Мониторинг и лечение сердечной недостаточности (СН) представляют собой сложную задачу в любом возрасте. Разработано несколько моделей, таких как AHEAD (Atrial fibrillation, Hemoglobin, Elderly, Abnormal renal parameters, Diabetes mellitus) и BIOSTAT (BIOlogy Study to TAilored Treatment in Chronic Heart Failure) compact, позволяющие прогнозировать вероятность выживания пациента на основе клинических факторов, таких как аритмия, анемия, возраст, диабет и фракция выброса.
Однако предыдущие исследования показали, что эти инструменты, разработанные для европейского и североамериканского населения, неизменно недооценивают риск среди пожилых пациентов из Восточной Азии. Может ли учет других факторов улучшить прогнозы выживаемости пациентов?
Группа исследователей из Университета Дзюнтендо разработала более совершенную модель для прогнозирования долгосрочной выживаемости после сердечной недостаточности. Руководителями этого исследовательского проекта выступили профессор Тэцуя Такахаси и доцент Кандзи Ямада с факультета медицинских наук, а также доцент Нобуюки Кагияма из Высшей медицинской школы.
Исследовательская группа использовала алгоритмы машинного обучения для определения наиболее важных показателей, позволяющих оценить вероятность выживания. Результаты их работы были опубликованы в журнале The Lancet Regional Health—Western Pacific.
Описывая недостатки существующих моделей тяжести сердечной недостаточности, доктор Ямада говорит: «Эти модели в основном опираются на специфические для сердца и биомедицинские переменные, часто недооценивая влияние некардиальных факторов, таких как физическая функция, слабость и состояние питания, которые являются критически важными факторами прогноза у пожилых людей и, в отличие от фиксированных факторов, таких как возраст, могут представлять собой изменяемые цели посредством реабилитации и поддерживающей терапии».
Исследовательская группа обратилась к общенациональному регистру J-Proof HF, отслеживающему пожилых пациентов, получающих лечение от сердечной недостаточности в 96 медицинских учреждениях по всей Японии. Используя данные 9700 пациентов, проходивших лечение в период с декабря 2020 года по март 2022 года и выписанных из больницы, команда обучила алгоритм экстремального градиентного бустинга (Full XGBoost) прогнозировать риск смертности в течение одного года после лечения.
Команда также разработала вторую модель (Top-20 XGBoost), используя 20 наиболее важных переменных из первой модели. Семь из 20 переменных были связаны с физической функцией и другими некардиальными факторами.
«Значимость индекса Бартеля (BI) и краткой батареи тестов физической работоспособности (SPPB) в нашем анализе клинически обоснована», — сказал доктор Ямада, добавив: «В отличие от субъективных оценок повседневной активности, включенных в некоторые шкалы, оценки, основанные на выполнении заданий, такие как BI и SPPB, обеспечивают большую воспроизводимость и более непосредственно отражают функциональные ограничения».
Обе модели XGBoost показали схожую точность в прогнозировании риска смерти в течение одного года. Кроме того, модель XGBoost Top-20 более эффективно классифицировала пациентов по риску смерти по сравнению с моделями AHEAD и BIOSTAT compact.
Поскольку модель была разработана на основе данных общенациональной японской когорты, она может представлять собой более контекстно-специфичный инструмент для оценки риска у пожилых пациентов с сердечной недостаточностью в Японии.
Вместо использования универсального подхода к лечению пожилых пациентов с сердечной недостаточностью, врачи и другие медицинские работники могут использовать Top-20 XGBoost для точного выявления пациентов, которым может быть полезно более тщательное наблюдение или более индивидуальный уход после выписки.
Это также позволило бы более эффективно использовать медицинские ресурсы. Значимость показателей физической функции в этой модели подчеркивает важность физической реабилитации как части долгосрочного лечения сердечной недостаточности, а также потенциальную ценность поддержания физической функции до и после госпитализации.
«Наши результаты показывают, что физическая функция при выписке является критически важным фактором выживания, сопоставимым по значимости с традиционными факторами риска сердечно-сосудистых заболеваний. Это исследование подчеркивает важнейшую роль интеграции комплексных гериатрических и функциональных оценок в рутинное ведение и стратификацию риска у пожилых пациентов с сердечной недостаточностью», — добавил доктор Ямада.
Команда с осторожным оптимизмом отмечает, что модель необходимо будет доработать с помощью дополнительных испытаний как в Японии, так и в других странах. Тем не менее, они начали разработку инструмента на основе Top-20 XGBoost, с помощью которого врачи и другие медицинские работники могут вводить информацию о пациенте и получать точную оценку риска смертности.
