Введение

Хроническое критическое состояние (ХКС) представляет собой актуальную проблему в области интенсивной терапии [1, 2]. Достижения в сфере реаниматологии, связанные как с развитием концепции доказательной медицины, так и с технологическими и фармакологическими инновациями, позволили улучшить показатели выживаемости пациентов в остром периоде заболеваний [3, 4]. Оборотной же стороной такого успеха явилось увеличение числа пациентов, длительно пребывающих в отделениях реанимации и интенсивной терапии (ОРИТ), что связано с невозможностью компенсации функций систем и органов больных до состояния, при котором не требуются интенсивный мониторинг и лечение [5, 6]. Так, по имеющимся данным анализа более 3 200 000 госпитализаций в ОРИТ, хроническое критическое состояние развивается в 7,6% случаев [7].

На фоне данной тенденции проводится все больше исследований, направленных на изучение диагностики, мониторинга, прогнозирования, лечения и исходов ХКС [8, 9]. Причем во многих работах рассматривается именно развитие концепции ХКС, что закладывает фундамент дальнейших исследований с высокой внутренней валидностью [10—12]. Так, в настоящее время все активнее обсуждается идея трехстадийности процесса хронизации критических состояний, которая представляет собой концепцию, противоположную двухступенчатой модели ХКС [13, 14]. Дополнительно получают развитие вопросы метаболических нарушений и патофизиологии, общих для нозологии, например триада персистирующего воспаления, гиперкатаболизма и иммуносупресии (PIICS) [15, 16], или ICS-триада [13], как факторов, определяющих поддержание хронического критического состояния и развития поздней полиорганной недостаточности.

Тем не менее важность инициального фактора в концепции ХКС остается одним из самых обсуждаемых направлений в данной теме. По результатам обсервационного исследования, включающего более 1 000 000 пациентов, показано, что этиологический фактор перестает оказывать влияние на прогноз заболевания в среднем на 10-е сутки от начала развития острого состояния [17]. Однако данный показатель варьирует от 7 до 14 сут в зависимости от этиологии, что, с одной стороны, значительно влияет на длительность периодов в любой из существующих моделей ХКС, а с другой стороны, определяет потребность в стратификации пациентов, переживающих процесс хронизации критического состояния, по этиологическому признаку острого состояния.

Одной из возможных субпопуляций ХКС являются пациенты с черепно-мозговой травмой (ЧМТ). В структуре больных ХКС пациенты с ЧМТ занимают 6,2% [7]. Несмотря на отсутствие расширенных данных о популяции с ЧМТ, уже известно, что каждый 8-й пациент (14%) с политравмой, переживший первые 48 ч от момента возникновения острого состояния, переходит в хроническое критическое состояние [8].

Современные представления о патофизиологии ХКС все еще не сформированы окончательно, но уже сложилось определенное мнение о наличии взаимосвязи между ХКС и гиперкатаболизмом, воспалительным синдромом, иммуносупрессией (PIICS, или ICS-триадой) [13, 16, 18]. Так, предполагается, что именно данная триада является причиной развития позднего синдрома полиорганной недостаточности [18]. При этом известно, что пациентам с данной патологией часто требуются вазопрессорная терапия и проведение искусственной вентиляции легких (ИВЛ) [19, 20].

Анализ информации о более 10 000 пациентов с ЧМТ, полученной из национального банка данных Японии, показал, что необходимость в проведении вазопрессорной терапии у этой когорты больных увеличивает шанс летального исхода в 3,5 раза [21]. Аналогично потребность в ИВЛ принято рассматривать в качестве неблагоприятного прогностического фактора [22, 23].

Цель исследования — выполнение оценки факторов риска и разработка модели прогнозирования потребности в ИВЛ и вазопрессорной терапии на основании данных при поступлении пациентов с хроническим критическим состоянием, госпитализированных с черепно-мозговой травмой.

Материал и методы

Источник данных

Для анализа реальной клинической практики использована Российская база данных реанимационных пациентов (Russian Intensive Care Dataset — RICD) [24], включающая информацию из электронных медицинских карт (ЭМК) лиц, госпитализированных в ФНКЦ РР Минобрнауки России за период с 2017 по 2023 г. В связи с деидентифицированным характером данных официальное разрешение локального этического комитета на проведение исследования не требовалось.

Критерии отбора

Из базы RICD извлекали клинические данные пациентов в соответствии с критериями включения: 1) госпитализация в ОРИТ; 2) диагноз при поступлении — черепно-мозговая травма, 3) возраст старше 18 лет. Ввиду отсутствия четких диагностических критериев ХКС нами выбран промежуток времени более 21 дня от ЧМТ в качестве дополнительного критерия включения.

Из исследования исключали пациентов, если они соответствовали одному из следующих критериев: 1) повторная госпитализация; 2) длительность госпитализации менее 24 ч; 3) наличие ишемического инсульта.

При отборе данных для прогнозирования потребности в ИВЛ также исключали пациентов, которым ИВЛ проводили на момент госпитализации. При отборе данных для прогнозирования потребности в вазопрессорной терапии исключали пациентов, у которых в ЭМК не было информации о медикаментозной терапии в целом, а также пациентов, которым проводилась вазопрессорная терапия на момент госпитализации.

Извлечение данных

Для анализа и разработки номограмм из ЭМК извлекали: 1) клинико-демографические данные о пациенте: пол, возраст, индекс массы тела (ИМТ); 2) данные об оценке тяжести состояния по нескольким шкалам: шкале последовательной оценки органной недостаточности (SOFA), шкале комы Full Outline of UnResponsiveness (FOUR), шкале комы Глазго (GCS), шкале оценки острых физиологических расстройств и хронических нарушений состояния II (APACHE II); 3) лабораторные показатели: абсолютное количество эритроцитов, тромбоцитов, лейкоцитов, нейтрофилов, лимфоцитов, базофилов, эозинофилов, отношение нейтрофилов к лимфоцитам (NLR), концентрация гемоглобина, C-реактивного белка (СРБ), креатинина, общего белка, альбумина, аланинаминотрансферазы (АлАТ), аспартатаминотрансферазы (АсАТ), прокальцитонина, амилазы, тропонина, лактата, лактатдегидрогеназы, мочевины, глюкозы в венозной крови; 4) сопутствующие заболевания: анемия, коагулопатия, воспалительные заболевания центральной нервной системы (ЦНС), полинейропатия, психические и когнитивные расстройства, цереброваскулярные болезни, ишемическая болезнь сердца (ИБС), фибрилляция предсердий, сердечная недостаточность, инфаркт миокарда, клапанные пороки сердца, гипертоническая болезнь, хроническая обструктивная болезнь легких (ХОБЛ), пневмония, хроническая болезнь почек (ХБП), сепсис, политравма, наличие злокачественного онкологического процесса, сахарного диабета 2-го типа; 5) исходы госпитализации: госпитальная летальность, длительность госпитализации, проведение ИВЛ, использование вазоактивных препаратов (вазопрессорная терапия).

Для анализа использовали самые ранние результаты лабораторных исследований и значения шкал за первые 48 ч госпитализации.

Данные извлекали с помощью программы DB Browser для SQLite v. 3.12.2.

Методы статистического анализа

Описательная статистика количественных данных представлена в формате медианы и межквартильного размаха — Me [Q₁; Q₃], среднего и стандартного отклонения — M (SD); частотные данные представлены в формате N, n (%), где N — количество заполненных данных, n — абсолютная частота, % — процент по столбцу.

Для обработки пропущенных количественных данных, если количество пропусков было в диапазоне 5,0—30,0%, использован метод множественной импутации с использованием алгоритма ближайших соседей (K-Nearest Neighbors — KNN). Для реализации метода применяли библиотеку scikit-learn v. 1.0 в Python v. 3.11.8. Импутацию выполняли с использованием класса KNNImputer, входящего в состав данной библиотеки. Для переменных с менее чем 5,0% недостающих данных применяли медианную импутацию. Переменные с более чем 30,0% отсутствующих значений исключены из анализа.

Распределение количественных данных оценивали с помощью теста Шапиро—Уилка. Сравнительный межгрупповой одномерный анализ для количественных несвязанных переменных выполнен с использованием непараметрического U-критерия Манна—Уитни ввиду несоответствия распределения данных нормальному закону для подавляющего числа параметров. Для сравнения групп по категориальным переменным использовали критерий хи-квадрат (χ²) либо точный тест Фишера в соответствии с условиями применения.

Критический уровень значимости p (p-value) установлен на уровне 0,05 (двусторонний).

Для оценки влияния нескольких переменных (многофакторный анализ) на вероятность наступления исхода (потребность в ИВЛ, потребность в вазопрессорной терапии) выполняли построение бинарной логистической регрессии. Отбор предикторов при построении модели выполняли с помощью обратного пошагового метода Вальда, удаление предикторов на каждом шаге выполняли при p>0,1. Скорректированные отношения шансов (коррОШ) с 95% доверительными интервалами (ДИ) рассчитаны для оценки степени влияния факторов риска на вероятность изучаемого исхода.

При прогнозировании потребности в ИВЛ на базе полученной модели осуществляли разработку номограммы. Для построения номограммы использовали команду nomolog в Stata 18.0 с ручной корректировкой диапазонов переменных и десятичных дробей в соответствии с установленными рекомендациями [25].

Прогностическую эффективность номограммы, прогнозирующей потребность в ИВЛ, оценивали с помощью площади под ROC-кривой (AUROC). Оптимальную точку отсечения при ROC-анализе определяли с помощью критерия Юдена. Чувствительность, специфичность, прогностическая ценность положительного результата (PPV) и отрицательного результата (NPV) и точность с 95% ДИ оценивали с учетом вычисленной точки отсечения.

Прогностическую эффективность фактора риска потребности в вазопрессорной терапии также оценивали с помощью ROC-анализа и показателей AUROC, чувствительности, специфичности, PPV, NPV и точности. При наличии по результатам одномерного и многофакторного анализов только одного статистически значимого независимого фактора риска разработку номограммы для данного исхода не выполняли.

Для оценки кумулятивных рисков потребности в ИВЛ и вазопрессорной терапии в зависимости от времени построены кривые Каплана—Мейера и рассчитаны таблицы дожития. Статистический анализ выполняли с использованием IBM SPSS Statistics v. 27.0 и Stata v. 18.0.

Результаты

Характеристика пациентов

Блок-схема отбора пациентов в исследование представлена на рис. 1. В базе RICD 523 пациента соответствовали критериям включения. После применения критериев исключения в анализ для прогнозирования потребности в ИВЛ вошли 188 пациентов, из которых 25 (13,3%) в течение госпитализации потребовалась ИВЛ. Для прогнозирования потребности в вазопрессорной терапии в анализ включены 244 пациента, из которых 39 (16,0%) в течение госпитализации потребовалась вазопрессорная терапия. Значения медианы возраста в данных когортах составили 39 (28; 53) года и 42 (29; 58) года соответственно; доля мужчин — 72,3% (136/188) и 71,1% (175/244).

Рис. 1. Блок-схема отбора пациентов в исследование.

ОРИТ — отделение реанимации и интенсивной терапии; ЧМТ — черепно-мозговая травма; ИВЛ — искусственная вентиляция легких.

Факторы риска потребности в искусственной вентиляции легких (одномерный анализ)

По результатам одномерного анализа обнаружено, что пациенты, которым в течение госпитализации потребовалась ИВЛ, статистически значимо отличаются от пациентов, которым ИВЛ не потребовалась, по семи выявленным факторам риска (табл. 1). У пациентов, которым потребовалась ИВЛ, при поступлении в ОРИТ отмечали более низкие оценки в баллах по шкалам FOUR (p<0,001) и GCS (p<0,001), более низкие значения концентрации гемоглобина (p=0,046) и альбумина (p=0,002), более низкие значения количества базофилов (p=0,008) и более высокие уровни СРБ (p=0,009). У пациентов данной группы выявлена большая частота анемии (p=0,018) и политравмы (p=0,042) при поступлении. При анализе исходов госпитализации обнаружено, что пациенты, которым потребовалась ИВЛ, чаще получали вазопрессорную поддержку (p<0,001), а также имели большую длительность госпитализации (p=0,035) и чаще умирали (p<0,001) (см. табл. 1).

Таблица 1. Факторы риска потребности в искусственной вентиляции легких и исходы госпитализации

Примечание. * — различия статистически значимы; ИВЛ — искусственная вентиляция легких; ИМТ — индекс массы тела; FOUR — шкала комы Full Outline of UnResponsiveness; GCS — шкала комы Глазго; SOFA — шкала последовательной оценки органной недостаточности; NLR — отношение нейтрофилов к лимфоцитам; АлАТ — аланинаминотрансфераза; АсАТ — аспартатаминотрансфераза; ЦНС — центральная нервная система; ИБС — ишемическая болезнь сердца; ХОБЛ — хроническая обструктивная болезнь легких; ХБП — хроническая болезнь почек; N/A — неприменимо (англ. not applicable).

С учетом данных о дате начала ИВЛ [Me=19,0 [4,3; 46,5], M (SD)=27,7 (26,9)] рассчитана таблица дожития и построена кривая Каплана—Мейера кумулятивной вероятности потребности в ИВЛ (табл. 2, рис. 2).

Таблица 2. Таблица дожития — кумулятивная вероятность потребности в искусственной вентиляции легких

Примечание. ДИ — доверительный интервал.

Рис. 2. Кривая Каплана—Мейера — кумулятивная вероятность потребности в искусственной вентиляции легких.

Многофакторный анализ и разработка номограммы потребности в искусственной вентиляции легких

Факторы риска потребности в ИВЛ, выявленные при одномерном анализе (см. табл. 1), а также потенциальные конфаундеры (пол, возраст, ИМТ) использованы для построения бинарной логистической регрессии. В результате три параметра вошли в регрессионную модель на седьмом шаге отбора предикторов: концентрация альбумина, наличие анемии и политравмы при поступлении (табл. 3).

Таблица 3. Результаты построения модели бинарной логистической регрессии при прогнозировании потребности в искусственной вентиляции легких

Примечание. Факторы риска, не вошедшие в регрессионную модель: возраст, индекс массы тела, пол, базофилы, C-реактивный белок, гемоглобин. Шкалы FOUR и GCS изначально не включались в модель. * — статистически значимый предиктор; коррОШ — скорректированное отношение шансов; ДИ — доверительный интервал.

На основе построенной модели разработана номограмма, прогнозирующая вероятность потребности в ИВЛ (рис. 3).

Рис. 3. Номограмма для прогнозирования потребности в искусственной вентиляции легких.

ИВЛ — искусственная вентиляция легких.

При оценке прогностической эффективности модели, прогнозирующей потребность в ИВЛ, с помощью ROC-анализа определено значение AUROC: 0,753 (95% ДИ 0,645; 0,862) (p<0,001) (рис. 4). При точке отсечения 0,110 чувствительность модели составила 79,2% (95% ДИ 57,9; 92,9), специфичность — 68,3% (95% ДИ 60,5; 75,4), PPV — 27,1% (95% ДИ 21,5; 33,6), NPV — 95,7% (95% ДИ 90,9; 98,0), точность — 69,7% (95% ДИ 62,6; 76,3).

Рис. 4. ROC-кривая для номограммы, прогнозирующей потребность в искусственной вентиляции легких.

Факторы риска потребности в вазопрессорной терапии (одномерный анализ)

По результатам одномерного анализа обнаружено, что пациенты, которым в течение госпитализации потребовалась вазопрессорная терапия, по девяти факторам риска статистически значимо отличались от пациентов, которым вазопрессорная терапия не потребовалась. Пациенты, нуждавшиеся в вазопрессорной терапии, были старше (p=0,038), при поступлении в ОРИТ у них отмечены более низкие оценки в баллах по шкалам FOUR (p=0,042) и GCS (p=0,004), более высокие оценки в баллах по шкале SOFA (p=0,006), более низкие значения количества эозинофилов (p=0,003) и концентрации альбумина (p=0,003), более высокие уровни СРБ (p=0,008) и мочевины (p=0,043), большая частота ИБС (p=0,024) и ХБП (p=0,004) в анамнезе. При анализе исходов госпитализации обнаружено, что пациенты, которым потребовалась вазопрессорная терапия в течение госпитализации, статистически значимо чаще умирали (p<0,001); частота назначения ИВЛ в данной группе также оказалась выше (p<0,001) (табл. 4).

Таблица 4. Факторы риска потребности в вазопрессорной терапии и исходы госпитализации

Примечание. * — различия статистически значимы; N/A— неприменимо (англ. not applicable); ИМТ — индекс массы тела; FOUR — шкала комы Full Outline of UnResponsiveness; GCS — шкала комы Глазго; SOFA — шкала последовательной оценки органной недостаточности; NLR — отношение нейтрофилов к лимфоцитам; АлАТ — аланинаминотрансфераза; АсАТ — аспартатаминотрансфераза; ЦНС — центральная нервная система; ИБС — ишемическая болезнь сердца; ХОБЛ — хроническая обструктивная болезнь легких; ХБП — хроническая болезнь почек.

С учетом данных о дате назначения вазопрессорной терапии [Me=19,8 [10,6; 40,0], M (SD)=28,7 (25,3)] рассчитана таблица дожития и построена кривая Каплана—Мейера кумулятивной вероятности потребности в вазопрессорной терапии (табл. 5, рис. 5).

Таблица 5. Таблица дожития — кумулятивная вероятность потребности в вазопрессорной терапии

Примечание. ДИ — доверительный интервал.

Рис. 5. Кривая Каплана—Мейера — кумулятивная вероятность потребности в вазопрессорной терапии.

Многофакторный анализ потребности в вазопрессорной терапии

Факторы риска потребности в вазопрессорной терапии, выявленные при одномерном анализе (см. табл. 4), а также потенциальные конфаундеры (пол, возраст, ИМТ) использованы для построения бинарной логистической регрессии. В результате на седьмом шаге построения модели выявлен только один статистически значимый независимый фактор риска потребности в вазопрессорной терапии — снижение концентрации альбумина (коррОШ=1,096 (1,03; 1,1165); p=0,004).

При оценке прогностической эффективности концентрации альбумина с помощью ROC-анализа определено значение AUROC: 0,650 (95% ДИ 0,555; 0,746) (p=0,002). При значениях ниже 31,1 г/л (точка отсечения) чувствительность параметра составила 69,2 (95% ДИ 52,4; 83,0)%, специфичность — 68,8 (95% ДИ 62,0; 75,1)%, PPV — 29,7 (95% ДИ 24,0; 36,1)%, NPV — 92,2 (95% ДИ 87,9; 95,0)%, точность — 68,9 (95% ДИ 62,6; 74,6)%.

Обсуждение

В рамках работы на основании базы данных RICD проанализирована информация о пациентах с ХКС, госпитализированных с ЧМТ, с целью оценки факторов риска необходимости в замещении дыхательной функции и вазопрессорной терапии. У пациентов данной когорты кумулятивный риск потребности в ИВЛ и гемодинамической поддержке непрерывно возрастал, достигая соответственно 17% и 21% к 60-м суткам госпитализации.

Основные результаты

Прогнозирование потребности в искусственной вентиляции легких. Медиана начала проведения ИВЛ составила 19,0 сут. Независимыми факторами риска потребности в замещении дыхательной функции явились наличие анемии и политравмы, а также низкие уровни альбумина при поступлении. Прогностическая модель продемонстрировала удовлетворительное качество (AUROC=0,753) с наличием нижней границы ДИ в неудовлетворительной зоне (LB 95% ДИ 0,645). Чувствительность модели — 79,2%, специфичность — 68,3%, PPV — 27,1%, NPV — 95,7%, точность — 69,7%.

Прогнозирование потребности в гемодинамической поддержке. Медиана начала проведения вазопрессорной терапии составила 19,8 сут. Единственным независимым фактором риска было низкое значение альбумина при поступлении. Прогностическое качество гипоальбуминемии представляется неудовлетворительным (AUROC=0,650) с наличием нижней границы ДИ в зоне отсутствия прогностической значимости (LB 95% ДИ 0,555). Пороговое значение альбумина составило 31,1 г/л. Чувствительность модели — 69,2%, специфичность — 68,8%, PPV — 29,7%, NPV — 92,2%, точность — 68,9%.

Связь с предыдущими исследованиями

Данная работа является пионерской в вопросах разработки моделей прогнозирования потребности в респираторной и гемодинамической поддержке у пациентов с ЧМТ в ХКС. Более того, исследование данной субпопуляции пациентов в целом является малоизученной темой. Отсутствие единых критериев диагностики ХКС не позволяет напрямую сравнивать работы. Например, наше исследование невозможно сравнить с исследованием M.J. Sánchez-Arguiano и соавт. по причине значительных расхождений в диагностических критериях ХКС. Так, авторы указанной работы использовали проведение ИВЛ в качестве критерия для установления диагноза ХКС [8, 26].

Тем не менее можно констатировать наличие принципиальной разницы между когортами пациентов в остром и хроническом критическом состоянии. Так, в исследовании E. Martínez-Herrera частота проведения ИВЛ у пациентов в остром периоде ЧМТ составила 61% [27], в то время как в нашем исследовании — только 13,3%. Данные различия могут быть связаны с причинами проведения респираторной поддержки: в остром периоде ЧМТ значительному числу пациентов может потребоваться проведение ИВЛ по церебральным показаниям, в то время как пациентам с ХКС данная процедура преимущественно проводится по показаниям дыхательной недостаточности. Аналогичная ситуация наблюдается и с использованием вазопрессоров. Так, по данным S. Hosomi и соавт., гемодинамическая поддержка понадобилась только 6,4% пациентов в остром периоде ЧМТ [21], в то время как в когорте пациентов с ХКС данный показатель составил 16%. Увеличение вероятности использования вазопрессоров может быть связано как с развитием самого ХКС, так и с возникновением на его фоне осложнений, включая септический шок.

Значимость результатов исследования

Значимость исследования обусловлена следующими выводами:

1. Необходимость отказа от левосторонних моделей прогнозирования исходов и осложнений у пациентов в ХКС

Разработанные модели прогнозирования исходов у пациентов в ХКС, для которых этиологическим фактором острого состояния явилась ЧМТ, продемонстрировали низкие значения точности, чувствительности и специфичности. Дополнительно значение прогностической ценности положительного результата оказалось крайне низким: для 3 из 4 пациентов модель указала неверный прогноз о предстоящей потребности в ИВЛ и гемодинамической поддержке. Вероятно, основной причиной таких результатов является непригодность левосторонних моделей, учитывающих данные пациентов на момент госпитализации в ОРИТ, для долгосрочных прогнозов. Так, время до начала ИВЛ или инициации проведения вазопрессорной терапии, а соответственно, и дальность прогнозирования составили практически 3 нед. Трудно ожидать, что инициальные показатели могут предложить точный прогноз столь отдаленных исходов. Более того, если следовать концепции хронизации критических состояний, в рамках которой на этапе ХКС отсутствует связь исхода с этиологическим фактором острого периода, то представляется совершенно оправданной идея о том, что со временем должна происходить смена прогностических факторов исхода госпитализации. В связи с этим медицинскому сообществу рекомендуется обратить внимание на разработку и валидацию правосторонних моделей прогнозирования исходов и осложнений для пациентов, длительно пребывающих в ОРИТ.

2. Подтверждение наличия прогностической ценности компонентов ICS-триады у пациентов в ХКС

По результатам исследования обращает на себя внимание наличие гипоальбуминемии в качестве фактора риска потребности и в респираторной, и в гемодинамической поддержке. При этом для потребности в вазопрессорах низкое значение альбумина при поступлении явилось единственным прогностическим фактором с дальностью наступления события практически 3 нед. Вероятно, гипоальбуминемия — это следствие гиперкатаболизма как части ICS-триады при процессе хронизации критического состояния у обсуждаемой когорты пациентов. Тем не менее остается нерешенным вопрос: почему в таком случае не проявились прогностические качества других компонентов ICS-триады, таких как лимфоцитопения и маркеры воспаления? Одним из возможных объяснений является непостоянство существования триады. В предшествующей работе авторами показано, что в процессе хронизации критического состояния наблюдаются два отдельных пика диагностики ICS-триады, которые, вероятно, определяют переход от острого эпизода к продленному критическому состоянию и от продленного к хроническому [13]. В настоящее время нет данных о том, что явления постоянного воспаления, гиперкатаболизма и иммуносупрессии, появившиеся на этапе ХКС, наблюдаются непрерывно. Возможно, что ICS-триада имеет сложный динамический контекст существования, который является асинхронным для разных ее компонентов. Так, изменения концентрации СРБ могут происходить быстрее, чем долговременное изменение концентрации альбумина в крови. Вероятно, причина по которой только гипоальбуминемия продемонстрировала прогностические качества в рамках широкого окна прогнозирования (19—20 дней), заключается в относительной стабильности ее динамики внутри ICS и в сравнении с другими показателями триады. В связи этим медицинскому сообществу необходимо обратить более пристальное внимание на прогностические качества ICS-триады у пациентов в ХКС.

Сильные стороны и ограничения

Достоинством данного исследования является то, что анализ данных и разработка прогностических моделей выполнены на базе данных уникальной когорты пациентов с ХКС с применением относительно большого объема выборки (244 и 188 пациентов для каждого исхода соответственно), что определяет высокую внутреннюю валидность полученных результатов. Кроме того, модели разработаны на базе данных RICD, являющейся результатом цифровизации ОРИТ и отражающей реальную клиническую практику.

Однако данное исследование также имеет ряд ограничений. Во-первых, модели разрабатывались на базе данных только одного центра, что может ограничить их внешнюю валидность, однако это ассоциировано с тем, что анализируемая когорта аккумулирована именно в ФНКЦ РР. Для подтверждения точности моделей необходима дальнейшая валидация с использованием внешних наборов данных. Кроме того, некоторые переменные исключены из анализа ввиду недостатка данных, а также частично применена процедура импутации данных.

Дальнейшее направление исследований

На основании проведенного исследования и полученных результатов можно сформировать следующие направления научного поиска:

1. Необходимы исследования, направленные на разработку правосторонних моделей прогнозирования исходов у пациентов, длительно пребывающих в ОРИТ. Вероятно, хорошо себя зарекомендуют модели, полученные в результате использования технологий искусственного интеллекта.

2. Требуется дальнейшее изучение особенностей ХКС, его структуры и диагностических критериев. Возможно, динамика ICS-триады является одним из наиболее значимых прогностических факторов у пациентов в ХКС.

Заключение

При анализе когорты пациентов с черепно-мозговой травмой, находящихся в фазе хронического критического состояния, отмечена прогрессирующая с течением госпитализации вероятность необходимости в респираторной и гемодинамической поддержке. Ключевым фактором риска этих вмешательств является гипоальбуминемия, что подчеркивает возможную прогностическую значимость триады, включающей персистирующее воспаление, иммуносупрессию и гиперкатаболизм. Полученные данные свидетельствуют о недостаточной эффективности левосторонних моделей прогнозирования и указывают на актуальность разработки правосторонних моделей, ориентированных на динамическую оценку состояния в условиях хронического критического состояния.

Авторы заявляют об отсутствии конфликта интересов.