DOI: https://doi.org/10.31071/kit2019.15.13

Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 14, Issue 15, 2019, Pages 141-147

Автор(и)

М. В. Бондарєв

Установа(ви)

Національний університет імені В. Н. Каразіна МОН України

Назва статті

Розвідувальний та нейромережевий аналіз медичних даних пацієнтів, які приймали бензодіазепіни

Анотація (резюме)

Введення. Математичні моделі і комп'ютерні технології знаходять все більш широке застосування в різних областях медицини і фармацевтики, постійно удосконалюються і демонструють сучасні підходи до інтерпретації даних клінічних досліджень.

Мета роботи. Створення моделей групування пацієнтів з психічними розладами на основі методів розвідувального аналізу даних і нейромережевих алгоритмів.

Об'єкт і методи. У дослідженні використані медичні дані 57 пацієнтів (34 чоловіки, 23 жінки), яким призначалися бензодіазепіни при різних психічних розладах в 8 наркологічних центрах однієї з країн Західної Європи в 1999–2017 рр. Аналіз медичних даних проведено в статистичних середовищах SТATISTICA 12 і SPSS 23 для Windows.

Результати. Створено факторну, кластерні, дискримінантну, канонічну, дерево класифікації та нейромережеві моделі групування пацієнтів з психічними розладами, які приймали бензодіазепіни. Виділено три групи хворих: перша група — 8 пацієнтів, друга група — 20 пацієнтів і третя група — 29 пацієнтів. Ефективність бензодиазепиновой терапії (стабілізація, зниження, припинення споживання бензодіазепінів) становить 87,7%. Основним фактором ефективної терапії є зниження споживання бензодіазепінів (57,9%). У першій і третій групах ступінь схильності пацієнтів до залежності від бензодіазепінів становить 37,5% (3/8) і 34,5% (10/29), у другій групі — 25% (5/20) хворих. Найнижчу ефективність лікування пацієнтів бензодіазепіновими препаратами 44,8% (відповідність початкової мети лікування кінцевому результату) виявлено в третій групі пацієнтів. Внаслідок більш тривалого курсу лікування пацієнти першої і другої груп більш схильні до зловживання бензодіазепінами. Запропонована методологія аналізу медичних даних для групування пацієнтів і отримані в роботі результати можуть бути корисними для лікарів-психіатрівнаркологів, які опікуються оптимізацією сучасних терапевтичних стратегій лікування психічних розладів.

Ключові слова

бензодіазепінова терапія, бензодіазепінова залежність, розвідувальний аналіз, нейромережеві класифікатори, групування пацієнтів

Список літератури

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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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.
https://doi.org/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
https://doi.org/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.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2019_15/013.pdf