Scientific journal
Modern problems of science and education
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 1,006

THE STUDY OF PHYSIOLOGICAL CHARACTERISTICS OF PATIENTS WITH BRONCHIAL ASTHMA BASED ON THE BASIS MULTIVARIATE STATISTICAL METHODS

Burtseva A.L. 1
1 National research Tomsk polytechnic university
This article discusses one of the methods of statistical analysis of multivariate data in medicine is cluster analysis. It allows to find the similarities and differences between individual groups of objects, and identify homogeneous groups. Methods of multivariate analysis is one of the most effective tool for studying the processes which are described by a variety of characteristics. For the application of this analysis were considered a variety of software products. Of the countless of electronic data processing packages, which are designed for electronic data processing, including packages SAS, STATISTICA, Statgraphics, SPSS solutions to this problem has been selected package STATISTICA 8. Thus, the use of cluster analysis allowed to determine groups of patients with different type of the asthma and group with dyspnea. These groups are similar by the structure with the original four groups. It is speaks about possibility of separating the initial four patients groups.
classification.
dendrogram
cluster analysis
STATISTICA 8
bronchial asthma (BA)
К.Г. Языков и Е.В. Немеров в процессе длительного динамического наблюдения анамнеза жизни выявили группу пациентов, у которых отмечалась высокая чувствительность к психотравмирующим жизненным ситуациям. В 2009 году они выдвинули гипотезу о том, что среди больных бронхиальной астмой существует определенная часть людей с особой психобиологической реактивностью. Дальнейшее обострение болезни у этих пациентов провоцирует психосоциальное стрессовое воздействие. В 2009–2012 годах они получили и опубликовали (в том числе в соавторстве с сотрудниками кафедры Прикладной математики ИК ТПУ) результаты, которые подтверждали данную гипотезу [1].

На основании результатов работы они предлагают новую классификацию бронхиальной астмы:

Ø    БАПИ – бронхиальная астма психогенно-индуцированная;

Ø    БАСП – бронхиальная астма сомато-психогенная;

Ø    БАНП – бронхиальная астма непсихогенная;

Ø    ПО – психогенная одышка.

Цель данной работы: выделение «типичных» групп больных из общей выборки, с помощью кластерного анализа.

Объект исследования: физиологические данные больных с различными формами астмы и группа больных с психогенной одышкой.

Предмет исследования: выявление особенностей в системе дыхания среди всей совокупности больных с целью разделения их на исходные группы.

Материалы исследования: данные традиционных показателей вентиляции легких и параметры механики дыхания для каждой из четырех групп.

Первая группа – БАПИ, исходно условно названная как БА психогенно индуцированная. В состав этой группы вошли пациенты, у которых первый приступ удушья развился после перенесенного эмоционального стресса. Последующее резкое ухудшение течения болезни было связано с какими-либо психологическими проблемами, имеющими негативный характер.

Вторая группа – БАНП – это группа больных с БА, исходно условно названной непсихогенной. В эту группу вошли лица с БА, главным образом, атопической формой заболевания. К обострению болезни, в свою очередь, приводили аллергия, вирусные инфекции, а также физические факторы (холод). Влияния психологических факторов не наблюдалось.

Третья группа (дополнительная) – БАСП, исходно условно обозначенная как БА сомато-психогенная. У пациентов данной группы «обычное» течение «обычной» болезни было нарушено жизненным стрессом, после которого психоэмоциональные триггеры (внешние раздражители) вызывали тяжелые приступы удушья, а также обострение болезни.

Четвертую группу, исходно условно отмеченную как «психогенная одышка» (ПО), образовали пациенты, направляемые к пульмонологу для исключения астмы, с жалобами на приступы удушья и одышку, связанные с психотравмирующими жизненными событиями, у которых многочисленными обследованиями была исключена бронхиальная обструкция и другие признаки астмы и органической патологии.

В исследовании принимали участие 83 пациента: БАПИ (24 человека), БАСП (18 человек), БАНП (29 человек), ПО (12 человек). Исходной информацией являются сведения о пациентах с одним из трех условных типов БА или с диагнозом ПО. Возраст пациентов от 15 до 56 лет.

В качестве исходных данных использовались не только традиционные показатели вентиляции легких, измеряемые методами спирографии и пневматахографии (зависят и от внелегочных причин, в том числе эмоциональных), но и показатели механики дыхания (отражают изменения внутрилегочных эластических и неэластических сопротивлений). Технология получения экспериментальных данных изложена в литературных источниках [2].

Оценивались такие традиционные показатели вентиляции легких, как: минутный объем дыхания (МОД), жизненная емкость легких (ЖЕЛ), объем форсированного выдоха (ОФВ-1), максимальная вентиляция легких (МВЛ), пиковая объемная скорость (ПОС), мгновенная объемная скорость (МОС-25, МОС-50, МОС-75) и параметры механики дыхания: общая работа дыхания при спонтанном дыхании (W общ.) и её фракции: неэластическая (W н.эл.) и эластическая (W эл.), удельная работа дыхания на литр вентиляции (W уд.), работа дыхания в условиях одинакового МОД, равного 10л/мин (W МОД 10), общая (W МВЛ общ.) и удельная (WМВЛуд.), работа дыхания при МВЛ; а также динамическая (C dyn.) и статическая (C stat.) растяжимость легких и бронхиальное сопротивление на вдохе (Rвд.) и на выдохе (Rвыд.), измеренные в условиях прерывания воздушного потока [1].

В данной работе, для решения поставленной задачи, была использована программа Statistica 8.0, возможности которой соответствуют требованиям цели работы и являются ориентированными на медицину. Система Statistica 8.0 может служить очень эффективным инструментом для научных исследований, особенно в области медицины. Statistica 8.0 является наиболее динамично развивающимся статистическим пакетом и по многочисленным рейтингам является мировым лидером на рынке статистического программного обеспечения [3].

Метод исследования. Для того чтоб добиться поставленной цели, необходимо прибегнуть к кластерному анализу, который предназначен для разбиения множества объектов на однородные группы (классы) на основании некоторого математического критерия качества классификации [4, 5].

Выбор количества классов может определяться на основе анализа специальных функционалов качества, на основе сравнения разбиений на различное количество классов, возможности из содержательной интерпретации и других критериев [4].

Каждый класс соответствует определенной группе, а наблюдения, попавшие в одну группу, характеризуются одинаковой вероятностью наступления приступа БА или ПО.

Поскольку изначально число классов неизвестно, то нужно обратиться к иерархическим кластер-процедурам. В пакете Statistica 8.0 реализованы агломеративные кластер-процедуры, т. е. каждое наблюдение начинается в собственном кластере, и пары кластеров объединяются по мере продвижения вверх по иерархии.

Исходные данные представлены матрицей «объект-свойство», строки которой представляют объекты, а столбцы – характеризующие эти объекты признаки. Кластеризоваться в данном случае будут объекты – больные.

Поскольку нет информации о том, что какой-то признак более важен для классификации, чем остальные, то будем учитывать различия по каждому признаку. Выберем обычное евклидово расстояние, а в качестве алгоритма кластеризации выберем метод Уорда в этой серии экспериментов. Этот метод очень эффективен, т.к. он дает довольно компактные и хорошо разделенные кластеры.

Результаты и их обсуждение. Результаты иерархической классификации нагляднее всего представить в виде дендрограммы (рис. 1).

Рис.1. Дендрограмма, полученная методом Варда

Отделимость классов оценивается сравнением внутрикластерных и межкластерных расстояний на качественном уровне.

На рис. 1 видно, что всех пациентов можно разделить на 4 группы. В каждом из четырех кластеров находятся объекты со схожим диагнозом. Для того чтоб выбрать «правильное» количество групп, можно использовать пороговое расстояние. При пороговом расстоянии 200 выделяется 4 класса (рис. 1).

Для того чтоб подтвердить правильность выбора количества кластеров, воспользуемся графиком объединения объектов в классы.

Рис. 2. График объединения объектов в классы

На рис. 2 видно, что на графике находится точка «перелома» и номер шага m, на котором произошел «перелом»; тогда количество классов равно n-m, где n – количество объектов в выборке. В нашем случае в качестве точки перелома можно рассматривать шаг под номером 79, откуда получаем 83 - 79 = 4, т.е. четыре класса.

Таким образом, мы ответили на первый вопрос – по схожести структуры больных целесообразно разделить на четыре класса.

Анализируя порядок следования пациентов сверху вниз на дендрограмме, полученной методом Варда, заметим, что пациенты разделились по классам следующим образом:

Рис. 3. Таблица распределения пациентов по кластерам

Получим средние значения признаков в каждом из выделенных классов, как показано на рис. 4, и определим, чем же классы отличаются друг от друга.

Рис. 4. Вид файла с данными по средним значениям признаков в классах

Анализ этих данных позволяет нам дать интерпретацию классам и, наконец, выяснить, что же за классы были нами выделены.  

В первый кластер попали пациенты с самыми высокими значениями параметров дыхания (кроме динамической и статической растяжимости легких) и низкими традиционными показателями вентиляции легких. Для второго кластера характерно высокое значение традиционных показателей (кроме МОД) и низкое значение параметров механики дыхания (кроме динамической и статической растяжимости легких). Третий и четвертый кластер не имеют четко выраженных особенностей (табл.1).

Таблица 1. Распределение по кластерам в процентном соотношении

В 1-м кластере преимущественно оказались пациенты с диагнозом БАСП и БАНП, а также 7 человек с БАПИ. Во второй кластер попали все больные с  ПО, по 2 человека с диагнозом БАСП и БАНП и 1 человек с БАПИ. Третий кластер объединил преимущественно людей с диагнозом БАНП. Также сюда попали 2 человека с БАСП, 8 человек с БАПИ. В четвертом кластере преимущественно оказались люди с БАПИ, а также 4 с БАСП и 5 с БАНП.

Можно выдвинуть предположение, что:

1 Кластер – БАСП;

2 Кластер – ПО;

3 Кластер – БАНП;

4 Кластер – БАПИ.

Заключение. Таким образом, использование кластерного анализа позволило определить группы пациентов с БА и ПО, которые схожи по структуре с исходным разбиением на четыре группы. Это может служить доказательством возможности разделения пациентов на четыре исходных группы.

 Работа выполнена в рамках проекта №1957 Госзадания «Наука» Министерства образования и науки РФ.

Рецензенты:

Жигинас Н.В., д.псх.н., профессор, заведующий кафедрой психологии развития личности ФГБОУ ВПО Томский государственный педагогический университет (ТГПУ), г. Томск.

Уразаев А.М., д.б.н., профессор, профессор Института теории образования, ФГБОУ ВПО Томский государственный педагогический университет (ТГПУ), г. Томск.