Наталья Геннадьевна Ложкина, д-р мед. наук, проф. кафедры факультетской терапии
630089, г. Новосибирск, Красный просп., 52
Natalya G. Lozhkina, doctor of medical sciences, professor of the department for Intermediate Course of Internal Medicine
52, Krasny av., Novosibirsk, 630089
Изатулло Мукарамов, врач-терапевт
630089, г. Новосибирск, Красный просп., 52
Izatillo Mukaramov, general practitioner
52, Krasny av., Novosibirsk, 630089
Юрий Евгеньевич Воскобойников, д-р физ.-мат. наук, проф., зав. кафедрой прикладной математики
6300008, г. Новосибирск, ул. Ленинградская, 113
Yuri E. Voskoboinikov, doctor of physical and mathematical sciences, professor, head of the department of Applied Mathematics
113, Leningradskaya str., Novosibirsk, 6300008
Танзила Беслановна Хаюрина, студентка
630089, г. Новосибирск, Красный просп., 52
Tanzila B. Khayurina, student
52, Krasny av., Novosibirsk, 630089
В последнее десятилетие наблюдается увеличение числа людей, переживших инфаркт миокарда (ИМ). Однако у этой категории больных сохраняется высокий риск развития хронической сердечной недостаточности (ХСН). Постарение населения и коморбидность вносят дополнительный вклад в неблагоприятные исходы. Оптимизация подходов по выявлению предикторов постинфарктной ХСН является важной клинической задачей современной медицины.
Цель исследования – разработать способ оценки риска развития ХСН после перенесенного ИМ.
Материал и методы. В настоящий анализ включено 186 пациентов, перенесших ИМ с января 2019 г. по январь 2020 г.: 86 человек, имеющих признаки ХСН выше 2-го функционального класса (ФК) (NYHA) (средний возраст 64,3 года) и 100 человек без признаков ХСН или с ХСН 1 ФК (NYHA) (средний возраст 62,6 года) к 30-му дню ИМ. С применением методов факторного и корреляционного анализа построена математическая модель оценки риска ХСН после перенесенного ИМ.
Результаты. Разработан способ оценки риска развития ХСН после перенесенного ИМ. Предложенная формула запрограммирована в табличном процессоре Excel и включает пять показателей: наличие фибрилляции предсердий, класс острой сердечной недостаточности по Killip, уровень триглицеридов, подъем сегмента ST электрокардиограммы, фракция выброса левого желудочка менее 45 %. Авторский подход позволяет длительно вести персонифицированное наблюдение, учитывая ранжированный вклад каждого фактора у конкретного пациента; характеризуется высокой чувствительностью, специфичностью и точностью.
Заключение. В настоящем исследовании изучены факторы формирования синдрома постинфарктной хронической сердечной недостаточности. Предложена оригинальная математическая формула оценки риска ХСН, включающая рутинные показатели больных ИМ. Подход позволяет персонифицированно вести выделенные когорты пациентов – c повышенным и стандартным риском постинфарктной ХСН.
In the last decade, there has been an increase in the number of survivors of myocardial infarction (MI). However, the risk of developing chronic heart failure (CHF) remains high in this category of patients. Population aging and comorbidity further contribute to adverse outcomes. Optimization of approaches to identify predictors of postinfarction CHF is an important clinical task of modern medicine.
The aim of the investigation is to develop a method to assess the risk of CHF development after MI.
Material and Methods. The present analysis included 186 patients who underwent MI from January 2019 to January 2020: 86 patients with signs of CHF above functional class (FC) 2 (NYHA) (mean age 64.3 years) and 100 patients without signs of CHF or with CHF 1 (NYHA) (mean age 62.6 years) by day 30 of MI. A mathematical model of CHF risk after MI was built by factor and correlation analysis methods.
Results. A method for assessing CHF risk after a previous MI was developed. The proposed formula is programmed in Excel table processor and includes 5 indicators: presence of atrial fibrillation, Killip class of acute heart failure, triglycerides level, ST-segment elevation of electrocardiogram, left ventricular ejection fraction less than 45 %. The authors’ approach allows long-term personalized monitoring, taking into account the ranked contribution of each factor in a particular patient; it is characterized by high sensitivity, specificity, and accuracy.
Conclusion. The present study investigated the factors of formation of postinfarct chronic heart failure syndrome. An original mathematical formula for CHF risk estimation, including routine indices of MI patients, has been proposed. The approach allows personalized management of selected cohorts of patients – with increased and standard risk of postinfarction CHF.
The authors declare that there are no conflicts of interest present.