কিডনি রোগের অগ্রগতির জন্য একটি মাল্টি-স্টেট মডেল

যোগাযোগ: অড্রে হু হোয়াটসঅ্যাপ/এইচপি: 0086 13880143964 ইমেল:audrey.hu@wecistanche.com

এম কে লিন্টু^a, কে এম শ্রেয়াস^b, আশা কামাথ^a,* ইত্যাদি

বিমূর্ত

পটভূমি:কিডনি রোগের অগ্রগতি বোঝা চিকিত্সকদের মধ্যে খুব আগ্রহের বিষয়। মাল্টি-স্টেট মডেল হল একটি পর্যাপ্ত হাতিয়ার যা কোভেরিয়েটগুলির প্রভাবের মডেল যা কিডনির কার্যকারিতা শুরু, অগ্রগতি এবং রিগ্রেশনকে প্রভাবিত করে।

উদ্দেশ্য:বর্তমান অধ্যয়নের লক্ষ্য হল একটি স্টোকাস্টিক মডেল প্রস্তাব করাকিডনিরোগঅগ্রগতি এবং একই প্রয়োগ প্রদর্শন.

পদ্ধতি:উপকূলীয় কর্ণাটকের একটি টারশিয়ারি কেয়ার হাসপাতালে কোলিস্টিন (পুনরায় উদীয়মান অ্যান্টিবায়োটিক) নির্ধারিত 225 রোগীর একটি পূর্ববর্তী সমীক্ষা থেকে প্রাপ্ত কিডনি রোগের অগ্রগতির ডেটার জন্য আমরা একটি আধা-প্যারামেট্রিক ক্রমাগত সমজাতীয় মাল্টি-স্টেট মার্কভ মডেল প্রস্তাব করেছি। কিডনি রোগের বিভিন্ন স্তর সংজ্ঞায়িত করা হয়েছিল কিডনি ডিজিজ ইমপ্রুভিং গ্লোবাল আউটকাম (KDIGO) স্কোরের উপর ভিত্তি করে। মডেলটি তিনটি ক্ষণস্থায়ী অবস্থা এবং মৃত্যুর একটি শোষণকারী অবস্থা নিয়ে গঠিত। মাল্টি-স্টেট মডেল ব্যবহার করে দ্বিমুখী রূপান্তর হারে কোভেরিয়েট প্রভাব অনুমান করা হয়েছিল।

ফলাফল:আমরা 225 জন রোগীর তথ্য তাদের কিডনি রোগের অগ্রগতি দেখতে ব্যবহার করেছি। সমস্ত রোগী কোলিস্টিন থেরাপির অধীনে ছিলেন। হাসপাতালে থাকার গড় দৈর্ঘ্য ছিল 21 দিন। হাসপাতালে মোট ৮৩ জন (৩৬.৮৯ শতাংশ) রোগী মারা গেছেন। লিঙ্গ, উচ্চ রক্তচাপ, সেপসিস এবং অস্ত্রোপচারের মতো প্রাগনোস্টিক কারণগুলি বিভিন্ন পর্যায়ে কিডনি রোগকে প্রভাবিত করে।

উপসংহার:অধ্যয়নের ফলাফলগুলি জনস্বাস্থ্য নীতিনির্ধারকদের জন্য রোগীদের বেঁচে থাকার উন্নতির জন্য নীতি এবং চিকিত্সা পরিকল্পনা বাস্তবায়নের জন্য দরকারী হবে। অধিকন্তু, রোগের অগ্রগতির মডেলিং রোগের প্রত্যাশিত বোঝা বুঝতে সাহায্য করে।

কীওয়ার্ড:মাল্টি-স্টেট মডেল,কিডনি রোগ, পরিবর্তনের তীব্রতা, মধ্যবর্তী ঘটনা, রোগের অগ্রগতি

cistanche deserticola উপকারিতা: কিডনি রোগের চিকিৎসা

1। পরিচিতি

কিডনি রোগএকটি গুরুত্বপূর্ণ জনস্বাস্থ্য সমস্যা। যাইহোক, প্রাথমিক হস্তক্ষেপ এড়াতে পারেকিডনিসমস্যাস্থায়িভাবে. এর প্রতিকূল ফলাফল এবং অগ্রগতিদীর্ঘস্থায়ীরোগযেমনকিডনিরোগপর্যাপ্ত ওষুধ এবং জীবনধারা পরিবর্তন দ্বারা নিয়ন্ত্রণ করা যেতে পারে। যেহেতু কিডনি রোগ প্রায়শই হাসপাতালে ভর্তির সাথে শেষ হয়, তাই থাকার সময়কাল, বেঁচে থাকা এবং কিডনি রোগের অগ্রগতির মডেলিং চিকিত্সকদের মধ্যে খুব আগ্রহের বিষয়।

ক্যাপলান-মেইয়ার পদ্ধতি বা কক্স আনুপাতিক ঝুঁকি মডেলের মতো মানক বেঁচে থাকার পদ্ধতিগুলি কোনও মধ্যবর্তী ঘটনা ছাড়াই সাধারণ বেঁচে থাকার সেটিংস পরিচালনা করার জন্য যথেষ্ট। যাইহোক, কিডনি রোগের অগ্রগতি বিভিন্ন মধ্যবর্তী ঘটনা সহ একটি জটিল প্রক্রিয়ার উদাহরণ। মাল্টি-স্টেট মডেল এই ধরনের জটিল প্রক্রিয়াগুলি পরিচালনা করার একটি কার্যকর উপায়। বিষয়গুলি অধ্যয়নের শুরুতে এক রাজ্যে থাকতে পারে, আরও বিভিন্ন রাজ্যের মধ্য দিয়ে যেতে পারে এবং শেষ পর্যন্ত একটি চূড়ান্ত অবস্থায় যেতে পারে। একটি বিষয়ের এই রূপান্তরগুলিকে মডেল করা যেতে পারে এবং বিভিন্ন ট্রানজিশনের বেঁচে থাকার সময়ের সাথে সম্পর্কিত ঝুঁকির কারণগুলিকে একটি মাল্টি-স্টেট মডেল ব্যবহার করে চিহ্নিত করা যেতে পারে। মডেল জটিল রোগ প্রক্রিয়ার উপর বিভিন্ন ক্লিনিকাল এবং জনসংখ্যাগত কারণের প্রভাব অনুমান করে।1-3

মাল্টি-স্টেট মডেলটি সাধারণত ক্যান্সার গবেষণায় ব্যবহৃত হয় কারণ ক্যান্সারের বিভিন্ন পর্যায় রয়েছে যা রোগের অগ্রগতি নির্দেশ করে। 4,5 একইভাবে, এইচআইভি রোগীদের মধ্যে এইডসের অগ্রগতিকে প্রভাবিত করে এমন ঝুঁকির কারণগুলি সনাক্ত করার জন্য অধ্যয়ন করা হয়।6-8 রোগ যেমন ডায়াবেটিস , দীর্ঘস্থায়ী কিডনি রোগ, ইত্যাদি একটি সাধারণ বেঁচে থাকার মডেলের পরিবর্তে একটি মাল্টি-স্টেট মডেলের মাধ্যমে দক্ষতার সাথে পরিচালনা করা যেতে পারে।9,10

এই নিবন্ধে, আমরা তাদের হাসপাতালে থাকার সময় কোলিস্টিন গ্রহণকারী রোগীদের কিডনি রোগের অগ্রগতির জন্য একটি মাল্টি-স্টেট মডেল প্রস্তাব করেছি। 225 রোগীর কেস রেকর্ড পুনরুদ্ধার করা হয়েছিল এবং তাদের কেডিআইজিও স্কোরগুলি বিভিন্ন সময় পয়েন্টে একটি ক্লিনিকাল সহচর কাগজের জন্য অ্যাক্সেস করা হয়েছিল। হাসপাতালে থাকার দৈর্ঘ্য হল ভর্তি থেকে তাদের মৃত্যু/স্রাব পর্যন্ত কত দিন। হাসপাতালে থাকার সময় রোগীরা রোগের তীব্রতার বিভিন্ন ধাপ অতিক্রম করছিলেন। আমরা প্রক্রিয়াটিকে চারটি রাজ্য দিয়ে সংজ্ঞায়িত করেছি। KDIGO স্কোর থেকে প্রাপ্ত তিনটি ক্ষণস্থায়ী অবস্থা সারণি 1 এ দেওয়া হয়েছে।

বিভিন্ন মহামারী সংক্রান্ত গবেষণা থেকে এটা স্পষ্ট যে বিভিন্ন বায়োমার্কার এবং কমরবিডিটি কিডনি রোগের অগ্রগতিতে গুরুত্বপূর্ণ ভূমিকা পালন করে। আমরা মাল্টি-স্টেট মডেল ব্যবহার করে রেনাল ফাংশনের সূচনা, অগ্রগতি এবং রিগ্রেশনকে প্রভাবিত করে কোভেরিয়েটগুলির প্রভাবগুলি অনুমান করেছি। আমরা ডেটা ডকুমেন্টেশন, বিশ্লেষণ এবং ব্যাখ্যার জন্য একটি প্রদর্শনও প্রদান করি যাতে পাঠকরা মাল্টি-স্টেট মডেলটি সহজে বাস্তবায়ন করতে পারে। আমাদের সর্বোত্তম জ্ঞান অনুসারে, মাল্টি-স্টেট মার্কভ মডেলটি কোলিস্টিন-প্ররোচিত কিডনি রোগের অগ্রগতির মডেলের জন্য ব্যবহার করা হয়নি।

কাগজের বাকি অংশে, আমরা তথ্য উপস্থাপন করি, পদ্ধতি ব্যাখ্যা করি এবং ফলাফল নিয়ে আলোচনা করি।

cistanche deserticola

2। সামগ্রী ও পদ্ধতি

2.1। ডেটা বিবরণ

রেট্রোস্পেক্টিভ অধ্যয়নটি মূলত জানুয়ারি 2016 থেকে ডিসেম্বর 2017 পর্যন্ত মেডিসিন বিভাগ, কস্তুরবা হাসপাতালে, মনিপালের মেডিসিন বিভাগে চিকিত্সা করা রোগীদের মধ্যে কোলিস্টিন-প্ররোচিত নেফ্রোটক্সিসিটির সাথে সম্পর্কিত ঝুঁকির কারণগুলি বোঝার জন্য পরিচালিত হয়েছিল। আমরা হাসপাতালে-মৃত্যুর হার, হাসপাতালের দৈর্ঘ্য আরও তদন্ত করি। থাকুন, এবং কিডনি রোগের অগ্রগতি। স্ক্রীন করা মোট 600টি কেস রেকর্ডের মধ্যে 225 জন রোগী বর্তমান গবেষণার জন্য উপযুক্ত ছিল। এই 225 রোগীর হাসপাতালের কেস রেকর্ড বর্তমান গবেষণার ভিত্তি তৈরি করে।

KDIGO স্কোর নিরীক্ষণের জন্য বিভিন্ন সময় পয়েন্টে অ্যাক্সেস করা হয়েছিলকিডনিফাংশনউন্নতি এবং পতন। বয়স, লিঙ্গ, ডায়াবেটিস, উচ্চ রক্তচাপ, ইত্যাদির মতো প্রগনোস্টিক কারণগুলি প্রতিটি রোগীর জন্য রেকর্ড করা হয়েছিল। সাহিত্যে অনুরূপ অধ্যয়নগুলি রেনাল ফাংশন হ্রাস হিসাবে শেষ বিন্দু বিবেচনা করে লজিস্টিক রিগ্রেশন বা সাধারণ বেঁচে থাকার বিশ্লেষণের সাথে সমস্যাটির সাথে যোগাযোগ করেছিল। এই পদ্ধতিগুলি বিভিন্ন রাজ্য জুড়ে অগ্রগতি এবং রিগ্রেশন ট্রানজিশনকে অবহেলা করে। মাল্টি-স্টেট মডেল সাধারণ সম্পর্কে গভীরভাবে উপলব্ধি করেরেনাল ফাংশনপরিবর্তনের সম্ভাবনার ক্ষেত্রে উন্নতি বা অবনতির ধরণ এবং মৃত্যুর ফলাফল। একটি ট্রানজিশন হল একটি অধ্যয়নের সময় অবস্থার পরিবর্তন এবং ট্রানজিশন সম্ভাব্যতা হল এক অবস্থা থেকে অন্য অবস্থায় যাওয়ার সম্ভাবনা। বেশিরভাগ রোগীর অবস্থা 1, রাজ্য 2 এবং রাজ্য 3 এর মধ্যে একাধিকবার দোদুল্যমান বলে মনে হচ্ছে, যা নির্দেশ করে যে এই অবস্থাগুলি বিপরীতমুখী। যখন বিষয় দুটি অবস্থার মধ্যে সামনে পিছনে সরে যায় তখন ট্রানজিশন বিপরীত হয়।

একটি মাল্টি-স্টেট মডেল ফিট করার জন্য ডেটা বিন্যাস একটি গুরুত্বপূর্ণ পদক্ষেপ। প্রতিটি রোগীকে দেওয়া অনন্য আইডি একটি একক বিষয়ের গ্রুপিংয়ের যত্ন নেয়। তাই, একক রোগীর সমস্ত তথ্য একই অনন্য আইডির আওতায় রয়েছে কিনা তা নিশ্চিত করার জন্য ডেটা নথিভুক্ত করার সময় যত্ন নেওয়া উচিত। নমুনা ডেটা বিন্যাস সারণি 2 এ দেওয়া হয়েছে।

2.2। মাল্টি-স্টেট মডেল

কিডনি রোগের অগ্রগতি ক্রমাগত সময়ের মধ্যে সসীম অবস্থার স্থান সহ একটি স্টোকাস্টিক প্রক্রিয়া হিসাবে কল্পনা করা যেতে পারে। বিভিন্ন রাজ্য রোগের তীব্রতা প্রতিফলিত করে। অবস্থা দুই প্রকার: ক্ষণস্থায়ী এবং শোষণকারী। শোষণকারী অবস্থা এমন একটি অবস্থা যা একবার প্রবেশ করলে ছেড়ে যাওয়া যায় না। যেখানে, ক্ষণস্থায়ী অবস্থাগুলি আরও ট্রানজিশন সহ। মাল্টি-স্টেট মডেলটি একটানা সময়ের মধ্যে বিভিন্ন রাজ্যের মধ্যে একটি বিষয়ের গতিবিধি বর্ণনা করার জন্য একটি দরকারী টুল। মডেলটি সম্ভাব্য সমস্ত পরিবর্তনের জন্য ট্রানজিশন সম্ভাব্যতা গণনা করে।11,12

আমরা কিডনি রোগের অগ্রগতির ডেটার জন্য একটি চার-রাজ্যের অবিচ্ছিন্ন সময়ের সমজাতীয় বহু-রাষ্ট্রীয় মার্কভ মডেলের প্রস্তাব করেছি। একটি প্রক্রিয়া মার্কোভিয়ান যদি ভবিষ্যত শুধুমাত্র বর্তমানের উপর নির্ভর করে। মডেলটি চিত্র 1-এ চিত্রিত করা হয়েছে।

তীরগুলি সম্ভাব্য রূপান্তর নির্দেশ করে। দুই-পার্শ্বযুক্ত তীরগুলি বিপরীত রূপান্তর বোঝায়। যদি বিষয় দুটি অবস্থার মধ্যে সামনে পিছনে সরে যায় তবে পরিবর্তনগুলি বিপরীত হয়। বিবেচিত তিনটি ক্ষণস্থায়ী অবস্থা (তীরের বাইরে থাকা রাজ্যগুলি) হল: রাজ্য 1 (KDIGO > 60), রাজ্য 2 (30 < kdigo="">< 60),="" এবং="" রাজ্য="" 3="" (kdigo=""><30)। রাজ্য="" 4="" (মৃত্যু)="" শোষণ="" করছে="" (তীর="" ছাড়াই="" রাজ্য)।="" স্টেট-স্পেস="" s="{1," 2,="" 3,="" 4}="" সহ="" প্রক্রিয়া="" (x(t),="" t="" ∈="" t)="" টি="" সময়ে="" দখলকৃত="" রাষ্ট্রকে="" বর্ণনা="" করে।="" হাসপাতালে="" ভর্তি="" থেকে="" শুরু="" করে="" দিনের="" মধ্যে="" সময়ের="" পরিবর্তনশীল="" পরিমাপ="" করা="" হয়।="" মাল্টি-স্টেট="" মডেল="" ট্রানজিশন="" সম্ভাব্যতা="" চিহ্নিত="" করে।="" স্থানান্তরের="" সম্ভাবনা="" (সময়ের="" কার্যাবলী)="" দ্বারা="" দেওয়া="" হয়:="" দ্বিমুখী="" স্থানান্তর="" হারে="" কোভেরিয়েট="" প্রভাব="" (বয়স,="" লিঙ্গ,="" উচ্চ="" রক্তচাপ,="" ডায়াবেটিস,="" ইত্যাদি)="" অনুমান="" করা="" হয়েছিল।="" বিপদের="" অনুমান,="" λij="" দ্বারা="" দেওয়া="">

যেখানে λij হল রাজ্য i থেকে j রাজ্যে যাওয়ার তাৎক্ষণিক ঝুঁকি। রূপান্তর তীব্রতা ম্যাট্রিক্স দেওয়া হয়:

ক্রমাগত ভেরিয়েবলগুলি গড় (SD) হিসাবে উপস্থাপিত হয়; ফ্রিকোয়েন্সি হিসাবে শ্রেণীগত ভেরিয়েবল ( শতাংশ)।

Q হল n × n ট্রানজিশন ইনটেনসিটি ম্যাট্রিক্স, যেখানে, n হল প্রক্রিয়ার সাথে জড়িত রাজ্যগুলির সর্বাধিক সংখ্যা। রূপান্তরের তীব্রতা তাৎক্ষণিকভাবে এক অবস্থা থেকে অন্য রাজ্যে স্থানান্তরের হার দেয়। এন্ট্রি (i, j) হল 0 যখন i থেকে j তে কোন রূপান্তর সম্ভব নয়। তির্যক এন্ট্রিগুলি হল: λii(t)=λi।=− ∑i=∕jλij(t) সমস্ত I ∈ S. রাজ্য 4 হল একটি শোষণকারী অবস্থা, এই অবস্থা থেকে সরে যাওয়ার সম্ভাবনা শূন্য। ট্রানজিশন ম্যাট্রিক্সের প্রতিটি সারির উপাদানের যোগফল শূন্য। একটি মাল্টি-স্টেট মডেল ফিট করা হল অজানা পরিবর্তনের তীব্রতা খুঁজে বের করার প্রক্রিয়া যা সম্ভাবনাকে সর্বাধিক করে তোলে।

মাল্টি-স্টেট মডেল প্রতিটি রাজ্যে গড় প্রবাস সময় অনুমান করে, যা একজন রোগী অন্য রাজ্যে যাওয়ার আগে একটি একক অবস্থানে ক্ষণস্থায়ী অবস্থায় ব্যয় করে গড় সময়কাল। প্রত্যাশিত ভ্রমণের সময় − 1/λjj হিসাবে গণনা করা হয়, যেখানে λjj হল Q(t)-এর jth তির্যক এন্ট্রি।

ট্রানজিশনের সম্ভাব্যতাগুলি P(t)=exp[Q(t)] হিসাবে রূপান্তর তীব্রতা থেকে গণনা করা হয়। স্থানান্তর সম্ভাবনা ম্যাট্রিক্স দেওয়া হয়:

P এর সারির যোগফল একের সমান। শোষণকারী অবস্থার জন্য j, Pjj(s,t) =1।

সম্ভাব্যতা ফাংশন রূপান্তর সম্ভাবনা সঙ্গে গঠিত হয়. এই সম্ভাবনা ফাংশন, L(Q) দ্বারা দেওয়া হয়,

যেখানে Li,j উপাদান হল ট্রানজিশন সম্ভাব্যতা ম্যাট্রিক্সে s(tij) সারি এবং s(ti,j প্লাস 1) কলামের এন্ট্রি।

আনুপাতিক বিপদের রিগ্রেশন মডেলটি ট্রানজিশনের তীব্রতার উপর কোভারিয়েট প্রভাবগুলিকে অন্তর্ভুক্ত করতে ব্যবহৃত হয়েছিল। একটি কোভারিয়েট ভেক্টর Z দেওয়া হয়েছে,

ij হল রিগ্রেশন সহগগুলির ভেক্টর। আমরা R সংস্করণ 4-এ প্যাকেজ MSM ব্যবহার করেছি৷{1}}.2 মাল্টি-স্টেট বিশ্লেষণ সম্পাদন করতে৷14 সম্ভাবনা অনুপাত পরীক্ষার মাধ্যমে মডেল নির্বাচন করা হয়েছিল৷

cistanche স্টেম

3। ফলাফল

3.1। অনুসন্ধানমূলক তথ্য বিশ্লেষণ

এই পূর্ববর্তী অধ্যয়নের লক্ষ্য তাদের হাসপাতালে থাকার সময় কোলিস্টিন গ্রহণকারী রোগীদের কিডনি রোগের অগ্রগতির মডেল করা। 225 রোগীর মধ্যে, 83 (37 শতাংশ) রোগী হাসপাতালে মারা যান এবং 142 (63 শতাংশ) রোগী জীবিত ছেড়ে দেওয়া হয়। বর্ণনামূলক পরিসংখ্যান সারণি 3 এবং সারণি 4 এ পাওয়া যাবে। থাকার মধ্যবর্তী (IQR) দৈর্ঘ্য ছিল 21 (16) দিন। হাসপাতালে ভর্তি ছিলেন 166 জন পুরুষ এবং 59 জন মহিলা রোগী। রোগীদের মধ্যমা (IQR) বয়স ছিল 57 (26) এবং গড় (± SD) হল 54 (±17)। 87 (39 শতাংশ) উচ্চ রক্তচাপের রোগী, 78 (35 শতাংশ) ডায়াবেটিস রোগী, 115 (51 শতাংশ) সেপসিস রোগী, 30 (13.3 শতাংশ) দীর্ঘস্থায়ী কিডনি রোগ (CKD), 123 (55 শতাংশ) রোগী ছিলেন। নিউমোনিয়া, এবং 59 (26 শতাংশ) রোগীর তীব্র কিডনি আঘাত (AKI) ছিল। হাসপাতালে ভর্তি রোগীদের মধ্যে, 194 ({29}} শতাংশ) আইসিইউতে ভর্তি করা হয়েছিল, এবং 119 (53 শতাংশ) রোগীর অস্ত্রোপচার করা হয়েছিল।

225 রোগীর মধ্যে, 83 (37 শতাংশ) রোগী হাসপাতালে মারা গেছে এবং বাকি 142 (63 শতাংশ) রোগী বেঁচে আছে। গড় বেঁচে থাকার সময় ছিল 38 দিন (সারণী 5)। চিত্র 2 টিকে থাকা ফাংশনের ক্যাপলান মেয়ার অনুমান উপস্থাপন করে।

3.2। মাল্টি-স্টেট বিশ্লেষণ

ভর্তির সময় রাজ্য 1-এ 126 জন রোগী, রাজ্য 2-এ 48 জন এবং রাজ্য 3-এ 51 জন রোগী ছিল৷ প্রক্রিয়াটির রূপান্তর ম্যাট্রিক্স সারণি 6 এ দেওয়া হয়েছে। যেহেতু রূপান্তরগুলি বিপরীতমুখী ছিল, তাই একই রোগীর মধ্যে একই ধরণের একাধিক রূপান্তর ছিল।

রাজ্য 1 থেকে রাজ্য 4-এ 32টি রূপান্তর হয়েছে, যা নির্দেশ করে যে 32 জন রোগী যারা রাজ্য 1-এর অন্তর্গত ছিলেন হাসপাতালে মারা গেছেন৷ একইভাবে, রাজ্য 2 এবং রাজ্য 3 তে যথাক্রমে 27 এবং 24 জন মারা গেছে। তির্যক এন্ট্রিগুলি ঘটনার সংখ্যা নির্দেশ করে যখন রোগীরা পরবর্তী সময় পয়েন্টগুলিতে একই অবস্থায় থাকে। আনুমানিক গড় অবস্থানের সময় সারণি 7 এ দেওয়া হয়েছে।

এমএসএম প্যাকেজটি রূপান্তর তীব্রতার উপর কোভেরিয়েটগুলির প্রভাবগুলি পেতে বহু-রাষ্ট্র বিশ্লেষণ করতে ব্যবহৃত হয়েছিল। ইউনিভেরিয়েট মাল্টি-স্টেট মডেলগুলি চিকিত্সাগতভাবে উল্লেখযোগ্য কোভেরিয়েট দিয়ে তৈরি করা হয়েছিল। কোভেরিয়েট যা পরিসংখ্যানগত তাৎপর্য দেখিয়েছে (p-মান<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="">

রাজ্য 1-এর পুরুষ রোগীরা উচ্চ ঝুঁকিতে রয়েছে [এইচআর: 2.55; মহিলাদের তুলনায় রোগের অগ্রগতির 95 শতাংশ CI (1.31–4.92)]। যাইহোক, রাজ্য 2-এর পুরুষ রোগীদের ক্ষেত্রেও রিগ্রেশনের সম্ভাবনা বেশি৷ রাজ্য 3-এর মহিলাদের তুলনায়, পুরুষদের প্রতিকূল ফলাফলের সম্ভাবনা 86 শতাংশ কম৷ ডায়াবেটিসের উপস্থিতি বিভিন্ন ট্রানজিশনে মিশ্র প্রভাব দেখিয়েছে। রাজ্য 2-এর হাইপারটেনসিভ রোগীরা অন্যদের তুলনায় রোগের অগ্রগতির ঝুঁকিতে বেশি এবং রাজ্য 3 থেকে তাদের রিগ্রেশনের সম্ভাবনাও কম। সেপসিস একটি ঝুঁকির কারণ ছিল এবং রাজ্য 1 এবং রাজ্য 2 থেকে শোষণকারী অবস্থায় পরিবর্তনের ক্ষেত্রে একটি উল্লেখযোগ্য প্রভাব দেখিয়েছিল। এটি ইঙ্গিত দেয় যে সেপসিস রোগীদের মৃত্যুর উচ্চ ঝুঁকি রয়েছে। একইভাবে, যে সমস্ত রোগীদের অস্ত্রোপচার করা হয়েছে তাদের রাজ্য 3-তে মৃত্যুর ঝুঁকি বেশি। কিছু গোষ্ঠীর ভারসাম্যহীনতার কারণে, ক্লিনিকাল তাত্পর্য নির্দেশ করে না এমন কিছু জাল সংঘ থাকতে পারে।

cistanche পর্যালোচনা: কিডনি রোগের চিকিৎসা

4. আলোচনা এবং উপসংহার

কিডনি রোগ একটি গুরুত্বপূর্ণ জনস্বাস্থ্য সমস্যা। যাইহোক, প্রাথমিক হস্তক্ষেপ স্থায়ীভাবে কিডনি সমস্যা এড়াতে পারে। রোগের অগ্রগতির মডেলিং রোগের প্রত্যাশিত বোঝা বুঝতে সাহায্য করে যা জাতীয় জনস্বাস্থ্য নীতিনির্ধারকদের জন্য আরও কার্যকর হতে পারে।

কিছু অ-মারাত্মক মধ্যবর্তী ঘটনা রোগের অগ্রগতি সম্পর্কে আরও অন্তর্দৃষ্টি দেয়। বেশিরভাগ গবেষণায়, এই ঘটনাগুলি প্রায়ই উপেক্ষা করা হয়। যাইহোক, চিকিত্সকদের চিকিত্সা পরিকল্পনা উন্নত করার জন্য এই মধ্যবর্তী ঘটনাগুলি যথেষ্ট গুরুত্বপূর্ণ। মাল্টি-স্টেট মার্কভ মডেলটি বিভিন্ন মধ্যবর্তী রাজ্যে পরিবর্তনের সাথে জড়িত বিভিন্ন দীর্ঘস্থায়ী রোগের অগ্রগতি বোঝার জন্য ব্যবহার করা হয়েছে যা ক্রমাগত সময়ের সাথে রোগের তীব্রতা নির্দেশ করে। মডেলটি জটিল ইভেন্ট প্যাটার্নের আরও অন্তর্দৃষ্টি প্রদান করে এবং এইভাবে এটি চিকিত্সার কার্যকারিতা অধ্যয়ন করার জন্য একটি কার্যকর হাতিয়ার হিসাবে ব্যবহার করা যেতে পারে। ক্যান্সার গবেষণায় মাল্টি-স্টেট মডেল ব্যবহার করা হচ্ছে কারণ ক্যান্সারের বিভিন্ন ধাপ রয়েছে যা বিভিন্ন রূপান্তর গঠন করে।4,5 একইভাবে, এইচআইভি রোগীদের মধ্যে এইডসের অগ্রগতিকে প্রভাবিত করে এমন ঝুঁকির কারণ চিহ্নিত করার জন্য গবেষণা করা হয়েছে।6-8 রোগ যেমন ডায়াবেটিস, দীর্ঘস্থায়ী কিডনি রোগ, ইত্যাদি একটি সাধারণ বেঁচে থাকার মডেলের পরিবর্তে একটি মাল্টি-স্টেট মডেলের মাধ্যমে দক্ষতার সাথে পরিচালনা করা যেতে পারে। 9,10 তবে, দীর্ঘস্থায়ী কিডনি রোগের অগ্রগতির ক্ষেত্রে কম সংখ্যক অ্যাপ্লিকেশন পাওয়া যায়। দীর্ঘস্থায়ী কিডনি রোগের অগ্রগতি বোঝার জন্য একটি মাল্টি-স্টেট মডেল ব্যবহার করা সাম্প্রতিকতম গবেষণাটি ছিল গ্রোভার এট আল।

আমরা কোলিস্টিন গ্রহণকারী রোগীদের কিডনি রোগের অগ্রগতির জন্য একটি 4 রাজ্য মাল্টি-স্টেট মডেল প্রস্তাব করেছি। স্বাস্থ্য পেশাদারদের লক্ষ্য করে মাল্টি-স্টেট মডেলের একটি সাধারণ প্রদর্শন প্রদান করার চেষ্টা করা হয়েছিল। উন্নত সফ্টওয়্যার সরঞ্জামগুলির প্রাপ্যতার সাথে, বিশ্লেষণটি সহজ এবং কার্যকর। যদিও আমরা সাধারণ মার্কভ মডেলের উপর জোর দিয়েছি, প্রক্রিয়াটির প্রকৃতি অনুসারে বিভিন্ন ধরণের মাল্টি-স্টেট মডেল রয়েছে। 1,2,15-18

মাল্টি-স্টেট মডেল ব্যবহার করার জন্য নিম্নলিখিত মৌলিক পদক্ষেপগুলি সুপারিশ করা হয়: (i) চিত্র 1 এবং সারণী 2-এ দেখানো বিভিন্ন রাজ্য এবং সম্ভাব্য রূপান্তরগুলি সনাক্ত করে প্রক্রিয়াটিকে সংজ্ঞায়িত করুন। মডেলটির মসৃণ কার্যকারিতার জন্য রাজ্যের সংখ্যা ন্যূনতম রাখুন ( ii) সারণী 1 এ দেখানো হিসাবে সঠিকভাবে ডেটা নথিভুক্ত করুন। (iii) মডেলের সাথে মানানসই করার জন্য উপযুক্ত সফ্টওয়্যার এবং প্যাকেজ ব্যবহার করুন (iv) অন্যান্য স্ট্যান্ডার্ড বেঁচে থাকা বিশ্লেষণ কৌশলগুলির তুলনায় মাল্টি-স্টেট মডেলের সুবিধাগুলি না হারিয়ে ফলাফলগুলি ব্যাখ্যা করুন।

থাকার মাঝারি দৈর্ঘ্য ছিল 21 দিন এবং গড় বেঁচে থাকার সময় ছিল 38 দিন। ফলাফলগুলি নির্দেশ করে যে লিঙ্গ, ডায়াবেটিস, উচ্চ রক্তচাপ, সেপসিস এবং সার্জারি কিডনি রোগের অগ্রগতি বা রিগ্রেশনকে প্রভাবিত করে এমন গুরুত্বপূর্ণ কারণগুলি। বর্তমান অধ্যয়ন থেকে প্রাপ্ত ফলাফলগুলি অল্প সংখ্যক বিষয়ের কারণে ক্ষমতায় সীমিত। অতএব, এই ফলাফলগুলি সতর্কতার সাথে সাধারণীকরণ করা দরকার। পরবর্তীকালে, ছোট নমুনার আকারের কারণে কিডনি রোগের বিভিন্ন স্তর একত্রিত করা হয়েছিল। এটি ফলাফলের সাধারণীকরণকে প্রভাবিত করবে কারণ কিডনি রোগের অগ্রগতির ট্রানজিশন প্যাটার্নের সঠিক চিত্র অন্তর্ভুক্ত করা হয়নি।

R সংস্করণ 4-এ msm প্যাকেজ।{1}}.2 মাল্টি-স্টেট মডেলের সাথে মানানসই করতে ব্যবহৃত হয়েছিল MSM প্যাকেজের ডকুমেন্টেশনে তালিকাভুক্ত সীমাবদ্ধতা হিসেবে, কনভারজেন্স সমস্যাগুলির কারণে আরও কোভেরিয়েটদের 14 অন্তর্ভুক্ত করা চ্যালেঞ্জিং ছিল। অতএব, আরও জটিল সমস্যার জন্য, একটি এস্টেট প্যাকেজ ব্যবহার করা যেতে পারে।

একটি মাল্টি-স্টেট মডেলের ফলাফলগুলি জনস্বাস্থ্য নীতিনির্ধারকদের জন্য রোগীদের বেঁচে থাকার উন্নতির জন্য নীতি এবং চিকিত্সা পরিকল্পনা বাস্তবায়নের জন্য দরকারী হবে। অধিকন্তু, রোগের অগ্রগতির মডেলিং রোগের প্রত্যাশিত বোঝা বুঝতে সাহায্য করে।

cistanche নির্যাস সুবিধা: কিডনি ফাংশন উন্নত

নৈতিকতার অনুমোদন এবং অংশগ্রহণের সম্মতি

গবেষণাটি একটি গৌণ বিশ্লেষণ উপস্থাপন করে। ক্লিনিকাল সহচর কাগজের জন্য নৈতিক অনুমোদন প্রাপ্ত হয়েছিল।

অর্থায়ন

এই গবেষণা কোন তহবিল পায়নি.

প্রতিযোগিতামূলক আগ্রহের ঘোষণা

লেখকদের প্রকাশ করার স্বার্থের কোন দ্বন্দ্ব নেই।

তথ্যসূত্র
1 অ্যান্ডারসেন পিকে। বেঁচে থাকার বিশ্লেষণে মাল্টিস্টেট মডেল: ডায়াবেটিসে নেফ্রোপ্যাথি এবং মৃত্যুহারের একটি অধ্যয়ন। স্ট্যাট মেড. 1988;7(6):661–670।
2 অ্যান্ডারসেন পিকে, এসবের্গ এস, সোরেনসেন টিআই। লিভার সিরোসিসে রক্তপাতের পর্ব এবং মৃত্যুর জন্য মাল্টি-স্টেট মডেল। স্ট্যাট মেড. 2000;19(4):587-599।
3 Amorim LD, Cai J. মডেলিং পুনরাবৃত্ত ঘটনা: মহামারীবিদ্যায় বিশ্লেষণের জন্য একটি টিউটোরিয়াল। Int J Epidemiol. 2015;44(1):324–333।
4 Le-Rademacher JG, Peterson RA, Therneau TM, et al. ক্যান্সার ক্লিনিকাল ট্রায়ালে মাল্টি-স্টেট মডেলের প্রয়োগ। ক্লিন ট্রায়াল। 2018;15(5):489–498।
5 Putter H, van der Hage J, de Bock GH, et al. স্তন ক্যান্সারের জন্য একটি মাল্টিস্টেট মডেলে অনুমান এবং ভবিষ্যদ্বাণী। বায়োম জে. 2006;48(3):366–380।
6 হামিদি ও, তাপাক এল, পুরোলজাল জে, এট আল। অসুস্থতা-মৃত্যু মাল্টিস্টেট মডেল ব্যবহার করে এইডস এবং এইচআইভি সংক্রমণ পরবর্তী মৃত্যুর ঝুঁকির কারণ চিহ্নিত করা। ক্লিন এপিডেমিওলজি গ্লোব হেলথ। 2017;5(4):163–168।
7 Tapak L, Kosorok MR, Sadeghifar M, et al. টাইম-টু-ইভেন্ট ডেটা বিশ্লেষণের জন্য মাল্টিস্টেট পুনরাবৃত্তিমূলকভাবে বেঁচে থাকার গাছগুলিকে অভিযুক্ত করে: এইচআইভি সংক্রমণের পরে এইডস এবং মৃত্যুহারের ডেটার জন্য একটি আবেদন। বিএমসি মেড রেস মেথডল। 2018;18(1):1–2।
8 Matsena Zingoni Z, Chirwa TF, Todd J, et al. জিম্বাবুয়েতে অ্যান্টিরেট্রোভাইরাল থেরাপি রোগীদের মধ্যে এইচআইভি রোগের অগ্রগতি: একটি মাল্টিস্টেট মার্কভ মডেল। সামনে জনস্বাস্থ্য। 2019; 7:326।
9 আলিয়ারি আর, হাজিজাদেহ ই, আমিনোরোয়া এ, এট আল। একটি ওপেন কোহর্ট স্টাডিতে টাইপ 2 ডায়াবেটিসের দেরী জটিলতার বিকাশের পূর্বাভাস দেওয়ার জন্য মাল্টিস্টেট মডেল। ডায়াবেটিস মেটাব সিন্ড্র ওবস। 2020; 13:1863।
10 গ্রোভার জি, সবরওয়াল এ, কুমার এস, এবং অন্যান্য। দীর্ঘস্থায়ী কিডনি রোগের অগ্রগতির জন্য একটি মাল্টি-স্টেট মার্কভ মডেল। তুর্কিয়ে ক্লিনিকলেরি জে বায়োস্ট্যাট। 2019;11(1):1–4।
11 কিডিং এন, ক্লেইন জেপি, হোরোভিটজ এমএম। অস্থি মজ্জা প্রতিস্থাপনে মাল্টি-স্টেট মডেল এবং ফলাফলের পূর্বাভাস। স্ট্যাট মেড. 2001;20(12):1871–1885।
12 Klein JP, Qian C. মডেলিং মাল্টিস্টেট সারভাইভাল অস্থিমজ্জা প্রতিস্থাপনে চিত্রিত। বায়োমেট্রিক্স। 1996:93-102।
13 মানজিনি জি, এট্রিচ টিজে, ক্রেমার এম, এট আল। অস্ত্রোপচার গবেষণায় মাল্টি-স্টেট পদ্ধতির সুবিধা: কীভাবে মধ্যবর্তী ঘটনা এবং ঝুঁকির ফ্যাক্টর প্রোফাইল স্থানীয়ভাবে উন্নত রেকটাল ক্যান্সারে আক্রান্ত রোগীর পূর্বাভাসকে প্রভাবিত করে। বিএমসি মেড রেস মেথডল। 2018;18(1): 1-11।
14 জ্যাকসন সিএইচ. প্যানেল ডেটার জন্য মাল্টি-স্টেট মডেল: R. J Stat Software-এর জন্য MSM প্যাকেজ। 2011;38(8):1-29।
15 মার্শাল জি, জোন্স আরএইচ। মাল্টি-স্টেট মডেল এবং ডায়াবেটিক রেটিনোপ্যাথি। স্ট্যাট মেড. 1995 সেপ্টেম্বর 30; 14 (18): 1975-1983।
16 Meira-Machado L, de Una- ˜ Alvarez ´ J, Cadarso-Suarez ´ C, et al. সময়-থেকে-ইভেন্ট ডেটা বিশ্লেষণের জন্য মাল্টি-স্টেট মডেল। স্ট্যাট মেথড মেড রেস. 2009;18(2):195-222।
17 Begun A, Icks A, Waldeyer R, et al. রেনাল ফাংশন কমে যাওয়া রোগীদের জন্য মাল্টিস্টেট একটানা-টাইম অ-সমজাতীয় মার্কভ চেইন মডেলের সনাক্তকরণ। মেড ডিসিস মেকিং। 2013 ফেব্রুয়ারী;33(2):298–306।
18 O'Keeffe AG, Su L, Farewell VT. একাধিক প্রক্রিয়ার জন্য পারস্পরিক সম্পর্কযুক্ত মাল্টিস্টেট মডেল: সিস্টেমিক লুপাস এরিথেমাটোসাসে রেনাল রোগের অগ্রগতির জন্য একটি অ্যাপ্লিকেশন। রয়্যাল স্ট্যাটিস্টিক্যাল সোসাইটি। 2018;67(4):841–860।