4 курс / Акушерство и гинекология / Эффективность_преодоления_повторных_неудач_имплантации_у_пациенток

72

На основании полученных статистически значимых клинико-

анамнестических факторов методом бинарной логистической регрессии была разработана математическая модель прогнозирования успешной имплантации в программе ЭКО с ПЭ. Для построения математической модели прогноза успешности имплантации методом пошагового подбора с расчетом скорректированного отношения шансов и после учета других предикторных переменных в модели было отобрано 5 факторов: длительность бесплодия, наличие в анамнезе АМК, миомы матки, ХЭ и ИППП. Наблюдаемая зависимость описывается уравнением:

P = 1 / (1 + e-z) × 100%, где

z = 4,667 - 1,674XММ - 2,506XХЭ - 0,459XДл.бесплодия - 2,254XИППП - 2,362XАМК,

а P – вероятность наступления успешной имплантации с 1 или 2 попытки,

XММ – наличие миомы матки в анамнезе (0 – нет, 1 – есть),

XХЭ – наличие ХЭ в анамнезе (0 – ХЭ нет, 1 – ХЭ есть),

XДл.бесплодия – длительность бесплодия (лет),

XИППП – наличие ИППП в анамнезе (0 – нет, 11– есть),

XАМК – АМК в анамнезе (0 – нет, 1 – есть).

Модель включила 63,1% факторов риска, влияющих на успех имплантации,

как было определено по коэффициенту R2 Найджелкерка. На основании статистического анализа установлено, что шансы успешной имплантации уменьшались при наличии миомы матки в анамнезе в 5,334 раза, при ХЭ — в 12,262

раза, при ИППП — в 9,523 раза, при АМК — в 10,614 раза. При увеличении длительности бесплодия на 1 год шансы успешной имплантации уменьшались в

1,583 раза. Характеристики связи предикторов модели с вероятностью успешной имплантации представлены в Таблице 22.

Рекомендовано к изучению сайтом МедУнивер - https://meduniver.com/

74

Рисунок 21 – График, демонстрирующий зависимость между вероятностью успешной имплантации и выходом логистической функции P, представленный в виде ROC-кривой

ROC-кривая дала площадь 0,918 ± 0,036, с 95% доверительным интервалом

0,847 - 0,989. Модель была признана статистически значимой с величиной p менее

0,001. Оптимальный порог для логистической функции P был определен как 0,356,

при этом успешная имплантация прогнозировалась, когда значение логистической функции P было равно или больше этого значения. Модель продемонстрировала чувствительность и специфичность 80,0% и 80,7%, соответственно (как показано на Рисунке 22). Рассчитанные положительное и отрицательное прогностическое значения также составили 80,6% и 80,1%, соответственно.

Рекомендовано к изучению сайтом МедУнивер - https://meduniver.com/

75

Рисунок 22 — Оценка точности и достоверности модели на основе варьирования пороговых значений в рамках логистической функции P

5.2 Математическая модель прогнозирования успешности имплантации

на основании морфологических и иммуногистохимических предикторов

В результате проведенного ранее сравнительного статистического анализа результатов морфологического и ИГХ исследований в «окне имплантации» (глава

4), были выявлены прогностически значимые маркеры клинической ситуации повторных неудач имплантации: плотность пиноподий (µм−2), MUC1, Erα железы, Erα строма, PR-АВ железы, PR-АВ строма (%), CD4+, CD8+, CD4+/CD8+, CD56+

(клетки).

На основании выделенных статистически значимых маркеров методом бинарной логистической регрессии была разработана математическая модель прогнозирования успешной имплантации в программе ЭКО с ПЭ. Для построения математической модели прогноза успешности имплантации методом пошагового подбора с расчетом скорректированного отношения шансов и после учета других предикторных переменных в модели было отобрано 3 маркера: MUC1, Erα строма,

PR-АВ железы. Наблюдаемая зависимость описывается уравнением:

P = 1 / (1 + e-z) × 100%, где

76

z = 11,857 + 0,119XMUC1 - 0,484XErα строма - 0,497XPR-АВ железы,

а P – вероятность наступления успешной имплантации,

XMUC1– MUC1, %,

XErα строма – Erα строма, % ,

XPR-АВ железы – PR-АВ железы, %

Сгенерированная регрессионная модель оказалась высоко значимой, с p-

значением менее 0,001. Кроме того, коэффициент R2 Найджелкерка указывает на то, что модель объясняет большую часть (87,3%) оцененных маркеров, играющих роль в успехе имплантации. На основании статистического анализа было установлено, что шансы успешной имплантации при увеличении MUC1 на 1%

увеличивались в 1,126 раза, а увеличении Erα стромы на 1% уменьшались в 1,622

раза. При увеличении реакции PR-АВ в железах на 1% шансы уменьшались в 1,644

раза. В Таблице 23 показана корреляция между факторами, используемыми для прогнозирования успешной имплантации, и вероятностью успешного исхода.

Таблица 23 — Характеристики, определяющие связь между предикторами,

используемыми в модели, и вероятностью успешной имплантации

Рекомендовано к изучению сайтом МедУнивер - https://meduniver.com/

78

Рисунок 24 — Оценка точности модели в зависимости от порогового значения логистической функции P, с точки зрения ее способности правильно определять истинно положительные и отрицательные результаты

Рекомендовано к изучению сайтом МедУнивер - https://meduniver.com/

80

Таблица 24 — Общие характеристики и характеристики циклов в обеих группах

Впроцессе исследования было перенесено в общей сложности 68 эмбрионов,

втом числе 35 в группе комплексной терапии и 33 — в контрольной группе. В

большинстве случаев (79,3% и 82%, I и II группа соответственно) в целях исключения осложнений, согласно рекомендациям [5, 13], был осуществлен перенос одного эмбриона. По одной беременности двойней наблюдались в обеих группах: в группе комплексной терапии беременность двойней завершилась самопроизвольным абортом на раннем сроке, а в группе монотерапии своевременными родами. Результаты просуммированы на Рисунке 25.

50

45

40

35

30

25

20

15

10

5

0

Рисунок 25 — Исходы переноса эмбрионов в изучаемой когорте пациенток

Рекомендовано к изучению сайтом МедУнивер - https://meduniver.com/