Редакция сайта ТАСС
КЕМЕРОВО, 9 декабря. /ТАСС/. Ученые НИИ Комплексных проблем сердечно-сосудистых заболеваний (КПССЗ) в Кемерово впервые разработали систему для прогнозирования сердечно-сосудистых заболеваний, которая учитывает антропогенное загрязнение воздуха. Об этом сообщили ТАСС в Минобрнауки РФ.
Развитие хронических неинфекционных заболеваний, к которым относятся болезни системы кровообращения, является результатом сочетания генетических, физиологических, экологических, поведенческих и социальных факторов. По данным ВОЗ, ишемическая болезнь сердца, фибрилляция предсердий, инсульт, сердечная недостаточность составляют 43% всех случаев смерти от хронических неинфекционных заболеваний.
"В настоящее время существует множество инструментов прогнозирования сердечно-сосудистых заболеваний, но, как правило, все шкалы и модели учитывают исключительно традиционные факторы риска, к которым относятся курение, повышенный уровень холестерина, артериальная гипертония, недостаточная физическая активность, неправильное питание и другие. Новизна нашего исследования в том, что проведен анализ риска неблагоприятных сердечно-сосудистых событий с учетом такого фактора риска как антропогенное загрязнение воздуха. Программа разработана с учетом региональных экологических особенностей
При этом системой выделены диапазоны факторов риска - увеличивающий или снижающий данный риск. Также были скорректированы диапазоны параметров, которые могут отличаться от общепринятых. Например, общепринято, что риск сердечно-сосудистых катастроф возрастает при индексе массы тела более 30 кг/кв. м, но для жителей Кемерова он составляет более 28 кг/кв. м. Такие закономерности выведены и по уровню холестерина и его фракций. Персонифицированный подход к выявлению факторов риска позволит своевременно начать профилактику и при необходимости лечение, а следовательно снизить риск развития инфаркта миокарда, инсульта и хронической сердечной недостаточности, добавляют ученые.
Модель предиктивной аналитики кемеровских ученых основана на фактах многолетних исследований, в которых приняли участие около 3 тыс. участников. Для построения прогностических моделей использован градиентный бустинг - метод машинного обучения, который последовательно создает набор слабых прогностических моделей, и комбинирует их в единую сильную модель. В дальнейшем модель может быть масштабирована и для других регионов России через включение ее в единую государственную информационную систему в сфере здравоохранения (ЕГИСЗ).
Комментарии