CC BY
29
К^Ш /ребёнка
КёУчна пед1атр1я / Clinical Pediatrics
УДК 616.248-036.17-053.2-07-037:519.673 DOI: 10.22141/2224-0551.14.5.2019.177406
Клименко В.А., Кожина О.С. ©
Харювський нацюнальний медичний унверситет, м. Харюв, Укра/на
Прогнозування тяжкого перебку 6poHxioAbHoT астми
у дггей
For citation: Zdorov'e Rebenka. 2019;14(5):307-311. doi: 10.22141/2224-0551.14.5.2019.177406
Резюме. Актуальтсть. Бронхiальна астма (БА) — хротчне гетерогенне захворюваннярестраторног' систе-ми у дтей, на яке страждае 339 млн людей у ceimi. Тяжкий переби БА характеризуеться складтстю контролю захворювання та залишаеться причиною iнвалiдноcmi i cмерmноcmi дтей. Метою до^дження стало удосконалення надання медичног допомоги хворим на бронхiальну астму шляхом iндивiдуалiзацii терапи з ура-хуванням прогнозу розвитку тяжкого перебиу захворювання. Метароботи: створення математичног моделi для прогнозування розвитку тяжкого перебиу БА у дтей. Матерiали та методи. До до^дження увтшли 70 пацiенmiв ежом вiд 6 до 17ротв з дiагнозом БА i 20 практично здорових дтей. Проаналiзовано 142 клтi-ко-пара^тчних показники (паспортт дат, скарги, icmорiя хвороби та життя, результати лабораторних i iнcmруменmальних до^джень: клттт аналiзи кровi та cечi, копрограма, cпiрографiя, iмунологiчнi показники та загальний iмуноглобулiн E (IgE), дат алергологiчного тестування тощо). Обрано як кшьккт, так i яккт ознаки. Кожну яксну ознаку закодовано як «1», якщо в дитини наявна ця ознака, або «0», якщо вона вiдcуmня. За допомогою методу логктично'грегреси з покроковим включенням предикmорiв для аналiзу функцт i вибору значущих критерив розроблено математичну модель для прогнозування тяжкого перебиу БА. Результати. Виявлено 10 найбшьш значущих чиннитв, що впливають на прогноз: наявтсть атотчного дерматиту, алер-гiчного ринту, еозинофшя кровi, абсолютне число CD8 i вiдноcна кыьккть CD25 у сироватщ кровi, загальний IgE, наявтсть сенсибтзацп до алергетв шерcmi кшки, кролика, вiвцi, домашнього пилу. Ефективтсть моделi було перевiрено на 40 тдлтках з БА, серед яких 20 — з тяжким перебиом хвороби та 20 — з ii штер-мтуючою формою. Визначено cпецифiчнicmь моделi — 0,85; чутливсть — 0,90; вiрогiднicmь при позитивному mеcmi (positive predictive value) — 0,86 та прогностичну вартсть негативного результату (negative predictive value) — 0,11. Висновки. Розроблено математичну модель для прогнозування розвитку тяжкого перебиу БА, у якт враховуються анамнез дитини, показники клгтчного, iмунологiчного аналiзу кровi та дат сенсибшзаци. Ключовi слова: дimи; бронхiальна астма; прогноз; тяжкють
Вступ
Бронхiальна астма (БА) — хрошчне гетерогенне захворювання рестраторно! системи у дггей, на яке страждае 339 млн людей у свт [1]. БА е одним i3 над-звичайно тяжких захворювань людства, i збтьшення ii поширеносп в ушх крашах становить загрозу глобальному здоров'ю, сощальному благополуччю та еконо-мiчному розвитку [2]. В Укра!ш БА займае 4-те мюце у структурi загально! швалщносп дггей вшом 10—14 ротв [3, 4].
Сучасш стандарти лГкування (GINA 2018, PRACTALL 2013, ICON 2012 та ш.) дозволяють отри-
мати ремюш та досягти контролю у бтьшосп пащен-пв, але залишаеться частка хворих, у яких астма характеризуеться тяжким перебГгом, поганим контролем. Незважаючи на суттевГ досягнення в розумшш генетики, етюлоги, патогенезу астми, i сьогодш у свт вгд астми продовжують помирати люди.
Численш клшчш дослщження неконтрольовано-го переб^у астми шдтверджують необхщшсть аналiзу чинниыв, що впливають на формування тяжких форм [5]. При можливосп виявлення на бтьш ранньому етат пащентав з високим ризиком прогресування захворювання використання в цих випадках шдивщуаль-
© 2019. The Authors. This is an open access article under the terms of the Creative Commons Attribution 4.0 International License, CC BY, which allows others to freely distribute the published article, with the obligatory reference to the authors of original works and original publication in this journal.
Для кореспонденцй: Кожина Ольга Сершвна, асистент кафедри пропедевтики педiатрíí № 2, Харшський нацюнальний медичний ушверситет, пр. Науки, 4, м. Харш, 61022, УкраТна; e-mail: olga.kozhyna.s@gmail.com; контактний тел.: +38 (050) 2302116.
For correspondence: Olga Kozhyna, Assistant at the Department of Propaedeutics of Pediatrics 2, Kharkiv National Medical University, Nauky ave., 4, Kharkiv, 61022, Ukraine; e-mail:
olga.kozhyna.s@gmail.com; contact phone: +38 (050) 2302116
Full list of author information is available at the end of the article.
них метод1в терапи i спостереження може призвести до стшкого контролю БА. Видтення групи ризику щодо тяжкого перебиу астми дозволить призначати додатко-bí вiзити для контролю хвороби, пiдвищувати базисну терапiю, застосовувати додаткове параклшчне досль дження (визначення рiвнiв цитокiнiв, iнтерлейкiнiв, мутацiй генiв та ш.) для визначення фенотипiв хвороби, спрямовувати дитину на вищий рiвень медично! допомоги.
Мета: полiпшити медичну допомогу дтям з БА шляхом удосконалення прогнозу та об'eктивiзацü те-рапй'; створити математичну модель для прогнозуван-ня розвитку тяжкого перебиу БА у дiтей.
Матерiали та методи
Дослщження проведене на базi алергоцентру КЗОЗ «Обласна дитяча кшшчна лiкарня № 1» м. Харкова у 2015—2017 рр. Пд спостереженням перебували 70 паш-eнтiв з БА. Контрольну групу становили 20 практично здорових дггей, рандомiзованих за вшэм. Обстеження хворих проводилося зпдно з протоколом дiагностики та лшування алергологiчних хвороб у дiтей, затвер-дженим наказом МОЗ Укра!ни вщ 27.12.2005 № 767, та ушфшованим клiнiчним протоколом первинно!, вто-ринно! (спецiалiзованоl), третинно! (високоспецiалiзо-вано!) медично! допомоги «Бронхiальна астма у дггей», затвердженим наказом МОЗ Укра!ни вщ 08.10.2013 № 868. Bd пащенти обстежувалися шсля отримання шформовано! згоди вщ дитини та/або Г! батьив зпд-но з чинним в Укра!ш законодавством, мiжнародними етичними вимогами i не порушуючи етичнi норми в наущ i стандарти проведення бюмедичних дослiджень.
Було проаналiзовано 142 показники (паспортш данi, скарги, ютор!я хвороби i життя, результати лабо-раторних та iнструментальних дослiджень ^нблГз кровГ i сечi, копрограма, спiрографiя, Гмуиолопчш показники та загальний 1муноглобулш E (IgE), данi алерголопчно-го тестування тощо). Для вибору факторiв, що е значу-щими для прогнозу формування тяжкого перебиу БА, застосовано метод лопстично! регресй' з покроковим включенням предикторiв. Було обрано як кшьисш, так i якгсш ознаки. Кожну яысну ознаку було закодовано для ефективного використання як «1», якщо в дитини наявна ця ознака, або «0», якщо ознака вщсутня.
Розрахунки регресшно! моделi виконаш на обчис-лювальнш машиш з такими характеристиками: про-цесор Intel®Core™ Í7-4790 CPU 3.6 GHz; оперативна пам'ять 32 GB; тип системи Windows 10, 64-розрядна система, процесор x64. Як основну мову програму-вання використано об'eктно-орieнтовану мову Java (java 1.8; jdk 1.8.0_162). Математичш операцй' над ма-трицями здшснювалися за допомогою математичного пакета org.apache.commons commons-math3 version 3.2, доступного за лiцензieю: The Apache Software License, Version 2.0.
Результати
Обстежено 70 дггей вшэм вщ 6 до 17 роыв (серед-нш вк: — 11,1 ± 0,4 року), яы страждали вщ БА: по 20 хворих — з штермпуючим, легким та середньотяжким
персистуючим та 10 пацieнтiв — з тяжким персис-туючим перебiгом астми. Серед пашенпв переважа-ли хлопчики — 56 (80 %); за вшэм — дти молодшого шильного вiку — 31 (44,3 %). Ранню манiфестацiю астми (до 3 роив) вщзначено у 28 % хворих. У бтьшосп пащенпв (56 %) тривалiсть хвороби становила бiльше 7 рок1в. Серед коморбщних станiв вiдзначено алерпч-ний ришт (у 56 %) та атотчний дерматит (у 8 % дггей). Спадковють щодо алерги була обтяжена у 43 %, серед них щодо БА — у 24 % пащенпв. У бшьшосл пащентав мала мюце атопiчна форма БА: шдвищений рiвень IgE вiдзначено у 84 %, еозинофшю — у 37 % дггей.
Для прогнозування розвитку тяжкого перебиу БА у дггей визначено фактори, що могли б вплинути на тяжисть перебиу бронхгально! астми. Даш фактори загальною кшьистю 142 розподiленi за категориями, що дозволяе унiфiкувати аналiз даних i структурувати взаемозв'язки мiж ними. З огляду на велику кшьысть розглянутих факторiв для видiлення найбтьш значу-щих, а також визначення структури взаeмозв'язкiв мiж ними був застосований факторний аналiз, що дозволяе описати об'ект вимiрювання всебiчно та компактно. Взаемозв'язок мiж дослiджуваними факторами визна-чаеться значенням коефiцieнта кореляци, що вщпо-вiдаe ступеню лшшно! залежностi мiж факторами. У зв'язку з цим доцтьно вибрати комбшацш чинниюв для побудови комплексу моделей парно! регресй, що мають як найбтьше, так i найменше значення кое-фiцieнта кореляци за абсолютною величиною. Трупа факторiв з максимальним значенням коефiцieнта кореляци передбачае наявшсть iстотних зв'язкiв мiж факторами в моделi парно! регресй.
Шсля опрацювання було видiлено тiльки 15 факто-рiв, що можуть бути використаш для визначення тяж-кост захворювання. Доведено, що включення бтьшого числа факторiв не мае шформативного навантаження i не змiнюe прогноз. Використовуючи бiнарний лопс-тичний регресшний аналiз, iз 15 отриманих факторiв виявили найбiльш значущi для визначення можливого розвитку тяжкого перебiгу БА в дггей у дослщжуванш вибiрцi.
Для обчислення ймовiрнiстi прогнозовано! поди використана формула
Р =
1
1 + eZ
де р — ймовгрнгсть прогнозовано! поди; е — математич-на константа 2,72; г = а + b1 х X1 + b2 х Х2 + ... + bn х Xn (а — константа моделi; X1, Х2, Xn — значення незалеж-них змшних; b1, b2, bn — коефiцieнти, розрахунок яких e завданням бiнарно! лопстично! регресй'; n — поряд-ковий номер предиктора, включеного до рГвняння).
Шсля формування математично! моделi рГвняння бiнарно! лопстично! регресй, що визначаe ймовГршсть розвитку тяжкого перебиу БА у дггей, маe таку форму:
Р = 1/1 + е[0,470 + 0,460 хХ1 - 0,001 хХ2 -
- 0,241 хХ3 - 0,217хХ4 - 0,010 хХ5 -
- 0,131 хХ6 - 0,040 хХ7 - 0,031 хХ8 -
- 0,869 х Х9 - 0,265 х Х10],
де X1 — CD8 10 x 3 (абс. числа), X2 — CD25 (%), X3 — IgE (0 — норма, 1 — пдвищено), X4 — сенсибiлiзацiя до шерст юшки (0 — немае, 1—4 — е), X5 — сенсибь лiзацiя до шерстi кролика (0 — немае, 1—4 — е), X6 — сенсибшзащя до шерст BiBm (0 — немае, 1—4 — е), X7 — сенсибшзащя до домашнього пилу (0 — немае, 1—4 — е), X8 — еозинофти (%), X9 — атотчний дерматит (1 — немае, 2 — е), X10 — алерпчний ришт (1 — немае, 2 — е).
Перед проведенням математично!' обробки отрима-них анамнестичних i клшчних даних було визначено наступний прогностичний пори розвитку тяжкого перебиу БА в дитини. Якщо р > 0,5 — прогнозуеться ви-сокий ризик, а якщо р < 0,5 — прогнозуеться низький ризик розвитку тяжкого перебиу БА.
Вш змшш, зпдно з критерiем Вальда, е значущими (р < 0,05) i обраш правильно. Загальну оцiнку вщпо-вiдностi мiж виявленими факторами ризику в моделi та фактичним спостережуваним небажаним явищем було проведено з використанням тесту Хосмера — Лемешоу, точшсть класифiкацiï становила 65,5 %. Запропонова-на математична модель може бути ефективно застосо-вана в лшувальнш практицi.
Клтчний випадок. Дитина А., 10 роыв, надшшла за направленням дiльничного педiатра в Харывську обласну клiнiчну дитячу лшарню № 1 для уточнення даагнозу. З анамнезу захворювання вiдомо, що з 4 рокiв страждае на алергiчний ринiт, у вщ 7 рокiв з'явилися скарги на напади задухи, дiагностовано БА. Отримуе базисну терапiю монтелукастом протягом 6 тижшв. При iмунологiчному обстеженнi виявлено показники CD8 — 0,69 тис., CD25 — 18 %, IgE — 280 МЕ/мл (1 — шдвищено). За результатами кожного алерголопчного тестування отримаш такi данi: шерсть ышки — 0, кролика — 0, вiвцi — 2, домашнш пил — 4. Кльысть еози-нофiлiв в периферичнiй кровi становила 8 %.
Виконано розрахунок прогнозу ризику розвитку тяжкого перебиу БА з використанням математично!' моделк
Р = 1/1 + е [0,47 + 0,46 x 0,69 - 0,0013 x 18 -- 0,241 x 1 - 0,217 x 0 - 0,01 x 0 - 0,13091 x 2 -- 0,04 x 4 - 0,031 x 8 - 0,8688 x 0 - 0,2648 x 1] = 0,60.
Висновок: дитина А. мае ризик розвитку тяжкого перебиу БА. При визначеш обсягу базисно!' терапй' рекомендовано пщиятися на першу сходинку терапй' — призначеш шгаляцшш стеро'гди.
Ефектившсть моделi було перевiрено на 40 пiдлiт-ках з БА, серед яких 20 — з тяжким перебиом хвороби та 20 — з ïï штермпуючою формою. Визначено спе-цифiчнiсть моделi — 0,85; чутливють — 0,90; вiрогiд-шсть тяжкого перебiгу при позитивному теста (positive predictive value) — 0,86 та прогностичну вартють негативного результату (negative predictive value) — 0,11.
Обговорення
У науковш лiтературi юнуе велика кiлькiсть робiт щодо вивчення впливу окремих факторiв на переби та прогноз хвороби.
Так, наприклад, наявнiсть атопiчного дерматиту у дитини раннього вшу розглядаеться як прогностично несприятливий фактор щодо розвитку БА [6]. Зпдно з дослщженням M. Saunes (2012), якщо у дитини у вщ 2 роыв збериаеться екзема, то вщносний ризик розвитку БА у 6 роив пдвищений у 1,8 раза [7]. Наше досль дження також виявило кореляцшш зв'язки наявносп дерматиту з розвитком БА та дозволило виявити питому вагу ролi цього фактора в формуванш тяжкост БА в конкретного шдивщуума.
1нша ктшчна ознака (наприклад, чоловiча стать дитини) е предиктором легкого, сприятливого перебиу та традицшно сприймаеться педiатрами як добрий знак [8]. Не ттьки вт батькiв, але i вт лiкарiв на практицi ми чуемо, що «хлопчики переростуть хворобу». Але i ця ознака не може враховуватися статично та безперечно, тому що ïï вплив залежить вт вiку дитини. Так, A. Jessica (2011), вивчаючи гендернi втмшносл БА, з'ясувала, що у жгнок на 10,5 % вище вiрогiднiсть розвитку БА протягом усього життя та частiше вiдзначаються випад-ки смерт внаслiдок ускладнень БА шсля 65 роив. Але у хлопчиыв до 18 роив на 54 % вище ризик розвитку астми, та у вщ до 15 роив у них вiдмiчено вищу частоту госпiталiзацiй (у 2 рази) [9]. Дане клшчне спостере-ження демонструе не ттьки складшсть взаемовпливiв окремих факторiв на формування тяжкост хвороби, але i необхтшсть оцiнки прогнозу в динамiцi. Серед хворих, яы були включеш у дослтження, при усiх формах переважали хлопчики, але вiрогiдних статистичних зна-чень впливу гендерних вщмшностей на прогноз тяжкого перебиу у дитини до 18 роив не виявлено.
Якщо вчеш Х1Х та ХХ столпъ вивчали переваж-но вплив клiнiчних факторiв на переби хвороби, то у ХХ1 столiттi для пошуку предикторiв неконтрольова-но1 астми зусилля науковцiв були зосереджеш на па-раклiнiчних (бiохiмiчних, iмунологiчних, клiтинних) маркерах. Так, Hosoki et al. (2015) вивчали 48 рiзних цитоышв та хемокiнiв у бронхоальвеолярному лаважi хворих iз контрольованою та неконтрольованою астмою. Було доведено негативний вплив птвищеного рiвня iнтерлейкiну-8 та нейтрофiлiв на формування тяжкосп хвороби [10]. В нашому дослiдженнi вивчався вплив iмунологiчних показниыв, визначення яких доступно на перших етапах медично!' допомоги хворому, що не потребують складного обладнання та дорогих реактивiв. Доведено вiрогiдний вплив ктькосл CD8-, CD25-лiмфоцитiв, рiвня IgE та вiдносноï кiлькостi ео-зинофiлiв кровi на формування прогнозу алерпчного запалення. Данi критерй' були включеш у модель прогнозу тяжкост БА.
Традицшно при прогнозi атошчного маршу в дитини враховують рiвень IgE — доведено бтьш частий розвиток астми у дитини при високому рiвнi IgE. Але щодо тяжкост перебiгу хвороби значення IgE е диску-табельним. З одного боку, в протоколi GINA при тяжкому персистуючому перебиу рекомендовано застосу-вання моноклональних антитiл проти IgE (препарат омалiзумаб), що е пiдтвердженням участi даного типу алерпчних реакцiй у формуванш тяжкосп БА. З шшо-го боку, вiдмiчено, що найбiльш тяжы та некурабельнi
випадки БА — це не алерпчний, а нейтрофiльний фенотип астми. Розрахунки нашо! математично! моделi подтвердили значення рiвня IgE в формуванш тяжкостi БА. Також ми намагалися конкретизувати вид сенси-бiлiзацii, з яким пов'язаний найбтьш тяжкий переб^ БА, — мае значення сенсибшзашя до шерстi юшки, кролика, вiвцi, домашнього пилу.
Зв'язок окремих ввддв сенсибiлiзацii з формуван-ням алерпчного запалення пiдтверджуеться i спосте-реженнями S. Fontanella та спiвавт. (2018), ят вивчали специфiчнi IgE у сироватщ кровi на 112 алергенних компонентах найбiльш сучасним методом мультиплек-сно! матрицi ImmunoCAP у когорт дiтей вiком 11 рокiв (n = 461). Методами кластеризацй', лопстично! регресй' виявлено 18 алергенних компоненпв, що з доведеними високими чутливютю (0,84) та специфiчнiстю (0,87) е значущими при формуваннi iмунопатологiчноi' вщпо-вiдi [11].
А.В. Серветник та сшвавт. (2016) створили матема-тичну модель прогнозування загострення БА, але вона стосувалася лише полiнозiв та враховувалися даш щодо пилково! сенсибiлiзацii та аеробюлопчш показники (середня температура повiтря, прогнозована середньо-добова швидкiсть вiтру, середньодобова вщносна воло-гiсть, наявнiсть дощу, середня кiлькiсть пилкових зерен протягом тижня). У нашому дослiдженнi проаналiзова-но усi види сенсибшзаци — до пилкових, побутових та харчових алергешв, також ураховувалися данi iмуно-логiчного дослiдження. Доведено, що на формування тяжкост перебiгу БА найбтьший вплив мають побуто-вi алергени [12].
Перспективним напрямком для розробки прогнозу тяжкостi БА е генетичш дослiдження. Такi роботи проводяться i в Украш — так, Т.О. Крючко та спi-вавт. (2012) рекомендують застосовувати визначення мутантно! алелi 299Gly ToП-подiбного рецептора 4 як маркера прогнозування захворювання. Щ ToП-подiбнi рецептори представленi на вшх клiтинах органiзму, першi iдентифiкують чужорщш структури та стимулю-ють формування адаптивно! iмунноl вiдповiдi [13]. Але генетичш дослщження досить дорогi та проводяться лише у великих мютах. Тому при визначенш критерь !в для оцiнки прогнозу нами були вiдiбранi загально-прийнятi методи дослщження.
Таким чином, численнi науковi дослщження дово-дять, з одного боку, важливють та актуальнiсть удоско-налення прогнозу хвороби, а з шшого — рiзноспрямо-ванiсть прогностичних ознак. Врахування сумарного впливу окремих клшшо-парактшчних ознак у шдивь дуума можливо лише при використаннi сучасних ста-тистичних методiв обробки шформаци, що й були за-стосованi у запропонованш моделi.
Висновки
Розроблено математичну модель для прогнозування розвитку тяжкого nepe6iry БА, у якш ураховуються анамнез дитини, показники ктшчного, iмyнолоriчно-го аналiзy кровi та даш сенсибшзаци.
Конфлiкт штереав. Автори заявляють про вщсут-нiсть конфлшту iнтересiв та власно! фшансово! заць кавленостi при пiдготовцi дано! статп.
References
1. Global Initiative for Asthma. Asthma management and prevention for adults and children older than 5 years. A pocket guide for health professionals - Updated 2019. Available from: https://ginasthma. org/wp-content/uploads/2019/04/GINA-2019-main-Pocket-Guide-wms. pdf.
2. Asher I, Pearce N. Global burden of asthma among children. Int J Tuberc Lung Dis. 2014 Nov; 18(11): 1269-78. doi: 10.5588/ ijtld.14.0170.
3. Iaroshchuk LB. Predictability and risk factors of severe bronchial asthma in children. Asthma and allergy. 2015;(2):47-52.
4. Umanets TR. Bronchial asthma and allergic rhinitis:way to optimize the compliance and effectiveness of treatment. Asthma and allergy. 2015;(1):61-64.
5. Campo P, Rodríguez F, Sánchez-García S, et al. Phenotypes and endotypes of uncontrolled severe asthma: new treatments. J Investig Allergol Clin Immunol. 2013;23(2):76-88; quiz 1 p. follow 88.
6. Bantz SK, Zhu Z, Zheng T. The Atopic March: Progression from Atopic Dermatitis to Allergic Rhinitis and Asthma. J Clin Cell Immunol. 2014 Apr;5(2). pii: 202. doi: 10.4172/2155-9899.1000202.
7. Saunes M, 0ien T, Dotterud CK, et al. Early eczema and the risk of childhood asthma: a prospective, population-based study. BMC Pediatr. 2012 Oct 24;12:168. doi: 10.1186/1471-2431-12-168.
8. de Marco R, Locatelli F, Sunyer J, Burney P. Differences in incidence of reported asthma related to age in men and women. A retrospective analysis of the data of the European Respiratory Health Survey. Am J Respir Crit Care Med. 2000 Jul; 162(1):68-74. doi: 10.1164/ajrccm.162.1.9907008.
9. Kynyk JA, Mastronarde JG, McCallister JW. Asthma, the sex difference. Curr Opin Pulm Med. 2011 Jan;17(1):6-11. doi: 10.1097/ MCP. 0b013e3283410038.
10. Hosoki K, Ying S, Corrigan C, et al. Analysis of a panel of 48 cytokines in BAL fluids specifically identifies 1L-8 levels as the only cytokine that distinguishes controlled asthma from uncontrolled asthma, and correlates inversely with FEV1. PLoS One. 2015 May 26;10(5):e0126035. doi: 10.1371/journal.pone.0126035.
11. Fontanella S, Frainay C, Murray CS, Simpson A, Custovic A. Machine learning to identify pairwise interactions between specific IgE antibodies and their association with asthma: A cross-sectional analysis within a population-based birth cohort. PLoS Med. 2018 Nov 13;15(11):e1002691. doi: 10.1371/journal.pmed.1002691.
12. Servetnyk AV, Klymenko VA. Prognosis of course of atopic bronchial asthma with pollen sensibilization in children. Odes'kij medicnij zurnal. 2016;(156):59-64.
13. Kryuchko TA, Vovk YuA, Tkachenko OYa. The role of genetic factors in the development of severe atopic bronchial asthma in children. Zdorov'e rebenka. 2012;(40):58-62.
Отримано/Received 26.06.2019 Рецензовано/Revised 16.07.2019 Прийнятододруку/Accepted 23.07.2019 ■
Information about authors
Victoria Klymenko, Professor, MD, PhD, Department of Propaedeutics of Pediatrics 2, Kharkiv National Medical University, Kharkiv, Ukraine; e-mail: klymenkoviktoriia@gmail.com
Olga Kozhyna, Assistant at the Department of Propaedeutics of Pediatrics 2, Kharkiv National Medical University, Kharkiv, Ukraine; e-mail: olga.kozhyna.s@gmail.com; ORCID iD: https://orcid.org/0000-0002-4549-6105
Information about funding
The work is carried out in accordance with the scientific research plan of the Kharkiv National Medical University. The research funding institution is the MH of Ukraine.
Клименко В.А., Кожина О.С.
Харьковский национальный медицинский университет, г. Харьков, Украина
Прогнозирование тяжелого течения бронхиальной астмы у детей
Резюме. Актуальность. Бронхиальная астма (БА) — хроническое гетерогенное заболевание респираторной системы у детей, которым страдает 339 млн людей в мире. Тяжелое течение БА характеризуется сложностью контроля заболевания и остается причиной инвалидности и смертности детей. Целью исследования стало усовершенствование оказания медицинской помощи больным бронхиальной астмой путем индивидуализации терапии с учетом прогноза развития тяжелого течения заболевания. Цель работы: создание математической модели для прогнозирования развития тяжелого течения БА у детей. Материалы и методы. В исследование вошло 70 пациентов в возрасте от 6 до 17 лет с диагнозом БА и 20 практически здоровых детей. Проанализированы 142 клинико-пара-клинических показателя (паспортные данные, жалобы, история болезни и жизни, результаты лабораторных и инструментальных исследований: клинические анализы крови и мочи, копрограмма, спирография, иммунологические показатели и общий иммуноглобулин E (IgE), данные аллергологического тестирования и другие). Выбраны как количественные, так и качественные признаки. Каждый качественный признак закодирован как «1», если у ребенка имеется этот признак, или
«0», если он отсутствует. С помощью метода логистической регрессии с пошаговым включением предикторов для анализа функций и выбора значимых критериев разработана математическая модель для прогнозирования тяжелого течения БА. Результаты. Выявлено 10 наиболее значимых факторов, влияющих на прогноз: наличие атопического дерматита, аллергического ринита, эозинофилия крови, абсолютное число CD8 и относительное количество CD25 в сыворотке крови, общий IgE, наличие сенсибилизации к аллергенам шерсти кошки, кролика, овцы, домашней пыли. Эффективность модели была проверена на 40 подростках с БА, среди которых 20 — с тяжелым течением болезни и 20 — с ее интермиттиру-ющей формой. Определены специфичность модели — 0,85, чувствительность — 0,90, вероятность при положительном тесте (positive predictive value) — 0,86 и отрицательное прогностическое значение (negative predictive value) — 0,11. Выводы. Разработана математическая модель для прогнозирования развития тяжелого течения БА, в которой учитываются анамнез ребенка, показатели клинического, иммунологического анализа крови и данные сенсибилизации. Ключевые слова: дети; бронхиальная астма; прогноз; тяжесть
V.A. Klymenko, O.S. Kozhyna
Kharkiv National Medical University, Kharkiv, Ukraine
Prediction of the severe course of bronchial asthma in children
Abstract. Background. Bronchial asthma (BA) is a chronic heterogeneous respiratory disease in children, 339 million people in the world suffer from it. Severe course of BA is characterized by difficulties in disease control and remains the cause of children's disability and mortality. The study was purposed to improve healthcare delivery to patients suffering from BA by means of therapy individualization taking into account prognosis of severe course of disease. Creation of mathematical model to predict the severe BA course in children was the study objective. Materials and methods. The study included 70 patients aged 6 to 17 years with BA diagnosis and 20 apparently healthy children. One hundred and forty-two clinical and paraclinical parameters (personal data, complaints, case and life history, laboratory and instrumental results, including clinical blood and urine test, coprogram, spirography, immunolo-gical indicators and total immunoglobulin E as well as allergy tests, etc.) were analyzed. Both quantitative and qualitative characters were selected. Each qualitative character was marked as 1, if a pa-
tient had it, and 0, is the character was absent. Mathematical model for severe BA course prognosis was developed using logistic regression with step-by-step inclusion of regressors to analyze the functions and select significant criteria. Results. There were 10 most significant factors affecting the prognosis: atopic dermatitis, allergic rhinitis, blood eosinophilia, CD8 absolute number and CD25 relative number in the blood serum, total IgE, sensitization to allergens of cat hair, rabbit hair, sheep wool, house dust. The model efficiency was tested in 40 adolescents suffering from BA, including 20 patients with severe disease course and 20 patients with intermittent BA. The model specificity (0.85), sensitivity (0.90), positive predictive value (0.86) and negative predictive value (0.11) were defined. Conclusions. A mathematical model has been developed to predict the development of a severe BA course, which takes into account child's past medical history, indicators of clinical, immunological blood test and sensitization data. Keywords: children; bronchial asthma; prognosis; severity
