ஆரம்ப எச்சரிக்கை மாதிரிகள் தடுப்பு பராமரிப்பை இலக்காகக் கொள்ள உதவும் என ஆராய்ச்சியாளர்கள் கூறுகின்றனர்
வாழ்க்கையின் மிக ஆரம்பத்திலேயே எக்ஸீமா உருவாகும் குழந்தைகள் பல நேரங்களில் பிற அலர்ஜி நிலைகளையும் சந்திக்க நேரிடுகிறது, ஆனால் எந்த நோயாளிகள் அதிக கடுமையான சுவாச நோயாக முன்னேற அதிக வாய்ப்பு உள்ளனர் என்பதை மதிப்பிடுவதற்கு மருத்துவர்களிடம் குறைந்தளவு கருவிகளே இருந்துள்ளன. ஒரு புதிய ஆய்வு machine learning இப்போது அந்த அபாயத்தை இன்னும் துல்லியமாக வகைப்படுத்தும் வழியை வழங்கலாம் என்று தெரிவிக்கிறது.
ஏப்ரல் 17 அன்று Journal of Allergy and Clinical Immunology இதழில் ஆன்லைனில் வெளியிடப்பட்ட ஆய்வில், Kaiser Permanente Southern California-வின் ஆராய்ச்சியாளர்கள் 3 வயதிற்குள் atopic dermatitis என கண்டறியப்பட்ட குழந்தைகளுக்கான முன்னறிவு மாதிரிகளை உருவாக்கி சரிபார்த்தனர். 10,688 குழந்தைகளின் electronic health record தரவை பயன்படுத்தி, 5 முதல் 11 வயதுக்குள் மிதமானது முதல் கடுமையானது வரை நிலையான ஆஸ்துமா மற்றும் allergic rhinitis உருவாகும் தனிப்பட்ட அபாயத்தை மதிப்பிடும் மாதிரிகளை குழு உருவாக்கியது.
இந்த முடிவுகள் ஒரு பயனுள்ள மருத்துவ கருவியை சுட்டிக்காட்டுகின்றன, குறிப்பாக அதிக அபாயமுள்ள குழந்தைகளை முன்கூட்டியே கண்டறிந்து, அறிகுறிகள் மோசமாவதற்கு முன்பே தலையிட விரும்பும் சுகாதார அமைப்புகளுக்கு. ஆஸ்துமா கணிப்பில் வலுவான செயல்திறனும், allergic rhinitis-க்கு நடுத்தரமான ஆனால் அர்த்தமுள்ள செயல்திறனும் இருப்பதாக ஆராய்ச்சியாளர்கள் தெரிவித்தனர்.
பெரிய real-world தரவுத் தொகுப்பில் ஆஸ்துமாவுக்கான வலுவான கணிப்பு
ஆஸ்துமா மாதிரிகள், விரிவான பதிப்புக்கு 0.893 மற்றும் எளிமைப்படுத்தப்பட்ட பதிப்புக்கு 0.892 என்ற area-under-the-curve மதிப்பெண்களைப் பெற்றன, இதனால் பின்னர் நோய் உருவாகிய குழந்தைகளையும் உருவாகாத குழந்தைகளையும் பிரித்தறிவதில் வலுவான வேறுபடுத்தும் திறன் இருப்பது தெரிய வருகிறது. 95% specificity எல்லையில், விரிவான மாதிரி 40.4% sensitivity மற்றும் 39.3% positive predictive value-ஐ பெற்றது, அதேசமயம் எளிமைப்படுத்தப்பட்ட மாதிரி 36.2% sensitivity மற்றும் 33.8% positive predictive value-ஐ அடைந்தது.
இந்த எண்ணிக்கைகள் முக்கியமானவை, ஏனெனில் அவை மாதிரிகள் தவறான positive-களை குறைப்பதில் குறிப்பாக சிறப்பாக இருந்ததையும், அதே சமயம் பின்னர் நிலையான ஆஸ்துமாவாக முன்னேறப் போகும் குழந்தைகளில் ஒரு அர்த்தமுள்ள பகுதியை பிடித்ததையும் காட்டுகின்றன. நடைமுறையில், இத்தகைய சமநிலை குழந்தை மருத்துவத்தில் முக்கியமானதாக இருக்கலாம்; தேவையற்ற தீவிரப்படுத்தலுக்கு செலவு உண்டு, ஆனால் அபாயத்தை தவறவிடுவது சிகிச்சை தாமதத்தையும் தவிர்க்கக்கூடிய சிக்கல்களையும் ஏற்படுத்தலாம்.
rhinitis மாதிரிகள் ஆஸ்துமா மாதிரிகளை விட குறைவான துல்லியத்தைக் காட்டின, ஆனால் இன்னும் நடுத்தரமான முன்னறிவு செயல்திறனை வழங்கின. விரிவான rhinitis மாதிரி 0.793 என்ற AUC-ஐ அடைந்தது, எளிமைப்படுத்தப்பட்ட மாதிரி 0.773 மதிப்பெண் பெற்றது. 90% specificity-இல், விரிவான மாதிரி 35.5% sensitivity மற்றும் 72.7% positive predictive value-ஐ பெற்றது, அதேசமயம் எளிமைப்படுத்தப்பட்ட மாதிரி 34.0% sensitivity மற்றும் 69.2% positive predictive value-ஐ வழங்கியது.
ஆசிரியர்கள் ஏற்றுக்கொள்ளத்தக்க calibration-ஐயும் தெரிவித்தனர், குறிப்பாக அதிகபட்ச அபாயக் குழுக்களில் வலுவான ஒத்திசைவு இருந்தது. இது முக்கியமானது, ஏனெனில் வலுவான வேறுபடுத்தும் திறன் கொண்ட மாதிரியும், அதன் அபாய மதிப்பீடுகள் மருத்துவத்தில் நிகழ்வவற்றுடன் சரியாக பொருந்தாவிட்டால் குறைந்த பயனுள்ளதாக இருக்கலாம்.
