Упрощенная HTML-версия
85
Полученные данные позволили предложить алгоритм диагностики
субклинического атеросклероза, в основе которого – выявление наиболее
информативных факторов риска с применением логистической регресси-
онной модели.
Логистический регрессионный анализ позволяет строить статисти-
ческую модель для расчета вероятности исхода (в данном случае – вероят-
ность субклинического атеросклероза) по имеющимся данным (например,
факторам риска, маркерам), которые называются независимыми (объяс-
няющими) признаками. Зависимым признаком Y является не само значе-
ние зависимого (объясняемого) признака P, а его логит-преобразование:
logit
(P) = ln (P/ (1 – P))
Результатом логистического регрессионного анализа является рас-
чет оценок регрессионных коэффициентов k0, k1, k2,… k i уравнения
Y = k0 + k1*X1 + k2*X2 + … + k i*X i,
где k0 – константа,
X1… X i – независимые признаки (факторы риска, маркеры, ранние
структурные проявления),
k1… k i – коэффициенты независимых признаков,
Y = ln (P/ (1 – P)).
Основой обучающей информации для создания логистической ре-
грессионной модели ранней диагностики атеросклероза по признаку от-
сутствие-наличие субклинического атеросклероза стала обследованная
выборка больных эссенциальной АГ (n = 168).
В качестве признаков, включенных в модель как независимые фак-
торы-причины, отобраны факторы, достоверно связанные с исходом
(наличие или отсутствие субклинического атеросклероза): возраст, пол,
возрастная инволюция яичников у женщин, степень АГ, наличие ГТЛЖ,
компонентов МС (АО, гипергликемии, повышения уровня ТГ, снижения