Preview

Кардиоваскулярная терапия и профилактика

Расширенный поиск

Нейросетевой анализ связей факторов риска с фатальным событием в зависимости от продолжительности проспективного наблюдения

https://doi.org/10.15829/1728-8800-2025-4324

EDN: QNKWLS

Аннотация

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

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

Об авторах

В. Г. Вилков
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва

Research ID K-7862-2017



С. А. Шальнова
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва



Ю. А. Баланова
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва



Г. А. Муромцева
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва



А. Э. Имаева
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва



О. М. Драпкина
ФГБУ "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России
Россия

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

Москва



Список литературы

1. Вилков 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.

2. Горбань А. Н., Дунин-Барковский В. Л., Кирдин А. Н. и др. Нейроинформатика. Новосибирск: Наука, 1998:1-296. ISBN: 5-02-031410-2.

3. Шальнова С. А., Деев А. Д., Шестов Д. Б. Прогностическая оценка эпидемиологических характеристик ишемической болезни сердца. Кардиология. 1997;9:49-54.

4. 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.

5. 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.

6. 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.

7. Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. СПб.: Питер, 2001:601-40. ISBN: 5-318-00302-8.

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.

9. 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.

10. 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.

11. 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.

12. 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.

13. 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.

14. 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.

15. 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.

16. 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.


Дополнительные файлы

Рецензия

Для цитирования:


Вилков В.Г., Шальнова С.А., Баланова Ю.А., Муромцева Г.А., Имаева А.Э., Драпкина О.М. Нейросетевой анализ связей факторов риска с фатальным событием в зависимости от продолжительности проспективного наблюдения. Кардиоваскулярная терапия и профилактика. 2025;24(4):4324. https://doi.org/10.15829/1728-8800-2025-4324. EDN: QNKWLS

For citation:


Vilkov V.G., Shalnova S.A., Balanova Yu.A., Muromtseva G.A., Imaeva A.E., Drapkina O.M. Neural network analysis of the relationships of risk factors with a fatal event depending on prospective follow-up duration. Cardiovascular Therapy and Prevention. 2025;24(4):4324. (In Russ.) https://doi.org/10.15829/1728-8800-2025-4324. EDN: QNKWLS

Просмотров: 39


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1728-8800 (Print)
ISSN 2619-0125 (Online)