29
лет
предоставляем актуальную медицинскую информацию от ведущих специалистов, помогая врачам в ежедневной работе
Уведомления
29
лет
предоставляем актуальную медицинскую информацию от ведущих специалистов, помогая врачам в ежедневной работе
29
лет
предоставляем актуальную медицинскую информацию от ведущих специалистов, помогая врачам в ежедневной работе
Уведомления
Войдите или зарегистрируйтесь, чтобы получать уведомления
Пройдя регистрацию, вы сможете получать уведомления
о новых статьях сразу после их публикации на сайте
Идентификация фенотипов бронхиальной астмы с поздним дебютом с помощью кластерного анализа
1
ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), Москва, Россия

Введение: особый интерес представляет бронхиальная астма (БА) с поздним дебютом (дебют в возрасте >40 лет), которая демонстрирует принципиально иные клинико-функциональные характеристики по сравнению с БА с ранним началом заболевания.

Цель исследования: выделить и охарактеризовать подтипы БА с поздним дебютом методом кластерного анализа на основании демографических, клинических, функцио­нальных и инструментальных данных.

Материал и методы: в одноцентровое обсервационное исследование с поперечным анализом включено 130 пациентов с БА (медиана (Ме) возраста 65,0 года; Ме возраста дебюта 51,5 года). Кластеризацию выполняли при фиксированном числе кластеров k=3; качество разбиения оценивали по коэффициенту силуэта, структуру данных — методом главных компонент (PCA); различия между кластерами анализировали с помощью критериев Краскела — Уоллиса и χ2, важность признаков — методом «случайного леса» (random forest).

Результаты исследования: выделены 3 подтипа БА с поздним дебютом: «тяжелая астма, ассоциированная с курением» (n=35; 26,9%), «астма с относительно сохраненной функцией легких» (n=54; 41,5%) и «астма очень позднего дебюта с высокой коморбидностью» (n=41; 31,5%). Ведущими признаками, разделявшими кластеры, были возраст, возраст дебюта заболевания, индекс коморбидности Чарлсон, объем форсированного выдоха за 1-ю секунду (ОФВ1) и отношение ОФВ1 / форсированная жизненная емкость легких (ФЖЕЛ). Кластер «тяжелой астмы, ассоциированной с курением» характеризовался наиболее выраженной бронхиальной обструкцией (ОФВ1 36,0% от должного, ОФВ1/ФЖЕЛ 44,0%), высокой частотой курения (51,4%) и слизистых пробок по данным компьютерной томографии органов грудной клетки (68,6%). В кластер «астмы с относительно сохраненной функцией легких» вошли более молодые пациенты (Ме возраста 54 года) с минимальной коморбидной нагрузкой и относительно сохранными показателями ОФВ1 (75,5%) и ОФВ1/ФЖЕЛ (70,8%). Кластер «астмы очень позднего дебюта с высокой коморбидностью» отличался старшим возрастом (Ме 72 года, Ме возраста дебюта 63 года), максимальным индексом Чарлсон (5 баллов) при наиболее высоком ОФВ1 (81,0%) и низкой частоте курения (12,2%). Контроль симптомов по ACQ-5 (p=0,387), абсолютное число эозинофилов крови (p=0,797) и частота бронхоэктазов между кластерами статистически значимо не различались.

Заключение: кластерный анализ позволил выделить у пациентов, страдающих БА с поздним дебютом, 3 клинически интерпретируемых подтипа, различающихся, прежде всего, возрастом, возрастом дебюта астмы, степенью нарушения функции внешнего дыхания и характером коморбидности, что может служить доступными инструментами первичной стратификации пациентов без применения сложных лабораторных панелей. Такой подход может быть использован для оптимизации маршрутизации пациентов с БА позднего дебюта в реальной клинической практике.

Ключевые слова: бронхиальная астма, поздний дебют, кластерный анализ, фенотипы, спирометрия.


Identification of late-onset bronchial asthma phenotypes using cluster analysis

T.U. Bogatyreva, V.V. Gaynitdinova, E.S. Ainetdinova, S.N. Avdeev, Z.M. Merzhoeva

Sechenov First Moscow State Medical University, Moscow, Russian Federation

Background: late-onset bronchial asthma (BA; onset at age >40 years) is of particular interest because it demonstrates clinical and functional characteristics that differ substantially from those of early-onset disease.

Aim: to identify and characterize subtypes of late-onset BA using cluster analysis based on demographic, clinical, functional, and instrumental diagnostic data.

Materials and Methods: this single-center observational cross-sectional study included 130 patients with BA (median age 65.0 years; median age at onset 51.5 years). Cluster analysis was performed with a fixed number of clusters (k=3). Partition quality was assessed using the silhouette coefficient, and data structure was examined by principal component analysis (PCA). Between-cluster differences were analyzed using the Kruskal–Wallis and χ2 tests, and feature importance was evaluated by random forest.

Results: three late-onset BA subtypes were identified: "severe smoking-associated asthma" (n=35; 26.9%), "asthma with relatively preserved lung function" (n=54; 41.5%), and "very late-onset asthma with high comorbidity" (n=41; 31.5%). The main discriminating features were age, age at disease onset, Charlson Comorbidity Index, forced expiratory volume in 1 second (FEV1), and FEV1/forced vital capacity (FVC) ratio. The severe smoking-associated asthma cluster was characterized by the most pronounced airflow obstruction (FEV1 36.0% predicted; FEV1/FVC 44.0%), a high prevalence of smoking (51.4%), and a high frequency of mucus plugs on chest CT (68.6%). The asthma with relatively preserved lung function cluster included younger patients (median age 54 years) with minimal comorbidity burden and relatively preserved FEV1 (75.5%) and FEV1/FVC (70.8%). The very late-onset asthma with high comorbidity cluster was distinguished by older age (median age 72 years; median age at onset 63 years), the highest Charlson Comorbidity Index (5 points), the highest FEV1 (81.0%), and a low prevalence of smoking (12.2%). Symptom control assessed by ACQ-5 (p=0.387), absolute blood eosinophil count (p=0.797), and the frequency of bronchiectasis did not differ significantly among the clusters.

Conclusion: cluster analysis identified three clinically interpretable subtypes among patients with late-onset asthma, differing primarily in age, severity of pulmonary function disorder, age at asthma onset, and comorbidity profile. These subtypes may serve as accessible tools for initial patient stratification without the need for complex laboratory panels. Such an approach could be applied to optimize the patient management in late-onset asthma in real-world clinical practice.

Keywords: bronchial asthma, late onset, cluster analysis, phenotypes, spirometry.

For citation: Bogatyreva T.U., Gaynitdinova V.V., Ainetdinova E.S., Avdeev S.N., Merzhoeva Z.M. Identification of late-onset bronchial asthma phenotypes using cluster analysis. Russian Medical Inquiry. 2026;10(8):528–535 (in Russ.). DOI: 10.32364/2587-6821-2026-10-8-1

Для цитирования
Богатырева Т.У., Гайнитдинова В.В., Айнетдинова Е.С., Авдеев С.Н., Мержоева З.М. Идентификация фенотипов бронхиальной астмы с поздним дебютом с помощью кластерного анализа. РМЖ. Медицинское обозрение. 2026;10(8):528-535. DOI: 10.32364/2587-6821-2026-10-8-1.

Введение

Бронхиальная астма (БА) — хроническое заболевание дыхательных путей, которое на протяжении многих лет рассматривалось как единая нозологическая форма. Являясь одним из самых распространенных хронических заболеваний в мире, БА затрагивает около 340 млн человек, и примерно у 30–40% взрослых, страдающих БА, первые симптомы заболевания появляются после 40 лет [1].

Накопленные за последние два десятилетия данные показали, что под общим клиническим диагнозом БА скрывается выраженная гетерогенность механизмов воспаления, клинического течения, а также функцио­нальных изменений. Это привело к формированию концепции фенотипов БА — устойчивых сочетаний наблюдаемых клинических и биологических характеристик, выделение которых необходимо для перехода от унифицированного к персонализированному подходу в лечении [2].

Одним из наиболее продуктивных инструментов выделения фенотипов стал кластерный анализ — метод неконтролируемой статистической группировки пациентов по совокупности признаков без предварительных гипотез о структуре выборки. В рамках программы Severe Asthma Research Program (SARP) иерархический кластерный анализ 726 пациентов позволил выделить 5 воспроизводимых подтипов, различавшихся по возрасту дебюта заболевания, функции внешнего дыхания (ФВД) и объему базисной терапии [3]. Близкие результаты были получены P. Haldar et al. [4], которые методом k-средних в трех независимых когортах описали клинически значимые группы, включая фенотип позднего дебюта в сочетании с ожирением. После­дующие работы подтвердили устойчивость и прогностическую значимость кластерных фенотипов: интеграция показателей клеточного воспаления в мокроте выявила связь нейтрофилии с более тяжелым течением заболевания, а мультивью-кластеризация продемонстрировала различия в ответе на глюкокортикостероиды между подтипами [5, 6]. Анализ регистра тяжелой рефрактерной астмы Британского торакального общества показал стабильность кластеров при длительном наблюдении и их связь с клиническими исходами [7].

Существенный вклад в формирование клинико-функциональных подтипов БА вносят коморбидные и структурные изменения дыхательных путей. Сочетание астмы и хронической обструктивной болезни легких (ХОБЛ) встречается приблизительно у трети пациентов с тяжелой астмой и ассоциируется с более старшим возрастом, мужским полом, курением, большей длительностью заболевания, более выраженным снижением функции легких [8]. Не менее значимым является сочетание БА с бронхоэктазами: по данным метаанализа, их средняя распространенность среди больных астмой достигает 35% и сопряжена с более старшим возрастом, большей тяжестью течения, частыми обострениями и снижением показателей спирометрии [9]. В когортах пациентов с тяжелой астмой распространенность бронхоэктазов оказывается еще выше — вплоть до 57%, при этом независимыми факторами их развития выступают возраст дебюта астмы и частота обострений [10]. Таким образом, и астма в сочетании с ХОБЛ, и бронхоэктатический компонент могут формировать самостоятельные подтипы, требующие отдельных диагностических и терапевтических подходов.

Несмотря на значительный объем накопленных данных, большинство кластерных исследований выполнено на зарубежных популяциях и преимущественно у пациентов с тяжелой формой заболевания, тогда как клиническое наполнение и воспроизводимость фенотипов в отдельных когортах могут различаться. В Российской Федерации распространенность, фенотипический профиль, эндотипы и уровень контроля тяжелой БА, которой страдают от 5 до 20% пациентов с БА, охарактеризованы в ряде работ, подчеркивающих целесообразность выделения фенотипов и эндотипов для индивидуализации терапии [11]. Однако кластерная стратификация пациентов в отечественных когортах, особенно при позднем дебюте заболевания, остается малоизученной. При этом роль рутинно доступных функцио­нальных показателей (прежде всего параметров спирометрии) и коморбидных состояний в разделении пациентов на подтипы охарактеризована недостаточно.

Цель исследования: выделить и охарактеризовать подтипы БА позднего дебюта методом кластерного анализа на основании демографических, клинических, функцио­нальных и инструментальных данных.

Материал и методы

Дизайн исследования. Одноцентровое обсервационное исследование с поперечным анализом.

В исследование было включено 130 пациентов, госпитализированных в пульмонологическое отделение УКБ № 4 ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет) с диагнозом БА в период с 01.10.2023 по 30.09.2025. Все пациенты имели документально подтвержденный диагноз «бронхиальная астма» на основании клинических, лабораторно-инструментальных критериев GINA1. Фенотип БА с поздним дебютом определяли в случае появления первых симптомов БА в возрасте старше 40 лет1. Критерии включения: появление симптомов и установление диагноза «бронхиальная астма» в возрасте старше 40 лет; подписание информированного согласия. Исследование одобрено локальным этическим комитетом ФГАОУ ВО Первый МГМУ им. И.М. Сеченова (Сеченовский Университет) (протокол 08-25 от 10.04.2025).

У всех пациентов оценивали демографические показатели, наследственный и атопический анамнез, анамнез курения, индекс массы тела (ИМТ), симптомы и оценку контроля симптомов заболевания, данные объективного, лабораторного (общий анализ крови с подсчетом относительного и абсолютного количества эозинофилов, С-реактивный белок, общий иммуноглобулин Е (IgE), оксид азота в выдыхаемом воздухе (FENO)) и инструментального (спирометрия, бодиплетизмография, исследование диффузионной способности легких, компьютерная томография органов грудной клетки (КТ ОГК)) исследований.

Методы исследования. Определение кластера — это подбор однородной подгруппы пациентов, выделенной методами кластерного анализа на основе сходства клинических, функцио­нальных и/или лабораторных характеристик, при этом пациенты внутри одного кластера максимально схожи между собой и максимально отличаются от пациентов других кластеров.

Определение эндотипов проводили согласно национальным клиническим рекомендациям [12]. Эндотипы — это субтипы болезни, определяемые отличительными патобиологическими механизмами.

Определение фенотипов БА проводили согласно национальным клиническим рекомендациям [12]. Выделены: аллергический, эозинофильный, неаллергический фенотипы, фенотипы БА с ожирением и с фиксированной бронхиальной обструкцией.

Индекс курения (ИК) рассчитывали по формуле: ИК = (количество сигарет в день × количество лет курения) / 20 (пачка/лет).

Индекс массы тела рассчитывали для оценки питательного статуса пациентов по общепринятой формуле: ИМТ = масса тела (кг) / рост (м2).

Контроль БА определяли с помощью опросника по контролю симптомов ACQ-5 [13].

При спирометрии оценивали следующие показатели: форсированную жизненную емкость легких (ФЖЕЛ), объем форсированного выдоха за 1-ю секунду (ОФВ1), ОФВ1/ФЖЕЛ; пиковую объемную скорость выдоха (ПОС), максимальную объемную скорость при выдохе 25% ФЖЕЛ (МОС25), максимальную объемную скорость при выдохе 50% ФЖЕЛ (МОС50), максимальную объемную скорость при выдохе 75% ФЖЕЛ (МОС75) [14, 15]. Измерения проводили на оборудовании Q-box Cosmed (Италия).

Высокоразрешающую КТ ОГК проводили на спиральном компьютерном томографе Aquillion TSX-101A (Toshiba Medical Medical Systems), толщина среза — 1 мм, pitch — 1,5.

Бронхоэктазы — это хроническое воспалительное заболевание легких, характеризующееся такими клиническими симптомами, как кашель, отделение мокроты и рецидивирующие респираторные инфекции. Радиологическим критерием бронхоэктазов является наличие расширения бронхов, выявляемого при КТ ОГК [16].

Гиперреактивность дыхательных путей — это патофизиологический феномен, при котором дыхательные пути проявляют избыточную реакцию на действие внешних или внутренних раздражителей. В результате возникает бронхоспазм (сужение просвета бронхов) в ответ на воздействие, которое у большинства здоровых людей не вызывает такой реакции [12].

Слизистые пробки идентифицировали согласно критериям, предложенным E.M. Dunican et al. [17], как неразветвленные или ветвящиеся трубчатые (пальцевидные) структуры мягкотканной плотности, расположенные в просвете бронхов, преимущественно в нижних долях, в ряде случаев им сопутствовали дистальные ателектазы и/или участки «воздушной ловушки» на выдохе. Дифференциальную диагностику слизистых пробок от сопутствующих сосудов осуществляли на основании двух критериев: наличия анатомической непрерывной связи слизистой пробки с просветом бронха и отсутствия ветвления, характерного для легочных арт­ерий.

Статистический анализ и кластеризация. Кластерный анализ выполняли в среде Python 3 с использованием библиотек pandas (обработка данных), scikit-learn (кластеризация методом k-средних, метод главных компонент (Principal Component Analysis — PCA), классификатор «случайный лес», расчет коэффициента силуэта) и SciPy (критерии сравнения групп). Количественные переменные описывали медианой и межквартильным размахом (Me [Q1; Q3]), качественные — абсолютными и относительными частотами (n (%)).

Кластеризация выполнена по 8 признакам: возрасту, возрасту дебюта, индексу Чарлсон, ОФВ1%, ОФВ1/ФЖЕЛ, факту курения, наличию слизистых пробок и бронхоэктазов по данным КТ ОГК. Такие признаки, как ACQ-5 и абсолютное число эозинофилов, не участвовали в формировании кластеров и были сохранены для клинического описания.

Непрерывные признаки стандарти­зировали с использованием z-преобразования; бинарные признаки кодировали как 0/1. Для k-средних использовали инициализацию k-средних++ и 1000 стартов; выбирали решение с минимальной внутрикластерной суммой квадратов.

Количественные показатели сравнивали с помощью критерия Краскела — Уоллиса; бинарные — χ2 Пирсона. Для попарных сравнений применяли критерий Манна — Уитни или точный критерий Фишера с поправкой Холма. Приведены ε2 и V Крамера. Статистически значимыми считали различия при p<0,05.

Результаты исследования

Медиана возраста исследуемых пациентов составила 65,0 [54,2; 71,0] года (от 40 до 97 лет), Ме возраста дебюта заболевания — 51,5 [42,2; 62,0] года, что соответствует фенотипу БА позднего дебюта. На момент включения преобладало неконтролируемое течение заболевания (86,2%), частично контролируемое составило 7,7%, контролируемое — 5,4%, Ме суммарного балла ACQ-5 — 3,0 [2,2; 3,6]. За предшествующие 12 мес. Ме числа нетяжелых обострений составила 2,0 [1,0; 4,0], тяжелых — 1,0 [1,0; 1,8].

В структуре эндотипов преобладал эндотип с Т2-воспалением (88,5%). Чаще всего встречался эозинофильный фенотип, который выявлен у 56,9%, аллергический фенотип констатировали у 55,4%, фенотип с фиксированной бронхиальной обструкцией — у 41,5%, фенотип БА с ожирением — у 42,3% пациентов. Гипертоническая болезнь была зарегистрирована у 71,5%, ишемическая болезнь сердца — у 50,0%, ожирение — у 43,1%, гастро­эзофагеальная рефлюксная болезнь — у 36,2%, ХОБЛ — у 23,1%, бронхоэктазы — у 22,3%, сахарный диабет — у 19,2%, полипозный риносинусит — у 13,8%; Ме индекса коморбидности Чарлсон составила 4,0 [2,0; 5,0]. Двойную комбинированную терапию получали 48,5% пациентов, тройную — 50,0%, генно-инженерную биологическую терапию (меполизумаб, дупилумаб, бенрализумаб, тезепелумаб) — 10,8%.

Медиана ОФВ1 составила 70,0 [46,2; 84,8] % от должного, ФЖЕЛ — 89,0 [78,0; 104,0] %, ОФВ1/ФЖЕЛ — 64,3 [51,8; 74,0] %, МОС25 — 34,0 [25,5; 47,0] %, ПОС — 60,0 [36,0; 71,0] %. Ме абсолютного числа эозинофилов крови составила 180 [52; 410] кл/мкл. По данным КТ ОГК слизистые пробки выявлены у 43,1% пациентов, бронхоэктазы — у 22,3%.

Результаты кластеризации. Методом кластерного анализа выделено 3 разведочных, клинически интерпретируемых кластера, однако их геометрическое разделение оценивается как умеренно слабое — коэффициент силуэтной модели составил 0,256 (табл. 1). Кластер 2 имел наибольшее среднее значение (0,277), кластер 3 — наименьшее (0,226) (рис. 1).

Рис. 1. Силуэтная диаграмма для решения с 3 кластерами Fig. 1. Silhouette plot for the three-cluster solution

Таблица 1. Кластерный анализ когорты исследуемых пациентов с БА с поздним дебютом Table 1. Cluster analysis of the cohort of patients with late-onset bronchial asthma

Оценка важности признаков методом «случайного леса» (Random Forest) показала, что точность классификации по данным out-of-bag (OOB) составила 87,7%, что указывает на хорошую воспроизводимость кластерной структуры. Наибольшую значимость для разграничения кластеров имели возраст, показатель ОФВ1 и отношение ОФВ1/ФЖЕЛ. Анализ пермутационной важности признаков (permutation importance) в классификации пациентов по кластерам также показал ведущую роль таких показателей, как возраст, ОФВ1, ОФВ1/ФЖЕЛ (табл. 2, рис. 2).

Таблица 2. Важность признаков согласно модели Random Forest Table 2. Parameter importance according to the Random Forest model

Рис. 2. Важность 8 признаков по модели Random Forest Fig. 2. Importance of eight features according to the Random Forest model

Пациенты кластера 1 (n=35) имели наиболее выраженную бронхиальную обструкцию с Me показателя ОФВ1 36,0 [30,5; 46,0] % и ОФВ1/ФЖЕЛ — 44,0 [35,5; 50,6] %. Факт курения отмечали у 51,4% пациентов, слизистые пробки по данным КТ ОГК — у 68,6% пациентов. По сравнению с кластерами 2 и 3 показатели ФВД у пациентов кластера 1 были статистически значимо ниже.

Пациенты кластера 2 (n=54) характеризовались более молодым возрастом и низкой коморбидностью. Ме возраста составила 54 [49,2; 58,8] года, возраста дебюта — 42 [40,0; 47,0] года, индекс Чарлсон — 2 балла. Функцио­нальные показатели были относительно сохранены: Ме ОФВ1 в среднем составила 75,5 [63,0; 85,0] %, ОФВ1/ФЖЕЛ — 70,8 [60,0; 79,6] %.

Пациенты кластера 3 (n=41) имели фенотип очень позднего дебюта (старше 60 лет) с высокой коморбидностью. Пациенты этого кластера были старше — Ме возраста 72 [70,0; 78,0] года, с возрастом дебюта 63 [60,0; 70,0] года, индексом Чарлсон 5 баллов. Показатель ОФВ1 был наиболее высоким — 81,0 [71,0; 91,0] %, при низкой частоте курения — 12,2%. Сравнительная клинико-функциональная характеристика кластеров представлена в таблице 3.

Таблица 3. Сравнительная клинико-функциональная характеристика кластеров Table 3. Comparative clinical and functional characteristics of the clusters

Окончание таблицы 3 Table 3 (continued)

Все 3 кластера различались по возрасту, возрасту дебюта и индексу Чарлсон в каждом попарном сравнении. Для курения после поправки Холма сохранялось различие только между кластерами 1 и 3; для слизистых пробок — между кластерами 1 и 2. Контроль симптомов по шкале ACQ-5 (p=0,387), уровень эозинофилов (p=0,797) и частота распространенности бронхоэктазов статистически значимо между кластерами не различались (рис. 3).

Рис. 3. Проекция пациентов на первые 2 главные компо- ненты анализа PCA Fig. 3. Projection of patients onto the first two principal components of PCA (Principal Component Analysis)

Первые 2 компоненты (PC1 — направление, вдоль которого пациенты сильнее всего различаются по исходным признакам, и PC2 — второе по важности направление различий) объясняли 72,9% дисперсии. Проекция подтверждает наличие различимых центров, одновременно демонстрируя зоны перекрытия, согласующиеся с умеренно низким силуэтом.

Обсуждение

В настоящей работе кластерный анализ когорты пациентов с БА позднего дебюта позволил выделить 3 клинически интерпретируемых подтипа, главными факторами разделения которых явились возраст, возраст дебюта заболевания, индекс коморбидности Чарлсон и показатели ФВД. При этом контроль симптомов (ACQ-5), уровень эозинофилов крови и частота бронхоэктазов между кластерами статистически значимо не различались, что указывает на ведущую роль именно возрастных, функцио­нальных и коморбидных характеристик в формировании подтипов позднего дебюта [18].

Полученные данные согласуются с результатами крупных международных кластерных исследований. В программе SARP при иерархическом кластерном анализе возраст дебюта и функция легких служили ведущими осями разделения пациентов, при этом подтипы позднего дебюта выделялись как самостоятельная группа с выраженным снижением спирометрических показателей [3]. Сходные результаты получены P. Haldar et al. [4], описавшими методом k-средних в трех независимых когортах клинически значимые группы, различавшиеся в том числе по возрасту начала заболевания. А в регистре тяжелой рефрактерной астмы Британского торакального общества были выявлены кластеры позднего дебюта и фиксированной бронхиальной обструкции, сохранявшие стабильность при многолетнем наблюдении [7].

Кластер 1, характеризовавшийся наиболее выраженной бронхиальной обструкцией, высокой частотой курения и слизистых пробок по данным КТ ОГК, представляет подтип тяжелой астмы, ассоциированной с курением. Данный кластер по своим характеристикам сопоставим с подтипом, описанным M. Pikoula et al. в крупнейшем на сегодня исследовании (n=626 651): кластер пожилых мужчин с ХОБЛ и сердечно-сосудистой патологией характеризовался наибольшей частотой госпитализаций по поводу обострений [19]. Высокая частота курения и слизистых пробок в кластере 1 соотносится с данными E.M. Dunican et al. [17], продемонстрировавших связь слизистых пробок с эозинофилией и бронхиальной обструкцией, а сочетание курения с тяжелой малообратимой обструкцией соответствует современным представлениям о синдроме БА + ХОБЛ как о фенотипе с более выраженным снижением функции легких и худшим прогнозом [8].

Кластер 2 объединил более молодых пациентов с относительно сохраненной ФВД и минимальной коморбидной нагрузкой. Этот подтип сопоставим с более легким кластером, описанным в программе SARP и регистре Британского торакального общества, и подчеркивает, что даже в когорте позднего дебюта сохраняется группа с относительно благоприятным течением [3, 7]. Низкий индекс коморбидности и более молодой возраст дебюта выделяют данный подтип как потенциально наиболее перспективный с позиции ответа на стандартную базисную терапию.

Кластер 3 представлял собой фенотип очень позднего дебюта (старше 60 лет) с наиболее высокой коморбидной нагрузкой при относительно сохраненных показателях ФВД и низкой частоте курения. Выделение данного подтипа имеет особое клиническое значение: у пожилых пациентов коморбидность может определять тяжесть состояния в большей степени, что требует мультидисциплинарного подхода к ведению этих пациентов. Высокая коморбидная нагрузка в данном кластере подтверждается данными российских исследований, подчеркивающих целесообразность выделения фенотипов и эндотипов для индивидуализации терапии у пациентов с тяжелой БА [11].

Контроль симптомов по шкале ACQ-5 и уровень эозинофилов крови статистически значимо между кластерами не различались. Это может объясняться тем, что в обследованной когорте госпитализированных пациентов преобладало неконтролируемое течение заболевания и Т2-эндотип астмы, что нивелировало межгрупповые различия по данным показателям. Отсутствие статистически значимых различий по уровню эозинофилов между кластерами указывает на то, что выделенные подтипы разграничиваются преимущественно клинико-функциональными, а не биомаркерными характеристиками. Это согласуется с концепцией разделения фенотипов и эндотипов: клинические фенотипы, выделяемые кластерным анализом, могут не совпадать с биологическими подтипами, определяемыми характером воспаления, что подчеркивает необходимость интеграции обоих подходов для полной стратификации пациентов [2, 20].

Заключение

Полученные результаты соответствуют общему вектору перехода от единого диагноза к ведению астмы на основе ее подтипов в рамках персонализированной медицины [2, 20]. Спирометрия (в первую очередь показатели ОФВ1 и ОФВ1/ФЖЕЛ), оценка возраста дебюта и коморбидной нагрузки могут служить доступными инструментами первичной стратификации пациентов с БА позднего дебюта, без применения сложных лабораторных панелей. Так, профиль кластера 1 указывает на необходимость активных мероприятий по отказу от курения и дообследования на предмет сочетания БА — ХОБЛ, профиль кластера 3 — на приоритетность мультидисциплинарной оценки коморбидной патологии, а профиль кластера 2 в большинстве случаев позволяет ограничиться стандартной базисной терапией. Такой подход может быть использован для оптимизации маршрутизации пациентов с БА позднего дебюта в реальной клинической практике.


Сведения об авторах:

Богатырева Тамара Умаровна — аспирант кафедры пульмонологии Института клинической медицины им. Н.В. Склифосовского ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); 119991, Россия, г. Москва, ул. Трубецкая, д. 8, стр. 2; ORCID iD 0009-0005-0348-1772

Гайнитдинова Вилия Вилевна — д.м.н., профессор кафедры пульмонологии Института клинической медицины им. Н.В. Склифосовского ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); 119991, Россия, г. Москва, ул. Трубецкая, д. 8, стр. 2; ORCID iD 0000-0001-9928-926X

Айнетдинова Елизавета Сергеевна — аспирант кафедры пульмонологии Института клинической медицины им. Н.В. Склифосовского ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); 119991, Россия, г. Москва, ул. Трубецкая, д. 8, стр. 2; ORCID iD 0000-0001-7986-8010

Авдеев Сергей Николаевич — д.м.н., профессор, академик РАН, заведующий кафедрой пульмонологии Института клинической медицины им. Н.В. Склифосовского; директор НМИЦ пульмонологии ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); 119991, Россия, г. Москва, ул. Трубецкая, д. 8, стр. 2; ORCID iD 0000-0002-5999-2150

Мержоева Замира Магомедовна — д.м.н., заведующий пульмонологическим отделением Университетской клинической больницы № 4, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), доцент кафедры пульмонологии Института клинической медицины им. Н.В. Склифосовского ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); 119991, Россия, г. Москва, ул. Трубецкая, д. 8, стр. 2; ORCID iD 0000-0002-3174-5000

Контактная информация: Гайнитдинова Вилия Вилевна, e-mail: ivv_08@mail.ru

Прозрачность финансовой деятельности: никто из авторов не имеет финансовой заинтересованности в представленных материалах или методах.

Конфликт интересов отсутствует.

Статья поступила 12.07.2026.

Поступила после рецензирования 04.08.2026.

Принята в печать 27.08.2026

ABOUT THE AUTHORS: 

Tamara U. Bogatyreva — postgraduate student of the Department of Pulmonology, Sklifosovsky Institute of Clinical Medicine, Sechenov First Moscow State Medical University; 8 bldg. 2, Trubetskaya str., Moscow, 119991, Russian Federation; ORCID iD 0009-0005-0348-1772 

Viliya V. Gaynitdinova — Dr. Sc. (Med.), Professor of the Department of Pulmonology, Sklifosovsky Institute of Clinical Medicine, Sechenov First Moscow State Medical University; 8 bldg. 2, Trubetskaya str., Moscow, 119991, Russian Federation; ORCID iD 0000-0001-9928-926X 

Elizaveta S. Ainetdinova — postgraduate student of the Department of Pulmonology, Sklifosovsky Institute of Clinical Medicine, Sechenov First Moscow State Medical University; 8 bldg. 2, Trubetskaya str., Moscow, 119991, Russian Federation; ORCID iD 0000-0001-7986-8010 

Sergey N. Avdeev — Dr. Sc. (Med.), Professor, Academician of the Russian Academy of Sciences, Head of the Department of Pulmonology, Sklifosovsky Institute of Clinical Medicine; Director, National Medical Research Center for Pulmonology, Sechenov First Moscow State Medical University; 8 bldg. 2, Trubetskaya str., Moscow, 119991, Russian Federation; ORCID iD 0000-0002-5999-2150 

Zamira M. Merzhoeva — Dr. Sc. (Med.), Head of the Pulmonology Department, University Clinical Hospital No. 4, Sechenov First Moscow State Medical University; Associate Professor, Department of Pulmonology, Sklifosovsky Institute of Clinical Medicine, Sechenov First Moscow State Medical University; 8 bldg. 2, Trubetskaya str., Moscow, 119991, Russian Federation; ORCID iD 0000-0002-3174-5000 

Contact information: Viliya V. Gaynitdinova, e-mail: ivv_08@ mail.ru 

Financial Disclosure: no authors have a financial or property interest in any material or method mentioned. 

There is no conflict of interest. 

Received 12.07.2026. Revised 04.08.2026. Accepted 27.08.2026.





1. Гайнитдинова В.В., Богатырева Т.У., Авдеев С.Н. Бронхиальная астма с поздним дебютом. РМЖ. Медицинское обозрение. 2025;9(8):454–462. DOI: 10.32364/2587-6821-2025-9-8-4. Gaynitdinova V.V., Bogatyreva T.U., Avdeev S.N. Late onset asthma. Russian Medical Inquiry. 2025;9(8):454–462 (in Russ.). DOI: 10.32364/2587-6821-2025-9-8-4
2. Wenzel S.E. Asthma phenotypes: the evolution from clinical to molecular approaches. Nat Med. 2012;18(5):716–725. DOI: 10.1038/nm.2678
3. Moore W.C., Meyers D.A., Wenzel S.E. et al. National Heart, Lung, and Blood Institute's Severe Asthma Research Program. Identification of asthma phenotypes using cluster analysis in the Severe Asthma Research Program. Am J Respir Crit Care Med. 2010;181(4):315–323. DOI: 10.1164/rccm.200906-0896OC
4. Haldar P., Pavord I.D., Shaw D.E. et al. Cluster analysis and clinical asthma phenotypes. Am J Respir Crit Care Med. 2008;178(3):218–224. DOI: 10.1164/rccm.200711-1754OC
5. Moore W.C., Hastie A.T., Li X. et al. National Heart, Lung, and Blood Institute's Severe Asthma Research Program. Sputum neutrophil counts are associated with more severe asthma phenotypes using cluster analysis. J Allergy Clin Immunol. 2014;133(6):1557–1563.e5. DOI: 10.1016/j.jaci.2013.10.011
6. Wu W., Bang S., Bleecker E.R. et al. Multiview Cluster Analysis Identifies Variable Corticosteroid Response Phenotypes in Severe Asthma. Am J Respir Crit Care Med. 2019;199(11):1358–1367. DOI: 10.1164/rccm.201808-1543OC
7. Newby C., Heaney L.G., Menzies-Gow A. et al. British Thoracic Society Severe Refractory Asthma Network. Statistical cluster analysis of the British Thoracic Society Severe refractory Asthma Registry: clinical outcomes and phenotype stability. PLoS One. 2014;9(7):e102987. DOI: 10.1371/journal.pone.0102987
8. Wakazono M., Kimura H., Tsujino I. et al. Prevalence and clinical impact of asthma-COPD overlap in severe asthma. Allergol Int. 2025;74(2):308–315. DOI: 10.1016/j.alit.2024.11.003
9. Lan G., Huang C., Liu Y. et al. How does comorbid bronchiectasis affect asthmatic patients? A meta-analysis. J Asthma. 2021;58(10):1314–1328. DOI: 10.1080/02770903.2020.1784194
10. Ma D., Cruz M.J., Ojanguren I. et al. Risk factors for the development of bronchiectasis in patients with asthma. Sci Rep. 2021;11(1):22820. DOI: 10.1038/s41598-021-02332-w
11. Авдеев С.Н., Ненашева Н.М., Жуденков К.В. и др. Распространенность, заболеваемость, фенотипы и другие характеристики тяжелой бронхиальной астмы в Российской Федерации. Пульмонология. 2018;28(3):341–358. DOI: 10.18093/0869-0189-2018-28-3-341-358. Avdeev S.N., Nenasheva N.M., Zhudenkov K.V. et al. Prevalence, morbidity, phenotypes and othercharacteristics of severe bronchial asthma in Russian Federation. Russian Pulmonology. 2018;28(3):341–358 (in Russ.). DOI: 10.18093/0869-0189-2018-28-3-341-358
12. Чучалин А.Г., Авдеев С.Н., Айсанов З.Р. и др. Бронхиальная астма: федеральные клинические рекомендации по диагностике и лечению. Пульмонология. 2022;32(3):393–447. DOI: 10.18093/0869-0189-2022-32-3-393-447. Chuchalin A.G., Avdeev S.N., Aisanov Z.R. et al. Federal clinical guidelines on diagnosis and treatment of bronchial asthma. Pulmonologiya. 2022;32(3):393–447 (in Russ.). DOI: 10.18093/0869-0189-2022-32-3-393-447
13. Juniper E.F., O'Byrne P.M., Guyatt G.H. et al. Development and validation of a questionnaire to measure asthma control. Eur Respir J. 1999;14(4):902–907. DOI: 10.1034/j.1399-3003.1999.14d29.x
14. Quanjer P.H., Tammeling G.J., Cotes J.E. et al. Lung volumes and forced ventilatory flows. Report of Working Party on Standardization of Lung Function Tests, European Community for Steel and Coal. Official Statement of the European Respiratory Society. Eur Respir J. 1993;6(16):5–40. PMID: 8499054
15. Cotes J.E., Chinn D.J., Miller M.R. Lung Function: Assessment and Application in Medicine. 5th ed. Oxford: Blackwell Scientific Publications; 1993.
16. Chalmers J.D., Haworth C.S., Flume P. et al. European Respiratory Society clinical practice guideline for the management of adult bronchiectasis. Eur Respir J. 2025;66:2501126. DOI: 10.1183/13993003.01126-2025
17. Dunican E.M., Elicker B.M., Gierada D.S. et al. National Heart Lung and Blood Institute (NHLBI) Severe Asthma Research Program (SARP). Mucus plugs in patients with asthma linked to eosinophilia and airflow obstruction. J Clin Invest. 2018;128(3):997–1009. DOI: 10.1172/JCI95693
18. Богатырева Т.У., Гайнитдинова В.В., Мержоева З.М. и др. Астма с поздним дебютом: эндотипы, фенотипы, клинико-функциональные особенности. Медицинский Совет. 2026;(9):18–27. DOI: 10.21518/ms2026-143. Bogatyreva T.U., Gaynitdinova V.V., Merzhoeva Z.M. Clinical and functional characteristics, endotypes, and phenotypes of late and very late-onset asthma. Medical Council. 2026;(9):18–27 (in Russ.). DOI: 10.21518/ms2026-143
19. Pikoula M., Quint J.K., Kallis C. et al. Identification of clinically meaningful, overlapping obstructive respiratory disease subtypes via data-driven approaches in a primary care population. BMC Pulm Med. 2025;25(1):487. DOI: 10.1186/s12890-025-03953-x
20. Kaur R., Chupp G. Phenotypes and endotypes of adult asthma: Moving toward precision medicine. J Allergy Clin Immunol. 2019;144(1):1–12. DOI: 10.1016/j.jaci.2019.05.031
Лицензия Creative Commons
Контент доступен под лицензией Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Похожие статьи
Новости/Конференции
Все новости
Новости/Конференции
Все новости
Ближайшие конференции
Все мероприятия

Данный информационный сайт предназначен исключительно для медицинских, фармацевтических и иных работников системы здравоохранения.
Вся информация сайта www.rmj.ru (далее — Информация) может быть доступна исключительно для специалистов системы здравоохранения. В связи с этим для доступа к такой Информации от Вас требуется подтверждение Вашего статуса и факта наличия у Вас профессионального медицинского образования, а также того, что Вы являетесь действующим медицинским, фармацевтическим работником или иным соответствующим профессионалом, обладающим соответствующими знаниями и навыками в области медицины, фармацевтики, диагностики и здравоохранения РФ. Информация, содержащаяся на настоящем сайте, предназначена исключительно для ознакомления, носит научно-информационный характер и не должна расцениваться в качестве Информации рекламного характера для широкого круга лиц.

Информация не должна быть использована для замены непосредственной консультации с врачом и для принятия решения о применении продукции самостоятельно.

На основании вышесказанного, пожалуйста, подтвердите, что Вы являетесь действующим медицинским или фармацевтическим работником, либо иным работником системы здравоохранения.

Читать дальше