Однофакторное прогнозирование рисков развития и прогрессирования заболеваний сердечно-сосудистой системы
- Авторы: Дербенева С.А.1, Погожева А.В.1, Шмелева С.В.2, Сабанчиева Ж.Х.3
-
Учреждения:
- Федеральный исследовательский центр питания и биотехнологии
- Московский государственный университет технологий и управления им. К.Г. Разумовского
- Кабардино-Балкарский государственный университет им. Х.М. Бербекова
- Выпуск: Том 31, № 4 (2024)
- Страницы: 48-53
- Раздел: Кардиология
- URL: https://journals.eco-vector.com/2073-4034/article/view/641619
- DOI: https://doi.org/10.18565/pharmateca.2024.4.48-53
- ID: 641619
Цитировать
Полный текст



Аннотация
Обоснование. Профилактика сердечно-сосудистых заболеваний требует своевременного выявления людей с повышенным риском для проведения эффективных диетических мероприятий, мер по изменению образа жизни или медикаментозного лечения.
Цель исследования: изучить клинико-инструментальные и лабораторные показатели как маркеры развития и прогрессирова-ния заболеваний сердечно-сосудистой системы (ССС).
Методы. Оценка фактического питания и физической активности в домашних условиях, антропометрические исследования, оценка композиционного состава тела, исследование энергетического обмена с определением суточной экскреции азота, исследование показателей метаболизма покоя и обмена макронутриентов. Лабораторные исследования включили изучение общего анализа крови, общего анализа мочи, биохимических маркеров липидного, белкового и углеводного обменов, параметров функциональной активности гепатобилиарной системы, свертывающей системы крови, показателей гормонального профиля, электролитного обмена, витаминного статуса, продуктов перекисного окисления липидов и ферментов системы антиоксидантной защиты.
Результаты. У 956 пациентов с заболеваниями ССС выявлены конкретные факторы прогнозирования развития ишемической болезни сердца (ИБС): безболевой ишемии миокарда, постинфарктного кардиосклероза, состояния после оперативного лечения, стенокардии напряжения I функционального класса. Прогнозирование рисков развития того или иного клинического события от конкретных количественных или бинарных показателей метаболического статуса пациентов осуществлялось с помощью критерия Хи-квадрат Пирсона.
Заключение. В одном клиническом случае ИБС ключевыми установлены биомаркеры метаболического статуса, в другом случае – параметры клинического течения атеросклеротической болезни, в третьем и четвертом – их совокупность. Принимая во внимание наличие этих факторов, возможно проводить мероприятия по их адекватной и своевременной коррекции, тем самым предотвращая развитие и прогрессирование данных нозологических форм.
Полный текст

Об авторах
С. А. Дербенева
Федеральный исследовательский центр питания и биотехнологии
Email: 89151479832@mail.ru
ORCID iD: 0000-0003-1876-1230
Россия, Москва
А. В. Погожева
Федеральный исследовательский центр питания и биотехнологии
Email: 89151479832@mail.ru
ORCID iD: 0000-0003-4619-291X
Россия, Москва
Светлана Васильевна Шмелева
Московский государственный университет технологий и управления им. К.Г. Разумовского
Автор, ответственный за переписку.
Email: 89151479832@mail.ru
д.м.н., профессор
Россия, МоскваЖ. Х. Сабанчиева
Кабардино-Балкарский государственный университет им. Х.М. Бербекова
Email: 89151479832@mail.ru
ORCID iD: 0000-0002-9103-0648
Россия, Нальчик
Список литературы
- Eckel R.H., Jakicic J.M., Ard J.D. American College of Cardiology/American Heart Association Practice Guidelines Task Force. 2013 AHA/ACC Guidelines for Lifestyle Management to Reduce Cardiovascular Disease Risk: American College of Cardiology/American Heart Association Practice Guidelines Task Force Report. Circulation. 2014;129(Appendix 2):S76–99. doi: 10.1161/01.CIR.0000437740.48606.d1.
- World Health Organization. Global status report on non-communicable diseases. URL: http://apps.who.int/iris/bitstream/10665/44579/1/9789240686458_eng. pdf. (20 June 2018).
- Holt A., Batinica B., Liang J., et al. Development and validation of cardiovascular risk prediction equations in 76 000 people with known cardiovascular disease. Eur J Prev Cardiol. 2024;31(2):218–27. doi: 10.1093/eurjpc/zwad314.
- Goff D.C., Lloyd-Jones D.M., Bennett G., et al. 2013 ACC/AHA Guidelines for Cardiovascular Risk Assessment: A Report from the American College of Cardiology/American Heart Association Practice Guidelines. Circulation. 2014;129:S49–73. doi: 10.1161/01.cir.0000437741.48606.98.
- WHO working group on CVD risk matrix. World Health Organization Cardiovascular Disease Risk Charts: Revised Models for Risk Assessment in 21 Regions of the World. Lancet Glob Health 2019;7:e1332–45. doi: 10.1016/S2214-109X(19)30318-3.
- Hippisley-Cox J., Copeland K., Tigrovoy. Development and validation of QRISK3 risk prediction algorithms for estimating future cardiovascular disease risk: a prospective cohort study. BMJ. 2017;357:J2099. doi: 10.1136/bmj.j2099.
- Helgason H., Eiriksdуttir T., Ulfбrsson M.O., et al. Evaluation of large-scale proteomics for predicting cardiovascular events. JAMA. 2023;330(8):725–35. doi: 10.1001/jama.2023.13258.
- Lazceroni D., Coruzzi P. Risk stratification in secondary prevention of cardiovascular diseases. Minerva Cardioangiol. 2018;66(4):471–76. doi: 10.23736/S0026-4725.18.04648-0.
- Benincasa G., Suades R., Padro T., et al. Bioinformatic platforms for the clinical stratification of the natural history of atherosclerotic cardiovascular diseases. Eur Heart J Cardiovasc Pharmacother. 2023;9(8):758–69. doi: 10.1093/ehjcvp/pvad059.
- Akya R.K., Leonardi-B J., Asselbergs F.V., et al. Prediction of major adverse cardiovascular events for secondary prevention: a protocol for systematic review and meta-analysis of risk prediction models. BMJ Open. 2020;10(7):E034564. doi: 10.1136/bmjopen-2019-034564.
Дополнительные файлы
