Прогностическое моделирование неблагоприятных исходов лечения травм коленного сустава у пациентов с сахарным диабетом

Цель исследования. Выявление ключевых факторов риска и создание математической модели для прогнозирования результатов лечения травм коленного сустава у пациентов с сахарным диабетом — цели исследования.

Методы. Для решения поставленной задачи использован комплекс методов, позволяющих учитывать множество факторов, влияющих на риск травматизации колена у пациентов с сахарным диабетом. В их числе — дескриптивная статистика для характеристики выборки (среднее значение, стандартное отклонение, медиана, квартили), корреляционный анализ коэффициентов Спирмена и Пирсона для выявления взаимосвязей между переменными, а также логистическая регрессия и методы машинного обучения (Random Forest и SVM) для построения и оценки прогностических моделей. Такой подход обеспечивает глубокое изучение взаимосвязей между клиническими и функциональными показателями, что позволяет создать точные и надёжные прогностические модели. В результате это способствует улучшению оценки риска и разработки индивидуальных профилактических подходов, а также персонализированных методов терапии, что значительно повышает эффективность лечения.

Результаты. Обнаружена корреляция между уровнем HbA1c и частотой инфекционных осложнений (г = 0,68, р < 0,01). Разработана математическая модель, позволяющая прогнозировать неблагоприятный исход лечения с точностью до 89 % (AUC = 0,89). Прогностическая модель выявила ключевые факторы риска неблагоприятных исходов лечения, включая уровень HbATc, превышающий 7,5 %, ИМТ более 30 кг/m² и возраст старше 60 лет.

Заключение. В данной работе прогностическая модель работает с точностью 86 %, что является хорошим диагностическим показателем и инструментом оценки риска для решения важной задачи медицинского прогнозирования и профилактики осложнений.

1. Determining the Threshold for HbA1c as а Predictor for Adverse Outcomes After Тоtal Joint Arthroplasty: A Multicenter, Retrospective Study / M. Tarabichi, N. Shohat, M. M. Kheir [et al.] // The Journal of Arthroplasty. 2017. Vol. 32, N 9. P. S263-S267.el. https://doi.org/10.1016/j.arth.2017.04.065

2. Бондарь И. А., Шабельникова О. Ю. Особенности клинического течения и частоты осложнений у пациентов с сахарным диабетом 2 типа различных кластеров в Новосибирской области // Проблемы эндокринологии. 2023. Т. 69, № 5. С. 84-92. https://doi.org/10.14341/probl13259.

3. Diabetes and total knee arthroplasty: A nationwide analysis of short-term complications, healthcare utilization and costs / Yaara Berkovich, Ela Cohen Nissan, David Maman, Michael Tobias Hirschmann, Yaniv Yonai, Yaniv Steinfeld, Yaron Berkovich // Knee Surgery, Sports Traumatology, Arthroscopy. 2025. Vol. 33, N9. Р. 3250-3260. https://doi.org/10.1002/ksa.12696.

4. Machine learning prediction models in orthopedic surgery: A systematic review in transparent reporting / О. Q. Groot, P. Т. Ogink, А. Lans [et al.] // Journal of Orthopaedic Research. 2022. Vol. 40, N 2. P. 475—483. https://doi.org/10.1002/jor.25036.

5. A development of machine learning models to preoperatively predict insufficient clinical improvement after total knee arthroplasty / С. Gimm, D.-W. Shin, J. Lee [et al.] // J. Orthop. Surg. Res. 2025. N 20. P. 778. https://doi.org/10.1186/s13018-025-06206-z.

6. Индексы системного воспаления для прогнозирования ранних инфекций после артропластики крупных суставов / Л. В. Любимова, Е. А. Микишанина, Н. С. Николаев, Е. А. Любимов, Е. В. Преображенская // Травматология и ортопедия России. 2025. Т. 31, № 4. С. 41-52. https://doi.org/10.17816/2311-2905-17754.

7. Evaluation of Machine Learning Methods Developed for Prediction оf Diabetes Complications: A Systematic Review / Kuo Ren Tan, Jun Jie Benjamin Seng, Yu Heng Kwan, Ying Jie Chen, Sueziani Binte Zainudin, Dionne Hui Fang Loh, Nan Liu, Lian Leng Low // Journal оf Diabetes Science and Technology. 2021. Vol. 17, N 2. Р. 474-489. https://doi.org/10.1177/19322968211056917.

8. Outcomes of total knee arthroplasty in people with diabetes: An overview of systematic reviews and meta-analysis / В. Vaishya, M. K. Patralekh, А. Misra, А. Vaish // Journal of Orthopaedics. 2025. Vol. 65. P. 336—345. https://doi.org/10.1016/j.jor.2025.06.023.

9. Influence of Diabetes Mellitus on Postoperative Complications After Total Knee Arthroplasty: A Systematic Review and Meta-Analysis / Seok Ho Hong, Seung Cheol Kwon, Jong Hwa Lee, Shinje Moon, Joong Il Kim // Medicina. 2024. Vol. 60, N 11. P. 1757. https://doi.org/10.3390/medicina60111757.

10. What Are the Game Changers in Total Knee Arthroplasty? A Narrative Review of Evidence-Based Interventions That Transform Patient Outcomes / Andrea Baldini, Damiano Ardiri, Lorenzo Benvenuti, Mattia Chirico, Enrico Fiorilli, Alessandro Singlitico, Filippo Leggieri // Journal оf Personalized Medicine. 2025. Vol. 15. N 8. P. 389. https://doi.org/10.3390/jpm15080389.

11. Machine learning prediction models in orthopedic surgery: A systematic review in transparent reporting / О. Q. Groot, Р. Т. Ogink, А. Lans [et al.] // Journal оf Orthopaedic Research. 2022. Vol. 40, N 2. P. 475—483. https://doi.org/10.1002/jor.25036.

12. А development оf machine learning models to preoperatively predict insufficient clinical improvement after total knee arthroplasty / Geunwu Gimm, Byoungjun Jeon, Sung Eun Kim, Byeong Soo Kim, Hyuk-Soo Han, Sungwan Kim // J. Orthop. Surg. Res. 2025. Vol. 20. P. 778. https://doi.org/10.1186/513018-025-06206-z.

13. Бондарь И. А., Шабельникова О. Ю. Риски смертельных исходов при различных клинических фенотипах у больных сахарным диабетом 2 типа в Новосибирской области // Сахарный диабет. 2024. Т. 27, № 6. С. 580—588. https://doi.org/10.14341/DM13195.

14. Медицинская реабилитация после травм нижних конечностей у пациентов с сахарным диабетом: обзор литературы / В. А. Васильева, Л. А. Марченкова, Д. И. Ответчикова, Е. А. Рожкова, А. Д. Фесюн // Вестник восстановительной медицины. 2024. Т. 23, № 3. С. 61—68.