ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ ПРЕЖДЕВРЕМЕННОГО СЕРДЕЧНО-СОСУДИСТОГО СТАРЕНИЯ

Сердечно-сосудистое старение представляет собой значительную угрозу здоровью и качеству жизни людей, особенно в возрасте 65 лет и старше. В данной статье представлен способ прогнозирования сердечно-сосудистого старения с использованием математического моделирования. Разработанная модель объединяет различные физиологические и поведенческие факторы, включая артериальное давление, уровень холестерина, индекс массы тела, курение, физическую активность и алкоголь. Модель основана на применении методов итерации и Рунге Кутты, что позволяет описывать динамическое взаимодействие этих факторов во времени. Валидация модели проводилась на основе данных клинических исследований здоровья пожилых пациентов. Результаты показывают, что модель обладает высокой точностью в прогнозировании прогрессии сердечно-сосудистого старения и позволяет выявлять пациентов с повышенным риском сердечно-сосудистых заболеваний. Предложенный способ прогнозирования может стать ценным инструментом для врачей, помогая разрабатывать персонализированные стратегии профилактики и вмешательства в гериатрии, что, в свою очередь, может улучшить результаты лечения и продлить здоровую жизнь пациентов. В будущем планируется дальнейшее уточнение параметров модели и расширение ее применения на более широкие популяции.

1. Morokov Yu. Simple Mathematical Model of Aging. Dec. 2019.

2. Feichtinger Gustav, et al. The Mathematics of Ageing: Central European Journal of Operations Research, 18 Nov. 2019, vol. 28, no. 2, pp. 371–399. https://doi.org/10.1007/s10100-019-00661-w. Accessed 27 Apr. 2022.

3. Murase Masatoshi and Mitsuyoshi Matsuo. Mathematical Modeling for the Aging Process: Normal, Abnormal and Self-Terminating Phenomena in Spatio-Temporal Organization. Mechanisms of Ageing and Development, Sept. 1991, vol. 60, no. 1, pp. 99–112. https://doi.org/10.1016/0047-6374(91)90113-e. Accessed 21 Mar. 2020.

4. Mc Auley Mark, et al. Mathematical Modelling of Metabolic Regulation in Aging. Metabolites, 27 Apr. 2015, vol. 5, no. 2, pp. 232–251. https://doi.org/10.3390/metabo5020232.

5. Viktorov A.A, et al. Influence of Environment on Aging of Living Systems: A Mathematical Model. Advances in Gerontology, 1 Oct. 2013, vol. 3, no. 4, pp. 255–260. https://doi.org/10.1134/s2079057013040103. Accessed 21 June 2024.

6. Hibbs, Albert R., and Roy L. Walford. A Mathematical Model of Physiological Processes and Its Application to the Study of Aging. Mechanisms of Ageing and Development, Nov. 1989, vol. 50, no. 2, pp. 193–214. https://doi.org/10.1016/0047-6374(89)90014-6. Accessed 8 Dec. 2022.

7. Zheng Tan. A Mathematical Model of Proliferation and Aging of Cells in Culture. Journal of Theoretical Biology, 7 Apr. 1991, vol. 149, no. 3, pp. 287–315. www.sciencedirect.com/science/article/abs/pii/S0022519305803078, https://doi.org/10.1016/S0022-5193(05)80307-8. Accessed 21 June 2024.

8. Brown K.S., and W. F. Forbes. A Mathematical Model of Aging Processes. Journal of Gerontology, 1 Jan. 1974, vol. 29, no. 1, pp. 46–51. https://doi.org/10.1093/geronj/29.1.46. Accessed 29 Oct. 2021.

9. Musa H., Saidu I., Waziru M. A Simplified Derivation and Analysis of Fourth Order Runge Kutta Method. International Journal of Computer Applications, vol. 9, no. 8, Nov. 2010, pp. 51–55. https://doi.org/10.5120/1402-1891.

10. Elman H.C., Silvester D., Wathen A.J., Ro P. Iterative Methods for Problems in CFD. Winter School on Iterative Methods in Scientific Computing and Applications, Sept. 1996, vol. 96, no. 19, pp. 1–46.