Зубов Сергей Александрович - к. э. н., доцент, старший научный сотрудник лаборатории Мультидисциплинарных клинических исследований отдела Медицинской физики и лучевых технологий Управления радиационной медицины
Москва
Sergey A. Zubov - Cand. Sci. (Econ.), Associate Professor, Senior Researcher, Laboratory of Multidisciplinary Clinical Research, Department of Medical Physics and Radiation Technologies, Department of Radiation Medicine
Moscow
Тихонова Ольга Александровна - к. м. н., зав. лабораторией Мультидисциплинарных клинических исследований клинического отдела Медицинской физики и лучевых технологий Управления радиационной медицины
Москва
Olga A. Tikhonova - Cand. Sci. (Med.), Head of the Laboratory of Multidisciplinary Clinical Research, Clinical Department of Medical Physics and Radiation Technologies, Department of Radiation Medicine
Moscow
Актуальность. Дискриминантный анализ (от латинского discriminatio — различение) позволяет классифицировать объекты по пороговому значению (константе дискриминации). В статье представлен клинический пример прогнозирования точности системы переменных-предикторов с помощью модели анализа дискриминантной функции.Цель. Обосновать целесообразность использования дискриминантного анализа в качестве статистического инструмента для мониторинга здоровья и экспертизы трудоспособности работников радиационно-опасных производств.Материалы и методы. В выборке 232 человек с верифицированным токсическим пылевым бронхитом и бериллиозом методом линейного дискриминантного анализа изучали предикторы: уровень фибриногена, форсированная жизненная ёмкость лёгких, уровень лактатдегидрогеназы, время прохождения электрического импульса от синусового узла до желудочков на электрокардиограмме (интервал PQ). У 124 пациентов значения предикторов выходили за пределы референсных значений (группа «больные»), у 108 человек результаты лабораторно-инструментальных исследований были нормальными (группа «небольные»). Дополнительно для проверки рабочей гипотезы рассмотрены 23 клинических случая без уточненной категории (N=23): «патология»/«норма». Чтобы определить принадлежность нового пациента к той или иной группе, по формуле Vnew = New × V рассчитывали значения дискриминантных функций для новых объектов (пациентов) используя входные данные (результаты тестов) с помощью вектора оценок дискриминации. Полученный результат сравнивали с константой.Результаты. Константа дискриминации, полученная в результате расчётов, позволила отнести тестируемых лиц (N=23) к категориям «больные» или «норма» с точностью 91,3 %.Выводы. Анализ дискриминантной функции целесообразно использовать в здравоохранении и клинической практике для решения задач в чётко определённых группах с заранее выбранными параметрами. Оправдано его применение и в комбинации с другими статистическими методами, поскольку он позволяет эффективно классифицировать диагнозы пациентов. Ограничением метода является нормальность распределения анализируемой выборки, сложность интерпретации результата в выбранной модели при работе с новыми данными.
Relevance. Discriminant analysis (from the Latin discriminatio — “distinction”) allows objects to be classified according to a threshold value (the discrimination constant). The article presents a clinical example of predicting the accuracy of a system of predictor variables using a discriminant function analysis model.Objective. To substantiate the feasibility of using discriminant analysis as a statistical tool for monitoring health and assessing work capacity among workers in radiation-hazardous industries.Materials and methods. In a sample of 232 individuals with verified toxic dust bronchitis and berylliosis, predictors were studied using linear discriminant analysis: fibrinogen level, forced vital capacity (FVC), lactate dehydrogenase (LDH) level, and the time required for an electrical impulse to travel from the sinoatrial node to the ventricles on the electrocardiogram (PQ interval). In 124 patients, the predictor values were outside the reference ranges (the “patients” group); in 108 individuals, the results of laboratory and instrumental tests were within the normal range (the “non-patients” group). Additionally, to test the working hypothesis, 23 clinical cases without a specified category (N=23) were considered: “pathology”/“ normal”. To determine which group a new patient belongs to, the values of the discriminant functions for new objects (patients) were calculated using the formula Vnew = New × V, applying the input data (test results) with the help of the discrimination score vector. The obtained result was compared with the constant.Results. The discrimination constant obtained through calculations enabled the classification of the tested individuals (N=23) into the “patients” or “normal” categories with an accuracy of 91.3 %.Conclusions. It is advisable to use discriminant function analysis in healthcare and clinical practice to address problems in clearly defined groups with pre‑selected parameters. Its application is also justified in combination with other statistical methods, as it allows for the effective classification of patients’ diagnoses. The limitations of the method include the requirement for a normal distribution of the analyzed sample and the complexity of interpreting the results in the selected model when working with new data.
The authors declare that there are no conflicts of interest present.