Проведено одноцентровое, рандомизированное, открытое, ретроспективное, обсервационное, когортное клиническое исследование, в котором приняли участие 896 больных мышечно-неинвазивным (Та, Т1 и Тis) раком мочевого пузыря. Из них у 256 (28,6 %) пациентов (группа А) применены биполярные технологии эндоуретрального удаления опухолей мочевого пузыря в 0,9 % растворе NaCl (TURis-vap), а 640 (71,4 %) больных (группа Б) были оперированы с помощью эталонного метода – монополярной трансуретральной резекции и вапоризаци (TUR-vap) опухоли мочевого пузыря. Проанализированы возможности и ограничения использования метода Шепарда для моделирования рисков хирургического лечения рака мочевого пузыря. Для ряда показателей (общее число осложнений) модели имеют довольно хорошие характеристики при минимальном объеме «чистки». Для других показателей (срок возникновения рецидивов) модели аппроксимации по Шепарду имеют весьма низкое качество и требуют гораздо более тщательной процедуры обработки исходных данных. Проведение процедуры «чистки» позволяет существенно повысить точность работы созданных моделей аппроксимации по Шепарду. Для достижения приемлемой точности (≥80 %) в среднем потребовалось удаление порядка 40 % данных исходных выборок. Проведение дальнейшей чистки позволяет создавать модели, имеющие точность работы, превосходящую 95 %.

The study was conducted as a single-center, randomized, open, retrospective, observational, cohort clinical, which was attended by 896 patients with musclenon-invasive (Ta, T1 and Tis) bladder cancer. With respect to 256 (28,6 %) patients (group A) used bipolar technology endo-urethral removal of bladder tumors in 0,9 % solution of NaCl (TURis-vap), and 640 (71,4 %) patients (group B) were operated using the reference method – monopolar transurethral resection and vaporization (TUR-vap) bladder tumors. The possibilities and limitations of using Shepard’s method, the risks of surgical treatment of bladder cancer was modeled. For a number of indicators (total number of complications) models have pretty good performance with a minimum amount of «cleaning». For other indicators (term recurrence) model approximation by Shepard have a very poor quality and require much more thorough procedure of processing raw data. Carrying out the procedure of «cleaning» can significantly improve the accuracy of the approximation models created by Shepard. To achieve acceptable accuracy (≥ 80 %) there was needed to remove an average of about 40 % of raw data samples. Further cleaning undertake will allow to create models with accuracy that exceeds 95 %.