Лф [о] 1 This work is licensed under a Creative Commons Attribution 4.0 International License ^ https://creativecommons.Org/licenses/by/4.0/
BY
-^ RESEARCH ARTICLE | НАУЧНАЯ СТАТЬЯ ©Vyrmaskin S.I., Trunin D.A., Afanasev V.V., 2021
45 http://dx.doi.org/10.26787/nydha-2686-6838-2021-23-6-122-128
к 'ШХ Y / Ч Принята 20.06.2021 | Accepted 20.06.2021
УДК 616.314.17-008.1-089:616.379-008.64
PATIENT SELECTION FOR THE LASER TREATMENT BY ESTIMATION OF THE THERAPEUTIC FAILURE PROBABILITY OF SURGICAL TREATMENT
Vyrmaskin S.I., Trunin D.A., Afanasev V. V.
Samara State Medical University, Samara, Russian Federation
ОТБОР ПАЦИЕНТОВ ДЛЯ ЛЕЧЕНИЯ ЛАЗЕРНЫМ МЕТОДОМ ПУТЕМ ПРОГНОЗА ВЕРОЯТНОСТИ НЕБЛАГОПРИЯТНОГО ИСХОДА ЛЕЧЕНИЯ ХИРУРГИЧЕСКИМ МЕТОДОМ
Вырмаскин С.И. Трунин Д.А., Афанасьев В.В.
ФГБОУ ВО «Самарский государственный медицинский университет», г. Самара, Российская Федерация
Abstract. The study is dedicated to the study of inflammatory and destructive periodontal diseases. Predicting the probability of a favorable outcome or treatment failure is one of the most important doctor's tasks when choosing a particular method. This problem could not be solved without using a large amount of data characterizing the patient's condition at a particular point in time. The empirical approach to this problem depends largely on individual experience and does not imply obtaining any formalized (numerical) probability estimates of successful or, on the contrary, unsuccessful end of treatment. Correct and effective using of dental lasers in clinical practice requires knowledge of their effects on tissues of the oral cavity. Each type of laser has its properties that are used to solve clinical cases. Laser radiation requires an approach that is significantly different from the traditional use of dental instruments. To determine lasers therapeutic indications for the treatment of inflammatory and destructive periodontal diseases, we applied biometric approaches to the development of mathematical models using multidimensional analysis, allowing to obtain qualitative assessments for optimization of method and treatment strategy selection. The
Аннотация. Исследование посвящено изучению воспалительно-деструктивных заболеваний
пародонта. Прогнозирование вероятности благоприятного или неблагоприятного исхода лечения всегда была и остаётся одной из важнейших задач, стоящих перед врачом при выборе того или иного метода. Эту задачу невозможно решить, не используя большое количество данных в динамике, характеризующих состояние пациента на конкретный момент времени. Эмпирический подход к решению этой задачи во многом определяется индивидуальным опытом и не предполагает получение каких-либо формализованных (числовых) оценок вероятности успешного или наоборот неудачного завершения лечения. Правильное и эффективное применение стоматологических лазеров в клинической практике требует знаний о воздействии на ткани полости рта. Каждый тип лазера имеет свойства, которые применяются для решения клинических задач. Лазерное излучение требует подхода, значительно отличающегося от традиционного применения стоматологического инструментария. Для определения показаний к
development of predictive models was carried out in several stages. Each of the generally accepted dental signs characterizing periodontal disease could not be a reliable criterion for the effectiveness or ineffectiveness of surgical treatment. Comprehensive assessment using a logistic (exponential) model of the probability of a particular treatment outcome with a high degree statistical reliability makes it possible to select patients for whom treatment with laser technologies is recommended.
Keywords: gingivitis, periodontitis, combination therapy, diode laser, diabetes melius, dental laser, evidence-based medicine, clinical efficiency.
REFERENCES
[1] Yanushevich O.O., Dmitrieva L.A. Periodontics. National leadership. GEOTAR-Media ". 2018. p. 40, 315, 294.
[2] Robert A. Convissard. (translated under the editorship of A.S. Kasparov). Lasers in dentistry. "Tarcomm". p. 40-43. 2020
применению лазеров для лечения воспалительно-деструктивных заболеваний пародонта мы применили биометрические подходы к разработке математических моделей, использующие
многомерный анализ данных и позволяющие получить качественные оценки для оптимизации выбора метода и тактики лечения. Разработку прогнозных моделей осуществили в несколько этапов. Каждый в отдельности из общепринятых стоматологических признаков, характеризующих заболевание пародонта не может служить надёжным критерием эффективности или неэффективности лечения хирургическим методом. Комплексная оценка с использованием логистической (экспоненциальной) модели вероятности того или иного исхода лечения с высокой степенью статистической надёжности позволяет отбирать пациентов, которым рекомендовано лечение с применением лазерных технологий.
Ключевые слова: гингивит, пародонтит, сахарный диабет, стоматологический лазер, доказательная медицина, клиническая эффективность.
БИБЛИОГРАФИЧЕСКИМ СПИСОК
[1] Янушевич О.О., Дмитриева Л.А. Пародонтология. Национальное руководство. ГЭОТАР-Медиа". 2018. с.40, 315, 294.
[2] Роберт А. Конвиссар. (перевод под ред. А.С.Каспарова). Лазеры в стоматологии. "Таркомм". с.40-43. 2020.
Conflict Authors contributions. Vyrmaskin S.I. - literature review, writing a text; Afanasyev V.V. - statistical data processing; Trunin D.A. - collection and processing of materials, researchconcept and design. Conflict of Interest Statement. The authors declare no conflict of interest.
Vyrmaskin S.I.- SPIN ID: 3547-2313; ORCID ID: 0000-0002-7778-0864
Research interests, number of main publications: periodontal diseases, more than 36publications have been published, of which 13 are in the VAK journals.
Trunin D.A. - SPIN ID: 5951-4659; ORCID ID: 0000-0002-7221-7976
Research interests, number of main publications: maxillofacial surgery, surgical dentistry, more than 211 publications have been published, of which 75 are in the VAK journals.
Afanasev V.V. - SPIN ID: 8048-3435; ORCID ID: 0000-0001-5675-3253
Research interests, number of main publications: periodontal diseases and non-carious destrucions, 35 publications have been published, 6 of them are in the VAK journals.
Вклад авторов. Вырмаскин С.И. — обзор литературы, написание текста; Афанасьев В.В — статистическая обработка данных; Трунин Д.А.— сбор и обработка материалов, концепция и дизайн исследования. Заявление о конфликте интересов. Авторы заявляют об отсутствии конфликта интересов.
Трунин Д.А. SPIN ID: 5951-4659; ORCID ID: 0000-0002-7221-7976
Сфера научных интересов, количество основных публикаций: челюстно-лицевая хирургия, хирургическая стоматология, опубликованы более 211 публикаций, из них 75 в журналах ВАК.
Вырмаскин С.И. SPIN ID: 3547-2313; ORCID ID: 0000-0002-7778-0864 Сфера научных интересов, количество основных публикаций: Изучение заболеваний пародонта, опубликованы более 36 публикаций, из них 13 в журналах ВАК.
Афанасьев В.В. SPIN ID: 8048-3435; ORCID ID: 0000-0001-5675-3253
Сфера научных интересов, количество основных публикаций: Заболевания пародонта и некариозные поражения, опубликованы более 35 публикаций, из них 6 в журналах ВАК.
For citation: Vyrmaskin S.I., Trunin D.A., Afanasev V.V. PATIENT SELECTION FOR THE LASER TREATMENT BY ESTIMATION OF THE THERAPEUTIC FAILURE PROBABILITY OF SURGICAL TREATMENT // Medical & pharmaceutical journal "Pulse". - 2021. - Vol. 23. - №6. - С. 122-128. doi: 10.26787/nydha-2686-6838-2021-23-6-122-128.
Для цитирования: Вырмаскин С.И. Трунин Д.А., Афанасьев В.В. ОТБОР ПАЦИЕНТОВ ДЛЯ ЛЕЧЕНИЯ ЛАЗЕРНЫМ МЕТОДОМ ПУТЕМ ПРОГНОЗА ВЕРОЯТНОСТИ НЕБЛАГОПРИЯТНОГО ИСХОДА ЛЕЧЕНИЯ ХИРУРГИЧЕСКИМ МЕТОДОМ // Медико-фармацевтический журнал "Пульс". - 2021. - Т. 23. - №6. - С. 122128. doi: 10.26787/nydha-2686-6838-2021-23-6-122-128.
Введение. По распространенности патология пародонта занимает второе место в мире среди стоматологических заболеваний после кариеса. Процесс развития заболеваний пародонта случаен, и с течением времени одна нозологическая форма переходит в другую в соответствии со своими законами. Успешное решение задач эпидемиологии воспалительных заболеваний пародонта
предусматривает анализ распространенности этих заболеваний. Доказано существование этиологических и патогенетических связей заболеваний пародонта и соматической патологией. Среди заболеваний, ассоциированных с воспалительными процессами в десне, встречаются сахарный диабет, заболеваний системы крови, пищеварительной системы и т.д. Важным патогенетическим звеном в развитии и прогрессировании заболеваний пародонта при сахарном диабете считают микроциркуляторные расстройства (диабетическая микроангиопатия). Воспалительные заболевания пародонта - наиболее часто встречающееся в стоматологии состояние, требующее лечения. Традиционные методы лечения не позволяют добиться необходимого результата, поэтому пациенты боятся подобной терапии и отзываются о ней, как "о горьком опыте". Высокую эффективность при санации очагов воспаления в тканях пародонта у больных с сахарным диабетом показали стоматологические лазеры. Лазерная фотобиомодуляция способна стимулировать количественный рост эндотелиоцитов. Лазерное излучение имеет бактерицидный эффект, противовоспалительное действие, способствует пролиферации тканей и стимулирует заживление на клеточном уровне [2]. Указанные эффекты представляют преимущества перед традиционными методиками при оперативных вмешательствах на тканях пародонта у больных с сахарным диабетом. Лечение должно фокусироваться на этиологии, потенциальных последствиях и долгосрочном прогнозе заболевания [1].
Цель исследования - разработать модель отбора
пациентов с воспалительными заболеваниями пародонта, коморбидного с сахарным диабетом, для лечения с использованием лазерного излучения.
Материалы и методы. Для построения модели применён пошаговый дискриминантный анализ с последовательным включением параметров, характеризующих стоматологический статус каждого пациента. Для этого из группы пациентов, прошедших лечение пародонтита хирургическим методом, были отобраны лица с известным исходом первого лечения. В анализе использовались номинальные переменные имеющие численные непрерывные значения:
1. Возраст, число полных лет.
2. Длительность заболевания диабетом.
3. Значение индекса Грина-Вермильона.
4. Значение индекса УИК (частное от деления значения индекса КПУ на возраст).
5. Значение индекса КПИ.
6. Значение индекса PBI.
7. Значение индекса GL.
Качественные и полуколичественные признаки, такие как пол, тип диабета, степень тяжести диабета были закодированы в числовые значения по числу возможных состояний. В качестве зависимой (результирующей) переменной была выбрана переменная «результат» с кодами «0 - лечение завершено после первого курса» и «1 - требуется повторный курс». Анализ проводился в программной среде «STATISTICA-10 RUS» с помощью модуля «Многомерный разведочный анализ -дискриминантный анализ». В качестве рабочих параметров был выбран пошаговый анализ с условиями включения переменных в модель по F-критерию включения = 1,00 и F-исключения: 0,00. В качестве минимальной толерантности принято значение 0,010.
Результаты и обсуждение. Итоговая модель, включившая шесть независимых переменных, оказалась статистически высоко значимой: Лямбда Уилкса = 0,733. Критерий Фишера F=2,975 при p -0,015 (табл. 1).
Таблица 1.
Итоги дискриминантного анализа исхода результатов лечения в зависимости от показателей стоматологического статуса пациентов перед началом хирургического лечения
N=56 Итоги анализа дискриминанта. функций
Уилкса Лямбда Частная Лямбда F-исключ. (1,49) p-уров. Толер. 1-толер. (R-кв.)
УИК 0,818874 0,895142 5,739886 0,020448 0,568464 0,431536
Пол 0,827941 0,885340 6,345986 0,015077 0,809426 0,190574
КПИ-1 0,836917 0,875845 6,946000 0,011217 0,417433 0,582567
Тип диабета 0,788185 0,929996 3,688379 0,060622 0,438240 0,561760
Степень тяжести диабета 0,769809 0,952196 2,459975 0,123217 0,779447 0,220553
Индекс ГринаВермильона 0,751358 0,975578 1,226617 0,273473 0,941963 0,058037
Table 1.
Results of discriminant analysis of the treatment results outcome depending on the indicators of the
patient's dental status before the surgical treatment
N=56 Results of the discriminant function analysis
Wilks's lambda Private lambda F-excep. (1,49) p-level Toler. 1-toler. (R-quad.)
PEC 0,818874 0,895142 5,739886 0,020448 0,568464 0,431536
Gender 0,827941 0,885340 6,345986 0,015077 0,809426 0,190574
KPI-1 0,836917 0,875845 6,946000 0,011217 0,417433 0,582567
Diabetes type 0,788185 0,929996 3,688379 0,060622 0,438240 0,561760
Severity of diabetes 0,769809 0,952196 2,459975 0,123217 0,779447 0,220553
Green-Vermillion index 0,751358 0,975578 1,226617 0,273473 0,941963 0,058037
В модель по мере их значимости были включены такие переменные как индекс УИК, пол пациента, индекс КПИ на начало первого курса лечения. Указанные переменные имели высокую статистическую значимость по Б-критерию и максимальные значения критерия Лямбда (Уилкса и частная), которые характеризуют их информационный вклад в модель.
Такие переменные как тип диабета, степень его тяжести и индекс Грина-Вермильона, хотя и имели невысокой статистическую значимость, все же были включены в модель, так как в своей совокупности с вышеуказанными значимыми переменными существенным образом повышали чувствительность дискриминантной функции. Классификационная матрица модели представлена в табл. 2.
Таблица 2.
Матрица классификаций по результатам дискриминантного анализа результатов после
первого курса лечения пациентов
Группа Матрица классификации
Процент правильно исход «лечение исход «требуется
диагностированных закончено» повторный курс»
состояний p=0,16071 p=0,83929
лечение закончено 44,44444 4 5
повторный курс 93,61702 3 44
Всего 85,71429 7 49
Table 2.
Classification matrix based on the discriminant analysis results, of the results after the first course of
the patient treatment
Group Classification matrix
percentage of correctly diagnosed conditions outcome «treatment is finished» p=0,16071 outcome «retreatment is required» p=0,83929
Treatment is finished 44,44444 4 5
Retreatment 93,61702 3 44
Total 85,71429 7 49
Общая доля подтвержденных случаев (чувствительность) составила 85,7%. Положительная прогностическая ценность - 93,6%. Следует подчеркнуть, что под положительной прогностической ценностью в данном случае понимается доля лиц, у которых прогнозируется неблагополучный исход лечения. Дискриминантная функция классификации представлена двумя уравнениями регрессии: отнесение вероятности исхода к первому или второму состоянию определяется большим значением, полученным по результатам расчёта. Определение статистически значимых переменных позволило перейти к построению прогнозной модели, основанной на логистической регрессии. Для построения логистической регрессии допустимо использовать как количественные (измеряемые), так и качественные (закодированные) значения независимых переменных, характеризующих объекты исследования на момент прогноза. Логистическая функция относится к категории нелинейных функций, основанной на экспоненциальном приближении имеет более точные значения результирующих точек на всем диапазоне значений от 0,0 до 1,0 по сравнению с линейным функциями типа У = A+Bi*Xi ...+Bi*Xi . Значения результирующей переменной в сравнении с эмпирическими значениями фактического состояния позволяют провести так называемый ROC-анализ (receiver operating characteristic) по результатам которого возможно определить точку отсечения значения, по которой каждого индивида можно отнести к одному из известных состояний исхода. Причём полученные значения будут соответствовать вероятности безошибочного прогноза.
Для построения модели был использован квазиньютоновский метод оценивания. Выбор этого метода определялся тем, что квази-ньютоновский метод дает наилучшие результаты, т.е. сходится быстрее всего. В этом методе вычисляются асимптотические оценки (частных) производных второго порядка функции потерь, которые затем используются для определения направления перемещения параметров от итерации к итерации. В случае, когда вторые производные определены (а обычно это так), этот метод более эффективен, чем другие. В качестве критерия сходимости были выбраны критерии максимального правдоподобия и х2 Пирсона. Значимость вклада каждой переменной в модель оценивалась по критерию х2 Вальда.
Исход лечения «требуется повторный курс» был закодирован значением «0». Исход «лечение закончено» было закодировано значением «1». В разработанную логистическую модель были введены дополнительные переменные РВ1 и вЬ, поскольку на наш взгляд они представляют весьма ценную информацию о степени тяжести заболевания пародонта. Включение переменных осуществлялось пошагово. После каждого шага оценивалась чувствительность и прогностическая ценность модели. Таким образом, после включения указанных переменных, общая доля верифицированных случаев (чувствительность) поднялась до 91,2%, а положительная прогностическая ценность до 98,3%.
Полученные итоговые оценки,
представляющие собой коэффициенты регрессии при независимых переменных, представлены в табл. 3
Таблица 3.
Итоговые оценки результата построения уравнения логистической регрессии в группе пациентов, получивших хирургическое лечение
BO Тип диабета Степень тяжести диабета УИК КПИ PBI GI Индекс Грина Вермильона Пол Длительн. диабета
Оценка -7,3548 -3,901 -1,004 12,5647 4,24407 0,5526 -0,022 -1,191 -3,2452 -0,0061
Станд. ошибка 7,133 2,144 0,939 5,762 2,080 1,538 1,806 0,872 1,371 0,097
t(58) -1,0310 -1,819 -1,069 2,181 2,040 0,359 -0,013 -1,366 -2,367 -0,063
p-знач. 0,307 0,074 0,289 0,033 0,046 0,721 0,989 0,177 0,021 0,950
~ lió ~
Table 3.
Final estimates of the constructing the logistic regression equation result in the group of patients who
received surgical treatment
B0 Тип диабета Степень тяжести диабета УИК КПИ PBI GI Индекс Грина Вермильона Пол Длительн. диабета
Хи-квадрат Вальда 1,063 3,309 1,143 4,755 4,162 0,129 0,001 1,865 5,604 0,004
p-знач. 0,303 0,069 0,285 0,029 0,041 0,719 0,989 0,172 0,018 0,949
Отн.Шансов(размах) 0,020 0,134 1328,2 4856,8 3,019 0,953 0,028 0,039 0,822
B0 Diabetes type Severity of diabetes PEC KPI PBI GI Green index Gen. Duration of diabetes
Estim. -7,3548 -3,901 -1,004 12,5647 4,24407 0,5526 -0,022 -1,191 -3,2452 -0,0061
Stand. error 7,133 2,144 0,939 5,762 2,080 1,538 1,806 0,872 1,371 0,097
t(58) -1,0310 -1,819 -1,069 2,181 2,040 0,359 -0,013 -1,366 -2,367 -0,063
p-value. 0,307 0,074 0,289 0,033 0,046 0,721 0,989 0,177 0,021 0,950
Wald chi-square 1,063 3,309 1,143 4,755 4,162 0,129 0,001 1,865 5,604 0,004
p-value. 0,303 0,069 0,285 0,029 0,041 0,719 0,989 0,172 0,018 0,949
Odds ratio (range) 0,020 0,134 1328,2 4856,8 3,019 0,953 0,028 0,039 0,822
Как видно в таблице статистически значимыми в модели оказались переменные УИК, КПИ и пол пациента. Остальные переменные не имели одиночной значимости, однако их исключение приводило к снижению
чувствительности модели и невозможности рассчитать асимптотические ошибки из-за плохой обусловленности матрицы исходных данных. Результаты проведенного ЯОС-анализа представлены на рис. 1.
Кривые ROC
Рис. 1. График координат кривой логистической регрессии предсказанных значений в сравнении с эмпирическим значением фактического состояния.
Fig. 1. Plot of the coordinates of the logistic regression curve of the predicted values versus the empirical value of the actual state.
Площадь под кривой составила 0,902 (ДИ095 0,817^0,987), стандартная ошибка значения площади под кривой 0,043 при асимптотической значимости р <0,001. Полученные значения характеризуют модель как высоко прогностическую. Последующий анализ чувствительности и специфичности
координатных точек кривой, позволил отобрать в качестве точки отсечения значение равное, 0,1247855 при которой сумма чувствительности (0,889) и специфичности (0,797) будет максимальна.
Выводы. Расчётные значения, которые лежат ниже точки отсечения позволяют надёжно прогнозировать неблагополучный исход первого курса хирургического лечения заболеваний пародонта и таким пациентам предпочтительным
выбором следует считать лазерный метод лечения. Следует подчеркнуть, что при получении оценок в интервале от указанной точки отсечения до значения равного 0,5 прогноз вероятности благополучного исхода, согласно общепринятой медицинской практики, следует считать неуверенным. Таким пациентам критерием для отказа от начавшегося хирургического метода лечения может служить отсутствие положительной динамики 1,5-2,0 недель лечения. Из всего перечня изученных индексов следует считать наиболее значимыми факторами риска неэффективного исхода лечения такие показатели как КПИ, УИК, а также 1-й тип диабета и мужской пол пациента. Индекс РВ1 в изолированном виде в меньшей степени может служить неблагоприятным признаком для прогноза.
Corresponding Author: Vyrmaskin Sergei Ivanovich - Associate Professor of the Department of Dentistry IPO, Samara State Medical University, Samara, Russian Federation
E-mail: Virmaskin_s@mail.ru
Ответственный за переписку: Вырмаскин Сергеи Иванович-доцент кафедры стоматологии ИПО ФГБОУ ВО "Самарский государственный медицинский университет" г. Самара,
Российская Федерация
E-mail: Virmaskin_s@mail.ru