Objective: To identify relationships between thrombodynamic values and the severity of the condition in patients with schizophrenia spectrum disorders (SSD) before and after treatment.
Material and methods: The study included 92 patients in an acute state of schizophrenia or schizotypal disorder, aged 16 to 57 years (median age [Q1; Q3] - 25 years). All patients received complex psychopharmacotherapy adequate to their psychopathological state. The PANSS was used to assess the severity of symptoms in patients. The coagulation parameters were determined by the thrombodynamics test, in which the growth of fibrin clots in platelet free plasma are observed from special activator. The patient population was divided into two groups with weak and strong response to treatment. Data analysis included machine learning (ML) techniques: logistic regression, random forests, decision trees, support vector machines with radial basis functions, statistically weighted syndromes, permutation method.
Results: An analysis using permutation method revealed statistically significant different thrombodynamics values between groups of patients with weak and strong responses. There are significant differences between thrombodynamics values: T1D, T2D, T2Tlag and DTlag, and values characterizing the severity of positive symptoms before and after treatment (T1PposTot, T2PposTot), severity of psychopathological symptoms before treatment (T1Ppsy1, T1Ppsy6, T1Ppsy13). All ML techniques showed the relationship between thrombodynamics values and response to treatment. The best statistical significance was for statistically weighted syndromes method.
Conclusion: The combination of the results of different ML techniques at a high level of statistical significance identifies the thrombodynamic predictors of weak effect of treatment of SSD.
Цель исследования: Выявление возможных связей между показателями теста «Тромбодинамики» (ТД) и клиническими показателями тяжести состояния у больных с расстройствами шизофренического спектра до и после лечения.
Материал и методы: В исследование включены 92 пациентки с диагнозом шизофрения или шизотипическое расстройство в стадии обострения в возрасте от 16 до 57 лет (Me возраст [Q1;Q3] — 25 лет), Все пациентки получали комплексную психофармакотерапию, адекватную психопатологической картине состояния. Для оценки степени выраженности тяжести состояния больных применена шкала PANSS. Показатели коагуляции определяли с помощью теста ТД, при котором в плазме, очищенной от тромбоцитов, происходит рост фибринового сгустка от активатора и могут появляться спонтанные сгустки в нижней части кюветы. Популяция выбранных пациенток разделена на две группы со слабым и сильным откликом на лечение. Для выявления статистически значимых различий между группами и связей показателей коагуляции с тяжестью состояния больных был использован метод оптимальных достоверных разбиений (ОДР) признакового пространства с оценкой статистической значимости различий между группами с помощью перестановочного теста и методы машинного обучения (МО): логистическая регрессия, случайные решающие леса, решающие леса с использованием градиентного бустинга, метод опорных векторов с радиальными базисными функциями, статистически взвешенные синдромы (СВС).
Результаты: В результате анализа методом ОДР получены статистически значимые различия некоторых показателей теста ТД между группами больных со слабым и сильным откликами. Статистически значимые различия выявлены по показателям ТД (Т1D, Т2D, Т2Tlag и DTlag), по тяжести заболевания, выраженной суммой баллов позитивных синдромов (Ppos) в начальной и конечной точках лечения (Т1PposTot, Т2PposTot), по отдельным позитивным синдромам в начальной точке лечения (Т1Ppos1, Т1Ppos2, Т1Ppos4, Т1Ppos5), по отдельным психопатологическим синдромам (Ppsy) в начальной точке лечения (Т1Ppsy1, Т1Ppsy6, Т1Ppsy13). Связь между показателями тромбодинамики и откликом на лечение статистически значимо выявляется всеми методами МО. Наилучшая статистическая значимость достигается с использованием метода СВС.
Заключение: Совокупность результатов разных методов на высоком уровне статистической значимости показывает существование связи исхода лечения расстройств шизофренического спектра с показателями тромбодинамики.
Keywords: data science; hypercoagulation with spontaneous clots; machine learning; schizophrenia; schizophrenia spectrum disorders; thrombodynamics.