Введение
Структурно-функциональные компоненты микроциркуляторного русла тканей пародонта как наиболее чувствительный индикатор патологии реагируют на действие патогенных факторов задолго до появления клинических симптомов, что приводит к локальным изменениям гемодинамики [1, 2].
Для предупреждения прогрессирования патологического процесса и развития тяжелых деструктивных поражений необходимо изучение изменений гемодинамики в тканях пародонта, которые служат маркерами донозологической диагностики при анатомо-функциональных нарушениях мукогингивального комплекса (мелкое преддверие рта, аномально прикрепленные уздечки губ, недостаточная площадь прикрепленной кератинизированной десны, выраженные тяжи слизистой оболочки рта) [3, 4].
В связи с этим актуальна оценка микроциркуляторных нарушений структур пародонта с целью повышения эффективности диагностики микроциркуляторных расстройств, дальнейшего обоснованного и дифференцированного подхода к лечению и профилактике данной патологии. В настоящее время функциональные методы исследования состояния гемоциркуляции тканевых структур пародонта являются приоритетными.
Цель исследования — повышение эффективности диагностики микрогемоциркуляторных изменений в тканях пародонта при анатомо-функциональных нарушениях мукогингивального комплекса, основанное на применении метода дискриминантного анализа показателей ультразвуковой допплерографии.
Материал и методы
Проведено комплексное обследование 187 пациентов в возрасте от 18 до 44 лет (молодой возраст по классификации ВОЗ) без сопутствующей соматической патологии, обратившихся на кафедру терапевтической стоматологии ФГБОУ ВО «Алтайский государственный медицинский университет» Минздрава России. Группу сравнения составили 52 пациента с клинически интактным пародонтом и нормальным соотношением отделов десны, когда свободная десна (С) была меньше прикрепленной (П) и прикрепление уздечек губ соответствовало I типу (не пересекает границу отделов С и П десны). В 1-ю клиническую группу вошел 71 пациент, у которого отмечали II тип соотношения отделов десны (С≥П), II тип прикрепления уздечек губ (находится на границе отделов С и П десны или пересекает нее) без клинических симптомов, характеризующих нуждаемость преддверия, уздечки или бокового тяжа в коррекции. Во 2-ю клиническую группу включены 64 пациента с соотношением отделов десны по II типу (С≥П) и II типом прикрепления уздечек губ с положительными клиническими симптомами нуждаемости в коррекции: «ишемии» сосудов, отхождения межзубного сосочка, диастемы, локальной рецессии.
Оценку микрогемоциркуляции тканей пародонта проводили методом ультразвуковой допплерографии с использованием компьютеризированного прибора для изучения кровотока неинвазивным способом Минимакс-Доплер-К модель НБ («СП Минимакс»), в работе применяли датчик с частотой 20 МГц. В качестве контактной среды использовали акустический гель (Аквагель). При проведении исследования датчик устанавливали на границе прикрепленной десны и переходной складки, так как здесь представлены все звенья микроциркуляции тканей пародонта, без излишнего давления на слизистую оболочку под углом не более 60° [5].
Так как прогрессирование указанных нарушений происходит при функциональных нагрузках (артикуляция, жевание), для равномерного натяжения мягких тканей верхней и нижней губ, щек при проведении функциональной пробы использовали оптрагейт (IvoclarVivadent) (рис. 1).
Рис. 1. Проведение ультразвуковой допплерографии при функциональной пробе с использованием оптрагейта у пациента 1-й клинической группы.
После качественной оценки проводили количественный анализ допплерограммы. Изучали показатели линейных (Vs, Vas), объемных (Qs, Qas) скоростей кровотока, а также индексы состояния сосудистой стенки (PI, RI). В качестве показателя микроциркуляции использовали максимальную систолическую скорость кровотока по кривой средней скорости (Vas, см/с). Данная величина наиболее значима в диагностическом плане для характеристики скорости тканевого кровотока в десне [5]. Кроме того, в ранее опубликованных нами работах доказаны информативность этой переменной и статистически значимое влияние на результат дискриминации [6].
Определяли исходные значения (Vas1), при проведении функциональной пробы (Vas2) и через 1 мин после нее (Vas3). Для автоматизированной оценки микрогемоциркуляции исследуемых структур и выявления различия между выделенными группами пациентов использован пошаговый дискриминантный анализ с исследованием нескольких переменных. При этом учитывалось не только изолированное воздействие факторов на результат классификации, но и эффекты взаимного влияния диагностических признаков друг на друга [7].
Результаты и обсуждение
В процессе исследования 3 групп пациентов выявлен ряд особенностей по типу реакций сосудистого звена на проведение функциональной пробы натяжения. У пациентов группы сравнения определялось следующее соотношение средней скорости кровотока: Vas1
Рис. 2. Допплерограмма пациента 1-й клинической группы (точка локации: граница прикрепленной десны и переходной складки) исходно.
Рис. 3. Допплерограмма пациента 1-й клинической группы (точка локации: граница прикрепленной десны и переходной складки) при проведении функциональной пробы.
Рис. 4. Допплерограмма пациента 1-й клинической группы (точка локации: граница прикрепленной десны и переходной складки) через 1 мин после проведения функциональной пробы.
Для оптимизации диагностики у пациентов с данной формой патологии применяли метод дискриминантного анализа, который позволяет устанавливать различия между 2 группами и более на основании исследования нескольких переменных, называемых дискриминирующими.
В нашем исследовании дискриминантный анализ использовали, во-первых, для принятия решения о том, какие переменные можно учитывать при группировке пациентов, во-вторых, чтобы на основании полученных данных оптимальным способом определить многомерную модель дискриминации пациентов с анатомо-функциональными нарушениями с максимальной чувствительностью и специфичностью.
Дискриминантный анализ показал, что результаты анализа в целом статистически значимы при F=11537; p<0,001. В табл. 1 выделены наиболее информативные переменные.
Таблица 1. Оценка информативности переменных, включенных в модель: итоги анализа дискриминантных функций
| n=187 | Лямбда Уилкса | Частная лямбда | F-исключ. (3,173) | p | Толерантность (R-коэффициент детерминации) | 1-толер. (обратная толерантность) |
| PI2 | 0,00000001748 | 0,196 | 236,6 | <0,001 | 0,006 | 0,994 |
| Qs1 | 0,00000000620 | 0,552 | 46,7 | <0,001 | 0,000 | 1,000 |
| Qs2 | 0,00000000563 | 0,609 | 37,0 | <0,001 | 0,554 | 0,446 |
| Vas1 | 0,00000000554 | 0,618 | 35,6 | <0,001 | 0,013 | 0,987 |
| Vs2 | 0,00000000534 | 0,642 | 32,1 | <0,001 | 0,001 | 0,999 |
| Qas1 | 0,00000000503 | 0,681 | 27,0 | <0,001 | 0,013 | 0,987 |
| Vm2 | 0,00000000433 | 0,791 | 15,3 | <0,001 | 0,099 | 0,901 |
| Vas2 | 0,00000000398 | 0,860 | 9,3 | <0,001 | 0,001 | 0,999 |
| Vas3 | 0,00000000393 | 0,873 | 8,4 | <0,001 | 0,069 | 0,931 |
| Vm1 | 0,00000000381 | 0,900 | 6,4 | <0,001 | 0,001 | 0,999 |
| Qas2 | 0,00000000380 | 0,901 | 6,3 | <0,001 | 0,002 | 0,998 |
Коэффициент лямбда Уилкса показывает желательность использования переменных в математической модели. Чем выше это значение, тем более желательна соответствующая переменная в процедуре дискриминации.
Для переменных, вносящих максимальный вклад в дискриминацию, рассчитаны коэффициенты, по которым составлены линейные уравнения дискриминантных функций для каждой клинической группы. Для классификации новых пациентов рассчитываются все 4 уравнения:
Норма = –15362,0 + 3979,4·Qas2 + 2816,2·Vas1 + 443,9·Qs1 + 3369,8·PI2 + 3495,9·Vs2 + 1929,1·Qas1 + 6408,4·Vm2 + 1451,4·Vas2– 987,4·Vas3 + 1754,0·Vm1 + 2576,6·Qs2;
Компенсация = –12413,5 + 3466,9·Qas2 + 2644,8·Vas1 + 356,7·Qs1+2866,8·PI2 + 3110,0·Vs2 + 1764,7·Qas1 + 6149,7·Vm2 + 1351,1·Vas2 – 612,2·Vas3 + 2038,0·Vm1 + 2162,1·Qs2;
Субкомпенсация = –88479,7 + 12105,0·Qas2 + 9649,5·Vas1 + 3491,1·Qs1 + 3353,8·PI2 + 9600,0·Vs2 + 8038,2·Qas1 + 16728,9·Vm2 + 2017,7·Vas2 – 2452,1·Vas3 + 1726,0·Vm1 + 2807,3·Qs2;
Декомпенсация = –17075,1 + 3791,1·Qas2 + 6517,9·Vas1 + 1298,5·Qs1 + 2207,4·PI2 + 3117,1·Vs2 + 5719,6·Qas1 + 7641,7·Vm2 + 2911,6·Vas2 – 581,9 ·Vas3 + 1496,1·Vm1 + 2841,4·Qs2.
Подставив в каждое уравнение значения полученных показателей пациента, можно рассчитать линейные классификационные функции, после чего отнести пациента к конкретному классу, соответствующему наибольшему значению функции. На основе этих уравнений для автоматизированного подсчета данных в клинической практике в электронных таблицах разработана компьютерная программа.
Следующим этапом дискриминантного анализа в нашем исследовании было определение степени различимости клинических групп на основании расстояния Махаланобиса. В табл. 2 приведены величины, характеризующие степень различимости групп: чем больше данное расстояние между группами, тем более качественно они различаются. Согласно представленным данным, по квадратам расстояний Махаланобиса между группами с помощью критерия F Фишера можно статистически значимо (p<0,05) классифицировать пациентов всех групп и определять принадлежность к группе для новых пациентов по предложенному соотношению показателей Vas.
Таблица 2. Классификация пациентов клинических групп по квадратам расстояний Махаланобиса
| Группа | Группа сравнения | Компенсация (подгруппа 1А) | Субкомпенсация (подгруппа 1Б) | |||
| F | P | F | P | F | P | |
| Компенсация (подгруппа 1А) | 734 | <0,001 | — | — | — | |
| Субкомпенсация (подгруппа 1Б) | 14 1531 | <0,001 | 12 4349 | <0,001 | — | — |
| Декомпенсация (2-я группа) | 14 406 | <0,001 | 10 142 | <0,001 | 139 944 | <0,001 |
По результатам исследования, верно классифицированы 100% пациентов во всех группах. Общая точность классификации составила 100%. Допущено 0 ошибок в 187 случаях. Так как процент верных классификаций значительно превышает соответствующие априорные вероятности и общая доля верных классификаций составляет >70%, данный результат можно считать отличным.
На рис. 5 представлены графические результаты группировки пациентов в отдельные диагностические классы в координатах канонических корней. Видно, что облако точек пациентов подгруппы субкомпенсации (1Б) максимально удалено от точек других классов, особенно от группы декомпенсации (2-я клиническая группа). Это значит, что показатели пациентов данной группы максимально отличаются от показателей других групп. Минимальные различия наблюдали между группой сравнения и подгруппой 1А (компенсация; см. рис. 5).
Рис. 5. Графические результаты группировки пациентов в отдельные диагностические классы в координатах канонических корней.
Проверку предложенной дискриминантной модели среди пациентов клинических групп осуществляли исходя из данных, полученных при проведении ультразвуковой допплерографии исследуемых тканей.
Клинический пример. Пациент К., 24 лет, по результатам клинического осмотра отнесен к 1-й клинической группе. Второй тип соотношения отделов: величина С десны больше П десны (С≥П), II тип прикрепления уздечек губ без клинических симптомов, характеризующих нуждаемость преддверия, уздечки или бокового тяжа в коррекции (см. рис. 1).
Подставив в каждое линейное уравнение дискриминантных функций значения показателей пациента К., рассчитываем линейные классификационные функции:
норма: 5239,9933;
компенсация: 5762,4751;
субкомпенсация: –51669,2257;
декомпенсация: 3171,201.
Таким образом, соответственно наибольшему значению функции пациент К. по предложенной классификации относится к группе «Компенсация» (см. рис. 2).
По полученному соотношению показателя максимальной систолической скорости кровотока по кривой средней скорости Vas1 Анатомо-функциональные нарушения мукогингивального комплекса относятся к категории состояний, негативно влияющих на эстетику, а также на психоэмоциональный статус пациента, представляют достаточно актуальную проблему и служат основной причиной обращения к стоматологу. У клиницистов возникают вопросы относительно функциональных характеристик сосудистого русла тканей пародонта, составления прогноза вероятности прогрессирования патологии пародонта, а также принятия решения о необходимости мукогингивальной и реконструктивной пародонтальной хирургии. Среди клиницистов принято выделять два основных типа мукогингивальных состояний. Первый тип — соотношение отделов десны и прикрепление уздечек губ по I типу (не нуждаются в коррекции); второй — II тип соотношения отделов десны и II тип прикрепления уздечек губ (нуждаются в коррекции). Коррекцию выявленных нарушений проводят хирургическим методом. Более детальный анализ с использованием высокочастотной ультразвуковой допплерографии выявил, что у пациентов с I типом соотношения отделов десны и I типом прикрепления уздечек губ (группа сравнения) микроциркуляция тканей пародонта не нарушена, основные показатели соответствовали норме. У пациентов со II типом соотношения отделов десны (С<П) и II типом прикрепления уздечек губ с положительными клиническими симптомами нуждаемости в коррекции выявлены значительные нарушения в работе микроциркуляторного русла, что служило прямым показанием к хирургической коррекции указанной патологии. У пациентов со II типом соотношения отделов десны и II типом прикрепления уздечек губ, без клинических симптомов, характеризующих нуждаемость преддверия, уздечки или бокового тяжа в коррекции, показатели ультразвуковой допплерографии значительно различались, поэтому было выделено 2 подгруппы: в 1А — функциональное состояние сосудов пародонта оценивали как компенсированное, в 1Б — как субкомпенсированное. На данном этапе при получении множества показателей, как клинических, так и допплерографических, возникла необходимость классифицировать пациентов оптимальным способом и определить их в одну из предложенных групп. Под оптимальным способом понимался минимум вероятности ложной классификации. На основании анализа опыта использования компьютерных технологий был выбран дискриминантный анализ для построения многомерной диагностической модели, а в качестве объекта исследования — анатомо-функциональные нарушения мукогингивального комплекса. Высокий уровень чувствительности созданной дискриминантной модели позволяет классифицировать пациентов с высокой точностью и минимумом вероятности ложных результатов. По полученной классификации пациентам с компенсированной и субкомпенсированной формами патологии рекомендовано диспансерное наблюдение, при выявлении состояния декомпенсации рекомендована хирургическая коррекция мукогингивальной патологии. Предложенный автоматизированный способ оценки функционального состояния сосудов тканей пародонта является достоверным, эффективным и может быть рекомендован к применению в клинической практике. Авторы заявляют об отсутствии конфликта интересов. Заключение