Научная электронная библиотека

Монографии, изданные в издательстве Российской Академии Естествознания

ГИПЕРПЛАЗИЯ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ: МЕДИКО-СОЦИАЛЬНЫЕ АСПЕКТЫ, СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ХИРУРГИЧЕСКОГО ЛЕЧЕНИЯ

Аполихин О И, Севрюков Ф А, Калининская А А,

4.2. Трансуретральная энуклеация предстательной железы больших размеров: многомерный факторный анализ

При подборе многомерных статистических методов, оценивающих зависимость параметров TUEB (длительность операции, послеоперационного периода, фолей-дней, вероятность развития осложнений) от отдельных факторов. В качестве независимых переменных использовались: возраст больного, IPSS, QoL, РSA, УЗ V простаты, объем остаточной мочи, Qmax.

Перед применением многомерных методов математического анализа трансуретральной энуклеации предстательной железы больших размеров была проведена проверка указанных признаков, потенциально пригодных для дальнейшего исследования, в целях устранения мультиколлинеарности (тесной взаимосвязи между отбираемыми для анализа переменными, совместно воздействующими на общий результат, что затрудняет использование многомерных статистических методик) с определением парных коэффициентов корреляции R Спирмена и установлено, что высокие значения ( > 0,70) отсутствуют, и они могут быть включены в обработку.

В качестве наиболее адекватных по используемым зависимым и независимым переменным и простоте интерпретации определили множественный регрессионный анализ и бинарную логистическую регрессию.

Прогнозирование длительности послеоперационного лечения при TUEB в зависимости от отдельных признаков.

В случае множественного линейного регрессионного анализа необходимо оценить коэффициенты уравнения:

у = b1·Х1 + b2·Х2 +... + bn·Хn + а,

где у – прогнозируемая (зависимая) переменная; b1, ..., bn – коэффициенты регрессии для независимых переменных Х1, … Хn; а – константа уравнения регрессии.

Для прогнозирования длительности послеоперационного лечения получили уравнение:

у = 0,909·Х1 + 0,319·Х2 + 0,234·Х3 + 0,201·Х4 + 0,174·Х5 +
+ 0,128·Х6 + 0,087·Х7 – 0,792·Х8 + 3,418;

Коэффициент детерминации (доля дисперсии, которая описывается данным уравнением) составил 14,5 %, что указывает на косвенный характер влияния указанных предикторов на зависимую переменную. Однако, при подстановке в данное уравнение полученных в исследовании выборочных средних значений указанных переменных, спрогнозированная и измеренная оценки практически не отличались – 8,9 и 9,2 койко-дня, соответственно (р = 0,869).

В частности, для пациента с наиболее неблагоприятными значениями указанных признаков, длительность послеоперационного периода составит 27,4 дня.

В случае бинарной логистической регрессии вероятность для рассматриваемой единицы наблюдения оказаться в одной из анализируемых групп классификации (наличие или отсутствие осложнений) рассчитывается по формуле:

р = 1/(1 + е–z),

где е = 2,71828182845904;

z = b1·Х1 + b2·Х2 +... + bn·Хn + а;

здесь b1, ..., bn – коэффициенты регрессии для независимых переменных Х1, …, Хn; а – константа уравнения регрессии.

Получили значения коэффициентов и константу уравнения для определения вероятности осложнений в зависимости от выраженности отдельных факторов, корректность прогнозирования модели – 90,4 % (табл. 4.8).

Таблица 4.8

Переменные в уравнении определения вероятности осложнений в зависимости от выраженности отдельных факторов при TUEB (коэффициенты уравнения бинарной логистической регрессии и их значимость)

Примечание: * – значение коэффициента регрессии статистически значимо (р < 0,05).

Так, для больного при неблагоприятных значениях указанных факторов риска, регрессионная модель принимает вид:

z = –71,862 + 5,773·20 + 4,482·15 + 4,024·6 + 2,941·200 +
+ 0,869·240 + 0,093·5 + 0,028·10 + 0,020·80 = 933,147;

е–z = 0,000;

вероятность осложнений составит:

р = 1/(1 + 0,000) = 1,

то есть 100 %.

При наиболее благоприятных значениях указанных факторов риска:

z = –6,142; е–z = 464,98;

вероятность осложнений составит:

р = 1/(1 + 464,98) = 0,002, то есть 0,2 %.

Применение данных многомерных статистических методов дает возможности для диагностики и прогнозирования отдельных параметров оказания помощи при проведении TUEB на индивидуальном и групповом уровне с выходом на систему мониторинга – динамичное слежение и управление здоровьем и лечением рассматриваемого контингента.

Факторный анализ. Использование большого числа первичных переменных делает трудным процесс обобщения получаемых результатов изучения взаимосвязи оценок параметров TUEB и отдельных факторов, поэтому была проведена процедура факторного анализа, позволяющая сконцентрировать множество признаков в несколько главных компонент (факторов). Для устранения мультиколлинеарности исключались признаки с высокими значениями парных коэффициентов корреляции (при R Спирмена ? 0,70). В итоге в окончательную разработку вошел 21 признак, что согласуется с правилом о желательном 5-кратном превышении числа изучаемых объектов над числом отобранных признаков, то есть расчетная численность выборки для получения адекватных результатов удовлетворяет фактическому размеру.

Рассчитанный в ходе факторного анализа критерий КМО (Кайзера-Мейера-Олкина) составил 0,786, что характеризует адекватность выборки на границе приемлемой (более 0,7) и высокой (более 0,8). Критерий сферичности Барлетта, определенный с вероятностью ошибки р < 0,001, также показал на приемлемость данных для проведения факторного анализа.

На первом этапе математической обработки произвели извлечение факторов методом главных компонентов, в результате 3 фактора (сформированные из 8 переменных) имели собственные значения, превышающие единицу (это согласно критерию Кайзера давало основание для включения их в последующий анализ).

В дальнейшем произвели ортогональное вращение полученных факторов с помощью метода Varimax для получения оптимального решения в плане интерпретации результатов. Полученная преобразованная матрица факторных нагрузок, т.е. корреляционные коэффициенты между переменными и факторами после вращения, позволяет объяснить состав каждого компонента (табл. 4.9 и 4.10).

Таблица 4.9

Преобразованная матрица факторных нагрузок первого компонента («данные лабораторных и инструментальных исследований»)

Таблица 4.10

Преобразованная матрица факторных нагрузок второго компонента («показатели оценки качества жизни с ГПЖ»)

В итоге, первый фактор объединяет отдельные параметры лабораторных и инструментальных исследований при ГПЖ. При этом наибольшее значение имеет объем остаточной мочи. Второй фактор составили показатели оценки качества жизни с ГПЖ. Наибольшее значение в данном компоненте имеет общая оценка – QoL. Третий фактор включает возраст больного (табл. 4.11).

Таблица 4.11

Преобразованная матрица факторных нагрузок третьего компонента («возраст пациента»)

Суммарно на долю указанного сочетания данных факторов приходится 61,8 % общей дисперсии.

У каждого больного была проведена процедура статистического оценивания выраженности отдельного полученного фактора (путем стандартизации и перевода «сырых» оценок в условную пятибалльную шкалу). Для выделения из первоначальной совокупности больных групп, сходных по результатам оценки компонентов, полученных в ходе процедуры факторного анализа, использовался иерархический кластерный анализ. Если процедура факторного анализа сжимает в малое число переменных данные, то кластерный анализ сжимает данные в классификацию объектов. Если данные понимать как точки в признаковом пространстве, то задача кластерного анализа формулируется как выделение сгущений точек, разбиение совокупности на однородные подмножества объектов.

Процесс объединения наблюдений в кластеры каждый раз был остановлен на этапе, когда мера расстояния между двумя кластерами увеличилась скачкообразно, полученный результат включил в себя образование трех кластеров.

Из полученных результатов (табл. 4.12) видно, что первую группу (около трети совокупности – 31,8 %) образуют больные с относительно высокими оценками значений рассматриваемых факторов, вторую (наиболее многочисленную – 50,8 %) – с низкими, в третий кластер (17,5 %) входят лица с неоднозначными оценками (в частности, при хорошем значении фактора «показатели оценки качества жизни больных с ГПЖ» имеются низкие оценки факторов «данные лабораторных и инструментальных исследований» и «возраст больного», что может свидетельствовать о так называемой «молчащей патологии», которая субъективно не определяется).

Таблица 4.12

Разделение больных с ГПЖ на группы в зависимости от оценки значений факторов, определяющих условия проведения TUEB (баллы)

Примечание: * – значимый результат с р ? 0,05 по тесту Манна-Уитни.

В итоге, процедура факторного анализа позволила количественно определить нечто, непосредственно не измеряемое – суммарное влияние компонентов, характеризующих условия проведения TUEB, с помощью последующей кластеризации из всего множества единиц наблюдения были сформированы однородные группы, что должно учитываться при планировании управляющего воздействия – лечебно-профилактических и иных мероприятий.

Таким образом, решить задачу эндоскопического радикального удаления простаты с объёмом более 80 см3 при минимальной кровопотере позволяет метод трансуретральной биполярной энуклеации простаты. Этот метод мало эффективен при объёме простаты менее 80 см3, так как простата при таком объёме энуклеируется со значительными техническими трудностями, но при объёме более 80 см3 железа выделяется более свободно, при этом на начальном этапе пересекаются магистральные кровеносные сосуды, что позволяет выполнить данную операцию практически бескровно. Нами отработана методика удаления ГПЖ данным способом до 250 см3 с хорошим результатом. Выполнить удаление простаты объёмом от 80 до 250 см3 способом TURis опасно из-за большой кровопотери (это ограничивает урологов при удалении простаты 80–250 см3).

Все вышеизложенное позволяет выразить уверенность, что дифференцированный подход к выбору эндоскопического лечения доброкачественной гиперплазии предстательной железы позволит снизить частоту осложнений и повысить качество жизни пациентов.