RU2720182C1 - Method for prediction of hospitalization probability in patients with ischemic heart disease - Google Patents
Method for prediction of hospitalization probability in patients with ischemic heart disease Download PDFInfo
- Publication number
- RU2720182C1 RU2720182C1 RU2019103069A RU2019103069A RU2720182C1 RU 2720182 C1 RU2720182 C1 RU 2720182C1 RU 2019103069 A RU2019103069 A RU 2019103069A RU 2019103069 A RU2019103069 A RU 2019103069A RU 2720182 C1 RU2720182 C1 RU 2720182C1
- Authority
- RU
- Russia
- Prior art keywords
- heart disease
- patients
- hospitalization
- year
- ihd
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 208000031225 myocardial ischemia Diseases 0.000 title abstract description 7
- 208000029078 coronary artery disease Diseases 0.000 claims abstract description 32
- 210000002966 serum Anatomy 0.000 claims abstract description 13
- 150000003626 triacylglycerols Chemical class 0.000 claims abstract description 13
- 102100032752 C-reactive protein Human genes 0.000 claims abstract description 10
- 230000035488 systolic blood pressure Effects 0.000 claims abstract description 10
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 claims abstract description 9
- 108010074051 C-Reactive Protein Proteins 0.000 claims abstract description 7
- 230000012846 protein folding Effects 0.000 claims abstract description 6
- 239000003814 drug Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000002560 therapeutic procedure Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 238000004393 prognosis Methods 0.000 description 5
- 230000002411 adverse Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 206010002383 Angina Pectoris Diseases 0.000 description 2
- 206010007558 Cardiac failure chronic Diseases 0.000 description 2
- 208000007718 Stable Angina Diseases 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 230000005713 exacerbation Effects 0.000 description 2
- 239000003112 inhibitor Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010061216 Infarction Diseases 0.000 description 1
- 230000007211 cardiovascular event Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012314 multivariate regression analysis Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Cell Biology (AREA)
- Microbiology (AREA)
- Cardiology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biotechnology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
Изобретение относится к области медицины, а именно к терапии и кардиологии, и может быть использовано для прогнозирования риска повторных госпитализаций в течение календарного года у пациентов с ишемической болезнью сердца (ИБС).The invention relates to medicine, namely to therapy and cardiology, and can be used to predict the risk of re-hospitalization during the calendar year in patients with coronary heart disease (CHD).
Ишемическая болезнь сердца (ИБС) занимает лидирующие позиции по влиянию на общую заболеваемость, снижение трудоспособности, инвалидность [Ю.В. Нагибина, Л.А. Захарова Медико-социальные особенности больных ишемической болезнью сердца и качество жизни. Российский кардиологический журнал. 2017; 3 (143): 155-159]. Coronary heart disease (CHD) occupies a leading position in terms of its effect on overall morbidity, decreased ability to work, and disability [Yu.V. Nagibina, L.A. Zakharova Medical and social characteristics of patients with coronary heart disease and quality of life. Russian Journal of Cardiology. 2017; 3 (143): 155-159].
Основные данные о прогнозе жизни пациентов с ишемической болезнью можно получить только лишь из клинических и эпидемиологических исследований, а также активно создающихся регистров и популяционных исследований [С.Н. Толпыгина, С.Ю. Марцевич, А.Д. Деев Влияние сопутствующих заболеваний на отдаленный прогноз пациентов с хронической ишемической болезнью сердца по данным регистра «Прогноз ИБС». Рациональная фармакотерапия в кардиологии. 2015; 11 (6): 571-576]. На сегодняшний день нет хорошо проработанных схем, позволяющих определить индивидуальный прогноз для пациента на текущий год по числу госпитализаций.The basic data on the prognosis of life of patients with coronary disease can be obtained only from clinical and epidemiological studies, as well as actively created registers and population studies [S.N. Tolpygina, S.Yu. Martsevich, A.D. Deev. Influence of concomitant diseases on the long-term prognosis of patients with chronic coronary heart disease according to the register "Prognosis of IHD". Rational pharmacotherapy in cardiology. 2015; 11 (6): 571-576]. To date, there are no well-developed schemes to determine an individual prognosis for a patient for the current year by the number of hospitalizations.
Поэтому актуальным является поиска и разработка методов прогнозирования вероятности госпитализаций у больных ИБС.Therefore, it is relevant to search and develop methods for predicting the likelihood of hospitalization in patients with coronary artery disease.
Известен «Способ прогнозирования течения ишемической болезни сердца» [Патент РФ № 2391044 от 06.02.2008], заключающийся в том, что авторы используют 5 этапов: 1 этап – клиническое обследование, 2 этап – холтеровское мониторирование ЭКГ, 3 этап – эхокардиография, 4 этап – нагрузочный тест, 5 этап – сигнал-усредненная ЭКГ вариабельности сердечного ритма. На каждом этапе выявляют наиболее значимые факторы. Затем прогнозируют неблагоприятный прогноз течения ишемической болезни сердца (ИБС) при выявленных на разных этапах обследования факторы риска.The well-known "Method for predicting the course of coronary heart disease" [RF Patent No. 2391044 dated 02/06/2008], which consists in the fact that the authors use 5 stages: 1 stage - clinical examination, 2 stage - Holter ECG monitoring, 3 stage - echocardiography, 4 stage - stress test, stage 5 - signal-averaged ECG of heart rate variability. At each stage, the most significant factors are identified. Then, an unfavorable prognosis of the course of coronary heart disease (CHD) is predicted with risk factors identified at different stages of the examination.
Недостатками способа являются его многоэтапность и длительность, что затрудняет его использование в качестве скринингового метода прогнозирования течения ишемической болезни сердца. The disadvantages of the method are its multi-stage and duration, which complicates its use as a screening method for predicting the course of coronary heart disease.
Известен «Способ прогнозирования риска развития неблагоприятных сердечно-сосудистых событий у больных ишемической болезнью сердца с ишемической и/или постинфарктной дисфункцией миокарда на фоне хронической сердечной недостаточностью» [Патент РФ № 2568577 от 03.06.2014]. Сущность способа заключается в определении уровня тканевого ингибитора матриксных металлопротеиназ-1 и сердечно-сосудистого сопряжения. При уровне тканевого ингибитора матриксных металлопротеиназ-1 выше 242,8 нг/мл и сердечно-сосудистого сопряжения больше 1,29 риск развития сердечно-сосудистых осложнений высокий.The known "Method for predicting the risk of adverse cardiovascular events in patients with coronary heart disease with ischemic and / or post-infarction myocardial dysfunction in the presence of chronic heart failure" [RF Patent No. 2568577 from 06/03/2014]. The essence of the method is to determine the level of tissue inhibitor of matrix metalloproteinases-1 and cardiovascular conjugation. If the level of tissue inhibitor of matrix metalloproteinases-1 is higher than 242.8 ng / ml and the cardiovascular conjugation is greater than 1.29, the risk of developing cardiovascular complications is high.
Недостатками метода является малая приспособленность в применении в условиях амбулаторно-поликлинического звена ввиду высокой стоимости исследования, а также требует направления к узкому специалисту, что тоже не позволяет использовать в виде скрининговой методики, учитывается наличие хронической сердечной недостаточности.The disadvantages of the method are its low adaptability in the outpatient care setting due to the high cost of the study, and also requires referral to a specialist, which also does not allow the use of a screening technique, taking into account the presence of chronic heart failure.
Наиболее близким является способ неблагоприятного течения ишемической болезни сердца, одной из конечных точек была повторная госпитализация [А.Н. Тиньков, Н.И. Московцева, М.В. Столбова Алгоритмы прогнозирования неблагоприятного течения ИБС после впервые перенесенного инфаркта миокарда. Современные проблемы науки и образования. 2013; 1: 59]. Авторы используют «последовательную процедуру распознавания образов» для прогнозирования летальности, повторных госпитализаций, повторных инфарктов миокарда. Отобрано 26 параметров, которые явились диагностическими коэффициентами. Далее коэффициенты суммируются и рассчитывается итоговый балл, который показывает к какой группе относится пациент –высокого или низкого риска неблагоприятного исхода. The closest is a method of adverse course of coronary heart disease, one of the end points was re-hospitalization [A.N. Tinkov, N.I. Moskovtseva, M.V. Stolbova Algorithms for predicting an unfavorable course of coronary heart disease after the first myocardial infarction. Modern problems of science and education. 2013; 1: 59]. The authors use a “consistent pattern recognition procedure” to predict mortality, rehospitalization, and recurrent myocardial infarction. 26 parameters were selected, which were diagnostic coefficients. Further, the coefficients are summed up and the final score is calculated, which shows which group the patient belongs to — high or low risk of an adverse outcome.
Недостатками способа является большое количество учитываемых критериев, использование данных разных этапов реабилитации пациентов, что усложняет применение способа на амбулаторно-поликлиническом этапе оказания медицинской помощи. Кроме того, авторы учитывали только одну форму ишемической болезни сердца.The disadvantages of the method is the large number of criteria taken into account, the use of data from different stages of patient rehabilitation, which complicates the application of the method at the outpatient stage of medical care. In addition, the authors took into account only one form of coronary heart disease.
Технический результат способа заключается в повышении точности прогноза риска повторных госпитализаций у больных ишемической болезнью сердца в течение года, снижении потребности в материальных ресурсах, сокращение числа клинически необоснованных случаев госпитализации. The technical result of the method consists in increasing the accuracy of the prediction of the risk of repeated hospitalizations in patients with coronary heart disease during the year, reducing the need for material resources, reducing the number of clinically unfounded hospitalizations.
Технический результат достигают созданием регрессионной модели для достоверного прогноза риска госпитализаций в течение года у больных ишемической болезнью сердца на основании биохимических маркеров, также уровня систолического артериального давления и возраста.The technical result is achieved by creating a regression model for reliable prediction of the risk of hospitalization during the year in patients with coronary heart disease based on biochemical markers, as well as systolic blood pressure and age.
Для расчета параметров модели было проведено обследование 354 пациентов с диагнозом ишемическая болезнь сердца, верифицированной стандартизированными валидизированными критериями и клинико-функциональными методами. Исследованный контингент включал 175 женщин и 179 мужчин в возрасте от 47 до 75 лет, средний возраст 61,8 лет с диапазоном колебаний 8,1 года.To calculate the parameters of the model, 354 patients with a diagnosis of coronary heart disease, verified by standardized validated criteria and clinical-functional methods, were examined. The studied population included 175 women and 179 men aged 47 to 75 years, the average age was 61.8 years with a range of 8.1 years.
С использованием многофакторного линейного регрессионного анализа определены факторы, влияющие на частоту госпитализаций у больных ишемической болезнью сердца (ИБС) в течение года: шаперонная активность (ША) в процентах, уровень гомоцистеина (ГЦ) сыворотки крови в мкмоль/л, С-реактивный белок (СРБ) сыворотки крови в мг/мл, триглицериды (ТГ) сыворотки крови ммоль/л, уровень систолического артериального давления (САД) в мм рт.ст. и возраст пациента. В качестве прогнозируемой переменной избран индекс вероятности госпитализаций больных ИБС (IH) в условных единицах (у.е.). Рассчитана модель прогнозирования госпитализаций у больных ИБС в течение 1 года. Using multivariate linear regression analysis, factors were determined that affect the hospitalization rate in patients with coronary heart disease (CHD) during the year: chaperone activity (SHA) in percent, serum homocysteine (HC) level in micromol / l, C-reactive protein ( CRP) of blood serum in mg / ml, triglycerides (TG) of blood serum mmol / L, systolic blood pressure (SBP) level in mmHg and age of the patient. The probability index of hospitalization of patients with coronary heart disease (IH) in arbitrary units (cu) was chosen as the predicted variable. The forecasting model of hospitalization in patients with coronary heart disease within 1 year was calculated.
В таблице 1 приведены параметры модели, описывающей вероятность госпитализаций у больных ИБС в течение года наблюдения.Table 1 shows the parameters of the model that describes the likelihood of hospitalization in patients with coronary artery disease during the year of observation.
Таблица 1Table 1
Влияние биохимических маркеров на вероятность повторных госпитализаций в течение года (результаты многофакторного регрессионного анализа)The effect of biochemical markers on the likelihood of repeated hospitalizations during the year (results of multivariate regression analysis)
Регрессионная модель прогнозирования имеет вид:The regression forecasting model has the form:
IH=2,175-0,029*ША-0,159*ГЦ+0,418*СРБ-0,129*ТГ+0,007*САД+0,013*возрастIH = 2.175-0.029 * SHA-0.159 * HZ + 0.418 * SRB-0.129 * TG + 0.007 * GARDEN + 0.013 * age
Если рассчитанный IH более или равен 0,46 у.е., то прогнозируют высокую вероятность госпитализаций больного ИБС (99,99%) в течение ближайшего года наблюдения.If the calculated IH is more than or equal to 0.46 cu, then a high probability of hospitalization of a patient with coronary heart disease (99.99%) is predicted over the next year of observation.
Как следует из таблицы 2, модель является статистически значимой на 99,99% доверительном уровне.As follows from table 2, the model is statistically significant at 99.99% confidence level.
Таблица 2 table 2
Параметры прогностической модели прогнозирования госпитализаций в течение 1 года наблюдения у больных ИБСParameters of the prognostic model for predicting hospitalization for 1 year of observation in patients with coronary artery disease
Таблица 3Table 3
Дисперсионный анализ отклонений прогностической модели прогнозирования госпитализаций у больных ИБС в течение года наблюденияVariance analysis of deviations of the prognostic model for predicting hospitalization in patients with coronary artery disease during the year of observation
Диагностическая значимость полученной модели прогнозирования определена механизмом ROC-анализа как отличная. Площадь под ROC-кривой составила AUC = 0,981 ± 0,017, z = 28,466, 95%CI = 0,899 – 0,999, р < 0,0001. The diagnostic significance of the obtained forecasting model is determined by the ROC-analysis mechanism as excellent. The area under the ROC curve was AUC = 0.981 ± 0.017, z = 28.466, 95% CI = 0.899 - 0.999, p <0.0001.
Методом ROC-анализа определены параметры диагностической ценности прогностической модели для значения отсечения IH более или равна 0,46 у.е. (табл. 4). Была показана высокая чувствительность и специфичность модели.By the method of ROC analysis, the parameters of the diagnostic value of the prognostic model for the cut-off value IH are more than or equal to 0.46 cu (tab. 4). The high sensitivity and specificity of the model was shown.
Таблица 4Table 4
Диагностическая ценность модели прогнозирования госпитализаций в течение одного годаDiagnostic value of a one-year hospitalization prediction model
* - положительный результат - наличие госпитализации в течение одного года,* - a positive result - the presence of hospitalization for one year,
** - отрицательный результат – отсутствие госпитализаций в течение одного года.** - negative result - lack of hospitalization for one year.
Пример 1Example 1
Больной Ш., 60 лет, с диагнозом ИБС. Стабильная стенокардия напряжения ФК 3. ХСН I, ФК 3. Данные клинического и биохимического лабораторного обследования: уровень шаперонной активности сыворотки крови составил 49,8%, уровень гомоцистеина сыворотки крови – 11,98 мкмоль/л, С-реактивный белок сыворотки крови – 0,87 мг/л, уровень триглицеридов сыворотки крови – 1,5 ммоль/л, уровень систолического артериального давления – 170 мм рт. ст. Patient Sh., 60 years old, with a diagnosis of coronary heart disease. Stable angina pectoris FC 3. CHF I, FC 3. Data from a clinical and biochemical laboratory examination: the level of serum chaperone activity was 49.8%, the level of serum homocysteine was 11.98 μmol / L, and the serum C-reactive protein was 0 , 87 mg / l, the level of serum triglycerides - 1.5 mmol / l, the level of systolic blood pressure - 170 mm RT. Art.
Индекс вероятности госпитализаций, рассчитанный с помощью предлагаемой нами прогностической модели, в течение ближайшего года составил:The probability index of hospitalization, calculated using our prognostic model, over the next year amounted to:
IH=2,175-0,029*49,8-0,159*11,98+0,418*0,87-0,129*1,5+0,007*170+0,013*60 = 0,97IH = 2.175-0.029 * 49.8-0.159 * 11.98 + 0.418 * 0.87-0.129 * 1.5 + 0.007 * 170 + 0.013 * 60 = 0.97
То есть IH более 0,46: с вероятностью 99,99% прогнозируется госпитализация в ближайший год. Наблюдение в течение года выявило 2 обострения, потребовавших госпитализации пациента. Таким образом, сделанный нами прогноз по предложенному методу реализовался.That is, IH is more than 0.46: with a probability of 99.99%, hospitalization is projected in the coming year. Observation during the year revealed 2 exacerbations that required hospitalization of the patient. Thus, our forecast for the proposed method was realized.
Пример 2Example 2
Больная Б., 50 лет, с диагнозом ИБС. Стабильная стенокардия напряжения ФК 2. ХСН I, ФК 1. Данные клинического и биохимического лабораторного обследования: уровень шаперонной активности сыворотки крови составил 76,92%, уровень гомоцистеина сыворотки крови – 8,47 мкмоль/л, С-реактивный белок сыворотки крови – 0,012 мг/мл, уровень триглицеридов сыворотки крови – 1,2 ммоль/л, уровень систолического артериального давления – 130 мм рт. ст. Patient B., 50 years old, with a diagnosis of coronary heart disease. Stable angina pectoris FC 2. CHF I, FC 1. The data of clinical and biochemical laboratory tests: the level of chaperone activity of blood serum was 76.92%, the level of serum homocysteine - 8.47 mmol / l, C-reactive protein of blood serum - 0.012 mg / ml, serum triglycerides level - 1.2 mmol / l, systolic blood pressure level - 130 mm RT. Art.
Индекс вероятности госпитализаций, рассчитанный с помощью предлагаемой нами прогностической модели, в течение ближайшего года составил:The probability index of hospitalization, calculated using our prognostic model, over the next year amounted to:
IH=2,175-0,029*76,92-0,159*8,47+0,418*0,012-0,129*1,2+0,007*130+0,013*50 = 0,007IH = 2.175-0.029 * 76.92-0.159 * 8.47 + 0.418 * 0.012-0.129 * 1.2 + 0.007 * 130 + 0.013 * 50 = 0.007
То есть IH менее 0,46: с вероятностью 99,99% прогнозируется отсутствие госпитализаций в ближайший год. Наблюдение в течение года выявило отсутствие обострений. Таким образом, сделанный нами прогноз по предложенному методу реализовался.That is, IH is less than 0.46: with a probability of 99.99%, the absence of hospitalizations in the coming year is predicted. Observation during the year revealed the absence of exacerbations. Thus, our forecast for the proposed method was realized.
Разработанный способ прогнозирования риска госпитализаций позволяет оценить степень вероятности развития осложнений ИБС у пациента, требующих лечения в условиях стационара и определить тактику лечения. The developed method for predicting the risk of hospitalization allows us to assess the likelihood of developing complications of coronary heart disease in a patient requiring treatment in a hospital setting and determine treatment tactics.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019103069A RU2720182C1 (en) | 2019-02-04 | 2019-02-04 | Method for prediction of hospitalization probability in patients with ischemic heart disease |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019103069A RU2720182C1 (en) | 2019-02-04 | 2019-02-04 | Method for prediction of hospitalization probability in patients with ischemic heart disease |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2720182C1 true RU2720182C1 (en) | 2020-04-27 |
Family
ID=70415468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019103069A RU2720182C1 (en) | 2019-02-04 | 2019-02-04 | Method for prediction of hospitalization probability in patients with ischemic heart disease |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2720182C1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2822410C1 (en) * | 2023-03-29 | 2024-07-04 | Федеральное Государственное бюджетное образовательное учреждение высшего образования Дагестанский государственный медицинский университет Министерства здравоохранения Российской Федерации | Method for prediction of survival rate of patients with stable ischemic heart disease |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1110445A1 (en) * | 1983-09-15 | 1984-08-30 | Ордена Трудового Красного Знамени Институт Физиологии Им.И.П.Павлова | Method of prognosis of the course of heart ischemia |
| WO2016062709A1 (en) * | 2014-10-22 | 2016-04-28 | F. Hoffmann-La Roche Ag | Biomarkers and methods of prediction |
| RU2663496C1 (en) * | 2017-09-14 | 2018-08-06 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр Российской академии наук" (Томский НИМЦ) | Method for forecasting the one-year risk of development of adverse cardiovascular events after stenting of coronary arteries in patients with coronary heart disease with metabolic syndrome without insulin resistance |
| RU2670689C9 (en) * | 2017-12-28 | 2018-12-13 | федеральное государственное бюджетное образовательное учреждение высшего образования "Первый Санкт-Петербургский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Method of predicting cardiovascular complications in patients with ischemic heart disease |
-
2019
- 2019-02-04 RU RU2019103069A patent/RU2720182C1/en not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1110445A1 (en) * | 1983-09-15 | 1984-08-30 | Ордена Трудового Красного Знамени Институт Физиологии Им.И.П.Павлова | Method of prognosis of the course of heart ischemia |
| WO2016062709A1 (en) * | 2014-10-22 | 2016-04-28 | F. Hoffmann-La Roche Ag | Biomarkers and methods of prediction |
| RU2663496C1 (en) * | 2017-09-14 | 2018-08-06 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр Российской академии наук" (Томский НИМЦ) | Method for forecasting the one-year risk of development of adverse cardiovascular events after stenting of coronary arteries in patients with coronary heart disease with metabolic syndrome without insulin resistance |
| RU2670689C9 (en) * | 2017-12-28 | 2018-12-13 | федеральное государственное бюджетное образовательное учреждение высшего образования "Первый Санкт-Петербургский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Method of predicting cardiovascular complications in patients with ischemic heart disease |
Non-Patent Citations (1)
| Title |
|---|
| ТИНЬКОВ А.Н. и др. Алгоритмы прогнозирования неблагоприятного течения ИБС после впервые перенесенного инфаркта миокарда. Современные проблемы науки и образования. 2013, N 1, с. 59-69. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2822410C1 (en) * | 2023-03-29 | 2024-07-04 | Федеральное Государственное бюджетное образовательное учреждение высшего образования Дагестанский государственный медицинский университет Министерства здравоохранения Российской Федерации | Method for prediction of survival rate of patients with stable ischemic heart disease |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wasung et al. | Biomarkers of renal function, which and when? | |
| Sarkisian et al. | Prognostic impact of myocardial injury related to various cardiac and noncardiac conditions | |
| Mehta et al. | Clinical usefulness and prognostic value of elevated cardiac troponin I levels in acute pulmonary embolism | |
| Berton et al. | C-reactive protein in acute myocardial infarction: association with heart failure | |
| Travaglino et al. | Thirty and ninety days mortality predictive value of admission and in-hospital procalcitonin and mid-regional pro-adrenomedullin testing in patients with dyspnea. Results from the VERyfing DYspnea trial | |
| EP1887361A1 (en) | Method for the prediction of vascular events | |
| Hatton et al. | Choice of reference creatinine for post-traumatic acute kidney injury diagnosis | |
| Allanore et al. | N-terminal pro-brain natriuretic peptide is a strong predictor of mortality in systemic sclerosis | |
| van Peet et al. | Plasma NT-proBNP as predictor of change in functional status, cardiovascular morbidity and mortality in the oldest old: the Leiden 85-plus study | |
| RU2573499C1 (en) | Method for prediction of risk of unfavourable outcome in patients with acute coronary syndrome and concomitant type 2 diabetes mellitus | |
| Wlazeł et al. | Soluble urokinase plasminogen activator receptor in one-year prediction of major adverse cardiac events in patients after first myocardial infarction treated with primary percutaneous coronary intervention | |
| Niu et al. | A retrospective study of hemodynamic changes in patients after off-pump coronary artery bypass graft surgery using impedance cardiography | |
| RU2720182C1 (en) | Method for prediction of hospitalization probability in patients with ischemic heart disease | |
| Kokkoz et al. | Prognostic value of plasma ST2 in patients with non-ST segment elevation acute coronary syndrome | |
| RU2373542C1 (en) | Method for prediction of development of myocardial infarction complication | |
| RU2662093C1 (en) | Method for predicting the risk of developing unfavorable remodeling of the left ventricle of the heart in patients with acute anterior myocardial infarction with st stent elevation within 6 months of the onset of the disease | |
| Machado et al. | Can troponin elevation predict worse prognosis in patients with acute pericarditis? | |
| Taeger et al. | Long-term biological variation of high-sensitivity cardiac troponin T using minimal important differences and reference change values in stable outpatients with cardiovascular disease | |
| RU2566212C1 (en) | Method for multifactor prediction of remote unfavourable outcomes in patients suffered acute coronary syndrome with persistent st-segment elevation | |
| Karki et al. | Predicting outcomes in acute coronary syndrome using biochemical markers | |
| Eggers et al. | Risk prediction in chest pain patients by biochemical markers including estimates of renal function | |
| RU2683691C1 (en) | Method for predicting the risk of late fatal cardiac and cerebrovascular events after a planned endovascular myocardial revascularization | |
| RU2814112C1 (en) | Method of predicting probability of adverse cardiovascular events in patients with coronary heart disease who have undergone planned coronary myocardial revascularization | |
| RU2800404C1 (en) | Method of predicting acute left ventricular failure in patients with acute myocardial infarction with st segment elevation of the anterior wall of the left ventricle | |
| RU2741195C1 (en) | Method for prediction of urgent cardiovascular complications in acute coronary syndrome in patients with oncological disease in past history |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20210205 |