ALGORITHM OF MEDICAL AND REHABILITATION ACTIONS AT THE SHARP CORONARY SYNDROME PROCEEDING AGAINST THE BACKGROUND OF THE METABOLIC SYNDROME

Full Text

Актуальность. Наиболее актуальной проблемой современной медицины являются заболевания сердечно-сосудистой системы. На это указывают распространенность, «омоложение» ишемической болезни сердца и, как следствие, прогрессивно нарастающая смертность, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 15]. ИБС чаще встречается у мужчин, что связывают с антиатеросклеротическим действием эстрогенов. Однако уровень тестостерона у мужчин с возрастом уменьшается и при этом прослеживается явная параллель этого явления с ростом частоты ИБС, особенно у пациентов с избыточным весом [4, 5, 9, 10]. У таких больных чаще встречаются осложнённые формы инфаркта миокарда, которые отличается многообразием клинических проявлений, большим количеством осложнений, и особенно таких, как разрыв миокарда, формирование острой аневризмы сердца, нарушения ритма. Острый коронарный синдром является заболеванием, при котором происходят глубокие сдвиги в гемодинамике, деятельности вегетативного отдела нервной системы, в развитии восстановительных реакций и др. В настоящее время данное заболевание является одной из наиболее сложных проблем неотложной кардиологии, которое зачастую приводит к смертельному исходу и является причиной частой инвалидизации. Выбор и с учетом вероятного осложнения позволяет значительно. Чтобы уменьшить неблагоприятный исход, необходимы адекватная базовая схема лечения и своевременная превентивная терапия. Значительную помощь при определении вероятного развития осложнений, выборе эффективного лечения и профилактики может оказать использование математического моделирования [1, 13, 14]. Цель и задачи. Разработка особенностей высокоинформативного обеспечения прогноза в кардиологии с использованием математических и компьютерных средств обеспечения на основе анализа существующих систем постановки диагноза и выбора тактики лечения у больных с избыточным весом, страдающих ИБС, протекающей на фоне приобретённого андрогенодефицита. Материал и методы исследования. Для практической реализации информационного обеспечения была создана модель математического прогноза. Обоснована математическая тактика лечебных мероприятий и реабилитационных подходов для больных, страдающих острым коронарным синдромом, которая включает в себя подсистемы историй болезней, анализа архивной информации, построения математических моделей прогноза, оптимального выбора лечебных тактик и реабилитационных мероприятий, информационные и справочные базы, библиотеку лекарственных препаратов. Связующим звеном являлся интерфейсный модуль, который обеспечивал выбор режима работы и управлял работой всех подсистем. Полученные результаты и их обсуждение. База данных состоит из трех компонент: подсистемы историй болезней, библиотеки лекарственных средств, подсистемы типовых схем лечения. Подсистема историй болезней включает в себя базу данных о больных, программные средства ввода и редактирования, поиска и сортировки. Для каждого пациента хранится следующая информация: номер истории болезни, фамилия, имя, отчество, дата рождения, пол, дата поступления, данные анамнеза, инструментальных и лабораторных исследований, информация о перенесенных и сопутствующих заболеваниях, установленный диагноз, информация о противопоказанных лечебных воздействиях, индекс назначаемой схемы лечения, значения исследуемых при поступлении и в процессе лечения показателей. Возможен поиск человека по фамилии, дате рождения, полу, перенесенным и сопутствующим заболеваниям, установленному диагнозу и назначенной схеме лечения. Библиотека лекарственных средств содержит следующие поля: порядковый номер и индекс препарата, название препарата и группы, способ введения, максимальная разовая и суточная дозы, средняя терапевтическая доза, противопоказания, совместимость с другими препаратами, «ценность», форма выпуска, цена за единицу. Реализованы режимы поиска и сортировки по названию препарата и группы препаратов. Возможно автономное функционирование в качестве справочной системы. Подсистема типовых схем лечения содержит возможные схемы лечения острого коронарного синдрома. Для каждого лечебного воздействия хранятся следующие показатели: необходимость применения (2-применяется всегда, 1-применяется при указанный симптомах, 0-применяется по усмотрению врача), коэффициент значимости, возможные заменители. Для идентификации каждой схеме лечения соответствует свой численный индекс. Подсистема сбора и обработки архивной информации предназначена для формирования информационной базы данных для построения прогностических моделей на основе архивной информации. Данная подсистема включает в себя базу данных, состоящую из 56 полей, для записи более подробной информации и больных с инфарктом миокарда. Помимо информационной базы данная подсистема включает в себя также средства для предварительной обработки информации: модуль преобразования качественных характеристик в численные оценки на основе экспертного оценивания, модуль фильтрации информации, модуль оптимизации признакового пространства, необходимый для выбора минимального набора наиболее значимых характеристик, достаточного для построения прогностических моделей. Подсистема создания моделей прогноза позволяет конструировать нейросетевые модели, которые связывают одну зависимую и несколько независимых переменных. Полученные модели используются для прогнозирования осложнений острого коронарного синдрома. При пополнении базы данных информации о новых больных, модели могут корректироваться с учетом вновь поступивших данных. В подсистеме прогностического моделирования заложены модели индивидуального прогнозирования инфаркта миокарда и его осложнений (разрыв миокарда и тампонада сердца, фибрилляция желудочков, кардиогенный шок, острая левожелудочковая недостаточность, острая аневризма левого желудочка) на основе оптимизированного набора характеристик больного (систолическое артериальное давление; элевация сегмента ST; интервал T-P; протромбиновый индекс; время свертывания; АЧТВ; калий сыворотки крови; фракция выброса по данным ЭХО КГ; ударный объем). Полученный прогноз выдается в виде вероятностной оценки развития перечисленных осложнений. В подсистеме рационального и оптимального выбора лечебных тактик и реабилитационных мероприятий реализован алгоритм сравнения эффективности базовых схем лечения. На основе статистических данных из подсистемы историй болезней, производится сравнение эффективности лечения, анализируемого заболевания (хранящихся в подсистеме). В результате выдается сравнительная оценка эффективности и выбирается для дальнейшего использования наиболее эффективная схема, к которой добавляются препараты для профилактики развития осложнений в соответствии с полученным прогнозом. Информационно-справочная система содержит информацию о работе с отдельными подсистемами комплекса. Справка реализована в виде гипертекста, что облегчает работу и поиск необходимой информации. Разработанный программный комплекс проводит работу по сбору и хранению анамнестических, клинических и лабораторных признаков, характеризующих состояние пациентов на момент обследования; создание математических прогностических моделей на основе ретроспективной информации; прогнозирование развития трансмурального инфаркта миокарда и его осложнений и выбор оптимальных лечебных схем и реабилитационных мероприятий; сбор дополнительной информации из историй болезней пациентов, которые прошли реабилитационный курс в архивную базу данных для корректировки моделей, создающих прогноз. Разработанная система может работать в трех режимах: 1) работа с лечащим врачом; 2) работа с администратором; 3) обработка статистической информации. В режиме работы врача доступны следующие задачи: а) просмотр базы данных о препаратах; б) ввод данных о пациенте; в) идентификация состояния пациента; г) оптимизация и рационализация схем лечения. В режиме работы администратора возможна настройка каждой подсистемы комплекса; а) редактирование базы данных о пациентах, препаратах и схемах лечения; б) статистический анализ данных, оптимизация признакового пространства и построение моделей заболеваний; в) создание прогностических моделей и настройка подсистем выбора схемы, плана и тактики лечения на работу с ними. При обработке статистической информации с помощью системы возможно формирование независимой базы данных и решение следующих задач: а) получение статистических оценок; б) классификация (разбиение на однородные группы); в) построение нейросетевых моделей; г) сравнение динамики изменения контролируемых показателей в нескольких группах (сравнение эффективности лечения). Выводы. Для интеллектуального и высокоинформативного обеспечения поддержки работы врача необходимо использование созданной системы моделирования прогноза и выбора оптимальных и рациональных лечебных схем и профилактических мероприятий для больных острым коронарным синдромом.

About the authors

V M Uskov

air force Academy named after Professor N. E. Zhukovsky and Y. A. Gagarin

Email: vm.uskov.card@mail.ru

I V Teslinov

Voronezh state medical University

References