CC BY
52УДК 616.322-031.64-002.3:519.252 https://doi.org/ 10.18692/1810-4800-2019-2-95-102
Прогнозирование вероятности развития паратонзиддярного абсцесса на основе метода логистической регрессии
А. П. Ястремский1, А. И. Извин1, А. Г. Санников1, С. Д. Захаров1
1 Тюменский государственный медицинский университет Минздрава России,
г. Тюмень, 625023, Россия
(Ректор - акад. РАН, проф. И. В. Медведева)
Predicting the paratonsillar abscess development probability using logistic regression method
A. P. Yastremskii1, A. I. Izvin1, A. G. Sannikov1, S. D. Zakharov1
1 Tyumen State Medical University Ministry of Healthcare of the Russian Federation, Tyumen, 625023, Russia
В настоящее время в медицинской науке и практике разрабатываются и рекомендуются к применению новые тесты, методы и инструменты для диагностики заболеваний и прогнозирования вероятности развития возможных осложнений. Применение таких моделей позволяет специалисту качественно и квалифицированно верифицировать диагноз заболевания, определять прогноз и развитие возможных осложнений. В статье представлен метод разработки модели вероятности развития паратонзиллярного абсцесса. Использована ретроспективная выборка 359 клинических случаев пациентов с острыми воспалительными заболеваниями глотки. Выделены две группы пациентов: 1-я группа в состав которой вошли клинические случаи пациентов с диагнозами острый тонзиллит, 2-я группа пациентов с диагнозом паратонзиллит (паратонзиллярный абсцесс). Проведен сравнительный анализ клинических признаков представленных заболеваний с помощью таблиц сопряженности. Применен метод логистической регрессии в качестве инструмента по разработке математико-статистической модели прогноза вероятности наступления интересующего исследователя события при наличии двух возможных вариантов исхода. На основе представленного метода были получены уравнения логит-регрессии, из которых отобрано одно - с наиболее высокими показателями согласия, что позволило выявить предикторы заболеваний, на основе которых разработана математическая модель «Прогноз вероятности развития паратонзиллярного абсцесса». Для определения диагностической чувствительности, специфичности и эффективности модели использован метод ROC-анализа (Receiver operating characteristic). График ROC-кривой позволяет дать оценку качеству модели по разделению двух классов на основе определения точки отсечения непрерывного или дискретного количественного признака. Разработанная модель позволят прогнозировать вероятность развития паратонзиллярного абсцесса с диагностической эффективностью результата до 97,8 %.
Ключевые слова: выборка пациентов, острый тонзиллит, паратонзиллит, логистическая регрессия, предикторы заболеваний.
Для цитирования: Ястремский А. П., Извин А. И., Санников А. Г., Захаров С. Д. Прогнозирование вероятности развития паратонзиллярного абсцесса на основе метода логистической регрессии. Российская оториноларингология. 2019;18(2):95-102. https://doi.org/ 10.18692/1810-4800-2019-2-95-102
Currently, the new tests, methods, and tools for diagnosing the diseases and forecasting the probability of possible complications are being developed and recommended for application in both medical science and practice. The use of such models allows a specialist to verify a diagnosis of the disease, to determine the
prognosis and development of possible complications. The article presents the method of development of the о
model of paratonsillar abscess development probability. The authors used a retrospective sample set of 359 Й. clinical cases with acute inflammatory pharyngeal diseases. There were two groups of patients: the patients
with acute tonsillitis, included in the 1st group, and the patients with paratonsillitis/paratonsillar abscess - in f
the 2nd group. The authors made a comparative analysis of clinical signs of the above-mentioned diseases 0
using contingency tables. The logistic regression method was used as a tool for development of mathematical S>
and statistical model of predicting the probability of the event relevant for the researcher with two possible 3'
outcome variants. Using the presented method, the logit-regression equations were obtained, and one of them ~
- with higher indices of agreement - was chosen, providing the revealing of the disease predictors that form 3.
the basis for mathematical model "Predicting the paratonsillar abscess development probability". To determine eg
f
© Коллектив авторов, 2019 g
the diagnostic sensitivity, specifics, and efficacy of the model, the authors used ROC (Receiver Operating Characteristic) analysis method. ROC-curve provides the assessment of the quality of the model of separating the two classes based on the finding of the cutoff point of the continuous or discrete quantitative sign. The developed model provides predicting the probability of paratonsillar abscess development with the result of diagnostic efficacy up to 97.8%.
Keywords: sample of patients, acute tonsillitis, paratonsillitis, logistic regression, disease predictors.
For citation: Yastremskii A. P., Izvin A. I., Sannikov A. G., Zakharov S. D. Predicting the paratonsillar abscess development probability using logistic regression method. Rossiiskaya otorinolaringologiya. 2019;18(2):95-102. https://doi.org/ 10.18692/1810-4800-2019-2-95-102
Актуальность
Использование моделей прогнозирования в современной практической медицине является одним из перспективных направлений [1]. Предсказывание риска развития осложнений при острых воспалительных заболеваниях глотки дает возможность для объективной оценки эффективности или недостатков выбранной тактики лечения, что очень важно для улучшения качества оказания медицинской помощи, особенно в лечебных учреждениях, оказывающих специализированную медицинскую помощь по данной патологии [2]. В структуре рассматриваемых острых заболеваний глотки могут возникать осложнения. Такое заболевание, как острый тонзиллит может осложняться паратонзиллярным абсцессом, а последний, в свою очередь, осложняется более грозным заболеванием - парафаринге-альным абсцессом, что, как правило, усложняет течение и прогноз заболевания [3, 4].
Цель исследования
Разработать модель прогноза вероятности развития паратонзиллярного абсцесса при остром тонзиллите на основе метода логистической регрессии.
Пациенты и методы исследования
На основе ретроспективной выборки 359 клинических случаев, отобранных на базе стационара ГБУЗ ТО ОКБ № 2 г. Тюмени за 2006-2008 гг., а также по архивным данным Тюменской областной инфекционной больницы, ГБУЗ ТО ОИКБ г. Тюмени - 82 клинических случая (за 2013 г.). Средний возраст пациентов составил 31,6±4,3 года (от 18 до 80 лет), мужчин - 194 (54%), женщин 165 (46%). Выделены две группы пациентов: 1-я группа - 82 пациента с острым тонзиллитом, в со--2 став которой вошли клинические случаи пациен-¡^ тов с диагнозами острый тонзиллит, осложненный 'С паратонзиллитом (п = 21); 2-я группа - 277 паци-о ентов с паратонзиллитом, из которых 221 пациент "С с паратонзиллярным абсцессом, 56 - с паратонзил-о литом в стадии инфильтрации, а также 76 случаев ^ имели проявления острого тонзиллита в виде налетов на небных миндалинах.
<<0
Статистическая обработка полученных ¿5 данных проведена с применением программ
Microsoft Office Excel 2010 и SPSS Statistics-20. При анализе взаимосвязи между качественным признаком, выступающим в роли зависимого, результирующего показателя, и подмножеством количественных признаков использовалась модель логистической регрессии с пошаговыми алгоритмами включения и исключения предикторов. Ранжирование выделенных предикторов по степени связи с зависимой переменной производилось путем сортировки предикторов по модулю стандартизованных коэффициентов регрессии [5-7]. Для определения качества предлагаемой для прогноза модели определяли диагностическую чувствительность, специфичность и эффективность с использованием процедуры ROC-анализа и построением ROC-кривых [8, 9].
Результаты исследования
В целях разработки прогнозной модели для пары острый тонзиллит (паратонзиллит) применены критерии встречаемости признаков представленных заболеваний в зависимости от их информативности: «неспецифические», или «незначимые», признаки (общая слабость, повышенная утомляемость, эмоциональная лабильность, лихорадка и др.); «специфические» или «значимые» признаки (например, боль с иррадиацией в ухо, усиливается при глотании с соответствующей стороны, подчелюстной лимфаденит и др.); «патогномоничные» признаки, которые характеризуют определенную болезнь и не встречаются ни при какой другой (преимущественно это местные симптомы, например симптомы, характерные для паратонзиллита, - отек околоминдалико-вой клетчатки справа / слева), которые помогают сформировать так называемый портрет заболевания [10, 11]. Проведен сравнительный анализ клинических признаков между острым тонзиллитом и паратонзиллитом, который выполнен с помощью таблицы сопряженности. Количественная оценка признаков представленных заболеваний позволила выделить наиболее значимые признаки, играющие ведущую роль в постановке диагноза (табл. 1).
Дифференциальный анализ клинических признаков для отбора в представленную модель проводился в большинстве случаев по качественным бинарным переменным, имеющим две градации
Т а б л и ц а 1
Сравнение наиболее значимых клинических признаков при остром тонзиллите и паратонзиллите.
Фрагмент таблицы (p < 0,05)
T a b l e 1
The comparison of the most significant clinical signs in acute tonsillitis and paratonsillitis. Fragment
of the table (p < 0.05)
Клинические формы заболевания Значение
Признаки Острый тонзиллит, n=82(%) Острый паратонзиллит, n=277(%) х2 ; р
Продолжительность заболевания
1-3 дня 46 (56,1) 192 (69,3) 4,372; 0,037
4-7 дней 36 (43,9) 85 (30,7) 4,372; 0,037
Жалобы
Гнусавость 37 (40,6) 253 (91,3) 102,302; < 0,0001
Дискомфорт, жжение в ротоглотке 69 (75,8) 170 (61,4) 5,666; 0,017
Лихорадка
Фебрильная 66 (80,5) 160 (57,7) 5,111; 0,024
Боль
В подчелюстной области 42 (51,2) 262 (94,5) 88,402; < 0,0001
С иррадиацией в ухо 12 (14,6) 211 (76,2) 99,225; < 0,0001
Состояние
Средней степени тяжести 52 (63,4) 242 (87,3) 22,887; < 0,0001
Тризм жевательной мускулатуры
Есть 21 (25,6) 273 (98,5) 18,074; < 0,0001
Лимфатические узлы в подчелюстной области
Болезненны 69 (84,1) 276 (99,6) 33,399; < 0,0001
Увеличены 69 (84,1) 276 (99,6) 33,399; < 0,0001
Зев
Асимметричен 12 (14,6) 270 (97,4) 252,801; < 0,0001
Слизистая зева
Гиперемия яркая 61 (74,4) 274 (99,0) 54,243; < 0,0001
Отек передней небной дужки 12 (14,6) 220 (79,4) 113,352; < 0,0001
Отек задней небной дужки 2 (2,4) 68 (24,5) 18,321; < 0,0001
Отек околоминдаликовой клетчатки 12 (14,6) 250 (90,2) 170,376; < 0,0001
Смещение небной миндалины к средней линии (вправо/ влево) 12 (14,6) 266 (96,0) 235,275; < 0,0001
Поверхность небных миндалин
Гиперемирована 82 (100,0) 277 (100,0) Const*
Рыхлая 79 (96,3) 219 (79,1) 12,198; < 0,0001
Покрыта налетом 77 (94,0) 76 (27,4) 60,017; < 0,0001
Слизистая глотки
Гиперемия яркая 79 (96,3) 259 (93,5) 0,483; 0,487*
Слизисто-гнойные налеты 54 (65,8) 156 (56,3) 1,993; 0,158*
Лейкоцитарная формула
Количество лейкоцитов повышено 75 (91,5) 239 (86,3) 0,537; 0,464*
Нейтрофильный лейкоцитоз со сдвигом влево до палочек 64 (78,0) 225 (81,2) 4,200; 0,040
Лимфопения 42 (51,2) 195 (70,3) 9,535; 0,002
СОЭ
Повышена 65 (79,2) 267 (96,3) 68,091; < 0,0001
* Разница между признаками статистически незначима.
ïa о
s
pr
1
0
S т
S'
1
If
признака: «больше и меньше выбранного порога изучаемой переменной». Выбраны такие предикторы, которые имели наибольшее значение Х2 и минимальные значения р, определяющие статистически значимые различия между представленными признаками заболеваний (табл. 1). Были также использованы количественные переменные: ЛИИ, ЛИИм, РОН, между которыми проведен дифференциальный анализ (см. табл. 3).
После этого производилась оценка набора уравнений логистической регрессии, полученных при анализе факторов, необходимых для проведения различия диагностики острого тонзиллита и паратонзиллита. Из 30 уравнений логит-регрес-сии было отобрано одно - с наиболее высокими показателями согласия (процент конкордантно-сти - 95,2; коэффициент D-Зомера - 0,91; критерий согласия Хосмера-Лемешова - х2 = 2,08;
р = 0,03). Состав предикторов, вошедших в уравнение, и коэффициенты регрессии представлены в табл. 2.
По результатам табл. 2 можно определить, что р - значение представленных переменных определяет значимую связь с диагнозом паратонзил-лярный абсцесс. В представленной паре нозологических единиц чувствительность выбранной модели прогноза диагностики оказалась 99,3%, специфичность - 92,7%, эффективность - 97,8%.
При разработке прогнозных моделей были выбрали следующие интегральные показатели: РОН, ЛИИм, ЛИИ, которые применяются для оценки тяжести состояния больного (синдром эндогенной интоксикации) [12-14]. Соответствующие индексы, по нашему мнению, наиболее полно и объективно отражают тяжесть эндогенной интоксикации организма при данных патологиях.
Т а б л и ц а 2
Предикторные переменные и коэффициенты уравнения логит-регрессии для расчета прогнозирования диагноза вероятность развития паратонзиллярного абсцесса
T a b l e 2
Predictor variables and coefficients of the logit regression equation for predicting the diagnosis of the probability
of developing a paratonsillar abscess
f I
s-
"o
•S
'Si о
0
1
Ai
о
с*
Переменная Коэффициент регрессии р Стандартная ошибка Статистика критерия Вальда х2 Р Отношение шансов; 95% ДИ
Х1 -0,568 0,243 5,471 0,019 0,566; 0,352-0,912
Х2 2,606 0,853 9,327 0,002 13,539; 2,543-72,081
Х3 -4,011 1,596 6,313 0,012 0,018; 0,001-0,414
Х4 -5,217 1,204 18,761 0,000 0,005; 0,001-0,057
Х5 -0,184 0,091 4,072 0,044 0,832; 0,696-0,995
Х6 0,635 0,323 3,858 0,050 1,887; 1,001-3,556
Х7 0,412 0,182 5,105 0,024 1,509; 1,056-2,157
Х8 -0,865 0,432 4,014 0,045 0,421; 0,181-0,981
Х9 5,601 2,742 4,174 0,041 270,7; 1,2-58372,3
Х10 0,054 0,022 5,941 0,015 1,056; 1,011-1,102
Примечание. Хц - боль в подчелюстной области; Х2 - дни заболевания 1-3; Х3 - тризм жевательной мускулатуры; Х4 - асимметрия зева; Х5 - отек передней небной дужки; Х6 - отек задней небной дужки; Х7 - отек околоминдаликовой клетчатки; Х8 - смещение небной миндалины к средней линии; Х9 - поверхность нёбных миндалин покрыта налетом; Х10 - РОН. Коэффициент р - весовое значение для каждой предикторной переменной модели. Стандартная ошибка - оценка погрешности весовых значений. Статистика критерия Вальда х2 вычислена по данным для сравнения с распределением хи-квадрат с одной степенью свободы. Р - значение вероятности, указывающее на то, что все переменные значимо связаны с диагнозом (так как р < 0,05). Отношение шансов показывает, во сколько раз возрастают шансы диагноза 1 (паратонзиллит) наступления исследуемого события на каждую единицу соответствующей переменной. 95% ДИ - 95%-ный доверительный интервал для оценки отношения шансов.
Т а б л и ц а 3
Характеристики уравнения с предикторами Xj, Х2, Х3
T a b l e 3
Characteristics of the equation with predictors Xj, Х2, Х3
Переменная Коэффициент регрессии в Стандартная ошибка Статистика критерия Вальда х2 р Отношение шансов; 95% ДИ
X1 -0,272 0,053 26,338 0,016 0,762; 0,687-0,845
X2 -0,236 0,089 2,203 0,019 0,79; 0,663-0,94
X3 -0,062 0,198 0,098 0,775 0,94; 0,638-1,386
Примечания. 1. Х1 - РОН; Х2 - ЛИИм; Х3 - ЛИИ. 2. Коэффициент в - весовое значение для каждой предикторной переменной модели. 3. Стандартная ошибка - оценка погрешности весовых значений. 4. Статистика критерия Вальда х2 вычислена по данным для сравнения с распределением хи-квадрат с одной степенью свободы; р - значение вероятности, указывающее на то, что все переменные значимо связаны с развитием специфических послеоперационных осложнений; отношение шансов показывает, во сколько раз возрастают шансы наступления исследуемого события при увеличении значения переменной на 1. 5. 95%, ДИ - 95-процентный доверительный интервал для оценки отношения шансов.
На основе уравнений логистической регрессии проведена аналитическая оценка интегральных лейкоцитарных индексов периферической крови. Из семи уравнений логистической регрессии было отобрано одно - с наиболее высокими показателями согласия (процент конкордантности -94,7; коэффициент D-Зомера - 0,92; критерий согласия Хосмера-Лемешова - х2 = 3,97; р < 0,001) (табл. 3).
Данные табл. 3 показывают, что при оценке предикторных переменных в уравнении логисти-
ческой регрессии признак имеет наибольшую интенсивность влияния факторов на результативный показатель для отбора в представленную модель. В связи с этим индекс РОН был выбран для разработки прогнозной модели развития абсцесса при остром тонзиллите.
Клиническую значимость между представленными предикторами можно подтвердить с помощью ROC-кривой.
При визуальной оценке ROC-кривых (рис. 1) их расположение относительно друг друга указы-
Рис. 1. График ROC-анализа для выбранного уравнения логит-регрессии. Fig. 1. ROC analysis Graph for the selected logit regression equation.
о
I
о
т S
0
1
т
о'
0 о
Характеристики больного Patient characteristics
Т а б л и ц а 4 T a b l e 4
Клинические признаки Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9 Х10
Значение переменных (в баллах) 1 1 1 1 0 1 1 1 0 41
f I
s-
"S
'C о
■uj О
! A
О
вает на сравнительную эффективность. Кривая, расположенная выше и левее РОН, имеет наибольшую площадь под кривой, что свидетельствует о более высокой предсказательной способности модели на основе логистической регрессии. Таким образом, ROC-анализ также подтверждает наш выбор.
Для сравнительного анализа острого тонзиллита и паратонзиллярного абсцесса использовано уравнение логистической регрессии, с помощью которого вычисляли вероятность исхода Ppt «развитие паратонзиллярного абсцесса». Получено следующее уравнение логистической регрессии в соответствии с данными табл. 2:
Y = -0,568х1 + 2,606х2 - 4,011х3 -- 5,217х4 - 0,184х5 + 0,635х6 + 0,432х7 -- 0,865х8 + 5,601х9 + 0,054х10.
Результат работы - это вычисление вероятности исхода q.
Так как зависимая переменная имеет две градации, то возможны два исхода. Первый исход (1) - острый тонзиллит; второй исход (2) - пара-тонзиллярный абсцесс.
Вероятность исхода (1) равна q, вероятность исхода (2) равна Ppt = 1 - q. В данном случае пороговым значением является 0,5. Таким образом, если Ppt < 0,5, то вероятность первого исхода больше, чем вероятность второго исхода. Можно предположить, что у больного вероятнее острый тонзиллит, чем паратонзиллярный абсцесс. Если Ppt > 0,5, то вероятность второго исхода выше, чем вероятность первого исхода. Можно предположить, что у больного скорее паратонзиллярный абсцесс, чем острый тонзиллит.
Клинический пример. Пациент Н., 26 лет, И. б. № 1893. Поступил в приемное отделение областной клинической больницы № 2 с жалобами на слабость, недомогание, боль в горле при глотании больше справа, затруднение глотания, Т - 37,8 °С. В анамнезе - хронический тонзиллит, компенсированная форма в течение 15 лет. Болеет 3-й день. Начало заболевания связывает с переохлаждением.
По результатам обследования поставлен диагноз: паратонзиллит справа, хронический тонзиллит, обострение.
Status localis. Зев - асимметричен, яркая гиперемия слизистой зева, миндалины гиперемиро-
ваны, отечны, рыхлые, лакуны расширены, казе-озные образования, задняя дужка справа отечна, отек околоминдаликовой клетчатки справа, правая миндалина смещена в здоровую сторону, выраженный тризм жевательной мускулатуры. Лимфатические узлы справа увеличены, болезненны, подвижны.
Анализы (на момент поступления). Общий анализ крови. Эр 4,7*1012/л; Л 16,8*109/л; НВ -148 г/л; э - 0; ю - 0; б - 0; п -13; с - 66, л -17; м - 4; СОЭ - 29 мм/ч; РОН = 41.
Характеристики больного: боль в подчелюстной области (Хг = 1), дни заболевания 1-3 (Х2 = 1), тризм жевательной мускулатуры (Х3 = 1), асимметрия зева (Х4 = 1), отек передней небной дужки (Х5 = 0), отек задней небной дужки (Х6 = 0), отек околоминдаликовой клетчатки (Х7 = 1), смещение небной миндалины к средней линии (Х8 = 1), поверхность небных миндалин покрыта налетом (Х9 = 0), значение РОН (Х^ = 41) (табл. 4).
Подставляем в уравнение логистической регрессии:
Y = -0,568 • 1 + 2,606 • 1 - 4,011 • 1 -
- 5,217 • 1 - 0,184 • 0 + 0,635 • 1 + 0,412 • 1 -
- 0,865 • 1 + 5,601 • 0 + 0,054 • 41 = -4,793.
Находим
q = е-4,793/(1+е-4,793) = 0,008;
Рр{ = 1 - q = 1 - 0,008 = 0,992.
Вероятность острого тонзиллита (исход 1) равна 0,008.
Вероятность паратонзиллярного абсцесса (исход 2) равна 0,992.
Больному выставлен диагноз: правосторонний паратонзиллярный абсцесс, обострение хронического тонзиллита. Проведено дренирование абсцесса, назначена консервативная терапия согласно клиническому стандарту.
Заключение
Количественная оценка диагностической значимости признаков острых воспалительных заболеваний глотки в сравнении нозологических единиц «острый тонзиллит», «паратонзиллит» («паратонзиллярный абсцесс») на основе таблиц сопряженности позволила выделить патогномо-
ничные признаки и предикторы представленных заболеваний для разработки модели вероятности развития абсцесса при остром тонзиллите.
На основе метода логистической регрессии разработана модель риска развития абсцессов «Прогноз вероятности развития паратонзилляр-
ного абсцесса». Данная модель позволяет прогнозировать риск развития паратонзиллярного абсцесса с диагностической эффективностью результата до 97,8 %.
Авторы заявляют об отсутствии конфликта интересов.
ЛИТЕРАТУРА
1. Шнейдер В. Э. Хирургическая тактика лечения травматических повреждений поджелудочной железы с использованием сверхнизких температур: автореф. дис. ... докт. мед. наук: 14.01.17. Новосибирск, 2015. 42 с.
2. Пальчун В. Т., Лучихин Л. А., Крюков А. И. Воспалительные заболевания глотки. М.: ГЭОТАР-Медиа, 2012. 288 с.
3. Свистушкин В. М., Мустафаев Д. М. Парафарингит, тонзилогенный сепсис: особенности патогенеза, клиническая картина и современные представления о лечении. Вестник оториноларингологии. 2013;3:29-34.
4. Извин А. И. Хронический тонзиллит и паратонзиллярный абсцесс. Тюмень: РИЦ «Айвекс», 2015. 184 с.
5. Ланг Т. А., Сесик М. Как описывать статистику в медицине: руководство для авторов, редакторов и рецензентов; пер. c англ. под ред. В. П. Леонова. М.: Практическая медицина, 2011. 480 с.
6. Леонов В. П. Логистическая регрессия в медицине и биологии [Электронный ресурс]. Режим доступа: http:// www.biometrica.tomsk.ru/logit_1.htm
7. Hosmer D. W. Jr., Lemeshow S. Applied logistic regression. 2nd ed. John Wiley & Sons, Inc., 2000. 397 p.
8. Королюк И. П. Медицинская информатика. 2-е изд. Самара: Офорт, 2012. 244 с.
9. Симанков Д. С. Применение метода логистической регрессии для факторов риска, влияющих на исход операции в условиях искусственного кровообращения. Клиническая физиология кровообращения. 2013;2:49-56. https://cfc-journal.com/catalog/web/viewer.php
10. Ястремский А. П., Извин А. И., Соколовский Н. С. Оценка значимости диагностических признаков острых заболеваний глотки при разработке экспертной системы Портретным методом. Медицинская наука и образование Урала. 2016;17;2(86):168-172. http://old.tyumsmu.ru/assets/files/upload/6788/mniou-2016-2-t.17-86.pdf
11. Санников А. Г., Скудных А. С., Немков А. Г., Ястремский А. П., Захаров С. Д., Вохминцев А. П., Дергачева В. Д., Парахин А. С., Сартин К. А. Портретный метод как технологии разработки экспертных систем для диагностики и дифференциальной диагностики в клинической практике. Врач и информационные технологии. 2017;3:61-66. http://www.idmz.ru/jurnali/vrach-i-informatsionnye-tekhnologii/2017/3/portretnyi-metod-kak-tekhnologiia-razrabotki-ekspertnykh-sistem-dlia-diagnostiki-i-differentsialnoi-diagnostiki-v-klinicheskoi-praktike
12. Островский В. К., Свитич Ю. М., Вебер В. Р. Лейкоцитарный индекс интоксикации при острых гнойных и воспалительных заболеваниях легких. Вестник хирургии. 1983;131;11:21-24.
13. Хабиров Т. Ш. Уровень реактивного ответа нейтрофилов как показатель степени тяжести эндогенной интоксикации при абдоминальном сепсисе. Труды IX конгресса СФУЛТ. Луганськ, 2002. С. 223.
14. Кобец Т. В., Гостищева Е. В., Кобец А. А. [и др.]. Интегральные лейкоцитарные индексы как критерий оценки тяжести течения эндогенной интоксикации и эффективности проводимого лечения у детей с атопическим дерматитом. Республиканская научно-практическая конференция «От научных разработок к внедрению в практику: педиатрия и детская хирургия». Алушта, 4-5 октября 2012. [Электронный ресурс]. Режим доступа. URL: http://drcobez.narod.ru/sthtm (дата обращения 03.12.2017).
REFERENCES
1. Shneider V. E. Khirurgicheskaya taktika lecheniya travmaticheskikh povrezhdenii podzheludochnoi zhelezy s ispol'zovaniem sverkhnizkikh temperatur: avtoref. dis. ... d-ra med. nauk: 14.01.17. Novosibirsk, 2015. 42 p. (in Russ.)
2. Pal'chun V. T., Luchikhin L. A., Kryukov A. I. Vospalitel'nye zabolevaniya glotki. M.: GEOTAR-Media, 2012. 288 p.
3. Svistushkin V. M. Mustafaev D. M. Parapharyngeal, tonsillitis and sepsis: peculiarities of pathogenesis, clinical picture, and modern views about the treatment. Vestnik otorinolaringologii. 2013;3:29-34. (in Russ.)
4. Izvin A. I. Khronicheskii tonzillit i paratonzillyarnyi abstsess. Tyumen': RITs «Aiveks», 2015. 184 p. (in Russ.)
5. Lang T. A., Sesik M. Kak opisyvat' statistiku v meditsine: rukovodstvo dlya avtorov, redaktorov i retsenzentov; per. c angl. Ed. V. P. Leonov. Moskva: Prakticheskaya Meditsina, 2011. 480 p. (in Russ.)
6. Leonov V. P. Logisticheskaya regressiya v meditsine i biologii [Elektronnyi resurs]. Rezhim dostupa: http://www.biometrica.tomsk. s ru/logit_1.htm ahhh! (in Russ.) S
7. Hosmer D. W. Jr, Lemeshow S. Applied logistic regression. 2nd ed. John Wiley & Sons, Inc., 2000. 397 p. ^
8. Korolyuk I. P. Meditsinskaya informatika. 2-e izd. Samara: Ofort, 2012. 244 p. (in Russ.) ^
9. Simankov D. S. Application of logistic regression method for risk factors affecting the outcome of surgery in cardiopulmonary o bypass. Klinicheskaya fiziologiya krovoobrashcheniya. 2013;2:49-56. (in Russ.) https://cfc-journal.com/catalog/web/viewer.php ST
10. Yastremskii A. P., Izvin A. I., Sokolovskii N. S. The assessment of the significance of the diagnostic signs of acute diseases of the g'
0
01
pharynx in the development of an expert system for Portrait method. Meditsinskaya nauka i obrazovanie Urala. 2016;17;2(86):168-172. (in Russ.) http://old.tyumsmu.ru/assets/files/upload/6788/mniou-2016-2-t.17-86.pdf
11. Sannikov A. G., Skudnykh A. S., Nemkov A. G., Yastremskii A. P., Zakharov S. D., Vokhmintsev A. P., Dergacheva V. D., Parakhin J3' A. S., Sartin K. A. Portrait method as technology for development of decision making systems for diagnostics and differential o
diagnostics in clinical practice. Vrach i informatsionnye tekhnologii. 2017;3:61-66. (in Russ.) http://www.idmz.ru/jurnali/vrach-
a
i-informatsionnye-tekhnologii/2017/3/portretnyi-metod-kak-tekhnologiia-razrabotki-ekspertnykh-sistem-dlia-diagnostiki-i-differentsialnoi-diagnostiki-v-klinicheskoi-praktike
12. Ostrovskii V. K., Svitich Yu. M., Veber V. R. Leukocyte index of intoxication at acute purulent and inflammatory diseases of the lung. Vestnik khirurgii. 1983;131(11):21-24. (in Russ.)
13. Khabirov T. Sh. Uroven' reaktivnogo otveta neitrofilov kak pokazatel' stepeni tyazhesti endogennoi intoksikatsii pri abdominal'nom sepsise. Trudy IKh kongressa SFULT. Lugans'k, 2002:223. (in Russ.)
14. Kobets T. V., Gostishcheva E. V., Kobets A. A. [et al.]. Integral'nye leikotsitarnye indeksy kakkriteriiotsenki tyazhesti techeniya endogennoi
intoksikatsii i effektivnosti provodimogo lecheniya u detei s atopicheskim dermatitom. Respublikanskaya nauchno-prakticheskaya konferentsiya «Ot nauchnykh razrabotok k vnedreniyu v praktiku: pediatriya i detskaya khirurgiya». Alushta, 4-5 oktyabrya 2012. [Elektronnyi resurs]. Rezhim dostupa. URL: http://drcobez.narod.ru/sthtm (accessed 03.12.2017). (in Russ.)
Информация об авторах
H Ястремский Андрей Петрович - кандидат медицинских наук, доцент, заведующий курсом ЛОР-болезней, кафедра ортопедической и хирургической стоматологии с курсом ЛОР-болезней, Тюменский государственный медицинский университет Минздрава России (625023, Россия, г. Тюмень, Одесская ул., д. 54); тел. 8 902 813-31-86, е-mail: yastrem-andrej97@yandex.ru
Извин Александр Иванович - доктор медицинских наук, профессор, профессор курса ЛОР-болезней, кафедра ортопедической и хирургической стоматологии с курсом ЛОР-болезней, Тюменский государственный медицинский университет Минздрава России (625023, Россия, г. Тюмень, Одесская ул., д. 54); тел. 8 902 813-31-86, е-mail: super.lor-kafedra@yandex.ru
Санников Алексей Германович - доктор медицинских наук, доцент, заведующий кафедрой Медицинской биологической физики с курсом медицинской информатики, Тюменский государственный медицинский университет Минздрава России (625023, Россия, г. Тюмень, Одесская ул., д. 54); тел. 8 (3452) 20-74 48, е-mail: yastrem-andrej97@yandex.ru
Захаров Сергей Дмитриевич - кандидат физико-математических наук, доцент, кафедры Медицинской биологической физики с курсом медицинской информатики Тюменский государственный медицинский университет Минздрава России (625023, Россия, г. Тюмень, Одесская ул., д. 54); тел. 8 (3452) 20-74 48., е-mail: yastrem-andrej97@yandex.ru
Information about the authors
H Andrei P. Yastremskii - MD Candidate, Associate Professor, Head of the Course of ENT-Diseases, Chair of Orthopedic and Surgical Dentistry with the Course of ENT-Diseases, Tyumen State Medical University Ministry of Healthcare of Russia (Russia, 625023, Tyumen, 54, Odesskaia str.); tel.: 8-902-813-31-86, e-mail: yastrem-andrej97@yandex.ru
Aleksandr I. Izvin - MD, Professor, Professor of the Course of ENT-Diseases, Chair of Orthopedic and Surgical Dentistry with the Course of ENT-Diseases, Tyumen State Medical University Ministry of Healthcare of Russia (Russia, 625023, Tyumen, 54, Odesskaia str.); tel.: 8 (3452) 28-70-12
Aleksei G. Sannikov - MD, Associate Professor, Head of the Chair of Medical Biological Physics with the Course of Medical Informatics, Tyumen State Medical University of the Ministry of Healthcare of Russia (Russia, 625023, Tyumen, 54, Odesskaia str.); tel.: 8 (3452) 20-74-48
Sergei D. Zakharov - Candidate of Physical and Mathematical Sciences, Associate Professor of the Chair of Medical Biological Physics with the Course of Medical Informatics, Tyumen State Medical University of the Ministry of Healthcare of Russia (Russia, 625023, Tyumen, 54, Odesskaia str.); tel.: 8 (3452) 20-74-48
f I
s-
"S
•S 'С о
о
! а
о
