Развитие фибрилляции предсердий (ФП) у пациентов с острым коронарным синдромом (ОКС) вдвое увеличивает 30-дневную летальность в сравнении с пациентами с синусовым ритмом. Существует большой интерес к разработке моделей стратификации риска для определения неблагоприятных исходов у данных пациентов с целью более тщательного мониторирования пациентов из этой группы.Материал и методы. Для построения прогностических моделей были использованы статистический метод «деревья классификации» и процедура «нейронные сети», реализованные в пакете STATISTICA. Для построения прогностических моделей была использована выборка, состоящая из 201 больного с летальным исходом и без него, состояние которых описывалось 42 количественными и качественными клиническими показателями. Каждый больной принадлежал к одной из 3 групп по типу ФП: впервые выявленная на фоне ОКС ФП, пароксизмальная ФП, задокументированная в анамнезе до эпизода ОКС, и постоянная или персистирующая форма ФП.Результаты. Для выявления предикторов моделей прогнозирования возможного летального исхода больного использовали коэффициент корреляции Спирмена. Исследование корреляций отдельно для каждой из 3-х групп позволило для каждой группы выявить клинические показатели – предикторы прогностических моделей с преимущественно умеренными корреляциями с категориальной переменной «летальный исход». После анализа прогностической способности разработанных моделей в среде программирования Microsoft Visual C# 2015 был создан программный модуль, позволяющий определить возможность летального исхода у пациентов с ОКС на фоне ФП с помощью деревьев классификации и нейронных сетей.Заключение. Для больных с ОКС на фоне ФП возможно построение математически обоснованных прогностических моделей, способных по реальным значениям клинических показателей достоверно предсказывать возможность летального исхода пациентов. При этом клинические показатели могут быть как количественными, так и качественными (категориальными), разбивающими больных на определенные категории. Подобные приложения, в отличие от шкал риска, математически обоснованы и могут лечь в основу систем поддержки принятия врачебных решений.
1. Federspiel J.J., Stearns S.C., van Domburg R.T., et al. Risk-benefit trade-offs in revascularisation choices. Euro Intervention. 2011;6(8):936-41. DOI:10.4244/EIJV6I8A163.
2. Bassand J.P., Hamm C.W., Ardissino D., et al. Guidelines for the diagnosis and treatment of non-STsegment elevation acute coronary syndromes: the Task Force for Diagnosis and Treatment of Non-STSegment Elevation Acute Coronary Syndromes of European Society of Cardiology. Eur Heart J. 2007;28:1598-660. DOI:10.1093/eurheartj/ehm161.
3. Goldberg R.J., Yarzebski J., Lessard D., et al. Recent trends in the incidence rates of and death rates from atrial fibrillation complicating initial acute myocardial infarction: a community-wide perspective. Am Heart J. 2002;143:519-27. DOI: 10.1067/mhj.2002.120410.
4. Rathore S.S., Berger A.K., Weinfurt K.P., et al. Acute myocardial infarction complicated by atrial fibrillation in the eldery: prevalence and outcomes. Circulation. 2000;101:969-74. DOI:10.1161/01.CIR101.9.969.
5. Crenshaw B.S., Ward S.R., Granger C.B., et al. Atrial fibrillation in the setting of acute myocardial infarction: the GUSTO-I experience: Global Utilization of Streptokinase and TPA for Occluded Coronary Arteries. J Am Coll Cardiol. 1997;30:406-13. DOI:10.1016/S0735-1097(97)00194-0.
6. Wong C.K., White H.D., Wilcox R.G., et al. New atrial fibrillation after acute myocardial infarction independently predicts death: the GUSTO-III experience. Am Heart J. 2000;140:878-85. DOI:10.1023/B:CEPR0000012382.81986.47.
7. Lopes R.D., Pieper K.S., Horton J.R., et al. Short- and long-term outcomes following atrial fibrillation in patients with acute coronary syndromes with or without ST-segment elevation. Heart. 2008;94(7):867-873. DOI:10.1136/hrt.2007.134486.
8. Metzler B., Winkler B. SYNTAX, STS and EuroSCORE - how good are they for risk estimation in atherosclerotic heart disease? Thromb Haemost. 2012;108(6):1065-71. DOI:10.1160/TH11-06-0399.
9. Antman E.M., Cohen M., Bernink P.J., et al. The TIMI risk score for unstable angina/non-ST elevation MI: A method for prognostication and therapeutic decision making. JAMA. 2000;284(7):835-42. DOI:10.1001/jama.284.7.835.
10. Granger C.B., Goldberg R.J., Dabbous O., et al. Global Registry of Acute Coronary Events Investigators. Predictors of hospital mortality in the global registry of acute coronary events. Arch Intern Med. 2003;163(19):2345-53. DOI:10.1001/archinte.163.19.2345.
11. Fuster V., Ryden L.E., Cannom D.S., et al. ACC/AHA/ESC 2006 guidelines for the management of patient with atrial fibrillation – executive summary: a report of the American College of Cardiology. American Heart Association Task Force on Practice Guidelines and the European Society of Cardiology Committee for Practice Guidelines (writing committee to revise the 2001 guidelines for the management of patients with atrial fibrillation). J Am Coll Cardiol. 2006;48:854-906. DOI:10.1016/j.jacc.2006.07.009.
12. Lang R.M., Bierig M., Devereux R.B., et al. Recommendations for the quantification of chambers: a report of the Committee on Standards and Standards of the American Society for the Assessment of Echocardiography and the Chamber's quantitative assessment team, developed in conjunction with the European Association of Echocardiography, a branch of the European Society of Cardiology. J Am Soc Echocardiogr. 2005;18:1440-63. DOI:10.1016/j.echo.2005.10.005.
13. Халафян А.А. STATISTICA 6. Математическая статистика с элементами теории вероятностей. М.: Бином. 2010.
14. Боровиков В.П., ред. Нейронные сети STATISTICA Neural Networks. Методология и технологии современного анализа данных. М.: Горячая линия – Телеком; 2008.
