БАГАТОФАКТОРНА РЕГРЕСІЙНА МОДЕЛЬ ПРОГНОЗУВАННЯ ВТОРИННОГО ОСТЕОПОРОЗУ У ХВОРИХ НА ЛІМФОПРОЛІФЕРАТИВНІ ЗАХВОРЮВАННЯ
DOI:
https://doi.org/10.11603/1681-2786.2023.1.13755Ключові слова:
остеопороз, мінеральна щільність кісткової тканини, комп’ютерна томографія, лімфома, хіміотерапія, прогнозуванняАнотація
Мета: розробити математичну модель оцінки ризику змін структурно-функціонального стану кісткової тканини для вивчення ймовірності розвитку і прогресування вторинного остеопорозу у пацієнтів з неходжкінськими лімфомами.
Матеріали і методи. За допомогою регресійного аналізу побудовано прогностичну модель ризику змін структурно-функціонального стану кісткової тканини. Обстежено 115 пацієнтів (І група) з неходжкінськими лімфомами для побудови багатофакторної регресійної моделі прогнозування ризику остеопоротичних порушень. Для верифікації прогностичної цінності математичної моделі обстежено 105 хворих (ІІ група). Середній вік пацієнтів, що проходили лікування на базі Тернопільського обласного онкологічного диспансеру в період 2018–2022 рр., становив (57,86±1,40) року.
Результати. За допомогою логістичного регресійного аналізу було визначено найбільш значущі мультиколінеарні фактори ризику вторинного остеопорозу: вік, стать, історію переломів в анамнезі, рівень β2-мікроглобуліну в сироватці крові та структурно-функціональний стан кісткової тканини на діагностичному етапі та після поліхіміотерапій за результатами комп’ютерної томографії. Побудовано кореляційну матрицю з розрахунком коефіцієнтів регресії, створено математичну модель для визначення фактора ризику розвитку вторинного остеопорозу. Відповідність прогнозованих результатів до теоретично очікуваних у групі низького ризику зафіксовано в 97,14 %, у групі середнього ризику – 96,12 %, у групі високого ризику – 94,29 %, у групі з критичним ступенем ризику – в 97,14 % випадків. Інформативність створеної математичної моделі становить 96,17 %, що свідчить про високі прогностичні характеристики моделі.
Висновки. Розроблені алгоритм та математична модель прогнозування розвитку вторинного остеопорозу у хворих на лімфопроліферативні захворювання є високоінформативними і дозволяють заздалегідь визначити контингент пацієнтів з високою ймовірністю змін структурно-функціонального стану кісткової тканини для своєчасного здійснення відповідних профілактичних заходів.
Посилання
Gruzeva, T.S., Lekhan, V.M., & Ognev, V.A. (2020). Biostatystyka [Biostatistics] [in Ukrainian].
Zhulkevych, I.V., & Chukur, P.A. (2023). Zminy strukturno-funktsionalnoho stanu kistkovoyi tkanyny u khvorykh na nekhodzhkinski limfomy v zalezhnosti vid typu ta tryvalosti khimioterapiyi [Changes in the structural and functional state of bone tissue in patients with non-Hodgkin’s lymphoma depending on the type and duration of chemotherapy]. Zdobutky klinichnoyi i eksperymentalnoyi medytsyny – Achievements of Clinical and Experimental Medicine, 1. 112-122 [in Ukrainian].
Zhulkevych, I.V., & Chukur, P.A. (2021). Otsinka mineralnoyi shchilnosti kistkovoyi tkanyny za danymy renthenivskoyi kompyuternoyi tomohrafiyi ta vyznachennya ryzykiv osteoporotychnykh perelomiv u khvorykh na dyfuznu B-velykoklitynnu limfomu [Assessment of bone tissue mineral density according computer tomography data and risk determination of osteoporotic fractures in patients with diffuse large b-cell cell lymphoma]. Zdobutky klinichnoyi i eksperymentalnoyi medytsyny – Achievements of Clinical and Experimental Medicine, 2, 68-76 [in Ukrainian].
Paccou, J., Merlusca, L., & Henry-Desailly, I. (2014). Alterations in bone mineral density and bone turnover markers in newly diagnosed adults with lymphoma receiving chemotherapy: a 1-year prospective pilot study. Annal. Oncol., 25, 481-486. DOI: https://doi.org/10.1093/annonc/mdt560
(1993).A predictive model for aggressive non-Hodgkin’s lymphoma. The New England Journal of Medicine, 329(14), 987-994. DOI: https://doi.org/10.1056/NEJM199309303291402
Baech, J., Hansen, S.M., & Jakobsen, L.H. (2020). Increased risk of osteoporosis following commonly used first-line treatments for lymphoma: a Danish Nationwide Cohort Study. Leukemia and Lymphoma, 61(6), 1345-1354. DOI: https://doi.org/10.1080/10428194.2020.1723015
Mancuso, S., Scaturro, D., & Santoro, M. (2021). Bone damage after chemotherapy for lymphoma: a real-world experience. BMC Musculoskeletal Disorders, 22(1), 1-13. DOI: https://doi.org/10.1186/s12891-021-04904-3
Rubin, K.H., Abrahamsen, B., & Friis-Holmberg, T. (2013). Comparison of different screening tools (FRAX®, OST, ORAI, OSIRIS, SCORE and age alone) to identify women with increased risk of fracture. A population-based prospective study. Bone, 56(1), 16-22. DOI: https://doi.org/10.1016/j.bone.2013.05.002
Sedrine, W.B., Chevallier, T., & Zegels, B. (2002). Development and assessment of the osteoporosis index of risk (OSIRIS) to facilitate selection of women for bone densitometry. Gynecological Endocrinology, 16(3), 245-250. DOI: https://doi.org/10.1080/gye.16.3.245.250
Federico, M., Bellei, M., & Marcheselli, L. (2009). Follicular lymphoma international prognostic index 2: A new prognostic index for follicular lymphoma developed by the international follicular lymphoma prognostic factor project. Journal of Clinical Oncology, 27(27), 4555-4562. DOI: https://doi.org/10.1200/JCO.2008.21.3991
FRAX ®Instrument otsinky ryzyku perelomiv – Fracture Risk Assessment Tool. Retrieved from: https://www.sheffield.ac.uk/FRAX/tool.aspx?country=66.
Bodden, J., Sun, D., & Joseph, G.B. (2021). Identification of non-Hodgkin lymphoma patients at risk for treatment-related vertebral density loss and fractures. Osteoporosis International, 32(2), 281-291. DOI: https://doi.org/10.1007/s00198-020-05577-9
Bellas, C., García, D., & Vicente, Y. (2014). Immunohistochemical and molecular characteristics with prognostic significance in diffuse large B-cell lymphoma. PloS one, 9(6), 98-169. DOI: https://doi.org/10.1371/journal.pone.0098169
Kanemasa, Y., Shimoyama, T., & Sasaki, Y. (2017). Beta-2 microglobulin as a significant prognostic factor and a new risk model for patients with diffuse large B-cell lymphoma. Hematological Oncology, 35(4), 440-446. DOI: https://doi.org/10.1002/hon.2312
Koh, L.K.H., Sedrine, W. Ben, & Torralba, T.P. (2001). A simple tool to identify Asian women at increased risk of osteoporosis. Osteoporosis International, 12 (8), 699-705. DOI: https://doi.org/10.1007/s001980170070
Anargyrou, K., Fotiou, D., & Vassilakopoulos, T.P. (2019). Low Bone Mineral Density and High Bone Turnover in Patients with Non-Hodgkin’s Lymphoma (NHL) Who Receive Frontline Therapy: Results of a Multicenter Prospective Study. HemaSphere, 3(6), 1-8. DOI: https://doi.org/10.1097/HS9.0000000000000303
Miyashita, K., Tomita, N., & Taguri, M. (2015). Beta-2 microglobulin is a strong prognostic factor in patients with DLBCL receiving R-CHOP therapy. Leukemia Research, 39(11), 1187-1191. DOI: https://doi.org/10.1016/j.leukres.2015.08.016
Chukur, O., Pasyechko, N., & Bob, A. (2022). Prediction of climacteric syndrome development in perimenopausal women with hypothyroidism. Przeglad menopauzalny = Menopause review, 21(4), 236-241. DOI: https://doi.org/10.5114/pm.2022.123522
Buttia, C., Llanaj, E., & Raeisi-Dehkordi, H. (2023). Prognostic models in COVID-19 infection that predict severity: a systematic review. European Journal of Epidemiology, 38(4), 355-372. DOI: https://doi.org/10.1007/s10654-023-00973-x
QFracture-2016. Retrieved from: https://qfracture.org/.
Lister, T.A., Crowther, D., & Sutcliffe, S.B. (1989). Report of a committee convened to discuss the evaluation and staging of patients with Hodgkin’s disease: Cotswolds meeting. Journal of Clinical Oncology, 7(11), 1630-1636. DOI: https://doi.org/10.1200/JCO.1989.7.11.1630
Cadarette, S.M., Jaglal, S.B., & Murray, T.M. (1999). Validation of the Simple Calculated Osteoporosis Risk Estimation (SCORE) for patient selection for bone densitometry. Osteoporosis International, 10(1), 85-90. DOI: https://doi.org/10.1007/s001980050199
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Вісник соціальної гігієни та організації охорони здоров'я України
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
