Добавил:
Sekretar
kiopkiopkiop18@yandex.ru
t.me/Prokururor I Вовсе не секретарь, но почту проверяю
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Ординатура / Хирургия / Библиотека им академика М.И. Перельмана / Книга_1966_Библиотеки_им_академика_М_И_Перельмана
.pdf
81
Согласно скрипичным диаграммам, рис.13 А-Б увеличение времени операции может быть
связано с отсутствием ПОПФ, при этом увеличение данного параметра может соответствовать
положительным и отрицательным значениям SHAP. При построении данной модели одному
классу одновременно соответствовала б/х утечка и фистулы В и С, при этом согласно
распределению случайных величин меньшее время операции соответствует б/х утечке, а большее
наличию фистул В и С (Приложение Б, рис. Б1).
Учитывая результаты корреляционного анализа, отсутствие значимых корреляций
продолжительности ПДР и ПОПФ, можно предположить, что данный показатель имеет сложную
нелинейную связь с развитием ПОПФ, может учитываться приниматься во внимание при
прогнозировании повышения уровня амилазы в отделяемом по дренажу, однако необходимы
дальнейшие проспективные исследования для учета параметра в универсальной
прогностической модели.
5.2.2. Факторы риска отдельных классов панкреатических фистул
Аналогично описанной бинарной модели логистической регрессии в случае трехмерной
получены низкие значения критерия псевдо-R
2
=0,32, что говорит о возможности объяснить лишь
32% дисперсии данной моделью. При моделировании биохимической утечки только мужской
поля явился значимым предиктором, β=-1,51, р=0,029. Кроме того, получены предупреждения о
невозможности эффективной оптимизации модели алгоритмом максимального правдоподобия.
В случае фистул В и С значимые коэффициенты были получены для пункционной энтеростомы
β=-1,72, р=0,035, и васкулярной инвазии опухоли, β=-2,2, р=0,02, однако значение перехвата
было статистически незначимым, р=0,852, что ставит под сомнение значимость модели (табл.18).
Кроме того, при обучении алгоритма с использованием библиотеки statsmodels.api были
получены предупреждения о не возможности оптимизации модели. Как и в случае бинарной
модели (раздел 5.2.1.), данные наблюдения могут говорить о нелинейном характере данных,
поэтому для дальнейшего исследования значимости факторов риска целесообразно
использование алгоритмов классификации; была использована модель на основе алгоритма
Random forest 0,65±0,07 (𝑋
± 𝜎) (табл.16).
82
Таблица 18 – Параметры трехмерной модели логистической регрессии на основе пред- и
интраоперационных данных
Коэффициенты
регрессии
Исследуемые
параметры
β σ z P>|z| ДИ [0,025 0,975]
Биохимическая утечка
Перехват 7,21 3,30 2,19 0,029*
0,746 13,678
Возраст -0,05 0,04 -1,38 0,168 -0,128 0,022
Пол -1,57 0,72 -2,18 0,029*
-2,974 -0,16
Резекция сосудов 1,24 0,81 1,53 0,126 -0,351 2,834
Размер Вирсунгова
протока КТ, мм
-0,16 0,12 -1,36 0,173 -0,401 0,072
Анастомоз по Блюмгарту 0,40 0,83 0,48 0,632 -1,227 2,02
Анастомоз по РУ -31,79 2,68*10
6
-1,19*10
5
1 -5,25*10
6
5,25*10
6
Время операции, мин -0,01 0,00 -1,42 0,156 -0,015 0,002
Объем кровопотери, мл 0,00 0,00 -0,36 0,719 -0,002 0,001
Пункционная
энтеростома
0,62 0,81 0,76 0,446 -0,972 2,211
ИМТ 0,00 0,07 0,07 0,945 -0,13 0,14
НАПХТ -1,19 1,02 -1,17 0,242 -3,193 0,805
Стадия 0,21 0,58 0,37 0,715 -0,921 1,342
Морфологический тип
опухоли
-0,51 0,80 -0,63 0,526 -2,085 1,066
G 0,37 0,51 0,72 0,472 -0,63 1,36
Размеры опухоли, см3 -0,02 0,01 -1,16 0,245 -0,041 0,01
Периневральная инвазия -0,60 0,78 -0,76 0,445 -2,127 0,935
Васкулярная инвазия -0,21 0,87 -0,24 0,812 -1,905 1,493
Фистулы класса В и С
Перехват -0,61 3,28 -0,19 0,852 -7,03 5,807
83
Примечание. β – коэффициент регрессии σ-стандартное отклонение. Проводилась оценка
значимости отличий коэффициентов регрессии от нуля с помощью z-теста, p<0,05.
Продолжение Таблицы 18
Возраст -0,06 0,04 -1,81 0,071 -0,132 0,005
Пол 0,07 0,65 0,11 0,912 -1,205 1,349
Резекция сосудов 0,07 0,99 0,07 0,946 -1,872 2,007
Размер Вирсунгова
протока КТ, мм
-0,12 0,10 -1,11 0,269 -0,32 0,089
Анастомоз по Блюмгарту 1,01 0,88 1,15 0,251 -0,717 2,745
Анастомоз по РУ 1,46 0,76 1,92 0,055 -0,034 2,947
Время операции, мин 0,00 0,00 1,02 0,307 -0,004 0,013
Объем кровопотери, мл 0,00 0,00 -1,61 0,108 -0,003 0
Пункционная
энтеростома
1,72 0,81 2,11 0,035*
0,121 3,314
ИМТ -0,02 0,07 -0,37 0,714 -0,156 0,107
НАПХТ -2,16 1,42 -1,52 0,128 -4,949 0,624
Стадия -0,56 0,52 -1,07 0,283 -1,57 0,458
Морфологический тип
опухоли
2,35 1,29 1,82 0,068 -0,177 4,867
G 0,05 0,57 0,10 0,924 -1,054 1,162
Размеры опухоли, см3 -0,01 0,01 -1,00 0,316 -0,033 0,011
Периневральная инвазия -0,08 0,78 -0,11 0,913 -1,61 1,44
Васкулярная инвазия -2,20 0,95 -2,33 0,02* -4,055 -0,345
F-критерий Фишера, p = 4,102*10
-
5
Псевдо-R2 = 0,32
84
Согласно трехмерной модели, основанной на пред- и интраоперационных данных,
наибольшую значимость имели следующие параметры: время операции, возраст, ИМТ, объем
кровопотери, размер Вирсунгова протока, Im = 16,9%, 12,7%, 10,8%, 10,2%, 9,1%. Далее в ряду
значимости следовали размер новообразования, васкулярная и периневральная инвазия и пол
пациента, Im = 7,8%, 7,6%, 6,5%, 6,9%, в то время как относительная важность оставшихся
показателей была Im<5% (рис.14)
Учитывая значения интегрального показателя точности данная модель наиболее точно
отличает биохимическую утечку от остальных классов, roc auc=0,72 (табл.16, рис. 15), поэтому
данные параметры можно считать предикторами данного состояния. Качество
дифференциального прогнозирования фистул В/С и остальных классов было достаточно низким,
roc auc=0,52. Однако способность модели различать фистулы В/С от клинически незначимых
осложнений также низкая, roc auc=0,4, что может быть связано с наличием лишь общих факторов
риска развития фистул В/С б/х утечки, а развитие биохимической утечки может являться
основным предиктором фистул В/С, что соответствует данным литературы.
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
Im, %
Рисунок 14 – Относительная важность параметров (Im) по данным
трехмерной модели на основе пред- и интраоперационных данных: модель
построена на основе алгоритма Random forest
85
Рисунок 15 – Точность трехмерных моделей: модели построены на основе алгоритма Random forest и имеет 3 класса: 0-нет фистул,
1 – б/х утечка, 2 - фистулы класса В/С. На рисунках А-З отражены графики ROC-кривые, характеризующих способность моделей
дифференцировать различные классы. Рисунки А-Г относятся к модели на пред- и интраоперационных данных, Д-З – к модели с
добавлением послеоперационных показателей. А) и Д) «Нет фистул» vs остальные классы; Б) и Е) «Б/х утечка» vs остальные классы; В) и
Ж) «Фистулы В/С» vs остальные классы; Г) и З) «Фистулы В/С» vs «Б/х утечка». На графике представлены ROC-кривые, показана roc auc
(receiver operative characteristic area under the curve – площадь под ROC-кривой), [0; 1], которая является метрикой качества модели. [18].
Обозначения аналогичны представленным на рисунке 11
TPR
FPR
TPR
FPR
TPR
FPR
TPR
FPR
TPR
FPR
TPR
FPR
TPR
FPR
TPR
FPR
86
При создании трехмерной компьютерной модели с использованием данных, полученных
в первые пять суток после ПДР, в качестве основного фактора, определяющего развитие
панкреатических свищей, была определена концентрация амилазы в отделяемом по дренажу на
1-5 сутки после вмешательства, Im=18,8% (рис.16). Высокие показатели относительной важности
были получены для возраста, времени операции, уровня амилазы крови, Im = 10%. Следующее
место в ряду значимости потенциальных факторов риска заняли объем интраоперационной
кровопотери, размер Вирсунгова протока и опухоли, Im = 5,7%, 5,3%. Относительная важность
оставшихся показателей была менее 5%.
При использовании послеоперационных данных, трехмерная модель способна
эффективно предсказывать не только биохимическую утечку, но и фистулы В/С, roc auc = 0,76
(рис. 15Ж), что позволяет предположить клиническую значимость описываемых параметров для
развития ПОПФ. При этом точность дифференциального прогнозирования биохимической
утечки и фистул В/С низкая, roc auc = 0,53 (рис. 15З), что подтверждает предположение об общих
факторах развития данных состояний, однако может быть обусловлено использованием уровня
амилазы в отделяемом по дренажу в данной модели.
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
Im, %
Рисунок 16 – Относительная важность параметров (Im) по данным
трехмерной модели на основе данных, известных на 1-5 дни после операции:
м
одель построена на основе алгоритма
Random
forest
.
87
По данным индекса Шепли увеличенное время операции и объем кровопотери могут быть
связаны с отсутствием ПОПФ, при этом увеличение времени операции одновременно может
быть связано с фистулами В и С. Меньший объем кровопотери может быть связан с
биохимической утечкой. Учитывая параметры качества модели, наибольшую точность для
прогнозирования б/х утечки можно предположить, что малая продолжительность операции
может быть предиктором изолированного развития биохимической утечки (рис. 17А, В);
аналогичное предположение можно сделать для объема кровопотери, что не согласуется с
данными литературы и патогенетическими особенностями ПОПФ, однако позволяет считать
данный параметр потенциально полезным для дифференциальной диагностики различных
классов ПОПФ.
Отсутствие значимых корреляционных связей (глава 4), данные бинарной модели говорят
о необходимости построения моделей практического применения без использования данных об
объеме кровопотери и продолжительности операции.
Кроме того, молодой возраст и мужской пол, а также отсутствие периневральной и
васкулярной инвазии и малый диаметр Вирсунгова протока могут влиять на развития
осложнения (рис.17А), однако согласно значениям Im (рис.16) их относительная важность для
модели ниже. При добавлении данных, известных на 1-5 сутки после операции получены
аналогичные результаты. При этом высокие значения |SHAP|, SHAP>0, были получены для
уровня амилазы крови и в отделяемом по дренажу (рис.17Б), что подтверждает значимость
повышения данных показателей.
Аналогично бинарной модели, при построении трехмерной, параметры характеризующие
хирургическое вмешательство при опухолях панкреатодуоденальной зоны не имели значения
для прогнозирования панкреатических свищей. Данное наблюдение согласуется с данными,
полученными при помощи классических статистических методов, однако дальнейшее изучение
вклада данного параметра в формирование послеоперационных панкреатических свищей может
быть полезно в дальнейших проспективных исследованиях.
88
Высокое
Низкое
Абсолютное значение параметра
Высокое
Низкое
Абсолютное значение параметра
А)
Б)
89
В)
Рисунок 17 – Значения индекса Шепли по данным трехмерной модели: значения рассчитывались для моделей с использованием и
отсутствием послеоперационных данных и отдельно для каждого класса осложнения – б/х утечки и фистул В и С. А) Б/х утечка: модель на
основе пред- и интраоперационных данных; Б) Б/х утечка: модель на основе данных, известных на 1-5 дни после операции; В) Фистулы В/С:
модель на основе пред- и интраоперационных данных; Г) Фистулы В/С: модель на основе данных, известных на 1-5 дни после операции.
Данные представлены в виде скрипичных диаграмм. По оси ординат отложены значения индекса Шепли (SHAP), формула (12). Основные
обозначения аналогичны представленным на рисунке 13.
Высокое
Низкое
Абсолютное значение параметра
Высокое
Низкое
Абсолютное значение параметра
В)
Г)
90
Для более точного исследования факторов риска была построена бинарная модель «Нет
фистул + Б/х утечка» vs «Фистула В/С», которая обладала достаточной точностью, roc auc = 0,72
(табл.15, рис. 18), для оценки потенциальных факторов риска обладал лишь при добавлении
данных, полученных на 1-5 послеоперационный день. Так, наибольшей значимостью обладали
уровень амилазы отделяемом по дренажу и плазме крови, ИМТ, Im = 19,1%, 10,8%, 9,76% Далее
в ряду значимости параметров следовали размер опухоли, уровень лейкоцитов,
продолжительность хирургического вмешательства, объем кровопотери, диаметр Вирсунгова
протока, 7,89%, 7,66%, 6,78%, 6,6%, 5,2%. Относительная важность оставшихся показателей
была менее 5% (рис.19)
Рисунок 18 – Точность бинарной модели «Нет фистул+Б/х утечка» vs «Фистула
В/С» на основе данных, известных на 1-5 дни после операции: модель построена на
основе алгоритма Random forest и имеет 2 класса: 0-нет фистул и б/х утечка, 1-фистулы
класса В/С. На графике представлены ROC-кривые, показана roc auc (receiver operative
characteristic area under the curve – площадь под ROC-кривой ), [0; 1], которая является
метрикой качества модели. ROC-кривые является функцией TPR = f(FPR), где TPR (true
positive rates – истинно положительные ответы), чувствительность, представлены на оси
ординат; FPR (false positive rates– ложноположительные ответы), представлены на оси
абсцисс. FPR получены при помощи 5-кратной кросс-валидации, а TPR – из исходного
датасета.
TPR
FPR
Соседние файлы в папке Библиотека им академика М.И. Перельмана