В условиях демографического кризиса и реформирования здравоохранения охрана здоровья женщин является важнейшей государственной задачей.
Рост уровня гинекологической и соматической патологии среди женщин, а также гиноидной липодистрофии (целлюлита) приводит к повышению частоты нарушений состояния здоровья женщин репродуктивного возраста, что связано с изменением метаболизма жировой ткани, водно-солевого обмена, гормональным дисбалансом, избытком веса, нерациональным питанием, частыми стрессами, гиподинамией и др. внутренними и внешними факторами. Характерные для целлюлита жалобы женщин на рыхлую, деформированную, морщинистую поверхность кожи в области бедер, ягодиц, живота являются чрезвычайно распространенными и входят в число десяти наиболее частых жалоб, с которыми больные впервые обращаются к косметологам [1]. Так, 80% женщин и более или выраженной форме страдают целлюлитом. Факторы, способствующие вызвать целлюлит, разнообразны. В первую очередь они связаны с образом жизни, а во вторую - с наличием заболеваний.
Сложившаяся ситуация с распространенностью целлюлита негативно сказывается на здоровье женского населения, требует поиска новых решений в области профилактики нарушений обмена веществ у женщин, что послужили основанием для данного исследования.
Значительный арсенал медикаментозных и немедикаментозных (включая физиотерапию, массаж и т.д.) средств, находящихся в распоряжении врачу в недостаточной степени, учитывают медико-социальные факторы риска, характеризующие индивидуальные особенности пациента, что не позволяет назначить адекватное патогенетическое лечение или дать эффективные рекомендации по ведению профилактической тактики.
В этой связи нами проведено исследование направлено на использования методов логистической и множественной регрессии для прогнозирования вероятности развития гиноидной липодистрофии (ГЛД) у женщин репродуктивного возраста и оценки состояния их здоровья по медико-социальным факторам риска.
Рассмотрим возможность применения логистической регрессии для прогнозирования развития гиноидной липодистрофии, где в качестве группирующей переменной принимающей бинарное значение будет являться индекс группы (1 – основная, 0 - контрольная)[2]:
На основе метода дискретных корреляционных плеяд были отобраны следующие входные переменные, представленные в табл. 1 [3].
Таблица 1. Названия факторов и их обозначения в модели логистической регрессии
Шкала для оценки:
1-0,80 – высокая вероятность развития ГЛД;
0,79-0,60 – существенная вероятность развития ГЛД;
0,59-0,40 – средняя вероятность развития ГЛД;
0,39-0,20 – малая вероятность развития ГЛД;
0,19 и ниже – незначительная вероятность развития ГЛД.
Рассмотрим на примерах результаты работы модели.
Пример 1. Пациентка А. Вес 78 кг (X11 = 0.4608); оценивает влажность на рабочем месте как высокую (X12 = 1); количество беременностей закончившихся родами – 1 (X13 = 0.25); регулярно спортом не занимается (X14 = 0); общий трудовой стаж составляет 7 лет (X15 = 0.32); тонус кожи снижен (X16 = 1); отмечаются множественные телеангиоэктазии (X17 = 0.3077).
Подставляя данные пациентки в модель, получим:
eta = - 6,02361 + 4,76792*0,4608 + 3,52842*1 +
3,95954*0,25 - 2,28542*0 + 2,37956*0,32 + 8,64155*1+ 4,84315*0,3077
Согласно введённой нами шкалы оценки можно сделать вывод, что у данной пациентки высокая вероятность развития гинойдной липодистрофии (0,8-1).
Пример 2. Пациентка В. Вес 55 кг (X11 = 0); оценивает влажность на рабочем месте как низкую (X12 = 0); количество беременностей закончившихся родами – 1 (X13 = 0.25); 2-3 раза в неделю занимается спортом (X14 = 0.4507); общий трудовой стаж составляет 2 года (X15 = 0.2); тонус кожи хороший (X16 = 0); телеангиоэктазии отсутствуют (X17 = 0).
Подставляя данные пациентки в модель, получим:
eta = - 6,02361 + 4,76792*0 + 3,52842*0 +
3,95954*0,25 - 2,28542*0,4507 + 2,37956*0,2 + 8,64155*0+ 4,84315*0,0
Согласно введённой нами шкалы оценки можно сделать вывод, что у данной пациентки – незначительная вероятность развития гинойдной липодистрофии (0,19 и ниже).
Апробация построенной модели проводилась на тестовой выборке, в которую вошло 100 пациенток репродуктивного возраста, у 50 из которых были выявлены признаки гиноидной липодистрофии. Результаты верификации приведены в табл. 2.
Таблица 2. Результаты верификации прогностической модели (Logistic Regression) вероятности возникновения гиноидной липодистрофии у женщин репродуктивного возраста
Исходя из полученных результатов видно, что вероятность правильного прогноза составляет 71 %. В 24 % случаев была отмечена неправильная классификация. Пять результатов попали в область «сомнительного прогноза» (45-55 %). Резюмируя вышеизложенное, необходимо отметить, что построенная модель достаточно точно описывает результаты эксперимента и может быть рекомендована в качестве средства поддержки принятия врачебных решений.
На рис. 1 представлена зависимость вероятности развития гинойдной липодистрофии в зависимости от длительности трудового стажа и возраста пациентки в соответствии с градациями этих показателей.
Графики были построены при фиксированных значениях таких показателей, входящих в уравнение логистической регрессии, как «какая чаще влажность на рабочем месте» (0,2813, что соответствует оценке «средняя», «число родов» (0,25), что соответствует одним родам, «периодичность занятий спортом в течение жизни» (0 – не занимается), тонус кожи (0,283 - удовлетворительный), телеангиоэктазии (0 – отсутствуют).
Рис.1. Изменение вероятности развития гинойдной липодистрофии в зависимости от длительности трудового стажа и возраста пациентки.
По оси абсцисс отложены значения веса пациентки от 0 (до 55 кг) до 1 (96 кг и выше) с шагом 0,02.
Шесть графиков соответствуют шести градациям общего трудового стажа: до года, 1-5 лет, 6-10 лет, 11-15 лет, 16-20 лет, 26 лет и более.
На рисунке наглядно показано, что например, график трудового стажа соответствующего градации «до года» плавно стремиться к единице по экспоненциальному закону и при значении веса пациента 0,46, что соответствует интервальной оценки веса 76-80 кг будет принимать значение вероятности развития ГЛД ~0,64. В тоже время при трудовом стаже от 26 лет и больше при том же значении веса пациента стремление графика к максимуму вероятности развития ГЛД, т.е. к единице будет куда заметнее ~ 0,96.
Далее рассмотрим возможность построения уравнений множественной регрессии, позволяющих оценивать изменение состояния соматического здоровья при развившейся гиноидной липодистрофии и ряда индивидуальных характеристик женщин репродуктивного возраста с учётом медико-социальных факторов риска.
Построим прогностическую модель зависимости состояния здоровья с учётом медико-социальных факторов риска. Оцифровка качественных показателей производилась по методике изложенной в [2]. На основании метода дискретных корреляционных плеяд были отобраны наиболее значимые независимые показатели. В табл. 3 приведены коэффициенты уравнения множественной регрессии и оценки их статистической значимости.
Таблица 3. Результаты множественного регрессионного анализа (зависимая переменная – оценка состояния здоровья)
Примечания: R2=93,519%; R2(adjusted for d.f.) = 90,4691%; Standart Error of Est.=0,0868474; Mean absolute error =0,0455839;Durbin-Watson statistic=1,82785 (p=0,2186); Lag 1 residual autocorrelation = 0,0276098.
Шкала для оценки:
0-0,40 – хорошее состояние здоровья;
0,41-0,60 – среднее состояние здоровья;
0,61-0,80 – удовлетворительное состояние здоровья;
0,80 и выше – плохое состояние здоровья.
Y2 = - 0.145008 + 1.62962 * X21 – 0.225147 * X22 – 0.136874 * X23 – 0.497782 * X24 + 0.151079 * X25 – 0.491542 * X26 – 0.196026 * X27 + 0.113755 * X28
Пример 3. Пациентка С. Возраст 26 лет (X21 = 0.2837); общий трудовой стаж 8 лет (X22 = 0.32); длительность настоящего брака 7 лет ( ); отмечала одну беременность (X24 = 0); отрицает прием гормональных контрацептивов (X25 = 0); не курит (X26 = 0); диагноз по шкале ГЛД – I степень (X27 = 0.2222); телеангиоэктазии отсутствуют (X28 = 0)
Подставляя данные пациентки в модель, получим:
Y2= - 0,145008 + 1,62026 * 0,2837 - 0,225147 * 0,32 - 0,136874 * 0,4765 - 0,497782 * 0 + 0,151079 * 0 - 0,491542 * 0 – 0,196026 * 0,2222 + 0,113755 * 0 = 0,133835
Согласно введённой нами шкалы оценки можно сделать вывод, что у данной пациентки экспериментальная оценка состояния здоровья (представленная в результате анкетирования) совпадает с теоретической (полученной по уравнению регрессии), т.е. лежит в пределах 0-0,40, что соответствует хорошему состоянию здоровья.
Пример 4. Пациентка Д. Возраст 53 лет (X21 = 1); общий трудовой стаж 26 лет (X22 = 1); длительность настоящего брака 16 лет (X23 = 1); отмечала четыре беременности (X24 = 0.4286); длительность приема гормональных контрацептивов – 10 лет (X25 = 1); не курит (X26 = 0); диагноз по шкале ГЛД – II степень (X27 = 0.6667); телеангиоэктазии отсутствуют (X28 = 0).
Подставляя данные пациентки в модель, получим:
Y2= - 0,145008 + 1,62026 * 1 - 0,225147 * 1 - 0,136874 * 1 - 0,497782 * 0,4286 + 0,151079 * 1 - 0,491542 * 0 – 0,196026 * 0,6667 + 0,113755 * 0 = 0,920270
Согласно введённой нами шкалы оценки можно сделать вывод, что у данной пациентки экспериментальная оценка состояния здоровья (представленная в результате анкетирования) совпадает с теоретической (полученной по уравнению регрессии), т.е. лежит в пределах 0,80 и выше, что соответствует плохому состоянию здоровья.
В табл. 4 представлены результаты качества прогнозирования изменения оценок состояния здоровья в зависимости от медико-социальных факторов риска по тестовой выборке.
Таблица 4. Матрица качетва прогнозирования по тестовой выборке (n=30)
Исходя из полученных результатов видно, что вероятность правильного прогноза составляет 93,3% (28 абсолютных значений из 30), что согласуется с результаты множественного регрессионного анализа.
Таким образом, в результате проведенного анализа применимости логистических моделей и моделей множественной регрессии для прогнозирования состояния здоровья и возможности развития гиноидной липодистрофии и у женщин репродуктивного возраста в зависимости от индивидуальных субъективных оценок пациенток и медико-социальных факторах риска.