नया उपकरण किडनी प्रत्यारोपण के बाद ग्राफ्ट विफलता की भविष्यवाणी करता है

जॉन्स हॉपकिन्स मेडिसिन के शोधकर्ताओं का कहना है कि उन्होंने एक नया इलेक्ट्रॉनिक मेडिकल रिकॉर्ड-आधारित उपकरण विकसित किया है, जिससे डॉक्टरों को यह अनुमान लगाने में मदद मिलेगी कि किन मरीजों को प्रत्यारोपित किडनी ग्राफ्ट खोने का सबसे अधिक खतरा है।

अध्ययन, जो था प्रकाशित में अमेरिकन सोसायटी ऑफ नेफ्रोलॉजी का क्लिनिकल जर्नलएक गतिशील जोखिम भविष्यवाणी मॉडल प्रस्तुत करता है जो नियमित प्रयोगशाला परिणामों का उपयोग करता है – विशेष रूप से, समय के साथ किडनी के कार्य में परिवर्तन – यह अनुमान लगाने के लिए कि क्या प्रत्यारोपित किडनी (ग्राफ्ट) सर्जरी के बाद तीन साल के भीतर विफल हो जाएगी।

संयुक्त राज्य अमेरिका में अनुमानित 15% वयस्कों में क्रोनिक किडनी रोग (सीकेडी) होने के कारण किडनी की बीमारी बढ़ रही है, ऐसे में रोगियों के अंतिम चरण की किडनी रोग (ईएसकेडी) में बढ़ने की संभावना को कम करने की आवश्यकता तेजी से महत्वपूर्ण हो गई है। किडनी प्रत्यारोपण को ईएसकेडी के लिए आदर्श उपचार के रूप में देखा गया है क्योंकि यह डायलिसिस उपचार की तुलना में लंबे समय तक जीवित रहने और जीवन की बेहतर गुणवत्ता प्रदान करता है।

हालाँकि एक सामान्य सफल किडनी प्रत्यारोपण लगभग 10 वर्षों तक चलना चाहिए, प्रत्यारोपण के बाद पहले पाँच वर्षों में एक चौथाई ग्राफ्ट विफल हो सकते हैं। यह किडनी प्रत्यारोपण कराने वाले मरीजों के लिए दीर्घकालिक परिणामों को बेहतर ढंग से अनुकूलित करने के लिए ग्राफ्ट खराब होने के जोखिम वाले किडनी प्रत्यारोपण प्राप्तकर्ताओं की पहचान करने के महत्व को भी दर्शाता है।

शोधकर्ताओं का मानना ​​है कि एलोग्राफ़्ट विफलता के लिए उच्च जोखिम वाले किडनी प्रत्यारोपण प्राप्तकर्ताओं की स्क्रीनिंग से प्रगति को रोकने के लिए परामर्श और संभावित चिकित्सीय विकल्प सक्षम हो सकते हैं। उन्हें उम्मीद है कि असफल होने के जोखिम वाले एलोग्राफ़्ट की पहचान करने से संभावित रूप से समय पर हस्तक्षेप की अनुमति मिल सकेगी, जैसे कि एलोग्राफ़्ट की चोट और उसके कारणों की बारीकी से निगरानी करना, संशोधित इम्यूनोसप्रेशन, और दूसरे प्रत्यारोपण की आवश्यकता या फिर से ईएसकेडी तक पहुंचने के भावनात्मक बोझ के बारे में रोगियों को परामर्श देना।

इसके विपरीत, ग्राफ्ट विफलता के कम जोखिम वाले रोगियों को उनके प्रत्यारोपण नेफ्रोलॉजिस्ट की देखभाल से छुट्टी दी जा सकती है और प्रत्यारोपण देखभाल की आवश्यकता वाले अन्य रोगियों के लिए प्रत्यारोपण केंद्र में निरंतर देखभाल और खुली क्षमता के लिए उनके प्राथमिक नेफ्रोलॉजिस्ट – अक्सर घर के करीब – में स्थानांतरित किया जा सकता है।

किडनी प्रत्यारोपण के बाद, डॉक्टर बारीकी से निगरानी करते हैं कि अंग कितनी अच्छी तरह काम कर रहा है, अक्सर अनुमानित ग्लोमेरुलर निस्पंदन दर (ईजीएफआर) नामक प्रयोगशाला माप का उपयोग करते हैं। शोधकर्ताओं ने अध्ययन में जिस नए मॉडल का उपयोग किया, उसका उद्देश्य हर बार नए ईजीएफआर परिणाम को मापने पर रोगी के ग्राफ्ट विफलता के जोखिम को लगातार अपडेट करना है, जिससे वास्तविक समय, व्यक्तिगत जोखिम मूल्यांकन की अनुमति मिलती है।

नए उपकरण को विकसित करने के लिए, शोधकर्ताओं ने तीन रजिस्ट्रियों- ओपीटीएन रजिस्ट्री, जॉन्स हॉपकिन्स ईएमआर कॉहोर्ट और कोलंबिया ईएमआर कॉहोर्ट से 1,114 मृत दाता किडनी प्रत्यारोपण प्राप्तकर्ताओं के लिए दर्ज किए गए डेटा का विश्लेषण किया, जिसमें संयुक्त रूप से लगभग 80,000 मृत दाता किडनी प्रत्यारोपण प्राप्तकर्ता शामिल थे। विशेष रूप से, उन्होंने बार-बार ईजीएफआर परिणामों को देखा – एक रक्त परीक्षण जिसका उपयोग नियमित रूप से यह निर्धारित करने के लिए किया जाता है कि किडनी विषाक्त पदार्थों को फ़िल्टर करने के लिए कितनी अच्छी तरह काम कर रही है।

जॉन्स हॉपकिन्स मेडिसिन में किडनी प्रिसिजन मेडिसिन सेंटर ऑफ एक्सीलेंस के सहायक निदेशक और अध्ययन के प्राथमिक लेखक हीदर थिएसेन फिलब्रुक, एम.मैथ कहते हैं, “हमने मृतक दाता अध्ययन में भविष्यवाणी मॉडल विकसित किया है, जो एक अवलोकन अनुसंधान अध्ययन है।”

यह अध्ययन मृत-दाता किडनी प्रत्यारोपण प्राप्तकर्ताओं पर एक समृद्ध डेटा स्रोत है, जिसमें प्रत्यारोपण के बाद पहले तीन वर्षों के भीतर 12 अनुवर्ती ईजीएफआर मापों का औसत होता है। हमने यूएस ट्रांसप्लांट रजिस्ट्री में कैप्चर किए गए व्यापक समूह में और इलेक्ट्रॉनिक मेडिकल रिकॉर्ड सिस्टम में उपलब्ध डेटा का लाभ उठाते हुए दो वास्तविक दुनिया डेटा सेटों के भीतर मॉडल को मान्य किया।

अध्ययन के दौरान मॉडलिंग के दो चरणों का उपयोग किया गया। एक मॉडल रैखिक मिश्रित-प्रभाव मॉडल था, जो समय के साथ प्रत्येक रोगी के ईजीएफआर प्रक्षेपवक्र का अनुमान लगाता था ताकि यह देखा जा सके कि यह ग्राफ्ट विफलता से कैसे मेल खाता है। ग्राफ्ट विफलता को पहली प्रक्रिया के तीन साल के भीतर डायलिसिस पर वापसी या दूसरे प्रत्यारोपण के रूप में परिभाषित किया गया था। दूसरा एक लॉजिस्टिक मॉडल था जो ग्राफ्ट विफलता की भविष्यवाणी करता था जो पहले चरण के रैखिक मिश्रित मॉडल से अनुमानित प्राप्तकर्ता के ईजीएफआर प्रक्षेपवक्र का उपयोग करता था।

इस अध्ययन में उपयोग किए गए सभी सत्यापन समूहों के लिए, कम से कम एक पोस्ट-प्रत्यारोपण सीरम क्रिएटिनिन माप के साथ प्राथमिक मृत दाता गुर्दे के वयस्क प्राप्तकर्ताओं को शामिल किया गया था – यह एक उपाय है कि गुर्दे रक्त से अपशिष्ट को फ़िल्टर करने का अपना काम कितनी अच्छी तरह कर रहे हैं।

कुल मिलाकर, अध्ययन के नतीजों से पता चला कि दो-चरणीय दृष्टिकोण ने व्यक्तिगत ईजीएफआर प्रवृत्तियों के कुशल अनुमान और ईजीएफआर और ग्राफ्ट विफलता के बीच संबंध के लचीले मॉडलिंग की अनुमति दी। प्रत्यारोपण के तीन महीने बाद, मॉडल ने 0.70 की पूर्वानुमान सटीकता हासिल की और प्रत्यारोपण के 30 महीने बाद, मॉडल ने 0.90 की पूर्वानुमान सटीकता हासिल की, जिसका अर्थ है कि यह उच्च और निम्न जोखिम वाले रोगियों के बीच अंतर करने में सक्षम था।

जॉन्स हॉपकिन्स मेडिसिन में किडनी प्रिसिजन मेडिसिन सेंटर ऑफ एक्सीलेंस के निदेशक और अध्ययन के वरिष्ठ लेखक, नेफ्रोलॉजी विभाग के निदेशक, एमडी, पीएचडी, चिराग पारिख कहते हैं, “इस अध्ययन के परिणामों को नए डेटा उपलब्ध होने पर अद्यतन जोखिम पूर्वानुमान प्रदान करके किडनी प्रत्यारोपण प्राप्तकर्ताओं की देखभाल को सुव्यवस्थित करने के लिए प्रत्यारोपण केंद्रों पर आसानी से लागू किया जा सकता है।” “अन्य संक्रमणों और प्रतिरक्षा संबंधी जटिलताओं की भविष्यवाणी करने के लिए भविष्य में डाउनस्ट्रीम मॉडल भी विकसित किए जा सकते हैं।”

अध्ययन के आशाजनक परिणामों के साथ, शोधकर्ता प्रारंभिक ग्राफ्ट विफलता की भविष्यवाणी में मॉडल प्रदर्शन को अनुकूलित करने के लिए रोजमर्रा की नैदानिक ​​सेटिंग्स में उपकरण का परीक्षण करने और अतिरिक्त स्वास्थ्य डेटा, जैसे नैदानिक ​​​​घटनाओं और अन्य प्रयोगशाला मापों का पता लगाने की योजना बना रहे हैं।