Архив офтальмологии Украины Том 11, №3, 2023

Актуальність. Ендокринна орбітопатія (ЕО) — це автоімунне запальне захворювання м’яких тканин орбіти та періорбітальних тканин, що клінічно проявляється появою екзофтальму, диплопії, обмеження рухів очного яблука, зміною зовнішності. За даними літератури, ця патологія зустрічається відносно рідко (приблизна частота: 0,54–0,9 випадку/100 000/рік у чоловіків, 2,67–3,3 випадку/100 000/рік у жінок), частіше має легкий і середній ступінь тяжкості. Хоча тяжкі форми ендокринної орбітопатії з важкими ураженнями рогівки та/або дистиреоїдною оптичною нейропатією наявні у 5–6 % випадків, проте вони небезпечні тим, що можуть призвести до втрати зору. Оскільки час для лікування таких пацієнтів обмежений і наявний ризик втрати зору, прогнозування розвитку ендокринної орбітопатії тяжкого ступеня для діагностики й індивідуального підходу до лікування допоможе поліпшити прогноз і якість життя пацієнтів з ендокринною орбітопатією. Метою дослідження було розробити математичну модель прогнозування розвитку ендокринної орбітопатії тяжкого ступеня з застосуванням бінарної логістичної регресії. Матеріали та методи. Загалом обстежено 40 пацієнтів, які консультувалися та/або проходили лікування на клінічних базах кафедри у 2016–2022 рр. Ця група складалася з 12 чоловіків і 28 жінок віком від 35 до 61 року, середній вік пацієнтів 45,55 ± 9,92 року. Статистичну обробку отриманих результатів дослідження проводили з використанням програми MedCalc, яка є у вільному доступі на сайті за посиланням www.medcalc.org. Результати. За допомогою логістичного регресійного аналізу було розраховано β-коефіцієнти для показників: паління — p = 0,0142 (р < 0,05), екзофтальм — р = 0,0142 (р < 0,05), вік — р = 0,0136 (р < 0,05), що вказували на наявність прямого, а для показника тривалості захворювання — р = –0,21999 (р < 0,05) — зворотного зв’язку з результуючою змінною. Характеристики проведеного нами ROC-аналізу для оцінки адекватності багатофакторної математичної моделі свідчили про високі прогностичні характеристики регресії: площа під кривою (AUC) = 0,94 ± 0,04; 95% ДI = 0,817–0,991; p < 0,0001. За даними аналізу, у точці відсікання (p) SevEO > 0,4428 може бути досягнуте безпомилкове прогнозування розвитку ЕО тяжкого ступеня з чутливістю у 83,33 % і специфічністю у 83,33 % (95% ДI = 51,6–99,1; p < 0,0001). Висновки. Розроблена математична модель прогнозування розвитку ендокринної орбітопатії тяжкого ступеня завдяки зручності проведення розрахунків і швидкості отримання даних може бути додатковим діагностичним інструментом для здійснення персоналізованого підходу й вибору методу лікування пацієнтів з ЕО та заслуговує на впровадження у клінічну практику.

Background. Endocrine orbitopathy is an autoimmune inflammatory disease of the soft tissues of the orbit and periorbital tissues, which is clinically manifested by the appearance of exo­phthalmos, diplopia, restriction of eyeball movements, changes in appearance. According to the literature, this pathology is relatively rare (approximate frequency is 0.54–0.9 cases per 100,000 per year in males, 2.67–3.3 cases per 100,000 per year in females) and more commonly is moderate or severe. Although severe forms of endocrine orbitopathy with serious corneal lesions and/or dysthyroid optic neuropathy are present in 5–6 % of cases, they are dangerous because they can lead to vision loss. Due to the fact that the time for treatment of such patients is limited and there is a risk of vision loss, predicting the development of severe endocrine orbitopathy for diagnosis and an individualized approach to treatment will help improve the prognosis and quality of life of patients with endocrine orbitopathy. The aim of the work was to develop a mathematical model for predicting the development of severe endocrine orbitopathy using binary logistic regression. Materials and methods. A total of 40 patients were examined. They were consulted and/or underwent treatment at the department’s clinical facilities in 2016–2022. This group consisted of 12 men and 28 women aged from 35 to 61 years, with an average of 45.55 ± 9.92 years. Statistical processing of the obtained research results was carried out using the MedCalc program, which is freely available on the website at the link www.medcalc.org. Results. Using logistic regression analysis, β-coefficients were calculated for indicators such as smoking — p = 0.0142 (р < 0.05); exophthalmos — p = 0.0142 (p < 0.05) and age — p = 0.0136 (p < 0.05), they demonstrated the presence of direct relationship, and for the duration of the disease variable — p = –0.21999 (р < 0.05), there was an inverse relationship. The characteristics of the receiver operator characteristic (ROC) analysis we conducted to assess the adequacy of the multifactorial mathematical model indicated high prognostic characteristics of the regression: area under the ROC curve = 0.94 ± 0.04; 95% confidence interval (CI) = 0.817–0.991; p < 0.0001. According to the analysis, at the cut-off point (p) SevEO > 0.4428, error-free prediction for the development of severe endocrine orbitopathy can be achieved with a sensitivity of 83.33 % and a specificity of 83.33 % (95% CI = 51.6–99.1; p < 0.001). Conclusions. Consequently, the developed mathematical model for predicting the occurrence of severe endocrine orbitopathy can serve as an additional diagnostic tool for implementing a personalized approach and selecting treatment methods for patients with endocrine orbitopathy due to its convenience in conducting calculations and the speed of data acquisition. It deserves to be implemented into clinical practice.

орбітопатія Грейвса; щитоподібна залоза; математична модель; персоналізований підхід; прогнозування розвитку

Graves ophthalmopathy; thyroid gland; mathematical model; personalized approach; prediction of development

1. Bartalena L., Kahaly G.J., Baldeschi L., Dayan C.M., Eckstein A., Marcocci C., Marinò M., Vaidya B., Wiersinga W.M.; EUGOGO. The 2021 European Group on Graves' orbitopathy (EUGOGO) clinical practice guidelines for the medical management of Graves’ orbitopathy. Eur. J. Endocrinol. 2021 Aug 27. 185(4). G43-G67. doi: 10.1530/EJE-21-0479. PMID: 34297684.
2. Chin Y.H., Ng C.H., Lee M.H., Koh J.W.H., Kiew J., Yang S.P. et al. Prevalence of thyroid eye disease in Graves’ disease: a meta-analysis and systematic review. Clin. Endocrinol. (Oxf.). 2020. doi: 10.1111/cen.14296. 
3. Nyström H.F., Jansson S., Berg G. Incidence rate and clinical features of hyperthyroidism in a long-term iodine sufficient area of Sweden (Gothenburg) 2003–2005. Clin. Endocrinol. (Oxf.). 2013 May. 78(5). 768-76. doi: 10.1111/cen.12060. PMID: 23421407.
4. Tkachenko V., Maksymets Y., Vydyborets N., Kovalenko O. Analysis of the prevalence and morbidity of thyroid pathology among the population of Kyiv region and Ukraine for 2007–2017. International Journal оf Endocrinology (Ukraine). 2018. 14(3). 272-277. https://doi.org/10.22141/2224-0721.14.3.2018.136426.
5. Perros P., Zarkovic M., Azzolini C., Ayvaz G., Baldeschi L., Bartalena L., Boschi A., Bournaud C., Brix T.H., Covelli D. et al. PREGO (presentation of Graves’ orbitopathy) study: changes in referral patterns to European Group on Graves’ orbitopathy (EUGOGO) centres over the period from 2000 to 2012. British Journal of Ophthalmology. 2015. 1531-1535. https://doi.org/10.1136/bjophthalmol-2015-306733). 
6. Bartalena L., Piantanida E., Gallo D., Lai A., Tanda M.L. Epidemiology, natural history, risk factors, and prevention of Graves’ orbitopathy. Frontiers in Endocrinology. 2020. 615993. https://doi.org/10.3389/fendo.2020.615993.
7. Wiersinga W.M. Smoking and thyroid. Clinical Endocrinology. 2013. 145-151. https://doi.org/10.1111/cen.12222. 
8. George A., Diana T., Langericht J., Kahaly G.J. Stimulatory thyrotropin receptor antibodies are a biomarker for Graves’ orbitopathy. Frontiers in Endocrinology. 2020. 11. 629925. https://doi.org/10.3389/fendo.2020.629925.
9. Wiersinga W.M. Advances in treatment of active, moderate-to-–severe Graves’ ophthalmopathy. Lancet: Diabetes and Endocrinology. 2017. 134-142. https://doi.org/10.1016/S2213-8587(16)30046-8.
10. Wiersinga W., Zarkovic M., Bartalena L., Donati S., Perros P., Okosieme O., Morris D., Fichter N., Lareida J., von Arx G. et al. Predictive score for the development or progression of Graves’ orbitopathy in patients with newly diagnosed Graves’ hyperthyroidism. European Journal of Endocrinology. 2018. 635-643. https://doi.org/10.1530/EJE-18-0039.
11. Khong J.J., Finch S., De Silva C., Rylander S., Craig J.E., Selva D., Ebeling P.R. Risk factors for Graves’ orbitopathy; the Australian thyroid-associated orbitopathy research (ATOR) study. Journal of Clinical Endocrinology and Metabolism. 2016. 2711-2720. https://doi.org/10.1210/jc.2015-4294.
12. Traisk F., Tallstedt L., Abraham-Nordling M., Andersson T., Berg G., Calissendorff J., Hallengren B., Hedner P., Lantz M., Nystrom E. et al. Thyroid-associated ophthalmopathy after treatment for Graves’ hyperthyroidism with antithyroid drugs or iodine-131. Journal of Clinical Endocrinology and Metabolism. 2009. 3700-3707. https://doi.org/10.1210/jc.2009-0747.
13. Matheis N., Lantz M., Grus F.H., Ponto K.A., Wolters D., Brorson H., Planck T., Shahida B., Pitz S., Pfeiffer N. et al. Proteomics of orbital tissue in thyroid-associated orbitopathy. Journal of Clinical Endocrinology and Metabolism. 2015. E1523-E1530. https://doi.org/10.1210/jc.2015-2976. 
14. Lanzolla G., Marcocci C., Marinò M. Oxidative Stress in Graves Disease and Graves Orbitopathy. European Thyroid Journal. 2020. 9(1_Suppl). 40-50. Retrieved 2023 Oct 9, from https://doi.org/10.1159/00050961.
15. Regensburg N.I. et al. Effect of smoking on orbital fat and muscle volume in Grave’ orbitopathy. 2010. https://doi.org/10.1089/thy.0218.