26 فوریه 2025- محققان یک مدل پیش بینی کننده را برای ارزیابی پیشرفت بیماری کلیوی دیابتی(DKD)  به مرحله نهایی بیماری کلیوی (ESRD) در افراد مبتلا به دیابت نوع 2 (T2DM) ایجاد کرده اند.

محققان در ژورنال دیابت، سندرم متابولیک و چاقی،نوشتند: "پیش ‌بینی‌ کننده‌های کلیدی در این مدل شامل BMI، eGFR، پروتئین کل ادرار و شاخص التهابی سیستمیک ایمنی، بودند. این مدل ترکیبی که شامل آتروفی توبولار، فیبروز بینابینی و عوامل دیگر بود، دقت بهبود یافته و قدرت پیش‌ بینی قوی ‌تری را در طول 5 سال نشان داد که می تواند منجر به استراتژی‌های درمانی شخصی تری شود.

بیماری کلیوی دیابتی، علت اصلی بیماری مزمن کلیه (CKD) و ESRD است، شرایطی که به طور قابل توجهی بر سلامت و کیفیت زندگی بیماران تأثیر می گذارد. علیرغم پیشرفت در مراقبت از دیابت، شناسایی زودهنگام بیماران در معرض خطر پیشرفت DKD همچنان چالش برانگیز است. با در نظر گرفتن این موضوع، دکتر Huiyue Hu، و همکارانش از گروه نفرولوژی بیمارستان سوم وابسته به دانشگاه سوچو در چین، با هدف ایجاد یک مدل پیش‌ بینی برای پیشرفت بیماری کلیه دیابتی به مرحله نهایی بیماری کلیوی و ارزیابی اثربخشی آسیب شناسی کلیه در کنار معادله ی خطر نارسایی کلیه (KFRE)  در این فرآیندبودند.

برای این منظور محققین مطالعه را در دو مرحله انجام دادند. فاز اول شامل 555 بیمار مبتلا به بیماری کلیوی دیابتی با تشخیص بالینی بود، در حالی که فاز دوم بر روی 85 بیمار مبتلا به DKD اثبات شده توسط بیوپسی، متمرکز بود. تحلیل رگرسیون کاکس و رگرسیون ریسک رقابتی برای شناسایی پیش ‌بینی ‌کننده ‌های مستقل استفاده شد.

عملکرد پیش ‌بینی کنندگی با استفاده از تجزیه و تحلیل مشخصه عملکرد گیرنده وابسته به زمان (ROC) ارزیابی شد و ناحیه زیر منحنی (AUC) برای ارزیابی دقت مدل محاسبه شد.

یافته های کلیدی این مطالعه به شرح زیر است:

•  مدل رگرسیون کاکس برای 555 بیمار مبتلا به DKD با تشخیص بالینی، پنج عامل پیش بینی کننده کلیدی را شناسایی کرد: شاخص توده بدنی (BMI)، میزان فیلتراسیون گلومرولی تخمینی(eGFR)، پروتئین کل ادرار 24 ساعته (UTP)، شاخص سیستمیک سیستمیک التهابی (SII) و کنترل وضعیت تغذیه(CONUT).

•  مدل ریسک های رقابتی، بر چهار پیش بینی کننده متمرکز بود، شامل BMI، eGFR،UTP  وCONUT.

•  در گروه بیماران مبتلا به DKD دیابتی اثبات شده با بیوپسی(گروه 85 نفری)، یک مدل پیش آگهی ترکیبی شامل معادله ی خطر نارسایی کلیه (KFRE)، فیبروز بینابینی و آتروفی توبولار (IFTA)، SII، و BMI توانایی پیش بینی افزایش یافته ای را طی 5 سال نشان داد.

•  مدل‌های جدید توسعه ‌یافته دقت بهبود یافته‌ ای را در مقایسه با روش‌های موجود با ادغام پاتولوژی کلیوی و شاخص‌های التهابی جدید ارائه کردند که این امر آنها را برای استفاده بالینی قابل استفاده‌ تر می ‌سازد.

محققان دریافتند که BMI، eGFR، UTP،SII  و CONUT به عنوان پیش ‌بینی ‌کننده‌ های حیاتی پیشرفت بیماری کلیوی دیابتی (DKD) به مرحله نهایی بیماری کلیوی هستند. این مطالعه بر نقش های محوری SII و CONUT در پیشرفت DKD تاکید کرد. نویسندگان همچنین یک مدل پیش ‌بینی ترکیبی ایجاد کردند که معادله خطر نارسایی کلیه (KFRE)، فیبروز بینابینی و آتروفی توبولار(IFTA)،SII  وBMI  را با هم ادغام کرد و دقت پیش ‌بینی بالایی را برای موارد DKD با تشخیص پاتولوژیک نشان داد.

با نگاهی به آینده، محققان بر اهمیت مطالعات گروهی در مقیاس بزرگ، چند مرکزی و چند قومیتی برای تأیید این یافته ‌ها و افزایش تعمیم ‌پذیری این پیش ‌بینی ‌کننده ‌ها در میان جمعیت ‌های مختلف تأکید می ‌کنند. شکاف های تحقیقاتی خاص شناسایی شده توسط نویسندگان شامل بررسی تغییرات منطقه ای در پیشرفت DKD، بررسی گنجاندن نشانگرهای زیستی اضافی - مانند نشانگرهای ژنتیکی یا نشانگرهای التهابی جدید - و ارزیابی نقش عوامل خطر فردی در گروه‌های جمعیتی مختلف است.

نویسندگان همچنین پیشنهاد کردند که کاربرد عملی KFRE و آسیب‌ شناسی کلیوی در مدیریت DKD باید در محیط ‌های بالینی واقعی و در عین حال بهینه ‌سازی مراقبت از بیماران مورد بررسی قرار گیرد.

منبع:

https://medicaldialogues.in/diabetes-endocrinology/news/new-models-predict-diabetic-kidney-disease-progression-to-end-stage-renal-disease-in-t2d-patients-study-143931