🟢 ძლიერი მტკიცებულება
კვლევის ავტორების მიერ მრავალმორბიდობის — ორი ან მეტი ქრონიკული დაავადების ერთდროული არსებობის — განსაზღვრისა და შეფასების მეთოდი მნიშვნელოვან გავლენას ახდენს როგორც მისი გავრცელების მაჩვენებლებზე, ისე სიკვდილიანობის პროგნოზებზე. ამის შესახებ მიუთითებს თითქმის ნახევარი მილიონი ბრიტანელი ზრდასრული ადამიანის მონაცემების ანალიზი.
კვლევამ აჩვენა, რომ მრავალმორბიდობის გავრცელების შეფასებები გამოყენებული მეთოდოლოგიის მიხედვით 35-ჯერ განსხვავდებოდა, რაც მნიშვნელოვან კითხვებს აჩენს ჯანდაცვის დაგეგმვის, რესურსების განაწილებისა და მოსახლეობის ჯანმრთელობის საჭიროებების შეფასების სიზუსტესთან დაკავშირებით.
ძირითადი დასკვნები
- მრავალმორბიდობის გავრცელება 1.0%-დან 35.3%-მდე მერყეობდა იმავე პოპულაციაში, დამოკიდებულია განსაზღვრის მეთოდზე
- მრავალმორბიდობის მაღალი გავრცელების მაჩვენებლები გამოვლინდა ფართო მდგომარეობების სიების გამოყენებით, თუმცა კლასტერული მეთოდები უკეთესად პროგნოზირებდნენ სისხლის ჯანმრთელობის მარკერებს
- მაღალი დიაგნოსტიკური ზღვარი უფრო მძიმე ჯანმრთელობის პროფილების გამოვლენას უზრუნველყოფდა, თუმცა არ აუმჯობესებდა სიკვდილიანობის რისკის პროგნოზირებას
კვლევის მიმოხილვა
| წყარო | PLOS Medicine |
| კვლევის ტიპი | კოჰორტული კვლევა |
| ნიმუშის ზომა | N = 474,397 |
| პოპულაცია | UK Biobank-ის მონაწილეები 40-69 წლის ასაკში |
| ქვეყანა | გაერთიანებული სამეფო |
მრავალმორბიდობის გავრცელება მნიშვნელოვნად მერყეობს განსაზღვრის მეთოდის მიხედვით
UK Biobank-ის მონაწილეთა პროცენტული მაჩვენებელი, რომლებიც კლასიფიცირდნენ როგორც მრავალმორბიდობის მქონე, 2006-2010
წყარო: სილვა და სხვ., PLOS Medicine 2024 | Georgian Medical Journal News
მრავალმორბიდობის რაოდენობრივი და კლასტერული მიდგომები სხვადასხვა სიძლიერეებს აჩვენებს
კვლევის ჯგუფი, რომელსაც ხელმძღვანელობდა გაბრიელა სილვა და კოლეგები, შეადარა მრავალმორბიდობის ექვსი სხვადასხვა რაოდენობრივი განსაზღვრა კლასტერული ანალიზის გამოყენებით UK Biobank-ის მონაცემებზე, რომლებიც შეგროვდა 2006-2010 წლებში. რაოდენობრივი მეთოდები უბრალოდ ითვლიან, რამდენი ქრონიკული მდგომარეობა აქვს ადამიანს, ხოლო კლასტერული მიდგომები იდენტიფიცირებენ დაავადებების ნიმუშებს, რომლებიც ხშირად ერთად გვხვდება.
რაოდენობრივი განსაზღვრების გამოყენებით, ფართო მდგომარეობების სიების გამოყენებით, მნიშვნელოვნად მაღალი გავრცელების მაჩვენებლები გამოვლინდა. გაფართოებული სიების მიდგომა, რომელიც მოითხოვს ორ ან მეტ მდგომარეობას, 35.3%-ს კლასიფიცირებდა, როგორც მრავალმორბიდობის მქონე, შედარებით 1.0%-თან კლასტერული მეთოდების გამოყენებით.
კვლევამ აჩვენა, რომ მაღალი დიაგნოსტიკური ზღვარი—სამი მდგომარეობის მოთხოვნა ორი მდგომარეობის ნაცვლად—გამოვლენდა მონაწილეებს უფრო მძიმე ჯანმრთელობის პროფილებით ყველა გაზომილ შედეგზე, მათ შორის პოლიფარმაცია, ცუდი თვითშეფასებული ჯანმრთელობა, სისუსტე და ქრონიკული ტკივილი.
სისხლის ბიომარკერები უკეთ რეაგირებენ კლასტერულ მეთოდებზე
მიუხედავად იმისა, რომ რაოდენობრივი მიდგომები უფრო მეტ მონაწილეს მოიცავდა, კლასტერული მეთოდები აჩვენებდნენ უფრო ძლიერ კავშირს სისხლის ჯანმრთელობის მარკერებთან. PLOS Medicine-ის კვლევა აჩვენა, რომ კლასტერული მიდგომები უკეთ პროგნოზირებდნენ C-რეაქტიული ცილის, ცისტატინ-C-ის, HDL და LDL ქოლესტერინის, და IGF-1-ის დონეებს.
“სისხლის მარკერებთან კავშირები უფრო გამოხატული იყო კლასტერული მიდგომების გამოყენებით, სტანდარტული განსაზღვრებისგან განსხვავებით, რაც კლასტერებზე განაწილდა,” აღნიშნეს ავტორებმა. ეს მიუთითებს, რომ კლასტერული მიდგომებით გამოვლენილი დაავადებების ნიმუშები შეიძლება უფრო ზუსტად ასახავდეს ბიოლოგიურ პროცესებს, ვიდრე უბრალო მდგომარეობების რაოდენობრივი დათვლა.
კვლევამ გაანალიზა მონაცემები ცალკე მამაკაცებისა და ქალებისთვის, მრავალმხრივი რეგრესიის მოდელების გამოყენებით, რომლებიც ადაპტირებული იყო სოციოდემოგრაფიული მახასიათებლებისა და სხეულის მასის ინდექსისთვის, რაც აძლიერებს შედეგების სანდოობას სხვადასხვა პოპულაციებში.
კვლევის მიხედვით, მრავალმორბიდობის გავრცელება ერთსა და იმავე პოპულაციაში მნიშვნელოვნად განსხვავდებოდა შეფასების მეთოდის მიხედვით — კლასტერული მიდგომების გამოყენებისას იგი 1.0%-ს შეადგენდა, ხოლო გაფართოებული რაოდენობრივი კრიტერიუმების გამოყენების შემთხვევაში 35.3%-ს აღწევდა.
— სილვა და სხვ., PLOS Medicine (2024)
სიკვდილიანობის პროგნოზები მოულოდნელ ნიმუშებს აჩვენებს
მოულოდნელად, მაღალი დიაგნოსტიკური ზღვარი არ აუმჯობესებდა სიკვდილიანობის რისკის პროგნოზირებას, მიუხედავად იმისა, რომ გამოვლენდა მონაწილეებს უფრო ცუდი ჯანმრთელობის პროფილებით. სამწლიანი სიკვდილიანობის შანსების კოეფიციენტები მერყეობდა 1.44-დან 4.60-მდე მამაკაცებისთვის და 1.35-დან მსგავსი დიაპაზონებისთვის ქალებისთვის, დამოკიდებულია გამოყენებულ განსაზღვრაზე.
შედეგები მნიშვნელოვანი გავლენას ახდენს კლინიკურ praktikასა და საზოგადოებრივი ჯანმრთელობის პოლიტიკაზე, როგორ უნდა მივუდგეთ მრავალმორბიდობას. სხვადასხვა მეთოდოლოგიური არჩევანი შეიძლება გამოიწვიოს დაავადების ტვირთისა და ჯანდაცვის საჭიროებების სრულიად განსხვავებული შეფასებები ასაკოვანი პოპულაციებისთვის.
ეს შედეგები ასევე აყენებს კითხვებს ოპტიმალური მიდგომების შესახებ მაღალი რისკის პაციენტების იდენტიფიკაციისთვის კლინიკურ გარემოში, სადაც როგორც კომპლექსური სკრინინგი, ასევე მიზნობრივი ჩარევები აუცილებელია, მაგრამ რესურსების ინტენსიურია.
ჯანდაცვის დაგეგმვისა და კვლევის შედეგები
მრავალმორბიდობის გავრცელების შეფასებებში გამოვლენილი მნიშვნელოვანი განსხვავებები სერიოზულ გამოწვევას უქმნის ჯანდაცვის სისტემებს, განსაკუთრებით იმ პირობებში, როდესაც ისინი ასაკოვანი მოსახლეობის საჭიროებებზე მორგებული სერვისების დაგეგმვას ცდილობენ. თუ ერთი და იგივე მონაცემთა ბაზა, შეფასების მეთოდის მიხედვით, 1%-დან 35%-მდე გავრცელების მაჩვენებლებს იძლევა, ეს მნიშვნელოვან გაურკვევლობას ქმნის რესურსების განაწილების, პრიორიტეტების განსაზღვრისა და სამედიცინო სერვისების დაგეგმვის პროცესში.
კვლევის ავტორები აღნიშნავენ, რომ მრავალმორბიდობის განსაზღვრისა და შეფასების მეთოდის არჩევა კვლევის ან კლინიკური პრაქტიკის მიზნებს უნდა შეესაბამებოდეს. დაავადებების რაოდენობაზე დაფუძნებული მიდგომები შეიძლება უფრო სასარგებლო იყოს მოსახლეობის ჯანმრთელობის მონიტორინგისა და ჯანდაცვის რესურსების დაგეგმვისთვის, მაშინ როდესაც დაავადებების კლასტერული ანალიზი უკეთესად ასახავს პაციენტთა ინდივიდუალურ მახასიათებლებს და შეიძლება უფრო ეფექტიანი იყოს პერსონალიზებული მედიცინისა და მიზნობრივი მკურნალობის სტრატეგიების შემუშავებისთვის.
მკვლევრები ხაზს უსვამენ, რომ მრავალმორბიდობის შეფასების მეთოდების შედარება სხვადასხვა პოპულაციებსა და ჯანდაცვის სისტემებში მომავალშიც უნდა გაგრძელდეს. ასეთი კვლევები აუცილებელია მრავალმორბიდობის განსაზღვრის, გაზომვისა და მართვის უფრო ერთიანი და სტანდარტიზებული მიდგომების შესამუშავებლად, რაც მომავალში ხელს შეუწყობს როგორც ჯანდაცვის პოლიტიკის გაუმჯობესებას, ისე პაციენტთა მოვლის ხარისხის ამაღლებას.
რას ნიშნავს ეს
ხშირად დასმული კითხვები
რატომ არის მნიშვნელოვანი მრავალმორბიდობის შეფასების სხვადასხვა მეთოდი?
მრავალმორბიდობის შეფასების სხვადასხვა მეთოდმა შეიძლება ერთსა და იმავე პოპულაციაში მნიშვნელოვნად განსხვავებული შედეგები აჩვენოს. კვლევის მიხედვით, გავრცელების მაჩვენებლები გამოყენებული მეთოდოლოგიის მიხედვით 1%-დან 35%-მდე მერყეობდა. ეს განსხვავებები გავლენას ახდენს ჯანდაცვის დაგეგმვაზე, რესურსების განაწილებაზე და იმ პაციენტების იდენტიფიცირებაზე, რომლებსაც სპეციალიზებული სამედიცინო დახმარება სჭირდებათ.
რომელი მიდგომა არის უფრო ეფექტური მაღალი რისკის მქონე პაციენტების გამოსავლენად?
კვლევის შედეგები მიუთითებს, რომ დაავადებების კლასტერული ანალიზი უკეთ ასახავს ბიოლოგიურ პროცესებს და უფრო ზუსტად უკავშირდება ჯანმრთელობის გარკვეულ ბიომარკერებს. ამასთან, დაავადებების რაოდენობაზე დაფუძნებული მიდგომა პრაქტიკულია ყოველდღიური კლინიკური სკრინინგისა და მოსახლეობის ჯანმრთელობის მონიტორინგისთვის. ორივე მეთოდს საკუთარი უპირატესობა აქვს და მათი გამოყენება კონკრეტულ მიზანზეა დამოკიდებული.
როგორ შეიძლება ამ კვლევამ შეცვალოს კლინიკური პრაქტიკა?
კვლევა მიუთითებს, რომ პაციენტის შეფასებისას მნიშვნელოვანია არა მხოლოდ ქრონიკული დაავადებების რაოდენობის დათვლა, არამედ მათი ურთიერთკავშირისა და თანაარსებობის ნიმუშების გათვალისწინებაც. ეს მიდგომა შესაძლოა საფუძვლად დაედოს უფრო პერსონალიზებულ სამკურნალო სტრატეგიებს, რომლებიც კონკრეტული დაავადებების კომბინაციებზე იქნება მორგებული.
ეს კვლევა ხაზს უსვამს მრავალმორბიდობის შეფასების ერთიანი და კლინიკურად მნიშვნელოვანი მიდგომების საჭიროებას. მოსახლეობის დაბერების ფონზე, ქრონიკული დაავადებების თანაარსებობა ჯანდაცვის სისტემების ერთ-ერთ მთავარ გამოწვევად რჩება. ამიტომ, მრავალმორბიდობის განსაზღვრისა და შეფასების სტანდარტიზებული მეთოდების განვითარება მნიშვნელოვანი იქნება როგორც ჯანდაცვის პოლიტიკის დაგეგმვისთვის, ისე სამედიცინო რესურსების ეფექტიანი განაწილებისა და პაციენტთა მოვლის ხარისხის გასაუმჯობესებლად. UK Biobank-ის კვლევა ქმნის მნიშვნელოვან საფუძველს ამ მიმართულებით შემდგომი სამეცნიერო და პრაქტიკული მუშაობისთვის.
