Preview

ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология

Расширенный поиск

Разработка верифицированной шкалы риска остеоартрита на основе кросс-секционного исследования клинико-анамнестических параметров и фармакологического анамнеза пациентов

https://doi.org/10.17749/2070-4909/farmakoekonomika.2023.158

Содержание

Перейти к:

Аннотация

Цель: разработка и верификация шкалы для выявления пациентов с высоким риском остеоартрита (ОА).

Материал и методы. Представлены результаты анализа выборки пациентов в возрасте 35–90 лет из базы данных Института микроэлементов (n=3440), включившей информацию о клинико-анамнестических, диагностических параметрах и фармакотерапии больных, в т.ч. пациентов с ОА (n=107). Для анализа информации о пациентах использовали современные методы анализа данных, развиваемые в рамках топологической теории распознавания.

Результаты. На основании анализа выборки разработана 100-балльная шкала из 27 пунктов, позволяющая выявлять больных с высоким риском ОА (чувствительность 88%, специфичность 100%). Для пациентов с высокими баллами по шкале перспективно своего рода «упреждающее» назначение симптоматических лекарственных средств замедленного действия (СЛСЗД) на основе высокоочищенных субстанций хондроитина сульфата (ХС) и глюкозамина сульфата (ГС). Доказательная база по ХС/ГС весьма обширна и была рассмотрена ранее.

Заключение. Заблаговременное принятие профилактических мер (в т.ч. назначение СЛСЗД на основе ХС/ГС) у пациентов с высоким баллом по разработанной шкале может снизить риск ОА.

Для цитирования:


Торшин И.Ю., Лила А.М., Загородний Н.В., Назаренко А.Г., Ткачева О.Н., Дудинская Е.Н., Алексеева Л.И., Таскина Е.А., Сарвилина И.В., Шавловская О.А., Данилов А.Б., Минасов Т.Б., Галустян А.Н., Малявская С.И., Громов А.Н., Егорова Е.Ю., Васильева Л.В., Евстратова E.Ф., Гоголева И.В., Федотова Л.Э., Удовика М.И., Максимов В.А., Повзун А.С., Громова О.А. Разработка верифицированной шкалы риска остеоартрита на основе кросс-секционного исследования клинико-анамнестических параметров и фармакологического анамнеза пациентов. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2023;16(1):70–79. https://doi.org/10.17749/2070-4909/farmakoekonomika.2023.158

For citation:


Torshin I.Yu., Lila А.М., Zagorodniy N.V., Nazarenko А.G., Tkacheva О.N., Dudinskaya Е.N., Alekseeva L.I., Taskina Е.А., Sarvilina I.V., Shavlovskaya О.А., Danilov A.B., Minasov Т.B., Galustyan А.N., Malyavskaya S.I., Gromov А.N., Egorova Е.Yu., Vasilyeva L.V., Evstratova E.F., Gogoleva I.V., Fedotova L.E., Udovika М.I., Maximov V.A., Povzun А.S., Gromova О.А. Development of a verified osteoarthritis risk scale based on a cross-sectional study of clinical and anamnestic parameters and pharmacological anamnesis of patients. FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2023;16(1):70–79. (In Russ.) https://doi.org/10.17749/2070-4909/farmakoekonomika.2023.158

ВВЕДЕНИЕ / INTRODUCTION

Остеоартрит (ОА) представляет собой значимую медико-социальную проблему, что обусловлено его высокой распространенностью, сохраняющейся тенденцией к росту числа больных, хроническим течением и высокой инвалидизацией пациентов. По оценкам Глобального исследования бремени болезней за 2019 г., ОА страдает 7% населения земного шара, что в совокупности составляет более 500 млн чел. [1].

На сегодняшний день одной из приоритетных задач в ревматологии является создание алгоритмов выявления пациентов с высоким риском развития и прогрессии ОА, что позволит выделять больных для проведения персонифицированного лечения и профилактических мероприятий, результатом которых может быть снижение данных рисков. Проведенные нами ранее исследования позволили определить комплекс клинических, биохимических и метаболомных предикторов формирования ОА. В частности, были обнаружены сочетания коморбидных диагнозов, нарушений уровней микро-элементов и нуклеотидные варианты генетических полиморфизмов, которые характерны для пациентов с ОА [2].

Интересным результатом работы [2] явилось установление того факта, что с ОА коморбидны не менее 18 диагнозов по Международной классификации болезней 10-го пересмотра. Было выделено так называемое ядро коморбидности ОА, включающее четыре патологии (желчнокаменная болезнь, хроническая ишемия мозга, атеросклероз, тромбофлебит), и установлены семь вариантов наиболее частых сочетаний этих диагнозов. На основании анализа микроэлементного состава волос и нуклеотидных полиморфизмов также выявлены биохимические и генетические биомаркеры ОА [2].

Помимо анализа мультиморбидности при ОА, показателей генетического и биохимического профилей пациентов для построения шкал прогнозирования ОА необходим анализ и фармакотерапевтических групп лекарственных средств, которые пациенты получают из-за сопутствующей патологии. Например, при ишемической болезни сердца назначаются антигиперлипидемические препараты, диуретики, β-блокаторы, антиаритмические препараты, которые потенциально могут влиять на риск ОА [3].

Такого рода данные, как правило, достаточно редко собираются и анализируются в ходе клинических исследований по ОА. Информация из ресурса Института микроэлементов (база данных ИМБД), собранная в ходе обследования нескольких тысяч пациентов в рамках исследовательских программ Московского сотрудничающего центра Института микроэлементов при ЮНЕСКО1, позволяет проводить кросс-секционные исследования, результатом которых является построение верифицированных балльных шкал. Такие клинико-эпидемиологические исследования дают возможность разрабатывать алгоритмы, с помощью которых можно с высокой аккуратностью выявлять пациентов с предрасположенностью к ОА в рамках донозологического скрининга. Для анализа многофакторных корреляций между показателями состояния здоровья использованы современные методы топологического анализа данных, разрабатываемые в рамках алгебраического подхода к распознаванию [4].

Цель – разработка и верификация шкалы для выявления пациентов с ОА.

МАТЕРИАЛ И МЕТОДЫ / MATERIAL AND METHODS

База данных / Database

ИМБД содержит медицинскую информацию по нескольким тысячам пациентов, обследованных в рамках исследовательских программ. Пополнение ИМБД осуществляется не только за счет собственных исследований, но и за счет данных из таких источников, как National Center for Biotechnology Information (NCBI)2, General Practice Research Database (GPRD), EUROCAT и др. Более подробное описание ИМБД представлено в работе [5]; для целей настоящего исследования важно, что в ИМБД содержится не только подробная анамнестическая информация, но и сведения о принимаемых пациентом лекарственных препаратах (антибиотики, противовирусные, противогрибковые, противомалярийные, противотуберкулезные, противодиабетические, антигиперлипидемические, антиаритмические препараты и др.).

В результате анализа ИМБД сформирована выборка пациентов в возрасте 35–90 лет, включившая данные о 2120 признаках для 3440 пациентов (в т.ч. 107 больных ОА), у которых верифицировали наличие ОА и собрана информация о клинико-анамнестических, диагностических параметрах и фармакотерапии.

Методы анализа данных / Methods of data analysis

Для статистической обработки результатов исследования использовали программный пакет Statistica 10.0 (StatSoft Inc., США) и электронные таблицы Microsoft Excel (Microsoft, США). Для сравнения двух групп с нормально распределенными числовыми данными применяли t-критерий Стьюдента. Сравнение числовых показателей, распределение которых отличалось от нормального, проводили с помощью T-критерия Вилкоксона–Манна–Уитни.

Для анализа всей совокупности корреляций между показателями состояния пациентов использовали современные методы интеллектуального анализа данных, развиваемые в рамках топологического подхода к распознаванию: метод анализа метрических сгущений в пространстве параметров, метод метрических карт [6], методы прогнозирования числовых таргетных переменных [7]. Математические детали использованных методов (в т.ч. сравнения с другими подходами и алгоритмами) приведены в цикле работ по метрическому анализу данных [4–7].

РЕЗУЛЬТАТЫ / RESULTS

Наиболее информативные предикторы остеоартрита / The most informative predictors of osteoarthritis

Исследованная выборка (n=3440) включила данные о пациентах, для которых была собрана весьма подробная информация об анамнезе (сердечно-сосудистом, респираторном, желудочно-кишечном, онкологическом, ревматологическом, эндокринологическом и др.), а также об эпизодической симптоматике и фармакотерапии. Методами топологического анализа данных был выделен 21 признак, которые можно подразделить на три группы: клинико-анамнестические (пиелонефрит, язвенная болезнь желудка в анамнезе, острая реакция на стресс, псориаз, заболевания щитовидной железы и др.), симптоматические в группе диагностических параметров (общая слабость, недифференцированная сыпь на коже, боли в коленном суставе, в области шейного или поясничного отделов позвоночника) и фармакотерапевтические (прием средств для лечения псориаза, противомалярийных, эстрогенсодержащих, антиаритмических препаратов, кардиоселективных β-адреноблокаторов, ингибиторов протонной помпы и др.). Являясь возможными предикторами ОА, эти признаки могут использоваться для построения балльных шкал.

Построение диаграммы позволило провести анализ сочетаний отдельных предикторов ОА, которые отличались наибольшей частотой встречаемости в выборке. К этим предикторам относились наличие у пациента гипертонии (15% обследованных), прием статинов (18%), ингибиторов протонной помпы (43%), антиаритмических препаратов (22%), диуретиков (32%), кардио-селективных β-блокаторов (35%). Результаты представлены на рисунке 1 и в таблице 1.

Рисунок 1. Кривая «специфичность–чувствительность» для сочетаний предикторов остеоартрита, которые отличались наибольшей частотой встречаемости в выборке. Каждое сочетание обозначено комбинацией единиц и нулей так, что крайне левая (первая) позиция сочетания соответствует наличию гипертонии, вторая – приему статинов, третья – ингибиторов протонной помпы, четвертая – антиаритмических средств, пятая – диуретиков, шестая – кардиоселективных β-блокаторов (да – 1, нет – 0). На рисунке обозначены наиболее часто встречающиеся сочетания
Figure 1. A specificity-sensitivity curve for combinations of osteoarthritis predictors that had the highest incidence rate in the sampling. Each association is characterized by a combination of 1s and 0s so that the leftmost (first) position of the association corresponds with the presence of hypertonia, the second – with the intake of statins, the third – proton pump inhibitors, the fourth – antiarrhythmic agents, the fifth – diuretics, and the sixth – cardioselective β-blockers (yes – 1, no – 0). The most frequent combinations are presented in the figure

Таблица 1. Отдельные примеры сочетаний наиболее часто встречающихся предикторов остеоартрита
Table 1. Some combinations of the most frequent osteoarthritis predictors

Сочетание / Combination

n

ОШ OA / OA OR

ОШ ошибки / Mistake OR

Группа риска / Risk group

011101

9

5,08

1,55

Пациенты без АГ, принимающие статины, ИПП, антиаритмики и β-блокаторы без приема диуретиков / Patients without AH who take statins, PPI, antiarrhythmics, β-blockers and do not take diuretics

110001

13

3,48

2,33

Пациенты с АГ, принимающие β-блокаторы без приема ИПП, статинов, диуретиков, антиаритмиков / Patients with AH who take β-blockers and do not take PPI, statins, diuretics, antiarrhythmics

101011

20

3,32

2,56

Пациенты с АГ, принимающие ИПП и β-блокаторы без приема статинов, диуретиков, антиаритмиков / Patients with AH who take PPI and β-blockers and do not take statins, diuretics, antiarrhythmics

111000

19

2,37

3,50

Пациенты с АГ, принимающие статины и ИПП без приема диуретиков, антиаритмиков, β-блокаторов / Patients with AH who take statins and PPI and do not take diuretics, antiarrhythmics, β-blockers

011100

22

2,32

3,63

Пациенты без АГ, принимающие статины, ИПП, антиаритмики без приема диуретиков, β-блокаторов / Patients without AH who take statins, PPI, antiarrhythmics and do not take diuretics, β-blockers

001100

194

2,19

4,26

Пациенты без АГ, принимающие ИПП и антиаритмики без приема диуретиков, статинов, β-блокаторов / Patients without AH who take PPI and antiarrhythmics and do not take diuretics, statins, β-blockers

001000

1393

1,39

5,52

Пациенты без АГ, принимающие ИПП без приема диуретиков, антиаритмиков, β-блокаторов, статинов / Patients without AH who take PPI and do not take diuretics, antiarrhythmics, β-blockers, statins

010010

103

0,75

10,43

Пациенты без АГ, принимающие статины и диуретики без приема антиаритмиков, ИПП, β-блокаторов / Patients without AH who take statins and diuretics and do not take antiarrhythmics, PPI, β-blockers

010100

34

0,54

13,99

Пациенты без АГ, принимающие статины и антиаритмики без приема диуретиков, ИПП, β-блокаторов / Patients without AH who take statins and antiarrhythmics and do not take diuretics, PPI, and β-blockers

Примечание. Каждое сочетание обозначает (слева направо) наличие у пациента артериальной гипертонии (АГ), приема статинов, ингибиторов протонной помпы (ИПП), антиаритмических средств, диуретиков, кардиоселективных β-блокаторов (есть – 1, нет – 0). ОШ ОА – отношение шансов для оценки риска остеоартрита при наличии у пациента данного сочетания признаков. ОШ ошибки – отношение шансов того, что наличие данного сочетания приведет к ошибочной (ложнонегативной) интерпретации пациента с остеартритом. Сочетания предикторов упорядочены по убыванию значений ОШ ОА.
Note. Each сombination (left to right) stands for the presence of arterial hypertension (AH) in a patient, intake of statins, proton pump inhibitors (PPI), antiarrhythmics, diuretics, cardioselective β-blockers (yes – 1, no – 0). OA OR – odds ratio for assessing the risk of osteoarthritis in the presence of this combination in the patient. Mistake OR – mistake odds ratio that the presence of this сombination will lead to false-negative interpretation of a patient with osteoarthritis. The сombinations of predictors are arranged by a descending order of OA OR

Анализ сочетаний наиболее часто встречающихся признаков у пациентов с ОА (см. рис. 1) позволил не только описать наиболее характерные группы риска (см. первые пять строк табл. 1), но и выявить сочетания факторов, приводящих к ложнонегативному классифицированию. В частности, интересно отметить, что сочетание признаков, обозначенное как 001000 (пациенты без артериальной гипертензии, принимающие ингибиторы протонной помпы без приема диуретиков, антиаритмиков, β-блокаторов, статинов), встречалось у 18% обследованных и соответствовало небольшому повышению риска ОА (всего на 39%, ОШ 1,39). В то же время данное сочетание соответствовало 5-кратному повышению риска ошибочной классификации пациента с ОА (ОШ 5,52). В целом более низкая информативность сочетания предикторов (колонка ОШ ОА в табл. 1) приводит к большей ошибке при прогнозировании ОА (рис. 2).

Рисунок 2. Соотношение между информативностью типичных сочетаний предикторов остеоартрита (ОА) и ошибками классификации пациентов с ОА. «Риск низкой информативности» соответствует делению единицы на показатель «ОШ ОА» (см. табл. 1), т.е. на отношение шансов для оценки риска ОА при наличии у пациента данного сочетания признаков. «Риск того, что сочетание признаков приведет к ошибке» соответствует показателю «ОШ ошибки» в таблице 1 (отношение шансов того, что наличие данного сочетания приведет к ложнонегативной классификации пациентов с ОА)
Figure 2. The ratio between the informative value of typical associations of osteoarthritis (OA) predictors and mistakes in the classification of patients with OA. “Risk of low informative value” corresponds to a division of 1 by the parameter “OA OR” (see Table 1), i.e. the odds ratio for the evaluation of the risk of OA in a patient with this combination of signs. “Risk of the combination leading to a mistake” corresponds to the parameter “mistake OR” in Table 1 (odds ratio for a combination that leads to false-negative classification of patients with OA)

Балльная шкала / Scale

Балльная шкала строилась на основании поиска оптимального набора весов признаков в рамках решения задачи линейного прогнозирования. Иначе говоря, отклик y (т.е. наличие ОА) прогнозировался на основании суммирования признаков/предикторов pi с весами ωi по формуле y = ∑ωipi. Условием наличия ОА у пациента являлось превышение откликом y = ∑ωipi некоторого порогового значения С, y > C. В результате решения данной задачи методами топологического анализа данных были найдены оптимальные значения весов ωi. Интересно отметить, что бо́льшие абсолютные значения весов признаков могут в ряде случаев быть обратно пропорциональны их статистической значимости (рис. 3).

Рисунок 3. Соотношение между статистической значимостью отдельных предикторов (значение р по t-тесту) и весами предикторов в линейной схеме прогнозирования остеоартрита (y = ∑ωipi > C)
Figure 3. The association between statistical significance of some predictors (p, t-test) and the weight of predictors in the linear scheme of osteoarthritis prognosis
(y = ∑ωipi > C)

В целом в результате анализа выборки, включившей информацию из ИМБД о клинико-анамнестических характеристиках, включая эпизодическую симптоматику, и фармакотерапии 3440 пациентов, была сформирована балльная шкала (табл. 2).

Таблица 2. Балльная шкала для оценки риска остеоартрита на основе данных о клинико-анамнестической характеристике (включая эпизодическую симптоматику) и фармакотерапии (n=3440)

Table 2. Score for the evaluation of the risk of osteoarthritis based on medical history, episodic symptoms, and pharmacotherapy (n=3440)

Признак / Sign

Вес / Weight

Балл / Score

Анамнез / Medical history

Пиелонефрит неуточненный / Pyelonephritis, unspecified

23,5

 

У пациента найдены ≥2 из 5 патологий: хроническая ишемия мозга, cахарный диабет, тромбофлебит, атеросклероз, желчнокаменная болезнь / The patient was found to have ≥2 out of 5 pathologies: chronic cerebral ischemia, diabetes mellitus, thrombophlebitis, atherosclerosis, cholelithiasis

22,1

 

Язва желудка / Gastric ulcer

13,7

 

Острая реакция на стресс (МКБ-10 F43.0) / Acute stress reaction (ICD-10 F43.0)

6,3

 

Псориаз / Psoriasis

4,8

 

Заболевания щитовидной железы / Thyroid disorders

3,8

 

Проведена кожная проба для исключения туберкулеза*1 / Skin test was performed to exclude tuberculosis*1

3,6

 

Инфекции мочевыводящих путей / Urinary tract infection

3,5

 

Артериальная гипертония / Arterial hypertension

3,2

 

Проведен ПЦР-тест для исключения гепатита*1 / PCR test was performed to exclude hepatitis*1

2,8

 

Бронхит / Bronchitis

2,3

 

Симптоматика (встречается эпизодически, не реже 1 раза в 6 мес) / Symptoms (occur episodically, ≥1 time per 6 month

Общая слабость / General fatigue

1,5

 

Боли в колене / Knee pain

1,4

 

Сыпь на коже / Rash

1,3

 

Боли в пояснице / Lumbar pain

1,1

 

Боли в шее / Neck pain

0,8

 

Фармакотерапия (в анамнезе) / Pharmacotherapy (in medical history)

Средства для лечения псориаза / Antipsoriatic agents

11,8

 

Противомалярийные хинолоны / Antimalarial quinolones

7,8

 

Эстрогенсодержащие препараты per os / Oral estrogen-containing agents

2,6

 

Антиаритмики*2 / Antiarrhythmics*2

1,3

 

Кардиоселективные β-адреноблокаторы / Cardioselective β-blockers

1,0

 

Ингибиторы протонной помпы*3 / Proton pump inhibitors*3

0,7

 

Диуретики / Diuretics

0,6

 

Статины / Statins

0,5

 

Цитрат магния (регулярный прием) / Magnesium citrate (regular intake)

–1,0

 

Антиандрогенные препараты / Anti-androgens

–1,0

 

Препараты лития (регулярно) / Lithium-containing drugs (regular intake)

–1,1

 

Цитрат кальция (регулярно) / Calcium citrate (regular intake)

–1,1

 

Препараты цинка (регулярно) / Zinc-containing drugs (regular intake)

–1,1

 

Итог / Total

   

*1 Тесты на туберкулез/гепатит были проведены у пациентов с подозрением на эти инфекции.

*1 Tuberculosis/hepatitis tests were conducted in patients with suspected infections.

*2 Если антиаритмические агенты употребляются при отсутствии гипертонии, приема статинов, ингибиторов протонной помпы, диуретиков и кардиоселективных β-блокаторов, то вес данного признака умножается на 4.

*2 If antiarrhythmic agents are taken by patients without arterial hypertonia and intake of statins, proton pump inhibitors, diuretics, and cardioselective β-blockers, the weight of this sign is multiplied by 4.

*3 Если ингибиторы протонной помпы употребляются при отсутствии гипертонии, приема статинов, антиаритмических агентов и диуретиков, то вес этого признака умножается на 5.

*3 If proton pump inhibitors are taken by patients without arterial hypertension who do not take statins, antiarrhythmic agents, and diuretics, the weight of this sign is multiplied by 5.

Инструкция к использованию балльной шкалы

При наличии признака поставьте «1» в крайней правой колонке. Затем сложите веса признаков, отмеченных «1» (с учетом примечаний*) и запишите сумму в в ячейку «Итог». Величина полученного результата более 45 баллов соответствует повышенному риску остеоартрита (чувствительность 88%, специфичность 100%).

Instruction on the application of the score scale

The presence of a sign adds “1” in rightmost table column. Add up the weights of the signs marked with “1” (considering the notes*) and write down the total sum in the “Total” table cell. The total score > 45 points corresponds to an increased risk of osteoarthritis (sensitivity 88%, specificity 100%).

Примечание. МКБ-10 – Международная классификация болезней 10-го пересмотра; ПЦР – полимеразная цепная реакция. В каждом из трех разделов вопросы упорядочены по убыванию весов.
Note. ICD-10 – International Classification of Diseases, 10th revision; PCR – polymerase chain reaction. In each section, the questions are arranged in a descending order of the weight.

Для верификации шкалы были проведены кросс-валидационные эксперименты, в ходе которых выборка (n=3440) случайным образом делилась на обучающую (n=1720) и контрольную (n=1720). Эти эксперименты (10 случайных разделений на обучающую и контрольную выборки) показали, что наиболее приемлемые результаты получаются при использовании порогового значения C=45 в формуле прогнозирования y = ∑ωipi > C. Величина ∑ωipi более 45 баллов соответствует повышенному риску ОА (чувствительность 88%, специфичность 100%) (рис. 4).

Рисунок 4. Верификация балльной шкалы. Приведены примеры кривых «специфичность–чувствительность» для случайного разделения первой выборки на обучение и контроль. Рядом с точками показаны различные пороговые значения баллов (параметр С в линейной схеме прогнозирования остеоартрита y = ∑ωipi > C)
Figure 4. Verification of the score scale. Examples of specificity-sensitivity curves for a randomized sampling for learning and control. Various threshold values of score are shown nearby the dots (parameter C in the linear scheme of osteoarthritis prognosis y = ∑ωipi > C)

ОБСУЖДЕНИЕ / DISCUSSION

В ревматологии хорошо известна симптоматика ОА, в т.ч. связанная с нарушениями двигательной функции суставов и болевым синдромом. Совокупность результатов клинических наблюдений и данных инструментального обследования пациентов (прежде всего, рентгенографии) позволяет диагностировать ОА с высокой точностью. В то же время не менее важно установление более ранних предикторов ОА, которые способствуют формированию ОА у пациентов.

В результате анализа выборки пациентов методами анализа больших данных, разрабатываемых в рамках топологического подхода к распознаванию3, была разработана 100-балльная шкала, основанная на данных о перенесенных ранее заболеваниях, фармакоанамнезе пациента и симптоматике, напрямую не связанной с ОА, и позволяющая выявлять пациентов с высоким риском ОА. Для пациентов без формально диагностированного ОА, но с высокими баллами по шкале перспективно своего рода «упреждающая» первичная лекарственная профилактика симптоматическими лекарственными средствами замедленного действия (СЛСЗД) на основе высокоочищенных субстанций хондроитина сульфата (ХС) и глюкозамина сульфата (ГС), стандартизированных по содержанию действующих веществ. Доказательная база по данному вопросу была рассмотрена ранее (в частности, в работе [8]).

ГС в виде фармацевтической микрокристаллической субстанции содержит 99% ГС и является действующим веществом препарата Сустагард® Артро (производство компании «Сотекс» на основе фармацевтической субстанции от компании «Био-иберика», Испания). Для стандартизации субстанции ХС требования еще сложнее: важны соблюдение определенного диапазона молекулярно-весовых характеристик ХС, профиль сульфатирования ХС4 и ХС6, отсутствие пересульфатированных форм ХС и белковых примесей, очистка от токсичных металлов и содержание ХС более 99%. Такие условия соблюдены при производстве препарата Хондрогард® (производство компании «Сотекс» на основе фармацевтической субстанции производства компании «Биоиберика», Испания) [8][9].

Заметим, что именно клинические исследования препарата Хондрогард® [10] упоминаются в клинических рекомендациях по лечению гонартроза [11] и коксартроза [12], одобренных Научно-практическим советом Минздрава России в 2021 г. Согласно рекомендациям ХС (в т.ч. в комбинации с ГС) следует использовать на начальных стадиях коксартроза (уровень убедительности рекомендаций A, уровень достоверности доказательств 1) и гонартроза (уровень убедительности рекомендаций B, уровень достоверности доказательств 2), а также при множественном поражении суставов. Назначение ХС, ГС и их комбинаций рекомендовано для уменьшения боли, улучшения функции суставов. Эффект сохраняется в течение нескольких месяцев после отмены препаратов. Указанные лекарственные средства обладают высокой степенью безопасности, сравнимой с плацебо, что чрезвычайно важно для больных пожилого возраста и с коморбидностью.

ЗАКЛЮЧЕНИЕ / CONCLUSION

Общепринятыми признаками ОА являются боль, ограничение объема движений и рентгенологические признаки (сужение суставной щели, остеофитоз и субхондральный склероз). Однако эти признаки указывают на то, что заболевание уже сформировалось.

В этой работе мы предприняли первую попытку выявить предикторы ОА, основанные не только на упомянутой выше симптоматике ОА, но и на данных о 1) перенесенных ранее заболеваниях, 2) фармакоанамнезе пациента, 3) симптоматике, напрямую не связанной с ОА. В результате разработана 100-балльная шкала, позволяющая выявлять пациентов с потенциально высоким риском ОА и проводить своевременные профилактические мероприятия (нормализация двигательного режима и диеты, прием витамина D3, омега-3 полиненасыщенных жирных кислот, ХС/ГС и др.).

1. http://trace-elements.ru.

2. https://www.ncbi.nlm.nih.gov.

3. http://www.bigdata-mining.ru.

Список литературы

1. Global Burden of Disease Study 2019. Latest GBD results: 2019. URL: https://www.healthdata.org/gbd/gbd-2019-resources (дата обращения 12.10.2021).

2. Торшин И.Ю., Лила А.М., Наумов А.В. и др. Перспективы персонификации профилактики и терапии остеоартрита на основании анализа коморбидного фона, генетических полиморфизмов и микроэлементного статуса. ФАРМАКО-ЭКОНОМИКА. Современная фармакоэкономика и фармако-эпидемиология. 2021; 14 (1): 28–39. https://doi.org/10.17749/2070-4909/farmakoekonomika.2021.077.

3. Nukala S., Puvvada S.R., Luvsannyam E., et al. Hyperlipidemia and statin use on the progression of osteoarthritis: a systematic review. Cureus. 2021; 13 (6): e15999. https://doi.org/10.7759/cureus.15999.

4. Torshin I.Yu., Rudakov K.V. On the theoretical basis of the metric analysis of poorly formalized problems of recognition and classification. Pattern Recognit Image Anal. 2015; 25 (4): 577–87. https://doi.org/10.1134/S1054661815040252.

5. Лиманова О.А., Торшин И.Ю., Сардарян И.С. и др. Обеспеченность микронутриентами и женское здоровье: интеллектуальный анализ клинико-эпидемиологических данных. Вопросы гинекологии, акушерства и перинатологии. 2014; 13 (2): 5–15.

6. Torshin I.Yu., Rudakov K.V. On the procedures of generation of numerical features over partitions of sets of objects in the problem of predicting numerical target variables. Pattern Recognit Image Anal. 2019; 29 (4): 654–67. https://doi.org/10.1134/S1054661819040175.

7. Torshin I.Yu., Rudakov K.V. On metric spaces arising during formalization of recognition and classification problems. Part 1: Properties of compactness. Pattern Recognit Image Anal. 2016; 26 (2): 274–84. https://doi.org/10.1134/S1054661816020255.

8. Торшин И.Ю., Лила А.М., Наумов А.В. и др. Метаанализ клинических исследований эффективности лечения остеоартита препаратом Хондрогард. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2020; 13 (4): 388– 99. https://doi.org/10.17749/2070-4909/farmakoekonomika.2020.066.

9. Громова О.А., Торшин И.Ю., Зайчик Б.Ц. и др. О различиях в стандартизации лекарственных препаратов на основе экстрактов хондроитина сульфата. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2021; 14 (1): 40–52. https://doi.org/10.17749/2070-4909/farmakoekonomika.2021.083.

10. Алексеева Л.И., Аникин С.Г., Зайцева Е.М. и др. Исследование эффективности, переносимости и безопасности препарата Хондрогард у пациентов с остеоартрозом. Русский медицинский журнал. 2013; 24 (32): 1624–7.

11. Клинические рекомендации – Гонартроз – 2021-2022-2023 (03.09.2021) – Утверждены Минздравом РФ. URL: http://disuria.ru/_ld/10/1085_kr21M17MZ.pdf (дата обращения 12.10.2021).

12. Клинические рекомендации – Коксартроз – 2021-2022-2023 (03.09.2021) – Утверждены Минздравом РФ. URL: http://disuria.ru/_ld/10/1086_kr21M16MZ.pdf (дата обращения 12.10.2021).


Об авторах

И. Ю. Торшин
Федеральный исследовательский центр «Информатика и управление» Российской академии наук
Россия

Торшин Иван Юрьевич – к.ф-м.н., к.х.н., старший научный сотрудник

Scopus Author ID: 7003300274; WoS ResearcherID: C-7683-2018

ул. Вавилова, д. 4, Москва 211933



А. М. Лила
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт ревматологии им. В.А. Насоновой»
Россия

Лила Александр Михайлович – д.м.н., профессор, директор

Scopus Author ID: 6602550827; WoS ResearcherID: W-3334-2017

Каширское ш., д. 34А, Москва 115522



Н. В. Загородний
Федеральное государственное бюджетное учреждение «Национальный медицинский исследовательский центр травматологии и ортопедии им. Н.Н. Приорова»
Россия

Загородний Николай Васильевич – д.м.н., чл.-корр. РАН, профессор кафедры травматологии и ортопедии, руководитель клиники эндопротезирования суставов

ул. Приорова, д. 10, Москва 127299



А. Г. Назаренко
Федеральное государственное бюджетное учреждение «Национальный медицинский исследовательский центр травматологии и ортопедии им. Н.Н. Приорова»
Россия

Назаренко Антон Герасимович – д.м.н., профессор РАН, директор

ул. Приорова, д. 10, Москва 127299



О. Н. Ткачева
Федеральное государственное автономное образовательное учреждение высшего образования «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова» Министерства здравоохранения Российской Федерации
Россия

Ткачева Ольга Николаевна – д.м.н. профессор, член-корр. РАН, директор ОСП «Российский геронтологический научно-клинический центр»

WoS ResearcherID: M-4510-2014

ул. Островитянова, д. 1, Москва 117513



Е. Н. Дудинская
Федеральное государственное автономное образовательное учреждение высшего образования «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова» Министерства здравоохранения Российской Федерации
Россия

Дудинская Екатерина Наильевна – д.м.н., заведующая лабораторией возрастных метаболических эндокринных нарушений ОСП «Российский геронтологический научно-клинический центр»

WoS ResearcherID: AAI-4271-2021

ул. Островитянова, д. 1, Москва 117513



Л. И. Алексеева
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт ревматологии им. В.А. Насоновой»
Россия

Алексеева Людмила Ивановна – д.м.н., заведующая отделом метаболических заболеваний костей и суставов с центром профилактики остеопороза

Каширское ш., д. 34А, Москва 115522



Е. А. Таскина
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт ревматологии им. В.А. Насоновой»
Россия

Таскина Елена Александровна – к.м.н., старший научный сотрудник лаборатории остеоартрита отдела метаболических заболеваний костей и суставов с центром профилактики остеопороза

Каширское ш., д. 34А, Москва 115522



И. В. Сарвилина
Общество с ограниченной ответственностью «Медицинский центр «Новомедицина»
Россия

Сарвилина Ирина Владиславовна – д.м.н., клинический фармаколог, главный врач

Социалистическая ул., д. 74, Ростов-на-Дону 344002



О. А. Шавловская
Автономная некоммерческая организация высшего образования «Международный университет восстановительной медицины»
Россия

Шавловская Ольга Александровна – д.м.н., профессор кафедры организации медицинской реабилитации и санаторно-курортного лечения

WoS ResearcherID: V-4470-2018; Scopus Author ID: 15124744300

Фурманный пер., д. 8/2, Москва 105062



А. Б. Данилов
Федеральное государственное автономное образовательное учреждение высшего образования «Первый Московский государственный медицинский университет им. И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет)
Россия

Данилов Алексей Борисович – д.м.н., заведующий кафедрой нервных болезней Института профессионального образования

WoS ResearcherID: AAO-8351-2021; Scopus Author ID: 16734010700

ул. Трубецкая, д. 8/2, Москва 119048



Т. Б. Минасов
Федеральное государственное бюджетное образовательное учреждение высшего образования «Башкирский государственный медицинский университет» Министерства здравоохранения Российской Федерации
Россия

Минасов Тимур Булатович – д.м.н., профессор кафедры травматологии и ортопедии с курсом Института дополнительного профессионального образования

Scopus Author ID: 17346255400

ул. Ленина, д. 3, Уфа 450008



А. Н. Галустян
Государственное бюджетное образовательное учреждение высшего профессионального образования «Санкт-Петербургский государственный педиатрический медицинский университет» Министерства здравоохранения Российской Федерации
Россия

Галустян Анна Николаевна – к.м.н., доцент, заведующая кафедрой фармакологии с курсом клинической фармакологии и фармакоэкономики

ул. Литовская, д. 2, Санкт-Петербург 194100



С. И. Малявская
Федеральное государственное бюджетное образовательное учреждение высшего образования «Северный государственный медицинский университет» Министерства здравоохранения Российской Федерации
Россия

Малявская Светлана Ивановна – д.м.н., профессор, проректор по научной работе

WoS ResearcherID: L-6642-2017; Scopus Author ID: 16304646300

пр-т Троицкий, д. 51, Архангельск 163000



А. Н. Громов
Федеральный исследовательский центр «Информатика и управление» Российской академии наук
Россия

Громов Андрей Николаевич – инженер-исследователь

Scopus Author ID: 7102053964; WoS ResearcherID: C-7476-2018

ул. Вавилова, д. 4, Москва 211933



Е. Ю. Егорова
Федеральное государственное бюджетное образовательное учреждение высшего образования «Ивановская государственная медицинская академия» Министерства здравоохранения Российской Федерации
Россия

Егорова Евгения Юрьевна – к.м.н., доцент кафедры безопасности жизнедеятельности и общемедицинских знаний

Шереметевский пр-т, д. 8, Иваново 153012



Л. В. Васильева
Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Министерства здравоохранения Российской Федерации
Россия

Васильева Людмила Валентиновна – д.м.н., профессор, заведующая кафедрой пропедевтики внутренних болезней

ул. Студенческая, д. 10, Воронеж 394036



E. Ф. Евстратова
Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Министерства здравоохранения Российской Федерации
Россия

Евстратова Елизавета Федоровна – д.м.н., доцент, ассистент кафедры пропедевтики внутренних болезней

ул. Студенческая, д. 10, Воронеж 394036



И. В. Гоголева
Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Министерства здравоохранения Российской Федерации
Россия

Гоголева Ирина Викторовна – к.м.н., доцент кафедры фармакологии и клинической фармакологии

Scopus Author ID: 35773149200

ул. Студенческая, д. 10, Воронеж 394036



Л. Э. Федотова
Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Министерства здравоохранения Российской Федерации
Россия

Федотова Любовь Эдуардовна – к.м.н., доцент кафедры фармакологии и клинической фармакологии

ул. Студенческая, д. 10, Воронеж 394036



М. И. Удовика
Федеральное казенное учреждение здравоохранения «Медико-санитарная часть Министерства внутренних дел Российской Федерации по Ульяновской области»
Россия

Удовика Мая Ивановна – врач-ревматолог

ул. Орлова, д. 17, Ульяновск 432071



В. А. Максимов
Федеральное государственное бюджетное образовательное учреждение дополнительного профессионального образования «Российская медицинская академия непрерывного профессионального образования» Министерства здравоохранения Российской Федерации
Россия

Максимов Валерий Алексеевич – д.м.н., профессор кафедры диетологии и нутрициологии

ул. Баррикадная, д. 2/1, стр. 1, Москва 123242



А. С. Повзун
Федеральное государственное бюджетное учреждение «Северо-западный окружной научно-клинический центр им. Л.Г. Соколова» Федерального медико-биологического агентства России
Россия

Повзун Антон Сергеевич – к.м.н., доцент, главный врач Валдайского многопрофильного медицинского центра

Scopus Author ID: 56769727500

пр-т Культуры, д. 4, Санкт-Петербург 194291



О. А. Громова
Федеральный исследовательский центр «Информатика и управление» Российской академии наук
Россия

Громова Ольга Алексеевна – д.м.н., профессор, научный руководитель Института фармакоинформатики

Scopus Author ID: 7003589812; WoS ResearcherID: J-4946-2017

ул. Вавилова, д. 4, Москва 211933



Рецензия

Для цитирования:


Торшин И.Ю., Лила А.М., Загородний Н.В., Назаренко А.Г., Ткачева О.Н., Дудинская Е.Н., Алексеева Л.И., Таскина Е.А., Сарвилина И.В., Шавловская О.А., Данилов А.Б., Минасов Т.Б., Галустян А.Н., Малявская С.И., Громов А.Н., Егорова Е.Ю., Васильева Л.В., Евстратова E.Ф., Гоголева И.В., Федотова Л.Э., Удовика М.И., Максимов В.А., Повзун А.С., Громова О.А. Разработка верифицированной шкалы риска остеоартрита на основе кросс-секционного исследования клинико-анамнестических параметров и фармакологического анамнеза пациентов. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2023;16(1):70–79. https://doi.org/10.17749/2070-4909/farmakoekonomika.2023.158

For citation:


Torshin I.Yu., Lila А.М., Zagorodniy N.V., Nazarenko А.G., Tkacheva О.N., Dudinskaya Е.N., Alekseeva L.I., Taskina Е.А., Sarvilina I.V., Shavlovskaya О.А., Danilov A.B., Minasov Т.B., Galustyan А.N., Malyavskaya S.I., Gromov А.N., Egorova Е.Yu., Vasilyeva L.V., Evstratova E.F., Gogoleva I.V., Fedotova L.E., Udovika М.I., Maximov V.A., Povzun А.S., Gromova О.А. Development of a verified osteoarthritis risk scale based on a cross-sectional study of clinical and anamnestic parameters and pharmacological anamnesis of patients. FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2023;16(1):70–79. (In Russ.) https://doi.org/10.17749/2070-4909/farmakoekonomika.2023.158

Просмотров: 860


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


ISSN 2070-4909 (Print)
ISSN 2070-4933 (Online)