моделей, на основе которых осуществляется необходимый анализ и синтез. Математическое прогнозирование в последние десятилетия стало использоваться при научных исследованиях в современной медицине. Но при этом эти методы не всегда широко применяются в практическом здравоохранении, как в России, так и в зарубежных странах из-за сложной технологии их расчета. Использование прогнозирования может являться основанием для улучшения методических подходов в решении многочисленных практических задач здравоохранения.

Существуют понятия «прогноз» и «прогнозирование». Прогнозом является научно-обоснованное суждение о возможном состоянии объекта в будущем или об альтернативных сроках и путях достижения этих состояний. Под прогнозированием понимают предсказание будущего с помощью научных методов. Процессом прогнозирования называется специальное научное исследование конкретных перспектив развития какого-либо процесса. Методы прогнозирования — определенное сочетание способов выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза. В настоящее время известно около 220 методов прогнозирования, которые можно объединить в 4 группы: экспертные оценки, экстраполяция, моделирование, комбинированные прогнозы. Приведенное разделение способов прогнозирования условно, на практике эти методы сочетаются, взаимно перекрещиваются и дополняют друг друга, особенно при прогнозировании сложных систем.

В своей практической деятельности врачу приходится иметь дело со сложными комбинациями действующих факторов, которые не удается конкретно выделить и изучить изолированно, что затрудняет принятие правильного решения. Для обоснованного способа решения задачи в таких случаях используется многомерная реализация. В медицинских исследованиях из многомерных методов используют классификационные методы, дискриминантный и регрессионный анализы. Регрессионный анализ может изучать отношения между двумя и более переменными с целью определения зависимости между исходной переменной и множеством внешних факторов. К достоинствам регрессионных моделей и методов данных моделей прогнозирования относят простоту, гибкость, единообразие их анализа и проектирования. При использовании линейных регрессионных моделей результат прогнозирования получается более быстро, а полученные промежуточные вычисления всегда доступны для анализа [1—6].

Согласно современным представлениям, основными патогенетическими нарушениями при атопическом дерматите (АтД) являются иммунологические нарушения. Оценка показателей иммунного статуса у детей с АтД необходима при проведении и оценке эффективности лечебных мероприятий. Однако, в практической работе специалиста не всегда имеется возможность проведения иммунологических исследований немедленно и в необходимых объемах. Комплексная оценка расширенной иммунограммы является сложным и трудоемким исследованием, требующим специально оборудованной лаборатории, дорогостоящих реактивов.

Исходя из этого, был создан скрининг-метод оценки иммунологического анализа на основании показателей анализа крови у детей старшего возраста больных АтД и практически здоровых детей. Выявленные в результате математических исследований статистически значимые множественные коэффициенты корреляции между показателями общего анализа крови и иммунограммы детей старшего возраста с АтД подтверждают наличие их взаимосвязи и позволяют осуществить определение одних показателей через другие.

В качестве исходных величин прогноза взяты семь показателей общего анализа крови: лейкоциты, палочкоядерные и сегментоядерные нейтрофилы, эозинофилы, лимфоциты, моноциты, базофилы. В расчете также использовалась зависимость показателей гемограммы от возраста ребенка. Результирующими величинами были приняты 22 показателя иммунного статуса: CD3+-лимфоциты (Т-клетки), CD4+-лимфоциты (Т-хелперы), CD8+-лимфоциты (Т-супрессоры), иммунорегуляторный индекс — ИРИ (CD4+-лимфоциты/CD8+-лимфоциты), CD19+-лимфоциты (В-лимфоциты), CD56+-лимфоциты (натуральные киллеры — NK-клетки) и т.д.

В качестве математического метода прогнозирования использовалась линейная множественная регрессия, так как ее параметры определяются через коэффициенты корреляции. Регрессионное уравнение строилось для каждого показателя иммунного статуса. Коэффициенты регрессии определялись на каждый иммунологический показатель, а также ошибка прогноза (среднеквадратическое отклонение) в соответствующих единицах. У большинства обследованных детей результаты прогноза отличались от истинных значений не более чем на 25%. Это позволяло оценить как средние значения иммунологических показателей, так и тенденцию отклонения от нормы данного показателя (повышен, понижен).

Данный прогноз требует сложных трудоемких вычислений, поэтому для практического применения разработана программа прогнозирования для ЭВМ типа IBM PC. Компьютерная программа прогнозирования была создана на основании проведенных исследований и расчетов. Она предельно упрощает трудоемкий процесс прогнозирования, который сводится к введению в компьютер возраста больного и полученных данных морфологического состава периферической крови нажатием соответствующих клавиш.

За короткий промежуток времени специалист, проводящий прогноз, получает прогноз данных иммунного статуса у конкретного больного ребенка без существенных материальных и временных затрат.

Программа прогнозирования разработана с помощью пакета Visual Basic в виде приложения для операционной системы Windows. Программа содержит исполняемые файлы, файла данных, содержащие коэффициенты регрессии, а также файл, содержащий инструкцию по запуску программы.

Разработанная программа позволяет определить иммунный статус у детей старшего возраста с АтД, не требует от пользователя специальных знаний, достаточно лишь начальных навыков работы с компьютером. Она проста в работе и может широко применяться в любом медицинском учреждении, оснащенном персональными компьютерами. Перспективно ее применение в компьютерных сетях профильных поликлиник и стационаров. Особенно эффективно будет применение прогноза на поликлиническом приеме или при проведении массовых обследований детей, что позволит адекватно воздействовать на различные нарушения в том или ином звене иммунитета.

С целью совершенствования полученного способа нами был разработан способ оценки расширенного иммунного статуса у здоровых детей и больных АтД детей, независимо от возраста. При этом оцениваются значения всего лишь четырех показателей гемограммы — лейкоциты, нейтрофилы, моноциты и лимфоциты. К исходным величинам добавляется возраст ребенка. Данные водятся в компьютер и по разработанной программе вычисляются абсолютные значения расширенной иммунограммы, которые появляются на экране: НСТсп (спонтанный тест), НСТст (стимулированный тест), фагоцитарный резерв, фагоцитарный индекс, CD11+-лимфоциты CD18+-лимфоциты, CD19+-лимфоциты моноциты, HLA-DR+-моноциты, лимфоциты, CD3+-лимфоциты, CD4+-лимфоциты, CD8+-лимфоциты, CD2+-лимфоциты, CD25+-лимфоциты, IgM, сывороточный IgE, ЦИК, секреторный IgA и др.

В качестве математической модели, описывающей эту зависимость, использовалась множественная регрессия, так как ее параметры легко определяются через коэффициенты корреляции. Регрессионное уравнение строится отдельно для каждого иммунологического показателя. Так как зависимость от возраста ребенка имеет нелинейный характер, в формулу введена логарифмическая и обратная логарифмической зависимость — Ig (A, G, E) и 1/Ig (A, G, E) — возраст в неделях; А56 — экспериментально определенные коэффициенты регрессии для возраста. Достоверность характеризуют: коэффициент корреляции R; коэффициент b (в 100% показывает прогнозируемую долю показателя); интервал DELTA показывает предел колебания каждого показателя (среднеквадратическое отклонение). Также были рассчитаны коэффициенты регрессии каждого иммунологического показателя для детей с АтД и практически здоровых (доноров). У большинства обследуемых детей результаты прогноза отличаются от истинных значений не более чем на 20%. Это позволяет оценить как среднее значение иммунологических показателей, так и тенденцию отклонения от нормы данного показателя.

Преимуществом разработанной программы является возможность периодического обновления таблиц коэффициентов регрессии (по мере накопления новых данных), что значительно повышает эффективность метода.

Таким образом, предлагаемые способы оценки прогноза показателей иммунного статуса немедленно осуществляются по нескольким показателям гемограммы, а полученные данные вводятся в компьютер, где по разработанной программе вычисляются значения расширенной иммунограммы. Этот способ может быть использован в практических учреждениях, где имеются ограничения по проведению иммунологических исследований.

 

 

ЛИТЕРАТУРА

1. Суворова К.Н., Антоньев А.А., Довжанский С.И., Писаренко М.Ф. Атопический дерматит. — Саратов: Изд-во Сарат. ун-та, 1989. — 168 с.

2. Балаболкин И.И., Гребенюк В.Н. Атопический дерматит у детей. — М.: Медицина, 1999. – 240 с.

3. Шиган Е.Н. Методы прогнозирования и моделирования в социально-гигиенических исследованиях. — М., 1986. — 207 с.

4. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе СТАТИСТИКА в среде Windows. — М.: Финансы и статистика, 1999. — 380 с.

5. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере / Под ред. В.Э. Фигурнова. — М.: ИНФПА-М, 1998. — 528 с.

6. Медик В.А., Токмачёв М.С., Фишман Б.Б. Статистика в медицине и биологии. Том 1. — Теоретическая статистика. — М.: Медицина, 2000. — 412 с.

7. Медик В.А., Токмачёв М.С., Фишман Б.Б. Статистика в медицине и биологии. Том 2. — Прикладная статистика здоровья. — М.: Медицина, 2001. — 352 с.

8. Славин М.Б. Практика системного моделирования в медицине. — М.: Медицина, 2002. — 168 с.

9. Выборнов Ю.Д. Прогноз времени вероятных заболеваний детей // Педиатрия. — 2006. — № 2. — С. 106—108.

10. Шамов Б.А., Шамова А.Г. Атопический дерматит у детей. — Казань: «Новое знание», 2006. — 256 с.

11. Маслаускене Т.П., Михалевич И.М., Басаева В.В. Рациональность использования математического прогноза в практическом здравоохранении. — Сибирский медицинский журнал. — 2009. — № 7. — С. 162—164.