Вопросы создания регистра пациентов с ишемической болезнью сердца, подвергшихся операции коронарного шунтирования, на современном этапе развития кардиологической помощи

Медицинские регистры становятся все более востребованными в самых различных областях медицины. Особенно активное использование регистров наблюдается в кардиологии. В России созданы и применяются регистры острого коронарного синдрома (ОКС), артериальной гипертонии (АГ), ишемической болезни сердца (ИБС), хронической сердечной недостаточности (ХСН). Но в нашей стране не ведутся национальные регистры кардиохирургических вмешательств, в частности регистры коронарного шунтирования (КШ). Создание баз данных и регистров кардиохирургических вмешательств, помимо установления факторов риска и оценки исходов, способствует решению целого ряда задач - от анализа приверженности современным рекомендациям в повседневной клинической практике до совершенствования кардиохирургической помощи. В данной работе обсуждаются научно-организационные подходы к созданию и функционированию регистра пациентов с сердечно-сосудистыми заболеваниями (ССЗ), подвергшихся операции КШ, а также перспективные возможности использования систем поддержки врачебных решений на основе интеллектуального анализа больших данных.

1. Бойцов С.А., Шальнова С.А., Деев А.Д. Смертность от сердечно-сосудистых заболеваний в Российской Федерации и возможные механизмы ее изменения. Журнал неврологии и психиатрии им. С.С. Корсакова. 2018;118(8):98-103. DOI: 10.17116/jnevro2018n808198.

2. Бойцов С.А., Чазов Е.И., Шляхто Е.В., Шальнова С.А., Конради А.О., Карпов Ю.А. и др. Научно-организационный комитет проекта ЭССЕ-РФ. Эпидемиология сердечно-сосудистых заболеваний в различных регионах России (ЭССЕ-РФ). Обоснование и дизайн исследования. Профилактическая медицина. 2013;16(6):25-34.

3. Марцевич С.Ю., Дроздова Л.Ю., Кутишенко Н.П., Гинзбург М.Л. Регистры как способ изучения эффективности и безопасности лекарственных препаратов. Клиницист. 2012;3-4:4-9.

4. Smith P. Measuring up: Improving Health System Performance in OECD Countries. Developing composite indicators for assessing health system efficiency. Paris: OECD Publishing; 2002;295-316.

5. Бойцов С.А., Марцевич С.Ю., Кутишенко Н.П., Дроздова Л.Ю., Лукьянов М.М., Загребельный А.В. и др. Регистры в кардиологии. Основные правила проведения и реальные возможности. Кардиоваскулярная терапия и профилактика. 2013;12(1):4-9. DOI: 10.15829/1728-8800-2013-1-4-9.

6. Rosen M., Hakulinen T. Use of disease registers. In: Handbook of epidemiology. Eds.: W. Athens, I. Pidgeot. Springer; 2005;231-252.

7. Cacoub P.P., Abola M.T., Baumgartner I., Bhatt D.L., Creager M.A., Liau C.S. et al. Cardiovascular risk factor control and outcomes in peripheral artery disease patients in the Reduction of Athero-thrombosis for Continued Health (REACH) Registry. Atherosclerosis. 2009;204(2):e86-92. DOI: 10.1016/j.atherosclerosis.2008.10.023.

8. Rao C., Zhang H., Gao H., Zhao Y, Yuan X., Hua K. et al. The Chinese Cardiac Surgery Registry: design and data audit. Ann. Thorac. Surg. 2016;101(4):1514-1520. DOI: 10.1016/j.athoracsur.2015.09.038.

9. Paez R.P., Hossne Junior N.A., Santo J.A.D.E., Berwanger O., Santos R.H.N., Kalil R.A.K. et al. Coronary artery bypass surgery in Brazil: analysis of the national reality through the BYPASS Registry. Braz. J. Cardio-vasc. Surg. 2018;34(2):142-148. DOI: 10.21470/1678-9741-2018-0313.

10. Vikholm P., Ivert T., Nilsson J., Holmgren A., Freter W., Ternstrom L. et al. Validity of the Swedish Cardiac Surgery Registry. Interact. Cardio-vasc. Thorac. Surg. 2018;27(1):67-74. DOI: 10.1093/icvts/ivy030.

11. Beckmann A., Funkat A.K., Lewandowski J., Frie M., Ernst M., Hekmat K. et al. German Heart Surgery Report 2016: The Annual Updated Registry of the German Society for Thoracic and Cardiovascular Surgery. Thorac. Cardiovasc. Surg. 2017;65(7):505-518. DOI: 10.1055/s-0037-1606603.

12. Гусев А.В., Кузнецова Т.Ю., Корсаков И.Н. Искусственный интеллект в оценке рисков развития сердечно-сосудистых заболеваний. Журнал телемедицины и электронного здравоохранения. 2018;3(8):85-90.

13. Gridnev V.I., Kiselev A.R., Posnenkova O.M., Popova Y.V., Dmitriev V.A., Prokhorov M.D. et al. Objectives and Design of the Russian Acute Coronary Syndrome Registry (RusACSR). Clinical Cardiology. 2016;39(1):1-8. DOI: 10.1002/clc.22495.

14. Эрлих А.Д. Российские регистры сердечно-сосудистых заболеваний: от существующих проблем к потенциальным возможностям. Кардио-ИТ. 2016;3(4)402. DOI: 10.15275/cardioit.2016.0402.

15. Ощепкова Е.В., Довгалевский П.Я., Гриднев В.И., Посненкова О.М., Киселев А.Р., Дмитриев В.А. и др. Структура первичных элементов базы данных Российского регистра больных артериальной гипертонией, ишемической болезнью сердца и хронической сердечной недостаточностью. Кардио-ИТ. 2014;1(2):202. DOI: 10.15275/cardioit.2014.0202.

16. Барбараш О.Л., Жидкова И.И., Шибанова И.А., Иванов С.В., Сумин А.Н., Самородская И.В. Влияние коморбидной патологии и возраста на госпитальные исходы пациентов, подвергшихся коронарному шунтированию. Кардиоваскулярная терапия и профилактика. 2019;18(2):58-64. DOI: 10.15829/1728-8800-2019-2-58-64.

17. Скрыль Т.В., Парамонов А.С. Цифровая трансформация сферы здравоохранения: российская и зарубежная специфика. Карельский научный журнал. 2017;6(3(20)):137-140.

18. Гусев А.В., Плисс М.А. Основные рекомендации к созданию и развитию информационных систем в здравоохранении на базе искусственного интеллекта. Врач и информационные технологии. 2018;3:45-60.

19. Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении. Информационное общество. 2017;4-5:78-93.

20. Buzaev I.V., Plechev V.V., Nikolaeva I.E., Galimova R.M. Artificial intelligence: Neural network model as the multidisciplinary team member in clinical decision support to avoid medical mistakes. Chronic. Dis. Transl. Med. 2016;2(3):166-172. DOI: 10.1016/j.cdtm.2016.09.007.

21. Al'Aref S.J., Singh G., van Rosendael A.R., Kolli K.K., Ma X., Maliakal G. et al. Determinants of In-Hospital Mortality after Percutaneous Coronary Intervention: A Machine Learning Approach. J. Am. Heart Assoc. 2019;8(5):e011160. DOI: 10.1161/JAHA.118.011160.

22. Choi E., Schuetz A., Stewart W.F., Sun J. Using recurrent neural network models for early detection of heart failure onset. JAMIA. 2017;24(2):361-370. DOI: 10.1093/jamia/ocw112.