Компьютерная программа клинико-математического анализа развития послеоперационных осложнений у больных раком прямой кишки

С целью клинико-математического анализа развития послеоперационных осложнений нами была создана компьютерная программа (Свидетельство о государственной регистрации программы для ЭВМ №2013617405).

SQLite. Основой программы является база данных, в которую включены данные о 762 пациентах.

В виду большого разнообразия послеоперационных осложнений (у наших больных было отмечено более 40 различных видов осложнений) очевидна необходимость их классификации. Также эта необходимость вызвана тем, что вероятность точности прогноза для конкретного вида осложнения из их множества значительно меньше, чем для прогноза группы осложнений, объединенных по общим клинико-анатомическим характеристикам. В

отечественно литературе представлены несколько вариантов классификации послеоперационных осложнений у больных раком прямой кишки:

Федоров В.Д. (1987) предлагает разделять осложнения на 3 группы. К первой относятся обострения ранее имевшихся заболеваний под влиянием хирургического вмешательства. К ним относятся обострение пиелонефрита, ишемической болезни сердца, панкреатита и т.д. Во вторую группу включены осложнения, которые называются общехирургические, являющееся следствием лапаротомии: кровотечения, перитониты, эвентрации, кишечная непроходимость, нагноение лапаротомной раны и т.д.

В третью группу входят осложнения, являющиеся следствием операции на дистальном отделе толстой кишки. К таким осложнениям относятся флегмоны, абсцессы клетчатки полости таза, клетчатки забрюшинного пространства, параколостомические воспалительные процессы, некроз низведенной кишки и т.д. С. А. Холдин (1977) различает следующие осложнения:

1) интраоперационные, возникшие во время операции (вскрытие просвета кишки, ранение мочевыводящих путей, кровотечение и др.);

2) послеоперационные, развившиеся в ближайшем послеоперационном периоде;

3) поздние, возникшие после выписки больных из стационара.

С учетом приведенных выше классификаций, имеющегося клинического материала, общих клинико-анатомических характеристик мы предлагаем разделить все осложнения на 3 основные группы.

- инфекционно-воспалительные осложнения: нагноение лапаротомной раны, абсцесс брюшной стенки, нагноение и некроз раны промежности, эвентрация, инфильтративно-воспалительные явления в области послеоперационных ран, несостотельность анастомозов, перитонит, инфильтраты и абсцессы в брюшной полости и малого таза, некроз низведенной кишки и колостомы, пресакральный абсцесс, параколостомический абсцесс, абсцесс параректальной области, параколярные абсцессы и свищи, воспалительно-инфильтративные явления в ректовагинально перегородке и в области сфинктера;

- урологические осложнения: пиелонефрит, цистит, атония мочевого пузыря, эпидидимит, мочевые свищи;

- легочные осложнения: пневмония, плеврит, тромбэмболия легочной артерии;

В приведенной классификации не учтены обострения ранее имевшихся заболеваний, осложнения отдаленного послеоперационного периода (стриктуры, свищи и т.д.), т.к. их число было незначительно и статистически не значимо по сравнению с другими осложнениями.

Из историй болезни пациентов для клинико-математического анализа были выбраны 5 факторов. Каждый из приведенных факторов выражен в значениях (таблица 32). Таблица 32

Факторы и их значения

Разработанный нами метод заключается в накоплении и последующем использовании компьютерной базы знаний, элементами которой выступают законченные клинические случаи указанных выше групп осложнений с набором факторов.

Входными величинами, необходимыми для построения прогноза, понимают совокупность медицинских показателей (т.е. факторов). Выходным параметром является предположение, сделанное на основе данной совокупности входных величин.

Общая схема работы системы заключается в следующем. В системе ведется база данных, которая загружается в программу в виде файла Excel (рисунок 15).

Рисунок 15. База данных программы.

База содержит данные о пациенте с результатами экспертного заключения по каждому случаю. Данная база данных представляет собой справочник осложнений (результаты), признаков (факторы) и значений для каждого фактора. Для удобства работы с базой каждому значению фактора и результату (осложнению) присвоено цифровое значение. На вкладках «Results» и «Factors» представлены значения факторов и осложнений с соответствующим цифровым кодом для ввода в ячейки базы данных. Сама база данных является «учебной выборкой», т.е. у всех пациентов известно осложнение. Для загрузки базы в диалоговом окне программе нажимается клавиша «Load» (загрузка) и «Save» (сохранение) (рисунок 16).

Рисунок 16. Диалоговое окно программы

По учебной выборке строится статистика, т.е. количество пациентов по результатам и для каждого результата по значениям факторов (рисунок 17). Для этого необходимо перейти на вкладку «Statistics» и нажать клавишу «Update»

Рисунок 17. Результаты статистической обработки

Для решения наших задач мы использовали Критерий Пирсона, или критерий %2 (хи-квадрат), для того, чтобы доказать, что есть ли статистически значимые отличия в количестве пациентов с разными значениями факторов. Далее с учетом числа степеней свободы находилось критическое значение критерия по таблице критических значений и сравнивалось с полученным.

в значениях фактора «пол» для всех 3-х прогнозируемых групп осложнений статистически незначимо. Поэтому можно сделать заключение, что пол пациента не влияет на развитие осложнений в послеоперационном периоде. Для остальных факторов статистически значимые отличия присутствуют. При этом наиболее статистически значимым фактором для развития инфекционно-воспалительных и урологических осложнений является выбор способа операции и локализация опухоли в кишке, а наименее значимым - возраст пациента. Фактор наличия отдаленных метастазов является также статистически значимым, что может быть объяснено более низкой способностью организма к регенерации и нарушениями гомеостаза в послеоперационном периоде на фоне распространенного опухолевого процесса.

По этой же статистике строится результат клинико-математического анализа - прогностическая модель (рисунок 18).

Рисунок 18. Прогностическая модель программы.

Модель представляет расчет для каждого результата суммы весов факторов. В столбце «Name» указаны факторы, где «Gender» - пол, «Age» - возраст, «Loc» - локализация, классификация по TNM, «Op» - вид операции. В столбце «maxweight» указан наибольший вес значения фактора. Выбирая вид осложнения (крайняя левая часть окна программы на рисунке 18), можно наблюдать, как меняются веса значений факторов.

Нами введена возможность ввода поправочных коэффициентов факторов и их значений (столбец «rel.» на рисунке 18). Вносимые изменения учитываются в подсчете конечной суммы весов факторов для прогнозируемого осложнения. Данная возможность позволяет пользователю на основании личного опыта и клинического мышления участвовать в анализе развития осложнения. По умолчанию в программе установлен общий коэффициент «1». Т.е. изменяя значение этого коэффициента в пределах целых чисел (от 0 до 9) для каждого фактора или его значения, можно самостоятельно усиливать либо ослаблять его вклад в клинико-математический анализ развития осложнения.

После того как модель построена, проводится оценка прогноза по обучающей выборке пациентов (рисунок 19). Т.е. происходит процесс внутренней валидизации. Для этого необходимо перейти на вкладку «DataBase» и далее на вкладку «Samples»

Рисунок 19. Оценка прогноза модели

В столбце «Factors» представлен набор факторов их значений пациента, в столбце «Result» - тип осложнения послеоперационного периода, в столбце «Forecast» - результат прогноза. Прогноз строится вычислением веса для каждого из 3-х возможных результатов и сортировкой результатов по полученным весам. Т.е., результат, с числовым значением веса, превышающим веса других результатов, является наиболее вероятным.

Далее проводится оценка качества модели. Все результаты прогнозов сравниваются с известными фактическими результатами. Эта статистика отражается в таблице (рисунок 20).

Рисунок 20. Таблица результатов совпадений

Следующим этапом изучения эффективности работы программы было проведение внешней валидизации, т.е. проверке на пациентах, не включенных в обучающую выборку программы. Для этих целей было отобрано 20 пациентов с заранее известными исходами. Отбор пациентов выполнялся случайным образом. Из них мужчин было - 20 пациентов, женщин - 20 пациентов. Средний возраст мужчин - 60,3 лет, женщин - 60,5 лет.

Последовательность действий для проведения клинико-математического анализа для конкретного больного следующая. Выбирается вкладка «DataBase», затем вкладка «Samples». В правой части программе, в секции «Factors» вводятся значения факторов. После чего нажимается клавиша «Save», данные сохраняются и происходит расчет прогноза. В крайне правой секции «Forecast» отображается сумма значений весов факторов для каждого возможного исхода. Результат с наибольшим значением веса является наиболее вероятным (рисунок 21).

Рисунок 21. Введение данных для расчета прогноза.

По результатам исследования в тестовой выборке совпадение реального результата с прогнозируемым наблюдалось у 75% пациентов (13 мужчин и 17 женщин).

Для понимания работы программы представляем два клинических примера.

Пациент мужского пола, 74 лет поступил в клинику по поводу рака прямой кишки. При обследовании выявлено, что опухоль располагалась в среднеампулярном отделе прямой кишки. По данным КТ объемное образование прямой кишки инфильтрировало параректальную клетчатку. Отмечалось увеличение парагастральных, брыжеечных, паракавальных и прааортальных групп лимфоузлов. Полученные характеристики опухоли на дооперационном этапе соответствовали стадии T3N1M0. Был выбран объем оперативного вмешательства в виде

передней резекции прямой кишки с формированием деесцендоректоанастомоза аппаратным способом. Вышеуказанные данные (мужской пол, возраст 74 года, среднеампулярный отдел, стадия T3N1M0, операция - передняя резекция) были введены в программу «Forecast» для расчета прогноза развития осложнений. Были получены следующие результаты (рисунок 22).

Forecast

Рисунок 22. Результаты прогноза

В соответствии с прогнозом программы наибольший удельный вес имеют инфекционно-воспалительные осложнения. Следует отметить, что у данного пациента в послеоперационном периоде развилась несостоятельность анастомоза с формированием свища.

Пример №2. Пациентка Г., 51 поступила в клинику в экстренном порядке с признаками кишечной непроходимости. После консервативного лечения явления непроходимости были купированы. При обследовании была выявлена стенозирующая эндофитная опухоль верхнеампулярного отдела прямой кишки с участком изъязвления. При инструментальном обследовании данных за отдаленные метастазы получено не было. На 10-е сутки после подготовки была принято решение о выполнении операци - передней резекции прямой кишки аппаратным методом. Вышеуказанные данные (женский пол, возраст 51 год, верхнеампулярный отдел, стадия T4№M0, операция - передняя резекция) были введены в программу «Forecast» для расчета прогноза развития осложнений. Были получены следующие результаты (рисунок 23).

Forecast

Рисунок 23. Результаты прогноза

В соответствии с прогнозом программы наибольший удельный вес имеют инфекционно-воспалительные осложнения. Следует отметить, что у данной пациентки в послеоперационном периоде развилась несостоятельность анастомоза, разрешившаяся на фоне консервативных мероприятий.

4.4.