в Интернете 
Українська  English  Русский  

DOI:


Опись-ссылка ISSN 1812-7231 Klin.inform.telemed. Volume 14, Issue 15, 2019, Pages 00-00


Автор(ы) Н. В. Бондарев


Учреждение(я)

Национальный университет имени В. Н. Каразина МОН Украины


Название статьи Разведочный и нейросетевойанализ медицинских данных пациентов, принимавших бензодиазепины


Аннотация (резюме)

Введение. Математические модели и компьютерные технологии находят все более широкое применение в различных областях медицины и фармацевтики, постоянно совершенствуются и демонстрируют современные подходы к интерпретации данных клинических исследований.

Цель работы. Создание моделей группирования пациентов с психическими расстройствами на основе методов разведочного анализа данных и нейросетевых алгоритмов.

Объект и методы. В исследовании использованы медицинские данные 57 пациентов (34 мужчины, 23 женщины), которым назначались бензодиазепины при различных психических расстройствах в 8 наркологических центрах одной из стран Западной Европы в 1999–2017 гг. Анализ медицинских данных проведен в статистических средах SТATISTICA 12 и SPSS 23 для Windows.

Результаты. Созданы факторная, кластерные, дискриминантная, каноническая, дерево классификации и нейросетевые модели группирования пациентов с психическими расстройствами, принимавших бензодиазепины. Выделено три группы больных: первая группа — 8 пациентов, вторая группа — 20 пациентов и третья группа — 29 пациентов. Эффективность бензодиазепиновой терапии (стабилизация, снижение, прекращение потребления бензодиазепинов) составляет 87,7%. Основным фактором эффективной терапии является снижение потребления бензодиазепинов (57,9%). В первой и третьей группах степень предрасположенности пациентов к зависимости от бензодиазепинов составляет 37,5% (3/8) и 34,5% (10/29), во второй группе — 25% (5/20) больных. Самая низкая эффективность лечения пациентов бензодиазепиновыми препаратами 44,8% (соответствие начальной цели лечения конечному результату) выявлена в третьей группе пациентов. Вследствие более длительного курса лечения пациенты первой и второй групп в большей мере склонны к злоупотреблению бензодиазепинами. Предложенная методология анализа медицинских данных для группирования пациентов и полученные в работе результаты могут быть полезными для врачей-психиатров-наркологов, занимающихся оптимизацией современных терапевтических стратегий лечения психических расстройств.


Ключевые слова бензодиазепиновая терапия, бензодиазепиновая зависимость, разведочный анализ, нейросетевые классификаторы, группирование пациентов


Список литературы

1. Tsanas A., Little M. A., McSharry P. E. A methodology for the analysis of medical data. Handbook of Systems and Complexity in Health. New York, Springer, 2013. p. 113–125.

2. Кузнецов В. А., Кутрунов В. Н., Ярославская Е. И., Дьячков С. М. Cтатистические методы анализа медицинских данных в клинической практике. Научное обозрение, 2015. № 22, cc. 313–320.

3. Yu C. H. Exploratory data analysis in the context of data mining and resampling. Inter. J. Psych. Res. (IJPR), 2010. vol. 3, no. 1, pp. 9–22.
doi: 10.21500/20112084.819

4. Konopka B. M., Lwow F., Owczarz M., Łaczmański Ł. Exploratory data analysis of a clinical study group: Development of a procedure for exploring multidimensional data. PLoS ONE, 2018. vol. 13, no. 8.
doi: 10.1371/journal.pone.0201950

5. Royston P., Altman D. G. External validation of a Cox prognostic model: principles and methods. BMC Medical Research Methodology, 2013. vol. 13, no. 1, 33 p.
doi: 10.1186/1471-2288-13-33

6. Klempíř O., Shala L., Tesař J., Krupička R. Neuroeda — an interactive web tool for neuroinformatics data analysis and teaching biomedical statistics. Mefanet J., 2017. vol. 5, no. 2, pp. 62–68.

7. Gelman A. Exploratory Data Analysis for Complex Models. J. Comput. Graph. Stat., 2004. vol. 13, no. 4, pp. 755–779.
doi: 10.1198/106186004X11435

8. Майоров О. Ю. Поиск методов для количественной оценки индивидуальной устойчивости к эмоциональному стрессу в норме и при патологии на основе анализа вариабельности сердечного ритма. Факторная модель. Ж. Клин. информ. и Телемед., 2017. т. 12, вып.13, сс. 53–63.
doi: 10.31071/kit2017.13.07

9. Patel J. L., Goyal R. K. Applications of artificial neural networks in medical science. Curr. Clin. Pharmacol., 2007. vol. 2, no. 3, pp. 217–226.
doi: 10.2174/157488407781668811

10. Grossi E., Mancini A., Buscema М. International experience on the use of artificial neural networks in gastroenterology. Dig. Liver Dis., 2007. vol. 39, no. 3, pp. 278–285.
doi: 10.1016/j.dld.2006.10.003

11. Amato F., López A., Peñ,a-Méndez E. M., Vaňhara P., Hampl A., Havel J. Artificial neural networks in medical diagnosis. J. Appl. Biomed., 2013. vol. 11, no. 2, pp. 47–58.
doi: 10.2478/v10136-012-0031-x

12. Filntisi A., Papangelopoulos N., Bencurova E., Kasampalidis I., Matsopoulos G., Vlachakis D., Kossida S. State-of-the-Art Neural Networks Applications in Biology. IJSBBT, 2013. vol. 2, no. 4, pp. 63–85.
doi: 10.4018/ijsbbt.2013100105

13. Yang Z., Huang Y., Jiang Y., Sun Y., Zhang Y. J., Luo P. Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural Network. Sci. Rep. 2018. vol. 8, no. 1, pp. 6329.
doi: 10.1038/s41598-018-24389-w

14. Siqueira-Batista R., Vitorino R. R., Gomes A. P., Oliveira A. P., Ferreira R. S., Esperidiгo Antonio V., Santana L. A., Cerqueira F. R. Artificial neural networks and medical education. Rev. Bras. Edu. Med., 2014. vol. 38, no. 4, pp. 548–556.
doi: 10.1590/S0100-55022014000400017

15. Мартов В. Ю., Окороков А. Н. Лекарственные средства в практике врача. 3-е изд., перераб. и доп. М., Медицинская литература, 2016. 944 с.

16. Puustinen J., Lähteenmäki R., Nurminen J., Vahlberg T., Aarnio P., Partinen M., Räihä I., Neuvonen P. J., Kivelä S-L. Long-term persistence of withdrawal of temazepam, zopiclone, and zolpidem in older adults: a 3-year follow-up study. BMC Geriatr., 2018. vol. 18, no. 142.
doi: 10.1186/s12877-018-0829-9

17. Rudolph U., Crestani F., Benke D., Brünig I., Benson J. A., Fritschy J. M., Martin J. R., Bluethmann H., Möhler H. Benzodiazepine actions mediated by specific gamma-aminobutyric acid (A) receptor subtypes. Nature, 1999. vol. 01б iss. 6755, pp. 796–800.
doi: 10.1038/44579

18. Griffin C. E., Kaye A. M., Bueno F. R., Kaye A. D. Benzodiazepine pharmacology and central nervous system-mediated effects. Ochsner J., 2013. vol. 13, no. 22. pp. 214–223.

19. Немедицинское использование бензодиазепинов: растущая угроза для здоровья населения? Вестник Глобальной программы SMART. UNODC. Вена, Австрия. 2017. вып. 18.

20. Международный комитет по контролю над наркотиками (МККН). Доклад за 2017 г. E/INCB/2017/1, ООН, Вена, Австрия, 2018.

21. Осадший Ю. Ю., Вобленко Р. А., Арчаков Д. С., Тараканова Е. А. Место бензодиазепинов в современной терапии психических расстройств (обзор доказательных исследований). Cовременная терапия психических расстройств. 2016. вып. 1, cc. 2–10.

22. ООН. Лечение наркомании и реабилитация: практическое руководство по планированию и осуществлению. ООН Управление по наркотикам и преступности. NY, UN Publ. 2003. 122 c.

23. Реброва О. Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. М., МедиаСфера, 2002. 312 с.

24. Бондарев Н. В. Классификация и прогнозирование устойчивости коронатов натрия и калия в водно-органических растворителях методами разведочного анализа. ЖОХ, 2019. т. 89, вып. 2, сс. 288–300.
doi: 10.1134/S1070363219020191

25. Бондарев Н. В. Искусственная нейронная сеть и множественная линейная регрессия для прогнозирования и классификации устойчивости коронатов натрия и калия. ЖОХ, 2019. т. 89, вып. 7, сс. 1085–1095
doi: 10.1134/S0044460X1907014X
26. Боровиков В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. СПб. Питер, 2003. 686 с.
27. Наследов А. IBM SPSS Statistics 20 и AMOS. Профессиональный статистический анализ данных. СПб. Питер, 2013. 416 с.
28. Хайкин С. Нейронные сети. М. Вильямс, 2006. 1104 с.
29. Холін Ю. В., Пушкарьова Я. М., Пантелеймонов А. В., Некос А. Н. Хемометричні методи в розв'язанні задач якісного хімічного аналізу та класифікації фізико-хімічних даних. Х., ХНУ імені В. Н. Каразіна, 2016. 184 с.


Полнотекстовая версия http://kit-journal.com.ua/ru/viewer_ru.html?doc/2019_15/004.pdf