Медико-социальный профиль пациентов с гипертензивной (гипертонической) болезнью с преимущественным поражением почек по данным датасета

Обложка

Цитировать

Полный текст

Аннотация

Цель. На основании данных датасета представить медико-социальный профиль пациентов с гипертензивной (гипертонической) болезнью с преимущественным поражением почек и рассмотреть диагностическую значимость некоторых биомаркеров данного заболевания.

Материалы и методы. По данным датасета проведен анализ медико-социального профиля 436 пациентов с диагнозом «гипертензивная (гипертоническая) болезнь с преимущественным поражением почек»: оценивались комбинированные признаки по возрасту (18–76 лет), полу (мужской, женский), антропометрическим (рост, вес (масса тела), индекс массы тела) и клиническим (частота сердечных сокращений, артериальное давление, креатинин в крови, общий анализ мочи (скорость клубочковой фильтрации, белок, плотность, pH) характеристикам.

Результаты. Представлен медико-социальный профиль пациентов с гипертензивной (гипертонической) болезнью с преимущественным поражением почек по возрастным группам и полу и полу, включающий антропометрические, клинические и социальные характеристики по данным датасета (мужского и женского пола соответственно: 18–34 года (25,9 %; 5,7 %), 35–54 года (17,2 %; 14,9 %), 55–76 года (25,7 %; 10,6 %)). Средняя длительность лечения 13,8 ± 5,8 дня. На наш взгляд, биомаркеры, разработанные на малых выборках без учета пола и возраста пациентов с данной сочетанной патологией, требуют дополнительных исследований с применением датасетов и искусственного интеллекта.

Выводы. Большие объемы данных (датасет) формируют медико-социальный профиль пациента с сочетанной патологией, комбинируя необходимые антропометрические и клинические характеристики для анализа, что позволяет интегрировать информацию о пациенте в искусственный интеллект для машинного обучения и способствует совершенствованию оказания медицинской помощи.

Об авторах

Н. А. Касимовская

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Автор, ответственный за переписку.
Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0002-1046-4349
SPIN-код: 7337-2930

доктор медицинских наук, профессор, заведующая кафедрой управления сестринской деятельностью и социальной работы Института психолого-социальной работы

Россия, Москва

А. А. Зотова

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0001-6348-5963

главная медицинская сестра Университетской клинической больницы № 3

Россия, Москва

М. В. Кривецкая

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0001-8351-5461
SPIN-код: 1204-6531

ассистент кафедры управления сестринской деятельностью и социальной работы Института психолого-социальной работы

Россия, Москва

Н. А. Ульянова

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0002-8497-8238
SPIN-код: 8082-9431

ассистент кафедры управления сестринской деятельностью и социальной работы Института психолого-социальной работы

Россия, Москва

О. И. Моругина

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0002-3593-6947
SPIN-код: 4870-0572

ассистент кафедры управления сестринской деятельностью и социальной работы Института психолого-социальной работы

Россия, Москва

К. В. Касимовский

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0009-0000-5476-3132

преподаватель кафедры управления сестринской деятельностью и социальной работы Института психолого-социальной работы

Россия, Москва

Е. В. Поддубская

Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: kasimovskaya_n_a@staff.sechenov.ru
ORCID iD: 0000-0001-6476-6337
SPIN-код: 8492-3712

кандидат медицинских наук, главный врач Университетской клинической больницы № 3

Россия, Москва

Список литературы

  1. Бурсов А.И., Сафонова Д.М. Исследование изображений в открытых датасетах глазного дна при диабетической ретинопатии, предназначенных для обучения нейросетевых алгоритмов. Сибирский журнал клинической и экспериментальной медицины 2025; 40 (1): 218–225. doi: 10.29001/2073-8552-2025-40-1-218-225 / Bursov A.I., Safonova D.M. Issledovanie izobrazhenij v otkrytyh datasetah glaznogo dna pri diabeticheskoj retinopatii, prednaznachennyh dlja obuchenija nejrosetevyh algoritmov. Siberian Journal of Clinical and Experimental Medicine 2025; 40 (1): 218–225. doi: 10.29001/2073-8552-2025-40-1-218-225 (in Russian).
  2. Пугачев П.С., Гусев А.В., Кобякова О.С., Кадыров Ф.Н., Гаврилов Д.В., Новицкий Р.Э., Владзимирский А.В. Мировые тренды цифровой трансформации отрасли здравоохранения. Национальное здравоохранение 2021; 2 (2): 5–12. doi: 10.47093/2713-069X.2021.2.2.5-12 / Pugachev P.S., Gusev A.V., Kobyakova O.S., Kadyrov F.N., Gavrilov D.V., Novitsky R.E., Vladzimirsky A.V. Global trends in digital transformation of the healthcare industry. National Health 2021; 2 (2): 5–12. doi: 10.47093/2713-069X.2021.2.2.5-12 (in Russian).
  3. Ханов А.М., Гусев А.В., Тюрганов А.Г. Искусственный интеллект в здравоохранении России: сбор и подготовка данных для машинного обучения. Российский журнал телемедицины и электронного здравоохранения 2023; 9 (4): 7–13. doi: 10.29188/2712-9217-2023-9-4-7-13 / Hanov A.M., Gusev A.V., Tjurganov A.G. Iskusstvennyj intellekt v zdravoohranenii Rossii: sbor i podgotovka dannyh dlja mashinnogo obuchenija. Russian Journal of Telemedicine and eHealth 2023; 9 (4): 7–13. doi: 10.29188/2712-9217-2023-9-4-7-13 (in Russian).
  4. Lewington S., Clarke R., Qizibash N. et al. Prospective Studies Collaboration. Age-specific relevance of usuale blood pressure to vascular mortality: a meta-analysis of individual data for one million adults in 61 prospective studies. Lancet 2002; 360: 1903–13.
  5. Haroun M.K., Jaar B.G., Hoffman S.C., Comstock G.W., Klag M.J., Coresh J. Risk factors for chronic kidney disease: a prospective study of 23,534 men and women in Washington County, Maryland. J Am Soc Nephrol 2003; 14 (11): 2934–2941.
  6. Segura J., Campo C., Gil P., Roldán C., Vigil L., Rodicio J.L. et al. Development of chronic kidney disease and cardiovascular prognosis in essential hypertensive patients. J Am Soc Nephrol 2004; 15 (6): 1616–1622.
  7. Ощепкова Е.В., Долгушева Ю.А., Жернакова Ю.В., Чазова И.Е., Шальнова С.А., Яровая Е.Б. и др. Распространенность нарушения функции почек при артериальной гипертонии (по данным эпидемиологического исследования ЭССЕ-РФ). Системные гипертензии 2015; 12 (3): 19–24. / Oshchepkova E.V., Dolgusheva Iu.A., Zhernakova Iu.V., Chazova I.E., Shal’nova S.A., Iarovaia E.B. et al. The prevalence of renal dysfunction in arterial hypertension (in the framework of the ESSE-RF study). Systemic Hypertension 2015; 12 (3): 9–24 (in Russian).
  8. Миронова С.А., Юдина Ю.С., Ионов М.В., Авдонина Н.Г., Емельянов И.В., Васильева Е.Ю., Звартау Н.Э., Конради А.О. Маркеры поражения почек у больных артериальной гипертензией: новые против старых. Артериальная гипертензия 2018; 24 (2): 223–236. doi: 10.18705/1607-419X-2018-24-2-223-236 / Mironova S.A., Judina Ju.S., Ionov M.V., Avdonina N.G., Emel'janov I.V., Vasil'eva E.Ju., Zvartau N.Je., Konradi A.O. Biomarkers of kidney injury in hypertension: conventional versus novel. Arterial'naja gipertenzija 2018; 24 (2): 223–236. doi: 10.18705/1607-419X-2018-24-2-223-236 (in Russian).
  9. Торгунаков А.П. Гипертоническая болезнь глазами хирурга. Медицина в Кузбассе 2007; 2: 6–12. / Torgunakov A.P. Hypertension in the eyes of a surgeon. Medicine in Kuzbass 2007; 2: 6–12 (in Russian).
  10. Poplin R., Varadarajan A.V., Blumer K. et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning. Nat Biomed Eng 2018; 2 (3): 158–164. doi: 10.1038/s41551-018-0195-0
  11. Quesada J.A., Lopez-Pineda A., Gil-Guillen V.F. et al. Machine learning to predict cardio vascular risk. Int J Clin Pract 2019; 73 (10): E13389. doi: 10.1111/ijcp.13389
  12. Zack C.J., Senecal C., Kinar Y. et al. Leveraging machine learning techniques to forecast patient prognosis after percutaneous coronary intervention. JACC Cardiovasc Interv 2019; 12 (14): 1304–1311. doi: 10.1016/j.jcin.2019.02.035
  13. Моисеев B.C., Мухин Н.А., Кобалава Ж.Д., Бобкова И.Н., Виллевальде С.В., Ефремовцева М.А. и др. Cердечно-сосудистый риск и хроническая болезнь почек: стратегии кардионефропротекции. Российский кардиологический журнал 2014; 8 (112): 7–37. doi: 10.15829/1560-4071-2014- 8-7-37 / Moiseev V.C., Mukhin N.A., Kobalava J.D., Bobkova I.N., Villevalde S.V., Efremovtseva M.A. et al. Cardiovascular risk and chronic kidney disease: cardio-nephroprotection strategies. Russian Journal of Cardiology 2014; 8 (112): 7–37. doi: 10.15829/1560-4071-2014- 8-7-37 (in Russian).
  14. Миронова С.А., Юдина Ю.С., Ионов М.В., Авдонина Н.Г., Емельянов И.В., Васильева Е.Ю., Звартау Н.Э., Конради А.О. Маркеры поражения почек у больных артериальной гипертензией: новые против старых. Артериальная гипертензия 2018; 24 (2): 223–236. doi: 10.18705/1607-419X-2018-24-2-223-236 / Mironova S.A., Judina Ju.S., Ionov M.V., Avdonina N.G., Emel'janov I.V., Vasil'eva E.Ju., Zvartau N.Je., Konradi A.O. Markery porazhenija pochek u bol'nyh arterial'noj gipertenziej: novye protiv staryh. Arterial'naja gipertenzija 2018; 24 (2): 223–236. doi: 10.18705/1607-419X-2018-24-2-223-236 (in Russian).
  15. Милюков В.Е., Жарикова Т.С. Критерии формирования возрастных групп пациентов в медицинских исследованиях. Клиническая медицина 2015; 11: 5–1. / Miljukov V.E., Zharikova T.S. Criteria for forming patient ages in medical research. Clinical Medicine 2015; 11: 5–1 (in Russian).
  16. Миронова С.А., Юдина Ю.С., Ионов М.В.1,2, Авдонина Н.Г., Емельянов И.В., Васильева Е.Ю., Китаева Е.А., Звартау Н.Э., Конради А.О. Взаимосвязь новых маркеров поражения почек и состояния сосудов у больных артериальной гипертензией. Российский кардиологический журнал 2019; 24 (1): 44–51. doi: 10.15829/1560-4071-2019-1-44-51 / Mironova S.A., Judina Ju.S., Ionov M.V.1,2, Avdonina N.G., Emel'janov I.V., Vasil'eva E.Ju., Kitaeva E.A., Zvartau N.Je., Konradi A.O. Novel biomarkers of kidney injury and fibrosis in patients with different severity of hypertension: relation to vascular reactivity and stiffness. Russian Journal of Cardiology 2019; 24 (1): 44–51. doi: 10.15829/1560-4071-2019-1-44-51 (in Russian).
  17. Кошельская О.А., Журавлева О.А. Маркеры хронической болезни почек и нарушения ренальной гемодинамики у пациентов с контролируемой артериальной гипертонией высокого риска. Российский кардиологический журнал 2018; 23 (10): 112–118. doi: 10.15829/1560-4071-2018-10-112-118 / Koshel'skaja O.A., Zhuravleva O.A. Markers of chronic kidney disease and disorders of renal hemodynamics in patients with medically-controlled arterial hypertension and high and very high cardiovascular risk. Russian Journal of Cardiology 2018; 23 (10): 112–118. doi: 10.15829/1560-4071-2018-10-112-118 (in Russian).
  18. Батюшин М.М. Методические основы оценки скорости клубочковой фильтрации в урологической практике. Вестник урологии 2017; 5 (1): 42–51. doi: 10.21886/2308-6424-2017-5-1-42-51 / Batjushin M.M. Methodical bases of estimation glomerular filtration rate in urological practice. Vestnik urologii 2017; 5 (1): 42–51. doi: 10.21886/2308-6424-2017-5-1-42-51 (in Russian).
  19. Клинические практические рекомендации KDIGO 2012 по диагностике и лечению хронической болезни почек. Нефрология и диализ 2017; 19 (1): 23–206. doi: 10.28996/1680-4422-2017-1-22-206 / KGIGO 2012 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease. Nephrology and Dialysis 2017; 19 (1): 23–206. doi: 10.28996/1680-4422-2017-1-22-206 (in Russian).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. Характеристика изменения основного диагноза пациентов с диагнозом «гипертензивная (гипертоническая) болезнь с преимущественным поражением почек» при поступлении и выписке из стационара (на 100 пациентов)

Скачать (89KB)
Метаданные

© Эко-Вектор, 2025


 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».