авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 11 |

«Хадарцев А.А., Еськов В.М., Гонтарев С.Н. ДИВЕРСИФИКАЦИЯ РЕЗУЛЬТАТОВ НАУЧНЫХ ОТКРЫТИЙ В МЕДИЦИНЕ И БИОЛОГИИИ Тула – Белгород, ...»

-- [ Страница 3 ] --

На основании этого было принято решение о математиче ском моделировании изменения АлТ за время болезни, как наи более характерного признака, характеризующего степень цито лиза гепатоцитов. Построение модели производилось с учетом существования некоторых механизмов регуляции регенерации печеночных клеток и развития патологического процесса (на рушение проницаемости мембран, некроз), в результате которо го нарастает содержание АлТ в сыворотке крови.

Так как патологический процесс носит диффузный харак тер, трудно поддающийся количественному описанию, то мы дискретизировали понятие степени поражения, считая, что имеются клетки, которые не поражены и вырабатывают АлТ в количестве k1x условных единиц, и пораженные у, вырабаты вающие k2y АлТ. В целом, общий уровень показателя АлТ в крови больного (А) определяется формулой:

A = k1 x + k 2 y (6) Кроме того, учитывалась с помощью запаздывающего ар гумента длительность поражения клетки, могущего закончить ся гибелью (некрозом) или выздоровлением и восстановлением нормальной активности АлТ. Некроз или восстановление клеток учитывается коэффициентами –1 и 1 соответственно, матема тическая модель в этом случае принимает вид (5).

Для выяснения порядка указанных нами коэффициентов исследовался аналитически случай =0 и, так как все 30 случаев болезни закончились полным выздоровлением (это эквивалент но у=0 для больших t), то оказалось, что должно выполняться условие :=:, а k1=AH:x из (6), где AH – уровень АЛАТ в нор ме;

в среднем, последняя величина равна 40 единицам. Кроме того, при =0 система (5) требует, чтобы количество гепатоци тов в норме x0 было равно /. Следует отметить связь коэффи циентов k2 и –1, первый характеризует тяжесть заболевания, второй – некроз клеток.

Мы аппроксимировали эту связь линейной зависимостью.

Была составлена программа решения системы уравнений (5) ме тодом Рунге-Кутта, расчет модели производился на ЭВМ. Орга низация программы осуществлялась с учетом следующих требо ваний: 1) запоминание в определенных ячейках значений, необ ходимых для расчета х, у и А, так как у нас система с запаздыва нием, 2) расчет А и запоминание его на каждом шаге, 3) приведе ние теоретического масштаба времени к реальному и сравнение соответствующих показателей теоретических и клинических, ес ли расхождение превышает наперед заданную величину (у нас она была равна 4 ед. А), то весь процесс расчета повторяется сно ва, но уже с измененным параметром 1 (увеличенным на 0,01).

В первом приближении брали =1, =10-4, =10;

1 – варьи ровалось. Полученные результаты показывают хорошее совпа дение рассчитанных теоретически и полученных в клинике дан ных для типичных случаев болезни.

В качестве примера приводится рис. 14, на котором непре рывной линией изображается изменение АлТ в крови больного инфекционным гепатитом, а пунктирной – модельные данные, что представляет количественно динамику поражения гепатоци тов при вирусном гепатите в разных условиях его протекания.

Далее, было произведено исследование возможности пред сказания изменения АлТ и, в частности, времени восстановле ния его нормального уровня. Для этого по данным первой поло вины болезни строились теоретические кривые на весь отрезок времени заболевания и производились сравнения с фактически ми результатами.

Исследования показали также возможность моделирования затяжных и хронических форм инфекционного гепатита. В этом случае процесс может приобретать колебательный характер, что особенно важно для клиники в аспекте прогноза подобных ис ходах.

Рис. 11. Кривая динамики поражения гепатоцитов при развитии вирусного гепатита с учетом выздоровевших (=1) и без такого учета (=0).

Несмотря на несколько схематичный и приближенный ха рактер предложенной модели, а также определенные трудности, связанные с решением проблемы в целом, указанный подход дает положительные результаты в исследовании механизмов развития и течения гепатита, а также указывает на возможность прогнозирования заболеваний, что может иметь практическое значение для клиники.

Рассмотренное применение одной из исследуемых моделей с учетом фактора запаздывания, безусловно, далеко не единст венно возможное. Оно скорее подчеркивает широкие возможно сти практического применения предлагаемых моделей в самых разных задачах медико-биологического характера, их широкий спектр действия от экосистем до моделирования патологических процессов в организмах индивидуумов.

Задачи оптимального проведения профилактических ме роприятий в урбанизированных и природных экосистемах.

При моделировании инфекционных и неинфекционных заболева ний для инфекционных заболеваний существенную и опреде ляющую роль играет количество и восприимчивых, и зараженных экземпляров, а также число их контактов (коэффициент встре чаемости ). Кроме этого имеет место целый ряд других факторов (патогенез заболевания, длительность инкубационного и заразно го периодов, эффективность различных специфических и неспе цифических противоэпидемических мероприятий и т.д.). Первый и существенный фактор из этого перечня мы учитываем нели нейным слагаемым в правой части уравнений –xy. Следова тельно, модели, описывающие распространение инфекционных заболеваний, являются нелинейными. В простейшем случае их первые исследования были представлены довольно подробно в монографии Н.Т. Бэйли.

Иная картина у нас получается при детерминистском моде лировании неинфекционных заболеваний. При построении мате матических моделей неинфекционных заболеваний можно выска зать предположение о том, что количество заболевших индиви дуумов в момент времени t за интервал от t до t+dt пропорцио нально количеству здоровых и равно xdt, где – некоторый ко эффициент. Эта зависимость линейная и, следовательно, модели этих процессов – линейны. Подтверждением правильности ска занного выше служит и тот известный факт, что в большинстве случаев (а их мы именно и рассматриваем в данной работе) число вновь заболевших не зависит от количества уже имеющихся больных. Такие процессы характерны для радиационного или химического заражения и в ряде других случаев в природе.

Важным фактором, влияющим на динамику распростране ния заболеваний, является миграция восприимчивых и заболев ших индивидуумов. В случае инфекционных заболеваний ми грация может быть одним из источников повторных заболева ний и придавать эпидемическим процессам колебательный ха рактер. Это подробно нами исследуется в настоящей работе.

В наших моделях мы учитывали миграцию с помощью ко эффициентов (скорости) миграции в правых частях уравнений – i. При этом, если имеем приток индивидуумов, то i входят в правые части со знаком «+» (иммиграция), в противном случае – для эмиграции – i будет входить со знаком «-». В общем случае миграция может быть переменной – i=i(t), а в простейших слу чаях i можно рассматривать как постоянную величину (i– const).

Тогда с учетом миграции, модели неинфекционных и ин фекционных заболеваний примут следующий вид:

x = x + 1 y + 1, y = xy y + 2 ;

& & x = x + 1 z + 1, y = x y + 2, z = y z (7) & & & x = xy + 1 y + 1 ;

y = x y + 2 ;

& & x = xy + 1 z + 1 ;

y = xy y + 2 ;

z = y z (8) & & & При исследовании подобных моделей распространения за болеваний нами был получен ответ на вопрос о том, каким спо собом можно эффективно уменьшить число заболевших вплоть до нуля, а именно: путем уменьшения коэффициента. Умень шение численности заболевших можно вызвать и иммунизацией восприимчивых индивидуумов, эмиграцией или отстрелом за болевших животных (в случае распространения заболеваний в популяциях), а также эвакуацией индивидуумов из очагов рас пространений массовых заболеваний. Однако, проведение этих мероприятий в математическом плане несколько отличается от указанного выше.

В настоящем исследовании было рассмотрено снижение за болеваемости только за счет уменьшения, что можно получить путем улучшения различных профилактических мероприятий типа: очистки сточных вод, информации населения о необходи мости соблюдения правил личной гигиены и санитарии, унич тожения переносчиков заболеваний и ряда других действий, приводящих к снижению. Вместе с тем проведение таких ме роприятий требует определенных, порой значительных, эконо мических затрат. Приоритетом во всех случаях должны пользо ваться, разумеется, гуманитарные соображения и экономическая сторона дела. При этом естественно поставить вопрос об опти мальных размерах всех этих действий, так как вполне возможно, что затрачивая значительные материальные ресурсы, мы можем получить незначительное снижение заболеваемости среди инди видуумов. Таким образом, решение подобных задач имеет госу дарственное значение. Причем это важно как для органов здра воохранения, так и для ветеринарного надзора.

Сформулируем теперь поставленную задачу в математиче ском плане. Пусть экономические потери в связи с заболеванием одного индивидуума составляют с1 условных единиц (например, рублей), тогда при распространении заболевания в обществе за промежуток времени [0, Т] общие экономические потери соста вят некоторую функцию T J ( ) = c1 y (t )dt.

Далее, предположим, что мы осуществляем некоторое ме роприятие, приводящее к уменьшению. Экономические затра ты при этом будут выражаться некоторой функцией от, т.е f(), причем, зависимость тут должна быть такой, чтобы при уменьшении, f() возрастала. Это отражает тот факт, что лю бые, даже самые незначительные, действия по уменьшению за болеваемости требуют некоторых экономических затрат (расхо дования материальных ресурсов и рабочего времени). Очевидно, что f () в этом случае должна быть монотонно убывающей функцией в области изменения ( Є [0, ] в общем случае).

Постулируем поведение f() на концах интервала (0, ). При 0 она для многих, в частности, для инфекционных заболева ний должна принимать конечные значения. Если же lim f()=, то это будет означать, что наука на данном этапе не может пол ностью ликвидировать рассматриваемое заболевание ни при ка ких экономических затратах. Далее, при, f() всегда при нимает значение 0, более того нулевые значения эта функция может принимать и при некоторых значениях =В, т.е.

lim f()=0. В этом случае коэффициент есть некоторая огра В ниченная величина (из реальных соображений), а f(), в отсутст вии противоэпидемических мероприятий принимает нулевые значения.

Указанным ограничениям может удовлетворять весьма большой класс монотонно убывающих функций от на интер вале (0, ).

Необходимые и достаточные условия существования минимума экономических потерь. В частности изучено пове дение функционала стоимости L=J+F() экономических потерь в зависимости от значений параметра. Для рассматриваемых моделей L=J()+f() есть сумма двух монотонных функций, из которых одна возрастающая, а другая – убывающая. Показано, что это является необходимым условием существования нетри виального (т.е. при =0 или =) абсолютного минимума.

Рассмотрены также достаточные условия существования абсолютного минимума L() на интервале (0, В). В частности, если для указанной функции L() на интервале (0, В) найдется такое *, для которого выполняется условие I, то L() обяза тельно имеет, хотя бы одну точку абсолютного минимума I. 1(0) + 2(0) 1(*) + 2(*);

1(В) + 2(В) 1(*) + 2(*).

Доказательство. Предположим, что условию I. удовлетво ряет одна точка *, это значит, что на всем промежутке [0, B] не найдется такой точки кроме =*, для которой бы L()L(*).

Значит, L() левее и правее точки * должны быть больше L(*), т.е. для любого сколь угодно малого, L(*± )L(*), тогда точка * является единственной точкой минимума L(). В случае, если имеется множество точек *i, удовлетворяющих I, то выбрав такую ** их этого множества, для которой L(**)L(*i) мы опять приходим к существованию абсолютного минимума L() на интервале (0, В), i = 1, 2, …, k.

Отметим, что возможно получение сразу нескольких точек *. Далее, если не найдется точки * удовлетворяющей I, то управление по будет носить тривиальный характер, а именно:

= 0, если 1(0) + 2(0) 1(В) + 2(В), = В, если 1(В) + 2(В) 1(0) + 2(0).

В заключение следует сказать, что нахождение L(0) и L(B) не представляет больших трудностей, но аналитическое реше ние неравенств I, вообще говоря, значительно усложняет задачу.

Применяя, однако, ЭВМ для каждого конкретного случая, мож но довольно легко произвести расчет *, а значит добиться оп тимального проведения рассматриваемых профилактических мероприятий.

В целом теоретический анализ процессов оптимизации в работе был завершён конкретным примером проведения проти воэпидемических мероприятий (выполнен расчёт модели). Оче видно, что разработанные методы оптимизации противоэпиде мических мероприятий должны найти применение в практиче ском здравоохранении для борьбы с эпидемиями вирусных ин фекций.

2.3. Заключение Установлено, что существующие статистические методы идентификации значимости наиболее существенных методов (процедура Вальда и др.

) имеют определённые ограничения сравнительно с разрабатываемыми новыми методами системно го анализа и синтеза (нейрокомпьютинг, анализ хаотической динамики) Анализ параметров квазиаттракторов движения ВСОЧ показал наличие существенных различий объёмов аттракторов для гепатитов А, В, С и наличие значимых расстояний между центрами аттракторов этих нозологических единиц (в разгаре заболевания и реконвалесценции). Наибольший показатель объ ёма (General V value) наблюдается при вирусном гепатите А=3,83E0015, тогда как при парентеральных вирусных гепати тах этот показатель близок друг к другу, так при гепатите В=3,19E0015, а при гепатите С=3,17E0015. Тот же показатель трёх групп в период реконвалесценции снижается, но при гепати те А=4,54E0011 меньше, чем при гепатите В=3,07E0012 и гепати те С=5,50E0013. Показатель асимметрии rX (General asymmetry value) в разгар желтухи больше при гепатите А=1 198,4215 и ге патите С=1 321,0295, чем при В=983,3090. В период реконвалес ценции отмечается снижение асимметрии при гепатите А в 6 раз, при В 5,4 раза, а при С всего лишь в 2,2 раза. Это показывает бо лее благоприятное течение и исход вирусного гепатита А при сравнении с вирусным гепатитом В. Тогда как при вирусном ге патите С уменьшение показателя асимметрии в 2 раза указывает на волнообразное течение инфекции с высокой последующей хронизацией процесса. Анализ квазиаттракторов движения ВСОЧ показал возможность прогнозирования развития и исхода вирусного гепатита в зависимости от типа гепатита.

Методами системного анализа установлены параметры порядка (наиболее важные диагностические признаки для ис следуемых нозологических единиц). Так при вирусных гепатитах в период разгара заболевания и в период реконвалесценции при знаки х4, х6, х7 наиболее значимые и характеризуют основные нарушения функции печени.

Расчёт на нейро-ЭВМ для больных вирусным гепатитом А в период разгара и реконвалесценции показал, что при вирусном гепатите А наибольшее значения имеют х2, х3, х5, с более низ кими значениями х2, х3, х6, х7.

Другая картина наблюдается при вирусном гепатите В, когда значимыми признаками являются х1, х2, х3, х5, х6, характери зующие более выраженные нарушения функции печени (белково сентетическую, выраженный и длительный цитолиз, мезенхи мально-воспалительный синдром) с развитием коагулопатии.

Таким образом процедура нейрокомпьютинга показала наи более значимые диагностические признаки при сравнении вирус ного гепатита А и В. Использование методов нейрокомпьютинга может использоваться в диагностике инфекционных заболеваний, в частности вирусного гепатита, тем самым снизив экономиче ские затраты на её проведение и лечение инфекционной патоло гии благодаря выделение наиболее существенных патологиче ских отклонений и их своевременной корректировкой.

Показано, что миграция заражённых индивидуумов явля ется значимым признаком в динамике возникновения повто ряющихся инфекционных заболеваний (на примере вирусного гепатита).

В работе, рассматриваются модели повторяющихся эпиде мий, которые могут быть обусловлены миграцией восприимчи вых индивидуумов со скоростью. В этом случае получаем сле дующую модель:

dx / dt = xy +, dy / dt = xy y, dz / dt = y Исследование ОТ этой системы уравнений с координатами показало наличие «устойчивого фокуса» и зату x0 =, y0 = хающих колебаний численностей у.

На фоне распространения вирусного гепатита в городе воз никает задача оптимизации проведения противоэпидемических мероприятий, призванных снизить численность заболевших ин дивидуумов.

В этом случае математические модели рассматриваемых процессов примут следующий вид:

x = x x x 2 + 1 y (t ), y = x y (t ) ;

& & x = x xy x + 1 y (t ), y = xy y (t ).

& & При аналитическом исследовании этих моделей наблюда ются затухающие колебания численностей х и у во времени.

Указанный подход дает положительные результаты в ис следовании механизмов развития и течения гепатита, а также указывает на возможность прогнозирования заболеваний, что может иметь практическое значение для клиники.

Разработаны модели, обеспечивающие оптимальное прове дение специфических и неспецифических противоэпидемических мероприятий.

3. Системный анализ и синтез параметров аттракторов динамики поведения вектора состояний больных сахарным диабетом 2 типа 3.1. Введение Проблема СД, несмотря на значительные успехи в области диабетологии, достигнутые за последние 20 лет, сохраняет свою актуальность практически во всех странах мира. На Всемирном конгрессе по СД в Кейптауне спрогнозирован рост числа боль ных к 2025 году до 380 млн. больных, что составит 7 % населе ния мира. Причем сахарный диабет 2 типа, по прогнозам уче ных, составит 92–97 %. Ежегодно диабет становится причиной смерти примерно 3,8 млн. человек, и большинство из них уми рает от его осложнений. У 75 % больных СД 2-го типа причиной высокой летальности являются метаболические нарушения, ко торые обусловлены феноменами глюко- и липотоксичности и потенцирующие развитие сердечно–сосудистых заболеваний, включая ишемическую болезнь сердца, инсульт, атеросклероз периферических артерий, артериальную гипертонию. Актуаль ность изучения каскада метаболических нарушений при СД с использованием методов системного анализа и синтеза, бази рующихся на теории хаоса и синергетике обусловлена тем, что сам по себе СД 2-го типа является одним из значимых факторов риска атеросклероза и, соответственно, определят высокую час тоту сердечно-сосудистых осложнений, а с другой стороны, за болевание часто сочетается с другими факторами риска (артери альная гипертензия, дислипидемия, ожирение), во многом уси ливая их действие.

Системный анализ и синтез, включающий триединство сто хастического, детерминстского и хаотического подходов, бази рующихся на компартментно-кластерной теории биологических систем, позволяет идентифицировать вектор направления разви тия метаболических нарушений при СД. Последний определяет ся параметрами порядка – наиболее существенными идентифи кационными критериями среди множества диагностических признаков. При этом важно учитывать количественную меру приближенности исследуемой системы к хаосу. (Еськов В.М., 2007;

Хадарцев А.А., 2007). Поскольку формирование много уровневого и многокомпонентного каскада метаболических на рушений, присущего СД, сопряжено с взаимодействием множе ства переменных кластеров, объединяющихся на основе функ ционального взаимодействия в систему патогенеза хронических сосудистых осложнений (Добрынина И.Ю., 2007).

Системный анализ и синтез кластеров при метаболических нарушениях в патогенезе хронических осложнений СД 2-го типа позволяет в рамках компартментно-кластерного подхода произ вести анализ поведения ВСОЧ при СД 2-го типа. Определение расстояния между центрами аттракторов ВСОЧ при СД 2-го ти па с различными клиническим вариантами течения позволит охарактеризовать динамику поведения аттракторов состояний биологических динамических систем (БДС), в аспекте как ин транозологической идентификации тяжести заболевания, так и в сравнении с условно здоровыми лицами, а также прогнозиро вать поведения ВСОЧ в условиях нормы, псевдонормы или раз личной градации патологии.

Несмотря на исключительную важность данной проблемы, изучение динамики поведения аттракторов вектора состояний больных СД 2-го типа с различными клиническими вариантами течения на основе анализа расстояния между центрами аттрак торов при различной градации метаболических нарушений с использованием современных методов системного анализа и синтеза и нейросетевых технологий является чрезвычайно акту альным.

3.2. Основные результаты исследований и их обсуждение В общее исследование был включен 1051 пациент Учреж дения ХМАО–Югры Сургутской окружной клинической боль ницы (СОКБ), постоянно проживающие на территории г. Сургу та и Сургутского района ХМАО. Результаты обследования были введены в базу данных регистра диабета в период 2002–2007 г.г.

Из них: данные обследования 718 больных (202 мужчин, женщин) составили базу регистра больных СД-2 типа, прикреп ленной городской территории, 333 больных (106 мужчин, женщин) составили базу регистра больных СД-2 типа Сургут ского района. Из них была сформирована выборка 90 больных СД-2 типа (мужчин, женщин) в возрасте 58,19±0,81лет и стаже заболевания 8,25±0,42 лет: из которых 27 мужчин в возрасте 59,19±1,61 года и среднем стаже заболевания 7,51±0,77 лет;

женщины в возрасте 57,76±0,93 лет и среднем стаже заболева ния 8,57±0,50 лет. Эти больные были распределены по 3-м группам (N=30): I группа – больные СД 2 типа в стадии компен сации;

II группа – больные СД 2 типа в стадии субкомпенсации;

III группа – больные СД 2 типа в стадии декомпенсации (Курзи на С.Ю., 2008).

Для этих групп было выполнено углубленное исследование с целью выявления информационной значимости диагностиче ских признаков кластеров расширенных иммунограмм и липи дограмм, гемостаза, иммуномаркеров, составляющих кластеры метаболических нарушений патогенеза хронических осложне ний при СД-2 типа, на основе разработанных новых методов обработки информации (идентификации характеристик пара метров вектора состояний организма человека). Группа контро ля представлена группой 30 условно здоровых лиц. С целью компенсации углеводного обмена пациенты принимали ПСП (гликлазид 30–120 мг/сут., метформин 500–2500 мг/сут.).

Методы общеклинических исследований. Клинические исследования по теме проводились в клинико-диагностическом отделении Учреждения ХМАО Югры «Сургутская окружная клиническая больница».

Регистрировались показатели углеводно-липидного обмена:

гликированный гемоглобин – методом ионно-обменной хрома тографии наборами фирмы «Био-Рад» (Австрия);

С-пептид – метод ИФА (реагенты фирмы «Human» на анализаторе «Multis can Ascent» (Финляндия);

липидограмма: общий холестерин (ХСобщ.), липопротеиды высокой плотности (ЛПВП), липопро теиды низкой плотности (ЛПНП), фосфолипиды (ФЛ) – энзима тическим методом на автомате CLINLINE-150 наборами фирмы «BIO-MERIEUX», триглицериды – ТГЛ – энзиматическим ме тодом на автомате CLINLINE-150 реагентами «Triglucerides»

фирмы «EKO-MED-POL»;

аполипопротеиды А1 и аполипопро теиды В – реагентами фирмы «Ля Рош» на биохимическом ана лизаторе «Hitachi-917».

Гемостаз анализировался по следующим звеньям: тромбо цитарно-сосудистое звено гемостаза – количество тромбоцитов;

агрегация с универсальным индексом агрегации (УИА) и ристо мицином – наборами экспресс – оценки тромбоцитарного гемо стаза МНПЦ «Технология» г. Барнаул;

коагуляционный гемо стаз – время рекальцификации, активированное частичное тромбопластиновое время (АЧТВ), протромбиновый индекс (ПТИ), тромбиновое время – с использованием стандартных ре активов ТОО «Технология» г. Барнаул на полуавтомате СМ- «BENK-ELEKTRONIK»;

активность антикоагулянтов – протеин С – ИФА методом, антитромбин – титрометрическим мето дом;

исследование конечного этапа свертывания крови и фиб ринолитическое звено системы гемостаза: фибриноген А, фиб риноген Б – гравиметрическим методом Рутберга;

этаноловый тест;

ортофенантролиновый тест – наборами для определения количества растворимых фибрин-мономерных комплексов (РФМК) в плазме МНПЦ «Технология» г. Барнаул.

Изучались показатели иммунологического статуса: популя ции лимфоцитов – на проточном цитофлюорометре фирмы «Bekman-Coulter» (процентное содержание Т и В-лимфоцитов, соотношение Т-хелперы/Т-супрессоры методом проточной ци тометрии с использованием моноклональных антител к рецеп торам CD3, CD4, CD8, CD20);

сывороточные иммуноглобулины (JgA, JgG, JgM) – методом одномерной радиальной иммуно диффузии в агаровом геле по J. Manchini с соавт. (1965). «Сво бодные» формы человеческих цитокинов – методом ИФА с ис пользованием реагентов фирмы «CYTELISA»: факторов интер лейкина–6 (IL-6) – набором «HumanIL-6», интерлейкина–8 (IL 8) – «Human IL-8», фактора некроза опухолей – (TNF) – «Human TNF».

Изучались иммуномаркеры: иммуноферментным методом (ИФА) на анализаторе «Multiscan-accent»: антитела к липопро теинам низкой плотности наборами «oLDL» фирмы oLab Bio medica (мЕд/мл);

суммарные антитела к кардиолипину Jg A, Jg G, Jg M и суммарные антитела к смеси 4 различных фосфолипи дов (кардиолипину, фосфатидилсерину, фосфатидилинозитолу, фосфатидиловой кислоте (Ед/мл) с использованием иммуно ферментного набора «анти–фосфолипид скрин» и «тромбо ком бо» фирмы «Orgentec»;

адренокортикотропный гормон набора ми «АКТГ», фирмы «Biomerica Elisa».

Идентификация параметров порядка вектора состояния ор ганизма больных с СД–2 типа с различными клиническими ва риантами течения производилась с применением новых подхо дов в теории хаоса и синергетики. Разработанный метод иден тификации параметров порядка вектора состояния биосистем в m-мерном фазовом пространстве позволил нам выделить наибо лее значимые параметры порядка.

Метод основан на параллельной идентификации объемов аттракторов в фазовом пространстве для пары кластеров, а затем поэтапного исключения из расчета отдельных компонент вектора состояния БДС с одновременным анализом параметров аттракторов и сравнением существенных или несущественных изменений в параметрах аттрактора после такого исключения.

Алгоритм такой процедуры основывается на получении матри цы состояний p кластеров в m – мерном фазовом пространст ве, где i – бегущий индекс компонента вектора (i=1..m)x, a j – номер биообъекта (пациента) (j=1..n), k=1..p. Иными словами k элемент такой матрицы Aij представляет k-й кластер БДС, i-й компонент ВС для j-го пациента (популяции, экосистемы). Про изводился поочередный расчет координат граней для всех j-х пациентов (j=1..n) из k-го кластера (k=1..p);

их длины (Interval) Dik=xi(max)–xi(min), Dik=yi(max)–yi(min),, где xi(max) и xi(min) – координаты крайней точки, совпадающие с нижней и верхней границей фа зовой области;

вектор объемов (General Value) V=(V0, V1…Vp)T, ограничивающих все p аттракторы, а так же показатели асим X1C=(xc11, xc метрии (Asymmetry) стохастического …x 1m)…Xp =(x p1, x p2 …x pm), и хаотического центров X1 =(xx11, c C c c c x xx12…xx1m)…Xpx=(xxp1, xxp2 …xxpm), где, XpmC= N xj/N – идентифи j = кация стохастического центра аттракторов, находится путем вычисления среднего арифметического одноименных координат точек, представляющих проекции конца вектора состояния БДС на каждую из координатных осей. Отметим, что для двух кла стеров где, Xxpm=xi(min)+Dki/2 – идентификация хаотического центра аттракторов, Dki – ширина фазовой области аттрактора в проекции на i-ую координату. После исключения поочередно каждого из компонент вектора X т.е. xi для одного и другого кластера отдельно Xk1…N и вычисляется вторые приближения параметра R1=Vi1-Vi2/Vi1. Таким образом, получаем R=(R0…Rm) значений, по которым можно определить уменьшилась или уве личилась относительная величина аттракторов V при измене нии размерности фазового пространства. При уменьшении раз меров V, анализируются параметры системы и на основе их по чти неизменности делается заключение, о существенной (если параметры существенно меняются) или несущественной (пара метры почти неизменны) значимости конкретного, каждого Xi компонента ВС X=(x1, x2,…xm)T.

Таким образом, производится выбор размерности кластеров БДС при сравнительном анализе поведения их векторов состоя ния. Существенно что, подобные методы идентификации пара метров аттракторов обеспечивают, фактически параллельную процедуру с нейросетевой технологией.

Идентификация центров аттракторов вектора состояний организма в m-мерном пространстве состояний для больных СД–2 производилась с использованием оригинальной зарегист рированной программы, предназначенной для использования в научных исследованиях систем с хаотической организацией.

Программа позволяет представить и рассчитать в фазовом про странстве с выбранными фазовыми координатами параметры центра и расстояния Z между центрами изучаемых аттракторов.

Анализ количественной динамики дистанций Z между центрами аттракторов при парном сравнительном анализе регистрирует переход вектора состояний организма в новое переход в новое качество, отражающее клинический вариант течения (нозологи ческих различия). Именно по величине Z определяется степень развития патологии.

Идентификация значимости параметров порядка ВСОЧ с СД–2 типа с различными клиническими вариантами течения производилась также с применением нейросетевых методик («Мультинейрон»). Нейросети обеспечивали ранжирование ди агностических параметров. Для каждого из пациентов СД-2 типа с различными клиническим вариантами течения и 30 условно здоровых лиц (группа контроля) были зафиксированы ответы на определенные тесты (соответствующие числу анализируемых параметров в исследуемом кластере), которые определялись на момент обследования. Вся совокупность ответов на вопросы и реальный диагноз пациента в виде базы данных составили обу чающую выборку. После завершения процедуры настройки ней роЭВМ (обучения) определялись реальные веса связей и значи мость каждого из анализируемых признаков (компонентов хi параметров исследуемого кластера). Обучение НС считалось законченным, если по всей обучающей выборке НС ставит ди агноз (НС классифицирует), совпадающий с реальным диагно зом. После обучения нейроэмулятор производит вычисление и анализ значимости всех признаков, т.е. производится определе ние важности каждого из диагностических признаков.

Полученные данные подвергли также математической обра ботке методом вариационной статистики с помощью пакета при кладных программ по статистической обработке информации (SPSS), а также пакета анализа MICROSOFT EXSEL на IBM PС/Pentium IV. Достоверность выявляемых различий определяли по методу Фишера-Стьюдента, анализируя среднюю величину вариационного ряда (М), среднее квадратическое отклонение ва риационного ряда (), среднюю ошибку среднего квадратическо го отклонения (m);

уровень значимости различий также был про анализирован с использованием непараметрического критерия Манна–Уитни. За достоверные принимали различия при значени ях р0,05. Результаты исследования так же обработаны методом парного корреляционного анализа (коэффициент корреляции Пирсона) на IBM PС/Pentium IV с использованием пакета про грамм «Статистика в медико-биологических исследованиях».

Системный анализ и синтез критериев метаболических на рушений, характеризующих углеводно-липидный кластер и ин тегративный коэффициент апроксимации устойчивости орга низма при СД-2 типа производится на основе анализа динамики компонентов хi фазового пространства кластера «углеводно липидный обмен» при СД–2 типа с различными клиническими вариантами течения.

С позиций ФПС динамика движения вектора состояний, анализируемая по параметру Z – является интегративным коэф фициентом апроксимации устойчивости индивидуума. Расстоя ние между центрами параллелепипедов (Z) увеличивается, от ражая влияние неудовлетворительного метаболического кон троля, указывает на сужение интервалов устойчивости организ ма с одновременным изменением и коэффициента асимметрии (rx). При этом расстояние между центрами параллелепипедов – Z это количественный интегративный индикатор смещения цен тра анализируемого аттрактора в область мортального поведе ния вектора состояний.

Таблица Сводные результаты в виде матрицы параметра Z кластера «углеводно-липидный обмен»

Номер группы Группа контроля I группа II группа I группа 2, II группа 7,73 7, III группа 8,15 6,13 7, Из табл. 23 видно, что наибольшее расстояние Z между центрами аттракторов разных групп (I–III) мы получили для 3-й группы и контроля. Причем, центры расстояний между ат тракторами поведения ВСОЧ 1-й и 2-й групп, а также 3-й и 2-й приблизительно одинаково (мера различий этих 2-х кластеров несущественна (7,13 и 7,22). Это расширяет понимание разли чий в клинической картине течения СД 2-го типа.

Нозологическая идентификация различий СД 2-го типа и условно здоровых лиц по параметру Z характеризуется прогрес сирующим снижением устойчивости индивидуума по мере ухудшения углеводного обмена с максимумом интегративного коэффициента аппроксимации в III группе (соответственно ZI/k =2,84, Z II/k =7,73, ZIII/k=8,15). Примечательно, что при сравни тельном анализе параметра Z и параметра R в кластере, характе ризующем углеводно-липидный гемостаз, между группами раз личных клинических вариантов течения СД 2-го типа сущест венных изменений для R не выявлено. С позиций теории хаоса и синергетики это является обоснованием стратегии наиболее «агрессивного» управления СД 2-го типа с достижением целе вых показателей гликемии и липидограммы, соответствующих уровню условно здоровых лиц (соответственно ZII/I=7,13, ZIII/I=6,13, ZIII/II =7,23) (табл. 23, 24).

Установлено, что ухудшение метаболического контроля со провождается прогрессирующим существенным увеличением общего объема параллелепипеда – General V value, ограничи вающего аттрактор кластера «углеводно-липидный обмен» в 13 мерном фазовом пространстве.

Таблица Результаты обработки данных аттрактора кластера «углеводно-липидный обмен» больных СД 2-го типа с различными клиническими вариантами течения в 13-мерном пространстве Количество измерений N = Размерность фазового пространства = I группа Группа контроля General asymmetry value Rx=3,73 General asymmetry value Ry=24, General V value Vx=251 656,98 General V value Vy=5 319, Vx0=251 656,98 Vy0=5 319,61 dif=246 337,37 R0=97,88 % Z0=2, II группа Группа контроля General asymmetry value Rx=2,20 General asymmetry value Ry=24, General V value Vx=37 936,85 General V value Vy=5 319, Vx0=37 936,85 Vy0=5 319,61 dif=32 617,23 R0=85,97 % Z0=7, III группа Группа контроля General asymmetry value Rx = 3,56 General asymmetry value Ry=24, General V value Vx =3 557 280,69 General V value Vy=5 319, Vx0=3 557 280,69 Vy0 = 5 319,61 dif=3 551 961,08 R0=99,85 % Z0=8, II группа I группа General asymmetry value Rx=2,20 General asymmetry value Ry = 3, General V value Vx=37 936,85 General V value Vy=251 656, Vx0=37 936,85 Vy0=251 656,98 dif=213 720,13 R0=84,92 % Z0=7, III группа I группа General asymmetry value Rx=3,56 General asymmetry value Ry=3, General V value Vx=3 557 280,69 General V value Vy=251 656, Vx0=3 557 280,69 Vy0=251 656,98 dif=3 305 623,70 R0=92,92 % Z0=6, III группа II группа General asymmetry value Rx=3,56 General asymmetry value Ry=2, General V value Vx=3 557 280,69 General V value Vy = 37 936, Vx0=3 557 280,69 Vy0=37 936,85 dif=3 519 343,84 R0=98,93 % Z0=7, Примечание: здесь и далее: 13-ти мерное фазовое пространство кластера «уг леводно-липидный обмен» включало анализ следующих показателей (X1...

X13): X1 – С – пептид (мг/мл);

X2 – HbAlc (%);

X3 – общий ХС (ммоль/л);

X4 – ЛП (г/л);

X5 – апо-А-1 (г/л);

X6 – апо-В (г/л);

X7 – коэффициент апо-В/апо-А-1;

X8 – ЛПВП (ммоль/л);

X9 – ЛПНП (ммоль/л);

X10 – ФЛ (ммоль/л);

X11 – ТГЛ (ммоль/л);

X12 – k.инсулинорезистентности;

X13– Кхс – холестериновый коэф фициент атерогенности.

Так у больных III группы General V value превышает тако вой для II группы с kIII/II=93 (General V valueIII=3 557 280,69;

General V valueII=37 936,85;

kIII/II=93), и I группы kIII/I=14 (General V valueI=251 656,98;

kIII/I=14), и группы контроля с kIII/к= (General V valueк=5 319,6166;

kIII/к=600). В то же время общий показатель асимметрии (General asymmetry value rХ) наиболь ший у больных в группе условно здоровых лиц (rXI=24,32), что превышает rX в I, II и III группах обследованных (соответствен но rXI=3,73, k=6,5;

rXII=2,20, k=11, rXIII=3,56;

k=6,5) (табл. 24). В целом, степень компенсации углеводного обмена не обладает существенной значимостью анализируемой по параметру R.

Системный анализ и синтез критериев метаболических нарушений, характеризующих кластер «система гемостаза»

и интегративный показатель апроксимации устойчивости организма при СД-2 типа, основывается на анализе динамики компонентов хi фазового пространства кластера «система гемо стаза» при СД–2 типа с различными клиническими вариантами течения.

Установлено, что прогрессирующая гипергликемия сопро вождается существенным увеличением общего объема паралле лепипеда – General V value, ограничивающего аттрактор класте ра «система гемостаза» в 11–мерном фазовом пространстве с максимальным различием в динамике поведения ВСОЧ в фазо вом пространстве – на 1–3 порядка в сравнении с показателями группы контроля наряду с увеличением показателя асимметрии Rх (табл. 26).

Интранозологическая идентификация различий General V value характеризуется наибольшим Vx в III группе - General V valueIII=2,88E+0014 и II группе - General V valueII=1,43E+0014, по сравнению с показателями General V valueI=3,03E+0012. Об щий показатель асимметрии (General asymmetry value rХ) наи больший у больных в II и I группе в сравнении с показателями в III группе обследованных и условно здоровых лиц (соответст венно rXI=14,15, rXII=14,23, rXIII=10,70;

rXк=2,99) (табл. 26).

Табличные данные демонстрируют (табл. 25), что различия в значениях расстояний Z между центрами аттракторов блоков «контроль» и групп 1–3 менее выражены, чем в кластере «угле водно-липидный обмен». И еще менее выраженные различия в Z между 3-мя группами (внутригрупповые различия). Это дает общую характеристику этого диагностического кластера, выде ляет его особенности.

Таблица Сводные результаты в виде матрицы параметра Z кластера «система гемостаза»

Номер группы Группа контроля I группа II группа I группа 16, II группа 19,72 8, III группа 21,84 8,63 7, Таблица Результаты обработки данных аттрактора кластера «система гемостаза» больных СД 2-го типа с различными клиническими вариантами течения в 11-мерном пространстве Количество измерений N = Размерность фазового пространства = I группа Группа контроля General asymmetry value Rx=14.15 General asymmetry value Ry= 2. General V value Vx = 3.03E+0012 General V value Vy = 3.16E+ Vx0=3.03E+0012 Vy0=3.16E+0011 dif=2.71E+0012 R0=89.56% Z0=16. II группа Группа контроля General asymmetry value Rx = 14.23 General asymmetry value Ry = 2. General V value Vx = 1.43E+0014 General V value Vy = 3.16E+ Vx0=1.43E+0014 Vy0=3.16E+0011 dif=1.42E+0014 R0=99.77% Z0=19. III группа Группа контроля General asymmetry value Rx = 10.70 General asymmetry value Ry = 2. General V value Vx = 2.88E+0014 General V value Vy = 3.16E+ Vx0=2.88E+0014 Vy0=3.16E+0011 dif=2.88E+0014 R=99.89% Z0=21. Примечание: здесь и далее: 11-ти мерное фазовое пространство кластера «сис тема гемостаза» включало анализ следующих показателей (X1... X11): X1 – универсальный индекс агрегации (сек);

X2 – агрегация с ристомицином (сек);

X3 – количество тромбоцитов (1109 / л);

X4 – время рекальцификации (сек);

X – АЧТВ (сек);

X6 – ПТИ (%);

X7 – тромбиновое время (сек);

X8 – протеин С (%);

X9 – антитромбин III (%) X10 – фибриноген А (мг/л);

X11 - фибриноген В (мг/мл).

Нозологическая идентификация различий СД 2-го типа и условно здоровых лиц по параметру Z характеризуется прогрес сирующим снижением устойчивости индивидуума по мере усу губления компенсации углеводного обмена с наибольшими зна чениями интегративного коэффициента аппроксимации в III группе (соответственно ZI/k =16,32, ZII/k =19,72, Z III/k=21,84). Сле дует отметить, что при анализе параметра Z в кластере «система гемостаза» сравнительно с кластером «углеводно-липидный об мен», между группами различных клинических вариантов тече ния СД 2-го типа существенных изменений не выявлено. Это также обосновывает с позиций теории хаоса и синергетики кон цепцию достижения идеальных, соответствующих показателям условно здоровых лиц, параметров метаболическим контроля СД 2-го типа (соответственно ZII/I=8,76, ZIII/I=8,63, ZIII/II =7,60) (табл. 25, 26).

Системный анализ и синтез критериев метаболических нарушений, характеризующих кластер «иммунограмма» и интегративный показатель апроксимации устойчивости ор ганизма при СД-2 типа основывается на анализе динамики компонентов хi фазового пространства кластера «иммунограм ма» при СД–2 типа с различными клиническими вариантами течения. Эта динамика характеризуется проградиентным суще ственным увеличением общего объема параллелепипеда с мак симальной динамикой фазового пространства (на 1-3 порядка), наряду с абсолютным увеличением показателя асимметрии с максимумом значений при декомпенсированном СД 2-го типа (соответственно General V valueIII=5,67E+0019, rXIII=380,09;

General V valueII=1,57E+0018;

rXII=74,02;

General V valueI=7,06E+0017, rXI=39,88;

;

General V valueк=1,99E+0016, rXк=32,82).

Закономерно, что наибольшее снижение устойчивости ин дивидуума по параметру Z выявлено в III группе как по сравне нию с группой условно здоровых лиц (соответственно ZI/k =55,48, Zk/II =46,80, Zk/III =158,42), так и при идентификации им мунорегуляторного дисбаланса при различной степени деком пенсации СД 2-го типа (соответственно ZII/I=15,3, ZIII/I=105,78, ZIII/II =118,08) (табл. 27, 28).

Таблица Сводные результаты в виде матрицы параметра Z кластера «иммунограмма»

Номер группы Группа контроля I группа II группа I группа 55, II группа 46,80 15, III группа 158,42 105,78 118, Из табл. 27 следует, что этот кластер («иммунограмма») да ет наиболее разительные различия в значениях Z как при срав нении группы контроля с 1–3 группами по отдельности, так и при внутригрупповых сравнениях значений Z. Причем наиболее значительные изменения (по параметру Z) выявлены для 1-ой и 3-ей групп, 2-ой и 3-ей групп попарно. Очевидно, что иммуно регуляторный дисбаланс в сравнительном аспекте для этих ука занных пар сравниваемых групп наиболее выражен.

В фазовом пространстве параметры аттрактора кластера «иммунограмма» для больных 3-ей группы наиболее удалены и от 1-ой и от 2-ой групп пациентов. Таким образом, общее срав нение данных по параметру Z для всех 3-кластеров СД 2-го типа показывает наибольшую информационную значимость именно для кластера «иммунограмма». Важно учитывать, что макси мальная динамика Z кластера «иммунограмма», указывает на наиболее значимые и выраженные изменения отклонения пока зателей именно в этом кластере. Из этого следует, что степень тяжести патологического процесса определяется выраженно стью изменений в кластере с максимальной динамикой Z.

Данные табл. 29 демонстрируют наиболее значительные показатели Z при анализе пар: группа контроля – 3-я группа, 1 ая – 3-я группа.

Таблица Результаты обработки данных аттрактора кластера «иммунограмма» больных СД 2-го типа с различными клиническими вариантами течения в 20-мерном пространстве Количество измерений N = Размерность фазового пространства = I группа Группа контроля General asymmetry value Rx = 39.88 General asymmetry value Ry=32. General V value Vx =7.06E+0017 General V value Vy =1.99E+ Vx0=7.06E+0017 Vy0=1.99E+0016 dif=6.86E+0017 R0=97.17% Z0=55. II группа Группа контроля General asymmetry value Rx=74,02 General asymmetry value Ry=32. General V value Vx =1,57E+0018 General V value Vy =1.99E+ Vx0=1,57E+0018 Vy0=1,99E+0016 dif=1,55E+0018 R0=98,73% Z0=46, III группа Группа контроля General asymmetry value Rx=380.09 General asymmetry value Ry=32. General V value Vx =5.67E+0019 General V value Vy =1.99E+ Vx0=5.67E+0019 Vy0=1.99E+0016 dif=5.66E+0019 R0=99.96% Z0=158. II группа I группа General asymmetry value Rx = 74,02 General asymmetry value Ry=39. General V value Vx = 1,57E+0018 General V value Vy = 7.06E+ Vx0=1.57E+0018 Vy0=7.06E+0017 dif=8.73E+0017 R0=55.28% Z0=15. III группа I группа General asymmetry value Rx =380.09 General asymmetry value Ry=39. General V value Vx = 5.67E+0019 General V value Vy = 7.06E+ Vx0=5.67E+0019 Vy0=7.06E+0017 dif=5.60E+0019 R0=98.75% Z0 = 105. III группа II группа General asymmetry value Rx =380.09 General asymmetry value Ry=74, General V value Vx =5.67E+0019 General V value Vy = 1,57E+ Vx0=5.67E+0019 Vy0=1,57E+0018 dif=5,51E+0019 R0=97,21% Z0=118, Примечание: здесь и далее: 20-ти мерное фазовое пространство кластера «им мунограмма» включало анализ следующих показателей (X1... X20): X1 – Ig A (г/л) ;

X2 – Ig G (г/л);

X3 – Ig M (г/л);

X4 – общ. кол-во лейкоцитов (1109/л);

X – общ. кол-во лимфоцитов (%);

X6 – общ. кол-во лимфоцитов абс. (1109/л);

X – Т-лимфоциты (СD3, %);

X8 – Т-лимфоциты (СD3) абс.(1109 /л);

X9–Т хелперы (СD4, %);

X10 – Т-хелперы (СD4) абс. (1109 / л);

X11 – Т-супрессоры (СD8, %);

X12 – Т-супрессоры (СD8) абс.(1109 / л);

X13– СD4/СD8;

X14 – В лимфоциты (СD20, %);

X15 – В-лимфоциты (СD20) абс. (1109 / л);

X16 – Л/T-л индекс;

X17 – ЦИК (МЕ/мл);

X18 –IL-6, пг/мл;

X19 –IL-8, пг/мл;

X20 –TNF, пг/мл.

Таблица Сводные результаты в виде матрицы параметра Z кластера «иммуномаркеры»

Номер группы Группа контроля I группа I группа 75, III группа 247,028 172, Системный анализ и синтез критериев метаболических нарушений, характеризующих кластер «иммуномаркеры» и интегративный показатель аппроксимации устойчивости организма при СД-2 типа, производится на основе динамики General V value, ограничивающего аттрактор кластера «имму номаркеры» в 4-х мерном пространстве больных СД отражает диалектику изменения количественных взаимоотношений в но вое качество.

Наибольшие различия выявлены при сравнении показате лей условно здоровых лиц и I группы (соответственно General V valueI=481 245 248.00, RхI=654.51;

General V valueк= 593 297.24, Rхк=263.48) (табл. 30).

Это подчеркивает значимость изменений в данном кластере («иммуномаркеры»), который отражает однонаправленные (со пряженные) изменения с кластером «иммунограмма». При де компенсации СД 2-го типа снижение устойчивости индивидуу ма анализируемого по параметру Z характеризуется максималь ными значениями в III группе (соответственно ZI/k =75,61, Z III/k=247,02;

ZIII/I =172,34) (табл. 29, 30).

Представленные данные позволяют утверждать, что инте гративный коэффициент аппроксимации устойчивости индиви дуума – параметр Z – является независимым интегративным ин дикатором тяжести протекания патологического процесса, ко личественно отражая девиацию центра анализируемого аттрак тора к области мортального поведения вектора состояний.

Сравнительный системный анализ других кластеров также показывает информативность (значимость) интегративного па раметра Z в изучении особенностей развития СД 2 –го типа.

Таблица Результаты обработки данных аттрактора кластера «иммуномаркеры» больных СД 2-го типа с различными клиническими вариантами течения в 4-мерном пространстве Количество измерений N = Размерность фазового пространства = I группа Группа контроля General asymmetry value Rx =654.51 General asymmetry value Ry=263. General V value Vx =481 245 248.00 General V value Vy = 4 593 297. Vx0=481245248.00 Vy0=4 593 297.24 dif=476 651 951.0 R0=99.0455% Z0 =75. III группа Группа контроля General asymmetry value Rx =500.94 General asymmetry value Ry=263. General V value Vx = 25 962417.00 General V value Vy = 4 593 297. Vx0=25 962417.00 Vy0= 4593297.24 dif=21 369 119.80 R0=82.30 % Z0 =247. I группа III группа General asymmetry value Rx=654.51 General asymmetry value Rx =500. General V value Vx=481 245 248.00 General V value Vx==25 962417. Vx0=481245248.00 Vy0=25962417.00 dif=455282831.00 R0=94.60% Z0 =172. Примечание: 4-х мерное фазовое пространство кластера «иммуномаркеры»

включало анализ следующих показателей (X1... X4): X1 – суммарные антитела к кардиолипину Jg A, Jg G, Jg M (Ед/мл);

X2 –антитела к ЛПНП (мЕд/мл);

X3 – суммарные антитела к смеси 4 различных фосфолипидов (кардиолипину, фос фатидилсерину, фосфатидилинозитолу, фосфатидиловой кислоте, Ед/мл);

X4 – АКТГ (пг/мл).

Был выполнен системный анализ и синтез диагностической значимости параметров порядка, используемых при идентифика ции клинических вариантов течения СД 2-го типа, полученных с помощью 3-х подходов (стохастического, детерминистского и хаотического). При этом в нашу задачу входило сравнение полу ченных данных с уже имеющимися данными с помощью трех подходов. С помощью нового метода, основанного на «иденти фикации параметров вектора состояния биосистем в m-мерном пространстве», и данных, полученных ранее в рамках обработки с применением нейросетевых методик («Мультинейрон»). Показа на статистическая достоверность полученных данных с использо ванием IBM PC/ Pentium IV и пакета программ «статистика в ме дико-биологических исследованиях» для каждого из диагности ческих критериев по всем исследуемым кластерам.

Значимость признаков по методу «идентификация парамет ров вектора состояния биосистем в m-мерном пространстве», производилась на основе определения параметра R, по которому можно диагностировать уменьшение или увеличение относи тельной величины аттракторов General Value при изменении размерности фазового пространства. Параметр Z дает возмож ность проанализировать изменения расстояния между центрами параллелепипедов исследуемых групп.


Системный анализ и синтез динамики фазового простран ства кластера «углеводно-липидный обмен» выявил (табл. 31) параметры порядка для идентификации различий: I группы и группы контроля – Х11;

II группы и группы контроля – Х11;

Х13;

Х4;

III группы и группы контроля – Х2;

Х13;

Х9;

II группы – I группы – Х4 ;

Х13;

Х12;

III группы – I группы – Х13;

Х4;

Х12 и III группы – II группы – Х4 ;

Х2;

Х9.

Таблица Показатели обработки данных в рамках 3-х подходов (стохастического – «Мультинейрон», детерминистского – «Статистика в медико-биологических исследованиях», теории хаоса и синергетики – метод «идентификации параметров вектора состояния биосистем в m-мерном пространстве») больных СД 2-го типа Кластер «углеводно-липидный обмен»

Статистическая Хаос Группы «Мультинейрон» достоверность R Z I гр. - Гр.к. Х5;

Х11;

Х8 Х5;

Х11;

Х8 Х II гр. - Гр.к. Х11;

Х13;

Х2 Х11;

Х13 ;

Х2 Х11;

Х12 Х13;

Х4;

Х III гр.- Гр.к. Х2;

Х10;

Х9 Х2;

Х10;

Х9 Х2;

Х13;

Х II гр. - I гр. Х4;

Х2;

Х8 Х2;

Х4;

Х8 Х4;

Х9;

Х10 Х4;

Х13;

Х III гр.- I гр. Х4;

Х13;

Х8 Х4;

Х13;

Х8 Х10 Х2;

Х13;

Х III гр.- II гр. Х8;

Х4;

Х9 Х3;

Х8;

Х4 Х4;

Х2;

Х Идентификация различий по критерию Стьюдента выявила достоверность различий по следующим диагностическим парамет рам: I группы в сравнение с условно здоровыми лицами – Х5;

Х11;

Х8;

II группы и группы контроля – Х11;

Х13;

Х2;

III группы и группы контроля – Х2;

Х10;

Х9;

II группы и I группы – Х2;

Х4;

Х8;

III группы и I группы – Х4;

Х13;

Х8;

III группы и II группы – Х3;

Х8;

Х4.

Идентификация различий с использованием программы «Мультинейрон» выявляет наиболее значимые признаки для: I группы в сравнение с условно здоровыми лицами – Х5;

Х11;

Х8;

II группы и группы контроля – Х11;

Х13;

Х2;

III группы и группы контроля – Х2;

Х10;

Х9, II группы и I группы – Х4;

Х2;

Х8;

III груп пы и I группы – Х4;

Х13;

Х8 ;

III группы и II группы – Х8;

Х4;

Х9.

Таким образом, системный анализ и синтез диагностиче ской значимости параметров порядка, используемых при иден тификации клинических вариантов течения СД 2-го типа, полу ченных с помощью 3-х подходов (стохастического, детермини стского и хаотического) для кластера «углеводно-липидный об мен» выявил следующие критерии: для больных СД 2-го типа в стадии компенсации относительно условно здоровых лиц – Х11;

для больных СД 2-го типа в стадии субкомпенсации относи тельно группе контроля – Х11;

Х13;

для больных СД 2-го типа в стадии декомпенсации относительно группе условно здоровых лиц – Х2;

Х9;

для больных СД 2-го типа в стадии субкомпенса ции относительно стадии компенсации – Х4;

для больных СД 2 го типа в стадии декомпенсации относительно стадии компен сации – Х13;

для больных СД 2-го типа в стадии декомпенсации относительно стадии субкомпенсации – Х4.

Системный анализ и синтез динамики фазового простран ства кластера «система гемостаза» выявил (табл. 32), что иден тификация различий при СД 2-го типа в стадии компенсации (I группа) и условно здоровых лиц, так же как и СД 2-го типа в стадии декомпенсации (III группа) в сравнении с показателями здоровых основывается на наиболее значимых признаках: Х1, Х и X3. Наиболее существенные различия СД 2-го типа в стадии субкомпенсации (II группа) и группы контроля выявлены по следующим критериям: X3, X8, X9. Параметры порядка для ди агностики различий СД 2-го типа в стадии субкомпенсации (II группа) и стадии компенсации (I группа): X1, X6, X8;

СД 2-го типа в стадии декомпенсации (III группа) и стадии компенсации (I группа): X1, X4;

СД 2-го типа в стадии декомпенсации (III группа) и стадии субкомпенсации (II группа): – X5, X6, X4.

Идентификация различий по критерию Стьюдента выявила достоверность различий по следующим диагностическим пара метрам: I группы в сравнение с условно здоровыми лицами – X8, X9;

II группы и группы контроля – X8;

III группы – и группы контроля – X5, X10, X7;

II группы – I группы – X1, X7;

III группы – II группы – X10;

III группы – I группы – достоверных отличий не выявлено.

Таблица Показатели обработки данных в рамках 3-х подходов (стохастического-«Мультинейрон», детерминистского – «Статистика в медико-биологических исследованиях», теории хаоса и синергетики - метод «идентификации параметров вектора состояния биосистем в m-мерном пространстве») больных СД 2-го типа Кластер: система гемостаза «Мультиней- Статистическая Хаос Группы рон» достоверность R Z I гр. - Гр.к. Х8;

Х9;

Х2 Х8;

Х9 Х1;

Х10 Х9;

Х3;

Х II гр. - Гр.к. Х8;

Х10;

Х2 Х8 Х3;

Х8;

Х III гр.- Гр.к. Х5;

Х10;

Х7 Х5;

Х10;

Х7 Х1;

Х3;

Х II гр. - I гр. Х7;

Х9;

Х1 Х 1;

Х 7 Х 1;

Х6;

Х III гр.- I гр. Х10;

Х5;

Х3 Х1;

Х III гр.- II гр. Х10;

Х9;

Х5 Х10 Х 5;

Х 6 Х 6;

Х Идентификация различий с использованием программы «Мультинейрон» выявляет наиболее значимые признаки: I группы в сравнение с условно здоровыми лицами – X8;

X9;

X2;

II группы и группы контроля – X8;

X10, X2;

III группы - и группы контроля – X5;

X10;

X7;

II группы – I группы – X7;

X9, X1;

III группы – I группы – X10;

X5, X3;

III группы – II группы – X10;

X9.

Таким образом, системный анализ и синтез диагностиче ской значимости параметров порядка, используемых при иден тификации клинических вариантов течения СД 2-го типа, полу ченных с помощью 3-х подходов (стохастического, детермини стского и хаотического) для кластера «система гемостаза» вы явил следующие критерии: для группы больных СД 2-го типа в стадии компенсации относительно условно здоровых лиц это Х8;

Х9;

для больных СД 2-го типа в стадии субкомпенсации относи тельно группы контроля – Х8;

для больных СД 2-го типа в ста дии декомпенсации относительно стадии компенсации – Х1.

Сравнительный анализ динамики ФПС ограничивающего аттрактор кластера «иммунограмма» при СД 2-го типа выявил следующие параметры порядка для идентификации различий: I группы и группы контроля: – Х20;

Х18;

Х15;

II группы и группы контроля – Х20;

Х18;

Х9;

III группы и группы контроля – Х20;

Х18;

II группы и I группы – Х9;

Х7;

Х15;

III группы и I группы – Х20;

Х1;

Х1;

III группы и II группы – Х20;

Х17.

Таблица Показатели обработки данных в рамках 3-х подходов (стохастического - «Мультинейрон», детерминистского – «Статистика в медико-биологических исследованиях», теории хаоса и синергетики - метод «идентификации параметров вектора состояния биосистем в m-мерном пространстве») больных СД 2-го типа Кластер: иммунограмма «Мульти- Статистическая Хаос Группы нейрон» достоверность R Z I гр. - Гр.к. Х16;

Х20;

Х8 Х8;

Х16;

Х20 Х15;

Х9;

Х20 Х20;

Х18;

Х II гр. - Гр.к. Х16;

Х3;

Х8 Х16;

Х8 Х7;

Х18;

Х11 Х20;

Х18;

Х III гр.- Гр.к. Х6;

Х8;

Х20 Х20;

Х8;

Х6 Х20;

Х II гр. - I гр. Х16;

Х9;

Х6 Х9;

Х6;

Х16 Х1;

Х10;

Х15 Х20;

Х9;

Х III гр.- I гр. Х9;

Х17;

Х8 Х9;

Х8 Х20;

Х1;

Х17 Х III гр.- II гр. Х12;

Х13;

Х20 Х20 Х20;

Х17 Х Идентификация различий по критерию Стьюдента выявила достоверность различий по следующим диагностическим пара метрам: I группы в сравнение с условно здоровыми лицами – Х8;

Х16;

II группы и группы контроля – Х16;

Х8;

III группы и группы контроля – Х20;

Х8;

Х6;

II группы и I группы – Х9;

Х6;

Х16;

III группы и II группы – Х20;

III группы и I группы – Х9;

Х8.

Идентификация различий с использованием программы «Мультинейрон» выявляет наиболее значимые признаки: I груп пы в сравнение с условно здоровыми лицами – Х16;

Х20;

Х8;

II группы и группы контроля – Х16;

Х3;

Х8;

III группы и группы кон троля – Х6;

Х8;

Х20;

II группы и I группы – Х16;

Х9;

Х6;

III группы и I группы – Х9;

Х17;

Х8;

III группы и II группы – Х12;

Х13;

Х20.

Таким образом, системный анализ и синтез диагностической значимости параметров порядка, используемых при идентифи кации клинических вариантов течения СД 2-го типа, полученных с помощью 3-х подходов (стохастического, детерминистского и хаотического) для кластера «иммунограмма» выявил следующие критерии: для группы больных СД 2-го типа в стадии компенса ции и декомпенсации относительно условно здоровых лиц – Х20;

для больных СД 2-го типа в стадии субкомпенсации относитель но стадии компенсации – Х9;

для больных СД 2-го типа в стадии декомпенсации относительно субкомпенсации – Х20.

Сравнительный анализ динамики ФПС ограничивающего аттрактор кластера «иммуномаркеры» при СД 2-го типа вы явил следующие параметры порядка для идентификации разли чий: I группы и группы контроля: – Х4;


Х2;

III группы и группы контроля – Х1;

Х2;

III группы – I группы – Х20;

Х1;

Х1;

III группы – II группы – Х4, Х2 (табл. 34).

Таблица Показатели обработки данных в рамках 3-х подходов (стохастического - «Мультинейрон», детерминистского – «Статистика в медико-биологических исследованиях», теории хаоса и синергетики - метод «идентификации параметров вектора состояния биосистем в m-мерном пространстве») больных СД 2-го типа Кластер: иммуномаркеры Статистическая Хаос Группы «Мультинейрон»

достоверность R Z I гр. - Гр.к. Х4;

Х1;

Х2 Х4;

Х III гр. - Гр.к. Х2;

Х1;

Х4 Х2 Х1;

Х2 Х III гр. - I гр. Х4;

Х2;

Х3 Х4;

Х Достоверность различий по критерию Стьюдента выявлена только лишь по единственному критерию Х2 для группы III в сравнение с показателями условно здоровых лиц.

Идентификация различий с использованием программы «Мультинейрон» выявляет большую панель диагностических критериев: для I группы и группы контроля: – Х4;

Х1;

Х2;

III группы и группы контроля – Х1;

Х2;

III группы – I группы – Х20;

Х1;

Х1;

III группы – II группы – Х4;

Х2;

Х3 (табл. 34).

Таким образом, системный анализ и синтез диагностиче ской значимости параметров порядка, используемых при иден тификации клинических вариантов течения СД 2-го типа, полу ченных с помощью 3-х подходов (стохастического, детермини стского и хаотического) для кластера «иммуномаркеры» выявил параметр порядка абсолютной значимости для больных СД 2-го типа в стадии декомпенсации относительно группы условно здоровых лиц – Х2.

3.3. Заключение Алгоритмы идентификации параметров центров аттрак торов движения вектора состояния организма в ФПС при СД- типа отражают изменения координат фазового пространства со стояний в динамике течения заболевания.

Сравнительный системный анализ и синтез параметров фа зового пространства при СД 2-го типа с различными клиниче скими вариантами течения определяют дистанцию между цен трами аттракторов m-мерных параллелепипедов – Z, в которых происходит колебание вектора состояний организма в иссле дуемых нозологических классах (подклассах). Расстояние меж ду центрами аттракторов – это интегративный коэффициент апроксимации устойчивости организма в условиях, определяе мых степенью компенсации углеводного обмена в аспекте компартментно-кластерного подхода.

Увеличение дистанции (расстояния между центрами па раллелепипедов – Z) указывает на сужение интервалов устойчи вости организма больных СД-2 типа при ухудшении метаболи ческого контроля, что при сочетании с увеличением показателя асимметрии является индикатором смещения центра анализи руемого аттрактора в область мортального поведения вектора состояний (снижении качества и продолжительности жизни).

Системный анализ параметров ВСОЧ при СД 2-го типа с использованием методов теории хаоса и синергетики, бази рующийся на компартментно-кластерной теории биосистем с целью идентификации параметров порядка возможен при ком плексном использовании методологической триады: синтез сто хастического, детерминистского и хаотического подходов. Это обеспечивает достоверность полученных критериев с определе нием их как количественной характеристики, так и значимости.

Алгоритм анализа расстояния между центрами аттракто ров вектора состояний организма в фазовом пространстве состоя ний при СД-2 типа, с использованием методов системного анали за и синтеза в рамках компартментно-кластерной теории биосис тем, теории хаоса и синергетики, рекомендуется к применению описания динамики различных клинических вариантов патологи ческого процесса в системах с хаотической организацией.

Интегративный коэффициент критической аппроксимации устойчивости организма – Z – необходимо использовать как ин дикатор качественного смещения центра анализируемого ат трактора в область мортального поведения вектора состояний.

Использование алгоритма анализа расстояния между цен трами аттракторов вектора состояний организма в ФПС при СД 2 типа рекомендуется для определения суммарного критерия эффективности управления качеством медицинской помощи больным СД-2 типа в динамике течения заболевания.

Динамику развития метаболических нарушений и иденти фикацию различий различных клинических вариантов течения при СД 2-го типа рекомендуется анализировать с использовани ем системных подходов на основе комплексной триады обра ботки информации. Достоверность и значимость полученных диагностических критериев, используемых при разных градаци ях метаболических нарушений, должна быть систематизирована в аспекте стохастического, детерминистского и хаотического подходов, с определением, как допустимых диапазонов вариа бельности, так и количественных характеристик их значимости.

4. Оптимальное управление программой диспансеризации и реабилитации больных хронической обструктивной болезнью легких с позиций системного анализа 4.1. Введение Актуальность определяется значительной распространенно стью (на 18 % выше, чем в РФ) хронической обструктивной бо лезни легких (ХОБЛ) у населения, проживающего в особых эко логических условиях высоких широт, увеличением показателей инвалидизации и смертности в связи с быстро формирующейся легочно-сердечной недостаточностью (Ландышев Ю.С. и соавт., 1994-2006;

Ушаков В.Ф., 2006;

Шмелев Е.И., 2007). Согласно прогнозам, к 2020 г. ХОБЛ обусловит 4,7 млн. случаев в год и выйдет на 3-е место среди причин смерти (Шмелев Е.И., 2007). В связи с этим особенно актуальной становится разработка новых методов диагностики, лечения, диспансеризации, реабилитации больных ХОБЛ в рамках системного анализа, динамики поведе ния аттракторов ВСОЧ. Это связано с новым пониманием вли яния экофакторов среды на динамику ФСО, качества жизни насе ления, проживающего в условиях высоких широт РФ, поскольку динамика экофакторов урбанизированного Севера часто носит ярко выраженный хаотический режим (Еськов В.М. и соавт., 1991-2008). В клинических рекомендациях по ведению больных ХОБЛ, стандартах лечения ХОБЛ в амбулаторно поликлинических условиях нет рекомендаций по оптимальному управлению программой диспансеризации и реабилитации больных ХОБЛ на Севере. В доступной литературе практически отсутствуют исследования по иммунореабилитации данной ка тегории больных на Севере.

Врачебная практика показала, что общепринятые методы диспансеризации ХОБЛ не всегда приемлемы для условий Се вера, поскольку не учитывают особенности развития и течения ХОБЛ в этом регионе.

4.2. Основные результаты исследований и их обсуждение Объектом настоящего исследования явились больные ХОБЛ из числа жителей г. Сургута – крупнейшего (около тыс. жителей) промышленно-административного центра нефте газодобывающей отрасли Ханты-Мансийского автономного ок руга – Югры.

Обследование проводилось в два этапа. На первом этапе проанализирована на протяжении 7 лет динамика обращаемости в зависимости от экологической обстановки в регионе 693 боль ных (их них во II-й стадии заболевания – 245 больных, в III-й стадии – 429, в IV-й стадии – 19 больных). Больные были в воз расте от 36 до 72 лет. Средний возраст составил 45,6±2,3 лет, продолжительность заболевания – от 3 до 26 лет. Проведен ана лиз в динамике результатов комплексных клинических, функ циональных, рентгенологических, бронхологических, биохимических и иммунологических исследований. Контроль ную группу практически здоровых в возрасте от 17 до 67 лет (средний возраст 42,0±3,8 года) составили 22 человека.

На втором этапе оценивались различные подходы к диспан серизации и реабилитации больных ХОБЛ. Всего под наблюде нием находились 293 пациента, которых, в зависимости от по ставленных задач, разбили на 3 группы: «А», «Б» и «В», каждую из которых, в свою очередь, разделили на несколько подгрупп (Ушаков В.В., 2008).

Группа «А» (162 больных). Проводилось комплексное ди намическое обследование (в течение 3-х лет) 162 больных ХОБЛ III-IV стадии в среднем возрасте 47,3±2,8 лет с продол жительностью заболевания от 6 до 28 лет. 54 больным из этой группы, составивших 1-ю подгруппу (52 пациента с III стадией и 2-е – с IV стадией ХОБЛ) было обеспечено: контрольное обсле дование (1-й вариант) и коррекция ступенчатой терапии (10- раз в году) с использованием симбикорта (4,5 мкг форматерола /160 мкг будесонида) по 2-3 вдоха 2-3 раза в день + спирива ( мкг) по 1-2 вдоха в день + теопек (0,3г) 1-2 раза в день + еже годные курсы лечения Арманором. Кроме того, программа ве дения этой подгруппы больных включала: антиоксиданты (ас корбиновая кислота по 1,0 г в сутки и токоферол по 0,2 г 1 раз в день), ЛФК, дыхательную гимнастику, дозированные прогулки на открытом воздухе (при температуре –5-–20С) в октябре, феврале №20, курсы массажа по методике Суходоловой Л.И., микросауны №5–10 осенью, зимой, весной;

в ноябре, январе курсы приема ликопида №10, ультрафиолетовое облучение (в ноябре, декабре), БОС (методику биологической обратной свя зи), обучение в пульмонологической школе. При этом у боль ных 1-й подгруппы группы А на 2-ом и 3-м году диспансериза ции контрольное обследование и коррекция лечения проводи лись 4-6 раз в год (в ноябре, декабре, январе, феврале, марте).

Во 2-ю подгруппу группы «А» вошли 82 больных ХОБЛ ( пациентов с III стадией, 2 – с IV стадией), которые состояли на диспансерном учете по общепринятой методике. Контрольное обследование и коррекция ступенчатой терапии у них проводи лись 3-6 раз в году;

у 58% лиц данной группы применялись ин галяционные глюкокортикостероиды (беклазон, бекламетазон), бронхолитики (беродуал, атровент, сальбутамол) они применяли нерегулярно.

У 26 больных ХОБЛ (24 пациента с III стадией, 2 – с IV стадией) 3-й подгруппы группы «А» программа ведения боль ных (2-й вариант) была аналогична таковой в 1-ой подгруппе, но контрольное обследование и коррекция ступенчатой терапии осуществлялась 4-6 раз в год. При этом больным данной под группы, так же как и лицам 1-й подгруппы, назначались симби корт и тиотропимума бромид, арманор с учетом фазы течения заболевания. Проведен анализ показателей функции внешнего дыхания и пробы с физической нагрузкой, рО2 и рСО2 в артериа лизованной крови, выполненных в динамике у 46 больных (группа «Б») ХОБЛ (II-IV стадии) в среднем возрасте 48,2 ± 2, лет с продолжительностью заболевания от 8 до 12 лет.

Группа «Б» (61 больной). Для проведения сравнительного анализа больных подразделили на 4 подгруппы в зависимости от применяемых 3-х методов амбулаторного лечения. 15 больных 1-й подгруппы (12 лиц с III стадией и 3 – с IV стадией ХОБЛ ) получали ступенчатую терапию, включающую беродуал, В2– агонисты (вентолин, беротек), бронхолитики (теопек, теотард), ингаляционные глюкокортикостероиды (будесонид, беклазон или бекламетазон) и арманор (альмитрина бисмесилат – 50 мг), по 1–2 таблетки в сутки в течение 3-х месяцев, затем перерыв месяц и вновь двухмесячный прием по той же схеме. 16 боль ных 2-ой подгруппы (13 лиц с III стадией и 3 – с IV стадией ХОБЛ) получали ступенчатую терапию с применением В2– агонистов короткого действия по требованию, ингаляционные глюкокортикостероиды (беклазон или будесонид) и тиотропиу ма бромид (спирива) по 18 мкг в сутки в течение 3 месяцев. больных 3-й подгруппы (с III стадией – 13 человек и 2 пациента с IV стадией ХОБЛ) получали рутинное стандартное амбула торное лечение. 4-я подгруппа (n = 15), 12 мужчин и 3 женщины в возрасте 59-68 лет, все с III стадией ХОБЛ (I-II ст. дыхатель ной недостаточности с признаками компенсированного легочно го сердца), получала ступенчатую терапию амбулаторно и арма нор, аналогичную 1-й подгруппе, в сочетании с курсом (№ 40) пешеходных дозированных прогулок.

В группу «В» вошли 70 больных, которых разделили на подгруппы. Первые 3 подгруппы составили 36 больных (с III стадией ХОБЛ – 27 пациентов, с IV стадией – 9) в возрасте от до 65 лет, с длительностью заболевания от 3до 12 лет. У них вы полняли диагностический щадящий бронхоальвеолярный лаваж (по методике С.И. Ткачевой, В.Ф. Ушакова, 1998) во время фиб робронхоскопии (ФБС) с использованием орошающего устрой ства, и высокочастотной ИВЛ. После лечения диагностический бронхоальвеолярный лаваж выполнен у 30 больных ХОБЛ дан ной группы. Наряду с общепринятым комплексным лечением больных (с III стадией ХОБЛ – 9 пациентов и 3 больных с IV стадией) 1-й подгруппы группы «В» получали щадящую лечеб ную ФБС №3-10 с использованием эндобронхиального введения растворов флуимуцила (500 мг) или ципрофлоксацина (500 мг), цефтриаксона (0,5гр). 12 больных 2-й подгруппы (с III стадией ХОБЛ – 9 пациентов и 3 больных с IV стадией) получали обще принятое комплексное лечение (ОКЛ) в сочетании с щадящей лечебной ФБС с введением эндобронхиального раствора цеф триаксона (1 г). 12 больных 3-й (контрольной) подгруппы ( лиц с III стадией ХОБЛ и 3 – с IV стадией) получали обычное стандартное лечение. Больные 4-й подгруппы группы «В» (n = 34) в возрасте 60-72 лет со II стадией ХОБЛ (1-й стадией дыха тельной недостаточности с эндобронхитом I-II степени) получа ли ОКЛ (без антибиотиков) и импульсное орошение бронхов 5- мл физиологического раствора с 10000 ЕД гепарина при ФБС.

Качество жизни пациентов оценивали по опроснику SF- (Ware J.E. et al. США, 1992). Иммунологические исследования:

фенотипирование лимфоцитов СД4+%, СД8+%, СД22+% осу ществляли с использованием моноклональных антител («Сор бент», Москва). Определение общего иммуноглобулина IgА про водили по общепринятой методике.

Разделение больных в зависимости от формы, степени тя жести заболевания проводили согласно Международной ста тической классификации болезней (МКБ) 10-го пересмотра. На ряду с общеклиническим обследованием использовали следую щие методы:

– рентгенологические;

– функциональные: дыхательные объемы и показатели меха ники дыхания изучали на аппарате «Masterlab» фирмы «Erich Jaege»). Проводили исследование в динамике показателей вен тиляционной функции легких: жизненной емкости легких (ЖЕЛ), объема форсированного выдоха за первую секунду (ОФВ1), максимальной объемной скорости выдоха на уровне % ФЖЕЛ (МОС25),максимальной объемной скорости выдоха на уровне 50 % ФЖЕЛ (МОС50), максимальной объемной скорости выдоха на уровне 75 % ФЖЕЛ (МОС75). Эндоскопические мето ды исследования и лечения осуществляли с помощью фиброб ронхоскопов BF-B3 1-TR, BF-IT30, BF-30 (Япония). Диагности ческий БАЛ, щадящую лечебную ФБС проводили по методу С.А.

Ткачевой и В.Ф. Ушакова (1998). Цитологическое исследование жидкости БАЛ включало подсчет количества клеток в 1мл и оп ределение процентного содержания нейтрофилов, лимфоцитов, эозинофилов, макрофагов. Из верхней, средней, нижней доли правого легкого ультраструктура клеток лаважной жидкости изу чалось с использованием электронной микроскопии. Микробио логический метод исследования мокроты и бронхиальных смы вов, осуществляли по общепринятой методике: посев мокроты и смывов осуществлялся на среды ВНИИП.

Индексы изменчивости погоды (внутрисуточной, межсуточ ной), весового содержания кислорода в атмосферном воздухе вычислялись за 7-летний период:

Мк (в/с)100% К= n где: К – индекс внутрисуточной (в/с) изменчивости темпе ратуры атмосферного воздуха в процентах;

К1 – индекс межсу точной (м/с) изменчивости температуры атмосферного воздуха в процентах;

К2 – индекс внутрисуточной изменчивости весового содержания кислорода в атмосферном воздухе в процентах (в/с О2А);

К3 – индекс межсуточной изменчивости содержания ки слорода в атмосферном воздухе в процентах (м/с О2А), где А – содержание кислорода в атмосферном воздухе;

Мк – число кон трастных смен отдельных периодов, определяемых величиной межсуточного, внутрисуточного изменения температуры, баро метрического давления (рА), весового содержания О2 в атмо сферном воздухе (более чем на 5 градаций), n – число дней в рассматриваемом периоде.

При этом вычислялся общий индекс (Кtot), при котором Мк означает смену (межсуточную) всех измерений (утром, днем, ве чером, ночью).

Вычислялись: Ка/ф – индекс атипичной флюктуации(более, чем на 20 градаций) межсуточной температуры атмосферного воздуха, барометрического давления, весового содержания ки слорода в атмосфере. Индекс дискомфортных теплопотерь орга нами дыхания (С) вычислялся по формуле:

Тк100% С= n где: Тк – число контрастных смен периодов с любой пого дой при межсуточной изменчивости средней величины теплопо терь органами дыхания (рассчитанной по таблице В.И. Русанова, 1973) более чем на 3 ккал.

Статистические расчеты проводились с применением паке та Microsoft Statistica for Windows 2000, «Biostat». Достовер ность различий оценивали с помощью парного t-критерия Сть юдента при параметрическом распределении данных. Анализ корреляционных взаимосвязей переменных проводили методом ранговой корреляции Спирмена (rs). В данной работе использо ваны новые подходы ТХС, которые основаны на анализе пара метров аттракторов ВСОЧ, меняющихся под действием эко факторов. Последний (ВСОЧ) базируется на сравнении пара метров различных кластеров, представляющих биологические динамические системы. Эти методы основаны на идентифика ции объема аттракторов ВСОЧ в фазовом пространстве (Есь ков В.М. и соавт., 2001-2008). Обработка данных по поведению аттракторов ВСОЧ в m-мерном ФПС для больных ХОБЛ про изводилась с использованием программы «Идентификация па раметров аттракторов поведения вектора состояния биосистем в m-мерном фазовом пространстве» (Еськов В.М., 2006). В на ших исследованиях мы проводили сравнительные характери стики аттракторов метеорологических параметров и обращае мости больных ХОБЛ в результате обработки в 3-х и 5-ти мер ном пространстве признаков, изучаемых в различные месяцы за 7-летний период. Также рассчитывались координаты в 3-х мер ном пространстве ВСОЧ до и после 3-х летней диспансеризации и реабилитации больных ХОБЛ по следующим параметрам по казателей: ОФВ1 (Х1), МОС75, (Х2) ФА (физической активности – Х3). Все данные показатели рассчитывались на ЭВМ. Определя лись все интервалы изменения Х по 5-ти и 3-м координатам;

по казатели асимметрии rХ по каждой координате и по всем в об щем, а также рассчитывался общий объем (Vх) параллелепипеда (General V value), ограничивающего аттрактор. Внешнее управ ляющее воздействие (ВУВ) на процессы диспансеризации и ре абилитации больных с ХОБЛ представляло собой организаци онный комплекс: занятия в «пульмо-школе», частый (10-14 раз в году) контроль за состоянием больных с коррекцией лечения (по методике гибкого дозирования), организация проведения курсов реабилитации больных.

Исследования показали, что число случаев обращений больных по поводу обострения ХОБЛ было наиболее высоким в ноябре (10,4 %), марте (17,0 %), значительно высоким в декабре, январе, феврале (соответственно 13,0 %, 13,8 %, 11,8 %), в меньшей мере наблюдалось в октябре (7,0 %);

апреле (6,6 %), мае (7,8 %) и существенно снижалось в июне (4,0 %), июле (2, %), августе (1,7 %), сентябре (4,6 %).

Наряду с этим у 72 % пациентов ХОБЛ II-III стадии и 98 % больных ХОБЛ IV стадии отмечались: усиление одышки, появ ление кашля с мокротой при выходе на открытый воздух при температуре от –25оС до –55оС (по Арнольди). Сопоставление числа рецидивов ХОБЛ с индексами межсуточной изменчивости температуры (Км/с воздуха, Кtot, Ка/ф), показало, что значи тельное повышение числа случаев обострений ХОБЛ в январе (13,8 %), феврале (11,8 %), декабре (13,0 %) по сравнению с ле том, осенью, апрелем и маем совпадали (rs=0,39–0,61;

р0,05) с выраженным повышением Км/с (он, соответственно, составлял 105,8 %;

113,0 %;

122,5 %), Кtot (соответственно, составлял 55, %;

25,3 % и 28,0 %), Ка/ф (соответственно, составлял 54,6 %;

41,8 %;



Pages:     | 1 | 2 || 4 | 5 |   ...   | 11 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.