Акне: выявление ключевых факторов и лечение фиксированной комбинацией «адапален + метронидазол»

Введение. Поиск эффективного подхода к лечению аcne vulgaris затрудняется сложным взаимодействием факторов, влияющих на течение и исход заболевания.

Цель. Выявить ключевые ассоциации факторов развития и тяжести течения акне с помощью реконструкции байесовской сети и сделать анализ результатов лечения фиксированной комбинацией адапален 0,1% + метронидазол 1%, гель.

Материалы и методы. Исследование проводилось с 2023 по 2025 г. в г. Казани, были включены 650 пациентов с акне, средний возраст – 23,0 ± 3,7 года. Изучаемые параметры включали: неизменяемые (общие характеристики, данные анамнеза) и изменяемые (лабораторные показатели, морфофункциональные параметры и состав микробиоты кожи лица) факторы. Полученными параметрами стали клинические характеристики и дерматологические индексы. На первом этапе была реконструирована непараметрическая байесовская сеть. На втором этапе была выделена группа пациентов с акне легкой и средней степени (n = 56), которой проведено лечение гелем адапален 0,1% + метронидазол 1% (препарат Метрогил® А)в течение 12 нед.

Результаты. Наружная терапия в группе пациентов с акне легкой и средней степени, имевших нарушения микробиома кожи лица (n = 56), препаратом адапален 0,1% + метронидазол 1%, гель была эффективна: клиническая ремиссия наступила у 60,7% (n = 34), значительное улучшение – у 37,5% (n = 21). Нежелательные местные реакции характеризовались легкой степенью выраженности и не требовали отмены препарата.

Выводы. Представленный подход полезен для визуализации сложных взаимосвязей между факторами и клиническими исходами при анализе мультифакториальных заболеваний. Основанная на результатах анализа наружная терапия акне (адапален 0,1% + метронидазол 1%, гель) в группе пациентов, имевших нарушения микробиома кожи лица, показала эффективность, безопасность и хорошую переносимость.

1. Chen H, Zhang T, Yin X, Man J, Yang X, Lu M. Magnitude and temporal trend of acne vulgaris burden in 204 countries and territories from 1990 to 2019: an analysis from the Global Burden of Disease Study 2019. Br J Dermatol. 2022;186(4):673–683. https://doi.org/10.1111/bjd.20882.

2. Reynolds RV, Yeung H, Cheng CE, Cook-Bolden F, Desai SR, Druby KM et al. Guidelines of care for the management of acne vulgaris. J Am Acad Dermatol. 2024;90(5):1006.e1–1006.e30. https://doi.org/10.1016/j.jaad.2023.12.017.

3. Chinese Guidelines for the Management of Acne Vulgaris: 2019 Update. Int J Dermatol Venereol. 2019;2(3):129–137. https://doi.org/10.1097/jD9.0000000000000043.

4. Nast A, Dréno B, Bettoli V, Bukvic Mokos Z, Degitz K, Dressler C et al. European evidence based (S3) guideline for the treatment of acne – update 2016 – short version. J Eur Acad Dermatol Venereol. 2016;30(8):1261–1268. https://doi.org/10.1111/jdv.13776.

5. Mallon E, Newton J, Klassen A, Stewart-Brown SL, Ryan T, Finlay A. The quality of life in acne: a comparison with general medical conditions using generic questionnaires. Br J Dermatol. 1999;140(4):672–676. https://doi.org/10.1046/j.1365-2133.1999.02768.x.

6. Cresce ND, Davis SA, Huang WW, Feldman SR. The quality of life impact of acne and rosacea compared to other major medical conditions. J Drugs Dermatol. 2014;13(6):692–697. Available at: https://pubmed.ncbi.nlm.nih.gov/24918559.

7. Eichenfield DZ, Sprague J, Eichenfield LF. Management of acne vulgaris: a review. JAMA. 2021;326(20):2055–2067. https://doi.org/10.1001/jama.2021.17633.

8. Ju Q, Tao T, Hu T, Karadağ AS, Al-Khuzaei S, Chen W. Sex hormones and acne. Clin Dermatol. 2017;35(2):130–137. https://doi.org/10.1016/j.clindermatol.2016.10.004.

9. Heng AHS, Chew FT. Systematic review of the epidemiology of acne vulgaris. Sci Rep. 2020;10(1):5754. https://doi.org/10.1038/s41598-02062715-3.

10. Holland DB, Jeremy A. The role of inflammation in the pathogenesis of acne and acne scarring. Semin Cutan Med Surg. 2005;24(2):79–83. https://doi.org/10.1016/j.sder.2005.03.004.

11. Dréno B, Bettoli V, Araviiskaia E, Sanchez Viera M, Bouloc A. The influence of exposome on acne. J Eur Acad Dermatol Venereol. 2018;32(5):812–819. https://doi.org/10.1111/jdv.14820.

12. Grice EA, Segre JA. The skin microbiome. Nature Rev Microbiol. 2011;9(4):244–253. https://doi.org/10.1038/nrmicro2537.

13. Byrd AL, Belkaid Y, Segre JA. The human skin microbiome. Nat Rev Microbiol. 2018;16(3):143–155. https://doi.org/10.1038/nrmicro.2017.157.

14. Rozas M, Hart de Ruijter A, Fabrega MJ, Zorgani A, Guell M, Paetzold Bet al. From dysbiosis to healthy skin: major contributions of Cutibacterium acnes to skin homeostasis. Microorganisms. 2021;9(3):628. https://doi.org/10.3390/microorganisms9030628.

15. Cavallo I, Sivori F, Truglio M, De Maio F, Lucantoni F, Cardinali G et al. Skin dysbiosis and Cutibacterium acnes biofilm in inflammatory acne lesions of adolescents. Sci Rep. 2022;12(1):21104. https://doi.org/10.1038/s41598022-25436-3.

16. Di Domenico EG, Farulla I, Prignano G, Gallo MT, Vespaziani M, Cavallo I et al. Biofilm is a Major Virulence Determinant in Bacterial Colonization of Chronic Skin Ulcers Independently from the Multidrug Resistant Phenotype. Int J Mol Sci. 2017;18(5):1077. https://doi.org/10.3390/ijms18051077.

17. Dréno B. What is new in the pathophysiology of acne, an overview. J Eur Acad Dermatol Venereol. 2017;(31):8–12. https://doi.org/10.1111/jdv.14374.

18. Agak GW, Kao S, Ouyang K, Qin M, Moon D, Butt A et al. Phenotype and antimicrobial activity of Th17 cells induced by Propionibacterium acnes strains associated with healthy and acne skin. J Invest Dermatol. 2018;138(2):316–324. https://doi.org/10.1016/j.jid.2017.07.842.

19. Feidenhansl C, Lund M, Poehlein A, Lood R, Lomholt HB, Brüggemann H. Cutibacterium and Staphylococcus dysbiosis of the skin microbiome in acne and its decline after isotretinoin treatment. JEADV Clin Pract. 2024;3(5):1454–1466. https://doi.org/10.1007/s00403-024-03585-x.

20. Aktaş Karabay E, Aksu Çerman A. Demodex folliculorum infestations in common facial dermatoses: acne vulgaris, rosacea, seborrheic dermatitis. An Bras Dermatol. 2020;95(2):187–193. https://doi.org/10.1016/j.abd.2019.08.023.

21. Guo Z, Yang Y, Wu Q, Liu M, Zhou L, Zhang L et al. New insights into the characteristic skin microorganisms in different grades of acne and different acne sites. Front Microbiol. 2023;14:1167923. https://doi.org/10.3389/fmicb.2023.1167923.

22. Koot P, Mendoza-Lugo MA, Paprotny D, Morales-Nápoles O, Ragno E, Worm DT. PyBanshee version (1.0): A Python implementation of the MATLAB toolbox BANSHEE for Non-Parametric Bayesian Networks with updated features. SoftwareX. 2023;21:101279. https://doi.org/10.1016/j.softx.2022.101279.

23. Bogachev MI, Tishin DV, Gafurov AM, Gareev BI, Imaev RG, Kaplun DI et al. The impact of Grey Heron (Ardea cinerea L.) colony on soil biogeochemistry and vegetation: a natural long-term in situ experiment in a planted pine forest. Front Envir Sci. 2023;11:1197657. https://doi.org/10.3389/fenvs.2023.1197657.

24. Weber P, Medina-Oliva G, Simon C, Iung B. Overview on Bayesian networks applications for dependability, risk analysis and maintenance areas. Eng Appl Artif Intell. 2012;25(4):671–682. https://doi.org/10.1016/j.engappai.2010.06.002.

25. Delgado-Hernández D-J, Morales-Nápoles O, De-León-Escobedo D, Arteaga-Arcos J-C. A continuous Bayesian network for earth dams’ risk assessment: an application. Struct Infrast Eng. 2014;10(2):225–238.

26. Hanea A, Napoles OM, Ababei D. Non-parametric Bayesian networks: Improving theory and reviewing applications. Reliab Eng Syst Saf. 2015;144:265–284. https://doi.org/10.1016/j.ress.2015.07.027.

27. Paprotny D, Morales-Nápoles O. Estimating extreme river discharges in Europe through a Bayesian network. Hydrol Earth Syst Sci. 2017;21(6):2615–2636. https://doi.org/10.5194/hess-21-2615-2017.

28. Cooke RM, Wielicki B. Probabilistic reasoning about measurements of equilibrium climate sensitivity: combining disparate lines of evidence. Clim Change. 2018;151(3):541–554. https://doi.org/10.1007/s10584-018-2315-y.

29. Terefenko P, Paprotny D, Giza A, Morales-Nápoles O, Kubicki A, Walczakiewicz S. Monitoring cliff erosion with LiDAR surveys and Bayesian network-based data analysis. Remote Sensing. 2019;11(7):843. https://doi.org/10.3390/rs11070843.

30. Baba K, Shibata R, Sibuya M. Partial correlation and conditional correlation as measures of conditional independence. Aust New Zealand J Stat. 2004;46(4):657–664. https://doi.org/10.1111/j.1467-842X.2004.00360.x.

31. Baba K, Sibuya M. Equivalence of partial and conditional correlation coefficients. J Japan Stat Society. 2005;35(1):1–19. https://doi.org/10.14490/jjss.35.1.

32. Хисматулина ИМ, Лисовская СА. Изучение противомикробной активности топических препаратов, применяемых при лечении папулопустулезных дерматозов лица. Клиническая дерматология и венерология. 2023;22(2):181–185. https://doi.org/10.17116/klinderma202322021181.