ОПТИМІЗАЦІЯ ПРОГНОЗУВАННЯ РОЗВИТКУ МОРФОЛОГІЧНИХ ПОРУШЕНЬ ПРИ ЕКСПЕРИМЕНТАЛЬНІЙ ГОСТРІЙ ІШЕМІЇ-РЕПЕРФУЗІЇ НА ОСНОВІ ПОЄДНАНИХ ЗМІН БІОХІМІЧНИХ ПОКАЗНИКІВ ЗА ДОПОМОГОЮ КОРЕЛЯЦІЙНОГО АНАЛІЗУ ТА НЕЙРОМЕРЕЖЕВОЇ КЛАСТЕРИЗАЦІЇ

П. Р. Сельський; А. Т.  Телев’як; Т. О.  Вересюк; Б. П.  Сельський

doi:10.11603/mie.1996-1960.2019.4.11017

Автор(и)

П. Р. Сельський Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України http://orcid.org/0000-0001-9778-2499
А. Т. Телев’як Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України https://orcid.org/0000-0001-7173-400X
Т. О. Вересюк Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України
Б. П. Сельський Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України

DOI:

https://doi.org/10.11603/mie.1996-1960.2019.4.11017

Ключові слова:

гостра ішемія-реперфузія, морфологічні зміни, кореляційний аналіз, нейромережева кластеризація

Анотація

У роботі запропоновано методику оптимізації прогнозування розвитку ішемічних порушень при експериментальній гострій ішемії-реперфузії на основі поєднаних змін біохімічних показників. Підхід ґрунтується на обчисленні коефіцієнтів кореляції та використанні нейромережевої кластеризації. Експериментальна модель ішемічно-реперфузійного ураження представлена п'ятьма групами щурів із термінами реперфузії 1 і 2 години, 1 доба, 7 та 14 діб (по 18 тварин у кожній). Контрольна група нараховувала 15 тварин. За допомогою кореляційного аналізу виявлено середньої сили прямий кореляційний зв'язок між показниками пересічної площі м'язових волокон і показниками аланінамінотрансферази (+0,5) та аспартатамінотранс-ферази (+0,5), що свідчить про переважання процесів катаболізму в ішемізованій м'язовій тканині. Для більш глибокого аналізу та кластеризації показників досліджуваних груп із метою оптимізації прогнозування перебігу ішемічно-реперфузій-ного ураження застосовано нейромережевий підхід із використанням надбудови NeuroXL Classifier для програми Microsoft Excel. Встановлено найбільше прогностичне значення щодо тяжкості морфологічних порушень у ранньому реперфузійно-му періоді за даними нейромережевої кластеризації поєднаних змін рівня креатиніну та аланінамінотрансферази.

Посилання

Mintser, O. P., Zaliskyi, V. M. (2019). Transformuvannia znan z aterohenezu: vykorystannia nanoasotsiiovanykh biotekhnolohii i merezhevoho analizu. [Transformation of knowledge of atherogenesis: the use of nano-associated bio-technologies and network analysis]. Medychna informatyka ta inzheneriia. 1, 4 24.

Selskyy, P. R., Vakulenko, D. V., Televiak, A. T., Veresiuk, T. O. (2018). On an algorithm for decision-making for the optimization of disease prediction at the primary health care level using neural network clustering. Family Medicine & Primary Care Review, 20 (2), 171-5. DOI: https://doi.org/10.5114/fmpcr.2018.76463

Epstein, R. M., Franks, P., Fiscella, K., Shields, C. G., Meldrum, S. C, Kravitz, R. L., Duberstein, P. R. (2005). Measuring patient-centered communication in patient-physician consultations: theoretical and practical issues Soc. Sci. Med., 61, 1516-28. DOI: https://doi.org/10.1016/j.socscimed.2005.02.001

Eastridge, B. J., Mabry, R. L, Seguin, P, Cantrell, J. et al. (2012). Death on the battlefield (2001-2011): implications for the future of combat casualty care. J. Truma Acute Care Surg., 73, 431-7. DOI: https://doi.org/10.1097/TA.0b013e3182755dcc

Wu, M. Y., Yiang G. T., Liao, W. T. et al. (2018). Current Mechanistic Concepts in Ischemia and Reperfusion Injury. Cell Physiol. Biochem., 46, 1650-67. DOI: https://doi.org/10.1159/000489241

Garcia-de-la-Asuncion, J., Perez-Solaz, A., et al. (2013). Different oxidative stress marker levels in blood from the operated knee or the antecubital vein in patients undergoing knee surgery: a tourniquet-induced ischemia-reperfusion model. Redox Report., Vol. 17 (5), 194-9.

Khomenko, I. P., Korol, S. O., Matviichuk, B. V. (2018). Klinichno-orhanizatsiini osoblyvosti nadannia travmatolohichnoi dopomohy poranenym iz defektamy miakykh tkanyn pry vohnepalnykh ta minno-vybukhovykh ushkodzhenniakh kintsivok. [Clinical and organizational peculiarities of traumatological care for the injured with soft tissue defects in inflammatory and mine-explosive injuries of the extremities]. Travma, 19 (5), 125-9. [In Ukrainian].

Hubka, V. O., Konovalenko, I. A., Suzdalenko, O. V. (2015). Rezultaty likuvannia khvorykh iz hostroiu arterialnoiu ishemiieiu kintsivok. [Results of treatment of patients with acute arterial ischemia of extremities]. Patolohiia, 2 (34), 55-8. [In Ukrainian].

Gillani, S., Cao, J. , Suzuki, T., Hak, D. J. (2012). The effect of ischemia reperfusion injury on skeletal muscle. Hak. Injury, 43 (6), 670-5. DOI: https://doi.org/10.1016/j.injury.2011.03.008

Horalskyi, L. P., Khomych, V. T., Kononskyi, O. I. (2011). Osnovy histolohichnoi tekhniky i morfofunktsionalni metody doslidzhen u normi ta pry patolohii. [Fundamentals of histological technique and morphofunctional methods of research in normal and pathology]. Polissia, Zhytomyr: 288. [In Ukrainian].

Bishop, C. M. (1995) Neural Networks for Pattern Recognition. Oxford: Oxford University Press., 504.

Du, K. L. (2010). Clustering: A neural network approach. Neural network,, 23 (1), 89-107. DOI: https://doi.org/10.1016/j.neunet.2009.08.007