DOI: 10.21045/2071-5021-2022-68-3-12

¹Османов Э.М., ¹Жабина У.В., ¹Решетников В.А., ²Ефимов Д.В., ³Маньяков Р.Р., ¹Гараева А.С.
¹ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова (Сеченовский Университет) Минздрава России, Москва, Россия
²ООО «Прозрение», Липецк, Россия
³ФКУЗ «МСЧ МВД России по Тамбовской области», Тамбов, Россия

Резюме

Актуальность. Катаракта является второй по распространенности причиной слабовидения и слепоты. В этой связи требуется разработка нового аналитического подхода, позволяющего оптимизировать алгоритмы профилактических мероприятий при данном заболевании.

Цель: разработать методику скрининговой диагностики старческой катаракты среди населения в возрасте 40-99 лет, на основе коморбидной патологии, а также алгоритм стратификации на целевые группы по уровню риска развития старческой катаракты.

Материалы и методы. Исследование основано на информации, извлеченной из электронных медицинских карт пациентов в возрасте 40-99 лет, проживающих в г. Тамбове и прикрепленных на медицинское обслуживание к городской поликлинике (n=38328). Методика разрабатывалась при помощи бинарного логистического регрессионного анализа с пошаговым алгоритмом включения переменных, где в роли зависимой переменной выступила старческая катаракта, в роли независимых переменных использованы факторы риска старческой катаракты из числа хронических заболеваний. Сравнение моделей проводилось при помощи построения ROC-кривых с вычислением площади под кривой (AUC).

Результаты. Разработана скрининговая методика, позволяющая на основании данных о хронических заболеваниях, ассоциированных со старческой катарактой, к которым относятся гипертоническая болезнь, ишемическая болезнь сердца, цереброваскулярные болезни, варикозное расширение вен нижних конечностей, сахарный диабет, с учетом стандартизации на возраст, выявить среди населения в возрасте 40-99 лет, лиц с высоким риском развития старческой катаракты. Данные об уровне риска развития старческой катаракты позволили разработать алгоритм стратификации населения на целевые группы, в зависимости от требуемого уровня чувствительности и специфичности.

Выводы. На основе данных о кардиометаболических заболеваниях, ассоциированных со старческой катарактой, разработана методика, позволяющая среди населения в возрасте 40-99 лет установить уровень риска развития старческой катаракты, и алгоритм стратификации на целевые группы.

Область применения результатов. Полученные знания возможно использовать в процессе разработки дифференцированных мероприятий по первичной профилактике старческой катаракты, с учетом целевых групп и установленных модифицируемых факторов риска.

Ключевые слова: старческая катаракта; кардиометаболические заболевания; профилактика; скоринговая карта; коморбидность

Контактная информация: Османов Эседулла Маллаалиевич, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Финансирование: Исследование не имело спонсорской поддержки.
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.
Соблюдение этических стандартов. Данный вид исследования не требует прохождения экспертизы локальным этическим комитетом.
Для цитирования: Османов Э.М., Жабина У.В., Решетников В.А., Ефимов Д.В., Маньяков Р.Р., Гараева А.С. Разработка риск-ориентированного подхода в профилактике старческой катаракты на основе коморбидной патологии. Социальные аспекты здоровья населения [сетевое издание] 2022; 68(3):12. Режим доступа: http://vestnik.mednet.ru/content/view/1382/30/lang,ru/ DOI: 10.21045/2071-5021-2022-68-3-12

DEVELOPMENT OF A RISK-ORIENTED APPROACH TO PREVENT AGE-RELATED CATARACT BASED ON COMORBID PATHOLOGY
¹Osmanov EM, ¹Zhabina UV, ¹Rechetnikov VA, ²Efimov DV, ³Manyakov RR, ¹Garaeva AS.
¹I. M. Sechenov First Moscow State Medical University, Moscow, Russia
²LLC «Prozrenie», Lipetsk, Russia
³Industrial Hospital of the Ministry of Internal Affairs of the Russian Federation in the Tambov region, Tambov, Russia

Abstract

Significance. Cataracts are the second most common cause of low vision and blindness. In this regard, development of a new analytical approach is required to optimize algorithms of preventive measures.

The purpose of the study is to develop a method of screening diagnostics of age-related cataract among people aged 40-99, based on comorbid pathology, as well as an algorithm for stratification into target groups depending of the risk for senile cataract development.

Material and methods. The study is based on information extracted from electronic medical records (EMRs) of patients aged 40-99 residing in Tambov and assigned to the city polyclinic (n=38328). The technique was developed using a binary logistic regression analysis with a step-by-step algorithm for including variables, where age-related cataract acted as the dependent variable, and age-related cataract risk factors associated with chronic diseases were used as independent variables. The models were compared by building ROC curves with calculations of the area under the curve (AUC).

Results. A screening technique has been developed to identify individuals at high risk for developing age-related cataract among people aged 40 -99 based on data on chronic diseases associated with age-related cataract, including hypertension, coronary heart disease, cerebrovascular diseases, varicose veins of the lower extremities, and diabetes mellitus, taking into account age standardization. Data on the level of risk for developing age-related cataract made it possible to develop an algorithm for stratifying population into target groups, depending on the required level of sensitivity and specificity.

Conclusion. Based on the data on cardiometabolic diseases associated with age-related cataract, a methodology was developed that allows to establish the risk level for developing age-related cataract among people aged 40-99, and an algorithm for stratification into target groups.

Scope of application. The acquired knowledge can be used in the process of developing differentiated measures of primary prevention of age-related cataract, taking into account target groups and the established modifiable risk factors.

Keywords: senile cataract; cardiometabolic diseases; prevention; scoring card; comorbidity

Corresponding author: Esedulla M. Osmanov, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Information about authors:
Osmanov EM, http://orcid.org/0000-0001-7493-2351
Zhabina UV, http://orcid.org/ 0000-0002-3880-4528
Rechetnikov VA, http://orcid.org/0000-0002-7853-7356
Efimov DV, http://orcid.org/0000-0002-2875-2146
Manyakov RR, http://orcid.org/0000-0002-9935-8373
Garaeva A.S. https://orcid.org/0000-0003-3551-7205
Acknowledgments. The study had no sponsorship.
Competing interests. The authors declare the absence of any conflicts of interest regarding the publication of this paper.
Compliance with ethical standards. This study does not require a conclusion from the Local Ethics Committee.
For citation: Osmanov E.M. Zhabina U.V., Rechetnikov V.A., Efimov D.V., Manyakov R.R., Garaeva A.S. Development of a risk-oriented approach to prevent age-related cataract based on comorbid pathology. Social'nye aspekty zdorov'a naselenia [serial online] 2022; 68(3):12. Available from: http://vestnik.mednet.ru/content/view/1382/30/lang,ru/. (In Rus). DOI: 10.21045/2071-5021-2022-68-3-12

Введение

Во всем мире около 2,2 миллиарда человек имеют нарушения зрения, половину из которых можно было бы предотвратить. Катаракта является второй по распространенности причиной слабовидения и слепоты [1].

Увеличение продолжительности жизни населения сопровождается ростом среди них хронических заболеваний, в том числе и старческой катаракты (СК), что ложится тяжелым бременем на пациентов и их родственников, а также на систему общественное здравоохранения.

В этих условиях, несмотря на достигнутый успех в области оперативного лечения уже сформировавшейся катаракты, наиболее эффективным как для пациента с позиции сохранения высокого уровня качества жизни, так и снижения экономического бремени для здравоохранения, является профилактика развития заболевания.

В настоящее время разработаны профилактические мероприятия для отдельных нозологических форм эндокринных [2], сердечно-сосудистых [3], онкологических [4,5], офтальмологических [6] заболеваний, основанных на скрининге населения и их стратификации на целевые группы риска, а также модификации имеющихся факторов риска (ФР).

Оценка рисков является чрезвычайно полезным инструментом при разработке программ скрининга, что обусловлено отсутствием необходимости инвазивных, трудоемких и дорогостоящих исследований.

Разработка эффективных риск-ориентированных стратегий индивидуальной и популяционной профилактики офтальмопатологии в общем и СК в частности, должна проводиться в том числе и с учетом наличия ассоциированных заболеваний.

В научной литературе в последнее время накоплено немало данных о повышении риска развития СК при наличии ассоциированной патологии, к которым относятся сердечно-сосудистые заболевания (ССЗ) [7-9], сахарный диабет (СД) [10,11], бронхиальная астма [12], глаукома [7].

В этой связи разработка нового аналитического подхода по скрининговой диагностике и стратификации пациентов на целевые группы, основанного на наличие ассоциированных со СК хронических заболеваниях, позволит оптимизировать алгоритмы профилактических мероприятий и поможет достичь хороших результатов.

Цель исследования – разработать методику скрининговой диагностики старческой катаракты среди населения в возрасте 40-99 лет, на основе коморбидной патологии, а также алгоритм стратификации на целевые группы по уровню риска развития старческой катаракты.

Материал и методы

По дизайну ретроспективное наблюдательное исследование, основано на информации, извлеченной из электронных медицинских карт (ЭМК) пациентов в возрасте 40-99 лет, проживающих в г. Тамбове и прикрепленных на медицинское обслуживание к городской поликлинике (n=38328). В ЭМК вносились все обращения за медицинской помощью в государственные медицинские организации застрахованных по ОМС граждан. Использованы данные из ЭМК за период с 01.01.2016 по 01.12.2019 годы. Все диагнозы были идентифицированы с помощью кодов Международной классификации болезней, 10-я редакция (МКБ-10).

Методика скрининговой диагностики разрабатывалась при помощи бинарного логистического регрессионного анализа и построением математических моделей прогноза уровня риска развития СК с пошаговым алгоритмом включения переменных, где в роли зависимой переменной выступила СК, в роли независимых переменных использованы факторы риска СК из числа хронических заболеваний, к которым относятся гипертоническая болезнь (ГБ), ишемическая болезнь сердца (ИБС), цереброваскулярные болезни (ЦВБ), варикозное расширение вен нижних конечностей, остеохондроз позвоночника (ОХЗ), другие артрозы, гонартрозы, сахарный диабет (СД), нарушения обмена липопротеидов и другие липидемии (ДЛП), гастрит и дуоденит, хронический панкреатит, доброкачественная дисплазия молочной железы, гиперплазия предстательной железы, камни почки и мочеточника, нарушения менопаузы и другие нарушения в околоменопаузном периоде, хронический фарингит, другие доброкачественные новообразования кожи, цистит, нейросенсорная потеря слуха двусторонняя, а также демографические характеристики (возраст, пол) по следующей формуле:

P(Y) = 1 / 1 + e (b0 + b1X1i + b2X2i + + bnXni + i) (1)

где P(Y) – вероятность принадлежности к одной из двух категорий зависимой переменной; е – основание натурального логарифма (2,72); b0 – константа; b1, b2, bn – регрессионные коэффициенты; Xi – значение независимой переменной; i – случайная ошибка.

Построение математических моделей прогноза проводили на основе выборки, состоящей из 5896 человек в возрасте 40-99 лет, из которых 47,3% страдали СК. Выборку разделили случайным образом на обучающую (65,9%) для построения моделей и контрольную (34,1%) для их валидизации.

Сравнение моделей проводилось при помощи построения ROC-кривых с вычислением площади под кривой (AUC). В последующем отбиралась одна математическая модель из группы сравниваемых, с наиболее высокими значениями прогностической точности, чувствительности и специфичности. Проверку качества отобранной модели проводили на контрольной выборке.

Скоринговую карту стратификации населения на группы риска по развитию СК строили на основе данных β-коэффициентов независимых переменных математической модели, которые перемножали на множитель с округлением до целого числа для получения линейной шкалы от 0 до 400 скоринговых баллов. При суммировании баллов, соответствующих определенной независимой переменной, имеющейся у человека, получали сумму скоринговых баллов.

Границу суммы скоринговых баллов для разделения на группы высокого и низкого риска развития СК выбирали исходя из требуемого уровня чувствительности и специфичности скоринговой карты.

В процессе анализа рассчитывался уровень статистической значимости (p), нулевая гипотеза отклонялась в случае, если его значение было ниже 0,05. Количественные данные представлены в виде М±m, где М – среднее значение, m – стандартная ошибка среднего. Статистический анализ выполнен с использованием программ Microsoft Excel-2016, IBM SPSS Statistics 23.0 на персональном компьютере.

Результаты

Проведенный анализ позволил разработать несколько математических моделей прогноза уровня риска развития СК, из которых наиболее удачные представлены в таблице 1.

Таблица 1

Модели прогноза уровня риска развития СК с использованием в качестве независимых переменных хронические заболевания

Примечание: гипертоническая болезнь – ГБ; ишемическая болезнь сердца – ИБС; цереброваскулярные болезни – ЦВБ; остеохондроз позвоночника – ОХЗ; сахарный диабет – СД

Для выбора наилучшей модели прогноза из четырех отобранных, проводилось сравнение данных об их чувствительности и специфичности в виде ROC-кривых (рис. 1).

Рис. 1. Кривые, характеризующие уровень чувствительности и специфичности каждой модели

Из рисунка видно, что модель-1 прогноза обладает наибольшей площадью под ROC-кривой, показатель которой составил 0,814, что является очень хорошим качеством классифицирующей способности, модель-2 и модель-3 обладают хорошим качеством и модель-4 средним качеством классифицирующей способности (табл. 2).

Таблица 2

Показатель площади ROC-кривой каждой из разработанных моделей прогноза

Примечание: * - нулевая гипотеза - действительная площадь = 0,5

Диагностическая точность модели-1 достигает 74,3%, чувствительность – 70,4%, специфичность – 77,7%. Результаты проверки модели-1 на контрольной выборке (1/3 общей когорты), показала немногим лучший результат. Так, показатель диагностической точности модели-1, основанной на контрольной выборке, составил 74,6%, чувствительности – 72,3%, специфичности – 76,7%.

Вместе с тем использование в клинической практике громоздких формул для расчета, являющихся основой математических моделей, не представляется возможным. В этой связи, для их упрощенного использования, разрабатывалась скоринговая карта стратификации на целевые группы по уровню риска развития СК. С этой целью β-коэффициенты независимых переменных модели-1 переводились в скоринговые баллы для представления в линейной шкале. Данная методика подробно описана в [13].

Для этого β-коэффициенты перемножали на такой множитель, чтобы в итоге была получена линейная шкала от 0 до 400 скоринговых баллов. В результате получена скоринговая карта, характеризующиеся тем, что каждой независимой переменной соответствовал определенный скоринговый балл (табл. 3).

Таблица 3

Скоринговая карта расчета уровня риска развития СК

Примечание: гипертоническая болезнь – ГБ; ишемическая болезнь сердца – ИБС; цереброваскулярные болезни – ЦВБ; сахарный диабет – СД

Кривая, характеризующая зависимость суммы скоринговых баллов от предсказанного уровня риска развития СК, представлена на рисунке 2.

Рис. 2. Зависимость теоретической вероятности развития СК от суммы индивидуальных баллов (n=5896)

Использование скоринговая карта стратификации на целевые группы по уровню риска развития СК в качестве инструмента скрининга требует принятия решений о конкретных пороговых значениях прогнозируемого риска и соответственно оптимальных значений границы суммы скоринговых баллов для стратификации на целевые группы высокого или низкого уровня риска развития СК.

Так, если граница порога скоринговых баллов будет низкой, в этом случае в целевую группу высокого риска по развитию СК будет стратифицировано большее количество лиц, что в свою очередь задействует больше ресурсов на проведение дополнительных обследований для верификации диагноза. В случае, если границу порога скоринговых баллов установить на более высоком уровне, в целевую группу высокого риска будет стратифицировано меньшее количество лиц, что способствует экономии ресурсов, однако, при этом часть лиц, имеющих высокий уровень риска развития СК, будут ошибочно стратифицированы в группу низкого риска, среди которых впоследствии высока вероятность развития заболевания.

Для установления наиболее оптимальной границы порога баллов, с целью стратификации населения на целевые группы высокого и низкого уровня риска развития СК, проведено сопоставление показателей суммы скоринговых баллов с показателями чувствительности и специфичности скоринговой каты (табл. 4).

Таблица 4

Сопоставление показателя суммы скоринговых баллов с показателями чувствительности и специфичности скоринговой каты (n=38328)

Представленные данные показывают, что при уменьшении показателя суммы скоринговых баллов, увеличивается показатель чувствительности, но вместе с тем уменьшается показатель специфичности. Однако, с увеличением показателя чувствительности, происходит рост количества лиц с ложноположительным результатом теста, ошибочно стратифицированных в группу высокого уровня риска развития СК. Также в зависимости от выбранной границы суммы скоринговых баллов можно наблюдать фактическую частоту выявления СК в целевых группах высокого и низкого уровня риска развития СК.

В зависимости от требуемого уровня чувствительности и специфичности скрининговой карты, выбирается сумма скоринговых баллов, характеризующих границу между целевой группой низкого и высокого риска по развитию СК. От этого будет зависеть количество лиц, стратифицированных в разные группы и соответственно расходы которые в последующем возникнут при проведение дополнительных обследований и профилактических мероприятий в отношении лиц с высоким уровнем риска развития СК.

Обсуждение

В настоящем исследовании разработана методика, позволяющая на основании данных о наличии кардиометаболических заболеваний, с учетом стандартизации по возрасту, выявить среди населения в возрасте 40-99 лет, лиц с высоким риском развития СК, а также разработан алгоритм стратификации населения на целевые группы риска по развитию СК.

В настоящее время механизмы катарактогенеза при кардиометаболических заболеваниях не совсем изучены, однако имеющиеся исследования [14-17] позволяют сделать выводы о наличии единых патогенетических механизмов развития СК и ГБ, основой которых являются воспаление, окислительный стресс и эндотелиальная дисфункция. Из этого следует, что представленные заболевания могут выступать маркерами развития СК среди населения, а профилактические мероприятия, направленные на контроль артериального давления и уровня сахара крови, могут снизить риск развития не только ИБС и ЦВБ, но и СК.

Понимание баланса между потенциальной выгодой и затратами на проведение скрининга СК, дальнейшего лабораторно-инструментального обследования и наблюдения пациентов с высоким риском развития заболевания возможно лишь в том случае, если имеются методы и инструменты, позволяющие специалистам в области общественного здравоохранения по заданным критериям чувствительности и специфичности, стратифицировать население на различные группы риска.

В условиях ограниченных ресурсов здравоохранения, стратегия скрининга СК, основанная на простых маркерах заболевания, в качестве первого этапа перед инструментальной диагностикой лиц из высокой группы риска с последующей профилактикой, позволило бы предотвратить значительное число новых случаев СК среди населения.

Выводы

На основе данных о хронических заболеваниях, ассоциированных со СК (ГБ, ИБС, ЦВБ, варикозное расширение вен н/к, СД) разработана скрининговая методика, позволяющая среди населения в возрасте 40-99 лет установить уровень риска развития СК.

По данным об уровне риска развития СК разработан алгоритм стратификации населения на целевые группы с учетом требуемого уровня чувствительности и специфичности.

Полученные знания возможно использовать в процессе разработки дифференцированных мероприятий по первичной профилактике СК, с учетом целевых групп и модифицируемых факторов риска.

Библиография

1. World Health Organization Blindness and Vision Impairment. [Online]. 2021 [cited 2021 Oct 29]. Available from: https://www.who.int/news-room/fact-sheets/detail/blindness-and-visual-impairment
2. Волынкина А.П., Наумова Н.В., Шарапова Ю.А., Ивахно С.А., Богомолова Я.И. Анализ факторов и степени риска развития сахарного диабета 2 типа по данным скрининга жителей города Воронеж в 2017 г. Многопрофильный стационар 2018; 5(1): 33-35.
3. Шарипов Ф.Р., Маджидова Е.Н., Турабоев О.О., Мухаммадсолих Ш.Б. Скрининг цереброваскулярных заболеваний и инсульта среди врачей по данным оценки факторов риска их развития. Новый день в медицине 2020; 2(30): 265-268.
4. Резникова О.И., Лукьянова М.А., Соловьева И.В. Современные возможности лабораторной диагностики для повышения эффективности скрининга колоректального рака. Лабораторная служба 2019; 8(3): 51-54
5. Умарзода С.Г., Ахмедова З.Б., Джурабекова К.М. Организованный скрининг рака шейки матки визуальным методом via/VILI в пилотных районах Республики Таджикистан. Евразийский союз ученых 2019; 4-4(61): 10-13.
6. Нелюбин Е.Б. Прогнозируемое влияние увеличения интервала скрининга диабетической ретинопатии: программа скрининга шотландской диабетической ретинопатии. Научный электронный журнал Меридиан 2019; 12(30): 117-119.
7. Lee SM, Lin SY, Li MJ, Liang RC. Possible mechanism of exacerbating cataract formation in cataractous human lens capsules induced by systemic hypertension or glaucoma. Ophthalmic Res 1997; 29(2): 83-90. doi.org/10.1159/000268001
8. Yu X, Lyu D, Dong X, He J, Yao K. Hypertension and risk of cataract: a meta-analysis. PLoS One 2014; 9(12): e114012. doi.org/10.1371/journal.pone.0114012
9. Yuan S, Wolk A, Larsson SC. Metabolic and lifestyle factors in relation to senile cataract: a Mendelian randomization study. Sci Rep 2022; 12(1): 409. doi:10.1038/s41598-021-04515-x
10. Rim TH, Kim MH, Kim WC, Kim TI, Kim EK. Cataract subtype risk factors identified from the Korea National Health and Nutrition Examination survey 2008-2010. BMC Ophthalmol 2014; 14: 4. https://doi.org/10.1186/1471-2415-14-4
11. Richter GM, Choudhury F, Torres M, Azen SP, Varma R; Los Angeles Latino Eye Study Group. Risk factors for incident cortical, nuclear, posterior subcapsular, and mixed lens opacities: the Los Angeles Latino eye study. Ophthalmology 2012; 119(10): 2040-2047. doi.org/10.1016/j.ophtha.2012.05.001
12. Nam SW, Lim DH, Cho KY, Kim HS, Kim K, Chung TY. Risk factors of presenile nuclear cataract in health screening study [published correction appears in BMC Ophthalmol 2018 Nov 30;18(1):308]. BMC Ophthalmol 2018; 18(1): 263. doi:10.1186/s12886-018-0928-6
13. Сорокин А.С. Построение скоринговых карт с использованием модели логистической регрессии. Науковедение 2014; 2: 1-29.
14. Dinh QN, Drummond GR, Sobey CG, Chrissobolis S. Roles of inflammation, oxidative stress, and vascular dysfunction in hypertension. Biomed Res Int 2014; 2014: 406960. doi:10.1155/2014/406960
15. Kisic B, Miric D, Zoric L, et al. Xanthine oxidase activity in patients with age-related cataract associated with hypertension. Braz J Med Biol Res 2018; 51(5): e6129. doi:10.1590/1414-431X20176129
16. Khan SA, Choudhary R, Singh A, Bodakhe SH. Hypertension potentiates cataractogenesis in rat eye through modulation of oxidative stress and electrolyte homeostasis. J Curr Ophthalmol 2016; 28(3): 123-130. doi:10.1016/j.joco.2016.05.001
17. Miric DJ, Kisic BB, Zoric LD, Mitic RV, Miric BM, Dragojevic IM. Xanthine oxidase and lens oxidative stress markers in diabetic and senile cataract patients. J Diabetes Complications 2013; 27(2): 171-176. doi:10.1016/j.jdiacomp.2012.09.005

References

1. World Health Organization Blindness and Vision Impairment. [Online]. 2021 [cited 2021 Oct 29]. Available from: https://www.who.int/news-room/fact-sheets/detail/blindness-and-visual-impairment
2. Volynkina A.P., Naumova N.V., Sharapova Yu.A., Ivakhno S.A., Bogomolova Ya.I. Analiz faktorov i stepeni riska razvitija saharnogo diabeta 2 tipa po dannym skrininga zhitelej goroda Voronezh v 2017 g. [Analysis of risk factors and risk of developing type 2 diabetes mellitus according to screening data of residents of the city of Voronezh in 2017]. Mnogoprofil'nyj stacionar 2018; 5(1): 33-35. (in Russian).
3. Sharipov F.R., Madzhidova Y.N., Turaboev O.O., Mukhammadsolikh SH.B. Skrining cerebrovaskuljarnyh zabolevanij i insul'ta sredi vrachej po dannym ocenki faktorov riska ih razvitija [Screening of cerebrovascular diseases and stroke among doctors on the evaluation of risk factors of their development]. Novyj den' v medicine 2020; 2(30): 265-268.
4. Reznikova O.I., Luk'yanova M.A., Solov'eva I.V. Sovremennye vozmozhnosti laboratornoj diagnostiki dlja povyshenija jeffektivnosti skrininga kolorektal'nogo raka [Modern possibilities of laboratory diagnostics to increase the effectiveness of screening for colorectal cancer]. Laboratornaya sluzhba 2019; 8(3): 51-54
5. Umarzoda S.G., Akhmedova Z.B., Jurabekova K.M. Organizovannyj skrining raka shejki matki vizual'nym metodom via/VILI v pilotnyh rajonah Respubliki Tadzhikistan [Organized cervical cancer screening by visual method via/VILI in pilot districts of the Republic of Tajikistan]. Evrazijskij soyuz uchenyh 2019; 4-4(61): 10-13.
6. Nelyubin E.B. Prognoziruemoe vlijanie uvelichenija intervala skrininga diabeticheskoj retinopatii: programma skrininga shotlandskoj diabeticheskoj retinopatii [Predicted impact of increasing screening interval for diabetic retinopathy: the Scottish diabetic retinopathy screening programme]. Nauchnyj elektronnyj zhurnal Meridian 2019; 12(30): 117-119.
7. Lee SM, Lin SY, Li MJ, Liang RC. Possible mechanism of exacerbating cataract formation in cataractous human lens capsules induced by systemic hypertension or glaucoma. Ophthalmic Res 1997; 29(2): 83-90. doi.org/10.1159/000268001
8. Yu X, Lyu D, Dong X, He J, Yao K. Hypertension and risk of cataract: a meta-analysis. PLoS One 2014; 9(12): e114012. doi.org/10.1371/journal.pone.0114012
9. Yuan S, Wolk A, Larsson SC. Metabolic and lifestyle factors in relation to senile cataract: a Mendelian randomization study. Sci Rep 2022; 12(1): 409. doi:10.1038/s41598-021-04515-x
10. Rim TH, Kim MH, Kim WC, Kim TI, Kim EK. Cataract subtype risk factors identified from the Korea National Health and Nutrition Examination survey 2008-2010. BMC Ophthalmol 2014; 14: 4. doi.org/10.1186/1471-2415-14-4
11. Richter GM, Choudhury F, Torres M, Azen SP, Varma R; Los Angeles Latino Eye Study Group. Risk factors for incident cortical, nuclear, posterior subcapsular, and mixed lens opacities: the Los Angeles Latino eye study. Ophthalmology 2012; 119(10): 2040-2047. doi.org/10.1016/j.ophtha.2012.05.001
12. Nam SW, Lim DH, Cho KY, Kim HS, Kim K, Chung TY. Risk factors of presenile nuclear cataract in health screening study [published correction appears in BMC Ophthalmol 2018 Nov 30;18(1):308]. BMC Ophthalmol 2018; 18(1): 263. doi:10.1186/s12886-018-0928-6
13. Sorokin A.S. Postroenie skoringovyh kart s ispol'zovaniem modeli logisticheskoj regressii [Construction of scoring maps using a logistic regression model]. Internet journal "Science" 2014; 2:1-29.
14. Dinh QN, Drummond GR, Sobey CG, Chrissobolis S. Roles of inflammation, oxidative stress, and vascular dysfunction in hypertension. Biomed Res Int 2014; 2014: 406960. doi:10.1155/2014/406960
15. Kisic B, Miric D, Zoric L, et al. Xanthine oxidase activity in patients with age-related cataract associated with hypertension. Braz J Med Biol Res 2018; 51(5): e6129. doi:10.1590/1414-431X20176129
16. Khan SA, Choudhary R, Singh A, Bodakhe SH. Hypertension potentiates cataractogenesis in rat eye through modulation of oxidative stress and electrolyte homeostasis. J Curr Ophthalmol 2016; 28(3): 123-130. doi:10.1016/j.joco.2016.05.001
17. Miric DJ, Kisic BB, Zoric LD, Mitic RV, Miric BM, Dragojevic IM. Xanthine oxidase and lens oxidative stress markers in diabetic and senile cataract patients. J Diabetes Complications 2013; 27(2): 171-176. doi:10.1016/j.jdiacomp.2012.09.005

Дата поступления: 30.04.2022

Добавить комментарий

Пожалуйста оставляйте комментарии только по теме. Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:
Код:*