РЕЗЮМЕ
Данное исследование посвящено применению метода «bootstrap» для создания виртуальных моделей нормо- и гиперпролактинемии, позволяющим создавать статистические модели на основе эмпирического распределения данных. Цель исследования заключалась в применении этого подхода к различным группам пациентов с нормопролактинемией, гиперпролактинемией без аденомы гипофиза, микро- и макропролактиномой. Материал и методы. Для создания моделей использовались данные пациентов с различными формами пролактинемии. Модели были построены с учетом половых и количественных характеристик пациентов, и проводился статистический анализ. Результаты. Результаты показали, что виртуальные модели не имели статистически значимых различий по сравнению с реальными группами. Однако были выявлены определенные корреляции между пролактинемией и антропометрическими показателями, артериальным давлением, а также гормонами гипофизарно-щитовидной системы, которые варьировались в зависимости от группы. Заключение. Исследование показало, что метод "bootstrap" является эффективным инструментом для клинического и статистического моделирования и позволяет более точно анализировать особенности различных групп пролактинемии.
Keywords: метод «bootstrap», аденома гипофиза, нормо- и гиперпролактинемия, виртуальные модели, статистическое моделирование

---

ЛИТЕРАТУРА

1. Анатольев С. Экономический ликбез: бутстрап. Основы бутстрапирования. http://quantile.ru/03/03-SA.pdf
2. Жданов К.И. Выпускная квалификационная работа бакалавра. Исследование бутстрап-методов и их применение в статистике. Санкт-Петербург, 2018, 42 с
3. Томин Д. Бутстрап и доверительные интервалы: от теории к практике на Python. 16.07.2024. https://habr.com/ru/articles/829336/
4. Xie H, Tang Q, Zhu Q. A Multiplier Bootstrap Approach to Designing Robust Algorithms for Contextual Bandits // IEEE Trans Neural Netw Learn Syst. 2023 Dec;34(12):9887-9899. doi: 10.1109/TNNLS.2022.3161806
5. Comets E, Rodrigues C, Jullien V, Ursino M. Conditional Non-Parametric Bootstrap for Non-linear Mixed Effect Models // Pharm Res. 2021 Jun;38(6):1057-1066. doi: 10.1007/s11095-021-03052-6
6. Liu XS, Pompey KT. Bootstrap Estimate of Bias for Intraclass Correlation // J Appl Meas. 2020;21(1):101-108.
7. Malakhov M.M., Dai B., Shen XT, Pan W. A Bootstrap Model Comparison test for identifying genes with context-Specific Patterns of genetic regulation // bioRxiv [Preprint]. 2023 Oct 22:2023.03.06.531446. doi: 10.1101/2023.03.06.531446
8. Reader AJ, Ellis S. Bootstrap-Optimised Regularised Image Reconstruction for Emission Tomography // IEEE Trans Med Imaging. 2020 Jun;39(6):2163-2175. doi: 10.1109/TMI.2019.2956878
9. Langenbucher A, Szentmáry N, Cayless A, Wendelstein J, Hoffmann P. Bootstrap Outlier Identification in Clinical Datasets for Lens Power Formula Constant Optimization // Curr Eye Res. 2023 Mar;48(3):263-269. doi: 10.1080/02713683.2022.2108457
10. Bartlett JW, Hughes RA. Bootstrap inference for imputation under uncongeniality and misspecification // Stat Methods Med Res. 2020 Dec;29(12):3533-3546. doi: 10.1177/0962280220932189
11. Davidson R. Bootstrapping econometric models // Quantile, 2007, No.3, pp. 13–36
12. Мосин П. Бутстрап: швейцарский нож аналитика в A/B-тестах. 21.09.23. https://habr.com/ru/users/Atlamos/
13. Calculator.net. BMI Calculator. 2008-2024. https://www.calculator.net/bmi-calculator.html
14. Melmed S., Casanueva F.F., Hoffman A.R. et al. Diagnosis and Treatment of Hyperprolactinemia: An Endocrine Society Clinical Practice Guideline // Clin Endocrinol Metab, 2011, 96: 273–288
15. Thapa S., Bhusal K. Hyperprolactinemia. Last Update: July 24, 2023, https://www.ncbi.nlm.nih.gov/books/NBK537331/
16. Leca B.M., Mytilinaiou M., Tsoli M. et al. Identification of an optimal prolactin threshold to determine prolactinoma size using receiver operating characteristic analysis // Scientific Reports, 2021, 11:9801. doi:10.1038/s41598-021-89256-7
17. Rabinovich I.H., Gómez R.C., Mouriz M.G. et al. on behalf of the Neuroendocrinology Group of the SEEN. Clinical guidelines for diagnosis and treatment of prolactinoma and hyperprolactinemia // Endocrinol Nutr. 2013; 60 (6): 308-319
18. Eske J. What are the ranges, symptoms, and meaning of TSH levels? Last reviewed on November 30, 2023, https://www.medicalnewstoday.com/articles/163729#summary
19. Лакин Г.Ф. Биометрия.Издание третье, переработанное и дополненное. Москва «Высшая школа», 1980, 293 с
20. EasyCalculation.com. Confidence Limits for Mean Calculator. https://www.easycalculation.com/statistics/confidence-limits-mean.php
21. Psyhol-ok Психологическая помощь. Назначение t-критерия Стьюдента. https://www.psychol-ok.ru/statistics/student/
22. EPITOOLS. Calculate confidence limits for a sample proportion. https://epitools.ausvet.com.au/ciproportion
23. Social Science Statistics. Easy Fisher Exact Test Calculator. https://www.socscistatistics.com/tests/fisher/default2.aspx
24. НАФИ. Тема 6. Корреляционный анализ. https://nafi.ru/upload/spss/Lection_6.pdf
25. Stats.Blue. Simple Linear Regression Calculator. https://stats.blue/Stats_Suite/correlation_regression_calculator.html