Прогноз смерти больных терминальным циррозом печени: новая модель оценки тяжести заболевания

Цель. Определить возможности клинического применения нового оригинального способа, позволяющего оценивать вероятность наступления неблагоприятного исхода (смерти) у больных из листа ожидания трансплантации печени.

Материал и методы. Использованы результаты обследования 350 больных, находившихся в листе ожидания трансплантации печени в течение 5 лет. Методом сравнения показателей по критерию Манна – Уитни и оценки чувствительности и специфичности (ROC-кривые) установлено, что значения возраста, индекса MELD-Na, уровня лейкоцитов, характер печеночной недостаточности и наличие тромбоза воротной вены имеют статистически значимые различия между умершими пациентами и больными, остающимися живыми (p < 0,05). С помощью бинарной логистической регрессии получена модель, оценивающая вероятность смерти больного c учетом названных показателей. Создан новый индекс расчета вероятности смерти больного в листе ожидания трансплантации печени в течение одного года.

Результаты. Оценка качества построенной модели и выведенного из нее индекса показала, что новый индекс отличается от общепринятого индекса MELD-Na более высокой способностью оценить тяжесть соматического статуса больного циррозом печени и, как следствие, возможностью более точно спрогнозировать риск неблагоприятного исхода на период не менее 12 месяцев. Прогнозируемый риск смерти совпал с реальными летальными исходами в 83% случаев. Критерий EPV составил 17,4, что превышает его минимально допустимый порог (10) для малых выборок и позволяет использовать полученный индекс.

Заключение. Оригинальный способ дает возможность неинвазивным путем, используя входящие в стандарт обследования показатели, повысить точность оценки риска развития неблагоприятного исхода (смерти) больного циррозом печени в течение одного года в любое время его применения. Кроме того, способ позволяет объективно определять приоритетность выполнения трансплантации печени. 

1. Knaus WA, Draper EA, Wagner DP, Zimmerman JE. APACHE II: a severity of disease classification system. Crit Care Med. 1985;13:818-29. PMID: 3928249.

2. Vincent J-L, Moreno R, Takala J, et al. The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure. Intensive Care Med. 1996;22:707-10. PMID: 8844239. https://doi.org/10.1007/bf01709751

3. Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chronic Dis. 1987;40:373-83. PMID: 3558716. https://doi.org/10.1016/0021-9681(87)90171-8

4. Pugh RN, Murray-Lyon IM, Dawson JL, Pietroni MC, Williams R. Transection of the oesophagus for bleeding oesophageal varices. Br J Surg. 1973;60:646-9. PMID: 4541913. https://doi.org/10.1002/bjs.1800600817

5. Kamath PS, Kim WR. The model for end-stage liver disease (MELD). Hepatology. 2007;45:797-805. PMID: 17326206. https://doi.org/10.1002/hep.21563

6. Samiullah S, Qasim R, Khalid S, Hussain BG, Mukhtair J, Akbar Yo. Evaluation of creatinine-modified Child Pugh score for predicting short term prognosis in patients with decompensated cirrhosis of the liver as compare to original Child Pugh score. J Ayub Med Coll Abbottabad. 2009;21:64-7. PMID: 20524472.

7. Health Resources and Services Administration, U.S. Organ Procurement and Transplantation Network. MELD serum sodium policy changes. Published November 11, 2015. Accessed March 12, 2020. Available from: https://optn.transplant.hrsa.gov/news/meld-serum-sodium-policy-changes

8. Biselli M, Gitto S, Gramenzi A, et al. Six score systems to evaluate candidates with advanced cirrhosis for orthotopic liver transplant: which is the winner? Liver Transpl. 2010;16:964-73. PMID: 20677287. https://doi.org/10.1002/lt.22093

9. Тайшин Д.О., Солдатова Г.С. Анализ прогностических шкал для оценки исхода цирроза печени. Вестник Новосибирского государственного университета. Серия: Биология, клиническая медицина. 2014;12(2):76-85.

10. Steyerberg EW, Eijkemans MJ, Harrell FE Jr, Habbema JD. Prognostic modelling with logistic regression analysis: a comparison of selection and estimation methods in small data sets. Stat Med. 2000;19:1059-79. PMID: 10790680. https://doi.org/10.1002/(sici)1097-0258(20000430)19:8<1059::aid-sim412>3.0.co;2-0

11. Van Smeden M, de Groot JAH, Moons KG, et al. No rationale for 1 variable per 10 events criterion for binary logistic regression analysis. BMC Med Res Methodol. 2016;16:163. PMID: 27881078. PMCID: PMC5122171. https://doi.org/10.1186/s12874-016-0267-3