ПРОГНОЗУВАННЯ РИЗИКУ НЕВРОЛОГІЧНИХ РОЗЛАДІВ ТА ПОРУШЕНЬ ОПОРНО-РУХОВОГО АПАРАТУ В ПОСТІНСУЛЬТНИХ ПАЦІЄНТІВ

Н. Т. Шалабай; С. І. Шкробот; Д. О. Ковальчук; Л. П. Мазур; А. С. Сверстюк

doi:10.11603/2411-1597.2023.3-4.14548

Автор(и)

Н. Т. Шалабай Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України
С. І. Шкробот Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України
Д. О. Ковальчук Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України
Л. П. Мазур Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України
А. С. Сверстюк Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України

DOI:

https://doi.org/10.11603/2411-1597.2023.3-4.14548

Ключові слова:

інсульт, ризик неврологічних розладів, порушення опорно-рухового апарату, багатофакторна регресійна модель прогнозування

Анотація

Вступ. Інсульт – тяжке соматичне захворювання, що характеризується порушенням мозкового кровообігу, функцій нервової системи та опорно-рухового апарату, одна з основних причин смертності й серйозна глобальна загроза для здоров’я населення в усьому світі. Саме тому актуальним завданням є прогнозування ризику неврологічних розладів та порушень опорно-рухового апарату.

Мета роботи – розробити багатофакторну регресійну модель прогнозування ризику неврологічних розладів та порушень опорно-рухового апарату в постінсультних пацієнтів.

Основна частина. Обстежено 107 пацієнтів, які перенесли інсульт та перебували на стаціонарному лікуванні в інсультному відділенні Тернопільської обласної клінічної психоневрологічної лікарні Тернопільської обласної ради. У дослідженні взяли участь постінсультні пацієнти віком від 35 до 83 років з різними симптомами неврологічних розладів та порушень опорно-рухового апарату, а також локалізацією вогнища ураження головного мозку. В роботі запропоновано критерії ризику неврологічних розладів та порушень опорно-рухового апарату. Як вихідні дані для дослідження було використано локалізації ураження лівої і правої півкуль, потиличної та тім’яно-потиличної ділянок, симптоми порушень опорно-рухового апарату, головокружіння, затерпання кінцівок, парези, гемігіпестезію, рухові розлади. За результатами багатофакторного регресійного аналізу в програмі Statistica 10.0 для прогнозування ризику неврологічних розладів та порушень опорно-рухового апарату, найбільш значущими факторами з рівнем значущості p<0,05 встановлено локалізацію ураження в потиличній ділянці, симптоми порушень опорно-рухового апарату, головокружіння, затерпання кінцівок, парези, гемігіпестезію та рухові розлади. Для перевірки якості прогностичної моделі використано коефіцієнт детермінації (R²), а для оцінки прийнятності моделі – аналіз ANOVA.

Висновки. Запропонована прогностична модель дасть змогу своєчасно визначати ризик неврологічних розладів та порушень опорно-рухового апарату і проводити моніторинг постінсультних пацієнтів, що забезпечить своєчасне й ефективне проведення комплексу лікувально-профілактичних заходів з метою запобігання неврологічним розладам та порушенням опорно-рухового апарату і можливістю розробки відповідного медичного калькулятора.

Посилання

Diegoli, H., Magalhães Pedro, S.C., Makdisse Márcia, R.P., Moro Carla, H.C., França Paulo, H.C., Lange, M.C., & Longo, A.L. (2023). Real-World Populational-Based Quality of Life and Functional Status After Stroke. Value in Health Regional Issues, 36, 76-82. DOI: 10.1016/j.vhri.2023.02.005.

Yang, L., Huang, X., Wang, J., Yang, X., Ding, L., Li, Z., & Li, J. (2023). Identifying stroke-related quantified evidence from electronic health records in real-world studies. Artificial Intelligence in Medicine, 140, 102552. DOI: 10.1016/j.artmed.2023.102552.

Biswas, N., Uddin Khandaker, M.М., Rikta, S.T., & Dey, S.K. (2022). A comparative analysis of machine learning classifiers for stroke prediction: A predictive analytics approach. Healthcare Analytics, 2, 100116. DOI: 10.1016/j.health.2022.100116.

Schwartz, L., Anteby, R., Klang, E., & Soffer, S. (2023). Stroke mortality prediction using machine learning: systematic review. Journal of the Neurological Sciences, 444, 120529. DOI: 10.1016/j.jns.2022.120529.

Huijberts, I., Pinckaers Florentina, M.E., H. van Zwam, W., Boogaarts, H.D., J. van Oostenbrugge, R., & Alida, A.P. (2023). Cerebral arterial air emboli on immediate post-endovascular treatment CT are associated with poor short- and long-term clinical outcomes in acute ischaemic stroke patients. Journal of Neuroradiology, 50(5), 530-536. DOI: 10.1016/j.neurad.2023.06.001.

Basheti, I.A., Ayasrah, S.M., & Muayyad, A. (2019). Identifying treatment related problems and associated factors among hospitalized post-stroke patients through medication management review: a multi-center study. Saudi Pharmaceutical Journal, 27(2), 208-219. DOI: 10.1016/j.jsps.2018.10.005.

Chen, Y.-Ch., Chou, W., Hong, R.B., Lee, J.H., & Chang, J.H. (2023). Home-based rehabilitation versus hospital-based rehabilitation for stroke patients in post-acute care stage: Comparison on the quality of life. Journal of the Formosan Medical Association, 122(9), 862-871. DOI: 10.1016/j.jfma.2023.05.007.

Cogan, A.M., Weaver, J.A., Davidson, L.F., Khromouchkine, N., & Mallinson, T. (2021). Association of Therapy Time and Cognitive Recovery in Stroke Patients in Post-Acute Rehabilitation. Journal of the American Medical Directors Association, 22(2), 453-458. DOI: 10.1016/j.jamda.2020.06.031.

Mankoo, A., Roy S., Davies, A., Panerai, R.B., Robinson, T.G., Brassard, P., Beishon, L.C., & Minhas, J.S. (2023). The role of the autonomic nervous system in cerebral blood flow regulation in stroke: A review. Autonomic Neuroscience, 246, 103082. DOI: 10.1016/j.autneu.2023.103082.

Kim, Ch.Y., Choi, S.B., & Lee, E.S. (2024). Prevalence and predisposing factors of post-stroke complex regional pain syndrome: Retrospective case-control study. Journal of Stroke and Cerebrovascular Diseases, 33(2), 107522. DOI: 10.1016/j.jstrokecerebrovasdis.2023.107522.

Adeniji, T., Nadasan, T., Olagbeg,i O.M., & Dada, O. (2023). Telerehabilitation-based exercises with or without transcranial direct current stimulation for pain, motor and cognitive function in older adults with mild cognitive impairments post-stroke: A multi-arm parallel-group randomized controlled trial study protocol. Brain Hemorrhages, 4(3), 122-128. DOI: 10.1016/j.hest.2023.01.004.

Su, X., Pan, D., Meng, H., Lu, W., Wang, X., Liu, Z., Geng, Y., Ma, X., & Liang, P. (2023). Dementia increases the risk of death in stroke patients: A retrospective cohort-based risk score model study. Journal of Stroke and Cerebrovascular Diseases, 32(11), 107337. DOI: 10.1016/j.jstrokecerebrovasdis.2023.107337.

Chukur, O., Pasyechko, N., Bob, A., & Sverstiuk, A. (2022). Prediction of climacteric syndrome development in perimenopausal women with hypothyroidismи. Przeglad Menopauzalny, 21(4), 236-241. DOI: 10.5114/pm.2022.123522.

Musiienko, V., Marushchak, M., Sverstuik, A., Filipyuk, A., Krynytska, I. (2021). Prediction Factors for the Risk of Hypothyroidism Development in Type 2 Diabetic Patients. PharmacologyOnLine, 3, 585-594.

Musiienko, V., Sverstiuk, A., Lepyavko, A., Danchak, S., & Lisnianska, N. (2022). Prediction factors for the risk of diffuse non-toxic goiter development in type 2 diabetic patients. Polski merkuriusz lekarski: organ Polskiego Towarzystwa Lekarskiegothis, 296(50), 94-98. PMID: 35436270.

Nykytyuk, S.O., Sverstiuk, A.S., Pyvovarchuk, D.S., & Klymnyuk, S.I. (2023). A multifactorial model for predicting severe course and organ and systems damage in Lyme borreliosis in children. Modern pediatrics, 130(2), 6-16. DOI: 10.15574/SP.2023.130.6.

Jaiswal, V., Ang, S.P., Suresh, V.J., Halder, A.A., Rajak, K., Nasir, Y. M., … Kainth, T. (2023) Association between baseline high-sensitive C-reactive protein, Homocysteine levels, and post-stroke depression among stroke patients: A Systematic Review, Meta-analysis, and Meta-regression. Current Problems in Cardiology, 102338. DOI: 10.1016/j.cpcardiol.2023.102338.