Model sa više stanja za napredovanje bolesti bubrega
Mar 29, 2022
Kontakt: Audrey Hu Whatsapp/hp: 0086 13880143964 Email:audrey.hu@wecistanche.com
MK Lintua, KM Shreyasb, Asha Kamatha,* et al
Abstract
Pozadina:Razumijevanje progresije bolesti bubrega je od velikog interesa među kliničarima. Model sa više stanja je adekvatan alat za modeliranje efekata kovarijata koje utiču na početak, progresiju i regresiju funkcije bubrega.
Cilj:Cilj ove studije je da se predloži stohastički model zabubregbolestnapredovanje i demonstrirati primjenu istih.
metodologija:Predložili smo poluparametarski kontinuirani vremenski homogeni Markov model sa više stanja za podatke o napredovanju bubrežne bolesti dobijene iz retrospektivne studije na 225 pacijenata kojima je prepisan kolistin (antibiotik koji se ponovo pojavljuje) u bolnici tercijarne nege u priobalnoj Karnataki. Različiti stadijumi bubrežne bolesti definisani su na osnovu skora za poboljšanje globalnog ishoda bolesti bubrega (KDIGO). Model se sastoji od tri prolazna stanja i apsorbirajućeg stanja smrti. Kovarijantni efekti na dvosmjerne tranzicijske stope procijenjeni su korištenjem modela sa više stanja.
Rezultati:Koristili smo podatke 225 pacijenata kako bismo vidjeli progresiju njihove bubrežne bolesti. Svi pacijenti su bili na terapiji kolistinom. Prosječno trajanje boravka u bolnici bilo je 21 dan. U bolnici je umrlo ukupno 83 (36,89 posto) pacijenata. Prognostički faktori kao što su spol, hipertenzija, sepsa i operacija su značajni faktori koji utiču na bolest bubrega u različitim fazama.
zaključak:Nalazi studije će biti korisni kreatorima politike javnog zdravlja u implementaciji politika i planova liječenja za poboljšanje preživljavanja pacijenata. Štaviše, modeliranje progresije bolesti pomaže u razumijevanju očekivanog tereta bolesti.
Ključne riječi:model sa više država,Bubreg bolest, Intenzitet tranzicije, Intermedijarni događaji, Progresija bolesti
cistanche deserticola prednosti: liječenje bolesti bubrega
1. Uvod
Bubreg bolestje važan javnozdravstveni problem. Međutim, ranom intervencijom se može izbjećibubregproblemetrajno. Neželjeni ishodi i napredovanjehroničnobolestikao što sububregbolestmože se kontrolirati adekvatnim lijekovima i promjenama načina života. Kako se bolesti bubrega često završavaju hospitalizacijom, modeliranje dužine boravka, preživljavanja i progresije bolesti bubrega je od velikog interesa među kliničarima.
Standardni pristupi preživljavanju, kao što je Kaplan-Meierova metoda ili Coxov model proporcionalnih opasnosti, dovoljni su za rješavanje jednostavnih postavki preživljavanja bez međudogađaja. Međutim, napredovanje bubrežne bolesti primjer je složenog procesa s različitim međudogađajima. Model sa više stanja je efikasan način za rukovanje složenim procesima kao što je ovaj. Subjekti mogu biti u jednom stanju na početku studije, dalje prolaziti kroz različita stanja i na kraju završiti u konačnom stanju. Ove tranzicije subjekta mogu se modelirati, a faktori rizika povezani s vremenom preživljavanja različitih tranzicija mogu se identificirati korištenjem modela sa više stanja. Model procjenjuje uticaj različitih kliničkih i demografskih faktora na složene procese bolesti.1–3
Model sa više stanja se obično koristi u studijama raka jer postoje različiti stadijumi raka koji ukazuju na progresiju bolesti.4,5 Slično, postoje studije koje su sprovedene kako bi se identifikovali faktori rizika koji utiču na napredovanje AIDS-a kod pacijenata sa HIV-om.6–8 Bolesti kao što je dijabetes , hronična bolest bubrega, itd. se takođe može efikasno tretirati modelom sa više stanja, a ne jednostavnim modelom preživljavanja.9,10
U ovom članku predložili smo model sa više stanja za progresiju bolesti bubrega pacijenata koji primaju kolistin tokom boravka u bolnici. Preuzeti su podaci o slučajevima 225 pacijenata, a njihovi rezultati KDIGO u različitim vremenskim tačkama pristupljeni su za klinički prateći rad. Dužina boravka u bolnici je broj dana od prijema do smrti/otpusta. Tokom boravka u bolnici, pacijenti su prolazili kroz različite stadijume težine bolesti. Proces smo definirali sa četiri stanja. Tri prolazna stanja izvedena iz KDIGO rezultata su data u tabeli 1.
Iz različitih epidemioloških studija jasno je da različiti biomarkeri i komorbiditeti igraju važnu ulogu u napredovanju bolesti bubrega. Procijenili smo efekte kovarijata koje utiču na početak, progresiju i regresiju bubrežne funkcije koristeći model sa više stanja. Takođe pružamo demonstraciju za dokumentaciju podataka, analizu i interpretaciju tako da čitaoci mogu lako implementirati model sa više stanja. Koliko nam je poznato, Markov model sa više stanja nije korišten za modeliranje progresije bubrežne bolesti izazvane kolistinom.
U nastavku rada iznosimo podatke, objašnjavamo metodologiju i raspravljamo o rezultatima.
cistanche deserticola
2. Materijali i metode
2.1. Opis podataka
Retrospektivna studija je prvobitno provedena kako bi se razumjeli faktori rizika povezani s nefrotoksičnošću izazvanom kolistinom kod pacijenata liječenih na Odsjeku za medicinu, Bolnica Kasturba, Manipal, od januara 2016. do decembra 2017. Dalje istražujemo bolnički mortalitet, dužinu boravka u bolnici. boravak i napredovanje bolesti bubrega. Od ukupno 600 pregledanih slučajeva, 225 pacijenata je bilo prikladno za ovu studiju. Bolnički kartoni ovih 225 pacijenata čine osnovu ove studije.
KDIGO rezultatu se pristupalo u različitim vremenskim tačkama radi praćenjabubregfunkcijapoboljšanje i pad. Za svakog pacijenta evidentirani su prognostički faktori kao što su dob, spol, dijabetes, hipertenzija itd. Slične studije u literaturi pristupile su problemu logističkom regresijom ili običnom analizom preživljavanja uzimajući u obzir krajnju tačku kao pad bubrežne funkcije. Ove metode zanemaruju prelaze progresije i regresije kroz različita stanja. Model sa više država pruža dubinsko razumijevanje općegbubrežni funkcijaobrasci poboljšanja ili pogoršanja i ishodi smrti u smislu vjerovatnoće tranzicije. Tranzicija je promjena stanja tokom studije, a vjerovatnoća tranzicije je vjerovatnoća prelaska iz jednog stanja u drugo. Činilo se da većina pacijenata više puta oscilira između stanja 1, stanja 2 i stanja 3, što ukazuje da su ova stanja reverzibilna. Prijelaz je reverzibilan kada se subjekt kreće naprijed-nazad između dva stanja.
Raspored podataka je važan korak u uklapanju modela sa više država. Jedinstveni ID koji se daje svakom pacijentu vodi računa o grupiranju jednog subjekta. Stoga, treba obratiti pažnju prilikom dokumentiranja podataka kako bi se osiguralo da su sve informacije od jednog pacijenta pokrivene istim jedinstvenim ID-om. Primer rasporeda podataka dat je u tabeli 2.
2.2. Model sa više država
Progresija bubrežne bolesti može se vizualizirati kao stohastički proces sa konačnim prostorom stanja u kontinuiranom vremenu. Različita stanja odražavaju ozbiljnost bolesti. Stanja su dva tipa: prolazna i apsorbirajuća. Apsorbirajuće stanje je stanje u koje se, kada se jednom uđe, ne može napustiti. Dok su prolazna stanja ona sa daljim prelazima. Model sa više stanja je koristan alat za opisivanje kretanja subjekta između različitih stanja u neprekidnom vremenu. Model izračunava vjerovatnoće prijelaza za sve moguće prijelaze.11,12
Za podatke o progresiji bubrežne bolesti predložili smo kontinuirani i vremenski homogeni višestajni Markov model s četiri stanja. Proces je markovski ako budućnost zavisi samo od sadašnjosti. Model je vizualiziran na slici 1.
Strelice pokazuju moguće prijelaze. Dvostrane strelice označavaju reverzibilne prelaze. Prijelazi su reverzibilni ako se subjekt kreće naprijed-nazad između dva stanja. Razmatrana tri prolazna stanja (stanja sa strelicama napolje) su: stanje 1 (KDIGO > 60), stanje 2 (30 < kdigo="">< 60)="" i="" stanje="" 3="" (kdigo="">< 30).="" stanje="" 4="" (smrt)="" je="" apsorbirajuće="" (stanje="" bez="" strelica="" napolje).="" proces="" (x(t),="" t="" ∈="" t)="" sa="" prostorom="" stanja="" s="{1," 2,="" 3,="" 4}="" opisuje="" stanje="" u="" vremenu="" t.="" vremenska="" varijabla="" se="" mjeri="" u="" danima="" počevši="" od="" prijema="" u="" bolnicu.="" model="" sa="" više="" stanja="" karakteriše="" vjerovatnoće="" tranzicije.="" vjerojatnosti="" prijelaza="" (vremenske="" funkcije)="" su="" date:="" procijenjeni="" su="" kovarijatni="" efekti="" (starost,="" pol,="" hipertenzija,="" dijabetes,="" itd.)="" na="" stope="" dvosmjerne="" tranzicije.="" procjenu="" opasnosti,="" λij="">
gdje je λij trenutni rizik prelaska iz stanja i u stanje j. Matrica intenziteta tranzicije je data sa:
Kontinuirane varijable su predstavljene kao srednja vrijednost (SD); kategoričke varijable kao učestalost (procenti).
Q je n × n matrica intenziteta tranzicije, gdje je n maksimalni broj stanja uključenih u proces. Intenzitet prijelaza daje trenutnu brzinu prijelaza iz jednog stanja u drugo. Unos (i, j) je 0 kada nije moguć prijelaz sa i na j. Dijagonalni unosi su: λii(t)=λi.=− ∑i=∕jλij(t) za sve I ∈ S. Stanje 4 je apsorbirajuće stanje, vjerovatnoća izlaska iz ovog stanja je nula. Zbir elemenata svakog reda prijelazne matrice je nula. Prilagođavanje modela sa više stanja je proces pronalaženja nepoznatih intenziteta tranzicije koji maksimiziraju vjerovatnoću.13
Model sa više stanja procjenjuje srednje vrijeme boravka u svakom stanju, što je prosječan period koji pacijent provede u prolaznom stanju u jednom boravku prije nego što se preseli u druga stanja. Očekivano vrijeme boravka se izračunava kao − 1/λjj, gdje je λjj j-ti dijagonalni unos Q(t).
Vjerovatnoće prijelaza se računaju iz intenziteta prijelaza kao P(t)=exp[Q(t)]. Matrica vjerovatnoće prijelaza je data sa:
Zbir reda P jednak je jedan. Za stanje apsorpcije j, Pjj(s,t) =1.
Funkcija vjerovatnoće se formira sa vjerovatnoćama tranzicije. Ova funkcija vjerovatnoće, L(Q) je data sa,
Pri čemu je element Li,j unos reda s(tij) i stupca s(ti,j plus 1) u matrici vjerovatnoće prijelaza.
Model regresije proporcionalnih opasnosti korišten je za inkorporiranje kovarijatnih efekata na intenzitete tranzicije. Dat kovarijantni vektor Z,
ij je vektor regresijskih koeficijenata. Koristili smo paket MSM u R verziji 4.0.2 da izvršimo analizu više stanja.14 Odabir modela je urađen testom omjera vjerovatnoće.
cistanche stem
3. Rezultati
3.1. Istraživačka analiza podataka
Ova retrospektivna studija imala je za cilj da modelira progresiju bolesti bubrega pacijenata koji su primali kolistin tokom boravka u bolnici. Od 225 pacijenata, 83 (37 posto) pacijenata je umrlo u bolnici, a 142 (63 posto) pacijenata je živo otpušteno. Deskriptivna statistika može se naći u Tabeli 3 i Tabeli 4. Medijan (IQR) dužine boravka bio je 21 (16) dan. U bolnicu je primljeno 166 muških i 59 ženskih pacijenata. Srednja (IQR) starost pacijenata je bila 57 (26), a srednja (± SD) je 54 (±17). Bilo je 87 (39 posto) pacijenata sa hipertenzijom, 78 (35 posto) pacijenata sa dijabetesom, 115 (51 posto) pacijenata sa sepsom, 30 (13,3 posto) pacijenata sa hroničnom bubrežnom bolešću (CKD), 123 (55 posto) pacijenata sa pneumonije, a 59 (26 posto) pacijenata je imalo akutnu ozljedu bubrega (AKI). Među hospitaliziranim pacijentima, 194 (86 posto) je primljeno na intenzivnu terapiju, a 119 (53 posto) pacijenata je podvrgnuto operaciji.
Među 225 pacijenata, 83 (37 posto) pacijenata je umrlo u bolnici, a preostala 142 (63 posto) pacijenta su preživjela. Srednje vrijeme preživljavanja bilo je 38 dana (Tabela 5). Slika 2 predstavlja Kaplan Meierovu procjenu funkcije preživljavanja.
3.2. Analiza više stanja
Bilo je 126 pacijenata u državi 1, 48 pacijenata u državi 2, a 51 pacijent u državi 3 u trenutku prijema. Tranziciona matrica procesa data je u tabeli 6. Pošto su prelazi bili reverzibilni, bilo je više od jedne tranzicije istog tipa kod istog pacijenta.
Bilo je 32 prelaza iz stanja 1 u stanje 4, što ukazuje da su 32 pacijenta koji su pripadali državi 1 umrla u bolnici. Slično, bilo je 27 i 24 smrtna slučaja u državi 2 i državi 3. Dijagonalni unosi pokazuju broj slučajeva kada su pacijenti ostali u istom stanju u narednim vremenskim točkama. Procijenjeno srednje vrijeme boravka dato je u tabeli 7.
msm paket je korišten za izvođenje multi-state analize kako bi se dobili efekti kovarijata na intenzitete tranzicije. Univarijantni modeli sa više stanja izgrađeni su sa klinički značajnim kovarijantama. Kovarijate koje su pokazale statističku značajnost (p-vrijednost<0.05) in="" the="" univariate="" analysis="" were="" considered="" in="" the="" final="" model.="" hazard="" ratios="" (95%="" confidence="" intervals)="" of="" each="" transition="" are="" shown="" in="" table="" 8="" and="" table="">
Muški pacijenti u stanju 1 su pod visokim rizikom [HR: 2,55; 95 posto CI (1,31–4,92)] progresije bolesti u poređenju sa ženama. Međutim, šansa za regresiju je također veća za muške pacijente u stanju 2. U poređenju sa ženama u stanju 3, muškarci imaju 86 posto manje šanse za neželjeni ishod. Prisustvo dijabetesa pokazalo je mješoviti učinak u različitim tranzicijama. Hipertenzivni pacijenti u stanju 2 su u većem riziku od progresije bolesti u odnosu na ostale, a njihova šansa za regresiju iz stanja 3 je također manja. Sepsa je bila faktor rizika i pokazala je značajan efekat u prelasku iz stanja 1 i stanja 2 u stanje apsorpcije. To ukazuje da su pacijenti sa sepsom u visokom riziku od smrti. Slično, pacijenti koji su bili podvrgnuti operaciji su u većem riziku od smrti u stanju 3. Zbog neravnoteže u nekim grupama, mogu postojati neke lažne asocijacije koje ne ukazuju na klinički značaj.
cistanche recenzije: liječenje bolesti bubrega
4. Diskusija i zaključak
Bolest bubrega je važan javnozdravstveni problem. Međutim, rane intervencije mogu trajno izbjeći probleme s bubrezima. Modeliranje progresije bolesti pomaže u razumijevanju očekivanog tereta bolesti, što može biti dodatno korisno za kreatore nacionalne politike javnog zdravlja.
Neki od nefatalnih međudogađaja daju bolji uvid u progresiju bolesti. U većini studija ovi događaji se često zanemaruju. Međutim, ovi prijelazni događaji su od velike važnosti za kliničare kako bi poboljšali planove liječenja. Markovljev model s više stanja korišten je za razumijevanje progresije nekoliko kroničnih bolesti koje uključuju prelaze kroz različita međustanja koja ukazuju na ozbiljnost bolesti tokom kontinuiranog vremena. Model pruža bolji uvid u složeni obrazac događaja i stoga se može koristiti kao efikasan alat za proučavanje efikasnosti tretmana. Model sa više stanja koristi se u studijama raka jer postoje različiti stadijumi raka koji čine različite tranzicije.4,5 Slično, postoje studije koje su sprovedene kako bi se identifikovali faktori rizika koji utiču na napredovanje AIDS-a kod pacijenata sa HIV-om.6–8 Bolesti kao što su dijabetes, hronična bolest bubrega, itd. se takođe mogu efikasno nositi sa modelom sa više stanja, a ne jednostavnim modelom preživljavanja.9,10 Međutim, manji broj primena nalazi se u polju progresije hronične bolesti bubrega. Najnovija studija koja je koristila model sa više stanja za razumijevanje progresije hronične bolesti bubrega bila je Grover et al.10
Predložili smo model sa više stanja u 4 stanja za progresiju bolesti bubrega pacijenata koji primaju kolistin. Učinjen je pokušaj da se pruži jednostavna demonstracija višedržavnog modela usmjerenog na zdravstvene radnike. Uz dostupnost naprednih softverskih alata, analiza je jednostavna i efikasna. Iako smo naglasili generalni Markovljev model, postoje različite vrste modela sa više stanja prema prirodi procesa.1,2,15–18
Preporučuju se sljedeći osnovni koraci za korištenje modela sa više stanja: (i) definiranje procesa identifikacijom različitih stanja i mogućih prijelaza kao što je prikazano na slici 1 i tabeli 2. Održavajte minimalan broj stanja za nesmetano funkcionisanje modela ( ii) pravilno dokumentovati podatke kao što je prikazano u Tabeli 1. (iii) koristiti odgovarajući softver i paket koji će odgovarati modelu (iv) interpretirati rezultate bez gubljenja prednosti modela sa više stanja u odnosu na druge standardne tehnike analize preživljavanja.
Medijan dužine boravka bio je 21 dan, a medijan vremena preživljavanja 38 dana. Rezultati pokazuju da su spol, dijabetes, hipertenzija, sepsa i operacija značajni faktori koji utiču na progresiju ili regresiju bolesti bubrega. Rezultati dobijeni ovom studijom su ograničeni po snazi zbog manjeg broja ispitanika. Stoga ove nalaze treba generalizirati s oprezom. Nakon toga, različiti stadijumi bubrežne bolesti su spojeni zbog manje veličine uzorka. Ovo bi uticalo na generalizaciju nalaza jer tačna slika tranzicionih obrazaca progresije bolesti bubrega nije uključena.8
Msm paket u R verziji 4.0.2 je korišten za uklapanje u model sa više stanja. Kao ograničenja navedena u dokumentaciji MSM paketa,14 uključivanje više kovarijata bilo je izazovno zbog problema konvergencije. Stoga se za složenije probleme može koristiti paket nekretnina.
Nalazi višedržavnog modela bit će korisni kreatorima politike javnog zdravlja za implementaciju politika i planova liječenja za poboljšanje preživljavanja pacijenata. Štaviše, modeliranje progresije bolesti pomaže u razumijevanju očekivanog tereta bolesti.
Korist ekstrakta cistanche: poboljšava funkciju bubrega
Etičko odobrenje i saglasnost za učešće
Studija predstavlja sekundarnu analizu. Dobijeno je etičko odobrenje za klinički prateći rad.
Finansiranje
Ovo istraživanje nije dobilo nikakva sredstva.
Izjava o konkurentnom interesu
Autori nemaju sukob interesa za otkrivanje.
Reference
1 Andersen PK. Modeli više stanja u analizi preživljavanja: studija nefropatije i mortaliteta kod dijabetesa. Stat Med. 1988;7(6):661–670.
2 Andersen PK, Esbjerg S, Sørensen TI. Modeli sa više stanja za epizode krvarenja i smrtnost kod ciroze jetre. Stat Med. 2000;19(4):587–599.
3 Amorim LD, Cai J. Modeliranje ponavljajućih događaja: vodič za analizu u epidemiologiji. Int J Epidemiol. 2015;44(1):324–333.
4 Le-Rademacher JG, Peterson RA, Therneau TM, et al. Primjena modela sa više stanja u kliničkim ispitivanjima raka. Clin Trials. 2018;15(5):489–498.
5 Putter H, van der Hage J, de Bock GH, et al. Procjena i predviđanje u modelu s više stanja za rak dojke. Biom J. 2006;48(3):366–380.
6 Hamidi O, Tapak L, Poorolajal J, et al. Identificiranje faktora rizika za progresiju do AIDS-a i mortaliteta nakon infekcije HIV-om korištenjem modela više stanja bolest-smrt. Clin Epidemiology Glob Health. 2017;5(4):163–168.
7 Tapak L, Kosorok MR, Sadeghifar M, et al. Multistate rekurzivno imputirana stabla preživljavanja za analizu podataka o vremenu do događaja: primjena na podatke o AIDS-u i mortalitetu nakon infekcije HIV-om. BMC Med Res Methodol. 2018;18(1):1–2.
8 Matsena Zingoni Z, Chirwa TF, Todd J, et al. Progresija HIV bolesti među pacijentima na antiretrovirusnoj terapiji u Zimbabveu: višedržavni Markov model. Front Public Health. 2019;7:326.
9 Aliyari R, Hajizadeh E, Aminorroaya A, et al. Modeli sa više stanja za predviđanje razvoja kasnih komplikacija dijabetesa tipa 2 u otvorenoj kohortnoj studiji. Diabetes Metab Syndr Obes. 2020;13:1863.
10 Grover G, Sabharwal A, Kumar S, et al. Markovljev model sa više stanja za progresiju hronične bolesti bubrega. Turska Klinikleri J Biostat. 2019;11(1):1–4.
11 Keiding N, Klein JP, Horowitz MM. Modeli sa više stanja i predviđanje ishoda u transplantaciji koštane srži. Stat Med. 2001;20(12):1871–1885.
12 Klein JP, Qian C. Modeliranje preživljavanja u više stanja ilustrovano transplantacijom koštane srži. Biometrija. 1996:93–102.
13 Manzini G, Ettrich TJ, Kremer M, et al. Prednosti multi-state pristupa u kirurškim istraživanjima: kako srednji događaji i profil faktora rizika utječu na prognozu pacijenata s lokalno uznapredovalim karcinomom rektuma. BMC Med Res Methodol. 2018;18(1): 1–11.
14 Jackson CH. Modeli sa više stanja za podatke panela: MSM paket za R. J Stat Software. 2011;38(8):1–29.
15 Marshall G, Jones RH. Modeli sa više stanja i dijabetička retinopatija. Stat Med. 1995 Sep 30;14(18):1975–1983.
16 Meira-Machado L, de Una-˜ Alvarez ´ J, Cadarso-Suarez ´ C, et al. Modeli sa više stanja za analizu podataka od vremena do događaja. Stat Methods Med Res. 2009;18(2):195–222.
17 Begun A, Icks A, Waldeyer R, et al. Identifikacija nehomogenog modela Markovljevog lanca u više stanja u kontinuiranom vremenu za pacijente sa smanjenom funkcijom bubrega. Med Decis Making. 2013. februar;33(2):298–306.
18 O'Keeffe AG, Su L, Zbogom VT. Korelirani modeli više stanja za više procesa: primjena na progresiju bubrežne bolesti kod sistemskog eritematoznog lupusa. Kraljevsko statističko društvo. 2018;67(4):841–860.