Новый тест для диагностики дистонии

Обложка

Цитировать

Полный текст

Аннотация

Дистония — заболевание, сопровождающееся насильственными движениями, часто наследственное, и возникающее в результате нарушения баланса нейромедиаторов. Пенетрантность дистонии составляет 30 %, что означает, что заболевание проявляется только у 30 % носителей мутации, в то время как остальные носители переносят заболевание в скрытой форме (forms frustes). К настоящему времени открыты лишь несколько генов, мутации в которых вызывают дистонию, однако предполагают существование более 100 таких генов. И до тех пор пока не открыты все гены, обусловливающие заболевание, существует потребность в надежном тесте для диагностики скрытых форм дистонии, что объясняет важность нашего исследования, направленного на разработку такого теста.

Цель — разработать надежный метод диагностики дистонии на основе особенностей обмена биогенных аминов.

Методология. В плазме группы больных дистонией и в контрольной группе методом микроколоночной высокоэффективной жидкостной хроматографии исследовали триптофан и его метаболиты: 5-гидрокситриптофан, серотонин, гидроксииндолуксусную кислоту и метаболиты катехоламинов: тирозин и гомованилиновую кислоту. Для разработки диагностического теста использовали одновременно два альтернативных математических метода, а именно метод классификационных деревьев и метод дискриминантного анализа.

Результаты. При дистонии было обнаружено повышение уровня метаболитов серотонина, что противоречит большинству проведенных ранее исследований. Результаты, полученные при использовании обоих статистических методов, примененных для анализа выявленных нарушений обмена биогенных аминов, показали, что тест для диагностики дистонии на основе определения уровня в плазме 5-гидрокситриптофана обладает чрезвычайно высокими чувствительностью и специфичностью (100 %).

Заключение. В связи с такими высокими характеристиками разработанного нами теста мы рекомендуем внедрить его в научно-практическую деятельность.

Об авторах

Вадим В. Беленький

ГБУЗ Ленинградской области «Гатчинская клиническая межрайонная больница»

Автор, ответственный за переписку.
Email: vadimbele@yahoo.com
ORCID iD: 0000-0001-5268-7033

Детский невролог

Россия, 188300, Ленинградская область, г. Гатчина, ул. Рощинская, д.15 а, корп. 1.

О. В. Леонтьев

ФГБУ «Всероссийский центр экстренной и радиационной медицины им. А.М. Никифорова» МЧС России; ФГБУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России

Email: vadimbele@yahoo.com
Россия, 194044, Санкт-Петербург, ул. Академика Лебедева, 4/2, лит. А, пом. 1Н; 195015, г. Санкт-Петербург, Кирочная ул., 41

О. А. Клиценко

ФГБУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России

Email: vadimbele@yahoo.com
Россия, 195015, г. Санкт-Петербург, Кирочная ул., 41

В. Я. Гельман

ФГБУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России

Email: vadimbele@yahoo.com
Россия, 195015, г. Санкт-Петербург, Кирочная ул., 41

Е. М. Королева

АО «Северо-Западный центр доказательной медицины»

Email: vadimbele@yahoo.com
Россия, Санкт-Петербург

В. И. Головкин

ФГБУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава России

Email: vadimbele@yahoo.com
Россия, 195015, г. Санкт-Петербург, Кирочная ул., 41

Список литературы

  1. Бархатова В.П. Нейротрансмиттеры и экстрапирамидная патология. – М.: Медицина, 1988. – 174 с. [Barchatova VP. Nejrotransmittery i jekstrapiramidnaja patologija. Moscow: Meditsina; 1988. 174 р. (In Russ.)]
  2. Маркова Е.Д., Соломонов А.П., Инсарова Н.Г., и др. Особенности обмена серотонина при некоторых наследственных экстрапирамидных заболеваниях // Журнал невропатологии и психиатрии им. С.С. Корсакова. – 1975. – № 6. – С. 830–833. [Markova ED, Solomonov AP, Insarova NG, et al. Concerning serotonin metabolism in some hereditary extrapyramidal diseases (russian). Zhurnal nevropatologii i psihiatrii im. S.S. Korsakova. 1975;(6):830-833. (In Russ.)]
  3. Assmann B, Kohler M, Hoffmann GF, et al. Selective decrease in central nervous system serotonin turnover in children with dopa — nonresponsive dystonia. Pediatr Res. 2002;52(1):91-94. https://doi.org/ 10.1203/00006450-200207000-00017.
  4. Hornykiewicz O, Kish SJ, Becker LE, et al. Brain neurotransmitters in dystonia musculorum deformans. N Engl J Med. 1986;315(6):347-353. https://doi.org/ 10.1056/NEJM198608073150602.
  5. Smit M, Bartels AL, van Faassen M, et al. Serotonergic perturbations in dystonia disorders — a systematic review. Neurosci Biobehav Rev. 2016;65:264-275. https://doi.org/10.1016/j.neubiorev.2016.03.015.
  6. Tabaddor K, Wolfson LI, Sharpless NS. Ventricular fluid homovanillic acid and 5-hydrohyindolacetic acid concentrations in patients with movement disorders. Neurology. 1978;28(12):1249-1253. https://doi.org/10.1212/wnl.28.12.1249.
  7. Zoons E, Booij J, Speelman JD, et al. Lower serotonin transporter binding in patients with cervical dystonia is associated with psychiatric symptoms. EJNMMI Res. 2017;7(1):87. https://doi.org/10.1186/s13550-017-0338-4.
  8. Беленький В.В., Головкин В.И., Королева Е.М., и др. Метаболизм серотонина при торсионной дистонии // Неврологический вестник. – 2009. – Т. 41. – № 1. – С. 95–98. [Belenky VV, Golovkin VI, Koroleva EM, et al. Serotonin metabolism at torsion dystonia. Nevrologicheskij vestnik. 2009;41(1):95-98. (In Russ.)]
  9. Chen JJ, Tsai CA, Moon H, et al. Decision threshold adjustment in class prediction. SAR QSAR Environ Res. 2006;17(3):337-352. https://doi.org/10.1080/ 10659360600787700.
  10. Feldesman MR. Classification trees as an alternative to linear discriminant analysis. Am J Phys Anthropol. 2002;119(3):257-275. https://doi.org/10.1002/ajpa. 10102.
  11. Hannöver W, Kordy H. Predicting outcomes of inpatient psychotherapy using quality management data: comparing classification and regression trees with logistic regression and linear discriminant analysis. Psychother Res. 2005;15(3):236-247. https://doi.org/10.1080/10503300512331334995.
  12. Finch H, Schneider МK. Classification accuracy of neural networks vs. discriminant analysis, logistic regression, and classification and regression trees. Methodology. 2007;3:47-57. https://doi.org/10.1027/1614-2241.3.2.47.
  13. Krasteva V, Jekova I, Leber R, et al. Superiority of classification tree versus cluster, fuzzy and discriminant models in a heartbeat classification system. PLoS One. 2015;10(10):e0140123. https://doi.org/10.1371/journal.pone.0140123.
  14. Maroco J, Silva D, Rodrigues A, et al. Data mining methods in the prediction of Dementia: A real-data comparison of the accuracy, sensitivity and specificity of linear discriminant analysis, logistic regression, neural networks, support vector machines, classification trees and random forests. BMC Res Notes. 2011;4:299. https://doi.org/10.1186/1756-0500-4-299.
  15. Reibnegger G, Weiss G, Werner-Felmayer G, et al. Neural networks as a tool for utilizing laboratory information: comparison with linear discriminant analysis and with classification and regression trees. Proc Natl Acad Sci U S A. 1991;88(24):11426-1130. https://doi.org/10.1073/pnas.88.24.11426.
  16. Breiman L, Friedman J, Stone CJ, Olshen RA. Classification and regression trees. 1st ed. New York: Chapman and Hall/CRC; 1984. 368 р.
  17. Bouchard S, Bousquet C, Roberge AG. Characteristics of dihydroxyphenylalanine/5-hydroxytryptophan decarboxylase activity in brain and liver of cat. J Neurochem. 1981;37(3):781-787. https://doi.org/10.1111 /j.1471-4159.1982.tb12555.x.
  18. Löscher W, Annies R, Richter A. Marked regional disturbances in brain metabolism of monoaminergic neurotransmitters in the genetically dystonic hamster. Brain Res. 1994;658(1-2):199-208. https://doi.org/10.1016/s0006-8993(09)90027-0.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Уровень 5-гидрокситриптофана (5-HTP) в плазме в основной и контрольной группах

Скачать (90KB)
3. Рис. 2. Классификационное дерево для 5-гидрокситриптофана (5-HTP). Количество ветвлений = 1; количество терминальных вершин = 2

Скачать (81KB)
4. Рис. 3. Две наиболее показательные варианты, полученные при использовании метода дискриминантного анализа и пошагового вперед метода, и коэффициенты линейных классификационных функций

Скачать (35KB)
5. Рис. 4. Матрикс результатов отнесения пациентов к одной из двух групп — основной или контрольной

Скачать (61KB)

© Беленький В.В., Леонтьев О.В., Клиценко О.А., Гельман В.Я., Королева Е.М., Головкин В.И., 2019

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».