ssmuБюллетень сибирской медициныBulletin of Siberian Medicine1682-03631819-3684Siberian State Medical University, the Ministry of Healthcare of the Russian Federation10.20538/1682-0363-2019-3-107-115ssmu-2408Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL PAPERSИспользование гребневой регрессии для оценки степени тяжести острого панкреатитаThe use of ridge regression for estimating the severity of acute pancreatitishttps://orcid.org/0000-0002-4743-4565ЧерданцевД. В.CherdantsevD. V.

д-р мед. наук, профессор, зав. кафедрой и клиникой хирургических болезней им. проф. А.М. Дыхно, проректор по аккредитации и лицензированию,

660022, г. Красноярск, ул. Партизана Железняка, 1

DM, Professor, Head Department and Clinic of Surgical Diseases named after prof. A.M. Dykhno, Vice-Rector for Accreditation and Licensing,

1, Partizana Zheleznyaka Str., Krasnoyarsk, 660022

https://orcid.org/0000-0003-4606-4598СтроевА. В.StroevA. V.

аспирант, 

660022, г. Красноярск, ул. Партизана Железняка, 1

PhD Student,

1, Partizana Zheleznyaka Str., Krasnoyarsk, 660022

https://orcid.org/0000-0002-6073-4781МангаловаЕ. С.MangalovaE. S.

программист-разработчик,

660017, г. Красноярск, ул. Кирова, 19

Software Developer,

19, Kirov Str., Krasnoyarsk, 660017

https://orcid.org/0000-0003-4883-7216КононоваН. В.KononovaN. V.

канд. техн. наук, доцент, кафедра информационных систем,

660041 г. Красноярск, пр. Свободный, 79

PhD, Associate Professor, Department of Information Systems,

79, Svobodny Av., 660041

https://orcid.org/0000-0002-9331-6682ЧубароваО. В.ChubarovaO. V.

канд. техн. наук, доцент, кафедра системного анализа и исследования операций,

660037, г. Красноярск, пр. имени газеты «Красноярский рабочий», 31

PhD, Associate Professor, Department of System Analysis and Operations Research,

31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037

Kuznetcova_o@mail.ruКрасноярский государственный медицинский университет (КрасГМУ) имени профессора В.Ф. Войно-ЯсенецкогоРоссияKrasnoyarsk State Medical University (KrasSMU) named after Prof. V.F. Voino-YasenetskyRussian FederationООО «АрДиСайнс»РоссияRD Science Ltd.Russian FederationСибирский федеральный университет (СФУ)РоссияSiberian Federal UniversityRussian FederationСибирский государственный университет (СибГУ) имени М.Ф. РешетневаРоссияReshetnev Siberian State University of Science and TechnologyRussian Federation201927102019183107115Copyright © Черданцев Д.В., Строев А.В., Мангалова Е.С., Кононова Н.В., Чубарова О.В., 20192019Черданцев Д.В., Строев А.В., Мангалова Е.С., Кононова Н.В., Чубарова О.В.Cherdantsev D.V., Stroev A.V., Mangalova E.S., Kononova N.V., Chubarova O.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://bulletin.ssmu.ru/jour/article/view/2408Цель

Цель. Повышение эффективности лечения пациентов с острым панкреатитом путем совершенствования объективизации степени тяжести острого панкреатита.

Материалы и методы

Материалы и методы. Исследование выполнено на основе ретроспективного анализа 130 историй болезни: 47 из КГБУÇ «Краевая клиническая больница» (г. Красноярск), 83 из КГБУÇ «Краевая межрайонная клиническая больница № 20 им. И.С. Берзона» с диагнозом «острый панкреатит» в период 2015–2017 гг. Проводилась предварительная обработка «сырых» данных. В частности, были использованы разные подходы к заполнению пропущенных значений в матрице наблюдений: восстановление медианой, линейной регрессией. В исходной выборке содержались переменные, измеренные в различных количественных и категориальных шкалах. Для некоторых определяемых параметров с ярко выраженным асимметричным распределением применялся метод квантильного преобразования исходных значений, позволяющий привести признаки к единообразию и снизить риск исключения значимых признаков на этапе отбора. При решении поставленной задачи использовалась гребневая регрессия (ridge regression) в комбинации с алгоритмом последовательного сокращения признакового пространства.

Результаты

Результаты. Построен классификатор, позволяющий прогнозировать три степени тяжести острого панкреатита, для определения выбора рациональной клинической тактики. Метод классификации степени тяжести острого панкреатита показал свою эффективность при валидации. Точность классификации – свыше 92% относительно экспертной оценки. Процедура построения классификатора с использованием гребневой регрессии может быть использована в качестве одного из элементов математического ядра системы поддержки принятия врачебных решений.

Заключение

Заключение. Полученные результаты в дальнейшем позволят сделать выбор рациональной стартовой терапии, оценить необходимость оперативного вмешательства и при тяжелой степени назначить усиленную антибактериальную и дезинтоксикационную терапию, что, вероятно, снизит количество случаев гнойно-септических осложнений острого панкреатита и уменьшит частоту летальных исходов. 

Purpose

Purpose. Increasing of treatment efficiency for patients with acute pancreatitis by improving objective means of determining the severity of acute pancreatitis.

Materials and method

Materials and method. The study was based on a retrospective analysis of 130 cases of acute pancreatitis: 47 cases from «Krasnoyarsk Regional Clinical Hospital» and 83 cases from «Regional Interdistrict Clinical Hospital No 20 named after I.S. Berzon» in the period from 2015 to 2017. The raw data was pre-processed. In particular, different methods (median, linear regression) were used to fill the missing values in the observation matrix. The initial dataset contained features measured in various quantitative and categorical scales. For some features with a pronounced asymmetric distribution, a quantile transformation was applied to initial values. The quantile transformation allows features to be brought to a uniform distribution in order to reduce the risk of excluding significant features. Ridge regression was used in combination with an algorithm for sequential reduction of attribute space.

Results

Results. The classifier of three degrees of acute pancreatitis severity was developed. This classifier can help to determine better treatment tactics. During validation, the method of determining the severity of acute pancreatitis classification has proven to be effective. The average accuracy was 92% compared to the experts’ decisions. This procedure for constructing a classifier can be used as part of the basis to the medical decision support system.

Conclusion

Conclusion. The results of this study will help to make the choice of a necessary starting therapy, assess the need for surgical intervention and in severe cases, prescribe enhanced antibacterial and detoxification therapy. This will predictably reduce the percentage of septic complications of acute pancreatitis, and consequently will reduce the frequency of fatal outcomes. 

острый панкреатитстепень тяжестиклассификаторкатегориальные признакизначимые показателивосстановление пропусковгребневая регрессияAUC (Area Under Curve)acute pancreatitisseverityclassifiercategorical signssignificant indicatorsrecovery of gapsridge regressionAUC (Area Under Curve)ReferencesСавельев В.С., Филимонов М.И., Бурневиг С.Ç. Острый панкреатит. Эпидемиология, профилактика, классификация. URL: https://medbe.ru/materials/khirurgiya-podzheludochnoy-zhelezy/ostryy-pankreatit-epidemiologiya-profilaktika-klassifikatsiya/.Savel’ev V.S., Filimonov M.I., Burnevig S.Z. Acute pancreatitis. Epidemiology, prevention, classification. (in Russ.). URL: https://medbe.ru/materials/khirurgiya-podzheludochnoy-zhelezy/ostryy-pankreatit-epidemiologiya-profilaktika-klassifikatsiya/.Kurti F., Shpata V., Kuqo A., Duni A., Roshi E., Basho J. Incidence of acute pancreatitis in Albanian population. Mater Sociomed. 2015; 27 (6): 376–369. DOI: 10.5455/msm.2015.27.376-379.Kurti F., Shpata V., Kuqo A., Duni A., Roshi E., Basho J. Incidence of acute pancreatitis in Albanian population. Mater Sociomed. 2015; 27 (6): 376–369. DOI: 10.5455/msm.2015.27.376-379.Munigala S., Yadav D. Case-fatality from acute pancreatitis is decreasing but its population mortality shows little change. Pancreatology. 2016; 16 (4): 542–550. DOI: 10.1016/j.pan.2016.04.008.Munigala S., Yadav D. Case-fatality from acute pancreatitis is decreasing but its population mortality shows little change. Pancreatology. 2016; 16 (4): 542–550. DOI: 10.1016/j.pan.2016.04.008.Karakayali F.Y. Surgical and interventional management of complications caused by acute pancreatitis. World J. Gastroenterol. 2014; 20 (37): 13412–13423. DOI: 10.3748/wjg.v20.i37.13412.Karakayali F.Y. Surgical and interventional management of complications caused by acute pancreatitis. World J. Gastroenterol. 2014; 20 (37): 13412–13423. DOI: 10.3748/wjg.v20.i37.13412.Бородин Н.А., Мальцева О.В., Гиберт Б.К., Çайцев Е.Ю. Современные подходы в лечении деструктивных форм панкреатита, пути снижения летальности. Медицинская наука и образование Урала. 2015; 16 (82): 70–73.Borodin N.A., Mal’tseva O.V., Gibert B.K., Zaitsev E.Yu. Modern approaches in the treatment of destructive forms of pancreatitis, ways to reduce mortality. Medical Science and Education of the Urals. 2015; 16 (82): 70–73 (in Russ.).Имаева А.К., Мустафин Т.И., Шарифгалиев И.А. Острый деструктивный панкреатит. Сибирский медицинский журнал (Иркутск). 2014; 131 (8): 14–20.Imaeva A.K., Mustafin T.I., Sharifgaliev I.A. Acute destructive pancreatitis. Siberian Medical Journal (Irkutsk). 2014; 131 (8): 14–20 (in Russ.).Валеев А.А. Оценка тяжести состояния больных с острых деструктивным панкреатитом при выборе тактики лечения. Казанский медицинский журнал. 2013; 94 (5): 633–636.Valeev A.A. Assessment of the severity of the patients with acute destructive pancreatitis in the selection of treatment. Kazan Medical Journal. 2013; 94 (5): 633–636 (in Russ.).Ризаев К.С., Хаджибаев Ф.А., Баймурадов Ш.Э. Определение степени тяжести течения и лечения острого панкреатита: материалы пленума правления ассоциации гепатопанкреатобилиарных хирургов стран СНГ. 2015: 123–125.Rizaev K.S., Khadzhibaev F.A., Baimuradov Sh.E. Determination of acute pancreatitis severity and treatment: materials of the plenum of the board of the Association of hepatopancreatobiliary surgeons of the CIS countries. 2015: 123–125 (in Russ.).Kuo D.C., Rider A.C., Estrada P., Kim D., Pillow M.T. Acute Pancreatitis: What’s the Score? J. Emerg. Med. 2015; 48 (6): 762–770. DOI: 10.1016/j.jemermed.2015.02.018.Kuo D.C., Rider A.C., Estrada P., Kim D., Pillow M.T. Acute Pancreatitis: What’s the Score? J. Emerg. Med. 2015; 48 (6): 762–770. DOI: 10.1016/j.jemermed.2015.02.018.Литвин А.А., Жариков О.Г., Ковалев В.А. Система поддержки принятия решений в прогнозировании и диагностике инфицированного панкреонекроза. Врач и информационные технологии. 2012; 2: 54–63.Litvin A.A., Zharikov O.G., Kovalev V.A. Decision support system in predicting and diagnosing infected pancreatic necrosis. Information technologies for the Physician. 2012; 2: 54–63 (in Russ.).Винник Ю.С., Дунаевская С.С., Антюфриева Д.А. Диагностическая ценность интегральных шкал в оценке степени тяжести острого панкреатита и состояния больного. Вестник Российской академии медицинских наук. 2015; 70 (1): 90–94.Vinnik Yu.S., Dunaevskaya S.S., Antyufrieva D.A. Diagnostic value of integral scoring systems in assessing the severity of acute pancreatitis and patient’s condition. Annals of the Russian Academy of Medical Sciences. 2015; 70 (1): 90–94 (in Russ.).Диагностика и лечение острого панкреатита (Российские клинические рекомендации). Российское общество хирургов, Ассоциация гепатопанкреатобилиарных хирургов стран СНГ, Российское общество скорой медицинской помощи, 30.10.2014.Diagnosis and treatment of acute pancreatitis (Russian clinical guidelines). Russian Society of Surgeons, Hepato-Pancreato-Biliary Association of Commonwealth of Independent States, Russian Society of Emergency Medicine. 30.10.2014 (in Russ.).Hoerl A.E., Kennard R.W. Ridge regression: Biased estimation for nonorthogonal problems Technometrics. 1970; 12 (1): 55–67.Hoerl A.E., Kennard R.W. Ridge regression: Biased estimation for nonorthogonal problems Technometrics. 1970; 12 (1): 55–67.Huang J., Ling C. X. Using AUC and accuracy in evaluating learning algorithms. IEEE Transactions on Knowledge and Data Engineering. 2005; 17 (3): 299–310.Huang J., Ling C. X. Using AUC and accuracy in evaluating learning algorithms. IEEE Transactions on Knowledge and Data Engineering. 2005; 17 (3): 299–310.Xu Q. S., Liang Y. Z. Monte Carlo cross validation. Chemometrics and Intelligent Laboratory Systems. 2001; 56 (1): 1–11.Xu Q. S., Liang Y. Z. Monte Carlo cross validation. Chemometrics and Intelligent Laboratory Systems. 2001; 56 (1): 1–11.Merill T., Green O. M. On the effectiveness of receptors in recognition systems. IEEE Trans. Inform. Theory. 1963; 9 (1): 11–17. DOI: 10.1109/TIT.1963.1057810.Merill T., Green O. M. On the effectiveness of receptors in recognition systems. IEEE Trans. Inform. Theory. 1963; 9 (1): 11–17. DOI: 10.1109/TIT.1963.1057810.

The authors declare that there are no conflicts of interest present.