Багатофакторний регресійний аналіз для прогнозування кардіологічного діагнозу на основі функції амплітудної варіабельності

Abstract

Multifactor regression model for automatic cardiac diagnosis prediction based on statistical characteristics of the amplitude variability function of electrocardiographic signals is proposed. The model employs seven statistically significant predictors (mean, median, mode, standard deviation, sample variance, kurtosis, and skewness) ed by means of stepwise regression with forward variable ion the initial set of 13 parameters. The predictor inclusion criterion established a significance level of p < 0.05. The model for prediction of cardiac diagnosis, based on the function of the amplitude variability takes into consideration weight coefficients for each predictor, determined by the least squares method. Central tendency measurements make the greatest contribution into diagnostic outcome formation (β = 201.78 for mean and β = 68.69 for median). The model provides effective differentiation among three clinical states: conditional norm, cardiac rhythm disorders in the form of extrasystole, and morphological conduction abnormalities represented by incomplete left bundle branch block, achieving a Nagelkerke coefficient of determination R² = 0.991. Normal conditions are characterized by minimal amplitude variability values (mathematical expectation 0.00003…0.00064 mV), while extrasystole demonstrates an increase of 3—4 orders of magnitude. Model validation on a representative sample of 204 electrocardiographic signals (102 normal, 51 extrasystole, 51 block) confirmed its high statistical significance (Fisher's F-criterion 953.93, p < 0.001) and compliance with fundamental regression analysis assumptions. Residual analysis demonstrated normal distribution and homoscedasticity, confirming model adequacy. The proposed approach combines the advantages of high interpretability of classical statistical methods with innovative application of the amplitude variability function for comprehensive analysis of morphological and rhythmic characteristics of cardiac signals. The practical significance lies in creating mathematical tools for automated cardiovascular disease diagnostic systems and clinical decision support systems.

Запропоновано багатофакторну регресійну модель для автоматичного прогнозування кардіологічного діагнозу на основі статистичних характеристик функції амплітудної варіабельності електрокардіосигналів. Модель використовує сім статистично значущих предикторів (середнє арифметичне, медіану, моду, стандартне відхилення, вибіркову дисперсію, ексцес та асиметрію), виділених методом покрокової регресії з прямим відбором змінних з початкового набору 13 показників. Критерієм включення предикторів встановлено рівень значущості p < 0,05. У моделі для прогнозування кардіологічного діагнозу на основі функції амплітудної варіабельності враховані вагові коефіцієнти кожного предиктора, визначені методом найменших квадратів. Найбільший внесок у формування діагностичного висновку мають показники центральної тенденції (β = 201,78 для середнього та β = 68,69 для медіани). Модель забезпечує ефективну диференціацію між трьома клінічними станами: умовною нормою, порушеннями ритму серця у вигляді екстрасистолії та морфологічними патологіями проведення збудження, представленими неповною блокадою лівої ніжки пучка Гіса, з коефіцієнтом детермінації Нейджелкерка R² = 0,991. Для норми характерні мінімальні значення амплітудної варіабельності (математичне сподівання 0,00003…0,00064 мВ), тоді як у разі екстрасистолії спостерігається зростання на декілька порядків. Валідація моделі на репрезентативній вибірці з 204 електрокардіосигналів (102 норма, 51 екстрасистолія, 51 блокада) підтвердила її високу статистичну значущість (F-критерій Фішера 953,93, p < 0,001) та відповідність основним припущенням регресійного аналізу. Аналіз залишкових відхилень продемонстрував їхній нормальний розподіл та гомоскедастичність, що свідчить про адекватність моделі. Запропонований підхід поєднує переваги високої інтерпретованості класичних статистичних методів з інноваційним використанням функції амплітудної варіабельності для комплексного аналізу морфологічних і ритмічних ознак кардіосигналів. Практичне значення полягає у створенні математичного інструментарію для автоматизованих систем діагностики серцево-судинних захворювань та систем підтримки ухвалення клінічних рішень.