IV. Байесовский анализ (Bayesian analysis) и нейронная сеть (искусственный интеллект)

1. Основный смысл теоремы Байеса (Bayes’s) заключается в том, основываясь на присутствие данного фактора в прошлом или настоящем, или его возможности в будущем, можно прогнозировать вероятность события. На основании оценки множества факторов была создана матрица условной вероятности. Для расчета операционной смертности использовалось предиктивное (прогнозирующее) уравнение, созданное на основе вариант, поступивших в матрицу. Поскольку такой расчет более сложен, использовалась компьютерная итеративная технология, вычислявшая операционные результаты при наличии соответствующей информации. Преимуществом этой модели было то, что результаты не искажались отсутствующими величинами значениями.

2. Эта система была первоначально выбрана Обществом Торакальных Хирургов для анализа прогнозируемой частоты операционной смертности. Значимые варианты (смотрите таблицу 4.1) вводились в компьютерную модель, которая затем, на основании национальных результатов, рассчитывала прогнозируемую операционную смертность пациентов. В настоящее время, вследствие того, что поступающие данные являются более полными, STS для своей базы данных использует логический регрессионный анализ.

3. Нейронная сеть (искусственный интеллект) – сложная модель, являющаяся способом улучшения точности прогнозирования смертности.¹⁶ Она смягчает некоторые недостатки многофакторных моделей, которые не могут включать необычные варианты, оказывающих значительное воздействие на выход или имеющих, отсутствующие данные, которые могут изменять результат. Как правило, эти модели не демонстрируют какой-либо большей прогностической точности, чем стандартные модели, упомянутые выше. У пациентов высокого риска многофакторный или Байесовский анализ имеет тенденцию к переоценке риска, в то время как нейронная сеть к его недооценке.¹⁷

V. Анализ заболеваемости

1. Послеоперационная заболеваемость отмечается приблизительно у 25-40% пациентов. Осведомленность о потенциальных факторах риска и мерах, применяемых для оптимизации функции органных систем, является решающей риска или тяжести отдельных осложнений. Наиболее частые осложнения, такие как мерцательная аритмия, довольно доброкачественны, но могут оказывать значительное воздействие на госпитальную стоимость, из-за большого количества пациентов, у которых развиваются эти проблемы. Менее частые осложнения могут быть связаны со значительной смертностью, и быть крайне дороги (смотрите таблицу 4.4).

2. Прогнозирование более длительного времени пребывания в стационаре (LOS) вследствие предоперационных факторов полезно для идентификации пациентов с потенциально повышенной госпитальной стоимостью. Несмотря на то, что удлинение LOS обычно связано с неблагоприятными событиями, более длительный выход может быть обусловлен воздействием искусственного кровообращения и сложной операцией у очень тяжелых больных, часто пожилого возраста, или ослабленных пациентов с множеством сопутствующих заболеваний.

Таблица 4.8 Предоперационные прогностические факторы постоперационной заболеваемости и увеличения длительности пребывания в больших исследованиях
Boston Univ^18	Veterans Affairs^6	Helsinki^19	Pres-St. Luke’s^12	Albany^14	Ontario^11	Boston Univ^20
Заболеваемость и смертность	Заболеваемость	Заболеваемость	Заболеваемость	Длительность пребывания	Длительность пребывания	Длительность пребывания
Реоперация	Реоперация	Экстренность	Экстренность	Почечная дисфункция	Экстренность	Реоперация
Экстренность	Дооперационная IABP	Диабеты	Возраст ≥ 75 лет	Ранее перенесенный инсульт	Возраст ≥ 75 лет	АКШ-клапан
ХОЛП	PVD (peripheral vascular disease) Периферическое поражение сосудов	Изменения сегмента ST или несинусовый ритм	ИМ в приделах 3 месяцев	PVD (peripheral vascular disease) Периферическое поражение сосудов	Сложная операция	Застойная сердечная недостаточность
Пневмония	Неотложность	Низкая EF	АКШ-клапан	ЗНК	EF < 20%	Инсулинозависимый сахарный диабет
ST > 110	Диабеты	Возраст > 70 лет	Почечная дисфункция	Возраст/объем эритроцита	Возраст 65-74 лет	Креатинин ≥ 1,5
Возраст > 65 лет	ХОЛП	Креатинин > 1,2	Цереброваскулярная патология	Гипертензия	EF 20-34%	Перевод в операционную из кардиохирургического коронарного отделения
Мочевина > 30	Класс по NYHA	Диабеты	Реоперация	ХОЛП	Реоперация
Острый ИМ	ЗНК	ХОЛП	Женщины		Неотложная хирургия
Отдаленный ИМ	Уровень креатинина	Цереброваскулярная патология	Легочная гипертензия

3. В многочисленных публикациях исследовались прогностические факторы операционной заболеваемости. В некоторых из них была представлена комбинированная оценка риска смертности и заболеваемости,^10,11,18 тогда как в других производилась только оценка факторов риска послеоперационной заболеваемости с оценкой или без оценки длительности пребывания.^12,14,19,20 Как и при изучении смертности, для прогнозирования общей вероятности нежелательных событий может быть рассчитан коэффициент вероятности. Факторы риска, идентифицированные в большинстве, но не во всех исследованиях, подобны тем, что были связаны с операционной смертностью. В шести исследованиях, опубликованных в течение 1997 года, было установлено, что наиболее идентифицируемыми факторами, увеличивающим послеоперационную заболеваемость, в относительном порядке значимости являются (таблица 4.8):

1. Реоперации

2. Экстренные операции

3. Дооперационное применение IABP

4. Застойная сердечная недостаточность

5. АКШ-клапанная хирургия

6. Пожилой возраст

7. Сопутствующие заболевания в порядке значимости:

1. Почечная дисфункция

2. Хроническая обструктивная легочная патология

3. Диабеты

4. Цереброваскулярная патология

Таблица 4.9 Модель для комбинированного прогнозирования заболеваемости и смертности^10
Варианты	Клинический риск в баллах	Коэффициент вероятности
Кардиогенный шок	7	29,9
Экстренность	5	7,1
Неотложность	4	3,5
Катетер-индуцированное коронарное закрытие	4	3,7
EF < 30%	4	2,9
Возраст > 75	3	2,9
Кардиомегалия	2	3,3
Периферическая сосудистая патология	2	1,7
Креатинин > 1,9	2	2,6
Возраст 70-74	2	1,5
IDDM (инсулинозависимый сахарный диабет)	2	2,5
Non-IDDM (неинсулинозависимый сахарный диабет)	1	1,5
Низкий индекс массы тела	1	1,4
Женщины	1	1,5
Реоперация	1	1,4
Возраст 65-69	1	1,4
Анемия	1	1,8
Цереброваскулярная патология	1	1,6
ХОЛП	1	1,4
Альбумин < 4 мг/дл	1	1,2
Креатинин 1,5-1,9	1	1,8
Мочевина > 29 мг/дл	1	1,7
Застойная сердечная недостаточность	1	2,3
Мерцательная аритмия	1	1,4

	Количество баллов	% прогнозирования
Смертность
Низкая	0-4	0,2
Средняя	5-8	2
Умеренная	9-11	6
Высокая	12-18	30
Крайне высокая	19+	95
Заболеваемость
Низкая	0-2	20
Умеренная	3-5	50
Высокая	6-8	74
Крайне высокая	9+	93

4. Значение существующей до операции сопутствующей патологии или факторов риска для послеоперационной заболеваемости является очевидным, когда анализируется смертность, связанная с развитием осложнений. Несмотря не то, что увеличение заболеваемости у некоторых пациентов, таких как пожилые пациенты, подвергнутые экстренной операции или реоперации, может быть неизбежным, хирургический выход может быть улучшен, если при идентификации фактора риска предпринять дополнительные периоперационные меры. Примечательными фактами в базе данных STS являются следующие:

1. Почечная недостаточность, требующая диализа, влекла за собой почти 50% смертность. Оптимизация почечной функции до, во время и после операции являлось критически важной у пациентов с ранее существовавшей почечной дисфункцией. Фактически коэффициент вероятности смертности при предоперационном креатинине > 2 мг/дл был 3,4.

2. Пациенты, потребовавшие механической вентиляции более 5 дней, имели операционную смертность более 20%. Дооперационное лечение (использование бронходилятаторов и антибиотиков при легочных инфильтратах и бронхитах) и энергичнее послеоперационное лечение (интраоперационное ограничение жидкости и применение диуретиков, использование бронходилятаторов и стероидов, ранняя активизация и грудная физиотерапия (chest PT)) могли минимизировать продолжительность механической вентиляции.

3. Пожилой возраст связан с множеством дорогих и тяжелых осложнений, в том числе с мерцательной аритмией, медиастинальными кровотечениями, почечной дисфункцией и инсультами. Стойкий периоперационный инсульт влечет за собой 28% смертность. Обращение к каротидной патологии до операции, использование эпиаортального сканирования в операционной для идентификации атеросклероза восходящей аорты и дуги аорты, и поддержание более высокого кровяного давления во время искусственного кровообращения, - являются некоторыми примерами мер, которые должны учитываться у пожилых пациентов для улучшения хирургических результатов. Педантичное отношение к гемостазу у пожилых пациентов с хрупкими тканями может уменьшать риск кровотечения, трансфузий, тампонад, состояния низкого сердечного выброса и последующей респираторной и почечной недостаточности.

4. Реоперации при кровотечении и тампонады приводят к значительным цифрам частоты смертности (13 и 25% соответственно). Реоперации, ургентные операции, пожилой возраст и почечная дисфункция предрасполагают к кровотечениям и требуют дополнительной настороженности в операционной. Как отмечалось выше, однофакторный анализ базы данных STS показал, что интраоперационное использование компонентов крови для трансфузии значительно увеличивало операционную смертность. Вероятно, это обусловлено клиническим состоянием, требовавшим их применения.

5. В базе данных STS частота смертности, связанная со всеми типами обусловленных антикоагуляцией осложнений, равнялась 25%. Гепарин использовался при мерцательной аритмии, после ишемического инсульта или при протезировании клапанов. Следствием его применения являлись тампонада, гастроинтестинальные или ретроперитонеальные кровотечения или интракраниальные геморрагии в область инфаркта. Строгие критерии использования гепарина, тщательная регуляция ПТВ (PTT) и МНО (INR), а также бдительность при коварном развитии тампонады являются особенно важными для любого пациента, получавшего антикоагуляцию после операции.

5. Очень простая и полезная кумулятивная модель для прогнозирования заболеваемости и смертности была представлена группой из Аллеганского Общего Госпиталя.¹⁰ Для оценки веса 24 вариант использовалась ступенчатая логическая регрессия, использовавшая заболеваемость и смертность как одну из зависимых вариант. Модель прогнозирования риска была признана действительной с высоким коэффициентом корреляции (таблица 4.9).

Ссылки

1. The Society of Thoracic Surgeons. Data analyses of the Society of Thoracic Surgeons National Cardiac Surgery Database. Summit Medical, January, 1996.

2. Parsonnet V, Dean D, Bernstein AD. A method of uniform stratification of risk for evaluating the results of surgery in acquired adult heart disease. Circulation 1989; 79(supp l): 3-12.

3. Higgins TL, Estafanous FG, Loop FD, Beck GJ, Blum JM, Paranandi L. Stratification of morbidity and mortality outcome by preoperative risk factors in coronary artery bypass patients. A clinical severity score. JAMA 1992; 267:234-8.

4. Edwards FH, Grover FL, Shroyer ALW, Schwartz M, Bero J. The Society of Thoracic Surgeons national cardiac surgery database: current risk assessment. Ann Thorac Surg 1997; 63:903-4.

5. O'Connor GT, Plume SK, Olmstead EM, et al. Multivariate prediction of in-hospital mortality associated with coronary artery bypass graft surgery. Circulation1992; 85:2110-8.

6. Grover FL, Shroyer LW, Hammermeister KE. Calculating risk and outcome: the Veterans affairs database. Ann Thorac Surg 1996; 62:S6-11.

7. Hannan EL, Kilburn H Jr, O'Donnell JF, Lukacik G, Shields EP. Adult open heart surgery in New York State. An analysis of risk factors and hospital mortality rates. JAMA 1990; 64:2768-74.

8. Tu J% Sykora K, Naylor CD, for the Steering committee of the cardiac care network of Ontario, Assessing the outcomes of coronary artery bypass graft surgery: how many risk factors is enough? J Am Coll Cardiol 1997; 30:1317-23.

9. Jones RH, Hannan EL, Hammermeister KE, et al. Identification of preoperative variables needed for risk adjustment of short-term mortality after coronary artery bypass graft surgery. J Am Coll Cardiol 1996; 28:1478-87.

10. Magovern JA., .Sakert T, Magovern GJ Jr, et al. A model that predicts morbidity and mortality after coronary artery bypass grafting, J Am Coll Cardiol 1996; 28:1147-53

11. Tu JV, Jagalal SB, Naylor CD, and the Steering committee of the provincial adult cardiac network of Ontario. Multicenter validation of a risk index for mortality, intensive care unit stay, and overall hospital length of stay after cardiac surgery. Circulation I95; 91:677-84.

12. Tuman KJ, McCarthy RJ, March RJ, Najafi H, Ivankovich AD. Morbidity and duration of ICU stay after cardiac surgery. A model for preoperative risk assessment. Chest I992; 102:36-44.

13. Higgins GL, Estafanous FG, Starr NJ, et al. Operative factors affecting morbidity and mortality risk following coronary bypass grafting. Anesth Analg 1995; 80: 84.

14. Feirraris VA, Ferraris SP. Risk factors for postoperative morbidity. J Thorac Cardiovasc Surg 1996; 111:731-41.

15. Charlson ME, Pompei P, Ales Kl, Mackenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chron Dis1987; 40:373-83.

16. Lippman RP, Shahian DM. Coronary artery bypass risk prediction using neural networks. Ann Thorac Surg 1997; 63:1635-43.

17. Grover FL. Cardiothoracic databases: where are we headed? Ann Thorac Surg 1997; 63:1531-2.

18. Geraci JM, Rosen AK, Ash AS, McNiff KJ, Moskowitz MA. Predicting the occurrence adverse events after coronary artery bypass surgery. Ann Intern Med 1993; 118:18-24.

19. Kurki TSO, Kataja M. Preoperative prediction of postoperative morbidity in coronary artery bypass grafting. Ann Thorac Surg 1996; 61:1740-5.

20. Lazar HL, Fitzgerald C, Gross S, Heeren T, Aldea GS, Shemin RJ. Determinants of length of stay after coronary bypass graft surgery. Circulation 1995; 92 (suppl 2): 20-4.