Prediction of the course of chronic rhinosinusitis using a mathematical model

Purpose of research: development of a mathematical model for predicting the course of chronic rhinosinusitis. Material and methods: The levels of biomarkers of endothelial dysfunction in the blood (homocysteine, highly sensitive C-reactive protein, cystatin C, D-dimer) were analyzed. The study involved 269 people, including 149 patients with CRS aged 18 to 59 years, who sought surgical help at the otorhinolaryngological department of the Tambov Clinical Hospital. The control group consisted of 120 people without pathology of the paranasal sinuses, comparable in age and gender. The СRS group was divided into 2 subgroups: polypous rhinosinusitis (PolRS) –67 people and chronic purulent rhinosinusitis (CPurRS) -82 people. Patients with diseases or pathological conditions affecting changes in the levels of the studied biomarkers in the blood are excluded from the study. Statistical data processing was carried out using methods of descriptive statistics and correlation analysis. The differences at the p<0.05 level were considered statistically significant. The subject of the study was a predictive model developed on the basis of logistic regression, ROC analysis was used as a tool for assessing the quality of the model. Results. Analysis of the obtained data showed that the levels of these biomarkers were statistically significantly higher in the groups with pathologies than in the control group. A multifactorial analysis was performed to assess the correlation of independent predictor factors with a group of patients: between patients with CRS (PolRS and CPurRS) and the control group. Correlation analysis showed the presence of a strong direct reliable association of the group code with the indicators "homocysteine" (R=0.728, p=0.001), "cystatin C" (R=0.712, p=0.004) and "D-dimer" (R=0.779, p=0.0021). A correlation of average strength (R=0.376, p=0.0034) was revealed with the parameter "hsCRP". According to the results of the analysis, all 4 parameters are included in the mathematical model: "homocysteine", "cystatin C", "D-dimer" and "hsCRP". The logistic regression method was used to build a predictive mathematical model. In order to assess the diagnostic significance of the obtained model, a ROC analysis was performed. The area under the ROC curve (AUC) is 0.99, which indicates the high efficiency of the model. Using the F1-Score metric, the optimal cut-off threshold of 0.3864 was determined. When the calculation result value is < 0.3864, it means that the subject has no clinical and laboratory manifestations of endothelial dysfunction, and if ≥ 0.3864, it means the presence of clinical and laboratory manifestations of endothelial dysfunction. When evaluating the performance of the model with a cut-off threshold of 0.3864, the following characteristics were obtained: sensitivity – 99.6%, specificity – 100%, accuracy – 100%. Conclusions. Based on the obtained mathematical model, it is possible not only to diagnose ED in MS, but also to monitor clinical and laboratory manifestations of ED after treatment. Timely diagnosis of ED using mathematical modeling will help optimize treatment regimens and improve the prognosis of the course of CRS. When predicting the course of the disease, an integrated approach should be applied. The method of ED diagnosis using mathematical modeling described in the article will contribute to the optimization of medical measures and the improvement of the prognosis for CRS. Цель. Разработка математической модели для прогнозирования течения хронического риносинусита. Материал и методы. Проведен анализ уровней биомаркеров эндотелиальной дисфункции (ЭД) в крови (гомоцистеина, высокочувствительного С-реактивного белка (вчСРБ), цистатина С, Д-димера). В исследовании приняли участие 269 человек, из них – 149 пациентов с хроническим риносинустом (ХРС) от 18 до 59 лет, обратившихся за хирургической помощью в оториноларингологическое отделение клинической больницы г. Тамбова. Контрольную группу составили 120 человек без патологии околоносовых пазух, сопоставимых по возрасту и полу. Группа ХРС была разделена на 2 группы: полипозный риносинусит (ПРС) – 67 человек и хронический гнойный риносинусит (ХГРС) – 82 человека. Из исследования исключены пациенты, имеющие заболевания или патологический состояния, влияющие на изменения уровней исследуемых биомаркеров в крови. Статистическая обработка данных проводилась с использованием методов описательной статистики, корреляционного анализа. Статистически значимыми считали различия при уровне p<0,05. Предметом исследования стала прогностическая модель, разработанная на основе логистической регрессии, в качестве инструмента оценки качества модели использовался ROC- анализ. Результаты. Анализ полученных данных показал, что уровни этих биомаркеров были статистически значимо выше в группах с патологиями, чем в контрольной группе. Проведен многофакторный анализ с оценкой корреляционной связи независимых факторов-предикторов с группой пациентов: между больными с ХРС (ПРС и ХГРС) и контрольной группой. Корреляционный анализ, показал наличие сильной прямой достоверной связи кода группы с показателями «гомоцистеин» (R=0,728, p=0,001), «цистатин С» (R=0,712, p=0,004) и «Д-димер» (R=0,779, p=0,0021). С параметром «вчСРБ» выявлена корреляционная связь сред- ней силы (R=0,376, p=0,0034). По результатам проведенного анализа в математическую модель включены все 4 параметра: «гомоцистеин», «цистатин С», «Д-димер» и «вчСРБ». Для построения прогностической математической модели был применен метод логистической регрессии. С целью оценки диагностической значимости полученной модели был проведен ROC-анализ. Площадь под ROC-кривой (AUC) равна 0.99. Используя метрику F1-Score, был определен оптимальный порог отсечения, равный 0,3864. При получении значения результата расчета <0,3864 означает отсутствие у обследуемого клинико-лабораторных проявлений эндотелиальной дисфункции, при ≥ 0,3864 – наличие клинико-лабораторных проявлений эндотелиальной дисфункции. При оценке производительности модели с порогом отсечения 0,3864 получены следующие характеристики: чувствительность – 99,6%, специфичность – 100%, точность – 100%. Выводы. На основе полученной математической модели можно проводить не только диагностику ЭД при ХРС, но и мониторинг клинико-лабораторных проявления ЭД после лечения. Своевременная диагностика ЭД с применением математического моделирования будет способствовать оптимизации схем лечения и улуч- шению прогноза течения ХРС. При прогнозировании течения заболевания должен применять комплексный подход. Рассмотренный в статье метод диагностики ЭД с применением математического моделирования будет способствовать оптимизации лечебных мероприятий и улучшению прогноза течения ХРС.