Predication of gestosis severity of second pregnancy period based on cardiac rhythm variability

Full Text

Актуальность. Гестозы II половины беременности по-прежнему, остаются одной из важнейших проблем здравоохранения: среди причин материнской смертности они занимают третье место - 12 - 15 %, перинатальные потери составляют 18 - 30 %, перинатальная заболеваемость 640 - 780 % (5). Для благоприятного исхода гестоза наиболее важно определить его тяжесть. Существующие балльные оценки тяжести нефропатии (по школе Виттлингера; по А.С. Слепых и М.А. Репиной, 1977 г.; Савельевой Г.М., 1999 г.) учитывают основные клинические признаки течения заболевания (субъективные и объективные симптомы), а также дополнительные методы исследования (офтальмоскопия, УЗИ плода). Но совершенно не учитывают состояние вегетативной нервной системы (ВНС), которой принадлежит ведущая координирующая роль в адаптации к развивающейся беременности в функциональной системе «мать - плацента - плод». Показано, что при нарушении ее регулирующего воздействия происходит отклонение от нормального течения гестации, а при гестозах развивается комплекс симптомов вегетативной дисфункции (2, 3). Кроме того, в ряде работ подчеркивается роль симпатического отдела. ВНС в развитии тяжелых осложнений гестоза, доказывается, что более высокий тонус симпатической НС индуцирует гестационную гипертонию и преэклампсию [6]. Наряду с классическими методами диагностики состояния ВНС в последнее время все чаще применяется анализ вариабельности ритма сердца (ВРС), безусловными достоинствами которого являются неинвазивность, доступность и высокая информативность [1]. Целью настоящего исследования является построение прогностических моделей на основе ВРС для объективизации тяжести гестоза. Материал и методы исследования. Обследовано 114 беременных женщин при сроке беременности 37 - 40 недель и на 5 -7 сутки после родоразрешения. Все беременные были распределены в две группы, существенно не различающиеся по возрасту, паритету родов, акушерскому и гинекологическому анамнезам и другим эпидемиологическим характеристикам, имеющим значение для статистического анализа. В 1-ю (контрольную) группу были включены 30 практически здоровых женщин с физиологическим течением беременности. Во 2-ю (исследуемую) группу включены 84 беременные с гестозом II половины беременности различной тяжести. Балльную оценку тяжести нефропатии проводили, согласно методическим рекомендациям МЗ РФ, 1999 (Савельева Г.М.): нефропатия легкой степени - 26 беременных; нефропатия средней тяжести - 29 беременных; нефропатия тяжелая - 29 беременных. Исследование проведено на аппаратно - программном комплексе «Control», разработанном в РИМБП совместно с немецкой клиникой Бавария-Крейша. Комплекс состоит из ритмографа, соединенного с персональным компьютером и программного обеспечения позволяющего осуществлять статистический, спектральный и автокорреляционный анализ ритмограмм [1]. Сердечный ритм исследовали в положении беременной лежа в течение 5мин после 5-10мин периода адаптации, при спокойном дыхании, не ранее, чем через 1,5-2 часа после еды, в тихой комнате. Измеряли все интервалы между зубцами R нормальных комплексов QRS (RR- или NN-интервалы). Кроме того, исследование проводилось в условиях АОП (активной ортостатической пробы): стоя в течение 5мин и стоя 5мин. Одновременно измерялось АД на обеих руках и оценивалось субъективное состояние беременной. Полученные результаты и их обсуждение. Для прогнозирования тяжести гестоза были применены линейные методы множественной регрессии. Цель регрессионного анализа - установить конкретную зависимость одного или нескольких результативных показателей от одного или несколько признаков - факторов. Полученные при этом уравнение регрессии используется для содержательного описания изучаемого процесса, прогнозирования выбора оптимального варианта и т.д. Если в уравнение регрессии включены признаки- факторы, учитывающие и возможное случайное поведение результативного признака, то такое выражение представляет регрессионную модель явления или процесса. Наибольшее применение получили уравнения регрессии, отражающие взаимосвязь одного результативного признака с несколькими признаками- факторами (множественная регрессия) [4]. С помощью врачей-экспертов были выделены входные параметры (факторы, влияющие на тяжесть гестозов) и выходные параметры (тяжесть заболевания). Их список представлен в таблице 1. После отсеивания наиболее незначимых параметров получили следующие пространства параметров X и Y, представленные в таблице 2. Воспользовавшись статистическим пакетом StatGraph, получили линейные регрессионные модели для параметров пространства Y. Рассчитали значимость регрессионных коэффициентов и с помощью исключения незначимых членов получили конечные модели описания пространства Y через пространство X. Полученные результаты представлены в таблице 3. Таблица 1 Входные параметры моделирования Вид параметра Наименование параметра HR Частота сердечных сокращений AD сист. АД систолическое AD диаст. АД диастолическое SDNN Стандартное отклонение NN интервалов всей записи RMSSD Квадратный корень из суммы квадратов разности величины интервалов NN SY Стресс - индекс YC Индекс централизации HF % Высокочастотные волны LF % Низкочастотные волны VLF % Очень низкочастотные волны TP мс2. 1000 Суммарная мощность спектра HF мс2. 1000 Высокочастотные волны LF мс2. 1000 Низкочастотные волны VLF мс2. 1000 Очень низкочастотные волны L/H Индекс вагосимпатического взаимодействия АМ0 % Амплитуда моды Y Тяжесть заболевания (0 - легкая, 0,5 - средняя, 1 - тяжелая) Таблица 2 Пространство параметров X и Y после отсеивания Вид параметра Наименование параметра AD сист. АД систолическое AD диаст. АД диастолическое VLF мс2. 1000 Очень низкочастотные волны TP мс2. 1000 Суммарная мощность спектра LF мс2. 1000 Низкочастотные волны AM0 % Амплитуда моды Y Тяжесть заболевания (0 - легкая, 0,5 - средняя, 1 - тяжелая) Таблица 3. Результаты регрессионного анализа Тяжесть заболевание беременных, сидя Y = -0,746482 - 0,195605*VLF + 0,46319* TP + 0,157767*LF + 0,0157455* Ads - 5,38391*Add Тяжесть заболевания беременных, стоя Y = - 1, 24177 + 0,0834228*VLF - 0,152507*TP - 0,163132*LF + 0,0194346*Ads + 0,542439*Add Тяжесть заболевания беременных в покое Y = -1,16851 - 0,0338825*VLF + 0,0530701*TP + 0,53503*LF + 0,0208682*Ads - 7,95597*Add Тяжесть заболевания после родов, сидя Y = -1,45712 + 0,00679494*ADs + 0,0114713*ADd + 0,00653023*AM0 - 0,00702609*LF Тяжесть заболевания после родов, стоя Y = - 1,58081 + 0,00997642*ADs + 0,0751056*ADd + 0,0039593*AM0 - 0,000511897*LF Тяжесть заболевания после родов в покое Y = - 1, 62483 + 0,00659521*Ads + 0,0116008*ADd + 0,0046317*AM0 + 0,000313384*LF После проверки на адекватность моделей установили, что все их них адекватны (табл. 4) Таблица 4 Адекватность построенных моделей Суммарная квадратическая ошибка Число степеней свободы Среднеквадратическая ошибка Коэффициент F - Фишера P (значимость) Тяжесть заболевания беременных, сидя 7,05737 5 1,41147 16,52 0,001 Тяжесть заболевания беременных, стоя 6,91487 5 2,30496 27,08 0,002 Тяжесть заболевания у беременных в покое 6,37819 5 1,84517 18,36 0,001 Тяжесть заболевания беременных, сидя 5,87468 4 1,48753 30,45 0,001 Тяжесть заболевания беременных, стоя 7,04583 4 1, 84327 18,49 0,001 Тяжесть заболевания беременных в покое 6,70453 4 2,04975 23,81 0,002 Таким образом, представленные модели позволяют прогнозировать тяжесть гестоза у беременных до- и после родов, как в покое, так и при проведении АОП и могут быть предложены в качестве экспресс-диагностики тяжести гестоза в дополнении к имеющимся клиническим признакам и данным инструментальных методов обследования.

About the authors

N N Pisareva

Voronezh Regional Clinical Hospital No1

References