11 آوریل 2024- محققان دانشگاه Case Western Reserve از داده های ملی کهنه سربازان ارتش ایالات متحده مبتلا به دیابت برای تأیید و اصلاح یک مدل پذیرفته شده ی مورد استفاده برای پیش بینی خطر نارسایی قلبی در بیماران دیابتی استفاده کردند.

این مدل که امتیاز WATCH-DM نام دارد، برای پیش‌بینی احتمال نارسایی قلبی در بیماران دیابتی طی پنج سال استفاده می‌شود.

اما از آنجایی که تأثیر عوامل اجتماعی تعیین‌کننده ی سلامت مانند مسکن، غذا و محل سکونت را نادیده می‌گیرد، محققان از شاخص محرومیت اجتماعی (SDI)، یک امتیاز خلاصه چند جزیی، برای تنظیم امتیاز WATCH-DM استفاده کردند.

شاخص محرومیت اجتماعی، که توسط گروهی از محققان بالینی از مرکز رابرت گراهام، معرفی شده است، می تواند سطح آسیب را در مناطق خاص با استفاده از غذا، مسکن، حمل و نقل و شرایط جامعه بطور کمّی، تعیین کند. تحقیقات قبلی نشان داد که این امتیاز با سطح تفاوت های بهداشتی مشاهده شده در جوامع نسبت مستقیم دارد.

این مطالعه حدود 1 میلیون کهنه سرباز آمریکایی مبتلا به دیابت نوع 2 بدون نارسایی قلبی را شناسایی کرد که در سال 2010 به صورت سرپایی در سایت های پزشکی امور کهنه سربازان در سراسر کشور درمان شدند .محققان از کد پستی بیماران برای به دست آوردن شاخص محرومیت اجتماعی آنهااستفاده کردند که سپس در ماشین حساب ریسک وارد شد تا مشخص شود تا چه حد احتمال دارد که هر بیمار در عرض پنج سال به دلیل نارسایی قلبی در بیمارستان بستری شوند.

در حالی که میزان بستری شدن در بیمارستان برای نارسایی قلبی برای کل گروه (شامل بیش از 1 میلیون بیمار) 5.39٪ بود، این بروز از 3٪  در افرادی با حداقل محرومیت اجتماعی تا 11٪ در محروم ترین افراد، متغیر بود.

محققان دریافتند که بسته به سایر اطلاعات بالینی بیماران، افزودن SDI به مدل پیش‌بینی خطر WATCH-DM حتی می‌تواند احتمال ابتلای بیمار به نارسایی قلبی را در پنج سال آینده دو برابر کند.

سپس تیم محققین امتیاز WATCH-DM را برای هر گروه SDI با استفاده از یک ضریب تصحیح آماری بهینه سازی کردند و دقت پیش‌بینی آن را در طیف وسیعی از عوامل اجتماعی تعیین‌کننده سلامت بهبود بخشیدند.

دکتر Salil Deo، دانشیار دپارتمان جراحی در دانشکده پزشکی کیس وسترن رزرو که رهبری این مطالعه را بر عهده داشت، گفت: ما دریافتیم که افزودن SDI توانایی امتیاز WATCH-DM را برای پیش‌بینی خطر افزایش می‌دهد. این نتایج لزوم گنجاندن عوامل اجتماعی تعیین کننده ی سلامت را در همه ی الگوریتم های پیش بینی خطر بالینی آتی برجسته می کند. این امر باعث افزایش دقت آنها می شود که با بهبود نتایج سلامت به نفع بیماران خواهد بود.

دکتر Deo، گفت: ما امیدواریم مطالعه ما ارائه دهندگان مراقبت های بهداشتی را تشویق کند تا در درمان بیماران در آینده رویکردی جامع اتخاذ کنند. درک نابرابری های اجتماعی و کمّی کردن اثرات آنها احتمالاً اولین قدمی است که می‌توانیم برای اطمینان از اینکه بر سلامت بیمارانمان تأثیر نمی‌گذارند، برداریم.

این ماشین حساب در آدرس https://svd09.shinyapps.io/sdiWATCH-DM/ به صورت رایگان در دسترس عموم است.

منبع:

https://medicalxpress.com/news/2024-04-effect-socio-economic-factors-diabetic.html