cardiovascularКардиоваскулярная терапия и профилактикаCardiovascular Therapy and Prevention1728-88002619-0125«SILICEA-POLIGRAF» LLC10.15829/1728-8800-2025-4324QNKWLScardiovascular-4324Research ArticleЭПИДЕМИОЛОГИЯ СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙEPIDEMIOLOGY OF CARDIOVASCULAR DISEASESНейросетевой анализ связей факторов риска с фатальным событием в зависимости от продолжительности проспективного наблюденияNeural network analysis of the relationships of risk factors with a fatal event depending on prospective follow-up durationhttps://orcid.org/0000-0003-0263-494XВилковВ. Г.VilkovV. G.

Вилков Владимир Галикович — д.м.н., в.н.с. отдела эпидемиологии хронических неинфекционных заболеваний.

Москва

Research ID K-7862-2017

Vladimir G. Vilkov.

Moscow

Research ID K-7862-2017

vilkov_vladimir@list.ruhttps://orcid.org/0000-0003-2087-6483ШальноваС. А.ShalnovaS. A.

Шальнова Светлана Анатольевна — д.м.н., профессор, руководитель отдела эпидемиологии хронических неинфекционных заболеваний.

Москва

Svetlana A. Shalnova.

Moscow

sshalnova@gnicpm.ruhttps://orcid.org/0000-0001-8011-2798БалановаЮ. А.BalanovaYu. A.

Баланова Юлия Андреевна — д.м.н., в.н.с. отдела эпидемиологии хронических неинфекционных заболеваний.

Москва

Yulia A. Balanova.

Moscow

JBalanova@gnicpm.ruhttps://orcid.org/0000-0002-0240-3941МуромцеваГ. А.MuromtsevaG. A.

Муромцева Галина Аркадьевна — к.б.н., в.н.с. отдела эпидемиологии хронических неинфекционных заболеваний.

Москва

Galina A. Muromtseva.

Moscow

GMuromtseva@gnicpm.ruhttps://orcid.org/0000-0002-9332-0622ИмаеваА. Э.ImaevaA. E.

Имаева Асия Эмвяровна — д.м.н., в.н.с. отдела эпидемиологии хронических неинфекционных заболеваний.

Москва

Asiia E. Imaeva.

Moscow

AImaeva@gnicpm.ruhttps://orcid.org/0000-0002-4453-8430ДрапкинаО. М.DrapkinaO. M.

Драпкина Оксана Михайловна — д.м.н., профессор, академик РАН, директор.

Москва

Oxana M. Drapkina.

Moscow

odrapkina@gnicpm.ruФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава РоссииNational Medical Research Center for Therapy and Preventive Medicine20251605202524443244324Copyright © Вилков В.Г., Шальнова С.А., Баланова Ю.А., Муромцева Г.А., Имаева А.Э., Драпкина О.М., 20252025Вилков В.Г., Шальнова С.А., Баланова Ю.А., Муромцева Г.А., Имаева А.Э., Драпкина О.М.Vilkov V.G., Shalnova S.A., Balanova Y.A., Muromtseva G.A., Imaeva A.E., Drapkina O.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://cardiovascular.elpub.ru/jour/article/view/4324Цель

Цель. Сравнить значимость факторов риска (ФР) при нейросетевом моделировании фатального исхода для сроков проспективного наблюдения 10, 20, 30 и 40 лет.

Материал и методы

Материал и методы. Из российской части исследования Липид­ных клиник 1975-1982гг включены 13263 мужчины и 5691 женщина с наблюдением до 2017г, конечной точкой являлась смерть от всех причин. Анализировали пол, возраст, величины артериального давления, частоты сердечных сокращений, индекса массы тела, показатели липидов крови, статусы курения и образования, наличие артериальной гипертензии и гипотензии. Для построения многомерных моделей использовали программы-имитаторы искусственных нейронных сетей.

Результаты

Результаты. По данным общего анализа чувствительности значимость всех включенных в модели входных переменных увеличивается с удлинением срока проспективного наблюдения. Минимальная значимость изученных ФР наблюдается при 10-летнем наблюдении у женщин.

Заключение

Заключение. Нейросетевой прогноз вероятности фатального события с использованием исследованных ФР достигает максимальной информативности к 30 годам проспективного наблюдения.

Aim

Aim. To compare the significance of risk factors (RF) in neural network modeling of a fatal outcome for prospective follow-up periods of 10, 20, 30 and 40 years.

Material and methods

Material and methods. From the Russian Lipid Research Clinics Study of 1975-1982, 13263 men and 5691 women were included in the current follow-up until 2017. The end point was all-cause death. Sex, age, blood pressure, heart rate, body mass index, blood lipid levels, smoking and education status, hypertension and hypotension were analyzed. Artificial neural network simulators were used to build multivariate models.

Results

Results. According to the sensitivity analysis, the significance of all input variables included in the models increases with follow-up duration extension. The minimum significance of studied risk factors is observed with a 10-year follow-up in women.

Conclusion

Conclusion. Neural network prediction of a fatal event using the studied risk factors reaches maximum information content by 30 years of prospective follow-up.

искусственные нейронные сетифакторы рискаобщая смертностьпроспективное наблюдениепопуляция Рос­сийской Федерацииartificial neural networksrisk factorsall-cause mortalityprospective follow-upRussian populationРабота выполнена в рамках Государственного задания на 2024-2025гг № 124013100902-3 "Модели­рование риска хронических неинфекционных заболеваний/сердечно-сосудистых заболеваний на основе российских проспективных популяционных исследований".The work was carried out within the Sta­te Assignment for 2024-2025 № 124013100902-3 "Modeling the risk of non­communicable/cardiovascular diseases based on Russian prospective population studies".ReferencesВилков В. Г., Шальнова С. А. Обоснование применения нелинейных статистических методов при анализе связей факторов риска с фатальными событиями по данным длительного проспективного наблюдения в популяциях России и Соединенных Штатов Америки. Профилактическая медицина. 2024;27(11):34-9. doi:10.17116/profmed20242711134.Vilkov VG, Shalnova SA. Rationale for the use of non-linear statistical methods in the analysis of relationships between risk factors and fatal events according to the data of long-term prospective observation in population of Russia and the United States of America. Russian Journal of Preventive Medicine. 2024; 27(11):34-9. (In Russ.) doi:10.17116/profmed20242711134.Горбань А. Н., Дунин-Барковский В. Л., Кирдин А. Н. и др. Нейроинформатика. Новосибирск: Наука, 1998:1-296. ISBN: 5-02-031410-2.Gorban' AN, Dunin-Barkovskij VL, Kirdin AN, et al. Neuroinformatics. Novosibirsk: Science, 1998:1-296. (In Russ.) ISBN: 5-02-031410-2.Шальнова С. А., Деев А. Д., Шестов Д. Б. Прогностическая оценка эпидемиологических характеристик ишемической болезни сердца. Кардиология. 1997;9:49-54.Shalnova SA, Deev AD, Shestov DB. Prognostic assessment of epidemiological characteristics of ischemic heart disease. Kardiologiia. 1997;9:49-54. (In Russ.)Лапин В. В. Артериальная гипотензия. В кн: Кардиология: руководство для врачей в 2 т. / Под ред. Перепеча Н. Б., Рябова С. И. СПб.: СпецЛит, 2008;1:442-60. ISBN: 978-5-299-00346-8.Lapin VV. Arterial hypotension. In: Cardiology: a guide for physicians in 2 vol. Ed. Perepech NB, Ryabov SI. SPb.: SpecLit, 2008; 1:442-60. (In Russ.) ISBN: 978-5-299-00346-8.Вилков В. Г., Баланова Ю. А., Капустина А. В. и др. Артериальная гипотензия и дожитие: диагностические критерии в популяциях Российской Федерации и Соединенных Штатов Америки. Российский кардиологический журнал. 2021;26(5):4365. doi:10.15829/1560-4071-2021-4365.Vilkov VG, Balanova YuA, Kapustina AV, et al. Hypotension and survival: diagnostic criteria in Russian and United States population. Russian Journal of Cardiology. 2021;26(5):4365. (In Russ.) doi:10.15829/1560-4071-2021-4365.Neural networks: STATISTICA Neural Networks. M.: Goryachaya liniya-Telekom, 2001:1-182. (In Russ.) Нейронные сети: STATISTICA Neural Networks. М.: Горячая линия-Телеком, 2001:1-182. ISBN: 5-93517-015-9.Neural networks: STATISTICA Neural Networks. M.: Goryachaya liniya-Telekom, 2001:1-182. (In Russ.) ISBN: 5-93517-015-9.Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. СПб.: Питер, 2001:601-40. ISBN: 5-318-00302-8.Borovikov V. STATISTICA: The art of analyzing data on a computer. For professionals. SPb.: Piter, 2001:601-640. (In Russ.) ISBN: 5-318-00302-8.Бююль А., Цёфель П. SPSS: искусство обработки информации: Анализ статистических данных и восстановление скрытых закономерностей. СПб.:ООО "ДиаСофтЮП", 2002:1-608. ISBN: 5-93772-014-8.Buhl A, Zofel P. The art of information processing. Statistical data analysis and recovery of hidden patterns. SPb.:OOO "DiaSoftYuP", 2002:1-608. (In Russ.) ISBN: 5-93772-014-8.Kannel WB, McGee D, Gordon T. A general cardiovascular risk profile: The Framingham study. Am J Cardiol. 1976;38(1):46-51. doi:10.1016/0002-9149(76)90061-8.Kannel WB, McGee D, Gordon T. A general cardiovascular risk profile: The Framingham study. Am J Cardiol. 1976;38(1):46-51. doi:10.1016/0002-9149(76)90061-8.Pocock SJ, McCormack V, Gueyffier F, et al. A score for predic­ting risk of death from cardiovascular disease in adults with raised blood pressure, based on individual patient data from randomised controlled trials. Br Med J. 2001;323:75-81. doi:10.1136/bmj.323.7304.75.Pocock SJ, McCormack V, Gueyffier F, et al. A score for predic­ting risk of death from cardiovascular disease in adults with raised blood pressure, based on individual patient data from randomised controlled trials. Br Med J. 2001;323:75-81. doi:10.1136/bmj.323.7304.75.Шальнова С. А., Оганов Р. Г., Деев А. Д. Оценка и управление суммарным риском сердечно-сосудистых заболеваний у населения России. Кардиоваскулярная терапия и профилактика. 2004;3(4):4-11.Shalnova SA, Oganov RG, Deev AD. Assessment and management of total cardiovascular disease risk in Russian population. Cardiovascular Therapy and Prevention. 2004;3(4):4-11. (In Russ.)Шальнова С. А., Деев А. Д., Оганов Р. Г. и др. Частота пульса и смертность от сердечно-сосудистых заболеваний у российских мужчин и женщин. Результаты эпидемиологического исследования. Кардиология. 2005;45(10):45-50.Shalnova SA, Deev AD, Oganov RG, et al. Pulse rate and cardiovascular mortality of men and women in Russia. Results of epi­demiological studies. Kardiologiia. 2005;45(10):45-50. (In Russ.)Шальнова С. А., Имаева А. Э., Капустина А. В. и др. Смертность населения 55 лет и старше и ее ассоциации с ишемической болезнью сердца, традиционными факторами риска и маркерами воспаления: результаты Проспективного когортного исследования. Российский кардиологический журнал. 2016;21(6):15-9. doi:10.15829/1560-4071-2016-6-15-19.Shalnova SA, Imaeva AE, Kapustina AV, et al. Mortality in 55 years and older population and its relation with ischemic heart disease, traditional risk factors and inflammation markers: the results of prospective cohort study. Russian Journal of Cardiology. 2016;21(6):15-9. (In Russ.) doi:10.15829/1560-4071-2016-6-15-19.Visseren FLJ, Mach F, Smulders YM, et al. 2021 ESC Guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J. 2021;42(34):3227-337. doi:10.1093/eurheartj/ehab484.Visseren FLJ, Mach F, Smulders YM, et al. 2021 ESC Guidelines on cardiovascular disease prevention in clinical practice. Eur Heart J. 2021;42(34):3227-337. doi:10.1093/eurheartj/ehab484.Boshuizen HC, Izaks GJ, van Buuren S, et al. Blood pressure and mortality in elderly people aged 85 and older: community based stu­dy. BMJ. 1998;316(7147):1780-4. doi:10.1136/bmj.316.7147.1780.Boshuizen HC, Izaks GJ, van Buuren S, et al. Blood pressure and mortality in elderly people aged 85 and older: community based stu­dy. BMJ. 1998;316(7147):1780-4. doi:10.1136/bmj.316.7147.1780.Ohkubo T, Imai Y, Tsuji I, et al. Reference values for 24-hour am­bu­latory blood pressure monitoring based on a prognostic criterion: the Ohasama Study. Hypertension. 1998;32(2):255-9. doi:10.1161/01.hyp.32.2.255.Ohkubo T, Imai Y, Tsuji I, et al. Reference values for 24-hour am­bu­latory blood pressure monitoring based on a prognostic criterion: the Ohasama Study. Hypertension. 1998;32(2):255-9. doi:10.1161/01.hyp.32.2.255.

The authors declare that there are no conflicts of interest present.