Глава XII

Прогнозирование исходов перитонита

В исследовании предпринят поиск собственных альтернативных способов объективной оценки тяжести и прогнозирования у пациентов с распространенным перитонитом. При этом были приняты за основу два различных в математическом плане направления, в результате чего были разработаны новые способы оценки тяжести и прогноза у данной категории больных.

Таблица 12.1

Критерии индекса агрессии перитонита

Уровень агрессии	Виды агрессии
	Бактериальная АБ	Химическая АХ	Распространенность АР	Срок АС	Возраст АВ
Наименьший (0 баллов)	Асцит-перитонит Реактивный Мочевой	Серозный экссудат	Разлитой перитонит с умеренным (до 500 мл) количеством выпота	До 6 часов	До 20 лет
Низкий (1 балл)	Желудок Duodenum Тощая кишка Желчный пузырь Pancreas	Слипчивый процесс Кровь Гной Кал Содержимое тонкой кишки Гнилостный выпот	Разлитой перитонит с большим (более 500 мл) количеством выпота	7 – 12 часов	21 – 40 лет
Средний (2 балла)	Илеус Перфорация подвздошной кишки Гинекологический Гангренозный аппендицит Распространение местного гнойного процесса Нагноившаяся кровь	Содержимое желудка, duodenum Моча	Общий перитонит с умеренным (до 500 мл) количеством выпота	13 – 24 часа	41 – 60 лет
Высокий (3 балла)	Перфоративный аппендицит Перфорация толстой кишки Послеоперационный перитонит	Желчь Ферментативный (панкреатический) выпот	Общий перитонит с большим (более 500 мл) количеством выпота	Более суток	Старше 60 лет
Весовой коэффициент (β)	1,75	3,5	2,5	1,0	3,5

Для реализации первого направления был выбран принцип классификации групп признаков по особенностям течения перитонита и присвоения порядкового числового значения каждой группе в соответствии с выраженностью в ней патологического процесса. При этом в качестве группирующих признаков выступили клинические и интраоперационные наблюдения, количественно оценивающие тот или иной агрессивный компонент перитонита, обнаруженные при анализе историй болезни 171 больного с РП. Все они в различное время служили основой для разнообразных классификаций заболевания, но совместно при этом никогда не использовались. В ходе исследования выделена группа «бактериальной агрессии», значение балла в которой увеличивалось пропорционально снижению уровня поражения кишечной трубки, явившегося источником перитонита. Учитывая тот факт, что содержимое брюшной полости также оказывают прямое повреждающее действие на брюшину, признаки «химической агрессии» были выделены в отдельную группу аналогично первой. Третью группу составили данные о масштабах поражения брюшной полости. При этом учитывался разлитой и общий характер заболевания с умеренным (до 500 мл) и большим (свыше 500 мл) количеством выпота. Четвертым исходным признаком был срок заболевания (таблица 12.1).

Таким образом, были получены пять групп признаков, увеличение значения в каждой из которых отрицательно влияло на исходы заболевания. Данные факторы представляли собой, по сути, разнонаправленные векторы в многомерном исследуемом пространстве. При суммировании всех полученных пяти векторов агрессии складывалась интегральная характеристика заболевания, которую мы назвали «индексом агрессии перитонита» – ИАП. Однако, в связи с тем, что «удельный вклад» каждой группы в летальность при перитоните был априори неизвестен, простое суммирование баллов агрессии каждой группы являлось недостаточным. Для определения «веса» каждого из пяти факторов был проведен логистический регрессионный анализ, результирующим событием для которого стало наличие или отсутствие летального исхода. В результате было получено статистически достоверное уравнение регрессии, суммировавшее данные признаки с определенными весовыми коэффициентами (β). Величина каждого коэффициента соответствовала тому влиянию, которое оказывал изучаемый признак на исход заболевания (таблица 12.3):

ИАП = 1,75×АБ + 3,5×АХ + 2,5×АР + 1,0×АС + 3,5×АВ

В соответствии с полученными результатами, наибольшее влияние на исход перитонита оказывала группа признаков «химической агрессии» и возраст больного, за которыми находилась распространенность заболевания и группа «бактериальной агрессии». Срок перитонита, вопреки ожиданиям, оказывал наименьшее влияние на летальность при данном заболевании.

Другим результатом проведения логистического регрессионного анализа стала математическая модель, вычисляющая вероятность летальности при перитоните в зависимости от величины индекса агрессии. В соответствии с ней, вероятность летальности у больного с распространенным перитонитом вычислялась по формуле:

Logit = 0,35 × ИАП – 9, PR=℮^logit /(1+℮^logit);

где PR – вероятность летального исхода

С целью оценки возможностей разработанной модели, было проведено изучение ее дискриминационной и прогностической способности во всех исследованных случаях заболевания. При этом методика исследования была аналогична той, которая ранее применялась нами при оценке возможностей интегральных шкал APACHE II, SAPS II и др. В соответствии с ней, производилась процедура ROC-анализа и построение таблиц сопряженности наблюдаемой и прогнозируемой летальности с определением критерия согласия χ².

В результате площадь под ROC-кривой ROC_AREA = 0,844; оптимальная точка разделения Cut-off point = 20,2; чувствительность Sensitivity = 87,0%; специфичность Specifity = 72,1%; критерий Хосмера-Лемешоу C= 3,83; p = 0,799. Полученный в результате анализа той же базы данных индекс ИАП обладал более высокой дискриминационной способностью, чем изученные системы прогнозирования. Оптимальная точка разделения находилась на уровне 20 баллов. Данные параметры модели свидетельствовали о мощной дискриминационной способности разработанного метода, который не уступал в эффективности общепринятым интегральным шкалам, но, в отличие от них, не требовал сложных лабораторных тестов.

Таблица 12.2

Сопряженность частот наблюдаемых и ожидаемых

исходов в различных интервалах прогнозируемой летальности

Вероятность летальности	Количество выживших		Количество умерших
	Наблюдаемое	Ожидаемое	Наблюдаемое	Ожидаемое
0% – 3%	39	40	1	1
3% – 10%	37	38	4	3
10% – 30%	35	34	9	8
30% – 100%	30	20	16	26
ВСЕГО	140	133	31	38

Для оценки прогностической способности индекса агрессии, была построена таблица сопряженности в нескольких интервалах прогнозируемой при помощи ИАП летальности (таблица 12.2). Значение критерия согласия χ² при этом составило 5,08 (p = 0,166; df = 4). Таким образом, прогностическая способность индекса агрессии перитонита находилась на высоком уровне и превышала аналогичные показатели практически всех изученных интегральных шкал, за исключением MPM II.

Таким образом, разработанная шкала, используя в качестве исходных показателей только клинические и интраоперационные данные, обладала значительными возможностями по объективной оценке тяжести и прогнозированию течения перитонита. При оценке дискриминационной и прогностической способностей ИАП не только не уступал, но часто и превосходил наилучшие значения изученных интегральных шкал. Индекс агрессии перитонита - ИАП, являясь одним из способов объективизации и прогнозирования при перитоните, может быть успешно применен, как эффективный инструмент диагностики и прогноза течения РП.

Комбинация методов прогнозирования наиболее точно определяют тяжесть РП и его течение (рис.12.1). Широкое применение в клинической практике сдерживается довольно сложным математическим аппаратом формул. Одним из направлений оптимизации данных расчетов с одновременным полным сохранением клинической значимости является реализация алгоритмов оценки тяжести и прогнозирования в виде компьютерной программы, которая после ввода исходных данных может самостоятельно производить все вычисления и представлять итоговый уровень тяжести больного РП и вероятность летальности.

Рис. 12.1. Элементы комплексного прогнозирования при РП

В соответствии с изложенным, нами была разработана компьютерная программа «MEGASCORE», которая была способна весьма просто решать поставленные задачи. При этом программирование было осуществлено в среде Delphi 4, языком которого являлся Object Pascal. После компиляции программы она приняла вид Windows-приложения и была записана в качестве исполняемого файла «megascore.exe». В состав блоков программы вошли те критерии, которые по данным предыдущего исследования достоверно влияли на прогноз перитонита. При этом комплексный подход к прогнозированию заключался в применении различных в патогенетическом и методологическом плане критериев прогноза при данном заболевании (рис.12.2).

Так, в соответствии с проведенными исследованиями, в качестве предикторов были включены критерии синдрома системной воспалительной реакции и полиорганной дисфункции, наличие которых достоверно повышало вероятность летального исхода больных с перитонитом. Прогнозирование на основании клинических и интраоперационных данных осуществляли индекс агрессии перитонита и НСМ, которые дополнялись маннгеймским индексом перитонита. Уровень органной дисфункции и изменение параметров мониторинга пациента в послеоперационном периоде вместе с определяемым по этим данным прогнозом, оценивали интегральные шкалы LODS и MPM II.

Рис.12.2. Общий вид окон программы «Megascore»

Результатом работы программы были рассчитанные значения каждой шкалы в совокупности с величиной прогнозируемой летальности. При этом в соответствии с оптимальными точками разделения шкал, полученными в ходе исследования, программа относила больного к благоприятной или неблагоприятной прогностической группе. Полученные значения можно было сохранить в виде текстового файла, вывести на печать или редактировать в любом текстовом редакторе (рис.12.2).

Разработанная компьютерная программа позволяла достаточно быстро и легко получить объективную оценку состояния больного и «индивидуальный» прогноз в форме вероятности летальности по каждой из оценочных систем, которые, по нашим данным, имели наилучшие классификационные и прогностические свойства. Превышение хотя бы по одной шкале оптимальной пороговой точки классифицировало больного к неблагоприятной группе, что являлось показанием для проведения расширенного спектра лечебных мероприятий.

В соответствии с изложенным, метод комплексного прогнозирования с помощью разработанной компьютерной программы «Megascore» обладал рядом преимуществ перед изолированными способами объективизации состояния больного. В связи с этим, он может широко применяться в качестве вспомогательного диагностического теста, позволяющего осуществлять наиболее оптимальный выбор лечебной тактики у больных с распространенным перитонитом.

Нейросетевая модель перитонита

В качестве дополнительного направления в разработке альтернативных существующим средств объективной оценки тяжести и прогнозирования может быть выбрано математическое моделирование на основе алгоритмов искусственного интеллекта. Данное направление, получившее бурное развитие в последние годы, основано на имитации мозговой деятельности человека, результатом чего является процесс принятия решений на основе исходных данных. Особенностью этого подхода является возможность выявления закономерностей в сложной и запутанной информации, наличие которой весьма часто сопровождает медицинские исследования.

Для разработки математической модели перитонита мы использовали метод искусственных нейронных сетей (neural networks), который пока еще не получил широкого распространения в медицине. Суть метода заключается в математической имитации совокупности нейронов коры головного мозга, при которой каждый искусственный нейрон является простейшей моделью своего биологического аналога. На вход такого нейрона поступает некоторое множество сигналов (X1, X2,…Xn), которые являются выходом другого нейрона. Каждый вход умножается на соответствующий весовой коэффициент (W1, W2…Wn), аналогичный синаптической силе, и все произведения суммируются, определяя уровень активности нейрона (рис.12.3). Суммирующий блок, соответствующий телу биологического элемента, при складывании входов, создает сигнал, который преобразуется активационной функцией F в выходной сигнал нейрона. При этом активационная функция может иметь как линейную, так и более сложную форму, что более точно может моделировать передаточную характеристику биологического нейрона.

Рис. 12.3. Схема работы искусственного нейрона

Функционирование одного нейрона имеет ограниченную значимость – он выполняет сравнительно простую функцию, например, пороговую обработку входов. Однако при их объединении в сетевую структуру, соединенную с помощью перекрестных связей, возникает система искусственного интеллекта, способная моделировать работу коры головного мозга. При этом, по аналогии со строением мозговой коры, искусственная нейронная сеть состоит из нескольких слоев: входного (афферентного), воспринимающего исходные данные, выходного (эфферентного), суммирующего промежуточные значения в определенный выходной сигнал и нескольких (от 0 до бесконечности) «скрытых», промежуточных слоев нейронов, осуществляющих ассоциативную обработку информации. Каждый из нейронов одного слоя соединен с помощью перекрестной сети связей с нейронами соседних слоев (рис.12.4).

Создание оптимально функционирующей нейронной сети, способной адекватно решать поставленную задачу, делится на два основных этапа: настройка нейросети и проверка результатов работающей модели. Реализация первого этапа, в свою очередь, включает в себя два основных компонента:

Внешнее формирование, – при котором создается сеть из определенного количества слоев с различным числом нейронов в каждом из них, и матрица связей между ними. Критериями создания оптимальной модели здесь служат величина средней ошибки на выходе сети и относительный уровень распознавания (performance) исходных наблюдений в процентах.

Обучение нейросети – процесс подстройки входных весов ее нейронов с целью достижения требуемых выходных значений, соответствующих определенным множествам входов. При этом данный процесс циклично повторяется до тех пор, пока величина ошибки выходного значения не достигнет приемлемого уровня. Один такой цикл обучения нейронной сети называется эпохой. Количество эпох может быть от 1 до бесконечности, однако для обучения модели достаточно определенного количества циклов обучения, после чего величина ошибки не изменяется (наступает так называемое «насыщение модели»). Для получения более высокой достоверности при обучении модели может использоваться принцип «перекрестного экзамена» (или кросс-проверки). При этом вся выборка больных случайным образом делится на обучающее и тестовое множество, после чего результаты обучения проверяются на тестовой выборке. Уровень ошибки при анализе тестового множества и степень ее отличия от ошибки распознавания обучающего множества свидетельствуют о возможностях «обобщаемости» модели (т.е. о качестве ее применения в другом исходном множестве данных).

Рис. 12.4. Схема построения нейронной сети

Для разработки нейросетевой модели при перитоните, способной оценивать состояние больного и строить прогноз исхода заболевания, был использован программный эмулятор нейросетей Statistica Neural Networks 4.0, с помощью которого был реализован первый этап создания данной математической модели на основании клинических и интраоперационных данных 150 больных с распространенным перитонитом. При этом в качестве оптимальной структуры сети был выбран четырехслойный персептрон с девятью входными и одним выходным нейронами. В двух промежуточных слоях находилось 13 и 10 ассоциативных элементов модели (рис.12.5).

В качестве входных данных были использованы девять групп признаков: этиология перитонита, возраст больного, длительность заболевания, а также критерии поражения брюшной полости, которыми пользовались оперирующие хирурги при записи протоколов операции – распространенность поражения (разлитой, общий), количество (незначительное, до 500 мл, свыше 500 мл) и характер выпота (серозный, геморрагический, гнойный, пищевой, ихорозный и др.) степень дилатации тонкой кишки (нет, до 4 см, свыше 4 см), цвет кишечной стенки (обычный, гиперемия, синюшный, черный), наличие или отсутствие на тонкой кишке фибринозного налета. Зависимым (итоговым) признаком было наличие (1) или отсутствие (0) у больного летального исхода. При этом «традиционные» статистические методы, на основании столь большого количества анализируемых признаков, не позволили получить достаточно эффективную прогностическую модель. Использование искусственной нейронной сети являлось оптимальным способом решения данной задачи.

Рис. 12.5. Графическое изображение полученной нейронной сети

Алгоритмом обучения нейросети был метод обратного распространения ошибки (back propagation algorithm) с использованием кросс-проверки в течение 1000 эпох. В результате обучения воспроизводимость модели на обучающей выборке составила 99,9 %, на тестовой – 100 % (рис.12.6).

Рис. 12.6. График обучения нейронной сети

В дальнейшем, получив оптимальную структуру сети и матрицу связей, данная нейросеть была воссоздана в разработанной нами программе, использовавшей нейросетевой алгоритм фирмы BaseGroup Labs. Результатом этого стала возможность применять полученную нейросетевую модель в качестве программного модуля при определении тяжести и прогноза у больных с распространенным перитонитом.

Таблица 12.3

Сопряженность частот наблюдаемых и ожидаемых исходов при использовании НСМ у больных с распространенным перитонитом

Количество выживших		Количество умерших		χ2 (p), df = 1
Наблюдаемое	Ожидаемое	Наблюдаемое	Ожидаемое
126	125	24	25	0,25 (0,887)

Следующим этапом исследования стала оценка дискриминационной и прогностической возможностей созданной нейросетевой модели (НСМ) в изучаемой группе больных (n = 150). Методика исследования при этом была аналогична той, которая до этого использовалась при оценке возможностей интегральных шкал и индекса агрессии перитонита (ROC-анализ и построение таблиц сопряженности частот наблюдаемых и ожидаемых исходов с определением критерия согласия χ²). Анализ наблюдаемых и ожидаемых частот летальных исходов при использовании разработанной нейросетевой модели у 150 больных с распространенным перитонитом показал хорошую прогностическую способность данного метода (таблица 12.3). Величина критерия согласия χ² при этом составила 0,25, а пороговый уровень вероятности (p = 0,887) был на уровне прогностической способности шкалы MPM II.

По результатам ROC-анализа, дискриминационная способность нейросетевой модели также находилась на высоком уровне и превышала аналогичные показатели всех изученных ранее систем оценки, включая индекс агрессии перитонита (рис.12.7). Так, площадь под ROC-кривой у НСМ составила 0,972; чувствительность в оптимальной точке разделения – 96,1%, а специфичность – 99,2% (p критерия Хосмера-Лемешоу > 0,05). Пороговая точка среза (optimal cut-off point), показывающая оптимальное классификационное значение шкалы, составила при этом 0,5 (обозначена на графике пунктом «A»).

Площадь под ROC-кривой

ROC_AREA = 0,972

Optimal Cut-off point = 0,5

Чувствительность 96,1 %

Специфичность 99,2 %

Критерий Хосмера-Лемешоу С=8,16; p=0,418

Рис.12.7. ROC - анализ нейросетевой модели

Разработанный комплекс диагностических и лечебных мероприятий позволил снизить частоту летальных исходов при распространённом перитоните в стадию полиорганных нарушений с 35,3% до 25%. Общий уровень летальности составил 18,1%. Таким образом, применение нейросетевого моделирования как одного из методов «искусственного интеллекта» позволило значительно расширить возможности объективизации и прогнозирования при распространенном перитоните. Полученные высокие показатели дискриминационной и прогностической способности разработанной модели, использовавшей в качестве исходных данных только клинические и интраоперационные наблюдения, свидетельствовали о большой перспективе применения НСМ у пациентов с перитонитом. В связи с этим, нейросетевое моделирование, как и индекс агрессии перитонита, может служить альтернативой «традиционным» интегральным шкалам при оценке тяжести состояния и прогнозировании у данного контингента больных.

Прогнозирование исходов распространённого перитонита

Поиск альтернативных методов прогнозирования привел к необходимости обоснования информативных систем оценки тяжести состояния и прогноза, учитывающего альтернативы хирургической тактики. С этой целью проанализировано лечение 560 пациентов с РП в ходе углублённого исследования, проведённого в клинике госпитальной хирургии ЯГМА. В ходе хирургического лечения при­менялись два принци­пиальных метода хирургиче­ского лечения: традицион­ный метод (ТМ), при котором выполнялась лапаротомия, а релапа­ро­томия выполнялась «по требованию» (ТМПП) при про­грессиро­вании пери­тонита (n=502); метод программированных са­национ­ных релапаротомий (ПР) (n=58), приме­нялся в основном при ин­траоперационной диагностике распространённого гнойного пери­тонита. Для проведения клинического анализа пациенты раз­делены на следующие под­группы: в первой группе (n=420) находи­лись па­циенты после традиционного хирургического лечения с не­ослож­нённым после­операционным течением; во второй группе – паци­енты по­сле традиционного хирургического лечения с после­дую­щим прогрессированием перитонита (n=82) (к пациентам вто­рой группы мы применяли термин «прогрессирующий перито­нит»), потребовавшим релапаротомии; в третьей группе – паци­енты, ко­торым первично избрана тактика программированной ре­лапаро­томии (n=58). Мужчин было 312 (55,7%); женщин было 248 (44,3%).

Для формирования подгрупп исследования использованы факторы: интраоперационная харак­теристика экссудата брюшной полости; профиль патологии брюшной полости (хирургия (n=485), гинеко­логия (n=73)).

В связи с особым характером развития и течения заболеваний, об­ладающих особенностями, влияющим на хирургическую тактику, в генеральную группу исследования не вошли пациенты с мезенте­риальным тромбозом и инфарктом кишечника, онкологической патологией, панкреа­титом. Данное исключение является, по на­шему мнению, принципиально важным для опреде­ления основных закономерностей возникновения и прогрессирования воспаления брюшины [Knaus W.A.,1985; Фёдоров В.Д., 2000].

Первая группа (таблица 12.4) представляет собой совокупность па­циентов после традицион­ного хирургического лечения (n=502). Прогрессирование перитонита в связи с различными причинами возникало в 82 случаев (16,3%). Разделение по виду экссудата в этой группе было следующим: распространённый гнойный пе­рито­нит (РГП) – 220; распространённый фибри­нозный перитонит (РФП) – 172; распространён­ный серозный перитонит (РСП) – 110 пациен­тов. Общая летальность в группе составила 16,5%; с разде­лением по виду экссудата: РГП – 32,3%; РФП – 4,1%; РСП – 4,6%. Релапаротомия в за­висимости от вида экссудата выполня­лась при РГП в 40,6%, при РФП – в 4,7%, при РСП не вы­полнялась.

Средний возраст пациентов составил 46,8 лет; средний возраст умерших в этой группе - 60,8 лет. Средний возраст пациентов с РГП – 49,4 лет (у умерших – 59,6); при РФП – 43,3 лет (у умерших – 63,4 года); при РСП – 47,1 лет (у умерших – 74,6 лет).

Таблица 12.4. Основные результаты лечения распространённого перитонита.

Показатель	Гнойный	Фибринозный	Серозный
Оперировано традиционным методом (ТМ)	220	172	110
Летальность (%) при ТМ лечения	32,3	4,1	4,6
Релапаротомия по требованию (%) (ТМПП)	40,6	4,7	0
Средний возраст (ТМ)	49,4	43,3	47,1
Оперировано методом ПР	56	2	0
Летальность (%) при методе ПР	26,8	0	-
Средний возраст (ПР)	39,9	38,5	-

В группу исследования входят пациенты с хирургической и гине­кологической патологией: ос­нову её составили пациенты с ост­рыми воспалительными заболеваниями органов брюш­ной по­лости, с перфорациями органов желудочно-кишечного тракта, с травмами органов брюшной полости, с кишечной непроходимостью (таблица 12.5).

Таблица 12.5. Причины перитонита в группах исследования

Диагноз	ТМ	CТМ; %	ПСР	Всего
Острый аппендицит	54	21;38,9%	20	74
Перфоративная гастро-дуоденальная язва	119	12; 10,1%	11	130
Перфорация тонкой и толстой кишки	10	0; 0%	2	12
Кишечная непроходимость спаечная	115	14; 12,2%	2	117
Кишечная непроходимость другая	19	5; 26,3%	0	19
Острый холецистит	9	3; 33,3%	0	9
Травма органов брюшной полости	60	14; 23,3%	19	79
Тубо-овариальные абсцессы	39	3; 7,7%	1	40
Метроэндометрит и аднексит гнойный	31	4; 12,9%	0	31
Ущемлённая грыжа передней брюшной стенки	25	3; 12,0%	3	28
Абсцессы передней брюшной стенки и ор­ганов брюшной полости	5	1; 20,0%	0	5
Другая патология	16	2; 12,5%	0	16
Всего	502	82; 16,3%	58	560

Современные подходы к хирургическому лечению РГП предусмат­ривают следующие этапы хи­рургического вмешательства: адекват­ная лапаротомия; ревизия брюшной полости с установле­нием ди­агноза, степени и характера деструктивных изменений органов брюшной полости; оп­ределение характера экссудата с забором ма­териала для бактериологического исследования, удаление экссу­дата; устранение причины перитонита с удалением потенциально опасных не­жизнеспособных тканей, фибринозно-гнойных наложе­ний; декомпрессия тонкой кишки и энте­ральный лаваж; перитоне­альный лаваж растворами, применяемыми для внутривенного введе­ния, удаление промывных ввод; адекватное дренирование брюшной полости, проверка уста­новки интестинального зонда и наложение швов на переднюю брюшную стенку. Последова­тель­ность этапов и объём операции, как и способ декомпрессии тонкой кишки, в ряде случаев были изменены и индивидуализированы. Полноценный комплекс мероприятий, как первич­ный, в группе с традиционным лечением применялся в основном при тяжёлых глу­боких повре­ждениях брюшины с длительными нарушениями функции кишечника (n=164; 32,7%); при РГП – 117 (60,3%). У ос­тальной части пациентов такие интраоперационные мероприятия проводи­лись ограниченно, либо не проводились. Причины отказа (невозможности проведения) от дан­ного интраоперационного ком­плекса могут носить как субъективный, так и объективный харак­тер (таблица 12.6). Относительным противопоказанием была деком­пенсация хронической или ост­рой дыхательной недостаточности.

Таблица 12.6. Причины отказа от интраоперационных мероприятий.

Объективные причины	Субъективные причины
Отсутствие показаний к применению метода (оценка свойств экссудата, внутрипросветное кишечное давле­ние, толщина кишечной стенки и пр.)	Отсутствие у хирурга навыков вы­полнения интубации тонкой кишки
Выраженный спаечный процесс в верхнем этаже брюш­ной полости, прежде всего в области duodenum	Интраоперационное возникновение тяжёлых осложне­ний интубации тонкой кишки (кровотечение)
Особенности и аномалии верхних отделов желудочно-кишечного тракта и дыхательных путей
Декомпенсация хронической или острой дыхательной недостаточности

Интестинальная декомпрессия, как наиболее сложный этап опера­ции по поводу распространён­ного перитонита, требует квалифика­ции хирурга, разностороннего подхода. В литературе можно найти различные аргументы в пользу тех или иных методов интестиналь­ной декомпрес­сии [Ашрафов Р.А., 2001]. По нашему мнению, наи­более оптимальными для лечения РГП являются проксимальная назогастроинтестинальная интубация (ПНГИИ) и тотальная назо­гастроинтестинальная интуба­ция (ТНГИИ), которая в группе с ТМ выполнялась в 274 случаях; при РГП – в 117; при РФП – в 92 слу­чаях; при РСП – в 65 случаях. ПНГИИ выполнялась в 11 случаях; при РГП – в 1; при РФП – в 6; при РСП - в 4. В пяти случаях вы­полнена РИИ - ретроградная интестинальная инту­бация (через илеостому или цекостому); при РГП – в 3 случаях; при РФП – в 2 случаях. РИИ выполнялась при абсолютной необходимости деком­прессии тонкой кишки в случаях, когда были невозможны другие методы декомпрессии. В 74 случаях в качестве декомпрессии был ис­пользован постоянный желудочный зонд; в 56 случаях использо­вался непостоянный желудоч­ный зонд. Как правило, метод инте­стинальной декомпрессии выполнялся в соответствии и ин­траопе­рационными находками. Показаниями к интестинальной деком­прессии были: увели­чение внутрипросветного давления в тонкой кишке, способствующее формированию капилляр­ных стазов, тромбозов и ишемии кишечной стенки и проявляющееся увеличе­нием диаметра кишки до 6 см и более; спаечная тонкокишечная непроходимость, приведшая в увеличе­нию внутрипросвет­ного давления и риску рецидива кишечной непроходимости; шов кишечной стенки, меж­кишечный анастомоз в условиях перитонита; выраженная воспали­тельная инфильтрация стенки кишки.

Основными причинами прогрессирования распространённого пе­ритонита были: негерме­тичные швы полого органа; недоста­точ­ную оценку распространённости перитонита; недоста­точную оценку степени санации брюшной полости; некачественную ин­траоперационную диаг­ностику; ошибочную оценку состоятельности стенки полого органа; неэффективное дрениро­вание (или его от­сутствие); недостаточный гемостаз; травматичность манипуляций в брюшной полости; недооценка вирулентности микрофлоры и спо­собов борьбы с ней; неадекватная про­филактика развития инфек­ции; развитие спаечной кишечной непроходи­мости. Ведущим мо­ментом в развитии спаечной непроходимости кишечника, по на­шему мнению, является про­грессирование воспаления брюшины, приводящее к нарушению местного тканевого обмена с возникно­вением и накоплением экссудата, образованием фибринозных на­ложений с после­дующей трансформацией их в спайки брюшины.

В зависимости от интраоперационных действий релапаротомии могут быть разделены на шесть классов (таблица 12.7). После первой релапаротомии были оперированы дополнительно 25 паци­ентов: «по требованию» (n=12), ПСР (n=13). Программированные санаци­онные релапаротомии проводились в этих случаях до 3 раз. Семи пациентам этапные санационные релапаротомии проводились по­сле первой релапаро­томии один раз, двум пациентам – два раза, двум – три раза. У части этих пациентов, также как у 12 пациентов, оперированных «по требованию», хирурги­ческая тактика комбини­рова­лась. Показаниями для релапаротомии «по требованию» (таб­лица 12.8) при ущемлённых грыжах (n=3) были несостоятельность анастомоза (n=1); некроз тонкой кишки (n=1); прогрессирование перитонита (n=1). При остром аппендиците (n=21) в 11 случаях ре­лапаротомии выполнялись после аппендэктомии, выполненной че­рез доступ в правой под­вздошной области с дренированием брюш­ной полости. Показаниями к релапаротомии при остром ап­пенди­ците была несостоятельность швов слепой кишки и некроз тонкой кишки в зоне илеоцекального угла (n=4); прогрессирующий пери­тонит (n=15); прогрессирование пери­тонита с формированием абс­цессов брюшной полости (n=2); прогрессирование перитонита, свя­занное со спаечной кишечной непроходимостью (n=1).

Таблица 12.7. Операции в группе с традиционным хирургическим лечением.

Типы операций	ТМ
Аппендэктомия, дренирование брюшной полости	11
Лапаротомия, аднексэктомия	37
Лапаротомия, аппендэктомия	44
Лапаротомия, вскрытие и дренирование межкишечного абсцесса	3
Лапаротомия, правосторонняя гемиколэктомия	2
Лапаротомия, левосторонняя гемиколэктомия, трансверзостомия	1
Лапаротомия, грыжесечение при ущемлённой бедренной грыже	1
Лапаротомия, дренирование брюшной полости	22
Лапаротомия, шов перфоративной гастродуоденальной язвы	118
Лапаротомия, илеотрансверзоанастомоз	2
Лапаротомия, ликвидация кишечной непроходимости, ущемления, устранение заворота	11
Лапаротомия, энтеротомия, устранение обтурационной кишечной непроходимости	2
Лапаротомия, люмботомия, нефрэктомия справа	1
Лапаротомия, надвлагалищная ампутация матки (с придатками и без при­датков)	17
Лапаротомия, овариэктомия	1
Лапаротомия, сальпингэктомия	4
Лапаротомия, рассечение спаек	93
Лапаротомия, висцеролиз с энтеро-энтеростомией, цекостомией, спленэктомия	7
Лапаротомия, резекция желудка	3
Лапаротомия, резекция большого сальника	2
Лапаротомия, резекция дивертикула Меккеля	1
Лапаротомия, резекция поперечно-ободочной кишки	2
Лапаротомия, резекция сигмовидной кишки по Гартману	3
Лапаротомия, резекция тонкой кишки	37
Лапаротомия, резекция тонкой кишки в сочетании с обходным анастомозом, ЭЦС, резек­цией других отделов кишечника, спленэктомией	6
Лапаротомия, сигмостомия, трансверзостомия	4
Лапаротомия, спленэктомия	3
Лапаротомия, холецистэктомия	10
Лапаротомия, холецистэктомия с энтеротомией и швом duodenum	1
Лапаротомия, шов желудка	1
Лапаротомия, шов мочевого пузыря, ЭЦС.	7
Лапаротомия, шов печени	5
Лапаротомия, шов отделов толстой кишки, прямой кишки	10
Лапаротомия, шов тонкой кишки	29
Лапаротомия, шов малого сальника	1
Всего операций в группе с традиционным хирургическим лечением	502

В случаях со спаечной кишечной непроходимостью поводом для релапаротомии были некроз тонкой кишки (n=4); несостоятель­ность энтеро-энтероанастомоза (n=4), рецидив спаечной ки­шечной непроходимости (n=3), прогрессирование перитонита (n=3); при остром холецистите - прогрессирование перитонита (n=3); при травмах брюшной полости – прогрессирование пе­ритонита (n=6), спаечная кишечная непроходимость (n=1), несостоятельность эн­теро-энтероа­настомоза и швов тонкой кишки (n=4); послеопераци­онный некроз стенки кишки (n=3); при перфоративной гастро-дуоденальной язве – спаечная кишечная непроходимость (n=1), не­со­стоятельность швов duodenum и гастро-энтероанастомоза (n=5), прогрессирование перитонита (n=3), прогрессирование пери­тонита в сочетании с перфорацией язвы другой локализации, кро­вотече­нием из гастро-дуоденальной язвы (n=3).

Таблица 12. 8. Релапаротомии в группе с традиционным

хирургическим лечением.

Типы операций	n
Операции, направленные на устранение дефектов передней брюшной стенки, спаечного процесса и са­нацию отделов брюшной полости без применения интубации кишечника, перитоне­ально-энтераль­ного лаважа.	13
Операции, направленные на устранение дефектов передней брюшной стенки, спаечного процесса и са­нацию отделов брюшной полости с применением интубации кишечника, перитоне­ально-энтераль­ного лаважа.	39
Операции, направленные на устранение дефектов передней брюшной стенки и санацию отделов брюш­ной полости с применением интуба­ции кишечника, перитонеально-энтерального лаважа в сочета­нии с восстановлением кишечной стенки (шов, резекция, ререзекция отделов полого органа брюшной полости, обходной анастомоз)	11
Операции, направленные на устранение дефектов передней брюшной стенки и санацию отделов брюш­ной полости без применения интуба­ции кишечника, перитонеально-энтерального лаважа в сочета­нии с восстановлением кишечной стенки (шов, резекция, ререзекция отделов полого органа брюшной полости, обходной анастомоз)	15
Операции, направленные на устранение дефектов передней брюшной стенки и санацию отделов брюш­ной полости с первичным примене­нием интубации кишечника, перитонеально-энтерального ла­важа в сочетании с ампутацией (экстирпацией) матки, аднексэктомией, спле­нэктомией.	1
Операции, направленные на устранение дефектов передней брюшной стенки и санацию отделов брюш­ной полости без применения интуба­ции кишечника, перитонеально-энтерального лаважа в сочета­нии с ампутацией (экстирпацией) матки, аднексэктомией, спленэктомией.	3
Всего релапаротомий в группе с традиционным хирургическим лече­нием	82

Различные формы лёгочных экстраабдоминальных послеопераци­онных осложнений (пневмо­ния двусторонняя, очаговая, долевая; плеврит; эмпиема плевры) выявлены в 34 случаях (6,8%).

Для характеристики дооперационного периода был использован показатель дооперационного времени (догоспитальное время + до­операционное госпитальное время, ч), который проанали­зи­рован в зависимости от интраоперационной характеристики экс­судата. В группе с ТМ хирургического лечения среднее доопераци­онное время (ДВ) составило 45,8±7,23 часов (таблица 12.9).

Таблица 12.9. Фактор дооперационного времени (ДВ) в группах исследования.

Показатель	Гнойный	Фибринозный	Серозный
ДВ в группе ТМ+ТМПП	48,8±7,23
ДВ в группе ТМ+ТМПП+	61,7±12,46	37,0±11,48	27,7±9,45
ДВ в группе ПСР	55,4±20,72
ДВ в группе ПСР+	55,8±21,37	44

Вторая группа исследования состояла из 58 пациентов, хирурги­ческое лечение которых первично проводилось методом ПСР. Об­щая летальность в группе составила 25,9%. Средний возраст умер­ших (n=15) составил 49,9 лет. У 56 пациентов диагностирован рас­про­странённый гнойный перитонит, у 2 пациен­тов - тотальный фибринозный перитонит (таб­лица 12.4). Основными диагнозами были острый деструктив­ный аппендицит, травма органов брюшной полости, перфоративная гастро-дуоденальная язва, другая патоло­гия.

Основными принципами хирургического лечения в этой группе па­циентов были адекватная ла­паротомия, диагностика патологиче­ского процесса, устранение причины распространён­ного перито­нита, декомпрессия тонкой кишки путём её интубации, перитоне­альный лаваж, энте­ральный лаваж, дренирование брюшной по­лости, установка показаний и сроков про­граммиро­ванной санации брюшной полости. Программированная санационная релапарото­мия выполня­лась в течение 24-48 часов после первой операции и заключалась в повторном перитонеально-энтеральном лаваже, по­вторном дренировании. В качестве раствора для про­мывания брюшной полости использовался раствор NaCl 0,9% с температу­рой, близкой к нормальной температуре тела. В качестве способа интубации кишечника наиболее предпоч­тительным мы считали назо-интестинальную интубацию, как наименее инвазивный метод декомпрессии, имеющий мало ограничений, обеспечивающий пра­вильный мониторинг функции кишечника и наиболее лёгкий для ухода. У восьми пациентов выполнено две ПСР; у четырёх пациен­тов после выполненной по плану ПСР последующие операции вы­полня­лись «по требованию»; у трёх пациентов пона­добилось вы­полнение трёх и более ПСР. Средний показатель дооперационного времени соста­вил 55,4±20,72 часов.

Средний возраст в группе с ТМ составил 46,8±0,82 лет; в группе ПСР – 39,8±1,95.

Мужчин в группе с ТМ было 268 (53,4%), женщин – 234 (46,6%); в группе ПСР – соответст­венно 44 (75,9%) и 14 (24,1%).

Методы анализа полученных данных

Обследование пациентов проходило по схеме, предусматривающей анализ различных клинических и лабораторных тестов, всесто­ронне характеризующих состояние больных с распространенным перитонитом. При этом степень нарушения гомеостаза пациентов оценивалась по изменению параметров центральной гемодина­мики, стандартных и биохимических лабораторных показателей, а также рассчитываемых, с целью большей визуализации данных, интегральных индексов. Комплексная оценка состояния больных определялась с помощью интегральных шкал APACHE II и МИП. На основании полученных данных проводилась статистическая об­работка информации с использованием программного обеспече­ния. Получаемая в ходе исследования информация заносилась в базу данных, созданную при помощи программ Microsoft Excel 2003-2007. В качестве аппаратного обеспечения при этом использовался персональный компьютер с процессором INTEL Centrino Duo 1,66GHz и операционной системой Windows Vista Home Premium (Microsoft Corp, USA). Общая статистическая обра­ботка данных заключалась в вычислении средней арифметиче­ской (mean, M), средней ошибки (Standart Error Means - SEM) и пред­ставлении данных в виде M [SEM]. Распределение изучаемых на­блюдений при этом приближалось к нормальному распределе­нию, ввиду чего для сравнения исследуемых признаков использо­вался параметрический t-критерий Стьюдента (independent t-test). Полу­ченное значение сравнивается со стандартными уровнями значимо­сти различий (р<0,05; 0,01; 0,001). В исследовании приме­нён тест с двусторонней вероятностью; тип - двухвыборочный с неравными дисперсиями [Зайцев В.М., 2003].

Исследование гемодинамического профиля основывался на расчет­ных методах получения параметров центральной гемодинамики, что было связано с высокой ее лабильностью и стремле­нием мини­мизировать количество диагностических процедур. При этом опре­делялись показатели систолического объема сердца (СОС), минут­ного объема сердца (МОС), общего периферического сопротивле­ния сосудов (ОПСС), среднего динамического давления (СДД) и среднего давления в легочной артерии (СДЛА), рассчитываемые по формулам Хикема, Старра и Пуазейля, исходными данными для которых служили частота сердечных сокращений (ЧСС), возраст больного (В), а также величина систолического (САД) и диастоли­ческого давления (ДАД), измеряемых аускуль­тативным методом по Короткову. С целью интегральной оценки деятельности сердечно-сосуди­стой системы у больных с перитонитом рассчитывали рас­пространенный в спортивной медицине коэффициент резистентности Кваса (КРК), увеличение которого свидетельствует о функцио­нальном утомлении и снижении эффективности работы сердечно-сосудистой системы [Заболотских И.Б., 1998]. Данные методы при­годны для динамического исследования хирургических больных [Рыбачков В.В., 1987, Маевский С.В., 2005]. Все балльные оценки программированы для их автоматического определения.

В качестве примера приводим две прописи командной строки для определения балла APACHE II:

Частота сердечных сокращений (ЧСС; при синусовом ритме);

ƒ=ЕСЛИ(И($A2>0;D2>0;НЕ(D2=""));ЕСЛИ(ИЛИ(D2>=180;D2<40);4;ЕСЛИ(ИЛИ(D2>=140;D2<55);3;ЕСЛИ(ИЛИ(D2>=110;D2<70);2;ЕСЛИ(И(D2>69;D2<110);0))));" ").

Среднее артериальное давление (СрАД): ([САД]+[ДАД])/2;

ƒ=ЕСЛИ(И($A2>0;D2>0;НЕ(D2=""));ЕСЛИ(ИЛИ(D2>=160;D2<50);4;ЕСЛИ(И(D2>=130;D2<160);3;ЕСЛИ(ИЛИ(D2>=110;D2<70);2;ЕСЛИ(ИЛИ(D2>69;D2<110);0))));" ").

Индекс перитонита Маннхаймера (Мангеймский индекс перито­нита (IPM)) [Linder M.M., 1987; Billing A., 1994; Ермолов А.С., 1996] определялся путём заведения в таблицы и суммирования со­ставляющих индекса;

Расчёт параметров лейкоцитарной формулы (%): Юные (Юн); Миелоциты (МИЦ); Палочкоядерные нейтрофилы (ПЯН); Сегмен­тоядерные нейтрофилы (СЯН); Лимфоциты (ЛФЦ); Моноциты (МНЦ) проводился унифицированным методом морфологического исследования форменных элементов крови с дифференцированным подсчётом лейкоцитарной формулы) [Меньшиков В.В., 1987]. Рас­чёт лейкоцитарного индекса интоксикации Я.Я.Кальф-Калифа и лейкоцитарного индекса интоксикации модифицированного [Меньшиков В.В., 1987; Савельев В.С., Гельфанд Б.Р., Филимонов М.И., 2006] проводился по оригинальной формуле авторов при норме – 1,5 условных единиц. Расчёт лимфоцитарного индекса (норма 2,5 условных единиц) [Гостищев В.К., 2002] и микро-макрофагального индекса (норма 17 условных единиц) [Мустафин Ж.Г., 1999] также проводилось по авторским схемам.

Определение статистических различий избранных критериев в раз­личные сроки послеоперационного периода. Осуществлено при помощи F-теста (функция возвращает одностороннюю вероятность того, что дисперсии аргументов массив[1] и массив[2] различаются несущественно) и Т-Теста (функция возвращает одностороннюю или двустороннюю вероятность того, что среднее арифметическое числового массива 1 и массива 2 различаются несущественно). По­лученное значение сравнивалось со стандартными уровнями зна­чимости различий (р<0,05; 0,01; 0,001). В исследовании применён тест с двусторонней вероятностью; тип- двухвыборочный с нерав­ными дисперсиями [Зайцев В.М., 2003].

Определение программными методами принадлежности к группе исследования пациентов с синдромом системной воспалительной реакции, полиорганной дисфункцией осуществлено в соответствии с критериями SIRS [Bone R.C., 1992]. Программными методами определялось наличие заданного числа симптомов SIRS, проводи­лась оценка и сопоставление параметров SIRS и их числа в различ­ные сроки послеоперационного периода с другими критериями, их диагностическая и прогностическая ценность. Критериями для констатации полиорганной дисфункции считались: частота сердеч­ных сокращений при синусовом ритме [ЧСС>110], частота дыха­тельных движений [ЧДД>24], среднее артериальное давление [САД<71 мм Hg], показатель шкалы комы Глазго – [GCS<11].

Рис.12.8. Принтскрин программы Medcalc.

Сформированы группы с разделением по количеству диагностиро­ванных критериев:

• Группа SPOD no - отсутствие вышеперечислен­ных симптомов,

• Группа SPOD mono - наличие одного из вышеперечисленных сим­птомов,

• Группа SPOD di - наличие двух симптомов,

• Группа SPOD poly - наличие трёх или четырёх симптомов.

• Другие важные симптомы - гепаторенальный синдром, диурез, уровень креатинина, лейкоцитоз и пр. в этой части исследования не применены.

Для оценки возможностей прогностической системы рассматрива­ются две основные характеристики, оценивающие эффективность модели в целом: дискриминационная способность – оценка эф­фек­тивности шкалы в классификации больных; прогностическая спо­собность – характеристика, определяющая, насколько прогно­зи­руемая летальность соответствует реальной. Прогностическую способность критерия определяли с помощью критерия согласия (сопряжённости) χ² Пирсона (в зарубежной ли­тературе – Pearson Chi square goodness-of-fit test) со степенью сво­боды (df) 1 и более. После формулировки нулевой гипотезы, кото­рая утверждает об отсутствии связи между исследуемыми явле­ниями, сравнивались показатели ожидаемой (полученной в резуль­тате преобразований) и наблюдаемой летальности. С учётом поро­говых уровней вероятности p [0,05], [0,01], [0,001], путём таблич­ного и компьютерного определения значения p изучалась вероят­ность исключения нулевой гипотезы, то есть подтверждения про­гностических свойств критерия, представленного в виде шкалы. На основе критерия согласия χ² Пирсона определяются критерий со­пряжённости С и критерий Чупрова. Значение этих критериев варьирует от 0 до 1 и имеет те же ограничения, что и критерий χ² Пирсона. Зависимость бинарного зависимого признака от диагно­стического теста определяется превышением значения этих крите­риев 0,5 [Гланц С., 1998; Боровиков В.П., 2003; Зайцев В.М., 2003].

Дискриминационная возможность шкалы даёт основание для при­менения исследуемого критерия как маркера благоприят­ного (или неблагоприятного) исхода. Для определения дискриминацион­ных свойств шкалы критерия нами применялся Receiver Operating Characteristic (ROC) Analysis [Hanley J.A., 1982], который является наиболее распространенным в мире способом определения диагно­стической мощности теста и сравнительного анализа моделей. Критерием качества при этом служила площадь под RОC-кривой (ROC_{AREA UNDER CURVE (AUC)}) на полученном графике, которая находи­лась в диапазоне от 0,5 до 1 (значение 0,5 свидетельствует об от­сутствии дискриминационных свойств модели, 1 – об «идеальной» дискриминации). В литературе иногда приводится следующая экс­пертная шкала для значений AUC, по которой можно судить о качестве модели: [http://www.basegroup.ru].

Дополнительно определялись оптимальная пороговая точка разде­ления (optimal cut-off point), средние показатели чувствительности (sensitivity) и специфичности (specifity) каждого метода. Исследова­ние дискриминационной ценности диагностических критериев и их совокупностей в отношении исхода лечения и прогрессирования перитонита методом Receiver Operating Characteristic Analysis [Hanley J.A., 1982].

Основой Receiver Operating Characteristic Analysis является опреде­ление чувствительности и специфич­ности каждого значения диаг­ностической шкалы в отношении альтернатив исхода заболевания, после чего строится график зависимости чувствительности метода от ложной специфичности (1 – специфичность). Для определения показателей чувствительности и специфичности, в зависимости от выбранной пороговой точки среза и полученного таким образом «положительного» или «отрицательного» значения изучаемой шкалы, вся выборка больных разбивается на 4 группы:

A – истинноположительная группа (положительное значение шкалы со­ответствует положительному исходу);

B – ложноположительная группа (положительное значение шкалы соот­ветствует отрицательному исходу);

C – ложноотрицательная группа (отрицательное значение шкалы соот­ветствует положительному исходу);

D – истинноотрицательная группа (отрицательное значение шкалы соот­ветствует отрицательному исходу).

Чувствительность (sensitivity) и специфичность (specifity) определяются по формулам:

Sensitivity = A/(A+B); Specifity = D/(C+D).

ROC-анализ тесно связан с бинарной логистической регрессией и приме­няется для оценки качества моделей: позволяет выбрать аналитику модель с наилучшей прогностической силой, проанализировать чувствительность и специфичность моделей, подобрать порог отсечения. Оптимальной по­роговой точкой (optimal cut-off point) является такое значение шкалы, в котором ее классификационные возможности по разделению больных на «положительную» и «отрицательную» группу максимальны, а количество ложных положительных и отрицательных значений (т.е. B + C) – мини­мально. При построении ROC-кривой (ROC-curve) оп­тимальному порого­вому значению шкалы соответствует наибольшая крутизна изгиба полу­ченного графика, где наблюдаются максимальные уровни показателей чувствительности и специфичности. После определения поро­говых точек и построения ROC-кривой появляется возможность определения площади под графиком (ROC_{AREA UNDER CURVE (AUC)}), которая является интегральным показателем, оценивающим прогностические свойства избранной шкалы. Диапазон получаемых значений ROC_AUC находится в пределах от 0,5 до 1, причем первое значение отражает отсутствие классификацион­ных свойств применяемой шкалы, а 1 – свидетельствует о «идеальной» дискримина­ции. Приближение значения ROC_AUC к 1,0 соответствует более значимым классификационным свойствам применяемой шкалы.

Для осуществления представленной процедуры ROC-анализа, а также определения показателей чувствительности и специфично­сти в оптимальной пороговой точке нами был использован ориги­нальный алгоритм аналогичный статистическим приёмам, зало­женным в программе StatsDirect 5.0. Это позволило автоматически оценить предикторные свойства критериев тяжести состояния па­циентов и их совокупностей.

В настоящем исследовании дискриминационная способность опре­делялась в отношении одиночных критериев, в отношении групп критериев, в отношении межгрупповых комбинаций критериев. Последние два раздела основаны на определении внутригрупповых и межгрупповых дискриминационных максимумов при условии придания каждому критерию веса в одну единицу. Таким способом определялись совокупности критериев, обладающих наибольшей дискриминационной мощностью в отношении исходов или хирур­гических осложнений, возникших в послеоперационном периоде. Исследование проведено в обеих группах исследования на доопе­рационном этапе и в течение шести хирургических суток. Для статистического анализа были применены: оригинальная программа, созданная средствами Microsoft Excel 2003-07 и при­кладная программа Medcalc (рис.12.8) [www.medcalc.be], в которой совмещены возможности проведения ROC-analysis, логистической регрессии, определения непараметрического критерия χ² (НП χ²) и p-критерия для определения его статистической достоверности.

Определение сравнительной эффективности альтернативных мето­дов хирургического лечения на основе метода «выскакивающей» варианты - Z-тестирования диагностических критериев [Зайцев В.М., 2003]. Метод «выскакивающей» варианты применяется для определения вероятности принадлежности тестируемой варианты к совокупность имеющихся вариант. В нашем исследовании с помо­щью данной функции определяется вероятность принадлежности тестируемой варианты – балла шкалы APACHE II (других шкал) к совокупности вариант, характеризующих группу исследования по заданным критериям. Например: решается вопрос, попадёт ли тес­тируемая варианта в совокупность вариант, отражающих балл шкалы в подгруппе с традиционным хирургическим лечением, гнойным перитонитом, умерших. При сравнении полученных дан­ных, относящихся к разным методам лечебного воздействия, можно делать заключение о преимуществе альтернативных мето­дов лечения. Учитывая, что понятие вероятность стремится к 0, возможно проведение цензурирования – инструмента, отсекающего бесконечно малые величины вероятности, не имеющие информа­ционного значения. В исследовании применялось цензурирование 0,05 (5%). В соответствии с литературными данными, в ходе вы­полнения функции возможно программирование определения дву­стороннего P-значения Z-теста для имеющегося множества данных при гипотетическом математическом ожидании.

Этапы проведения Z-теста:

• Создание базы данных.

• Создание шкалы с максимальным дискриминационным максимумом.

• Определение совокупности значений шкалы в летальной подгруппе при ТМ-методе.

• Определение совокупности значений шкалы в витальной подгруппе при ТМ-методе.

• Определение совокупности значений шкалы в летальной подгруппе при ПР-методе.

• Определение совокупности значений шкалы в витальной подгруппе при ПР-методе.

• Определение вероятности попадания тестируемых вариант в каждую из этих совокупностей.

• Сравнение полученных результатов путём двойного вычитания (поло­жительные значения останутся при тех значениях шкалы, при которых выбор альтернативного метода, в данном случае – ПР, наиболее предпоч­тителен).

• Цензурирование полученных результатов (учитывая, что функция веро­ятности стремится к 0, для большей информативности отсечены резуль­таты, составляющие менее 5% от максимума).

С целью определения прогноза исходов и послеоперационных ос­ложнений применена логистическая регрессия (logistic regression). Метод логистического регрессионного анализа представляет собой построение прямой (или кривой – при нелинейном шкалировании) в многомерном пространстве, направление которой больше всего соответствует выявленной закономерности [Зайцев В.М., 2003].

При этом степень достоверности выявленной зависимости оценивается при помощи F-критерия Фишера, имеющего определенный пороговый уровень вероятности (p), аналогичный данному показателю у t-критерия Стьюдента. Величина p, меньшая принятого уровня достоверности, сви­детельствует о статистически правомочном применении полученной рег­рессионной модели для описания исходных и итоговых данных. Уравне­ние данной прямой, в общем случае регрессионного анализа, имеет сле­дующий вид:

Y = K₀+K₁×X₁+K₂×X₂+…..+K_n×X_n; где X₁, X₂, X_n – анализируемые количественные признаки (независимые переменные); Y – итоговое значение функции (зависимая переменная); K₁, K₂, K_n – «весовые» коэффициенты, отражающие уровень влияния того или иного признака на итоговое значение функции; K₀ – константа. Для пре­образования зависимой переменной Y в данном регрессионном уравнении в вероятность наступления какого-либо события, применяется, так назы­ваемая, логит-модификация (преобразование), суть которой заключается в представлении Y, как натурального логарифма отношения вероятностей наличия или отсутствия данного исхода:

Y = ln(P/(1-P)); где Y-зависимая переменная; P-вероятность наступления события. После преобразования регрессионное уравнение принимает вид:

ln(P/(1-P))= K₀+K₁×X₁+K₂×X₂+…..+K_n×X_n; или

(P/(1-P))= ℮^{K0+K1×X1+K2×X2+…..+Kn×Xn}; или

P=℮ ^{K0+K1×X1+K2×X2+…..+Kn×Xn} /(1+℮ ^{K0+K1×X1+K2×X2+…..+Kn×Xn}),

Представленный метод множественной логистической регрессии был реализован с использованием статистического пакета Medcalc. Общее «качество» полученной модели при этом оце­нивалось этой программой классификационной матрицы. При анализе матрицы модели рассчитыва­лась доля указанных верно прогнозов.

Простейшими критериями, влияющими на результаты лечения распространённого перитонита являются неизменные критерии: возраст пациента, вид экссудата, время развития заболевания. Ограниченные возможности имеются для оценки индекса сопут­ствующей патологии (соответствует составляющей шкалы APACHE II). Данные параметры являются неизменными в течение всего времени лечения и оцениваются только на дооперационном этапе исследования. Важным элементом для выбора параметров и симптомов РП, предназначенных для исследования оценивалась их потенциальная информативность, доступность определения и про­стота интерпретации. Наиболее подходящими одиночными крите­риями оказались симптомы, характеризующие сердечно-сосуди­стую систему, среди которых частота сердечных сокращений [ЧСС], систолическое артериальное давление [САД], диастоличе­ское артериальное давление [ДАД], среднее артериальное давление [СрАД]. С целью более глубокого изучения функции сердечно-со­судистой системы рассчитаны параметры центральной гемодина­мики: систолический объем сердца [СОС], минутный объем сердца [МОС], общее периферическое сопротивление сосудов [ОПСС], среднее динамическое давление [СДД] и среднее давление в легочной артерии [СДЛА], рассчитываемые по формулам Хи­кема, Старра и Пуазейля, исходными данными для которых слу­жили ЧСС, возраст больного, а также величина САД и ДАД, изме­ряемых аускультативным методом по Короткову. Представляет интерес коэффициент выносливости Кваса, широко распростра­ненный в спортивной и космической медицине. Увеличение коэф­фициента Кваса, свидетельствующий о функциональном утомле­нии и снижении эффективности работы сердечно-сосудистой сис­темы [Заболотских И.Б., 1998]. Возможность эффективного ис­пользования этих параметров для мониторинга состояния хирурги­ческих больных подтверждена в работах В.Ф.Медведева (1975), А.Б.Граменицкого (1983), В.В.Рыбачкова (1987), С.В.Маевского (2005).

Одиночными параметрами, характеризующими влияние интокси­кации на макроорганизм и пригодными для исследования явились: частота дыхательных движений, гематокрит, креатинин плазмы крови, калий плазмы крови, натрий плазмы крови, ректальная температура, оксигена­ция периферической крови - сатурация (SpO₂).

В качестве одиночных параметров определены составляющие лей­коцитарной формулы, абсолютное число популяций лейкоцитов: эозинофилы, миелоциты, юные клетки, палочкоядерные нейтро­филы, сегментоядерные нейтрофилы, лимфоциты, моноциты. Определены индексы, составленные на основе одиночных пара­метров: лейкоцитарный индекс интоксикации, лейкоцитарный ин­декс интоксикации модифицированный, лимфоцитарный индекс, микро-макрофагальный индекс.

Наиболее интересными для анализа являются критерии, созданные на основе совокупности симптомов: балл шкалы комы Glasgow, балл шкалы оценки тяжести состояния (ОТС), число симптомов SIRS, число симптомов SPOD (определяется в соответствии с известными классифика­циями или произвольно), Mannheimer peritonitis index.

Первый этап статистического анализа – получение основных дан­ных в динамике, сравнение исследуемых критериев в группах и подгруппах исследования; второй этап – определение прогностиче­ских и дискриминационных свойств статистическими методами; выявление конкретных методов прогнозирования исходов лечения и развития прогрессирующего перитонита; аргументированный выбор хирургической тактики на основе периоперационных дан­ных исследования.

Основные результаты прогнозирования

Основным результатом исследования явилась сравнительная ха­рактеристика летальности в группах исследования. При гнойном РП релапаротомия выполнялась в 40,6%; при фибринозном РП – 4,7%; при серозном РП – 0%. Общая летальность в группе соста­вила 16,53%. При гнойном РП – 32,3%. В группе пациентов, кото­рым применён альтернативный метод лечения – программирован­ная релапаротомия, обследовано 58 пациентов; только у двух из них был диагностирован тотальный фибринозный перитонит, по­требовавший плановой повторной санации брюшной полости. Ос­новными показаниями к переходу на альтернативную тактику был гнойный РП с высокой степенью бактериальной агрессии, связан­ной с распространённостью воспаления брюшины и симптомами ин­токсикации. Летальность составила 25,86%. Дооперационный SIRS-синдром диагностирован у 50 (86,2%) пациентов.

Обработка данных позволяет раскрыть прогностические и дискри­минационные свойства критериев новыми статистическими мето­дами. Неизменные параметры характеризуют базисные различия в изучаемых группах и подгруппах исследования, возможности со­поставления результатов лечения без учёта данного критерия. По­лученные данные свидетельствуют о достоверных различиях сред­него возраста в основных группах сравнения (ТМ 46,8; SEM [0,82] и ПР 39,8; SEM [1,95]; t=0,002 ), как в генеральных совокупностях, так и при гнойном экссудате (ТМ 49,4; SEM [1,26] и ПР 39,8; SEM [2,01]; t=0,002): что объясняется субъективным отбором пациентов для выполнения ПР. Внутригрупповых различий в соответствии с видом экссудата в ТМ-группе не установлено. При традиционном хирургическом лечении достоверных различий возраста в подгруп­пах, сформированных в зависимости от констатации прогрессиро­вания РП, не выявлено (t=0,250). При сравнении подгрупп, разде­лённых по варианту исходов, как в ТМ-группе (t=0,000), так и в ПР-группе (t=0,006) отмечены достоверные различия среднего воз­раста. На основании полученных результатов можно предположить статистически значимое влияние возраста на исход заболевания в обеих группах исследования. Дискриминационные свойства шкалы [возраста пациента] в отношении исхода лечения в ТМ-группе оце­нивались по площади под ROC-кривой и составили 0,754 при SE_A­REA 0,03 (рис.12.9,12.10), что является достоверно хорошим резуль­татом и включает [возраст пациента] в число наиболее информа­тивных предикторов. В отношении прогрессирования перитонита дискриминационные свойства шкалы достоверно отсутствуют (ROC_AUC 0,500; SE_AREA 0,03).

Рис.12.9. Критерий - [Возраст]. Зависимый параметр – [Исход лече­ния].

ROC-Curve. ТМ+ПР-группа. ROC_AUC 0,741; SE_AREA 0,03.

Рис.12.10. Критерий - [Возраст]. Зависимый параметр – [Исход лече­ния].

ROC-Curve. ТМ-группа ROC_AUC 0,754; SE_AREA 0,03.

Прогностические возможности [воз­раста пациента] в ТМ-группе в отношении исхода, определённые при помощи критерия χ² (75,7; p=0,000), критерия сопряженности Пирсона (0,96), критерия Чупрова (0,76) оценены как высокие. Дискриминационные свойства возрастной шкалы присутствуют в ТМ-группе при гнойном экссудате (ROC_AUC 0,733; SE_AREA 0,04); фибринозном экссудате (ROC_AUC 0,801; SE_AREA 0,10), серозном экс­судате (ROC_AUC 0,916; SE_AREA 0,09), однако, высокий уровень зна­чимости полученных результатов достигнут только при гнойном экссудате. Прогностические свойства в отношении исхода лечения при всех видах экссудата высокие. Отмечены высокие дискрими­национные свойства шкалы возраста в ПР-группе (ROC_AUC 0,731; SE_AREA 0,08) в отношении исходов, но при низком уровне зна­чимости результатов. Хорошие прогностические характеристики в отношении исходов доказываются только критерием сопряжённо­сти Пирсона (0,90). Примером реализации метода ROC-analysis служит построение ROC-curve, площадь по которой отражает степень дискриминационной способности исследуемой шкалы.

Рис.12.11. Критерий - [Экссудат]. Зависимый параметр – [Исход лече­ния].

ROC-Curve. ТМ-группа. ROC_AUC 0,749; SE_AREA 0,03.

Рис.12.12. Критерий - [Экссудат].

Зависимый параметр – [Прогресси­рование перитонита].

ROC-Curve. ТМ-группа ROC_AUC 0,790; SE_AREA 0,03.

Критерий [возраст пациента] в генеральных ТМ- и ПР- совокупно­стях обладает не самыми высокими прогностическими и дискри­минационным свойствами и может быть ограниченно использован для определения вероятности летального исхода, как одиночный предиктор, так и в качестве составляющей совокупности предикто­ров. Интересным является доказательство влияния характера пери­тонеального экссудата на исход лечения перитонита. Очевидные выводы подкрепляются новыми статистическими методами. Как постоянный критерий, определяющий исход лечения, фактор [пе­ритонеального экссудата] (рис.12.11,12.12) понятен и известен со времени создания первых классификаций перитонита, основанных на стадийности развития воспаления брюшины [В.Я.Шлапоберский, 1958; К.С.Симонян, 1971; Б.Д.Савчук, 1979; В.Д.Фёдоров, 1974; М.И.Кузин, 1978].

Предполагаемая градация видов экссудата по стадиям развития воспаления, возможная только в ТМ-группе, взята в основу ранжи­рования для проведения Receiver Operating Characteristic Analysis.

Рис.12.13. Критерий - [Время развития перитонита].

Зависимый пара­метр – [Исход лечения]. ТМ-группа.

ROC_AUC 0,650; SE_AREA 0,03.

Рис.12.14. Критерий - [Время развития перитонита].

Зависимый пара­метр – [Исход лечения]. ПР-группа.

ROC_AUC 0,585; SE_AREA 0,09.

Рис.12.15. Критерии – таблица 4 прил. ПР-группа.

Зависимый па­раметр – [исход лечения].

Дооперационное обследование. (ROC_AUC 0,944; SE_AREA 0,010).

Рис.12.16. Критерии – таблица 5 прил. ПР-группа.

Зависимый па­раметр – [исход лечения].

Первые хирургические сутки. (ROC_AUC 0,822; SE_AREA 0,027).

Полученные данные отражают достаточно высокие дискриминаци­онные свойства параметра [перитонеальный экссудат] при тради­ционном методе лечения в отношении исхода лечения и прогресси­рования перитонита (рис.12.11,12.12) при высоком уровне значимо­сти полученных результатов и незначительной калибровке кривой.

Таким же образом протестирован критерий [время заболевания]. Данный параметр анализируется в соответствии с субъективными данными анамнеза заболевания. В ТМ-группе среднее время разви­тия заболевания составило 45,8ч SEM [2,8]; в ПР-группе – 55,4ч [8,0]. Достоверных различий этого критерия между генеральными совокупностями не отмечено (t=0,263).

Учитывая объём исследования, достоверные различия среднего времени развития болезни отмечены только между ТМ-подгруп­пами с летальным и витальным исходами (t=0,004), что отражает прогностические свойства критерия в отношении исхода. Имеется выраженная корреляция между временем развития РП и стадийно­стью воспаления брюшины, отражённой в соответствии с извест­ными классификациями экссудата. Дискриминационные свойства шкалы выражены слабо, что, конечно, находится в обратной зави­симости от качества лечения при самых тяжёлых формах заболева­ния (рис.12.13,12.14).

Данные ROC-analysis и значения χ² имеются в ряде представленных специальных сводных таблиц (таблицы 1-3 прил.).

Избранные для исследования критерии полиорганной дисфункции не всегда являются определяющими в оценке состояния пациентов. Поиск наиболее информативной комбинации симптомов, обла­дающих наибольшим дискриминирующим потенциалом – одна из составляющих исследовательской работы. Для проведения тести­рования программными средствами проведено тестирование ком­бинаций критериев по заданным промежуткам их значений. Базис­ный набор значений включает показатели, отражающие норму (таблица 12.10), описанную в литературных источниках. Принад­лежность к программированному, выходящему за рамки описанной нормы, интервалу параметра оценивается как «1»; остальные как «0». Сумма баллов является параметром, в отношении которого определяется дискриминационная возможность. Так проводится поиск составляющих шкалы с весовой ценностью од­ного критерия равной «1». В качестве тестируемой подгруппы из­брана ТМ-подгруппа с гнойным РП.

Следующим этапом исследования было определение межгруппо­вых дискриминационных максимумов, т.е. набора критериев в дан­ный момент времени, при отклонении от нормы которых, марки­руемое как «1» составляет шкалу, имеющую наибольшую дискри­минационную силу в отношении исходов и прогрессирования пе­ритонита. Опуская рутинную работу и промежуточные выводы, представляем межгрупповые дискриминационные максимумы в ТМ и ПР-группах.

Особое внимание уделено максимальным достоверным значениям ROC_AUC и значениям, превышающим ROC_AUC 0,8. Дискримина­ционные свойства шкалы при достоверном ROC_AUC >0,899 обозна­чались очень высокими, при достоверном ROC_AUC >0,749 обознача­лись высокими. Для подтверждения итогов исследования была использована demo-версия программы MedCalc, в ходе работы с которой проверялись основные результаты.

Были определены основные этапы статистической обработки и этапов прогнозирования. Правильное понимание разграничения этих понятий обеспечивает разработку правильного алгоритма действий при принятии клинических решений. На первом этапе статистического анализа проведен сбор данных и представление их в динамике послеоперационного периода, проведено программирование, позволившее в автоматическом режиме выбирать критерии для работы с базой данных. Применение для сравнения групп и подгрупп исследования t-критерия Стьюдента было дополнено изучением дискриминационных и прогностических свойств по различным направлениям исследования.

Этапы прогнозирования тесно взаимосвязаны с алгоритмом принятия клинических решений. Дооперационный этап затрагивает всю (генеральную) совокупность пациентов, оперированных по поводу РП. На этом этапе не известен вид экссудата, не известны другие характеристики повреждения систем органов. Имеющийся диагностический материал относится ко всей когорте пациентов без какой-либо дифференцировки по хирургической тактике. На этом этапе одиночные диагностические параметры отражают общебиологические закономерности возникновения и прогрессирования болезни, которые по нашему предположению влияют на конечный исход лечения независимо от предпринятых в дальнейшем лечебных мероприятий. Поэтому, на данном этапе, задачами прогнозирования, проведённого по любой конкретной методике, является определение наиболее значимых для прогноза параметров с целью воздействия на них на дооперационном этапе - при подготовке к операции. В клинической практике появление негативных симптомов должно мотивировать медицинский персонал на проведение качественной предоперационной подготовки, тщательный выбор методов обезболивания и, в конечном счёте, проведение адекватного по объёму оперативного вмешательства. Индивидуальный прогноз с определением вероятности летального исхода в этих случаях не является клинико-сатистической задачей, поскольку не учитывает основных факторов, влияющих на качество прогностической модели: вид экссудата и избранную хирургическую тактику. Определение совокупности предикторов, оптимально определяющей прогноз возможно. Применение качественной прогностической модели для расчёта вероятности летального исхода дифференцирует мотивацию применения альтернативных (более эффективных) протоколов лечения в случаях, когда прогнозируемая летальность превышает средние цифры наблюдаемой летальности при РП.

Рис.12.17. Сравнение летальности (%), в ТМ- и ПР-группах исследования

п ри гнойном РП

В интервале балла шкалы ОТС [11-14] наблюдается преимущество ПР-метода

Интраоперационный этап прогнозирования можно считать основным, поскольку основные клинические проблемы решаются именно в этот период. На момент проведения операции известны и могут быть использованы все предшествующие результаты обследования. Верификация вида экссудата приводит к сужению прогностических задач, определению наиболее важных направлений прогнозирования, среди которых – прогноз исходов и осложнений при гнойном РП. Методика анализа, разумеется, предусматривает возможность изучения прогноза при любом виде экссудата, однако, важным элементом клинического прогнозирования является концентрация усилий на наиболее проблемных направлениях. Для определения прогностической модели в этой подгруппе выделяется когорта пациентов с гнойным РП. Определяются классификационные характеристики прогностической модели и возможности её применения. При помощи неё проводится сравнение прогнозированной и наблюдаемой летальности с целью коррекции лечебных мероприятий. Учитывая, что принципы проведения первой операции при гнойном РП практически идентичны при всех тактических вариантах, окончательное определение объёмов и кратности хирургического пособия может проводиться в течение 1-2 послеоперационных суток. На этом этапе прогнозирования возможна дифференцировка хирургической тактики при помощи балла шкалы ОТС. Для этого применяется сравнение наблюдаемой летальности в ПР- и ТМ-группах исследования, стратифицированной по баллу шкалы оценки тяжести состояния или собственной шкалы предикторов.

После определения составных частей совокупности предикторов, наиболее полно дискриминирующей исход лечения, определяются баллы шкалы для каждого случая с РГП. В дальнейшем путём регрессионного анализа определяются параметры уравнения, описывающего зависимость балла шкалы и вариантов исхода отдельно в ТМ- и ПР-группах. При выявлении высокой степени дискриминации исходов эти модели могут быть применены для индивидуального прогноза в соответствующих группах. Однако, совокупность предикторов, наиболее точно описывающая прогноз исходов РГП до выбора метода хирургического лечения может отличаться от набора предикторов, предназначенных для прогнозирования отдельно в ТМ- и ПР-группах. В тех случаях, когда подобранная совокупность обладает лучшим качеством прогнозирования в ТМ- или ПР-группе, чем совокупность, определённая для прогнозирования при РГП в целом, она более пригодна для индивидуального прогноза в соответствующей (ТМ- или ПР-) группе. Существует вероятность того, что доказать преимущества ТМ- или ПР-модели не удаётся. В этих случаях индивидуальный прогноз и дифференцировка хирургической тактики должна проводиться при помощи общей для РГП модели.

Рис.12.18. Сравнение летальности (%), (результаты Z-тестирования)

В интервале балла шкалы ОТС [11-14] наблюдается преимущество ПР-метода

После определения прогноза при помощи ТМ- и ПР-модели предполагается возникновение необходимости подтверждения избранных тактических вариантов. Оно может быть осуществлено путём определения динамики вероятности летального исхода в первые 24-48 часов, то есть до первой программированной релапаротомии. По аналогии с предыдущими этапами, на основании диагностики первых послеоперационных суток определены прогностические модели отдельно для ТМ+ПР-, ТМ- и ПР-групп, а также рассчитывались индивидуальные прогнозы. Для окончательного выбора прогностической модели первых послеоперационных суток оцениваются классификационные свойства и качество моделей. В дальнейшем прогнозированная летальность сравнивается не только между ТМ- и ПР-группами для выбора хирургической тактики, но измеряется динамика индивидуального прогноза. Причиной уменьшения прогнозированной летальности может быть эффективность предшествующего хирургического и реаниматологического пособия. В этих случаях окончательное решение наиболее трудно. Представленный алгоритм анализа и практических решений может служить дополнительным инструментом для определения лечебных мероприятий при РП.

Таблица 12.10

Указатель границ значений критериев, используемых при создании шкалы

Предиктор	Границы параметров		Единицы измерения
Систолическое артериальное давление	119	141	мм Hg
Диастолическое артериальное давление	59	101	мм Hg
Ректальная температура, С	35,9	39,1	Градусы С
Частота дыхательных движений	11	25	/ мин
Лейкоциты крови	3999	12001	/мкл
Частота сердечных сокращений	69	110	/ мин
Среднее артериальное давление	69	110	мм Hg
Балл шкалы комы Glasgow	12	16	Баллы
Оксигенация, SpO2	89	100	у.е., %
Гематокрит	29,9	51	л/л
Калий	3,49	5	ммоль/л
Натрий	129	150	ммоль/л
Креатинин	0,59	1,41	мг/100мл
Возраст	25	75	Годы
Время развития заболевания	60	120	Часы
Индекс IPM	-1	2	Баллы
Число симптомов SIRS	-1	2	Баллы
Число симптомов SPOD	-1	2	Баллы
Балл шкалы ОТС	12	24	Балл
Систолический объём сердца	39,99	75,01	мл
Минутный объём сердца	3499	6001	мл
Среднее динамическое давление	79,999	110,001	мм Hg
Общее периферическое сопротивление сосудов	1199,99	2500,01	дин-см-сек
Среднее давление в лёгочных артериях	24,99	55,01	мм Hg
Коэффициент Кваса	14,99	17,01	у.е.

Определение наиболее оптимальной хирургической тактики основывается на следующих принципах: применение традиционного метода является наиболее обоснованным при отсутствии существенного отличия в результатах лечения; применение альтернативного метода наиболее обосновано даже тогда, когда результаты лечения наиболее тяжёлых пациентов одинаково неблагоприятны (за исключением случаев неизбежной интраоперационной смерти, агонального состояния).

Таблица 12.11. Этапы прогнозирования исходов лечения РП

Этап прогнозирования	Изучаемые явления	Группы исследования	Статистический метод	Хирургическая тактика до прогнозирования
Дооперационный	Индивидуальные прогностические свойства предикторов	ТМ+ПР	t-критерий, ROC-анализ, χ2 Пирсона, НП χ2	Не определена
	Прогностические свойства шкал без учёта вида экссудата	ТМ+ПР	ROC-анализ, НП χ2 , χ2 Пирсона, регрессионный анализ	Не определена
Интраоперационный	Прогностические свойства шкал с учётом вида экссудата. Определение преимуществ видов хирургической тактики.	ТМ+ПР	ROC-анализ, НП χ2 , регрессионный анализ, χ2 Пирсона, сравнение результатов прогнозирования	Не определена
		ТМ		Определена
		ПР		Определена
Первые хирургические сутки	Индивидуальные прогностические свойства предикторов	ТМ+ПР	t-критерий, ROC-анализ, χ2 Пирсона, НП χ2	Не определена
	Прогностические свойства шкал с учётом вида экссудата. Подтверждение преимуществ хирургической тактики.	ТМ+ПР	ROC-анализ, χ2 Пирсона, НП χ2 , регрессионный анализ	Не определена
		ТМ		Определена
		ПР		Определена

После определения уровня летальности (зависимого параметра прогноза) при различных значениях балла шкалы оценки тяжести состояния пациентов в группах исследования проведено их сравнение. Наблюдаемый уровень летальности в группах исследования указывает на преимущества ПР-метода при [11-14] баллах шкалы ОТС (рис.12.17).

Результаты прогноза, полученные при гнойном РП, могут быть использованы при высоком уровне диагностического обеспечения.

При использовании другого статистического метода – Z-теста получены данные, указывающие на эффективность ПР-метода у пациентов, имеющих невысокую степень тяжести состояния по шкале ОТС. Преимущества ПР-метода, установленные после 5% цензурирования, наблюдались также при [11-14] баллах шкалы ОТС (рис.12.18). Избранные для исследования критерии полиорганной дисфункции не всегда являются определяющими в оценке состояния пациентов. Поиск наиболее информативной комбинации симптомов, обладающих наибольшим дискриминирующим потенциалом – одна из составляющих исследовательской работы. Для проведения тестирования программными средствами проведено тестирование комбинаций критериев по заданным промежуткам их значений. Основной набор значений включает показатели, отражающие норму, описанную в литературных источниках (таблица 12.10). Принадлежность к программированному интервалу параметра оценивается как «1»; остальные как «0». Определялись дискриминационные свойства суммы баллов, являющейся потенциальным предиктором.

Поиск наиболее информативной комбинации симптомов, обладающих наибольшим дискриминирующим и прогностическим потенциалом – основная исследовательская задача, обеспечивающая выработку алгоритма действий для решения сложных диагностических и тактических вопросов.

Этапы принятия решения (таблица 12.11):

• Прогнозирование исходов на дооперационном этапе.

• Прогнозирование исходов на интраоперационном этапе.

• Прогнозирование исходов в течение первых послеоперационных суток.

• Прогнозирование исходов в течение последующих послеоперационных суток.

В основе создания шкалы установлен принцип констатации балла - отклонение от интервалов критериев (таблица 12.10), которые в основном являются интервалами нормальных значений. В исследовательских целях изменение границ значений оправдано для поиска наилучших дискриминационных возможностей искомой шкалы, но в настоящем исследовании границы значений предикторов не менялись. Констатация отклонения от нормального интервала обозначалась одним баллом шкалы. Подбор критериев шкалы осуществлялся путём пошагового включения их в шкалу и тестирования на дискриминационную ценность путём ROC-анализа (таблица 12.12).

Таблица 12.12

Дискриминационные максимумы: примеры пошагового включения предикторов.

Зависимый параметр – исход лечения

Все виды экссудата	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий], [Креатинин], [СОС], [ККв]
	ROCAUC=824	SEAREA=0,014
	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий]
	ROCAUC=822	SEAREA=0,013
	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий], [Креатинин]
	ROCAUC=834	SEAREA=0,012
	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий], [Креатинин], [СОС]
	ROCAUC=0,877	SEAREA=0,009

На первом этапе определены индивидуальные прогностические свойства предикторов и прогностические возможности шкалы независимо от вида экссудата. Учитывая отсутствие достоверных характеристик экссудата, которые могут быть получены только во время лапаротомии, на этом этапе единственным инструментом прогнозирования была совокупность критериев, обеспечившая наивысшие дискриминационные свойства шкалы. После этого при помощи программы MedCalc проведён уточнённый ROC-анализ и регрессионный анализ, позволившие определить logit-формулу для вычисления прогноза при помощи балла тестируемой шкалы. В результате установлен перечень предикторов, значения которых в совокупности наиболее полно дискриминируют исход заболевания при последующей констатации гнойного РП (таблица 12.13).

Таблица 12.13

Дискриминационные свойства критериев. Зависимый параметр-исход лечения

Все виды экссудата, дооперационное обследование	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий], [Креатинин], [СОС], [ККв]
	Дискриминационный максимум (ДМ)		ДМ - Строгое соответствие (MedCalc)
	ROCAUC	SEAREA	ROCAUC	SEAREA
	0,907	0,007	0,934	0,026
Гнойный экссудат, дооперационное обследование	[САД], [ЧДД], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий], [Креатинин], [СОС], [ККв]
	Дискриминационный максимум (ДМ)		ДМ - Строгое соответствие (MedCalc)
	ROCAUC	SEAREA	ROCAUC	SEAREA
	0,884	0,011	0,891	0,035

Для расчёта прогноза исходов на дооперационном этапе определены параметры регрессионного уравнения, полученного при помощи программы MedCalc: logit= -7,6783+1,7557х; где х - число баллов тестируемой шкалы. Установлено высокое качество прогностической модели, подтверждённое классификационными возможностями (89,5%) (таблицы 4, 5 прил.). Совокупность критериев, наиболее полно дискриминирующих исход при гнойном РП, оказалась аналогична предикторам для генеральной совокупности пациентов. Уравнение логистической регрессии в этом случае: logit= -5,8414+1,3161х; где х - число баллов шкалы. Качество исследуемой прогностической модели подтверждается высокими дискриминационными свойствами, статистической значимостью коэффициентов регрессионного уравнения, значением и статистической значимостью критерия χ² (рис.12.19).

Рис.12.19. Прогнозируемая и наблюдаемая летальность при гнойном РП (%)

Прогнозированная летальность рассчитана с учётом применения обозначенной выше совокупности критериев, но определена по двум направлениям, устанавливающим формулы логистической регрессии отдельно для ТМ- (logit= -5,6699+1,3021х; где х - число баллов шкалы) и ПР-групп (logit= -6,2343+1,3636х; где х - число баллов шкалы) (таблица 12.14). Ретроспективное исследование параметров уравнений регрессии позволило сравнить прогнозированную летальность в группах с традиционным хирургическим лечением и программированными релапаротомиями. Установлено, что при 3-6 баллах исследуемой шкалы имеются прогностические преимущества метода программированных релапаротомий (рис.12.20), наиболее достоверно проявляющиеся при 4-5 баллах. В этих случаях степень тяжести состояния, описываемая совокупностью предикторов даёт основания для выбора альтернативного метода хирургического лечения – метода программированных релапаротомий.

Прогнозированная летальность при 4 и более баллах должна мотивировать лечащий медицинский персонал на использование максимальных возможностей интенсивной терапии, поскольку прогнозируемая в этих случаях больше средней наблюдаемой летальности в обеих группах исследования.

Таблица 12.14. Прогнозированная летальность при гнойном РП (%)

Балл шкалы	0	1	2	3	4	5	6	7	8	9	10
ТМ	0,34	1,25	4,45	14,6	38,6	69,9	89,5	96,9	99,1	99,8	99,9
ПР	0,19	0,76	2,91	10,5	31,4	64,2	87,5	96,5	99,1	99,7	99,9
ТМ+ПР	0,29	1,07	3,88	13,1	35,9	67,8	88,6	96,7	99,1	99,7	99,9

Результаты, полученные при использовании метода Z-теста, подтверждают преимущество ПР-метода в интервале балла исследуемой шкалы [3-7] с максимумами этого преимущества при [4-5] баллах шкалы.

Таблица 12.15. Дискриминационные свойства критериев:

зависимый параметр – исход лечения в ТМ+ПР-группе

Гнойный экссудат, первые послеоперационные сутки	[САД], [ДАД], [ЧСС], [GCS], [Оксигенация], [Гематокрит], [Калий], [Натрий]
	Дискриминационный максимум (ДМ)		ДМ - Строгое соответствие (MedCalc)
	ROCAUC	SEAREA	ROCAUC	SEAREA
	0,869	0,016	0,750	0,044

На основе полученных данных появляется возможность дифференцированного подхода к хирургической тактике на интраоперационном этапе. Классификационные возможности шкалы при традиционном хирургическом лечении и программированных релапаротомиях примерно одинаковы и составляют 83-84%. Наряду с дискриминационными свойствами эти параметры характеризуют прогностическую модель как очень хорошую. При этом уточняющий поиск наиболее информативных для прогноза совокупностей критериев может проходить изолированно в группах исследования. Прогноз исходов лечения распространённого гнойного перитонита может быть определён в контексте применения избранной хирургической тактики. Наиболее интересным представляется изучение параметров прогностической модели при лечении методом программированных релапаротомий. Определение индивидуального прогноза проводится после окончательного определения хирургической тактики, однако подбор прогностической модели осуществляется ретроспективно на основе диагностических параметров, характерных для ПР-группы, отобранной без применения алгоритма выбора хирургической тактики.

Установлено, что прогностическая модель при ПР может быть уточнена после выбора наиболее информативной совокупности предикторов, отличной от совокупности, применимой для всех пациентов с гнойным РП (рис.12.15, 12.16). Характеристики прогностической модели обладают статистической значимостью и могут быть применимы для индивидуального прогноза после окончательного выбора хирургической тактики.

Рис.12.20. Дооперационное обследование

Разница прогнозированной летальности в ТМ и ПР-группой

Для подтверждения итогов исследования была использована demo-версия программы MedCalc, в ходе работы с которой проверены основные прогностические характеристики шкалы дооперационного исследования (таблица 12.16).

Рис.12.21. Первые хирургические сутки

Разница прогнозированной летальности в ТМ и ПР-группой

Вычисления показывают, что на интраоперационном этапе (ROC_AUC 0,922; SE_AREA 0,049) классификационные возможности шкалы оцениваются в 86%. Уравнение логистической регрессии представлено в следующем виде: logit= -10,2251+2,3209х, где x – число баллов шкалы. Расчёт вероятности проводился по формуле: p = ℮^logit/(1+℮^logit); где p –вероятность наступления летальности; logit – значение уравнения логистической регрессии при имеющемся числе баллов. Полученные результаты отражают прогностические возможности изучаемых параметров и собственной шкалы оценки тяжести состояния (рис.12.21). Представленные данные свидетельствуют о высоких прогностических свойствах шкалы, применимой для ПР-группы на интраоперационном этапе прогнозирования (рис.12.22). В случаях, когда хирургическая тактика не определена интраоперационно остаётся время для принятия окончательного решения – это первые 24-48 часов после первой операции. Для этого изучены прогностические возможности на третьем этапе прогнозирования (таблицы 4,5 прил.).

Таблица 12.16

Дискриминационные свойства критериев в отношении исходов РП в ПР-группе

[СрАД], [ДАД], [ЧДД], [GCS], [Ректальная температура], [Гематокрит], [Креатинин], [ККв]
Дискриминационный максимум (ДМ)		ДМ - Строгое соответствие (MedCalc)
ROCAUC	SEAREA	ROCAUC	SEAREA
0,922	0,013	0,922	0,049

В течение первых хирургических суток возможности прогноза исхода гнойного РП оказались несколько меньше. Наиболее полно дискриминирует прогноз исходов совокупность из восьми предикторов (таблица 12.15). Прогнозирование при использовании полученной модели основано на регрессионном уравнении: logit= -3,5409+0,6934х, где x – число баллов шкалы. При помощи данной модели около 76% случаев описаны правильно.

Рис.12.22. Соотношение баллов исследуемой шкалы и прогнозированной

летальности, определённой на интраоперационном этапе обследования в группе

с программированными релапаротомиями.

При сравнении прогнозированной летальности в первые хирургические сутки и на интраоперационном этапе прогнозирования установлено, что у 54% пациентов прогноз ухудшался (таблица 12.17).

Существенные препятствия для эффективного прогнозирования на основании обследования, предпринятого в течение первых послеоперационных суток, возникают в связи с уменьшением классификационных и дискриминационных свойств шкалы. Ограниченное применение полученной прогностической модели обусловливает её применение, как дополнительный инструмент для прогноза исходов и дифференцировки хирургической тактики.

Для оценки возможностей эффективного прогноза прогрессирования РП на основании дооперационного обследования были использованы аналогичные статистические методы. Однако, учитывая незначительные дискриминационные свойства прогностических моделей, недостаточный объём обследования не дают основания для выработки приемлемого алгоритма определения вероятности клинически значимого прогрессирования РП. Учёт дискриминационных возможностей одиночных предикторов указывает на наиболее информативные маркеры, выявленные в различные сроки послеоперационного периода (таблица 12.18). Обоснованное применение методов прогноза прогрессирования РП, вытекающих из результатов регрессионного и ROC-анализа на данном этапе исследования следует считать преждевременным. Рекомендуется учёт наиболее информативных предикторов. Дифференцировка хирургической тактики ориентирована в основном не на прогноз клинических событий, опосредующих исходы, а на окончательный прогноз результатов лечения [Костюченко К.В., 2009].

Таблица 12.17

Динамика прогноза исходов лечения при гнойном РП

Группы исследования / Динамика	Вся группа	ТМ	ПР
Улучшение в течение первых хирургических суток (%)	46	51	40
Ухудшение в течение первых хирургических суток (%)	54	49	60

Важнейшим результатом исследования явилось создание концепции прогнозирования исходов (прогрессирования) РП и дифференцировки хирургической тактики в зависимости от наиболее информативных предикторов или их совокупностей. Имеющиеся ограничения, отчасти недостаточный объём обследования в ряде случаев определяют недостаток статистической значимости полученных результатов, что требует разграничения методов в зависимости от их применимости для избранных групп исследования.

Концепция настоящего исследования применима для решения широкого спектра вопросов, связанных с прогнозированием. Особенностью аналитического метода является определение балла шкалы на основе отклонения имеющегося показателя от известных границ (нормальных показателей). Наиболее обосновано дооперационное применение метода.

Определение основных групп критериев, с помощью которых можно дифференцированно подходить к прогнозу исходов РГП, является важнейшим результатом исследования. Различия в прогнозированной летальности могут быть основой для определения прогноза в различных группах заболевания и индивидуального прогноза. Часть критериев, наиболее связанных с прогрессированием РГП, могут быть использованы на соответствующих этапах прогнозирования, как наиболее существенные критерии неблагополучия, могут лежать в основе структуры полиорганной дисфункции, характерной именно для РГП.

Таблица 12.18

Динамика дискриминационных свойств основных одиночных предикторов.

Зависимый параметр: прогрессирование гнойного РП

с релапаротомией «по требованию»

Предиктор / Послеоперационный период	0*	1	2	3	4
САД	+	+	+	+	+
ДАД		+	+	+	+
Ректальная температура, С	+	+	+	+
ЧДД	+	+	+	+	+
Лейкоциты крови
ЧСС	+		+	+
СрАД	+	+	+	+	+
Балл шкалы комы Glasgow	+	+	+	+	+
Оксигенация, SpO2	+	+	+		+
Гематокрит	+			+	+
Калий плазмы крови	+	+		+	+
Натрий плазмы крови
Креатинин плазмы крови
Возраст
Время развития заболевания	+
Число симптомов SIRS	+	+	+	+	+
Число симптомов SPOD	+	+	+	+
Балл шкалы ОТС	+
*Изучены в группе ПР+ТМ: хирургическая тактика не определена Отмечены предикторы, при которых отвергается нулевая гипотеза об отсутствии связи значения предиктора и зависимого параметра – прогрессирования РП, pχ2<0,05

На основе результатов исследования разработан и внедрён программный продукт MS Excel 2007 (рис.1,2 прил.), обеспечивающий получение данных о вероятности летального исхода при до- и интраоперационном обследовании. В программе заложены возможности констатации SIRS, полиорганной дисфункции, а также расчёта баллов APACHE II, IPM, LODS. Важнейшим элементом программы является получение рекомендаций для оптимизации хирургической тактики на основе интраоперационной диагностики.

Изучение перитонита и осложняющего его сепсиса – это наибо­лее популярная и важная тема исследований среди хирургов. Од­нако, препятствия, имеющие место на пути к снижению летально­сти могут исчезнуть, если исследователи будут продвигаться в двух направлениях: воздействие на патогенетические механизмы пери­тонита и внедрение новых методов, позволяющих размыкать по­рочные круги патологии при этом грозном осложнении. Всё это требует доказательного обеспечения.

Несомненно, идеология полиорганной дисфункции и синдрома системной воспалительной реакции является важным этапом для понимания патогенеза перитонита, но возможности изучения в этой сфере не исчерпаны. К примеру, только в последние годы по­являются публикации, касающиеся глубоких иммунологических исследований, ещё меньше публикаций касающихся поиска новых факторов, влияющих на клеточные и другие реакции при сепсисе, выявлению неизвестных ранее продуктов метаболизма и регуля­ции, имеющих важное диагностическое и прогностическое значе­ние.

Заключение

Диапазон представленных исследований в настоящей монографии нельзя считать исчерпывающим. Мы рассмотрели преимущественно основные теоретические и клинические аспекты перитонита. Однако, уже сейчас можно утверждать, что в ряде направлений патогенеза перитонита достигнут определенный прогресс, на основе которого внедряются новые и весьма перспективные методы лечения. В частности, в настоящее время, никто не отрицает необходимость раннего энтерального зондового питания для профилактики развивающихся нарушений и восстановления энергетических потребностей организма. Значительно расширились существующие представления о возможных механизмах действия различных методов детоксикации, сроках их применения и взаимодействия с антибактериальной терапией. В этом направлении необходимы дальнейшие углубленные исследования, направленные на уточнение механизмов системного воспаления, которое придаёт данной патологии признаки самостоятельного заболевания. Реализация этих моментов будет определяться уровнем научно-технического прогресса.

Что касается хирургических аспектов проблемы, то в обозримом будущем они вряд ли будут серьезно пересматриваться. Критерием оптимальности оперативного пособия, по-видимому, останется благоприятный исход заболевания. Залогом такого подхода, безусловно, являются превентивные лечебные мероприятия, способные устранить или значительно минимизировать осложнения послеоперационного периода, представляющие угрозу для жизни больного. В этом плане значительная роль должна принадлежать вопросом прогнозирования течения заболевания. Изложенные моменты явились отправными для детального освящения данного направления. С нашей точки зрения, совершенствование комплекса лечебных мероприятий при перитоните во многом будет связано с клинической реализацией этих моментов. Представленные результаты свидетельствуют о высокой целесообразности исследований, касающихся своевременного прогнозирования исходов данной патологии.

Авторы, безусловно, не претендуют на исчерпывающее освящение проблемы. Вместе с тем, по нашему мнению, предлагаемая книга дает с позиции современных представлений ответы на многие вопросы, возникающие при лечении различных форм перитонита.