«УРАТ-ИНДЕКС» – НОВОЕ СЛОВО В ОПРЕДЕЛЕНИИ УРАТНОГО СОСТАВА КАМНЯ

Введение. Сегодня растворение уратных камней, согласно клиническим рекомендациям, является основным методом их лечения. Помимо достаточно дорогой двухэнергетической компьютерной томографии (КТ), других методов неинвазивного определения состава камня не существует.

Цель исследования. Создать инструмент прогнозирования уратного нефролитиаза, тем самым улучшить отбор пациентов, подходящих для литолитической терапии.

Материалы и методы. Ретроспективно проанализированы результаты обследования 189 пациентов с мочекаменной болезнью. Первую группу составили 59 пациентов с уратными камнями, вторую – 130 пациентов с камнями иного состава. Сравнивали следующие параметры: клинические характеристики, результаты 24-часового анализа мочи, данные КТ.

Результаты. Из изученных параметров наивысшую статистическую значимость в определении состава камня имели: масса тела, индекс массы тела, рН мочи и плотность камня полученная по данным КТ (p<0.01). Произведение рН мочи и плотности камня, названное «Урат-индексом», имело небольшую площадь под кривой (AUC 0.96), что позволило с более высокой точностью диагностировать уратный нефролитиаз.

Заключение. Предложенный показатель «Урат-Индекс» прост в получении, является эффективным инструментом прогнозирования уратного состава камня и способствует лучшему отбору пациентов для литолитической терапии.

1. Knoll T. Epidemiology, Pathogenesis, and Pathophysiology of Urolithiasis. Eur Urol Suppl. 2010;9:802-806.

2. Голованов С.А., Сивков А.В., Анохин Н.В., Дрожжева В.В. Тенденции распространенности метаболических типов мочекаменной болезни в Московском регионе. Сравнительный анализ за период с 2010 по 2013 гг. Экспериментальная и клиническая урология. 2014;(4):54-57.

3. Torricelli FC, De S, Liu X, Calle J, Gebreselassie S, Monga M. Can 24-Hour Urine Stone Risk Profi les Predict Urinary Stone Composition? Journal of Endourology, 2014;8(6): 35–738. doi: 10.1089/end.2013.0769

4. Torricelli FC, Brown R, Berto FCG, Tarplin S, Srougi M, Mazzucchi E, Monga M. Nomogram to predict uric acid kidney stones based on patient’s age, BMI and 24-hour urine profl es: A multicentre validation. Can. Urol. Assoc. J. 2015;9(3-4):E178-82. doi: 10.5489/cuaj.2682

5. Reichard C, Gill BC, Sarkissian C, De S, Monga M. 100% uric acid stone formers: what makes them different? Urology. 2015;85(2):296-8. doi: 10.1016/j.urology.2014.10.029

6. Аляев Ю.Г., Руденко В.И. Современные аспекты медикаментозного лечения пациентов с мочекаменной болезнью. Эффективная фармакотерапия. Урология и Нефрология. 2016;5(41):10-15.

7. Мартов А.Г., Мазуренко Д.А., Климкова М.М., Синицын В.Е., Нерсисян Л.А., Гаджиев Н.К. Двухэнергетическая компьютерная томография в диагностике мочекаменной болезни: новый метод определения химического состава мочевых камней. Урология. 2017;(3):98-103. doi: 10.18565/urol.2017.2.98-103

8. Хромов-Борисов Н.Н. Бейзовский анализ качества диагностических тестов. Превентивная медицина сегодня. 2006;(1):1-7.

9. Xia J, Wishart DS. Using MetaboAnalyst 3.0 for Comprehensive Metabolomics Data Analysis. Curr Protoc Bioinformatics. 2016;55:14.10.1-14.10.91. doi: 10.1002/ cpbi.11