WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 || 4 |

В родах наблюдается укорочение интервала QTc. Выявлены статистически значимые корреляционные связи между продолжительностью интервала QTc и применением наркотических анальгетиков (= 0,36, p<0,05), использованием ЭА ( = 0,62, р<0,05), ПРШМ (=0,33, р<0,05). Выявлено, что у рожениц 1 группы величина интервала QTc статистически значимо (критерий Краскела-Уоллиса, р<0,05) превышает таковую у рожениц 2 и 3 групп в 4, 5, 6, 7, 8 моменты исследования.

В табл. 2 представлены коэффициенты корреляции между использованием в родах методов АА и возникновением нарушений сердечного ритма.

Таблица 2. Коэффициенты корреляции между применением методов АА и возникновением нарушений ритма.

Методы АА

Применение:

Эктопические комплексы

Предсердные экстрасистолы

из АВ-соединения

Желудочковые экстрасистолы

спазмолитиков

0,59, р=0,003

ненаркотических анальг-в

0,86, р=0,00

0,64, р=0,002

наркотических анальг-в

0,26 р=0,02

0,58, р=0,02

окситоцина

-0,24, р=0,03

0,45, р=0,03

простагландинов

0,45, р=0,00

0,65, р=0,02

эпидуральной анальгезии

0,82, р=0,001

амниотомии

0,53, р=0,02

0,65, р=0,001

ПРШМ

0,27, р=0,01

0,67, р=0,02

0,5, р=0,004

Общее количество введенных лек-х препаратов

0,58, р=0,005

Выявлена корреляционная связь между возникновением желудочковых экстрасистол во время потуг и величиной минутного объема крови в этот период (=-0,35, р=0,044), дисциркуляторно-геморрагическими проявлениями у родившихся детей ( = 0,71, р<0,05). Таким образом, чрезмерное применение различных методов АА способно провоцировать развитие в родах желудочковых и наджелудочковых экстрасистол, что может оказаться небезразличным для состояния маточно- и плодо-плацентарного кровотоков, увеличить риск развития отклонений в состоянии здоровья матери и ребенка.

В третьей главе проведено выявление и анализ факторов риска неблагоприятных ИР на основе моделирования состояния новорожденного в зависимости от сложившейся акушерской ситуации, состояния функциональной активности регуляторных систем матери, особенностей работы ее ССС.

Для проведения множественного регрессионного анализа были отобраны следующие независимые переменные: 1) возраст, 2) № родов, 3) срок беременности, 4) начало родов со схваток/ излития околоплодных вод), 5) поступление в родовой блок из дома/из ОПБ, 6) применение спазмолитиков, 7) ненаркотических, 8) наркотических анальгетиков, 9) использование ЭА, 10) применение простагландинов, 11) окситоцина, 12) общее число введенных лекарственных средств, 13) АТ, 14) ПРШМ, 15) навязывание роженице ИПН, 16) применение приема Кристеллера, 17) дисциркуляторно-геморрагический с. у матери (ДГСМ), 18) дисциркуляторно-геморрагический с. у ребенка (ДГСР), 19) преждевременная дегибернация плода, 20–23) интервал QTc в 4, 5, 6, 7 моменты наблюдения, 24) длительность родов, 25) pNN50 в 6 момент наблюдения, 26) АМо в 6 момент наблюдения, 27-28) ИН и ИВР в 6 момент наблюдения (ИН6, ИВР6), 29-31) LF/HF во 2, 3 и 7 моменты родов, 32) БДST на ЭКГ у роженицы (ST-эпизоды), 33) появление на ЭКГ предсердных экстрасистол, 34) узловых экстрасистол, 35) желудочковых экстрасистол, 36) экстрасистолический индекс. В качестве зависимой переменной избрана оценка новорожденного по шкале Апгар на 1-й минуте жизни.

В результате регрессионного анализа были выделены 20 значимых переменных, из списка исключены признаки с высоким коэффициентом множественной корреляции, проведен повторный регрессионный анализ, результаты которого с указанием коэффициентов регрессии представлены на рис. 10

Рис. 10. Коэффициенты регрессии после исключения незначимых переменных и переменных с высоким коэффициентом множественной корреляции.

Построенная модель адекватно описывает взаимосвязь между откликом и предикторами, уровень значимости р нулевой для критерия Фишера проверки гипотезы о зависимости предикторов и отклика. Коэффициенты ST-эпизоды и ПРШМ имеют уровень значимости р=0,087. Т.к. для поисковых исследований допустимо принимать уровень значимости 0,3 (Халафян А.А., 2007), данные переменные включены в модель. Уравнение регрессии имеет вид:

Апгар1 = – 0,35 Крист. – 0,29 LF/HF7 – 0,29 ST-эпизоды – 0,54 оксит-н + 1,94 ДГСМ – 0,28 Число ЛП – 0,004 ИН6 – 1,23 анальг. + 0,64 ПРШМ + 10,45

Одним из условий корректного применения регрессионного анализа является соответствие закона распределения остатков нормальному закону.

Рис. 11. Распределение остатков.

Из приведённого на рис 11. графика видно, что распределение остатков приближено к нормальному, что ещё раз подтверждает адекватность модели.

Все факторы риска, выявленные при моделировании, можно условно разделить на 3 группы: 1 – параметры, отражающие функционирование регуляторных систем (ИН, LF/HF), 2 – методы АА (Крист., оксит-н, анальг., ПРШМ, Число ЛП), 3 – нарушения со стороны ССС роженицы (ST-эпизоды, ДГСМ).

В четвертой главе представлен алгоритм прогнозирования ИР на основе использования современных методов обработки информации; построены МКМ различных вариантов ИР на основе выделенных главных компонент, проведен анализ и апробация моделей.

Для снижения размерности изучаемого пространства признаков и выявления скрытых взаимосвязей между переменными применялся факторный анализ для ЛФ, АФ ПР, потужного, последового периодов родов, РПП. Для каждой роженицы вычислялись собственные значения сформированных факторов.

Для ЛФ ПР выявлены следующие значимые переменные: 1) общая ВСР, активность ПСп. отдела ВНС; 2) активность центрального контура регуляции; 3) желудочковая экстрасистолия; 4) продолжительность интервала PQ; 5) возраст; 6) QR; 7) поступление роженицы из дома/из отделения патологии беременности + применение простагландинов; 8) активность Сп. звена ВНС; 9) применение окситоцина; 10) амплитуда комплекса QRS; 11-12) индекс Макруза; 13) общая лекарственная нагрузка; 14) амплитуда зубца Р; 15) реполяризация желудочков.

Для построения МКМ ИР была создана обучающая матрица, содержащая 42 строки (по числу рожениц), 15 столбцов диагностических признаков, представляющих собой 15 факторов, сформированных с помощью факторного анализа для ЛФ ПР, одного группирующего столбца. Родильницы относились в 1 группу, с благоприятным ИР, если состояние женщины было удовлетворительным и оценка новорожденного по шкале Апгар через 1 минуту после рождения составляла не менее 9 баллов; во 2 группу, с относительно удовлетворительным ИР, при оценке по Апгар в 5–8 баллов; в 3 группу, с неблагоприятным ИР, при оценке 4 балла и менее, либо в случаях развития у матери потенциально опасных для жизни аритмий, кровотечений.

Лямбда Уилкса () модели составила 0,1866191, уровень значимости F-критерия р<0,0069. Значение лежит ближе к 0, чем к 1, что свидетельствует об удовлетворительной дискриминации. По вкладу в модель переменные распределились следующим образом: FACTOR 13 (Общая лекарственная нагрузка) вносит наибольший вклад, вторая по значению вклада переменная – FACTOR 15 (Реполяризация желудочков), третья – FACTOR 14 (Амплитуда зубца Р), четвертая – FACTOR 9 (Применение окситоцина).

В табл. 3 представлены значения полученных дискриминантных функций (ДФ) и сведения об их разделительной силе.

Таблица 3. 2-критерий последовательности корней.

ДФ (корень)

Собств. значения

Канонич. R

Лямбда Уилкса

2

df

Уровень знач-ти

1

2,015536

0,817548

0,186619

53,71795

30

0,004942

2

0,776967

0,661244

0,562757

18,39706

14

0,189290

В табл. 4 представлены значения ДФ для различных вариантов ИР.

Таблица 4. Средние значения ДФ для каждой группы ИР

ДФ1

ДФ 2

Группа 1

1,472267

-2,92293

Группа 2

-0,855405

0,08074

Группа 3

2,360594

0,70519

Из табл. 4 видно, что ДФ1 идентифицирует в основном 3 группу родильниц, с неблагоприятным ИР; ДФ2 – 1 группу, с благоприятным ИР. Для каждого варианта ИР вычислены функции классификации: наблюдение приписывается той группе, для которой классификационная функция имеет наибольшее значение. Классификационные уравнения имеют вид:

1 группа = -0,05F1 – 0,46F2 + 0,63F3+1,45F4+0,72F5+0,85F6+0,25F7+ 1,21F8 -0,11F9 + 0,35F10 + 1,58F11 – 0,71F12 – 3,12F13 + 1,49F14 + 0,27F15 – 8,0.

2 группа = 0,09F1 + 0,010F2 – 0,424F3 – 0,515F4 – 0,45F5 + 0,145F6 – 0,474F7 – 0,470F8 + 0,481F9 + 0,083 F10 – 0,081F11 + 0,259F12 + 0,245F13 – 0,565F14 – 0,537F15-0,706.

3 группа = -0,285F1 + 0,121F2 + 1,204F3 + 1,232F4 +1,259F5 – 0,767F6 + 1,493F7 +1,193F8 – 1,567F9 – 0,395F10 – 0,260F11 – 0,628F12 + 0,221F13 + 1,386F14 + 1,7F15 – 4,575.

Построенная модель правильно классифицирует 95% наблюдений, что является хорошим показателем.

Для верификации, апробации модели были протестированы данные об ИР 19 женщин, по различным причинам исключенным из исследования, но все необходимые сведения о течении, ведении родов у которых имелись.

В табл. 5 даны результаты классификации тестовой выборки; в строках представлены данные реальных ИР, в столбцах – предсказанные моделью.

Таблица 5. Результаты классификации тестовой выборки родильниц

%

Группа 1

Группа 2

Группа 3

Группа 1

100

2

0

0

Группа 2

100

0

13

0

Группа 3

75

0

1

3

Сумма

94,7%

2

14

3

Таким образом, с помощью дискриминантного анализа построена модель, позволяющая уже в ЛФ ПР классифицировать женщин по наиболее вероятным ИР. Исходя из всего выше изложенного, процедуру прогнозирования ИР можно оформить в виде алгоритма (рис. 12).

Рис. 12. Алгоритм прогнозирования исходов родов.

В заключении приводятся основные результаты работы, выводы.

Pages:     | 1 | 2 || 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»