Individual prognosis of urolithiasis, benign hyperplasia and prostate cancer development based on medical and social risk factors

Cover Page

Cite item

Full Text

Abstract

Aim. To predict the risk of developing urolithiasis, benign hyperplasia and prostate cancer on the basis of mathematical modeling on individual medical and social factors. Methods. Prognostic evaluation of the risk of studied pathology development based on 30 medical and social factors was performed. Representive samples of patients with verified diagnosis of urolithiasis, benign prostatic hyperplasia and prostate cancer (study groups) as well as individuals without these diseases (comparison group) constituted the material of the study. The study protocol included preparation of primary data, transformation of qualitative data into numerical form, logistic regression modeling of risk, verification of models. Risk prediction itself was performed with the use of reasonably chosen methods of mathematical modeling (a priori ranging, regression analysis and discrete correlation pleiades aimed at minimizing the informative parameter redundancy). The developed models were verified by passive experiment method. Results. Based on long-term empirical observation the scientific hypothesis was proposed that urolithiasis, benign hyperplasia and prostate cancer development is more probable in patients with certain risk factors. To prove or reject the proposed hypothesis, the analysis of prognostic informativeness was performed for 30 factors suspected to cause the studied pathology development. It was performed with the use of logistic regression models. As a result among the studied working and living conditions of urological patients prognostically significant factors were determined. Developed on their basis (and subsequently verified) models allowed mathematically evaluating real risk of the studied urologic diseases development. Conclusion. Development of the models of individual risk of the studied nosologic forms development based on the analysis of medical and social factors is principally possible; verification of the developed models confirms their practical applicability and proves the principal feasibility of the proposed approach.

About the authors

O V Zolotukhin

Voronezh State Medical University named after N.N. Burdenko

Email: zolotuhin-o@yandex.ru
Voronezh, Russia

References

  1. Гублер Е.В. Вычислительные методы распознавания патологических процессов. Ленинград: Медицина. 1970; 319 с.
  2. Гланц С. Медико-биологическая статистика. М.: Практика. 1999; 459 с.
  3. Реброва О.Ю. Статистический анализ медицинских данных: применение пакета прикладных программ STATISTICA. М.: МедиаСфера. 2002; 312 с.
  4. Дюк В.Э. Информационные технологии в медико-биологических исследованиях. СПб.: Питер. 2003; 528 с.
  5. Медик В.А., Токмачев М.С. Математическая статистика в медицине. М.: Финансы и статистика. 2007; 800 с.
  6. Халафян А.А. Statistica 6. Статистический анализ данных. М.: Бином-Пресс. 2008; 512 с.
  7. Чопоров О.Н., Золотухин О.В., Болгов С.В. Алгоритмизация интеллектуального анализа данных о распространённости заболеваний на региональном и муниципальном уровнях. Моделирование, оптимизация и информационные технологии. 2015; (9). http://moit.vivt.ru/wpcontent/uploads/2015/06/ChoporovZolotuhinBoglov_2_15_1.pdf (дата обращения: 08.05.2017).
  8. Чопоров О.Н., Болгов С.В., Манакин И.И. Особенности применения методов интеллектуального анализа данных и многоуровневого мониторинга при решении задачи рационализации медицинской помощи. Моделирование, оптимизация и информационные технологии. Воронеж. 2015; 8 (1). http://moit.vivt.ru/wp-content/uploads/2015/04/ChoporovBolgovManakin%20_1_15_1.pdf (дата обращения: 08.05.2017).
  9. Колесов Ю.Б., Сениченков Ю.Б. Моделирование систем. Объектно-ориентированный подход. СПб.: БХВ-Петербург. 2012; 185 с.
  10. Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований. СПб.: ВМедА. 2002; 266 с.

Supplementary files

Supplementary Files
Action
1. JATS XML

© 2017 Zolotukhin O.V.

Creative Commons License

This work is licensed
under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.





Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».