İlerlemiş KBH'de Ölüm ve Böbrek Replasman Tedavisi Öngörü Modellerinin Bağımsız Dış Doğrulama ve Karşılaştırılması

SOYUT

1. Gerekçe ve Amaç

Böbrek Yetmezliği Risk Denklemi (KFRE), kronik böbrek hastalığı (KBH) G3-G5 evrelerinde böbrek replasman tedavisine (KRT) başlama riskini tahmin etmek için yaygın olarak kullanılır. İleri KBH (evre G4 artı ) için geliştirilen yeni Gram hesaplayıcı, yarışan ölüm riskini benzersiz bir şekilde birleştirerek KRT başlangıcını, kardiyovasküler olayları ve ölümü tahmin eder. Bu aracı ölüm ve KRT için G4 artı kohort evresinde doğrulamayı amaçladık.

2. Çalışma Tasarımı

Retrospektif kohort çalışması.

3. Ortam ve Katılımcılar

Ontario'daki Kingston Sağlık Bilimleri Merkezindeki multidisipliner KBH kliniğini ziyaret eden KBH evre G4 artı (ortalama ± SD yaş, 73 ± 12 yıl; ortalama ± SD tahmini glomerüler filtrasyon hızı, 20 ± 6,2 mL/dk/1,73 m2) olan 442 hasta, Kanada. Sonuçlar ve Analitik Yaklaşım: Ayrımcılık ve kalibrasyon, 2- ve 4-yıllık Gram puanları kullanılarak ölümün sonucu açısından incelendi. 2- ve 5-yıl KFRE ile 2- ve 4-yıl Gram puanları, KRT için ayrım ve kalibrasyon açısından karşılaştırıldı.

4. Sonuçlar

Grubumuzda sırasıyla 2, 4 ve 5 yılda 91, 161 ve 2{{10}6 ölüm olayı ve 90, 145 ve 159 KRT olayı vardı. Gram modeli, 4 yılda ölüm için mütevazı bir ayrım gösterdi (eğrinin altındaki alan [AUC] {{20}},70; yüzde 95 GA, 0.{{14) }},75) ve 2 yılda daha kötü performans gösterdi (EAA, 0,63; yüzde 95 GA, 0.57-0,7{41}}). Öngörülen aralığın çoğunda ölümü yalnızca yaklaşık yüzde 10 fazla tahmin etti. Her iki model de 2 yılda KRT için benzer ayrımcılığa sahipti (KFRE EAA, 0,83; yüzde 95 GA, 0,{29}},88 ve Gram EAA, 0,8; yüzde 95 GA, 0,{35) }},87), 4 yıl (Gram EAA, 0,82; yüzde 95 GA, 0.77-0.{43}}) ve 5 yıl (KFRE EAA, 0,81; yüzde 95 GA, 0.{{ 49}}.85). Yüzde 15'e eşit veya daha az tahmin edilen risk eşikleri için 2-yıllık KFRE ve Gram değerleri kullanılarak ve aşağıdakiler için 5-yıllık KFRE ve 4-yıllık Gram değerleri kullanılarak KRT için mükemmel bir kalibrasyon yapıldı. yüzde 20'ye eşit veya daha az olan tahmin edilen risk eşikleri. Daha yüksek risk aralıklarında KFRE, KRT riskini fazla tahmin eder ve Gram, KRT riskini düşük tahmin eder.

5. Sınırlamalar

Bu, özellikle Gram hesaplayıcı için tahmin edilen risklerin daha yüksek aralıklarında daha küçük örneklem boyutlarıyla sınırlı, öncelikle Beyaz bir kohort ile tek merkezli bir çalışmadır.

6. Sonuçlar

Gram modeli orta derecede doğru ölüm tahminleri sağlar ve hasta eğitimi ve ileri bakım planlamasına dahil edilmesine dikkat edilmelidir. Hem Gram hem de KFRE modelleri, ilerlemiş KBH'de KRT risklerini belirlemek için klinik olarak yararlı olmaya devam etmektedir.

Böbrek için Cistanche'nin faydalarını almak için buraya tıklayın

GİRİİŞ

Kronik böbrek hastalığı (KBH), artmış kardiyovasküler olay riskleri, ölüm ve böbrek yetmezliğine yol açan glomerüler filtrasyon hızında (GFR) ilerleyici düşüş ile ilişkilidir.1,2 Bununla birlikte, KBH olan hastalar arasındaki sonuçlar oldukça değişkendir. İlerleme oranı ve diğer sonuçlar, KBH etiyolojisi, GFR'deki azalma derecesi ve proteinüri, eşlik eden hastalıklar, yaş, sağlık hizmetlerine erişim, etnik köken ve diğer birçokları gibi klinik ve demografik faktörlere bağlı olarak bireyler arasında değişiklik gösterir.3 Sonuç olarak, risk tahmin araçlarının klinik pratiğe entegre edilmesine olan ilgi arttı, böylece düşük risk altındaki hastalar aşırı endişe ve maliyetli tıbbi testlerden kurtulabilirken, yüksek risk altındaki hastalar nefroloji sevki, multidisipliner bir kliniğe kayıt gibi zamanında, uygun müdahalelere erişebiliyor. ve böbrek replasman tedavisi (KRT) hazırlığı.4-6

Dünya çapında KBH kohortlarında çok sayıda risk tahmin aracı geliştirilmiş olmasına rağmen, çoğu yeterince doğrulanmamış veya klinik uygulamaya geniş ölçüde entegre edilmemiştir.7 Böbrek Yetmezliği Risk Denklemi (KFRE), Tangri ve arkadaşları8 tarafından Kanada popülasyonunda (KBH evreleri {{ 2}}) ve en doğrulanmış KRT tahmin modelidir.8-15 4-Değişken yinelemesi, riskleri tahmin etmek için yaş, cinsiyet, tahmini GFR (eGFR) ve idrar albümin-kreatinin oranını (ACR) kullanır 2-yıl ve 5-yıllık KFRE puanları (sırasıyla KFRE-2 ve KFRE-5) kullanılarak KRT başlangıcına ilerleyen G3-G5 KBH aşamaları.8 Doğrulama 46 mL/dk/1,73 m2 ortalama temel eGFR'ye sahip 31 çok uluslu kohortun dahil edilmesi, KFRE'nin yüksek ayrım kabiliyetine ve yeterli kalibrasyona sahip olduğunu göstermiştir.16

2018'de Grams ve arkadaşları9, KRT, kardiyovasküler hastalık (CVD) olayları ve 2 ve 4'teki ölümün hem olasılıklarını hem de sırasını tahmin etmek için özellikle KBH evresi G4 artı (eGFR < 30 mL/dk/1,73 m2) popülasyonu için bir araç geliştirdi. yıl. Bu araç, daha önce KBH evre G4 plus'ta önemli sonuç belirteçleri olduğu gösterilen 9 klinik ve demografik özelliği içermektedir. 17 Geliştirilmesi sırasında benzersiz bir şekilde ölümün rekabet eden son noktası olarak kabul edilen bu yeni araç, kapsamlı bir şekilde harici olarak doğrulanmamıştır. 2 kohort üzerinde yapılan yakın tarihli bir çalışma -İsveç Renal Kayıt ve Avrupa Kalite Çalışması- KRT'yi öngörme yeteneğini inceledi, ancak ölümün diğer önemli sonucunu incelemedi.14 Çalışmamız, bu yeni aracın ölüm ve KRT için ayrımcılığını ve kalibrasyonunu değerlendirmeyi amaçladı. nefrolojiye sevk edilen bir KBH evresi G4 artı kohort ve performansını KFRE'ninkiyle karşılaştırmak için.

Cistanche tozu

YÖNTEMLER

1. Çalışma Tasarımı ve Kohort

2013 yılında Kanada, Ontario'daki Kingston Sağlık Bilimleri Merkezinde multidisipliner KBH kliniğine en az bir kez başvuran ve belgelenmiş bir albümin-kreatinin oranı ve CKDEPI (Kronik Böbrek Hastalığı Epidemiyoloji İşbirliği) kreatinin bazlı denklemine göre eGFR < 30 mL/dk/1,73 m2. 2013'te, Kingston Sağlık Bilimleri Merkezi'nin KBH kliniği, Güneydoğu Ontario'da 500,{11}} kişi yaşıyor. Kan tahlili, sigara içme durumu ve diyabet ve KVH öyküsü (en az 1 miyokard enfarktüsü, inme veya kalp krizi olarak tanımlanır) ile ilişkili klinik ziyarette sistolik kan basıncı da dahil olmak üzere demografik ve klinik verileri çıkarmak için elektronik tıbbi kayıtlar kullanıldı. arıza). Sağlık Bilimleri ve Bağlı Eğitim Hastaneleri Araştırma Etik Kurulu'ndan (6004492) etik onay alındı. Bilgilendirilmiş onamdan feragat edildi çünkü tüm çalışma katılımcı bilgileri kimliksizleştirildi. Çalışmamız, Bireysel Prognoz Veya Teşhis (TRIPOD) tahmin modeli raporlaması için çok değişkenli bir tahmin modelinin Şeffaf Raporlamasını takip eder.

2. Sonuçlar

Sonuçlar, 2013 indeks klinik ziyaretinden 2 ve 4 yıl sonra gözlenen ölüm insidanslarını ve 2, 4 ve 5 yılda KRT başlangıcını içeriyordu. Ölüm, tüm ölen hastaların ölüm nedenleri için ölüm tarihlerini ve Uluslararası Hastalık Sınıflandırması kodlarını sağlayan Ontario Genel Kayıt Bürosunun kayıtları kullanılarak tespit edildi.19 Kardiyovasküler olaylar bu analize dahil edilemedi. Hastalar diğer bölgesel hastanelere yatırılmış olabileceğinden, tüm olayların kaydedileceğinden emin. Ancak Kingston Sağlık Bilimleri Merkezi, sağlık bölgemizdeki tek KRT programını sunmaktadır; bu nedenle, KRT verilerinin çok sağlam olduğuna ve takipte çok az kayıp potansiyeli olduğuna inanılıyordu. CVD verilerinin olmaması, olayların birbirine göre zamanlamasının analiz edilmesini engelledi. KRT başladıktan sonra sınırlı sayıda ölüm olduğundan, analizi KRT'nin zamanından bağımsız olarak toplam ölümlerle sınırladık.

3. Tahminciler

Çalışmada kullanılan öngörücüler, herhangi bir KRT ve herhangi bir ölüm için 2-yıl ve 4-yıl Gram hesaplayıcı risk puanlarını (sırasıyla Gram-2 ve Gram-4) içeriyordu. 2013'teki indeks klinik ziyareti sırasında KRT için 4- değişken KFRE-2 ve KFRE-5 puanları. Gram modelinin geliştiricileri bize modelin kodunu ve katsayılarını sağladı ve bunlar Gram model tahminlerimizi oluşturmak için kullanıldı. Herhangi bir ölümün ve herhangi bir KRT'nin tahmin edilen riskleri, meydana gelme sıralarından bağımsız olarak, bu sonuçlar da dahil olmak üzere tüm olasılıkların toplanmasıyla hesaplanmıştır. Örneğin, herhangi bir ölüm olasılığı, KRT'den sonra, CVD'den sonra, KRT ve CVD'den sonra ve sadece ölüm olasılıklarının toplamından oluşuyordu.

Cistanche tübüloza

4. Analizler

Hasta etnik kökeni dışında, tüm temel verilerle ilgili olarak tüm kohort için eksik veri yoktu. Etnik köken verilerinin mevcut olmadığı yerlerde (n=3), Beyaz ırka atfedilen Gram tahminleri üretildi. Albümin-kreatinin oranı seviyeleri saptama eşiklerinin altında olan 7 hasta için en düşük model girdisini (10 mg/g) belirledik.

5. Ayrımcılık

Ayrımcılık, bir modelin olayı deneyimleyenleri yaşamayanlardan ayırma yeteneğini tanımlar. Bu, alıcı işletim karakteristiği (ROC) eğrileri, eğri altındaki alan (AUC) nokta tahminleri ve yüzde 95 güven aralıkları (CI'ler) kullanılarak değerlendirildi. 2- ve 4-yıl Gram modellerinin ölümü tahmin etmedeki ayırt edici performansını değerlendirmek için ROC eğrileri ve AUC'ler oluşturuldu. AUC'ler ayrıca 2- ve 5-yıllık KFRE modelleri ve 2- ve 4-yıllık Gram modelleri için KRT sonucu için hesaplandı. Gözlenen KRT riski için 2 yılda 2 model arasındaki AUC'lerin karşılaştırması, Delong-Delong-Clarke Pearson yöntemi kullanılarak yapıldı.20 EAA'ları şu şekilde yorumladık:<0.7 as poor, 0.7-0.79 as fair, 0.8-0.89 as good, and >0.9 olarak mükemmel.21 Ek olarak, olaydan olaya kadar geçen süre dikkate alınarak ayrımcı kapasiteyi incelemek için Harrell'in C indeksleri (HCI'ler) hesaplanmıştır.

6. Kalibrasyon

Kalibrasyon, tahminler ve gözlemlenen sonuçlar arasındaki uyumu inceler. Bu, Gram modeli için 2 ve 4 yılda tahmin edilen ve gözlemlenen ölüm risklerini grafiksel olarak karşılaştıran ve Gram için 2- ve 4-yıla karşı 5-yıl KRT risklerini karşılaştıran kalibrasyon grafiklerinde yakalanmıştır. ve KFRE modelleri. Grafikler, tahmin edilen risk verilerinin dağılımını ve ondalıklarla tanımlanan hasta grupları arasında bir sonucun ortalama gözlenen olasılığını görselleştirmek için x ekseni boyunca kilim grafikleri ile, tahmin edilen risk değerleri boyunca yerel olarak ağırlıklı dağılım grafiği yumuşatma kullanılarak oluşturulmuştur. öngörülen risk. 0 (en doğru) ile 1 (en az doğru) arasında değişen Brier puanları, ölçülen tahmin doğruluğu.

Cistanche takviyesi

TARTIŞMA

Yüksek diyabet ve KVH prevalansına sahip gelişmiş bir KBH kohortunda yapılan bu çalışma, hem ölüm hem de KRT için Gram tahmin modelini harici olarak doğrulayan ilk çalışmadır. Gram modelinin, daha uzun bir zaman diliminde ölüm yaşayan hastaların belirlenmesinde adil bir ayrım gösterdiğini bulduk (Gram{{0}} EAA, 0,70; yüzde 95 GA, 0.65- 0.75) ve daha kısa bir zaman aralığında yetersiz performans gösterdi (Gram-2 EAA, 0,63; yüzde 95 GA, 0.{12}},70). Bu mütevazı ayrım, kısmen, benzer ortak değişken değerlerine sahip hastalardan oluşan grubumuzun homojenliğinden kaynaklanıyor olabilir. Ek olarak, ölüm tahmin edilmesi zor bir sonuç olmaya devam ettiğinden, genel olarak ölümün sonucu için mütevazı performans şaşırtıcı değildir. Yaygın olarak kullanılan ölüm tahmin araçlarının bile, çeşitli klinik ortamlarda önemli değişkenlik göstererek yalnızca mütevazı bir doğruluğa sahip olduğu gösterilmiştir.22 Gram-4'in ölüm ayrımcılığı için Gram-2'dan neden daha iyi performans gösterdiği konusunda belirsizliğimizi koruyoruz.

Geliştirme çalışmasında karşılaştırma için ölümün sonucuna özgü ayrımcılık verileri mevcut değildi ve bizim çalışmamız, bu sonucu harici olarak doğrulayan ilk çalışmadır. Gram modeli, ölümün sonucu için oldukça iyi ayarlanmıştı ve tahmin aralığının çoğunda ölümü fazla tahmin etme eğilimindeyken, bunu yalnızca yaklaşık yüzde 10 oranında yaptı. Gözlenen ölüm oranları, Gram derivasyon kohortlarında (yüzde 47; ortalama takip, 3.5 yıl) kohortumuza göre (4 yılda yüzde 36; 5 yılda yüzde 47) daha yüksekti. Temel tehlike oranlarındaki bu farklılıklar, kısmen, yaklaşık yüzde 10'luk aşırı tahmini açıklayabilir.9 Geliştirme kohortlarının özellikleri sağlanmadığı için, 2 kohort arasındaki hasta özelliklerindeki farklılıklar hakkında yorum yapamayız.9 Gramların yeteneği{{ Mortaliteyi makul bir doğrulukla tahmin etmeye yönelik 13}} modeli, bakım hedefleri ve hasta eğitimi etrafındaki klinik tartışmaları artırmada önemli bir role sahip olabileceğini düşündürmektedir.

Gram KRT modelleri, 0,81'lik AUC'lerle (%95 CI 0.76- 0) 2 ve 4 yılda KRT'ye başlayan ve başlamayanlar arasında iyi bir ayrım yapma becerisi sergiledi. .87) ve 0.82 (yüzde 95 GA 0.77-0.{13}}), İsveç Renal Registry kohortuna ({ {14}},84 [yüzde 95 GA, 0.83-0,85] - {{20}},83 [yüzde 95 GA, 0.{ {24}}.83]).14 KFRE KRT EAA sonuçları, aynı zamanda ilerlemiş KBH popülasyonlarına (evre G4 artı ) odaklanan çalışmalarda da çok benzer veya biraz daha yüksektir.11,14,15 HCI'ler kullanılarak olaydan zamana ayrımlar 0,77 ile 0,8{{40}} arasında değişen orta ile iyi arasındaydı, KFRE-2 en iyi performansı gösterdi (HCI, {{47} },80; yüzde 95 GA, 0.75-0,85). KFRE HCI'larımız İsveç Avrupa Kalite Çalışması kohortununkilerle karşılaştırılabilirdi ({43}}yıl HCI, 0,76 [yüzde 95 GA, 0.{48}},80]; 5-yıl HIC, 0,75 [ Yüzde 95 GA, 0.72-0.79]).14

Hem Gram hem de KFRE modelleri, tahmin edilen risklerde KRT başlatmaya benzer şekilde iyi kalibre edilmiştir.<15% at 2 years and predicted risks of <20% at 4 and 5 years but were poorly calibrated at higher ranges of predicted risk. The Grams model underestimates risk at risk thresholds of >yüzde 20 , İsveç İsveç Renal Registry ve Avrupa Kalite Çalışması kohortlarında da gösterildi.14 Bu, Gram'ın dahili doğrulama sonuçlarından farklıdır; burada eğilimin riski fazla tahmin etme olduğu, ancak bunun derecesi kohortlar arasında oldukça değişkendir.9 Gözlemlenen KRT oranları, Gram türetme kohortunda (yüzde 12; ortalama takip, 3,5 yıl) bizim kohortumuza göre (4 yılda yüzde 33) daha düşüktü ve bu muhtemelen gözlemlenen tutarsızlıklara katkıda bulunuyor.9 Gram geliştirme kohortunda hasta özelliklerine ilişkin özetleyici verilerin bulunmaması, hasta özelliklerinin karşılaştırılmasını engeller. Tersine, KFRE modelleri riskleri daha yüksek eşiklerde fazla tahmin eder. Hem orijinal çok uluslu KFRE doğrulama çalışmasında16 hem de çok uluslu aşama G4 artı KFRE doğrulama çalışmasında9, tüm risk seviyelerinde bireysel kohortlarda hem belirgin eksik tahmin hem de fazla tahmin görüldü. Diğer birçok kalibrasyon çalışması da, KFRE modellerinin ileri CKD11,15 ve KBH evreleri G3-G5.2'de riski olduğundan fazla tahmin etme eğiliminde olduğunu göstermiştir. Avrupa Kalite Çalışması ve İsveç Renal Registry kohortlarında, KFRE{{18} } ayrıca riskleri olduğundan fazla tahmin etmiştir, ancak mevcut çalışmadan farklı olarak KFRE-2 bunu yapmamıştır.14 KFRE geliştirme kohortunda KRT oranı yalnızca yüzde 11'dir (ortalama takip, 2,1 ± 2,0 yıl),8 Bu çalışmada gözlenen yüzde 20'lik KRT oranından daha düşüktür. Bizim kohortumuzun, KFRE geliştirme kohortundan daha düşük eGFR'ler ve daha yüksek ACR'ler ile daha gelişmiş KBH'ye sahip olduğu göz önüne alındığında, bu şaşırtıcı değildir. Farklı kohortlar arasındaki model performansındaki farklılıklar, çeşitli farklı ortamlarda ve popülasyonlarda kapsamlı model harici doğrulamanın önemini vurgulamaktadır.

Cistanche kapsülleri

The overestimation of KRT initiation by the KFRE models likely stems from their lack of accounting for death as a competing risk. The Grams model accounts for the competing risk of death; it accordingly underestimates the risk of KRT initiation. The recent study by Ramspek et al14 considered the competing risk of death in their discrimination and calibration analyses and found very similar findings to our own. Given this consistent overprediction and underprediction of KRT in terms of calibration for KFRE and Grams, respectively, and their similarly good discriminatory abilities, our findings suggest a potential role for using these models in tandem. In our population, the average of the KFRE and Grams scores appears to offer a more accurate clinical prediction score when the predicted risk scores are >yüzde 20 . Bu, diğer hasta popülasyonlarında daha fazla araştırılmalıdır.

KBH'li hastaların bakımında hasta eğitimi, klinik karar verme ve kaynak yönetimine rehberlik etmek için risk tahmininin kullanılması gerektiği uygun bir şekilde savunulmuştur.4,5,23,24 klinik bakım, herhangi bir eşikte test performansı, sonuç prevalansı ve hasta sonuçları ve kaynak kullanımı üzerindeki yanlış sınıflandırmaların potansiyel sonuçları, her merkezin popülasyon özellikleri bağlamında değerlendirilmelidir. Sağlayıcı takdirini kullanarak ve bireysel hastanın klinik ortamını hesaba katarak, bu risk tahmin araçları prognostik tartışmaları artırmak için kullanılabilir. Nefroloji, multidisipliner KBH bakımı ve nakil veya fistül planlama sevkleri için eşikler önerilmiştir ve KFRE modelini kullanan bazı merkezler tarafından kullanılmaktadır.5 Önerilen eşik değerlerin altındaki hastalar yine de izleme ve risk faktörü modifikasyonları gerektirecektir ve ilerleme gösterenler daha sonra uygun olarak atıfta bulunulmuştur. KBH'li daha düşük KRT riskli hastaların yönetiminde birinci basamak sağlık hizmeti sağlayıcılarına yardımcı olacak araçlar ve eğitimin geliştirilmesi ve kolayca erişilebilir olması gerekir. Bunlar özellikle renin-anjiyotensin sistemi blokajı ve sodyum-glikoz kotransporter-2 inhibitörleri gibi kardiyovasküler hastalık ve böbrek hastalığını modifiye edici maddelere odaklanmalıdır. Nefroloji kliniklerini, multidisipliner klinikleri ve KRT planlamasını yönetmek için gereken pahalı kaynaklar, daha yüksek riskli hastalara daha uygun şekilde tahsis edilebilir. 2-Yıl zaman noktasındaki risk tahminleri, nakil, KRT eğitimi ve vasküler erişim yönlendirmeleri için daha makul olurken, 4- ve 5-yıl tahminleri, nefroloji yönlendirmeleri için daha makul olabilir. Bu riske dayalı yaklaşımı klinik karar verme sürecine dahil etmek için, önerilen eşik değerlerin genel nefroloji ve multidisipliner KBH tedavisine yönlendirilen popülasyonlarda kapsamlı bir şekilde harici olarak doğrulanması gerekir.

Çalışmamızın birkaç güçlü yanı var. Takipte minimum kayıp ve veri kaybı olan tek bölgesel multidisipliner KBH kliniğinde izlenen KBH evre G4 artı hastaları dahil ettik. Ayrıca bölgesel tek KRT merkeziyiz; bu nedenle, tüm KRT sonuçlarının yakalanması oldukça olasıdır. Hayati durum verileri, ölüm olaylarını kaçırma olasılığını sınırlayarak, Ontario Kayıt İşleri Genel Müdürlüğü tarafından sağlandı. Doğrulama kohortumuz, yayınlanmış diğer birçok KBH kohortununkine benzer ve bu nedenle araçların kullanıldığı popülasyonu temsil eder.9 Birkaç sınırlama olduğunu kabul ediyoruz. Her şeyden önce, analizimiz, özellikle Gram hesaplayıcı için daha yüksek tahmin edilen risk aralıklarında daha küçük örneklem boyutlarıyla sınırlıdır. Gözlemlenen KFRE puanları, olasılık aralığı boyunca daha iyi dağılmıştır. İkincisi, bizimki tek merkezli bir çalışmaydı ve kalkınma kohortlarına benzer şekilde ağırlıklı olarak Beyaz bir kohort vardı. Bulguların ırksal olarak farklı hasta popülasyonlarına tahmin edilip edilemeyeceği bilinmemektedir. Ek olarak, grubumuz için başlangıçta minimum bir eGFR'ye sahip değildik; bu nedenle, örneklemimize muhtemelen konservatif bakımı seçecek olan hastaları dahil ettik. Ancak, kohortumuzda eGFR < 6 mL/dak/1,73 m2 olan bu hastaların oranı genel olarak oldukça düşüktü (n=4; 0,9 yüzde). Son olarak, bölgesel hastane kayıtlarına erişmek için entegre elektronik tıbbi kayıtların olmaması, Gram aracının kardiyovasküler olay bileşeninin değerlendirilmesini engelledi. Bu model, yeterince araştırılmamış olan ilerlemiş KBH'li hastalarda kardiyovasküler olayların risklerini tahmin etme yeteneği sunmaktadır.25 Bu, kohortumuzda KVH'nin önde gelen ölüm nedeni (yüzde 27) olmasıyla daha da vurgulanan önemli bir araştırma önceliği olmaya devam etmektedir. Son olarak, sayıların düşük olması nedeniyle KRT öncesi ve sonrası ayrı ayrı incelemek yerine tüm ölümleri birlikte değerlendirdik. Daha büyük kohortlarda ölüm zamanlamasının daha fazla araştırılması gerekmektedir.

Standart Cistanche

ÇÖZÜM

Sonuç olarak, ilerlemiş KBH ve yüksek diyabet ve KVH prevalansı olan hastalardan oluşan kohortumuzda, ölüm için Gram modeli, 4-yıllık zaman noktasında ölüm riskinin oldukça doğru bir tahminini sağlar. Özellikle bakım hedefleri etrafındaki kararlarla ilgili olarak klinik bakıma dahil edilmesi, hem hastaların hem de sağlık hizmeti sağlayıcılarının, genellikle yeterince takdir edilmeyen ve yeterince tartışılmayan hayati sağlık sonucu ölüm olasılığını daha iyi anlamalarına yardımcı olmalıdır. Kohortumuzda, Gram modeli KRT için riskleri hafife alırken, KFRE modeli daha yüksek risk eşiklerinde fazla tahmin etmektedir. Bu tahmin modellerinin yararlılığını doğrulamak için, klinik karar verme için model eşiklerini kullanan etki çalışmalarının yanı sıra daha fazla harici doğrulama çalışması yapılması gerekmektedir.

Cistanchis'in Böbrek Üzerindeki Etkinliği

Cistanchis'in böbrek üzerindeki etkinliği son yıllarda ilgi ve araştırma konusu olmuştur. Rou Cong Rong olarak da bilinen Cistanchis, böbrekle ilgili rahatsızlıklar da dahil olmak üzere çeşitli sağlık koşulları üzerindeki potansiyel terapötik etkileri nedeniyle geleneksel tıpta yaygın olarak kullanılan geleneksel bir Çin bitkisidir.

Çalışmalar, Cistanchis'in böbrek sağlığına faydalı bir dizi farmakolojik özellik sergilediğini göstermiştir. İlk olarak, böbreklerdeki oksidatif stresi ve iltihaplanmayı azaltmaya yardımcı olan antioksidan ve antienflamatuar özelliklere sahip olduğu bulunmuştur. Bu, oksidatif stres ve inflamasyonun böbrek hastalıklarının gelişimine ve ilerlemesine önemli katkıları olduğu için önemlidir.

Ek olarak, Cistanchis'in kandaki atık ürünleri filtrelemekten ve elektrolit dengesini korumaktan sorumlu renal tübüler hücreler üzerinde koruyucu bir etkiye sahip olduğu gösterilmiştir. Cistanchis, bu hücrelerin sağlığını ve işlevini geliştirerek genel böbrek işlevini iyileştirmeye yardımcı olur.

Ayrıca Cistanchis, idrar üretimini artıran ve toksinlerin ve atık ürünlerin vücuttan atılmasını destekleyen idrar söktürücü özellikler göstermiştir. Cistanchis, idrar çıkışını artırarak böbreklerde birikebilecek zararlı maddelerin dışarı atılmasına yardımcı olur ve böylece böbrek sağlığını iyileştirir.

Genel olarak, kanıtlar Cistanchis'in böbrek sağlığını geliştirmede ve böbrekle ilgili durumları tedavi etmede etkili olabileceğini düşündürmektedir. Bununla birlikte, etki mekanizmalarını tam olarak anlamak ve optimal dozajı ve tedavi süresini belirlemek için daha fazla araştırmaya ihtiyaç vardır. Bununla birlikte, Cistanchis böbrek sağlığı için doğal bir çare olarak umut vaat ediyor ve daha fazla araştırma ve araştırmayı garanti ediyor.

REFERANSLAR

1. Kronik Böbrek Hastalığı Prognoz Konsorsiyumu; Matsushita K, van der Velde M, et al. Genel popülasyon kohortlarında tahmini glomerüler filtrasyon hızı ve albüminürinin tüm nedenlere bağlı ve kardiyovasküler mortalite ile ilişkisi: işbirlikçi bir meta-analiz. Lancet. 2010;375(9731):2073-2081.

2. Marks A, Fluck N, Prescott GJ, et al. Geleceğe bakmak: kronik böbrek hastalığı olan geniş bir topluluk kohortunda renal replasman sonuçlarını tahmin etmek. Nefrol Kadran Nakli. 2015;30(9):1507-1517.

3. AS, Yang J, Tan TC ve ark. Diabetes mellitus olan ve olmayan erişkinlerde kronik böbrek hastalığının hızlı ilerlemesinin güncel oranları ve belirleyicileri. BMC Nefrol. 2018;19(1):146.

4. Farrington K, Covic A, Nistor I ve ark. Kronik böbrek hastalığı evre 3b veya daha yüksek (eGFR) olan yaşlı hastaların yönetimine ilişkin klinik uygulama kılavuzu<45 mL/min/1.73m2 ): a summary document from the European Renal Best Practice Group. Nephrol Dial Transplant. 2017;32(1):9-16.

5. Tangri N, Ferguson T, Komenda P. Pro: kronik böbrek hastalığının ilerlemesi için risk skorları sağlam, güçlü ve uygulanmaya hazır. Nefrol Kadran Nakli. 2017;32(5): 748-751.

6. Eckardt KU, Bansal N, Coresh J, et al. Ciddi derecede azalmış glomerüler filtrasyon hızına (KBH G4 artı ) sahip hastaların prognozunun iyileştirilmesi: Böbrek Hastalığı: Küresel Sonuçları İyileştirme (KDIGO) Tartışmaları Konferansı'ndan sonuçlar. böbrek uluslararası 2018;93(6):1281-1292.

7. Dekker FW, Ramspek CL, van Diepen M. Con: klinik risk skorlarının çoğu işe yaramaz. Nefrol Kadran Nakli. 2017;32(5): 752-755.

8. Tangri N, Stevens LA, Griffith J ve ark. Kronik böbrek hastalığının böbrek yetmezliğine ilerlemesi için öngörücü bir model. JAMA. 2011;305(15):1553-1559.

9. Gram ME, Sang Y, Ballew SH, et al. Kronik böbrek hastalığı ve ciddi şekilde azalmış glomerüler filtrasyon hızı olan hastalarda klinik sonuçların zamanlamasını tahmin etmek. böbrek uluslararası 2018;93(6):1442-1451.

10. Lennartz CS, Pickering JW, Seiler-Mußler S, et al. Böbrek Yetmezliği Risk Denklemi'nin harici doğrulaması ve ultrason parametrelerinin eklenmesiyle yeniden kalibrasyon. Clin J Am Soc Nefrol. 2016;11(4):609-615.

11. Peeters MJ, van Zuilen AD, van den Brand JA, et al. Avrupa KBH hastalarında böbrek yetmezliği risk denkleminin doğrulanması. Nefrol Kadran Nakli. 2013;28(7): 1773-1779.

12. Potok OA, Nguyen HA, Abdelmalek JA, Beben T, Woodell TB, Rifkin DE. Hastalar, 'nefrologlar' ve ESKD riskinin tahmin edilen tahminleri 2-yıllık ESKD insidansı ile karşılaştırıldı. Clin J Am Soc Nefrol. 2019;14(2):206-212.

13. Whitlock RH, Chartier M, Komenda P, et al. Manitoba'da Böbrek Yetmezliği Risk Denklemini Doğrulama. Can J Böbrek Sağlığı Dis. 2017;4:2054358117705372.

14. Ramspek CL, Evans M, Wanner C ve ark. Böbrek yetmezliği tahmin modelleri: ilerlemiş KBH'li hastalarda kapsamlı bir dış doğrulama çalışması. J Am Soc Nefrol. 2021;32(5): 1174-1186.

15. Hundemer GL, Tangri N, Sood MM, et al. İleri KBH'de hastalık etiyolojisine göre Böbrek Yetmezliği Risk Denklemi performansı. Clin J Am Soc Nefrol. 2020;15(10):1424- 1432.

16. Tangri N, Grams ME, Levey AS, et al. Böbrek yetmezliği riskini tahmin etmek için denklemlerin doğruluğunun çok uluslu değerlendirmesi: bir meta-analiz. JAMA. 2016;315(2):164-174.

17. Evans M, Grams ME, Sang Y, et al. Ciddi derecede azalmış GFR'li hastalarda prognoz için risk faktörleri. Böbrek Uluslararası Temsilcisi 2018;3(3):625-637.

18. Levey AS, Stevens LA, Schmid CH, et al. Glomerüler filtrasyon hızını tahmin etmek için yeni bir denklem. Anne Intern Med. 2009;150(9):604-612.

19. Ontario Eyaleti. Hükümet ve Tüketici Hizmetleri Bakanlığı. Erişim tarihi: 12 Ağustos 2020. https:// www.ontario.ca/page/ministry-government-and-consumer services

20. DeLong ER, DeLong DM, Clarke-Pearson DL. İki veya daha fazla ilişkili alıcı işletim karakteristik eğrisi altındaki alanların karşılaştırılması: parametrik olmayan bir yaklaşım. Biyometri. 1988;44(3):837-845.

21. Bant TG. Teşhis testlerinin yorumlanması. Erişim tarihi: 10 Mart 2022. http://gim.unmc.edu/dxtests/Default.htm

22. Siontis GC, Tzoulaki I, Ioannidis JP. Ölümü tahmin etmek: ölüm oranı için tahmin araçlarının ampirik bir değerlendirmesi. Arch Intern Med. 2011;171(19):1721-1726.

23. Böbrek Hastalığı: Küresel Sonuçların İyileştirilmesi (KDIGO) Çalışma Grubu. Kronik böbrek hastalığının değerlendirilmesi ve yönetimi için KDIGO 2012 klinik uygulama kılavuzu. böbrek uluslararası 2012;3(ek 1):1-150.

24. Akbari A, Clase CM, Acott P, et al. KBH değerlendirmesi ve yönetimi için KDIGO klinik uygulama kılavuzu hakkında Kanada Nefroloji Derneği yorumu. Ben J Böbrek Dis. 2015;65(2):177-205.

25. Taal MW. Kronik böbrek hastalığı: riske dayalı bir yaklaşıma doğru. Clin Med (Londra). 2016;16(ek 6):s117-s120.

Susan J. Thanabalasingam, Eduard A. Iliescu, Patrick A. Norman, Andrew G. Day, Ayub Akbari, Gregory L. Hundemer ve Christine A. White

Nefroloji Bölümü, Tıp Bölümü, Queen's Üniversitesi, Kingston, Kanada (SJT, EAI, CAW);

Kingston Genel Sağlık Araştırma Enstitüsü, Kingston Sağlık Bilimleri Merkezi, Kingston, Kanada (PAN, AGD);

Halk Sağlığı Bilimleri Bölümü, Queen's Üniversitesi, Kington, Kanada (PAN, AGD);

Nefroloji Bölümü, Tıp Bölümü, Ottawa Üniversitesi, Ottawa, Kanada (AA, GLH).