В.В. Мартиросян, Ю.А. Крупская
Ростовский государственный медицинский университет, г. Ростов-на-Дону, Россия

Impact analysis of solar activity on incidence and mortality from cerebral stroke in Rostov-on-Don
V.V. Martirosyan, Yu.A. Krupskaya
Rostov State Medical University, Rostov-on-Don, Russia

Резюме. За последние 10 лет XXI века в России сформировалась устойчивая тенденция роста (более чем на 30% (смертность - 41 на 100 тыс. населения)) показателей заболеваемости и смертности от инсульта среди лиц трудоспособного возраста. Цереброваскулярные заболевания стали настолько острой социальной проблемой, что в 2004 г. ВОЗ объявила инсульт глобальной эпидемией. Для кардинального изменения ситуации и повышению эффективности лечения большое значение придают прогнозированию осложнений заболевания. С этой целью определяют факторы высокого риска, при наличии которых проводят курс интенсивного медикаментозного лечения, рекомендуют инвазивные методы лечения.

Цель исследования: Выявить статистически значимые связи между индексом, характеризующим Солнечную активность, степенью раздражающего действия погодных условий на организм человека и признаками, отражающими характеристики заболеваний, в частности, характеристиками мозгового инсульта.

Методы исследования: В основу исследования положены результаты ретроспективного анализа протоколов вскрытий лиц, умерших от мозговых инсультов (всего - 1135 случаев) за годы высокой Солнечной активности (2000-2002 гг.) и годы низкой Солнечной активности (2008-2010 гг.) по материалам БСМП №1 г. Ростова-на-Дону, куда в основном госпитализировались лица с мозговыми инсультами. Для количественной оценки степени раздражающего действия погодных факторов на организм человека использовался общий клинический индекс патогенности погоды. Критическое значение уровня статистической значимости при проверке нулевых гипотез принималось равным 0,05. Применялись: многомерный метод логистической регрессии, дисперсионный анализ, медианный критерий, критерий Ван дер Вардена, анализ парных таблиц сопряжённости.

Результаты: В результате проведенного исследования, при построении математической модели, было выявлено 7 эндогенных факторов, отражающих характеристики острого нарушении мозгового кровообращения и 4 экзогенных фактора из числа индексов патогенности погоды, что свидетельствует о том, что различие между структурой 2-х сформированных групп («высокая» и «низкая»), разделяется достаточно большим сектором показателей. Качество модели оценивалось по моделирующей выборке. Совпадение факта и расчета по градациям классификационной переменной характеризующей Солнечную активность «высокая» и «низкая», в массиве исследования было обеспечено в 92,4% случаев (Concordant). Коэффициент связи D-Зоммера (Somers’D) составил 0,851.

Выводы: Построенная логистическая модель позволяет охарактеризовать типологические особенности состава и структуры групп пациентов, умерших от мозгового инсульта в периоды низкой и высокой Солнечной активности. Результаты проведенного исследования рекомендованы авторами для использования в практической деятельности неврологического отделения Ростовского государственного медицинского университета, при разработке приоритетных направлений медико-социальных программ.

Ключевые слова. Мозговой инсульт; медико-социологическое исследование; логистическая регрессия; солнечная активность.

Summary: Over the last decade of the XXI century Russia has developed a steady tendency towards increased incidence and mortality from stroke in working ages (over 30 %). To reverse the situation and improve treatment efficiency identification, prognosis and minimization of stroke-associated risk factors should become a priority.

Objective of the study was to identify statistically significant relationships between the Solar activity index, degree of weather irritating effects on human body and signs of stroke.

Methods. The research is based on results of the retrospective analysis of autopsy protocols on cerebral stroke deaths (1135 cases in total) for high solar activity years (2000-2002.) and low solar activity years (2008-2010) based on data from the City hospital # 1 of Rostov-on-Don. To quantify the degree of weather irritating effects on human body a general clinical weather pathogenicity index was used. Multidimensional method of logistic regression was used to identify relationships.

Results. As a result of the research, construction of a mathematical model identified seven endogenous factors reflecting signs of stroke and four exogenous factors from the weather pathogenicity index components with statistically significant relationship with the Solar activity index.

Fact congruency and gradation calculation by classification variable ("high" and "low") in the research data was provided in 92.4% of cases (Concordant). Coupling coefficient D-Sommer (Somers'D) was 0.851.

Conclusions. The developed logistic model allows for characterization of composition and structure of groups of patients died from stroke during low and high Solar activity years.

Key words: stroke, medical and sociological research, logistic regression, the Solar activity.

Актуальность проблемы

Инсульт – заболевание, имеющее огромную социальную и экономическую значимость. По данным ВОЗ, сосудистые заболевания мозга занимают второе место в структуре смертности от болезней системы кровообращения (39%) и в общей смертности населения (23,4%). Ежегодная смертность от инсульта в России - одна из наиболее высоких в мире (175 на 100 тыс. населения). Цереброваскулярные заболевания (ЦВЗ) стали настолько острой социальной проблемой, что в 2004 г. ВОЗ объявила инсульт глобальной эпидемией. Действительно, по ряду признаков, мозговой инсульт (МИ) можно отнести к категории наиболее острых социальных проблем:

1. Высокая смертность. Показатели заболеваемости и смертности от МИ среди лиц трудоспособного возраста в России увеличились за последние 10 лет более чем на 30% (смертность - 41 на 100 тыс. населения). Ранняя 30-дневная летальность после МИ составляет 34,6%, а в течение года умирает примерно половина заболевших.
2. Инвалидность. МИ занял лидирующие позиции в инвалидизации населения. По данным Национального регистра инсульта, 31% перенесших МИ больных нуждаются в посторонней помощи, 20% не могут самостоятельно ходить. Лишь 8% выживших больных могут вернуться к прежней работе [9].
3. Мультипликативные издержки экономики. ЦВЗ наносят огромный ущерб экономике, учитывая расходы на лечение, медицинскую реабилитацию, потери в сфере производства. Только от МИ, например, в США материальные потери составляют от 7,5 до 11,2 млрд. долларов в год, а в нашей стране - от 16,5 до 22 млрд. долларов [2, с. 4-10].

В связи с вышеизложенным, проблема эффективной и безопасной терапии МИ является одной из наиболее актуальных проблем современной неврологии. В течение последних нескольких лет в России активно проводится реализация программ, направленных на первичную профилактику заболеваний системы кровообращения: Федеральной программы по борьбе с артериальной гипертонией и Программы по диспансеризации трудоспособного населения с выделением групп риска и профилактикой социально значимых неинфекционных заболеваний и т.д. [9]. Большое значение повышению эффективности лечения придают прогнозированию осложнений заболевания. С этой целью определяют факторы высокого риска, при наличии которых проводят курс интенсивного медикаментозного лечения и рекомендуют инвазивные методы лечения.

Однако такой подход не всегда позволяет динамично оценивать риск осложнений в ближайшие дни и своевременно назначать профилактическое лечение. В этой связи можно предположить, что изучение факторов, оказывающих влияние на заболеваемость и смертность от МИ, поможет выявить закономерности и связи, которые позволят лучше описать течение заболевания и разработать более эффективную методику прогнозирования заболевания.

Исходная гипотеза заключается в предположении о наличии статистически значимых связей между индексом, характеризующим Солнечную активность (СА), степенью раздражающего действия погодных условий на организм человека и признаками, отражающими характеристики заболеваний, в частности, характеристиками МИ.

Цель данного исследования:

1. Применив многомерный метод логистической регрессии выявить значимые взаимосвязи между индексом СА, метеорологическим индексом патогенности и характеристиками МИ;
2. Для более качественной интерпретации построенной логистической модели произвести анализ парных взаимосвязей между выявленными признаками-характеристиками МИ и зависимым признаком – индексом СА.

Материалы и методы

В основу исследования положены результаты ретроспективного анализа протоколов вскрытий лиц, умерших от МИ (всего - 1135 случаев) за годы высокой СА (2000-2002 гг.) и годы низкой СА (2008-2010 гг.) по материалам БСМП №1 г. Ростова-на-Дону, куда в основном госпитализировались лица с МИ.

Сформированы 2-е группы наблюдений:

• Первая группа наблюдений (287 (25,3%) больных) формировалась из больных, которые умерли после перенесенного МИ в период высокой СА;
• Вторая группа наблюдений (848 (74,7%) больных) формировалась из больных, которые умерли после перенесенного МИ в период низкой СА.

Все случаи инсульта подразделялись по полу (мужчины, женщины), по возрасту (молодой (до 45 лет), средний (45-59), пожилой (60-74), старческий (75-89), долгожители (90 и старше)), по типу (ишемические (ИИ), геморрагические (ГИ) инсульты), по локализации (правое, левое полушарие и ствол головного мозга).

Ишемические инсульты в свою очередь подразделены на атеротромботические (АТБ) и неатеротромботические (неАТБ).

Геморрагические инсульты классифицированы на субарахноидальные, гематомы, гематомы с прорывом крови в желудочки мозга.

По каждому наблюдению произведена фиксация даты начала МИ и даты летального исхода. Произведен подсчет индивидуального срока дожития, определены случаи летальности в 1-е сутки. Учтён фактор внезапности развития МИ (внезапно, постепенно).

Из факторов риска (ФР) развития инсульта учитывались: возраст (согласно классификации ВОЗ), артериальная гипертензия, атеросклероз сосудов головного мозга, сахарный диабет, заболевания сердца, ОНМК в анамнезе, заболевания почек, злоупотребление алкоголем.

Для количественной оценки степени раздражающего действия погодных факторов на организм человека использовались суточные значения общего клинического индекса патогенности погоды, слагаемого из частых индексов (компонент), отражающих патогенное воздействие по: температуре воздуха (t), влажности (h), скорости ветра (v), облачности (n), межсуточному изменению атмосферного давления (∆P) и температуры (∆t) [5, с.345-351]. Расчет индекса производился на основании рекомендаций «Руководства по специализированному климатическому обслуживанию экономики» [4, с.336]. Была произведена оценка воздействия факторов окружающей среды, на заболеваемость МИ, за указанные периоды с учетом СА.

За период 2000-2010гг. получена графическая демонстрация солнечной активности (СА) в относительных числах солнечных пятен (ISN) и значений потока радиоизлучения на волне 10,7 см (SFU) (Рисунок 1)

Рис. 1. Графическая демонстрация солнечной активности (СА) за период 2000-2010гг. в относительных числах солнечных пятен (ISN) и значений потока радиоизлучения на волне 10.7 см (SFU)

Основные характеристики двадцать третьего (май 1996 г. – январь 2009г.) и начала двадцать четвертого (с января 2009 г.) циклов СА:

• максимум 23 цикла в относительных числах солнечных пятен наступил в апреле 2000 г. (W*max=120,7), а максимум значений потока радиоизлучения на волне 10,7 см отмечен в феврале 2002 г (F*max=197,2);
• второй максимум 23 цикла в относительных числах солнечных пятен отмечен в ноябре 2001 г. (W*=115,6), причем 8 месяцев значения W* превышали 113;
• Согласно данным НАСА, в 2009 году СА достигла своего минимума за последние 100 лет. Предыдущие циклы столь слабой активности были отмечены в 1912-1913 годах. В 2008 году на протяжении 266 дней (73% продолжительности года) не было зафиксировано новых солнечных пятен. Такие данные говорят о достижении минимума цикла СА в 2008 году. За первые 90 дней 2009 года Солнце не проявляло сколько-нибудь значимой активности на протяжении 78 дней.

Для подтверждения либо опровержения исходной гипотезы исследование решено ограничить периодами 2000-2002гг. – года высокой СА и 2008-2010гг. – года низкой СА.

Статистический анализ данных выполнен в Центре БИОСТАТИСТИКА под руководством доцента факультета информатики Томского государственного университета, к.т.н., Леонова В.П. Процедуры статистического анализа выполнялись с помощью статистических пакетов SAS 9.2, STATISTICA 10 и SPSS-20. Критическое значение уровня статистической значимости при проверке нулевых гипотез принималось равным 0,05. В случае превышения достигнутого уровня значимости статистического критерия этой величины, принималась нулевая гипотеза.

Проверка нормальности распределения количественных признаков в отдельных группах сравнения проводилась с использованием критериев Колмогорова-Смирнова Шапиро-Уилка, Крамера-фон-Мизеса и Андерсона-Дарлинга. Алгоритм принятия решения о нормальности распределения: решение о нормальности распределения принимался при совпадении положительных результатов по не менее трем применяемым критериям. Для сравнения центральных параметров групп использовались параметрические и непараметрические методы: дисперсионный анализ, в т.ч. с критерием Краскела-Уоллиса и ранговыми метками Вилкоксона, медианный критерий, и критерий Ван дер Вардена [1,3,7]. При неоднозначных выводах, за основу брался результат, полученный посредством применения критерия Ван-дер-Вардена. Для всех количественных признаков в сравниваемых группах производилась оценка средних арифметических и среднеквадратических (стандартных) ошибок среднего, а также коэффициента вариации. Дескриптивные статистики в тексте представлены как M ± m, где М – среднее, а m – ошибка среднего.

Для анализа взаимосвязи между одним качественным признаком, выступающим в роли зависимого, результирующего показателя (в данном случае выступал признак «СА» с градацией «высокая» и «низкая»), и подмножеством количественных и качественных признаков, использовалась модель логистической регрессии с пошаговым алгоритмом включения и исключения предикторов. Результаты оценки уравнений логистической регрессии представлены набором коэффициентов регрессии, достигнутыми уровнями значимости для каждого коэффициента, а также оценкой показателя согласия (Concordant) фактической принадлежности пациента к той или иной группе, и теоретической принадлежности, полученной по уравнению логит-регрессии. Всего было получено порядка двадцати уравнений логит-регрессии, из которых производился отбор уравнений, имеющих самые высокие значения этого показателя. Ранжирование выделенных предикторов по степени связи с зависимой переменной производилось путём сортировки предикторов по модулю стандартизованных коэффициентов регрессии [6,10]. Качество модели оценивалось по моделирующей выборке.

Исследование взаимосвязи межу парами дискретных качественных признаков проводилось с использованием анализа парных таблиц сопряжённости. Помимо оценок критерия Пирсона Хи-квадрат и достигнутого уровня статистической значимости этого критерия, вычислялись и оценки интенсивности связи анализируемых признаков, такие как коэффициент Фи, коэффициент контингенции и V-коэффициент Крамера. [1,3,7,8]. В случае наличия статистически значимых связей между парой качественных признаков проводился углублённый анализ распределения частот в клетках таблицы сопряжённости, позволявший установить структуру выявленной взаимосвязи на уровне сочетаний отдельных градаций обоих признаков.

Результаты и обсуждение

Солнечная активность - совокупность нестационарных явлений на Солнце. К этим явлениям относятся солнечные пятна, солнечные вспышки, факелы, флоккулы, протуберанцы, корональные лучи, конденсации, транзиенты, спорадическое радиоизлучение, увеличение ультрафиолетового, рентгеновского и корпускулярного излучения и др. Большинство этих явлений тесно связаны между собой и возникают в активных областях. В их протекании отчётливо видна цикличность со средним периодом 11,2 года (11-летний цикл Швабе-Вольфа).

С циклическими изменениями Солнечной активности связано проявление многолетних биологических циклов. Изучением влияния изменений солнечной активности на живые организмы Земли занимается гелиобиология - наука, основы которой были заложены в начале 1920-х гг. А.Л.Чижевским.

Произведен анализ с помощью метода логистической регрессии взаимосвязи между зависимой переменной "Солнечная активность" и всеми остальными признаками. Данный анализ производится по всему массиву в целом. Для реализации поставленной задачи, была сгенерирована новая классификационная переменная ACTIVITY_SA, содержащая значение СА («высокая» или «низкая»), к которому относится каждое конкретное наблюдение. Цель использования метода логистической регрессии - произвести оценку взаимосвязи выходного, зависимого дискретного признака (в нашем случае ACTIVITY _SA) от наборов качественных и количественных предикторов.

В результате проведенного исследования, при построении математической модели, было выявлено 7 эндогенных факторов, отражающих характеристики острого нарушении мозгового кровообращения и 4 экзогенных фактора из числа индексов патогенности погоды, что свидетельствует о том, что различие между структурой 2-х сформированных групп («высокая» и «низкая»), разделяется достаточно большим сектором показателей. Качество модели оценивалось по моделирующей выборке. Совпадение факта и расчета по градациям классификационной переменной ACTIVITY_SA «высокая» и «низкая», в массиве исследования было обеспечено в 92,4% случаев (Concordant). Коэффициент связи D-Зоммера (Somers’D) составил 0,851. Полученные данные представлены в табл. 1

Таблица 1

На основании данных табл. 1 создана математическая модель расчёта вероятности принадлежности для каждого больного, перенесшего МИ к конкретному периоду СА (в данном случае к периоду «высокая СА»).

Каждый из коэффициентов регрессии Вi (третий столбец таб. 1) описывает размер вклада соответствующего предиктора. Положительный коэффициент регрессии означает, что данный фактор повышает вероятность принадлежности пациента к периоду высокой СА, в то время как отрицательный коэффициент означает, что этот фактор уменьшает эту вероятность. Большой стандартизованный коэффициент регрессии (крайний правый столбец таб. 1) означает, что данный фактор существенно влияет на совокупную вероятность, в то время как почти нулевой коэффициент означает, что этот фактор имеет небольшое влияние на вероятность результата.

В данной модели установлено, что молодой возраст сопряжен с увеличением вероятности смерти пациента в период высокой СА, период низкой СА характерен боле коротким сроком дожития после дебюта МИ. Для периода высокой СА наиболее рискованным типом МИ является геморрагический инсульт. Наличие в анамнезе такого заболевания как гипертоническая болезнь существенно повышает риск смерти пациента в период высокой СА и при этом у пациентов, которые умерли в период низкой СА обычно присутствовали такие ФР как атеросклероз, ИБС и мерцательная аритмия.

Получено уравнение логистической регрессии (1) описывающее вероятность конкретного исхода:

,где beta = В₀ + В₁*Х₁ + В₂*Х₂+… + В₁₁* Х₁₁ (1)

Здесь:

Р – вероятность смерти пациента перенесшего МИ в период высокой СА;

В₀ - свободный член, пересечение (Intercept);

В₁, … ,В₁₁ - регрессионные коэффициенты для влияющих факторов Х;

Х₁, … ,Х₁₁ – значения влияющих переменных (факторов риска), причем значения могут быть как количественными, так и дискретными.

Для работы с моделью составлена кодировочная таблица (табл. 2), в которой представлен набор из 11 отобранных признаков, коэффициент и коды составляющих для каждого признака. Отдельным признаком выделен свободный член, пересечение (Intercept) В_0, который составляет 2,511.

Таблица 2

Алгоритм работы с представленными таблицами. Пример: Дискретный признак «Тип МИ» (кодировка: 1 – геморрагический; 2- ишемический) выявлен методом как фактор, имеющий статистически значимую связь с классификационной переменной ACTIVITY_SA. Отрицательный коэффициент регрессии (-0,460) означает, что максимальная градация этого фактора (2 - ишемический) снижает вероятность отнесения конкретного наблюдения к СА градации «высокая». Верно и обратное утверждение – у группы больных, умерших в период высокой СА статистически чаще присутствовал геморрагический тип МИ. Достаточно большой коэффициент статистики Вальда (WaldChi-Square) 29,5904 означает, что данный фактор существенно влияет на совокупную вероятность. И т.д.

Для более качественной интерпретации построенной логистической модели произведен анализ:

- оценки дескриптивных статистик (среднее, ошибка среднего, коэффициент вариации) для 5 выявленных количественных признаков раздельно в подгруппах, образованных признаком ACTIVITY_SA, для интерпретации каждой группы на предмет того, какие из этих признаков в той или иной группе (группировке наблюдений) принимали максимальные или минимальные значения;

- изучения связей между всеми парами качественных признаков посредством анализа таблиц сопряженности.

Ограниченный формат статьи не позволяет привести все результаты. поэтому продемонстрируем наиболее интересные:

Суммарный метеорологический индекс патогенности.

Приняты следующие градации общего клинического индекса патогенности погоды [5, с.345-351]:

I = 0 - 9 – оптимальные условия;

I = 10 - 24 – раздражающие;

I > 24 – острые.

В период низкой СА: смерть пациентов от МИ приходился на день с оптимальными погодными условиями в 322 (38%) случаев, раздражающими – 250 (29,5%), острыми – 276 (32,5%). В период высокой СА: с оптимальными погодными условиями в 127 (44,3%) случаев, раздражающими – 117 (40,8%), острыми – 43 (15%).

При анализе парной таблицы сопряженности: величина совокупного критерия Хи-квадрат Value равна 34,1207, (при значении достигнутого уровня значимости равного <.0001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна 0,1734.

Максимальный вклад в статистику Пирсона Хи-квадрат вносят пересечение строки «Высокая» (СА) и столбца «Острые» (коэф. оценки условий I)) - отрицательная связь двух признаков и строки «Высокая» (СА) и столбца «Раздражающие» (коэф. оценки условий I) - положительная связь двух признаков.

Рис. 2. Графическая демонстрация распределения градаций коэффициента условий индекса патогенности по периодам СА

Связь двух признаков можно характеризовать тем, что в период низкой СА смерть пациентов от МИ статистически чаще сопровождалась острыми условиями погоды (по классификации индекса патогенности), тогда как в период высокой СА - раздражающими.

Тип МИ.

МИ в данном исследовании подразделен на два типа – геморрагический и ишемический.

Ишемические инсульты в свою очередь разбиты на классы: атеротромботические (АТБ) и неатеротромботические (неАТБ).

Геморрагические инсульты классифицированы на субарахноидальные, гематомы и гематомы с прорывом крови в желудочки мозга.

В период низкой СА: смерть пациентов произошла от геморрагического МИ – 16 (1,9%) случаев класса субарахноидальные, 125 (14,7%) - гематомы, 108 (12,7%) - гематомы с прорывом крови в желудочки мозга. От ишемического МИ – 36 (4,2%) АТБ, 563 (66,4%) – неАТБ.

В период высокой СА: смерть пациентов произошла от геморрагического МИ – 5 (1,7%) случаев класса субарахноидальные, 48 (16,7%) - гематомы, 75 (26,1%) - гематомы с прорывом крови в желудочки мозга. От ишемического МИ – 38 (13,2%) АТБ, 121 (42,2%) – неАТБ.

При анализе парной таблицы сопряженности: Величина совокупного критерия Хи-квадрат Value равна 71,948, (при значении достигнутого уровня значимости равного <.0001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна 0,252.

Непосредственно по ишемическому типу МИ: период низкой СА характерен высоким содержанием класса «неАТБ» (положительная статистически значимая взаимосвязь). Период высокой СА характерен высоким содержанием класса «АТБ» (положительная статистически значимая взаимосвязь). По геморрагическому типу МИ: связь обусловлена тем, что период высокой СА продемонстрировал статистически большой показатель по наличию геморрагического инсульта по типу гематомы с прорывом крови в желудочки (положительная статистически значимая взаимосвязь).

Связь двух признаков можно характеризовать тем, что период высокой СА характерен насыщенным содержанием больных, перенесших МИ ишемического типа класса АТБ и геморрагического типа класса гематомы с прорывом крови в желудочки. В свою очередь период низкой СА характерен высоким содержанием больных, перенесших МИ ишемического типа класса неАТБ.

Рис. 3. Графическая демонстрация распределения МИ с учетом классификации типа МИ по периодам СА

Фактор риска - возраст пациентов.

В период низкой СА пациенты, умершие от МИ подразделялись по возрасту: молодой (до 45 лет) – 19 (2,2%) человек, средний (45-59)- 137 (16,2%), пожилой (60-74)-378 (44,6%), старческий (75-89) -310 (36,6%), долгожители (90 и старше) - 4 (0,5%). В период высокой СА: молодой – 15 (5,2%), средний - 63 (22%), пожилой -162 (56,4%), старческий -56 (16%), долгожители - 1 (0,3%).

Величина совокупного критерия Хи-квадрат Value равна 45,7045, (при значении достигнутого уровня значимости равного <.0001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна 0,2007.

Сопоставляя динамику фактических и ожидаемых частот легко убедиться, что в период низкой СА имеется положительная статистически значимая связь для группы «старческий» (75-89) и отрицательная статистически значимая взаимосвязь для групп «молодой», «средний» и «пожилой». В период высокой СА – все наоборот.

Рис. 4. Графическая демонстрация распределения МИ с учетом возраста пациентов по периодам СА

Связь между двумя анализируемыми признаками подтверждается, причем: период высокой СА характерен повышенной смертностью от МИ пациентов более молодого возраста, в период низкой СА значительно возросла смертоносность пожилых пациентов.

Фактор риска - Атеросклероз.

Пациенты, умершие от МИ и имевшие в анамнезе заболевание атеросклероз (АС), распределились по периодам СА следующим образом. В период низкой СА: АС в анамнезе нет – 52 (6,1%) человека, АС1ст.-0, АС2ст.- 27 (3,2%), АС3ст.- 56 (6,6%), АС4ст.- 713 (84,1%). В период высокой СА: АС в анамнезе нет – 38 (13,2%) человека, АС1ст.- 4 (1,4%), АС2ст.- 19 (6,6%), АС3ст.- 44 (15,3%), АС4ст.- 182 (63,4%).

Величина совокупного критерия Хи-квадрат Value равна 61,8796, (при значении достигнутого уровня значимости равного <.0001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна 0,2335.

Рис. 5. Графическая демонстрация распределения МИ с учетом пациентов имеющих в анамнезе заболевание атеросклероз по периодам СА

Анализируя динамику фактических и ожидаемых частот установлено, что в период высокой СА пациенты, умершие от МИ, статистически чаще имели в анамнезе заболевание атеросклероз более легкой формы, чем в иной период СА, либо не имели этого заболевания вовсе.

Фактор риска - ИБС.

Пациенты, умершие от МИ и имевшие в анамнезе заболевание ИБС, распределились по периодам СА следующим образом. В период низкой СА: ИБС в анамнезе нет – 77 (9,1%) человек, ИБС в анамнезе есть – 771 (90,9%). В период высокой СА: ИБС в анамнезе нет – 68 (23,7%) человек, ИБС в анамнезе есть – 219 (76,3%).

Величина совокупного критерия Хи-квадрат Value равна 41,0923, (при значении достигнутого уровня значимости равного <.0001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна 0,1903. Анализируя динамику фактических и ожидаемых частот установлено, что в период низкой СА пациенты, умершие от МИ, статистически чаще имели в анамнезе заболевание ИБС.

Рис. 6. Графическая демонстрация распределения МИ с учетом пациентов имеющих в анамнезе заболевание ИБС по периодам СА

Фактор риска – Мерцательная аритмия.

Пациенты, умершие от МИ и имевшие в анамнезе заболевание мерцательная аритмия, распределились по периодам СА следующим образом. В период низкой СА: заболевание мерцательная аритмия в анамнезе нет – 626 (73,8%) человек, заболевание мерцательная аритмия в анамнезе есть – 222 (26,2%). В период высокой СА: заболевание мерцательная аритмия в анамнезе нет – 232 (80,8%) человек, заболевание мерцательная аритмия в анамнезе есть – 55 (19,2%).

Величина совокупного критерия Хи-квадрат Value равна 5,7203, (при значении достигнутого уровня значимости равного <.001, т.е. имеется статистически подтвержденная связь двух признаков). Сила связи между этой парой качественных признаков (V-коэффициент Крамера) равна -0,0710. Анализируя динамику фактических и ожидаемых частот установлено, что в период низкой СА пациенты, умершие от МИ статистически чаще имели в анамнезе заболевание мерцательная аритмия.

Рис. 7. Графическая демонстрация распределения МИ с учетом пациентов имеющих в анамнезе мерцательную аритмию по периодам СА

Выводы.

1. Посредством применения статистического метода логистической регрессии определены экзогенные и эндогенные признаки, имеющие взаимосвязь с дискретным признаком СА. Построенная логистическая модель позволяет охарактеризовать типологические особенности состава и структуры групп пациентов, умерших от мозгового инсульта в периоды низкой и высокой Солнечной активности.:

• Период низкой Солнечной активности характеризует:

Преимущественный тип погоды по классификации В.Г. Бокша – острый. Основной вклад патогенного воздействия погоды на организм больных ОНМК оказывали высокая сила ветра и влажность. Группы пациентов, умерших от МИ в период низкой СА, объединены характерными отличительными признаками: статистически часто встречающийся тип МИ - ишемический (класс: неАТБ). Как правило, сопутствовали факторы риска: пожилой возраст, мерцательная аритмия и ИБС. Атеросклероз сосудов головного мозга высокой стадии (3-4 ст.).

• Период высокой Солнечной активности характеризует:

Преимущественный тип погоды по классификации В.Г. Бокша – раздражающий. Основной вклад патогенного воздействия погоды на организм больных ОНМК оказывала повышенная облачность. Группы пациентов, умерших от МИ в период высокой СА, объединены характерными отличительными признаками: сравнительно молодой возраст, статистически часто встречающийся типы МИ - ишемический (класс: АТБ), либо геморрагический (класс: гематомы с прорывом крови в желудочки). Как правило, сопутствовал фактор риска: гипертоническое заболевание. Атеросклероз сосудов головного мозга 2-3 ст. либо отсутствовал вовсе

2. Необходимо отметить, что при обработке собранного массива данных, многомерный метод логистической регрессии оказался мощным методом, позволяющий прийти к выводам, к которым затруднительно прийти, применяя иные методы статистического анализа. Данный метод множественной регрессии вполне можно использовать в клинической медицине как составную часть системного анализа, если есть необходимость оценки комплексного влияния нескольких факторов (клинических, погодных и др.) на тяжесть течения заболевания, эффективность лечения и т.д.

3. Результаты проведенного исследования рекомендованы авторами для использования в практической деятельности неврологического отделения Ростовского государственного медицинского университета, при разработке приоритетных направлений медико-социальных программ.

Благодарности. Выражаем благодарность заведующему патологоанатомическим отделением Ю.Г. Кириченко, заведующей неврологическим отделением О.Г. Стокановой ГБ №1 г. Ростов-на-Дону за предоставленные материалы исследований, доценту факультета информатики Томского государственного университета, к.т.н., В.П. Леонову за качественно проведенный статистический анализ данных.

Список литературы:

1. Афифи А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. Пер. с англ. Башарин Г.П., редактор. Москва: Мир; 1982. 488 с.
2. Варакин Ю.Я. Эпидемиологические аспекты профилактики нарушений мозгового кровообращения. АтмосферА. Нервные болезни 2005;(2): 4-10.
3. Кендалл М., Стьюарт А. Статистические выводы и связи. Пер. с англ. Москва: Главная редакция физ.-мат. литературы; 1973. 899 с.
4. Кобышева Н.В. Руководства по специализированному климатическому обслуживанию экономики. Cанкт-Петербург: Главная геофизическая обсерватория им. А.И. Воейкова; 2008. 336 с.
5. Латышев Г.Д., Бокша В.Г. К вопросу медицинской оценки погод (индекс погоды и реакция больных). Вопросы курортологии 1965;(4):345-351.
6. Леонов В.П. Логистическая регрессия в медицине и биологии. Биостатистика [Электронный ресурс]. http://www.biometrica.tomsk.ru/logit_1.htm (Дата посещения 15.08.2012).
7. Леонов В.П. Обработка экспериментальных данных на программируемых микрокалькуляторах. Томск: Томский государственный университет; 1990. 376 с.
8. Справочник по прикладной статистике. В 2-х т. Ллойд Э, Ледерман У, Тюрин ЮН, редакторы. Пер. с англ. Москва: Финансы и статистика; 1989. Т. 1. 510 с.
9. Суслина З.А. Ответный удар по глобальной эпидемии. Медицинская газета [Электронный ресурс]. http://www.mgzt.ru/article/360 (Дата посещения 15.08.2012).
10. David W. Hosmer. Jr, Stanley Lemeshow. Applied logistic regression. 2nd ed. John Wiley & Sons, Inc. 2000. 397 p.

References:

1. Afifi A., Eisen C. Statistical analysis: The approach of using a computer. GP Basharin, editor. Transl. from English. Moscow: Mir; 1982. 488 p.
2. Varakin UY Epidemiological aspects of the prevention of stroke. Atmosphere. Nervous diseases 2005;(2):4-10 (in Russian).
3. Kendall M., Stuart A. Statistical inference and communication. Transl. from English. Moscow: Home Edition Sci. literature. 1973. 899 p.
4. Kobysheva NV Guidelines for specialized climate services economy. St. Petersburg: Main Geophysical Observatory; 2008. 336 p. (in Russian).
5. Latyshev GD, Bocsa VG. On medical evaluation Weather (weather index and the response of patients). Problems of Balneology 1965;(4):345-351 (in Russian).
6. Leonov VP. Logistic regression in medicine and biology. Biostatistics [Online journal] [cited 2012 Aug 15]. Available from: http://www.biometrica.tomsk.ru/logit_1.htm (in Russian).
7. Leonov VP. The experimental data on programmable calculators. Tomsk: Tomskiy gosudarstvennyy universitet; 1990. 376 p. (in Russian).
8. Lloyd E, Lederman U, Tyurin YuN, editors. Handbook of Applied Statistics. In 2 volumes. Transl. from Engl. Moscow: Finance and Statistics; 1989. Vol. 1. 510 p.
9. Suslin ZA. Retaliation against the global epidemic. Meditsinskaya gazeta [Internet] [cited 2012 Aug 15]. Available from: http://www.mgzt.ru/article/360 (in Russian).
10. David W Hosmer Jr, Stanley Lemeshow. Applied logistic regression. 2nd ed. John Wiley & Sons, Inc. 2000. 397 p.

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:*