7 اوت 2023- دیابت نوع 2، خطر بیماری مزمن کلیوی (CKD) را افزایش می دهد بطوری که تقریباً 40٪ از افراد مبتلا به دیابت را تحت تأثیر قرار می دهد. در بسیاری از موارد، علائم CKD تا زمانی که بیماری به مرحله پیشرفته نرسد، مورد توجه قرار نمی‌گیرد، به همین دلیل است که تشخیص و درمان زودهنگام آن بسیار مهم است .مطالعه اخیر ابزار جدیدی را تأیید کرد که می تواند تغییرات عملکرد کلیه را در طول زمان پیش بینی کند. با استفاده از داده‌های به ‌دست ‌آمده در طول ویزیت های مراقبت اولیه، این ابزار پیش‌بینی می‌تواند به متخصصان مراقبت‌های بهداشتی کمک کند تا برای درمان بیماران خود برنامه‌ریزی کنند.

با توجه به شیوع و شدت بالقوه ی CKD، ابزاری که به پیش بینی بهتر احتمال ابتلا به CKD کمک می کند، برای بسیاری از افراد مبتلا به دیابت مفید است و به آنها کمک می کند مراقبت های کلیوی خود را بهتر مدیریت کنند.

چرا برای بیماری مزمن کلیه به مدل های پیش بینی کننده نیاز داریم؟

بیماری کلیوی ممکن است در هر فردی رخ دهد، با این حال، افراد مبتلا به دیابت، فشار خون بالا یا سابقه خانوادگی مشکلات کلیوی در معرض خطر بیشتری هستند.CKD ، یک بیماری پیشرونده است، به این معنی که با گذشت زمان بدتر می شود. بدون درمان یا در پیشرفته ترین مراحل، بیماری مزمن کلیویدر نهایت می تواند به دیالیز یا پیوند کلیه منجر شود.

نظارت بر عملکرد کلیه در افراد مبتلا به دیابت برای پزشکان مهم است زیرا CKD اغلب تا زمانی که بیماری به مراحل پیشرفته نرسیده باشد بدون علائم بارزی است. به گفته بنیاد ملی کلیه، در واقع، تقریبا 90 درصد از افراد مبتلا به CKD در ایالات متحده حتی نمی دانند که به آن مبتلا هستند.

متخصصان مراقبت های بهداشتی با آزمایش سطوح مواد رایج در خون و ادرار در مورد نحوه عملکرد کلیه های شما اطلاعاتی را بدست می آورند. سطوح بالاتر از حد طبیعی برخی از مواد می تواند نشان دهنده مشکلات کلیوی باشد.

با این مدل پیش‌بینی جدید، محققان در کنسرسیومBiomarker Enterprise to Attack Diabetic  Kidney Disease ، روند عملکرد کلیه را در طول زمان با اندازه‌گیری نرخ تخمینی فیلتراسیون گلومرولی (eGFR) ارزیابی کردند. علاوه بر سایر آزمایشات، متخصصان مراقبت های بهداشتی ازeGFR ، برای نظارت بر تغییرات عملکرد کلیه در طول زمان استفاده می کنند که ممکن است نشان دهنده ی CKD باشد.

محدودیت های این مدل چیست؟

محققانی که این مدل را توسعه داده اند چندین محدودیت را تشخیص داده و در تحقیقات بعدی بر روی بهبود دقت کار خواهند کرد. یک محدودیت این است که شرکت کنندگان از شش کشور اروپایی و همگی سفیدپوست بودند. محققان توصیه کردند که مطالعات آینده شامل شرکت کنندگانی با پیشینه های مختلف و از کشورهای مختلف باشد.

محدودیت دیگر این است که از شرکت کنندگان در سال 2010 ثبت نام گردید و از آن زمان تاکنون درمان های CKD به طور چشمگیری بهبود یافته است. این مدل پیش‌بینی‌کننده ی خاص همچنین این موضوع را در نظر نمی‌گیرد که آیا بیماران برای CKD دارو مصرف می‌کنند یا خیر، اما مصرف دارو برای بیماری مزمن کلیوی پارامتر مهمی است که باید در مدل های آینده گنجانده شود.

دکتر سوزان استولپ، همکار پژوهشی در بیمارستان دانشگاه اسن در آلمان که در زمینه بیماری مزمن کلیه و بیماری قلبی تخصص دارد، گفت: این مدل به درستی توسعه داده شده است، و متغیرها معقول و مرتبط هستند. با این حال، اگر تمامی اطلاعات در دسترس نباشند، مطمئن نیستم که چقدر بتواند مفید باشد.

این برای افراد دیابتی چه معنایی دارد؟

اگرچه این مدل پیش بینی کننده، نمی تواند جایگزین مشاوره پزشکی شود، این مدل تحقیقاتی اکنون به عنوان یک ابزار آنلاین در دسترس است که هر کسی (از جمله افراد مبتلا به دیابت و متخصصان مراقبت های بهداشتی) می تواند متغیرهای مورد نیاز را در آن وارد کند و پیش بینی های eGFR آینده را تا پنج سال ببیند.

با این حال، مهم است که به یاد داشته باشید که این مدل هنوز در حال بهبود است. اگر می خواهید در مورد روند عملکرد کلیه خود بیشتر بدانید، بهتر است با یک متخصص مراقبت های بهداشتی در مورد ابزارهای غربالگری و آزمایشاتی که آنها توصیه می کنند، به علاوه اینکه این نتایج برای شما معنایی دارند، صحبت کنید.

افرادی که تشخیص زودهنگام CKD دریافت می کنند، اغلب می توانند با تغییرات سبک زندگی مانند رژیم غذایی، ورزش و دارو، پیشرفت آن را کاهش دهند.

مدل‌های پیش‌بینی را می‌توان به عنوان ابزاری برای توانمندسازی افراد مبتلا به دیابت و بیماری مزمن کلیوی در نظر گرفت، بدین ترتیب آنها می توانند اطلاعات بیشتری در مورد وضعیت خود کسب کرده و سلامت خود را به روش دقیق تری تحت کنترل قرار دهند.برای استفاده از این مدل پیش بینی به رفرانس این مقاله، مراجعه کنید.

منبع:

https://diatribe.org/predicting-kidney-disease-people-diabetes

رفرانس

https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2803123