६.४ दशलक्ष लोकांच्या चाचणीने प्रमुख हृदय-जोखीम समीकरणांवर जागतिक छाननी आणली

रोग दिसण्यापूर्वी risk equations का महत्त्वाची असतात

हृदयविकार, स्ट्रोक, किंवा heart failure episode होण्यापूर्वी कार्डिओव्हॅस्क्युलर केअरमधील काही सर्वात महत्त्वाचे निर्णय घेतले जातात. कोणाला रोग होण्याची शक्यता जास्त आहे आणि कोणाला preventive treatmentचा फायदा होऊ शकतो, हे अंदाजण्यासाठी डॉक्टर risk equations वापरतात. त्यामुळे या समीकरणांची अचूकता हा एक clinical issue आहे, फक्त statistical नाही.

Nature Medicineमध्ये early-access स्वरूपात प्रकाशित झालेला एक नवीन बहुराष्ट्रीय validation study PREVENT आणि SCORE2 cardiovascular risk equations ची ६४ लाख लोकांवर तपासणी करतो. केवळ प्रमाणाच्या दृष्टीनेही हा पेपर वेगळा ठरतो. हा कोणताही छोटा single-center test नाही किंवा local recalibration exercise नाही. तो दोन व्यापकपणे वापरल्या जाणाऱ्या frameworks घेऊन, अतिशय मोठ्या आणि भौगोलिकदृष्ट्या विस्तृत population base वर ते कसे काम करतात हे विचारतो.

अभ्यास काय तपासत आहे

दिलेल्या source text नुसार, American Heart Association चे PREVENT equations, 30 ते 79 वयोगटातील अमेरिकन प्रौढांमध्ये total cardiovascular disease, atherosclerotic cardiovascular disease, आणि heart failure risk यांचा अंदाज लावतात. हे अंदाज lipid-lowering आणि blood-pressure-lowering therapy संदर्भातील निर्णयांना दिशा देण्यासाठी तयार केले आहेत. दुसऱ्या शब्दांत, PREVENT हे असे साधन आहे जे डॉक्टरांना कधी आणि किती आक्रमकपणे हस्तक्षेप करायचा हे ठरविण्यास मदत करते.

अभ्यासाच्या शीर्षकावरून स्पष्ट होते की PREVENT सोबत SCORE2 चेही मूल्यांकन होत आहे. preventive cardiology मध्ये ही दोन साधने महत्त्वाची आहेत, कारण risk calculators उपचाराची मर्यादा, रुग्णांशी संवाद, आणि health-system policy यावर प्रभाव टाकतात. एखादे model जोखीम जास्त दाखवत असेल तर काही रुग्णांना अनावश्यक उपचार मिळू शकतात. कमी दाखवत असेल तर काही जणांना गंभीर आजार रोखण्याची संधी चुकू शकते.

म्हणूनच validation महत्त्वाचे आहे. एखादे risk equation त्याला तयार करण्यासाठी वापरलेल्या dataset मध्ये मजबूत दिसू शकते, पण वेगवेगळ्या health systems, populations, किंवा disease patterns मध्ये ते असमान काम करू शकते. मोठे external validation studies model transfer करण्याजोगे आहे का, की व्यापक वापरापूर्वी recalibration लागेल, हे ठरविण्यास मदत करतात.

बहुराष्ट्रीय sample stakes का बदलते

या पेपरचे सर्वात महत्त्वाचे वैशिष्ट्य त्याची व्याप्ती असू शकते. ६४ लाख लोकांचा validation effort संशोधकांना अशा population structures मध्ये कामगिरी पाहण्याची संधी देतो, ज्या वयवाटप, रोगभार, clinical practice, आणि data collection environments मध्ये वेगळ्या आहेत. हे महत्त्वाचे आहे, कारण cardiovascular risk जगभर सारखा अनुभवला किंवा मोजला जात नाही.

हे औषधशास्त्रातील व्यापक बदलही दर्शवते: derivation cohorts मध्ये यश मिळाले म्हणून universal usefulness गृहीत धरण्याऐवजी predictive tools प्रत्यक्ष परिस्थितींमध्ये तपासणे. Clinical practice मध्ये equations messy settings मध्ये वापरल्या जातात: वेगवेगळे electronic records, अपूर्ण histories, बदलणारा baseline risk, आणि evolving treatment patterns. अशा परिस्थितीत model किती विश्वासार्ह आहे हे मोजण्याचे काहीच मार्ग असतात, त्यापैकी मोठे validation studies एक.

publication note एक महत्त्वाची सावधगिरी जोडते. manuscript ला unedited version म्हटले आहे, early access findings साठी तो जारी केला आहे, आणि final publication पूर्वी अजून editing होईल. यामुळे अभ्यासाचे महत्त्व कमी होत नाही, पण उपलब्ध text provisional म्हणून वाचावा, आणि final version मध्ये बदलू शकणाऱ्या तपशीलांवर अति भर देऊ नये.

प्रतिबंधात्मक धोरणासाठी याचा अर्थ

Preventive cardiology आता मोठ्या प्रमाणावर stratification वर अवलंबून आहे. कोणाला अधिक intensive counseling द्यायचे, कोणाला medication सुरू करायची, आणि cardiovascular risk च्या विविध प्रकारांना कसे तोलायचे यासाठी health systems ना व्यावहारिक पद्धती लागतात. total cardiovascular disease, atherosclerotic disease, आणि heart failure risk मोजणारे model विशेष महत्त्वाचे ठरतात, कारण ते heart attack आणि stroke या पारंपरिक फोकसच्या पलीकडे जातात.

PREVENT equations ला खास बनवणारी गोष्ट म्हणजे ही व्यापक framing. Heart failure risk ला preventive conversation मध्ये समाविष्ट करून model cardiovascular disease burden चे अधिक विस्तृत चित्र देते. डॉक्टरांनी त्याचा आत्मविश्वासाने वापर करायचा असेल तर हा दृष्टिकोन इतक्या मोठ्या population वर validate करणे आवश्यक आहे.

system पातळीवर, अशा प्रकारचे काम guideline चर्चांनाही आकार देऊ शकते. Risk equations हे recommendations, quality measures, आणि insurance-backed prevention pathways मधील मूलभूत साधने आहेत. या equations वेगवेगळ्या population मध्ये कशा काम करतात याविषयी नवीन evidence आले की त्याचे परिणाम academic cardiology च्या पलीकडे जाऊ शकतात.

प्राथमिक अहवालातील प्रमुख मुद्दे

• अभ्यासाने PREVENT आणि SCORE2 चे ६४ लाख लोकांवर validation केले, त्यामुळे तो या प्रकारच्या विश्लेषणासाठी अतिशय मोठा ठरतो.
• source text मध्ये PREVENT ला 30 ते 79 वयोगटातील अमेरिकन प्रौढांसाठी total cardiovascular disease, atherosclerotic cardiovascular disease, आणि heart failure risk मोजणारे असे वर्णन केले आहे.
• पेपर सध्या unedited early-access manuscript म्हणून उपलब्ध आहे, त्यामुळे final publication पूर्वी तपशील बदलू शकतात.

सर्वात मोठा संकेत सोपा आहे: risk prediction ला गृहीत धरता येत नाही, आणि मोठ्या प्रमाणावर external testing आता एक मूलभूत अपेक्षा बनत आहे. या आकाराचा अभ्यास prevention साठी कोणती equations वापरावीत यावरील वाद संपवत नाही, पण तो वाद अधिक ठोस empirical आधारावर नेतो. डॉक्टर, धोरणकर्ते, आणि रुग्णांसाठी ही एक शांत infrastructure story आहे, जी लक्षणे दिसण्यापूर्वीच care घडवू शकते.

हा लेख Nature Medicine च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.