Застосування кластерних та класифікаційних методів DataMining у дослідженні механізмів взаємообтяження реактивного артриту та хронічного пієлонефриту за показниками метаболізму сполучної тканини

Автор(и)

  • О. Залявська канд. мед. наук, доцент кафедри внутрішньої медицини, клінічної фармакології та професійних хвороб, Буковинський державний медичний університет, м. Чернівці, Ukraine
  • О. Хухліна д-р мед. наук, професор, завідувачка кафедри внутрішньої медицини, клінічної фармакології та професійних хвороб, Буковинський державний медичний університет, м. Чернівці, Ukraine
  • Є. Ткач канд. мед. наук, доцент кафедри внутрішньої медицини, клінічної фармакології та професійних хвороб, Буковинський державний медичний університет, м. Чернівці, Ukraine
  • О. Ніка канд. мед. наук, доцент кафедри нервових хвороб, психіатрії та медичної психології, Буковинський державний медичний університет, м. Чернівці, Ukraine

DOI:

https://doi.org/10.24061/2413-0737.XXV.4.100.2021.4

Ключові слова:

реактивні артрити; хронічний пієлонефрит; кластерні та класифікаційні методи аналізу DataMining

Анотація

Порушення обмінних процесів у системі «протеоглікани-колаген», зміна ферментативних реакцій у хворих на реактивний артрит (РеА) найчастіше передують багатьом ускладненням, у тому числі і порушенню функції нирок. Класичні регресійні методи малоінформативні у визначенні взаємообтяження РеА та хронічного пієлонефриту (ХП), а також первинності виникнення хвороби.
Мета роботи – дослідити можливі взаємозв’язки між РеА і ХП з метою встановлення ранніх критеріїв прогнозування розвитку ХП на тлі РеА за показниками метаболізму сполучної тканини.
Матеріал і методи. Обстежено 113 пацієнтів, яких розподілено на дві групи: перша група – хворі на урогенний РеА, активність I-III ст. ФНС I-III ст. (n=65); друга група – хворі на урогенний РеА та ХХН I-II ст.: пієлонефрит у фазі загострення, (n=48). Контрольну групу склали 20 практично здорових осіб. Середня тривалість захворювання обстежених пацієнтів складала 24,4±4,7 місяця. Середній вік пацієнтів складав 32,5±1,2 року. Для обробки отриманих результатів досліджень використано кластерні та класифікаційні методи аналізу DataMining.
Результати. У результаті кластеризації методами k-середніх та нечіткої кластеризації отримано однакові результати належності до кластерів. Зокрема, вірно діагностовано хворобу РеА в 48 випадках, що становить 74 % всіх діагностованих, 17 осіб (26 %) віднесено до кластеру «2». У другому кластері є теж невідповідність. Зокрема з 32 осіб, в яких діагностовано РеА+ХП, у цей кластер, відповідно до математичних розрахунків, потрапило 28 осіб, тобто 88 %. Чотири пацієнти (13 %) віднесено до кластеру «1», тобто до осіб, в яких має бути діагностована лише одна хвороба РеА. Це свідчить про те, що межа між кластерами РеА та РеА+ХП є дещо розмита. А це є підставою встановлення того факту, що хвороба РеА поступово може призвести до ХП.
Висновки. За допомогою методів кластеризації DataMining встановлено найбільшу значущість у діагностичному алгоритмі прогресування РеА таких показників, як вміст у крові вільного оксипроліну (ВОП), білокзв'язаного оксипроліну (БЗОП), ступінь колагенолітичної активності (КЛА) плазми крові (інтенсивність лізису азоколу), котрі показали пряму залежність від ступеня активності запального процесу. Зростання ВОП>13,8 мкмоль/л, БЗОП>65,0 мкмоль/л та КЛА (за азоколом)>0,85 мкг/мл за 1год є вірогідними чинниками ризику прогресування та ранніми критеріями тяжкого перебігу РеА та ХП.

Посилання

Martijn AH, Gupta ZD, Bijlsma WJ, Boonen A, Chau J, Courvoisier DS, et al. International Consortium for Health Outcome Measurement Set of Outcomes That Matter to People Living With Inflammatory Arthritis: Consensus From an International Working Group. Arthritis Care Res. 2019;71(12):1556-65.

Chang MH, Nigrovic PA. Antibody-dependent and -independent mechanisms of inflammatory arthritis. JCI Insight. 2019;4(5):e125278. https://doi.org/10.1172/jci.insight.125278.

Zaliavs'ka OV, Khukhlina OS, Kaushans'ka OV, Haidychuk VS. Stan metabolizmu komponentiv spoluchnoi tkanyny u khvorykh na reaktyvnyi artryt [The state of metabolism of connective tissue components in patients with reactive arthritis]. Zdobutky klinichnoi ta eksperymental'noi medytsyny. 2014;1:44-7. (in Ukranian).

Kaur G, Jagdev G. A study of clustering and classification techniques involved in data mining. International Journal of Advanced Technology in Engineering and Science. 2017;5(5):360-71.

Arumugam P, Christy V. Analysis of Clustering and Classification Methods for Actionable Knowledge. Materials Today: Proceedings. 2018;5(1):1839-45.

##submission.downloads##

Опубліковано

2021-12-29

Номер

Розділ

ОРИГІНАЛЬНІ ДОСЛІДЖЕННЯ