Р - факторный анализ в прогнозировании риска развития и осложненного течения бронхиальной астмы у детей

(предварительная версия)

Кобец Т.В., Стафеев С.К., Хишам Исмаил (Copyright 2004)

Большую роль в развитии аллергических заболеваний играет наследственная предрасположенность, которая реализуется, под влиянием патологических факторов среды, прежде всего в иммунологических нарушениях. Иммунный ответ состоит из сложного ряда клеточных взаимодействий, активируемых попаданием в организм чужеродного антигенного материала.  Ответ на внедрившийся антиген  генетически детерминирован, а стало быть, зависит от индивидуальных характеристик ребенка, с одной стороны, а с другой, определяется физиологической зрелостью клеточного и гуморального иммунитета. Хорошо известно, что в возрасте от 5-6 дней до 5-6 лет более значима роль клеточного иммунитета в защитных реакциях, в связи с физиологическим лимфоцитозом у детей, а после 6 лет повышается роль гуморального иммунитета, поскольку, заканчивается формирование IgA и IgG синтезирующих систем. Однако, интересным представляется выявление отклонений не только в отдельных звеньях иммунитета у детей с бронхиальной астмой, а поиск  статистических методов, позволяющих выявить взаимосвязи между отдельными звеньями иммунитета и характеристиками больного ребенка (полом, возрастом и др.). Это позволит прогнозировать риск развития и осложненного течения бронхиальной астмы у каждого конкретного ребенка. В связи с чем целью нашего исследования явилось определение эффективности собственно Р - факторного анализа в прогнозировании риска  развития и осложненного течения бронхиальной астмы у детей. Поскольку в большинстве медицинских статей, использующих статистические приемы последним уделяется весьма скромное место (особенно в странах СНГ), мы решили несколько расширено осветить вопрос об отдельных методах и допусках их применения  с таким сложным биологическими обьектами, как человеческие особи. Поэтому в обсуждении результатов совместно с медицинской интерпретацией будет и математическая.

Методы исследования.

Для решения поставленной задачи нами было исследовано 48 детей с БА, в возрасте от 6 до 14 лет, в периоде обострения заболевания. Всем детям проводились исследования при поступлении и выписке из стационара. Иммунологические методы включали исследование клеточного, гуморального иммунитета и неспецифической резистентности. Для сравнения было обследовано 42 ребенка без аллергии. О состоянии клеточного иммунитета судили по состоянию Т-лимфоцитов и их субпопуляций. Исследование проводили с использованием моноклональных антилимфоцитарных антител серии ИКО, разработанных в Институте иммунологии Минздрава РФ к антигенам СDЗ+ (зрелые Т-лимфоциты), СD4+(Т-хелперы),СD8+ (цитотоксические Т- лимфоциты), CD 72+ (B-лимфоциты) по Remherz et al,1979 [3]. Оценку функционального состояния нейтрофилов человека (как показатель неспецифической резистентности) проводили по реакции восстановления нитросинего тетеразолия (НСТ-тест), основанной на учете внутриклеточных отложений диформазана - нерастворимой формы восстановления НСТ [4].Содержание основных классов иммуноглобулинов А, М, G в сыворотке крови определяли методом радиальной иммунодиффузии в агаровом геле Difco по G. Mancini и соавт. [5] с использованием антисывороток и стандартов, выпускаемых предприятием

«Инбио», г. Нижний Новгород. Определение уровня общего Ig E в сыворотке крови проводили методом иммуноферментного анализа с помощью набора «Ig E-ИФА-Бест-стрип» [6]. Количество циркулирующих иммунных комплексов в крови определяли методом преципитации в полиэтиленгликоле (ПЭГ) с молекулярным весом 6000 (ФРГ). Метод предложен  и модифицирован Ю.А. Гриневич и А.Н. Алферовым [7].

Математические методы исследования

Для комплексного изучения совместного поведения полученных параметров крови, для всей выборки из 49 детей была применена серия статистических методов из пакета по статистике StaffGraf\StaffStat [8]. Данный пакет опирается в первую очередь не на красивый интерфейс и огромное количество раздробленных методов, которым грешат много официальных программ по статистике, а на устойчивость алгоритмов к разнообразным данным и пакетные режимы. В него включены как авторские программы, так и модули из проверенных 10летиями пакетов ПП, такие как SSP, CERN.  Пакет написан на языке FPS1 и работает под ДОСом в режиме 32 разрядного расширения.

Для изучения выборки в первую очередь применялся комплекс программ, позволяющий сразу рассчитать средние, дисперсии, законы распределения, оценки законов распределения, гистограммы, матрицу коэффициентов корреляции, матрицу собственных векторов, матрицу факторных нагрузок, и, в конечном счете, пересчитать исходные данные в факторы. Как показывают наши наблюдения над серией выборок, все параметры у людей (в первую очередь крови) приблизительно подчиняются многомерному нормальному распределению, что позволяет применять к выборке указанные статистические исследования. Если же анализируя гистограмму врач видит, что ее форма не совсем похожа на нормальный закон, не беда. В математической статистике, и это надо отметить, иного статистического аппарата нет. Другое дело, когда на гистограмме и графиках однозначно видно би- и полимодальное распределение (2 и более больших пиков на гистограмме, 2 облака на графиках, пример приводится ниже), эта выборка, прежде чем будет посчитана должна быть разделена на 2 и более частей.

Философско-медицинский смысл метода собственно Р-факторного анализа состоит в том, что имея огромное количество параметров крови и других параметров (возраст, рост, вес, давление и т.д.) врач не может, например, реально понять помогло ли лечение больному, как он вообще себя чувствует, максимум, что он может, это сравнить параметры крови с утвержденной нормой. Однако норма – дело относительное, она для разных групп (генеральных совокупностей) разная. Группы эти могут входить в единую выборку исследуемых больных. Факторный же анализ выявляет линейные и окололинейные закономерности между признаками и сокращает их численность. Мы в данном случае будем трактовать конкретный фактор как статистическо-биохимическую ассоциацию. Почему статистическую. К сожалению, для идеального подсчета должна быть выборка в тысячи пациентов, тогда, уточнятся коэффициенты корреляции и соответственно факторные нагрузки, и если выборка делится на группы, будет возможность спокойно и однозначно разделить пациентов. Тогда бы мы свободно могли бы назвать результаты расчетов биохимическими ассоциациями, которые можно было трактовать, как, например, переход (перерождение) одного типа клеток в другой, или единую их одновременную генерацию из одного органа (гемопоэз, например, из тимуса Т-клетки, из костного мозга - макрофаги и т.д.), в ответ на попадание в организм инфекционных агентов и антигенных веществ. Проявление сильной многомерная кореляция определенных параметров крови (фактора) в конкретный момент времени является ни чем иным, как фазой нарастания иммунного ответа после встречи с антигеном. В реальности используются выборки по 50–100 человек, которые хоть и применимы для расчета, но выходные их параметры тоже являются случайными величинами. Только проработав  с серией выборок, врач сможет понимать и интерпретировать их результаты.  При обычной жизнедеятельности организма, параметры крови находятся в “норме”. Однако норма одного параметра , и это мы хотим подчеркнуть особенно, это не есть конкретное число, а некоторый отрезок, случайная величина, зависящая в первую очередь от возраста и пола, так и от групп, заранее нам неизвестных.  В идеале, параметры крови должны образовывать многомерное нормальное облако рассеяния. Ниже мы приведем график показывающий распределение Т-серии клеток у новорожденных без грубых патологий, то есть еще не подверженных воздействию внешней среды.(Рис.1)

Рис.1. Поведение Т-серии клеток без явного воздействия антигенов. Форму облака можно принять нормальной. Разные круги есть разный вес новорожденных. Можно построить и серию графиков для других параметров – они будут также похожими.

Однако, при появлении антигенов, как внешних так и внутренних, форма многомерного облака существенно меняется. Определенные направления облака сильно вытягиваются, подобно ложноножкам и доходит до того что выборка даже визуально делится на 2 и более группы по определенным (не по всем) признакам. Эту скрытую структуру и видит факторный анализ.

Физический смысл факторов, - практически не теряя информацию (энергию, работу), мы сокращаем исходную выборку, например выборка из 40 признаков и 49 пациентов мы сократили на 5-6 факторов и 49 пациентов. В силу ортогональности (независимости) факторов мы можем говорить, что полученные ассоциации  независимы друг от друга.

Геометрический смысл факторов – если первичные коэффициенты корреляции представить как координаты неких векторов, то они изначально будут по-разному располагаться друг к другу. Пусть М-количество исследуемых признаков. После определенного поворота, где первым в M-мерном пространстве находится максимальное облако определенной безразмерной длинны, которая становится 1м собственным значением (мерой рассеяния), а координаты его и будут 1-м фактором, следующий максимальный разброс облака ищется перпендикулярно первому, собственное значение становится меньше первого, это получается 2-й фактор. И так далее. Как видно из описания, таких факторов будет столько же сколько и признаков. Однако, как правило, у последних факторов настолько мало собственное значение, что использовать их нецелесообразно и их принимают за ошибку. Реально используют  первые факторы. Общая сумма собственных значений на 100% объясняет все поведения многомерного облака, или, проще сказать, все биохимические и иные зависимости. Если у 1,2,3 фактора сумма собственных значений объясняет общие закономерности выборки на 80%, то остальные факторы можно просто выбросить. Реально получаются ассоциации (факторы), где параметры хорошо коррелируют друг с другом. Пример, - АлАт –Ас-Ат –диастаза [8]. Поскольку они, как показали наши исследования, находятся в единой сцепке, их можно заменить одним “искусственным параметром” крови. Следует отметить, что при сборе данных число признаков должно быть максимально большим. Врач не должен задавать только определенные параметры крови, исходя из того, что он уже “все знает”. Иначе могут возникнуть ложные факторы, основанные на косвенной корреляции. Также, применительно к анализу крови должна быть уверенность, что разные лабораторные заказы “сбиваются” друг с другом. Иначе может возникнуть занятный случай, когда 1-й фактор возникнет из разных лабораторных заказов.

Результаты и обсуждение.

Оценка начальных и центральных моментов

Поскольку нам  было необходимо выяснить, как после лечения изменились параметры крови у детей с бронхиальной астмой, мы применили принцип черного ящика – на входе параметры крови у детей до лечения, на выходе, после проведенных процедур.

Как показало исследование, наиболее выраженные изменения отмечались у детей со стороны Т- лимфоцитов (см. табл.1).

Таблица 1

Динамика показателей клеточного иммунитета у детей с бронхиальной астмой в приступном периоде

Примечания: *- P<0,05-достоверность между показателями при поступлении и выписке; ** - достоверность с контролем; 1-я группа – дети с БА; 2-я (группа сравнения) – без аллергии.

Число Т-лимфоцитов достоверно повышалось при выписке, в то время как субпопуляции Т-лимфоцитов достоверно   не изменялись, как и другие показатели клеточного иммунитета.

Нами также выявлены изменения со стороны гуморального иммунитета у исследуемых детей (см.табл.2).

Таблица 2

Динамика иммуноглобулинов  и циркулирующих иммунных комплексов в сыворотке крови у детей с бронхиальной астмой в периоде обострения

Примечание. *-P<0,05-достоверность между показателями при поступлении и выписке.

Как видно из таблицы 2, у детей был снижен уровень Ig A, который повышался при выписке, но не достигал контроля (1,32 ± 0,03), что могло способствовать респираторным заболевания у детей;  IgM   не отличался от контрольных значений (1,09±0,02), а IgG был несколько снижен при поступлении и нормализовался при выписке (11,01±0,15 Ig G в контроле). В то же время, уровень Ig A был ниже у девочек ( P<0,05), чем у мальчиков , однако уровень Ig G  был - выше ( P< 0,05),  чем у мальчиков (23,33±2,96). Ig M  достоверно не отличался у девочек и мальчиков. Уровень ЦИК в сыворотке крови у детей с БА был повышен при поступлении и нормализовался при выписке( в контроле 52,31±1,59). Уровень IgE был достоверно выше у исследуемых детей (Ig E- 173,39 ±7,87), что свидетельствовало о высокой вероятности атопии у детей. И требовало проведения длительной противовоспалительной терапии.

Собственно Р-факторный анализ

Однако каждый ребенок имеет множество параметров (например показатели  крови) и его нельзя сравнить с другими детьми. Не надо также забывать, хоть это и замалчивается, что параметр крови с точки зрения методики определения зачастую является величиной случайной, отражающий полуколичественный анализ. При большом количестве признаков данные параметры как бы сами себя корректируют. Математическим языком можно сказать, что с увеличением суммы признаков на единицу, также возрастает число степеней свободы, или пространство признаков увеличивается на 1. Поэтому путем пересчета линейно-зависимых признаков по матрице факторных нагрузок-весов (35 признаков для  каждого ребенка мы заменяем на 5-6 искуственных признака - фактора) мы создали “искуственные” параметры крови. Например, у ребенка гемоглобин и эритроциты  (естественно зависимые друг от друга) которые находятся в противофазе к всем измерянным значениям Т-серии клеток,  мы заменили их на одно единое значение – 1й фактор. Данное значение мы старались нормировать от –1. до 1., правда, не всегда такое получалось. Если значение фактора 0 это показывает,  что ребенок имеет средние характеристики этих восьми признаков (процесс не проявлен); значение фактора -1.0 – в данном случае показывает, что у ребенка выдающиеся значения гемоглобина и эритроцитов и, наоборот, высокое значение  данного фактора показывает у конкретного ребенка возрастающую роль Т-серии совместно с иммуноглобулинами G и М.  То есть, это некий искусственный (высчитанный) параметр крови для каждого ребенка - которого на самом деле нет - но который характеризует конкретный процесс, происходящие в организме ребенка, в ответ на то или иное воздействие.  Хотелось бы также отметить, что смысл знака + или – в данном случае относителен. Чтобы понять с каким знаком связано, например возрастание эритроцитов, надо построить простой график между значениями эритроцитов и тем фактором, в котором данный признак присутствует. На графике, приведенном ниже мы показали упорядоченные по возрастанию эритроцитов и значением 1 фактора. Поскольку данные эритроцитов входят в этот фактор с весом 0.8, естественно, его можно аппроксимировать прямой (см. линию регрессии, график 2)

График 2 Обьяснение смысла факторной нагрузки (веса) эритроцитов, образующих 1 фактор. Числа у ломанной показывают конкретных больных. Для резкого различия больных (разницы их имунного  ответа на проведенное лечение), таким образом, достаточно построить 1-2 графика с разноской интересующих нас факторов и дальнейшего анализа уже с использованием историй болезни, соответствующих присвоенным номерам на графике. 

Как показал данный и предыдущие обсчеты, основной фактор у исследуемых детей выявился в виде ассоциации Т-хелперы, Т-лимфоциты, цитотоксические клетки, иммуноглобулины (в первую очередь, IgМ), причем в поле 1 фактора наглядно видно 2 группы. Надо отметить, что похожие данные получаются и по многим другим выборкам, в частности у изученных нами новорожденных детей (без грубой патологии) наблюдается четкая прямая зависимость между Т-серией, имуноглобулином М и ростом и весом (см.рис.1). Это очень интересно, поскольку IgM- это единственный Ig, который у плода вырабатывается уже в конце беременности, и по нему можно судить о перенесенной внутриутробной инфекции. Ниже приведен 3-х мерный график, показывающий как в поле 3-х признаков, составляющих 1-й фактор выборка делится на 2 части (см. График 3).

График 3.  3-х мерный график составляющих 1-й фактор. Значения Т-хелперов при поступлении (в стационар), Т-лимфоцитов при поступлении и Т-киллеров при поступлении. Числа являются конкретными номерами больных детей в соответствии с историей болезни. Данные графики можно построить и для других признаков, входящих в 1 фактор. Зависимость будет похожая.

Данный график хотелось бы прокомментировать. Как видим, 1-й группе детей мы видим вытянутое облако, которое показывает, что связь между тремя параметрами линейная. К сожалению, налицо бимодальное распределение, то есть по некоторым значениям крови исходная выборка делится на 2 выборки (2 облака). Объясняется это в данном случае тем, что в состав выборки входят как девочки, так и мальчики, у которых отдельные параметры весьма отличаются, например эозинофилы (создающие отдельный фактор), гемоглобин и т.д.. В идеале, такие выборки неприменимы для любых статистических расчетов, ибо в основе большинства методов лежит гипотеза о многомерном нормальном распределении. В этом случае необходимо выделять отдельные выборки и обсчитывать их раздельно. Зачастую, впрочем, приходится исходить из того, что реальные выборки небольшие и делить их нельзя, ибо выборка будет непредставительной. Проведенные дополнительные исследования данной выборки показало нам, что на бимодальность влияет в первую очередь признак пол и, в меньшей степени, возраст. А нам как раз нужно рассматривать выборку в целом. Поэтому мы применили дополнительные средства визуализации заложенный в нашем статпакете [8], в первую очередь множественный просмотр 3-4 мерных графиков, подобно графику 2. На них видно, что хоть по серии признаков исходная выборка и разделяется, общая тенденция облака рассеяния как у одной так и у другой подвыборки имеет одинаковую направленность. То есть, коэффиценты корреляции, в отличие, например от коэффицентов вариации (применяемые в широко распространенном методе Р -факторного анализа –Методе Главных Компонент) изменятся незначительно. Однако, такое получается не всегда. Врачам, применяющим к своим данным тот или иной статистический расчет, мы рекомендуем обращать внимание на уномодальность (в меньшей степени, на отсутствие “ураганных” проб), и при возникновении сомнения консультироваться с математиками. Иначе опять-таки может возникнуть ложная (наведенная) корреляция, подчас весьма далекая от истины.

Ниже приводятся данные общего расчета факторов по всей выборке (П - данные при поступлении, В - данные при выписке). Признаки с разными знаками показывают что они находятся в противофазе друг к другу, т.е. увеличение одного, вызывает уменьшение другого. Цифры перед признаками есть веса (факторные нагрузки). Разумеется это условная формула, не являющаяся простым мультипликативным сложением. Ниже мы приведем только несколько заинтересовавших нас факторов. Общий расчет был проведен по выборке из 49 детей. Для выяснения, успешно ли было проведено соответствующее лечение, мы применили эффект “черного ящика”. В данном случае ящик является набором процедур, примененных к больным, критерием правильности лечения являются соотношения параметров крови при поступлении в стационар и при выписке. Полученные факторы, в отличие от простого просмотра анализов крови дает еще и то, что после выписки тот или иной параметр крови практически не меняется, и только совместное увеличение оных параметров показывает, какой стал результат. Казалось бы, что одинаковые параметры крови до и после проведенного лечения должны жестко коррелировать. Однако, как показали наши исследования серии разных выборок, это не всегда так. Параметры до- и после лечения могут и входить в состав разных факторов, то есть в идеале могут не зависеть друг от друга, относиться к разным биохимическим процессам.

- 1фактор, который на 25% обьясняет общую дисперсию

-0.9*Т-ЛимфоцитыП - 0.86*IgG П -0.85*Т-киллеры В - 0.7*ЦИК_В – 0.7*Т-килл.П

-0.68*IgM B -0.67*Т-лимфоциты В –0.55*Т-хелперы В – 0.5*Нейтр.п\я В -.48*СОЭ В-0.46IgM П +0.35 IgA В+0.53IgA П+0.6*возраст + 0.7*Эритроциты П + 0.7*HgП + 0.76*HgВ+ 0.8* Эритроциты В

Данный фактор показывает, что эритроциты находятся  в обратной зависимости с лимфоцитами, Т-лимфоцитами, с нейтрофилами и Ig М. Причем, как показало исследование,  у детей отмечается снижение Т-лимфоцитов. Между нейтрофилами, ЦИК,  и СОЭ отмечается прямая связь, то есть чем активнее воспаление, тем больше вырабатывается нейтрофилов, но фагоцитирующая функция нейтрофилов, по-видимому, снижена, что сопровождается повышением уровня ЦИК в сыворотке крови. Патологический процесс сопровождается повышением  роли в защитных реакциях гуморального звена иммунитета, отмечается повышение уровня  IgM- первая линия защиты.в то же время низкий уровень IgA может способствовать рецидивированию воспалительного процесса в бронхах у детей. Нормализация Т-лимфоцитов, IgA при выписке у наших пациентов свидетельствует о правильно проводимой терапии. Интересно отметить что с Т-серией в первую очередь связан IgM (пентамер), с максимальным количеством антиген -связывающих участков. Данный фактор, исходя из большого собственного значения является главным для всех детей из нашей выборки и отражает результат взаимодействия клеточного и гуморального иммунитета. (например, Т-хелперы регулируют ответ В-клеток на большое количество антигенов и их постоянное присутствие увеличивает производство антител.)

Отмечается также обратная связь Т-лимфоцитов с возрастом. Чем меньше возраст ребенка, тем уровень лимфоцитов у него выше, в силу физиологических особенностей и соответственно роль лимфоцитов в защитеых реакциях более значительна. С возрастом число лимфоцитов уменьшается, но заканчивается формирование IgA и IgG синтезирующих систем , соответственно возрастает роль гуморального иммунитета .

- 2й фактор, который на 12% обьясняет общую дисперсию

-0.72*Нейтрофилы с\я В -0.72* Нейтрофилы с/я % П-0.64*Нейтрофилы п\я П

-0.4 Возраст -0.42IgM В

+0.68* Лимфоциты П +0.7 Лимфоциты В

Можно сказать по данной компоненте, что лимфоциты обратно пропорционально зависят от возраста, а Ig М при выписке и нейтрофилы прямо пропорционально зависят от возраста. То есть с возрастом число Т-лимфоцитов уменьшается и соответственно уменьшается их роль в защите организма, а увеличивается роль иммуноглобулина М.

- 3й фактор, который на 7% обьясняет общую дисперсию

-0.4*СОЭ В

+0.44IgG В +0.47*IgM П + 0.54 Моноциты В

-.76 Моноциты В -.58* Ig M П

3 фактор показывает, что моноциты находятся в прямой зависимости с Ig M. Поскольку, IgM принимает участие в образовании ЦИК и активации системы комплемента по классическому пути, через С4, который активизирует фагоцитоз. Моноциты принимают участие в фагоцитозе, поэтому прямая связь моноциты и IgМ, с учетом цифровых данных, по-видимому, говорит о недостаточной работе фагоцитов, поскольку уровень ЦИК высокий при поступлении и не нормализуется при выписке. Учитывая маленькое собственное значение эта закономерность присуща небольшой группе детей.

- 7й фактор, который на 4% обьясняет общую дисперсию

-.64пол  +.43 IgG В + .83*IgE П

7 фактор показывает, что уровень иммуноглобулинов находится в обратно пропорциональной зависимости от пола. Как было показано в наших предыдущих исследованиях у мальчиков уровень Ig выше, чем у девочек [1]. Поэтому  с возрастом, когда в иммунной защите ребенка возрастает роль Ig, а это после 6 лет после созревания Ig G и IgA  синтезирующих систем, мальчики болеют реже, чем девочки в частности респираторными заболеваниями. Но в тоже время, как показало исследование, бронхиальная астма  в 2 раза чаще встречается у мальчиков, чем у девочек. Впрочем, этот и нижеприведенные факторы уже находятся на грани ошибки. Низкое значение собственного значения приведенное здесь в % показывает что лишь незначительная часть детей образуют данный фактор. Несомненно, что при выборке в несколько сотен детей он бы выявился более четко. Поэтому за основу мы берем первые 3-5 факторов, несколько других приведем в подтверждение того, что и последние факторы могут быть осмыслены и представлять “процессы”.

Приведем, наконец, несколько факторов, получившихся у нас при разделении выборки на 2 группы (в силу указанных выше причин). Получаются закономерности, часть которых мы также можем объяснить, но тут уже вступает предел представительности выборки. Об этом хотелось сказать пару слов. Классически считается представительной выборка в 25-30 больных. Однако это верно в случае расчета примитивных статистик. В случае, например классификации или как в этой статье выявления скрытой структуры, мы считаем представительной выборку не менее 70-90 больных. Итак, в заключение мы приведем несколько интерпретаций отдельных факторов по выборкам 16 и 33 ребенка.

При проведении факторного анализа, необходимо помнить о щекотливой ситуации при выборе гипотезы о многомерном нормальном распределении. Только в идеальном варианте полученные факторы будут строго ортогональны, то есть “биохимические” процессы будут независимы друг от друга. Однако такое можно наблюдать в случае большой выборки (несколько сотен больных) и уномодальном законе.  В других же случаях необходимы дополнительные статистические операции проверки ортогональности – уже не матрицы факторных нагрузок (вышеприведенных весов) а вычисленных “искусственных” данных (факторов) по каждому ребенку. Построенные по ним гистограммы зачастую даже визуально не похожи на нормальные законы, что опять таки является нарушением ортогональности. Есть несколько методов попытки устранить эти противоречия, например Промакс-метод, делающий некоторые факторы зависимыми. Однако мы ограничились проверкой коэффицентов корреляции вычисленных факторов, не всех а главных.

Ниже приведена матрица коэффицентов корреляции позволяет нам считать факторы независимыми.

Реально, впрочем, в человеческом организме все параметры так или иначе взаимозависимы.

Таким образом, с помощью Р - факторного анализа мы установили, что риск развития бронхиальной астмы у мальчиков в два раза выше, чем у девочек, причем ведущую роль в развитии заболевания у них играют не патологические факторы среды, а генетическая предрасположенность, которая реализуется в нарушениях в системе иммунитета. У детей с бронхиальной астмой выявлена прямая связь Т-хелперов  с возрастом – это одна из причин развития заболевания, потому, что у здоровых детей с возрастом число Т-хелперов  уменьшается, а их увелечение способствует активной выработке Ig плазматическаими клетками. Увеличение Т-хелперов сопровождалось ростом уровня IgE и IgG, причем  у мальчиков выявлена прямая связь между уровнем IgE и IgG .Увеличение  уровня IgG , при недостаточности фагоцитоза, сопровождалось повышением в сыворотке крови уровня циркулирующих иммунных комплексов, что способствовало развитию воспаления. Как показало исследование лимфоциты обратно пропорционально зависят от возраста, а Ig прямо пропорционально. То есть с возрастом число Т-лимфоцитов уменьшается и соответственно уменьшается их роль в защите организма, а увеличивается роль иммуноглобулинов. Но нами также было выявлено, что уровень Ig у мальчиков выше, чем у девочек. Стало быть более выраженные нарушения со стороны гуморального иммунитета у девочек старше 6 лет, могли явиться причиной осложненного течения бронхиальной астмы у девочек школьного возраста.

Список литературы

1.Кобец Т.В. Профилактика и лечение респираторных заболеваний у часто болеющих детей, на основе многофакторной оценки риска их развития: Автореф. дис… докт. мед. наук. - Киев, 1993.- 41с.

2. Кобец Т.В., Воронин С.Н., Шкиль Н.С. Связь генных маркеров с развитием и течением респираторных заболеваний у часто болеющих |детей // Тавр. мед.- биол. Вест.- 1998.- № 3 – 4.- С.28 – 31

3. Гембицкий Е.В. Оценка иммунного статуса организма в лечебных учреждениях// Метод. пособие.- Л.,1987.- 62 с.

4. Виксман М.Е., Маянский А.Н. Применение реакции восстановления нитросинего тетразолия для оценки функционального состояния нейтрофилов человека // Казан.мед.ж.- 1977.- №5.- С.99-100.

5. Mancini G., Carbonara A.O., Heremana J.F.Immunochemical quantita of antigene by einyle radial immunodiffusion //Immunochemistry.- 1965.-vol.2.-P.235-254.

6. Инструкция по применению набора реагентов Ig E – ИФА – БЕСТ – стрип.- ЗАО «Вектор-Бест», Новосибирская область, п. Кольцово, 1999.

7. Гриневич Ю.А., Алферов А.И. Определение иммунных комплексов в крови онкологических больных// Лаб.дело.- 1981.- №8.- С.493-496.

8. Филатова Л.М., Стафеев С.К. Краткое описание пакета прикладных статистических программ StaffStat 89-94гг,  www.mega.ru/~staff1/si.htm