УДК 612.171.7

Н.А. ДРАГОМИРЕЦКАЯ, А.В. ТОЛМАЧЕВА, М.В. ВЕТЛУЖСКАЯ, А.А. АБРАМОВА, И.Д. МЕДВЕДЕВ, А.В. БЕЛЯКОВ, В.Д. ЧИСТЯКОВА

 Первый Московский государственный медицинский университет им. И.М. Сеченова МЗ РФ, Москва

 Контактная информация:

Драгомирецкая Наталья Александровна — к.м.н., доцент кафедры факультетской терапии № 2 Института клинической медицины им. Н.В. Склифосовского

Адрес: 119048, г. Москва, ул. Трубецкая, д. 8, стр. 2, тел.: +7 (495) 609-14-00, e—mail: dragomiretskaya_n_a@staff.sechenov.ru

Список сокращений:

NT-proBNP — N-концевой фрагмент предшественника натрийуретического пептида

ГБ — гипертоническая болезнь

ДИ — доверительный интервал

ИБС — ишемическая болезнь сердца

ИМТ — индекс массы тела

ИММЛЖ — индекс массы миокарда левого желудочка

КДО — конечный диастолический объем

КСО — конечный систолический объем

КСР — конечный систолический размер

ЛПНП — липопротеины низкой плотности

ЛПОНП — липопротеины очень низкой плотности

ЛЖ — левый желудочек

МО — машинное обучение

НПВ — нижняя полая вена

ОШ — отношение шансов

ПИКС — постинфарктный кардиосклероз

ПП — правое предсердие

СД — сахарный диабет

СДЛА — систолическое давление в легочной артерии

СКФ_CKD—EPI — скорость клубочковой фильтрации, рассчитанная по формуле Chronic Kidney Disease Epidemiology Collaboration

ФВ ЛЖ — фракция выброса левого желудочка

ФК — функциональный класс

ФП — фибрилляция предсердий

NYHA — Нью-Йоркская ассоциация сердца

ХСН — хроническая сердечная недостаточность

ХСНнФВ — ХСН с низкой ФВ ЛЖ

ХСНунФВ — ХСН с умеренно сниженной ФВ ЛЖ

ХСНсФВ — ХСН с сохраненной ФВ ЛЖ

ЭхоКГ — эхокардиография

Цель исследования — разработка способа прогнозирования неблагоприятного исхода пациентов с ХСНсФВ и ХСНунФВ на основе комплексной оценки рутинных клинических и лабораторно-инструментальных показателей.

Материал и методы. В исследование включены 135 пациентов с ХСН II–IV ФК и ФВ ЛЖ > 40% (59 мужчин и 76 женщин), госпитализированных в терапевтическую клинику УКБ № 4 Сеченовского университета и подписавших информированное согласие. Средний возраст составил 76 ± 13 лет. Всем пациентам проведено обследование в соответствии с действующими клиническими рекомендациями по диагностике и лечению ХСН. Смертность оценивалась через 12 месяцев после включения пациента в исследование. Статистическая обработка результатов проводилась программами Statistica 12.0 и Jamovi 2.3.28.

Результаты. За 12 месяцев наблюдения смертность пациентов ХСНсФВ составила 10%, а ХСНунФВ — 27%. Первый этап разработки проспективной модели заключался в отборе наиболее значимых клинических, лабораторно-инструментальных показателей, которыми стали концентрация ЛПНП в плазме крови, наличие в анамнезе перенесенного ОИМ и ФП, значение систолического артериального давления, наличие пневмонии на момент госпитализации, ФК по NYHA, значения ФВ ЛЖ и СДЛА по данным ЭхоКГ, концентрация NT-proBNP, мочевины и гемоглобина в плазме крови. По результатам многофакторного анализа NT-proBNP (ОШ 1,0009; 95% ДИ 1,00029–1,002; p = 0,002), наличие перенесенного ОИМ (ОШ 3,458; 95% ДИ 1,039–11,507; p = 0,043) и пневмонии (ОШ 7,198; 95% ДИ 2,074–24,98; p = 0,04) показали свою значимость и были включены в модель логистической регрессии. По данным ROC-анализа, чувствительность модели составила 81%, специфичность — 76,8%, диагностическая эффективность — 77,8%. AUC модели = 0,863.

Выводы: Независимыми значимыми факторами риска неблагоприятного прогноза у больных ХСНсФВ и ХСНунФВ являются перенесенный ИМ и пневмония, а также уровень NT-proBNP. Разработанный алгоритм представляет собой простой механизм оценки индивидуального риска неблагоприятного прогноза у больных ХСН с ФВ ЛЖ > 40%.

Ключевые слова: ХСНсФВ, ХСНунФВ, многофакторная прогностическая модель.

 

 N.A. DRAGOMIRETSKAYA, A.V. TOLMACHEVA, M.V. VETLUZHSKAYA, A.A. ABRAMOVA, I.D. MEDVEDEV, A.V. BELYAKOV, V.D. CHISTYAKOVA

 I.M. Sechenov First Moscow State Medical University (Sechenov University), Moscow

Multifactor model to predict adverse outcomes in patients with chronic heart failure with preserved and moderately reduced left ventricular ejection fraction

 Contact details:

Dragomiretskaya N.A. — Ph. D. (medicine), Associate Professor of the Department of Faculty Therapy No. 2 of the Institute of Clinical Medicine named after N.V. Sklifosovsky

Address: 8-2 Trubetskaya Str., Moscow, Russian Federation, 119991, tel.: +7 (495) 609-14-00, e-mail: dragomiretskaya_n_a@staff.sechenov.ru

 The purpose — to develop a method for predicting the unfavorable outcomes in patients with CHFpEF and CHFmrEF based on a comprehensive assessment of routine clinical and laboratory-instrumental parameters.

Material and methods. The study included 135 patients with FC II-IV CHF and LVEF > 40% (59 men and 76 women), hospitalized at the therapeutic clinic of Clinical Hospital No. 4 of Sechenov University, who signed informed consent. The average age was 76 ± 13 years. All patients were examined in accordance with current clinical guidelines for the diagnosis and treatment of CHF. The mortality was assessed 12 months after patient inclusion in the study. Statistical processing of the results was carried out using Statistica 12.0 and Jamovi 2.3.28.

Results. The one-year mortality rate for patients with CHFpEF was 10%, for CHFunEF – 27%. The first stage of developing a prospective model consisted of selecting the most significant clinical, laboratory and instrumental indicators, namely: LDL concentration in the blood plasma, AMI and AF history, systolic blood pressure, pneumonia at the time of hospitalization, NYHA FC, EF values LV and MPAP according to echocardiography, concentration of NT-proBNP, urea and hemoglobin in blood plasma. According to multivariate analysis, NT-proBNP (OR 1.0009; 95% CI 1.00029–1.002; p = 0.002), the presence of prior AMI (OR 3.458; 95% CI 1.039–11.507; p = 0.043) and pneumonia (OR 7.198; 95% CI 2.074–24.98; p = 0.04) showed significance and were included in the logistic regression model. According to ROC analysis, the model sensitivity was 81%, specificity — 76.8%, diagnostic efficiency — 77.8%. Model AUC = 0.863.

Conclusion: Independent significant risk factors for poor prognosis in patients with CHFpEF and CHFmrEF are previous MI and pneumonia, as well as the level of NT-proBNP. The developed algorithm is a simple mechanism for assessing the individual risk of poor prognosis in patients with CHF with LVEF > 40%.

Key words: CHFpEF, CHFmrEF, multifactorial prognostic model.

 

Хроническая сердечная недостаточность (ХСН) — синдром, формирующийся в исходе сердечно-сосудистых заболеваний, приводящий к снижению сердечного выброса и/или повышению давления наполнения сердца в покое или при нагрузке и протекающий в условиях дисбаланса нейрогуморальных систем [1].

В последние годы представления о патогенезе ХСН претерпели значительные изменения. Если до 2000-х гг. под термином ХСН понимали исключительно систолическую дисфункцию левого желудочка с характерной клинической картиной застоя по малому и большому кругам кровообращения, то в настоящее время более половины пациентов имеют сохраненную (ХСНсФВ) и умеренно сниженную (ХСНунФВ) фракцию выброса, и количество пациентов с фракцией выброса левого желудочка (ФВ ЛЖ) > 40% неуклонно возрастает примерно на 1% в год [2]. Специалисты связывают данный феномен как с увеличением средней продолжительности жизни населения и усовершенствованием диагностических методик, так и с высокой распространенностью сопутствующих патологий, а именно: гипертонической болезни (ГБ), ишемической болезни сердца (ИБС), ожирения, сахарного диабета 2 типа (СД2), фибрилляции предсердий (ФП), служащих этиологическим факторами развития основного патогенетического звена синдрома — диастолической дисфункции левого желудочка [3]. Несмотря на относительно сохранную функцию левого желудочка, ежегодная смертность пациентов ХСНсФВ остается довольно высокой и колеблется от 1,3 до 17,5% [4, 5], а процент госпитализированных больных превышает таковой у пациентов с систолической ХСН [6–8].

Ряд факторов риска, включающих возраст, наличие ожирения, высокую коморбидность, развитие внебольничной пневмонии, высокие уровни кардиобиомаркеров ХСН, из которых наиболее часто используемым является семейство натрийуретических пептидов — BNP (brain natriuretic peptide) и NT-proBNP (N-terminal pro-brain natriuretic peptide), повышают шансы неблагоприятного исхода у пациентов с ХСН. В связи с этим значимым является поиск клинических и лабораторно-инструментальных показателей, которые с высокой вероятностью могли бы прогнозировать неблагоприятный исход у пациентов с ХСНсФВ и ХСНунФВ, что и определило цель нашего исследования: разработка способа прогнозирования неблагоприятного исхода пациентов с ХСНсФВ и ХСНунФВ на основе комплексной оценки рутинных клинических и лабораторно-инструментальных показателей.

Материал и методы

В одноцентровое проспективное наблюдательное исследование включены 178 пациентов (99 женщин и 79 мужчин) в возрасте 76 [65; 82] лет, госпитализированных с явлениями ХСН II–IV функционального класса (ФК) в терапевтическую клинику УКБ № 4 с декабря 2018 г. по декабрь 2019 г. Критериями включения явились возраст старше 18 лет, диагноз ХСН, установленный на основании клинико-анамнестических данных не менее 6 месяцев назад, уровень NT-proBNP > 125 пг/мл, и ФВ ЛЖ > 40% по данным эхокардиографического исследования (ЭхоКГ). Критериями исключения стали отказ пациента от участия в исследовании, наличие таких тяжелых сопутствующих заболеваний, как злокачественные новообразования, острые и тяжелые хронические заболевания почек (со снижением скорости клубочковой фильтрации (СКФ_CKD-EPI) < 15 мл/мин/1,73 м²) и печени, анемия тяжелой степени, сахарный диабет 1 типа.

Дизайн и форма информированного согласия были одобрены локальным этическим комитетом Сеченовского университета и соответствовали положениям Хельсинкской декларации. При поступлении в стационар всеми пациентами было подписано информированное согласие на участие в исследовании.

Всем пациентам проведено стандартное физикальное, лабораторное и инструментальное обследование в соответствии с действующими клиническими рекомендациями по диагностике и лечению ХСН, в том числе количественное определение уровней NT-proBNP методом иммуноферментного анализа [1].

Проспективный этап исследования продолжался 12 месяцев и включал оценку динамического статуса пациента путем повторной госпитализации или телефонного контакта с пациентом или его родственниками. В качестве конечной точки рассматривалась смерть от всех причин. В связи с отсутствием достоверной информации о статусе 38 пациентов, включенных в исследование, в дальнейшем проводился анализ данных 135 больных с ХСНсФВ и ХСНунФВ.

Статистическая обработка результатов проводилась в программах Statistica 12.0 и Jamovi 2.3.28. Первым этапом разработки прогностической модели было применение сравнительного статистического анализа, по результатам которого в дальнейший анализ включались только те показатели, уровень статистической значимости которых составил p < 0,05. Следующим этапом разработки прогностической модели было применение алгоритма машинного обучения (МО) «Случайный лес» с целью ранжирования оставшихся переменных по степени вклада в развитие в изучаемый исход. С отобранными предикторами проведен однофакторный и многофакторный регрессионный анализ с оценкой отношения шансов (ОШ), 95% доверительного интервала (95% ДИ), а также рассчитан уровень статистической значимости (р), значения которого < 0,05 считались статистически значимыми. Заключительным этапом разработки прогностической модели было построение многофакторной модели логистической регрессии, в которую включались переменные, показавшие наиболее значимый вклад в развитие изучаемого исхода по данным применения алгоритма МО. Оптимальный порог классификации определен с помощью показателя индекса Юдена. Для оценки эффективности разработанной модели применен ROC-анализ с расчетом площади под кривой (AUC), чувствительности, специфичности и диагностической эффективности. Значимым считали AUC > 0,7.

Результаты

Пациенты ХСН с ФВ ЛЖ > 50% представляли собой пожилых людей, имеющих в качестве основных этиологических факторов ХСН ИБС, в том числе в виде постинфарктного кардиосклероза (ПИКС), как правило в сочетании с ГБ. Наиболее частыми коморбидными заболеваниями в обследуемой когорте явились ФП, СД2, внебольничная пневмония (табл. 1).

Таблица 1. Клиническая характеристика больных

Table 1. Clinical characteristics of patients

Параметр	Все пациенты n = 135	Пациенты ХСНсФВ n = 85	Пациенты ХСНунФВ n = 50	р *
Возраст, лет, M±ϭ	76 ± 13	78 ± 12,6	75,5 ± 14,3	0,2
Пол м/ж (%)	59/76 (44/56%)	28/57 (33/67%)	31/19 (62/38%)	< 0,001
Стадии ХСН по Н.Д. Стражеско — В.Х. Василенко
I ст., n (%) IIА ст., n (%) IIБ ст., n (%) III ст., n (%)	11 (8,1%) 48 (35,5%) 68 (50,4%) 8 (5,9%)	7 (8,2%) 38 (44,7%) 37 (43,5%) 3 (3,5%)	4 (8,0%) 10 (20%) 31 (62%) 5 (10%)	0,09
ФК по NYHA
II ФК, n (%) III ФК, n (%) IV ФК, n (%)	33 (24,3%) 83 (61,5%) 19 (14,1%)	26 (30,6%) 50 (58,7%) 9 (10,6%)	7 (14%) 33 (66%) 10 (20%)	0,037
ИМТ, кг/м2	30,8 [26,1; 36,7]	32,2 [27,3;37]	29,4 [25,8;36,3]	0,01
ГБ, n (%)	130 (96,3%)	84 (98,8%)	46 (92%)	0,11
ИБС, n (%)	88 (65,2%)	54 (63,5%)	34 (68%)	0,05
ПИКС, n (%)	48 (43%)	32 (37,6%)	26 (52%)	< 0,001
ФП, n (%)	71 (51,8%)	38 (44,7%)	33 (66%)	0,014
СД 2, n (%)	38 (28,1%)	21 (24,7%)	17 (34%)	0,50
ХОБЛ, n (%)	30 (22,2%)	16 (18,8%)	14 (28%)	0,16
Бронхиальная астма, n (%)	9 (6,7%)	6 (7,1%)	3 (6%)	0,78
СКФCKD-EPI < 60 мл/мин/1,73 м2, n (%)	93 (68,8%)	58 (68%%)	35 (70%%)	0,58
Пневмония, n (%)	53 (39,2%)	26 (30,6%)	27 (54%)	0,018

Примечание: * — при сравнении групп ХСНсфВ и ХСНунФВ. ХОБЛ — хроническая обструктивная болезнь легких.

Note: * — CHFpEF and CHFmrEF groups compared. ХОБЛ — chronic obstructive pulmonary disease.

Несмотря на принадлежность пациентов к фенотипу ХСН с ФВ ЛЖ > 40%, более чем в 50% случаев у них отмечались выраженные клинические проявления ХСН в виде IIБ и III стадии по Н.Д. Стражеско — В.Х Василенко и III–IV ФК NYHA у 75%, более выраженные в группе ХСНунФВ.

Среди больных ХСНсФВ преобладали женщины, имеющие более выраженный избыток массы тела, однако различий по частоте встречаемости СД2 в группах не было. Также отсутствовали отличия по распространенности бронхообструктивных заболеваний и хронической болезни почек, оцениваемой на основании снижения СКФ_CKD—EPI < 60 мл/мин/1,73 м². Пациенты с ХСНунФВ отличались большей частотой перенесенных инфарктов миокарда, а также большей распространенностью ФП и клинико-инструментальных признаков внебольничной пневмонии на момент госпитализации.

Сравнительный анализ эхокардиографических характеристик пациентов выявил значимые отклонения большинства линейных и объемных показателей систолической и диастолической функции миокарда от нормативных значений (табл. 2).

Таблица 2. ЭхоКГ характеристики пациентов ХСНсФВ и ХСНунФВ

Table 2. EchoCG characteristics of patients with CHFpEF and CHFmrEF

Параметр	Норма	ХСНсФВ, n = 85	ХСНпФВ, n = 50	p
Объем ЛП, мл	18–58	71,5 [62,5; 89]	89 [71; 100]	0,02
ИММЛЖ, г/м2	Ж: 43–95; М: 49–115	91,7 [76;1 13]	99,7[90; 109,7]	0,36
КДО ЛЖ, мл	Ж: 59–138; М: 67–157	100,5 [88,5; 112,5]	109 [92; 164]	0,03
КСО ЛЖ, мл	Ж: 19–49; М: 22–58	40 [34; 43]	53 [43; 96]	0,0009
ФВ ЛЖ, %	> 50	59 [54; 62]	44 [42; 47]	< 0,001
Площадь ПП, см2	< 15	17 [14; 20]	21 [18,5; 23,5]	0,0017
ФВ ПЖ, %	32–60	67 [60; 67]	58,5 [57; 67]	0,02
СДЛА, мм рт. ст.	< 30	24 [19;39,5]	45 [31; 62]	< 0,001
Диаметр НПВ, мм	< 17	19,5 [18,5; 20]	21 [20; 25,5]	0,001

Примечание: * — при сравнении групп ХСНсфВ и ХСНунФВ. ИММЛЖ — индекс массы миокарда левого желудочка, КДО — конечный диастолический объем, КСО — конечный систолический объем, ЛП — левое предсердие, НПВ — нижняя полая вена, ПП — правое предсердие, СДЛА — систолическое давление в легочной артерии.

Note: * — CHFpEF and CHFmrEF groups compared. ИММЛЖ — left ventricular myocardial mass index, КДО — end-diastolic volume, КСО — end-systolic volume, ЛП — left atrium, НПВ — inferior vena cava, ПП — right atrium, СДЛА — pulmonary artery systolic pressure.

У больных ХСНунФВ отмечены признаки более тяжелого ремоделирования камер сердца в виде значимо более низких значений ФВ не только левого, но и правого желудочков, а также больших размеров всех камер сердца и значимо более выраженных признаков легочной гипертензии.

Данные рутинных лабораторных исследований у пациентов обеих групп в целом находились в референсных интервалах и не имели значимых различий. Характерным являлось недостижение целевых уровней липопротеинов низкой плотности (ЛПНП) у больных с ХСН преимущественно ишемической этиологии (табл. 3).

Таблица 3. Данные лабораторных исследований пациентов ХСНсФВ и ХСНунФВ

Table 3. Laboratory research data of patients with CHFpEF and CHFmrEF

Показатель	ХСНсФВ	ХСНунФВ	р
Гемоглобин, г/л	138 [127; 146]	137[120; 146]	0,14
Креатинин, мкмоль/л	100,4 [88,2; 117]	111 [95,5; 135,6]	0,002
СКФ, мл/мин/1,73м2	53 [41; 62]	48 [38; 64]	0,37
ЛПНП, ммоль/л	2,7 [2,21; 3,76]	2,55 [1,86; 3,22]	0,29
ЛПОНП, ммоль/л	0,65 [0,43; 0,97]	0,49 [0,4; 0,71]	0,14
Общий билирубин, мкмоль/л	12,4 [9,2; 16,9]	15,2 [10,8; 24,3]	0,003
Альбумин, г/л	42,2 [37,5; 43,4]	38,2 [33,7; 41,9]	0,03
Глюкоза, ммоль/л	5,9 [5,3; 6,9]	6,1 [5,6; 7,6]	0,3
NT-proBNP, пг/мл	445,8 [214,63; 945,7]	680 [289,8; 1900,6]	0,001

Примечание: ЛПНП — липопротеины низкой плотности, ЛПОНП — липопротеины очень низкой плотности.

Note: ЛПНП — low-density lipoproteins, ЛПОНП — very low density lipoproteins.

Обращали на себя внимание значимо более высокие уровни NT-proBNP у больных ХСНунФВ, по сравнению с ХСНсФВ (p = 0,001).

Проспективный этап исследования показал, что годичная выживаемость пациентов ХСНсФВ составила 90%, а ХСНунФВ — 73% (р = 0,001), что не отличалось от пациентов с ХСН с низкой фракцией выброса < 40% (ХСНнФВ) (рис. 1).

Рисунок 1. Кривые выживаемости Каплана-Майера пациентов ХСН c разной степенью систолической дисфункции (для оценки различий использовался logranktest). * при сравнении с группой ХСНсФВ

Figure 1. Kaplan-Meier survival curves of CHF patients with different degrees of systolic dysfunction (logranktest was used to assess differences). * compared with group CHFpEF

В ходе применения алгоритма МО «Случайный лес» были отобраны предикторы развития летального исхода, которые были включены в однофакторный и многофакторный регрессионный анализ (табл. 4).

Таблица 4. Результаты одно- и многофакторного регрессионного анализа

Table 4. Results of single and multivariate regression analysis

Предиктор	Однофакторный регрессионный анализ			Многофакторный регрессионный анализ
	ОШ	95% ДИ	p-value	ОШ	95% ДИ	p-value
ЛПНП, ммоль/л	0,488	0,283–0,843	0,01	–	–	–
ПИКС в анамнезе	2,188	0,937–5,108	0,05	3,458	1,03911–11,507	0,043
САД, мм рт. ст.	0,973	0,952–0,995	0,016	–	–	–
NT-proBNP, пг/мл	1,001	1,0003–1,001	0,003	1,0009	1,00029–1,002	0,002
Пневмония в анамнезе	3,818	1,5887–9,176	0,003	7,198	2,0740–24,981	0,004
ФВ ЛЖ, %	0,936	0,885–0,989	0,019	–	–	–
Мочевина, ммоль/л	1,1926	1,0694–1,330	0,002	–	–	–
СДЛА, мм рт. ст.	1,027	1,0016–1,053	0,037	–	–	–
ФК по NYHA	2,2535	1,07855–4,708	0,031	–	–	–
ФП в анамнезе	3,437	1,3442–8,790	0,01	–	–	–

При проведении многофакторного регрессионного анализа статистически значимыми предикторами развития летального исхода явились ПИКС, уровень NT-proBNP, а также наличие внебольничной пневмонии на момент включения в исследование. Наблюдаемая закономерность описывалась следующим уравнением логистической регрессии:

p = 1/(1+e^—z) x 100%

z = -3,69 + 1,24 * X_ОИМ +9,44е^-4 * X_NT—proBNP+ 1,97*X_{пневмония,}

где p – вероятность летального исхода, %

X_ОИМ = 1 при наличии инфаркта миокарда в анамнезе, = 0 при его отсутствии

X_NT—proBNP– концентрация NT-proBNP, пг/мл

X_{пневмония} = 1 — наличие пневмонии на момент включения в исследование, = 0 — ее отсутствие.

Пороговое значение логистической функции p составило 0,2, таким образом, при p ≥ 20% прогнозировалась высокая вероятность летального исхода.

Для оценки чувствительности и специфичности разработанной модели проведен ROC-анализ (рис. 2).

Рисунок 2. Результат ROC-анализа для разработанной многофакторной модели логистической регрессии. AUC разработанной модели = 0,863. Чувствительность модели составила 81%, специфичность — 76,8%, диагностическая эффективность — 77,8%, что соответствует высокому качеству модели

Figure 2. ROC analysis result for the multivariate logistic regression model. AUC of the developed model = 0.863. The model sensitivity was 81%, specificity — 76.8%, and diagnostic efficiency — 77.8%, which corresponds to the high quality of the model

Обсуждение

Исходя из того, что все больший пул больных ХСН представляют пациенты с сохраненной и промежуточной ФВ ЛЖ, разработка для них прогностических моделей неблагоприятного исхода, в том числе летального, является актуальной задачей. Использование общедоступных клинических и лабораторно-инструментальных показателей позволит в короткие сроки и без дополнительных затрат оценить риски для более активного введения и наблюдения за больными.

По результатам различных исследований, предикторами неблагоприятного прогноза у больных ХСНсФВ и ХСНунФВ являются пожилой возраст, мужской пол, сопутствующая коморбидная патология в виде хронической болезни почек, анемии, заболеваний легких, злокачественных новообразований и пр. Свой вклад вносят также декомпенсация этиологических факторов ХСН (СД, ФП, ГБ), более тяжелое течение ХСН (III–IV ФК по NYHA) и связанные с этим повторные госпитализации, а также высокий уровень NT-proBNP [7, 9]. Эти данные частично воспроизводятся и в нашем исследовании.

В ходе исследования выявлено дополнительное влияние таких параметров, как ЛПНП и мочевина плазмы крови. Высокие (нецелевые) значения ЛПНП у пациентов с ХСН преимущественно ишемической этиологии могут рассматриваться как фактор, реализующийся за счет прогрессирующего течения ИБС. Повышенный уровень мочевины плазмы может рассматриваться как отражение ренальной дисфункции, наряду со снижением СКФ.

Отдельно следует остановится на использовании в качестве одной из переменных в формуле прогностической модели такого параметра, как наличие или отсутствие внебольничной пневмонии на момент включения в исследование. По данным Всероссийского регистра ОРАКУЛ–РФ, внебольничная пневмония, наблюдаемая более чем у 40% пациентов, госпитализированных по поводу декомпенсации ХСН, значительно ухудшает прогноз больных [10, 11]. Однако до настоящего времени пневмония как инфекционное заболевание не только не учитывалась в разработке прогностических моделей, а была скорее критерием исключения из исследований, посвященных ХСН.

Наиболее известными моделями оценки выживаемости больных с ХСН являются шкала MAGGIC (The Meta-Analysis Global Group in Chronic Heart Failure), Сиэттлская модель сердечной недостаточности (Seattle Heart Failure Model — SHFM) [12, 13]. Данные алгоритмы основаны на применении рутинных клинических и лабораторно-инструментальных методов для прогнозирования исхода в течение 1–3 лет, однако недостатками их является валидизация в отношении пациентов ХСН преимущественно с низкой ФВ ЛЖ и отсутствие в формулах такого важного параметра диагностики ХСН, как NT-proBNP [14].

Более современный алгоритм прогнозирования смерти и повторных госпитализаций PREDICT-HF (Prospective comparison of ARNI with ACEI to Determine Impact on Global Mortality and morbidity in Heart Failure) включает в себя ряд разнообразных параметров, таких как пол, раса / этническая принадлежность, регион проживания, длительность симптомов ХСН, ФК NYHA, ФВ ЛЖ, СД, ПИКС, заболевания периферических артерий, уровень NT-proBNP, терапию β-блокаторами и валсартан / сакубитрилом [15].

В отечественной литературе также имеются сведения о разработке прогностических моделей для оценки летального исхода и госпитализации у пациентов с ХСН. Ситниковой М.Ю. и соавт. (2010 г.) была разработана модель выживаемости Нева-75, основанная на использовании возраста и уровня NT-proBNP для прогноза выживаемости пациентов в течение 2,5 лет [16]. К предикторам выживаемости второго плана были отнесены ФВ ЛЖ, стадия ХСН, индекс массы тела, скорость оседания эритроцитов, показатели качества жизни по данным Миннесотского опросника. Примечательно, что среднее значение ФВ ЛЖ у пациентов, включенных в исследование, составило 55 ± 10%, что соответствовало ХСНсФВ, а процент больных с низкой ФВ ЛЖ не превышал 10% [16]. В нашем исследовании возраст не имел статистической значимости для включения в прогностическую модель.

В исследовании Полуниной Е.А. и соавт. (2019 г.) были разработаны прогностические модели для различных клинических фенотипов пациентов с ХСНсФВ и ХСНунФВ, однако значительным недостатком применения данных моделей является включение в них труднодоступных и дорогостоящих биомаркеров [17]. Разработанная нами модель включает простые клинико-лабораторные параметры и может широко использоваться в повседневной клинической практике.

Выводы

Независимыми значимыми факторами риска неблагоприятного прогноза у больных ХСНсФВ и ХСНунФВ являются ПИКС и пневмония, а также уровень NT-proBNP. Разработанный алгоритм представляет собой простой механизм оценки индивидуального риска неблагоприятного прогноза у больных ХСН с ФВ ЛЖ > 40%.

Драгомирецкая Н.А.

https://orcid.org/0000-0002-6531-6255

Толмачева А.В.

https://orcid.org/0000-0001-6319-4162

Ветлужская М.В.

https://orcid.org/0000-0001-9733-4813

Абрамова А.А.

https://orcid.org/0000-0002-3311-6072

Медведев И.Д.

https://orcid.org/0000-0003-4210-2841

Беляков А.В.

https://orcid.org/0000-0003-3071-4349

Косарева А.Д.

0009-0009-7957-742Х

 Литература

1. Хроническая сердечная недостаточность. Клинические рекомендации 2020 // Российский кардиологический журнал. — 2020. — Т. 25, № 11. — С. 4083. DOI: 10.15829/1560-4071-2020-4083
2. Поляков Д.С., Фомин И.В., Беленков Ю.Н. и др. Хроническая сердечная недостаточность в Российской Федерации: что изменилось за 20 лет наблюдения? Результаты исследования ЭПОХА–ХСН // Кардиология. — 2021. — Т. 61, № 4. — С. 4–14.
3. Murray C.J.L. The Global Burden of Disease Study at 30 years // Nat. Med. — 2022. — Vol. 28 (10). — P. 2019–2026. DOI: 10.1038/s41591-022-01990-1
4. Гаврюшина С.В., Агеев Ф.Т. Сердечная недостаточность с сохраненной фракцией выброса левого желудочка: эпидемиология, «портрет» больного, клиника, диагностика // Кардиология. — 2018. — Т. 58, № 4S. — С. 55–64. DOI: 10.18087/cardio.2467
5. Шляхтина Н.В., Антоненок Е.А., Галанцев А.О. Клинико-патогенетические особенности хронической сердечной недостаточности с промежуточной фракцией выброса // Сибирский журнал клинической и экспериментальной медицины. — 2021. — Т. 36, № 3. — С. 45–50. DOI.: 10.29001/2073-8552-2021-36-3-45-50
6. Chioncel O., Lainscak M., Seferovic P.M. et al. Epidemiology and one-year outcomes in patients with chronic heart failure and preserved, mid-range and reduced ejection fraction: an analysis of the ESC Heart Failure Long-Term Registry // Eur. J. Heart Fail. — 2017. — Vol. 19 (12). — P. 1574–1585. DOI: 10.1002/ejhf.813
7. Tribouilloy C., Rusinaru D., Mahjoub H. et al. Prognosis of heart failure with preserved ejection fraction: a 5-year prospective population-based study // Eur. Heart J. — 2008. — Vol. 29 (3). — P. 339–347. DOI: 10.1093/eurheartj/ehm554
8. Wilcox J.E., Fang J.C., Margulies K.B. et al. Heart failure with recovered left ventricular ejection fraction: JACC scientific expert panel // J. Am. Coll. Cardiol. — 2020. — Vol. 76 (6). — P. 719–734. DOI: 10.1016/j.jacc.2020.05.075
9. Lam C.S., Donal E., Kraigher-Krainer E., Vasan R.S. Epidemiology and clinical course of heart failure with preserved ejection fraction // Eur. J. Heart Fail. — 2011. — Vol. 13 (1). — P. 18–28. DOI: 10.1093/eurjhf/hfq121
10. Арутюнов Г.П., Рылова А.К., Пашкевич Д.Д. и др. Первое открытое исследование синдрома острой декомпенсации сердечной недостаточности и сопутствующих заболеваний в Российской Федерации. Независимый регистр ОРАКУЛ–РФ // Кардиология. — 2015. — Т. 55, № 5. — С. 12–21.
11. Чучалин А.Г., Арутюнов Г.П., Синопальников А.И. и др. Согласованная позиция экспертов по лечению пневмонии у пациентов с декомпенсацией кровообращения // Журнал Сердечная недостаточность. — 2016. — Т. 17, № 3. — С. 212–228.
12. Pocock S.J., Ariti C.A., McMurray J.J. et al.; Meta-analysis global group in chronic heart failure. Predicting survival in heart failure: a risk score based on 39 372 patients from 30 studies // Eur. Heart J. — 2013. — Vol. 34 (19). — P. 1404–1413. DOI: 10.1093/eurheartj/ehs337
13. Levy W.C., Mozaffarian D., Linker D.T. et al. The Seattle Heart Failure Model: prediction of survival in heart failure // Circulation. — 2006. — Vol. 113 (11). — P. 1424–1433. DOI: 10.1161/CIRCULATIONAHA.105.584102
14. Подзолков В.И., Драгомирецкая Н.А., Толмачева А.В. и др. Прогностическая значимость биомаркеров NT-proBNP и sST2 у пациентов с хронической сердечной недостаточностью с сохраненной и умеренно сниженной фракцией выброса левого желудочка // Рациональная фармакотерапия в кардиологии. — 2023. — Т. 19, № 4. — С. 310–319. DOI: 10.20996/10.20996/1819-6446-2023-2919
15. Simpson J., Jhund P.S., Lund L.H. et.al. Prognostic Models Derived in PARADIGM-HF and Validated in ATMOSPHERE and the Swedish Heart Failure Registry to Predict Mortality and Morbidity in Chronic Heart Failure // JAMA Cardiol. — 2020. — Vol. 5 (4). — P. 432–441. DOI: 10.1001/jamacardio.2019.5850
16. Ситникова М.Ю., Лелявина Т.А., Шляхто Е.В., Дорофейков В.В. Прогностическое значение маркеров тяжести хронической сердечной недостаточности и стратификация риска неблагоприятного исхода у пациентов 75 лет и старше с помощью МНП-возрастной модели выживаемости (Нева-75) // Российский кардиологический журнал. — 2010. — № 5. — С. 23–29.
17. Полунина Е.А., Воронина Л.П., Попов Е.А. и др. Прогностические алгоритмы прогрессирования хронической сердечной недостаточности в зависимости от клинического фенотипа // Кардиоваскулярная терапия и профилактика. — 2019. —Т. 18, № 3. — С. 41–47.

REFERENCES

1. Chronic heart failure. Clinical recommendations 2020. Rossiyskiy kardiologicheskiy zhurnal, 2020, vol. 25, no. 11, p. 4083 (in Russ.). DOI: 10.15829/1560-4071-2020-4083
2. Polyakov D.S., Fomin I.V., Belenkov Yu.N. et al. Chronic heart failure in the Russian Federation: what has changed over 20 years of observation? Results of the study of the HSN. Kardiologiya, 2021, vol. 61, no. 4, pp. 4–14 (in Russ.).
3. Murray C.J.L. The Global Burden of Disease Study at 30 years. Nat. Med, 2022, vol. 28 (10), pp. 2019–2026. DOI: 10.1038/s41591-022-01990-1
4. Gavryushina S.V., Ageev F.T. Heart failure with a preserved fraction of the release of the left ventricle: epidemiology, “portrait” of the patient, clinic, diagnosis. Kardiologiya, 2018, vol. 58, no. 4S, pp. 55–64 (in Russ.). DOI: 10.18087/cardio.2467
5. Shlyakhtina N.V., Antonenok E.A., Galantsev A.O. Clinical-pathogenetic features of chronic heart failure with an intermediate emission fraction. Sibirskiy zhurnal klinicheskoy i eksperimental’noy meditsiny, 2021, vol. 36, no. 3, pp. 45–50 (in Russ.). DOI.: 10.29001/2073-8552-2021-36-3-45-50
6. Chioncel O., Lainscak M., Seferovic P.M. et al. Epidemiology and one-year outcomes in patients with chronic heart failure and preserved, mid-range and reduced ejection fraction: an analysis of the ESC Heart Failure Long-Term Registry. Eur. J. Heart Fail, 2017, vol. 19 (12), pp. 1574–1585. DOI: 10.1002/ejhf.813
7. Tribouilloy C., Rusinaru D., Mahjoub H. et al. Prognosis of heart failure with preserved ejection fraction: a 5-year prospective population-based study. Eur. Heart J, 2008, vol. 29 (3), pp. 339–347. DOI: 10.1093/eurheartj/ehm554
8. Wilcox J.E., Fang J.C., Margulies K.B. et al. Heart failure with recovered left ventricular ejection fraction: JACC scientific expert panel. J. Am. Coll. Cardiol, 2020, vol. 76 (6), pp. 719–734. DOI: 10.1016/j.jacc.2020.05.075
9. Lam C.S., Donal E., Kraigher-Krainer E., Vasan R.S. Epidemiology and clinical course of heart failure with preserved ejection fraction. Eur. J. Heart Fail, 2011, vol. 13 (1), pp. 18–28. DOI: 10.1093/eurjhf/hfq121
10. Arutyunov G.P., Rylova A.K., Pashkevich D.D. et al. The first open study of the syndrome of acute decompensation of heart failure and concomitant diseases in the Russian Federation. Independent Oracle-RF register. Kardiologiya, 2015, vol. 55, no. 5, pp. 12–21 (in Russ.).
11. Chuchalin A.G., Arutyunov G.P., Sinopal’nikov A.I. et al. The coordinated position of experts on the treatment of pneumonia in patients with blood circulation decompensation. Zhurnal Serdechnaya nedostatochnost’, 2016, vol. 17, no. 3, pp. 212–228 (in Russ.).
12. Pocock S.J., Ariti C.A., McMurray J.J. et al. Meta-analysis global group in chronic heart failure. Predicting survival in heart failure: a risk score based on 39 372 patients from 30 studies. Eur. Heart J, 2013, vol. 34 (19), pp. 1404–1413. DOI: 10.1093/eurheartj/ehs337
13. Levy W.C., Mozaffarian D., Linker D.T. et al. The Seattle Heart Failure Model: prediction of survival in heart failure. Circulation, 2006, vol. 113 (11), pp. 1424–1433. DOI: 10.1161/CIRCULATIONAHA.105.584102
14. Podzolkov V.I., Dragomiretskaya N.A., Tolmacheva A.V. et al. The prognostic significance of the NT-PROBNP and SST2 biomarkers in patients with chronic heart failure with a preserved and moderately reduced fraction of the left ventricle. Ratsional’naya farmakoterapiya v kardiologii, 2023, vol. 19, no. 4, pp. 310–319 (in Russ.). DOI: 10.20996/10.20996/1819-6446-2023-2919
15. Simpson J., Jhund P.S., Lund L.H. et.al. Prognostic Models Derived in PARADIGM-HF and Validated in ATMOSPHERE and the Swedish Heart Failure Registry to Predict Mortality and Morbidity in Chronic Heart Failure. JAMA Cardiol, 2020, vol. 5 (4), pp. 432–441. DOI: 10.1001/jamacardio.2019.5850
16. Sitnikova M.Yu., Lelyavina T.A., Shlyakhto E.V., Dorofeykov V.V. he prognostic value of the severity markers of chronic heart failure and stratification of the risk of adverse outcome in patients of 75 years and older with the help of an MNP-aging model of survival (Neva-75). Rossiyskiy kardiologicheskiy zhurnal, 2010, no. 5, pp. 23–29 (in Russ.).
17. Polunina E.A., Voronina L.P., Popov E.A. et al. Prognostic algorithms for the progression of chronic heart failure, depending on the clinical phenotype. Kardiovaskulyarnaya terapiya i profilaktika, 2019, vol. 18, no. 3, pp. 41–47 (in Russ.).