Многофакторный анализ в оценке состояния иммунной системы пациентов с сезонным аллергическим ринитом

Цель: анализ показателей иммунного статуса с целью выявления скрытых взаимосвязей между ними и их информативности методом многофакторного анализа у пациентов с сезонным аллергическим ринитом с учетом гендерных различий.

Материалы и методы. Проведено обследование иммунного статуса 112 пациентов с сезонным аллергическим ринитом. Исследованы количество эозинофилов, фенотип лимфоцитов (CD3+CD4+; CD3+CD8+; CD3-CD19+), содержание цитокинов (ИЛ-1β, ИЛ-4, ИЛ-8, ИЛ-10, ИФН-γ), противомикробного пептида α-дефензина (HNP1-3), сывороточного иммуноглобулина Е. Выполнен анализ главных компонент.

Результаты. При анализе полученных данных выявлены наиболее важные главные компоненты иммунологических показателей с учетом величины коэффициентов корреляции у пациентов с сезонным аллергическим ринитом. Изучена роль различных показателей иммунитета и их вклад в функционирование иммунной системы с учетом гендерных различий. У женщин в первом комплексе наибольшее влияние имеют CD4 (r = -0,75), CD19 (r = -0,70), во втором - Ig E (r = 0,73) и эозинофилов крови (r = 0,78). Для мужчин в первом комплексе высокий вклад внесли показатели концентрации сывороточного Ig E (r = 0,87) и количество эозинофилов крови (r = 0,82). Высокий вклад содержания в сыворотки крови ИЛ 10 (r = 0,72) у женщин отображен в пятом комплексе, где для мужчин наиболее значимым оказался возраст (r = 0,82).

Заключение. Использование метода многофакторного анализа подтверждает возможность выявления скрытых взаимосвязей между исследуемыми показателями, выделение комбинаций связей между иммунологическими показателями образует главные комплексы с учетом их вклада в общую характеристику работы иммунной системы у пациентов с САР.

1. Дубровская Л.И., Князев Г.Б. Компьютерная обработка естественнонаучных данных методами многомерной прикладной статистики. Томск: ТМЛ-Пресс, 2011. 120 с.

2. Кузьмина Е.Г., Зацаренко С.В. Многофакторное моделирование иммунного статуса в выявлении вторичных иммунодефицитных состояний и аллергии. Медицинская иммунология. 2017;19(3):275-284. DOI: 10.15789/1563-0625-2017-3-275-284

3. Новиков Д.К., Новиков П.Д., Карпук И.Ю., Смирнова О.В., Выхристенко Л.Р., Величинская О.В. Новые методы диагностики и лечения аллергии. Аллергология и иммунология. 2015:16(4):335-339

4. du Prel J.B., Röhrig B., Hommel G., Blettner M. Choosing statistical tests: part 12 of a series on evaluation of scientific publications. Dtsch Arztebl Int. 2010;107(19):343-348. DOI: 10.3238/arztebl.2010.0343

5. George B.J., Beasley T.M., Brown A.W., Dawson J., Dimova R., Divers J., Goldsby T.U., Heo M. et al. Common scientific and statistical errors in obesity research. Obesity (Silver Spring). 2016;24(4):781-790. DOI: 10.1002/oby.21449

6. Hajian-Tilaki K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform. 2014;48:193-204. DOI: 10.1016/j.jbi.2014.02.013

7. Jenssen H., Hamill P., Hancock R.E. Peptide antimicrobial agents. Clin Microbiol Rev. 2006;19(3): 491-511. DOI: 10.1128/CMR.00056-05

8. Malone H.E., Nicholl H., Coyne I. Fundamentals of estimating sample size. Nurse Res. 2016;23(5): 21-25. DOI: 10.7748/nr.23.5.21.s5

9. Monteseirín J. Neutrophils and asthma. J Investig Allergol Clin Immunol. 2009;19(5):340-354

10. Staggs V.S. Pervasive errors in hypothesis testing: Toward better statistical practice in nursing research. Int J Nurs Stud. 2019;98:87-93. DOI: 10.1016/j.ijnurstu.2019.06.012

11. Thiese M.S. Observational and interventional study design types; an overview. Biochem Med (Zagreb). 2014;24(2):199-210. DOI: 10.11613/BM.2014.022