Актуальность. Первичный гиперпаратиреоз (ПГПТ) – эндокринное заболевание, характеризующееся избыточной продукцией паратгормона (ПТГ) и повышенным или верхненормальным уровнем кальция крови, обусловленного первичной патологией околощитовидных желез (ОЩЖ). «Классическим» осложнением ПГПТ является снижение фильтрационной функции почек. Паратиреоидэктомия (ПТЭ) снижает риски дальнейшего ухудшения фильтрационной функции, однако в ряде случаев этого не достигается.
Цель. Разработать математическую модель для прогнозирования ухудшения расчетной скорости клубочковой фильтрации (рСКФ) через 12 месяцев после ПТЭ у пациентов с ПГПТ, выполнить её программную реализацию.
Материалы и методы. Ретроспективное исследование включало 140 пациентов с ПГПТ, которым была проведена ПТЭ в 1993–2010 и 2018–2020 гг. в ГНЦ ФГБУ «НМИЦ эндокринологии» Минздрава России. Анализировались пол, возраст, показатели фосфорно-кальциевого, пуринового, липидного, углеводного обменов, наличие осложнений ПГПТ, прием терапии по поводу ПГПТ, гистологическое исследование удаленной ткани ОЩЖ, развитие послеоперационной гипокальциемии и транзиторного гипопаратиреоза, терапия послеоперационной гипокальциемии. Для построения математической модели использовали метод случайный лес.
Результаты. Для прогнозирования снижения рСКФ построена модель, использующая 24 предиктора: пол, возраст, индекс массы тела, ПТГ, кальций ионизированный, щелочная фосфатаза, фосфор, мочевина, рСКФ, общий холестерин, диастолическое артериальное давление, SD(T-кр.)<-2,5/SD(Z-кр.)<-2,0, ХБП, длительность нефролитиаза, прием блокаторов рецепторов ангиотензина-II и ангиотензинпревращающего фермента, предоперационный прием колекальциферола и цинакальцета, гиперплазия/аденома ОЩЖ, послеоперационная гипокальциемия, доза альфакальцидола и препаратов кальция, послеоперационный прием колекальциферола. Полученная модель (http://194.87.111.169/cfr) прогнозирует снижение рСКФ у пациентов с ПГПТ после ПТЭ с вероятностью 56,8–86,3% и исключает с вероятностью 85,6–97,7%.
Выводы. Разработана математическая модель для прогнозирования снижения рСКФ через 12 мес. после ПТЭ у пациентов с ПГПТ, общая точность которой составила 88%, 95% ДИ(79%; 93%). Модель программно реализована в виде калькулятора, который может использоваться в рутинной клинической практике.
Цель. Разработать математическую модель для прогнозирования ухудшения расчетной скорости клубочковой фильтрации (рСКФ) через 12 месяцев после ПТЭ у пациентов с ПГПТ, выполнить её программную реализацию.
Материалы и методы. Ретроспективное исследование включало 140 пациентов с ПГПТ, которым была проведена ПТЭ в 1993–2010 и 2018–2020 гг. в ГНЦ ФГБУ «НМИЦ эндокринологии» Минздрава России. Анализировались пол, возраст, показатели фосфорно-кальциевого, пуринового, липидного, углеводного обменов, наличие осложнений ПГПТ, прием терапии по поводу ПГПТ, гистологическое исследование удаленной ткани ОЩЖ, развитие послеоперационной гипокальциемии и транзиторного гипопаратиреоза, терапия послеоперационной гипокальциемии. Для построения математической модели использовали метод случайный лес.
Результаты. Для прогнозирования снижения рСКФ построена модель, использующая 24 предиктора: пол, возраст, индекс массы тела, ПТГ, кальций ионизированный, щелочная фосфатаза, фосфор, мочевина, рСКФ, общий холестерин, диастолическое артериальное давление, SD(T-кр.)<-2,5/SD(Z-кр.)<-2,0, ХБП, длительность нефролитиаза, прием блокаторов рецепторов ангиотензина-II и ангиотензинпревращающего фермента, предоперационный прием колекальциферола и цинакальцета, гиперплазия/аденома ОЩЖ, послеоперационная гипокальциемия, доза альфакальцидола и препаратов кальция, послеоперационный прием колекальциферола. Полученная модель (http://194.87.111.169/cfr) прогнозирует снижение рСКФ у пациентов с ПГПТ после ПТЭ с вероятностью 56,8–86,3% и исключает с вероятностью 85,6–97,7%.
Выводы. Разработана математическая модель для прогнозирования снижения рСКФ через 12 мес. после ПТЭ у пациентов с ПГПТ, общая точность которой составила 88%, 95% ДИ(79%; 93%). Модель программно реализована в виде калькулятора, который может использоваться в рутинной клинической практике.
Литература
1. Мокрышева Н.Г. Околощитовидные железы. – Медицинское информационное агентство, 2019.
2. Рубрикатор клинических рекомендаций. Первичный гиперпаратиреоз. Доступно по: http://cr.rosminzdrav.ru/schema/88_4.
3. Мокрышева Н.Г., Рожинская Л.Я., Перетокина Е.В., и др. Анализ основных эпидемиологических характеристик первичного гиперпаратиреоза в России (по данным регистра) // Проблемы эндокринологии. – 2012. – Т.58. – №5. – С.16-20. doi: 10.14341/probl201258516-20.
4. Walker MD, Nickolas T, Kepley A, et al. Predictors of renal function in primary hyperparathyroidism. J Clin Endocrinol Metab. 2014; 99(5): 1885-92. doi: 10.1210/jc.2013-4192.
5. KDIGO 2020 Clinical Practice Guideline for Diabetes Management in Chronic Kidney Disease. Kidney int. 2020; 98(4S): S1-115. doi: 10.1016/j.kint.2020.06.019.
6. Levey AS, de Jong PE, Coresh J, et al. The definition, classification, and prognosis of chronic kidney disease: a KDIGO Controversies Conference report. Kidney int. 2011; 80(1): 17-28. doi: 10.1038/ki.2010.483.
7. GBD CKD. Global, regional, and national burden of chronic kidney disease, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet. 2020; 395(10225): 709-733.
doi: 10.1016/S0140-6736(20)30045-3.
8. Рубрикатор клинических рекомендаций. Остеопороз. Доступно по: https://cr.minzdrav.gov.ru/schema/87_4.
9. Nelson HD, Haney EM, Chou R, et al. Screening for Osteoporosis: Systematic Review to Update the 2002 US Preventive Services Task Force Recommendation. Rockville (MD): Agency for Healthcare Research and Quality (US); 2010 Jul. Report No.: 10-05145-EF-1.
10. Bonnick S. Bone Densitometry in Clinical Practice. Humana Press; 2004.
11. WHO Scientific Group Technical Report. Assessment of osteoporosis at the primary health-care level. Technical Report. 2007. Available from: https://frax.shef.ac.uk/FRAX/pdfs/WHO_Technical_Report.pdf.
12. Рубрикатор клинических рекомендаций. Хроническая болезнь почек (ХБП). Доступно по: https://cr.minzdrav.gov.ru/recomend/469_2.
13. Molnar C. Interpretable Machine Learning. A Guide for Making Black Box Models Explainable. 2023.
14. Seibel MJ. Biochemical markers of bone turnover: part I: biochemistry and variability. Clin Biochem Rev. 2005; 26(4): 97-122.
15. Walker MD, Dempster DW, McMahon DJ, et al. Effect of renal function on skeletal health in primary hyperparathyroidism. J Clin Endocrinol Metab. 2012; 97(5): 1501-7. doi: 10.1210/jc.2011-3072.
16. Tassone F, Guarnieri A, Castellano E, et al. Parathyroidectomy Halts the Deterioration of Renal Function in Primary Hyperparathyroidism. J Clin Endocrinol Metab. 2015; 100(8): 3069-73. doi: 10.1210/jc.2015-2132.
17. Nair CG, Babu M, Jacob P, et al. Renal dysfunction in primary hyperparathyroidism; effect of Parathyroidectomy: A retrospective Cohort Study. Int J Surg. 2016; 36(Pt A): 383-7. doi: 10.1016/j.ijsu.2016.11.009.
18. Daumé H. A Course in Machine Learning. Self-published; 2015.
19. Fallah F. Hierarchical Quadratic Random Forest Classifier. 2023. arXiv:2306.01893.
20. Marco TR, Sameer S, Carlos G. Why Should I Trust You? Explaining the Predictions of Any Classifier. 2016. arXiv:1602.04938.
2. Рубрикатор клинических рекомендаций. Первичный гиперпаратиреоз. Доступно по: http://cr.rosminzdrav.ru/schema/88_4.
3. Мокрышева Н.Г., Рожинская Л.Я., Перетокина Е.В., и др. Анализ основных эпидемиологических характеристик первичного гиперпаратиреоза в России (по данным регистра) // Проблемы эндокринологии. – 2012. – Т.58. – №5. – С.16-20. doi: 10.14341/probl201258516-20.
4. Walker MD, Nickolas T, Kepley A, et al. Predictors of renal function in primary hyperparathyroidism. J Clin Endocrinol Metab. 2014; 99(5): 1885-92. doi: 10.1210/jc.2013-4192.
5. KDIGO 2020 Clinical Practice Guideline for Diabetes Management in Chronic Kidney Disease. Kidney int. 2020; 98(4S): S1-115. doi: 10.1016/j.kint.2020.06.019.
6. Levey AS, de Jong PE, Coresh J, et al. The definition, classification, and prognosis of chronic kidney disease: a KDIGO Controversies Conference report. Kidney int. 2011; 80(1): 17-28. doi: 10.1038/ki.2010.483.
7. GBD CKD. Global, regional, and national burden of chronic kidney disease, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet. 2020; 395(10225): 709-733.
doi: 10.1016/S0140-6736(20)30045-3.
8. Рубрикатор клинических рекомендаций. Остеопороз. Доступно по: https://cr.minzdrav.gov.ru/schema/87_4.
9. Nelson HD, Haney EM, Chou R, et al. Screening for Osteoporosis: Systematic Review to Update the 2002 US Preventive Services Task Force Recommendation. Rockville (MD): Agency for Healthcare Research and Quality (US); 2010 Jul. Report No.: 10-05145-EF-1.
10. Bonnick S. Bone Densitometry in Clinical Practice. Humana Press; 2004.
11. WHO Scientific Group Technical Report. Assessment of osteoporosis at the primary health-care level. Technical Report. 2007. Available from: https://frax.shef.ac.uk/FRAX/pdfs/WHO_Technical_Report.pdf.
12. Рубрикатор клинических рекомендаций. Хроническая болезнь почек (ХБП). Доступно по: https://cr.minzdrav.gov.ru/recomend/469_2.
13. Molnar C. Interpretable Machine Learning. A Guide for Making Black Box Models Explainable. 2023.
14. Seibel MJ. Biochemical markers of bone turnover: part I: biochemistry and variability. Clin Biochem Rev. 2005; 26(4): 97-122.
15. Walker MD, Dempster DW, McMahon DJ, et al. Effect of renal function on skeletal health in primary hyperparathyroidism. J Clin Endocrinol Metab. 2012; 97(5): 1501-7. doi: 10.1210/jc.2011-3072.
16. Tassone F, Guarnieri A, Castellano E, et al. Parathyroidectomy Halts the Deterioration of Renal Function in Primary Hyperparathyroidism. J Clin Endocrinol Metab. 2015; 100(8): 3069-73. doi: 10.1210/jc.2015-2132.
17. Nair CG, Babu M, Jacob P, et al. Renal dysfunction in primary hyperparathyroidism; effect of Parathyroidectomy: A retrospective Cohort Study. Int J Surg. 2016; 36(Pt A): 383-7. doi: 10.1016/j.ijsu.2016.11.009.
18. Daumé H. A Course in Machine Learning. Self-published; 2015.
19. Fallah F. Hierarchical Quadratic Random Forest Classifier. 2023. arXiv:2306.01893.
20. Marco TR, Sameer S, Carlos G. Why Should I Trust You? Explaining the Predictions of Any Classifier. 2016. arXiv:1602.04938.
Для цитирования
Елфимова А.Р., Еремкина А.К., Реброва О.Ю., Ковалева Е.В., Мокрышева Н.Г.. Математическая модель для прогнозирования снижения расчетной скорости клубочковой фильтрации через 12 месяцев после паратиреоидэктомии у пациентов с первичным гиперпаратиреозом. Врач и информационные технологии. 2024; 2: 68-81. doi: 10.25881/18110193_2024_2_68.
Документы
Ключевые слова