Возможность применения квантильного регрессионного анализа для прогнозирования сроков развития псориатического артрита у пациентов с псориазом

Закрыть метаданные

Рекомендуем статьи по данной теме:

Экспериментальные модели псориаза на современном этапе. Клиническая дерматология и венерология. 2022;(6):738-743

Псориаз и пищевая аллергия: клинический случай. Клиническая дерматология и венерология. 2022;(6):773-776

Ассоциация витилиго с другими аутоиммунными заболеваниями кожи. Клиническая дерматология и венерология. 2022;(6):792-797

Оценка эффективности лечебной липосомальной косметики в терапии хронических дерматозов. Клиническая дерматология и венерология. 2022;(6):805-810

Прогнозирование повышения концентрации фибрин-мономера при беременности с использованием машинного обучения. Лабораторная служба. 2022;(4):31-38

Исследование частоты встречаемости ониходистрофии и ее ассоциации с дактилитами у пациентов с псориатическим артритом. Клиническая дерматология и венерология. 2023;(1):33-39

Генно-инженерная биологическая терапия псориаза у пациентов с отягощенным онкологическим анамнезом: обзор литературы и клинический случай. Клиническая дерматология и венерология. 2023;(1):57-63

Анализ предоперационных факторов риска дегенеративного заболевания смежного сегмента после выполнения трансфораминального поясничного спондилодеза. Журнал «Вопросы нейрохирургии» имени Н.Н. Бурденко. 2023;(2):48-55

Предикторы замедленного течения раневого процесса у пациентов с избыточной массой тела. Пластическая хирургия и эстетическая медицина. 2023;(2):42-46

ЦЕЛЬ ИССЛЕДОВАНИЯ

Оценить возможность использования полиномиального квантильного регрессионного анализа для прогнозирования сроков развития псориатического артрита в зависимости от возраста, в котором начался псориаз, у пациентов со среднетяжелым и тяжелым его течением.

МАТЕРИАЛ И МЕТОДЫ

Выполнен анализ данных регистра пациентов с псориазом Российского общества дерматовенерологов и косметологов. Проверку нормальности распределения осуществляли с помощью критерия Шапиро—Уилка. Вывод о гетероскедастичности данных делали по диаграммам рассеяния и размаха. В соответствии с определением квантиля рассчитывали значения 95, 75, 50 и 25% квантилей сроков развития псориатического артрита. Методом бутстрепа получали 95% доверительные интервалы (ДИ) для значений квантилей. Линии 95, 75, 50 и 25% квантилей получали посредством полиномиальной квантильной регрессии. Для проверки предположения о допустимости и целесообразности использования полиномиальной квантильной регрессии сопоставляли положение 95% ДИ и соответствующих линий квантильной регрессии.

РЕЗУЛЬТАТЫ

Число пациентов, включенных в анализ, составило 760. По результатам проверки показано отсутствие нормального распределения во всех диапазонах возраста начала псориаза. Отсутствие гомоскедастичности и нормального распределения данных исключало возможность использования параметрических методов статистического анализа и применения линейной регрессии для осуществления прогноза. По результатам сопоставления положения 95% ДИ рассчитанных подиапазонных значений 95, 75, 50 и 25% квантилей сроков развития псориатического артрита и линий квантильной регрессии для тех же уровней квантилей показано, что результаты параболической квантильной регрессии хорошо согласуются с результатами вычислений подиапазонных квантилей.

ЗАКЛЮЧЕНИЕ

Для прогнозирования сроков развития псориатического артрита в зависимости от возраста, в котором начался псориаз, у пациентов со среднетяжелым и тяжелым его течением, допустимо и целесообразно использование полиномиальной квантильной регрессии.

Ключевые слова:

псориаз

псориатический артрит

прогнозирование

срок развития

квантильная регрессия

Авторы:

Богданова Е.В.

ФГБУ «Государственный научный центр дерматовенерологии и косметологии» Минздрава России

Scopus AuthorID: 57205267691
ORCID: 0000-0002-0662-2682

Кубанов А.А.

ФГБУ «Государственный научный центр дерматовенерологии и косметологии» Минздрава России

Scopus AuthorID: 6506502738
ResearcherID: L-3008-2014
ORCID: 0000-0002-7625-0503

Дата поступления:

08.12.2022

Дата принятия в печать:

20.12.2022

Список литературы:

Любимцев О.В., Любимцева О.Л. Линейные регрессионные модели в эконометрике. Методическое пособие. Нижний Новгород: ННГАСУ; 2016.
Шанченко Н.И. Эконометрика: учебное пособие. Ульяновск: УлГТУ; 2018.
Кубанов А.А., Богданова Е.В. Эпидемиология псориаза в Российской Федерации (по данным регистра). Вестник дерматологии и венерологии. 2022;98(1):33-41. https://doi.org/10.25208/vdv1268
Koenker R. Quantile Regression in R: A Vignette. In: Quantile Regression. Econometric Society Monographs. Cambridge: Cambridge University Press; 2005;295-316. https://doi.org/10.1017/CBO9780511754098.011
Koenker RW, D’Orey V. Algorithm AS 229: Computing Regression Quantiles. Journal of the Royal Statistical Society Series C. 1987;36(3):383-393. https://doi.org/10.2307/2347802
Staffa SJ, Kohane DS, Zurakowski D. Quantile Regression and Its Applications: A Primer for Anesthesiologists. Anesthesia and Analgesia. 2019;128(4):820-830. https://doi.org/10.1213/ANE.0000000000004017
FitzGerald O, Ogdie A, Chandran V, Coates LC, Kavanaugh A, Tillett W, et al. Psoriatic arthritis. Nature Reviews. Disease Primers. 2021;7(1):59. https://doi.org/10.1038/s41572-021-00293-y
Ritchlin CT, Colbert RA, Gladman DD. Psoriatic Arthritis. The New England Journal of Medicine. 2017;376(10):957-970. Erratum in: The New England Journal of Medicine. 2017;376(21):2097. PMID: 28273019.
Boehncke WH, Menter A. Burden of disease: psoriasis and psoriatic arthritis. American Journal of Clinical Dermatology. 2013;14(5):377-388. https://doi.org/10.1007/s40257-013-0032-x
Husni ME, Merola JF, Davin S. The psychosocial burden of psoriatic arthritis. Seminars in Arthritis and Rheumatism. 2017;47(3):351-360. https://doi.org/10.1016/j.semarthrit.2017.05.010
Merola JF, Dennis N, Chakravarty SD, Villacorta R, Mesana L, Lin I, et al. Healthcare utilization and costs among patients with psoriasis and psoriatic arthritis in the USA-a retrospective study of claims data from 2009 to 2020. Clinical Rheumatology. 2021;40(10):4061-4070. https://doi.org/10.1007/s10067-021-05713-8
Rüschenschmidt C, Somberg B, Häussler G, Lohmann J. [Comparison of patients with psoriasis vulgaris vs. psoriatic arthritis with regard to the reported quality of life]. Die Rehabilitation. 2008;47(6):343-349. https://doi.org/10.1055/s-0028-1100407
Scher JU, Ogdie A, Merola JF, Ritchlin C. Preventing psoriatic arthritis: focusing on patients with psoriasis at increased risk of transition. Nature Reviews. Rheumatology. 2019;15(3):153-166. https://doi.org/10.1038/s41584-019-0175-0
Zabotti A, Tinazzi I, Aydin SZ, McGonagle D. From Psoriasis to Psoriatic Arthritis: Insights from Imaging on the Transition to Psoriatic Arthritis and Implications for Arthritis Prevention. Current Rheumatology Reports. 2020;22(6):24. https://doi.org/10.1007/s11926-020-00891-x
McGonagle DG, Zabotti A, Watad A, Bridgewood C, De Marco G, Kerschbaumer A, et al. Intercepting psoriatic arthritis in patients with psoriasis: buy one get one free? Annals of the Rheumatic Diseases. 2022;81(1):7-10. https://doi.org/10.1136/annrheumdis-2021-221255
Green A, Shaddick G, Charlton R, Snowball J, Nightingale A, Smith C, et al. Modifiable risk factors and the development of psoriatic arthritis in people with psoriasis. British Journal of Dermatology. 2020;182(3):714-720. https://doi.org/10.1111/bjd.18227
Gladman DD, Antoni C, Mease P, Clegg DO, Nash P. Psoriatic arthritis: epidemiology, clinical features, course, and outcome. Annals of the Rheumatic Diseases. 2005;64(suppl 2):14-17. https://doi.org/10.1136/ard.2004.032482
Yamamoto T, Ohtsuki M, Sano S, Igarashi A, Morita A, Okuyama R, et al.; Working Group of the Epidemiological Survey in the Japanese Society for Psoriasis Research. Epidemiological analysis of psoriatic arthritis patients in Japan. International Journal of Dermatology. 2016;43(10):1193-1196. https://doi.org/10.1111/1346-8138.13342
Koenker R, Bassett G. Regression quantiles. Econometrica. 1978;46:33-50.
Konstantopoulos S, Li W, Miller S, van der Ploeg A. Using Quantile Regression to Estimate Intervention Effects beyond the Mean. Educational and Psychological Measurement. 2019;79(5):883-910. https://doi.org/10.1177/0013164419837321
Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы Data Mining с использованием R. Тольятти: Creative Commons; 2017.

Закрыть метаданные