แบบจำลองการทำนายโรคไตเรื้อรังในระยะเริ่มต้น

เชิงนามธรรม

จากอุบัติการณ์สูงของโรคไตเรื้อรัง (CKD) ในช่วงไม่กี่ปีที่ผ่านมา จำเป็นต้องมีแบบจำลองการทำนายล่วงหน้าที่ดีกว่าสำหรับการระบุบุคคลที่มีความเสี่ยงสูงก่อนที่จะเกิดภาวะไตวายระยะสุดท้าย (ESRD) เราทำการศึกษากรณีควบคุมแบบซ้อนในอาสาสมัคร 348 ราย (116 รายและกลุ่มควบคุม 232 ราย) จาก "Tianjin Medical University Chronic Diseases Cohort" ทุกวิชาไม่มี CKD ที่การตรวจวัดพื้นฐาน และติดตามผลเป็นเวลา 5 ปีจนถึงวันที่ 2 สิงหาคม018 การใช้การวิเคราะห์การถดถอย Cox แบบหลายตัวแปร เราพบปัจจัยเสี่ยง 5 ประการที่เกี่ยวข้องกับความเสี่ยงของโรคไตวายเรื้อรัง การถดถอยโลจิสติกดำเนินการเพื่อเลือก single nucleotide polymorphisms (SNPs) ซึ่งเราได้รับจากการวิเคราะห์ GWAS ของ UK Biobank และฐานข้อมูลอื่น ๆ เราใช้แบบจำลองการถดถอยโลจิสติกและลอการิทึมธรรมชาติหรือการถ่วงน้ำหนักตามค่าเพื่อสร้างแบบจำลองการทำนายความเสี่ยงทางพันธุกรรม/ไม่เกี่ยวกับพันธุกรรมของโรคไตวายเรื้อรัง นอกจากนี้ แบบจำลองการทำนายที่ครอบคลุมขั้นสุดท้ายคือผลรวมเลขคณิตของแบบจำลองที่เหมาะสมที่สุดสองแบบ AUC ของแบบจำลองการคาดการณ์ถึง 0.894 ในขณะที่ความไวคือ 0.827 และความจำเพาะคือ 0.801 เราพบว่าอายุ โรคเบาหวาน และค่ายูเรียไนโตรเจน TGF- และ ADMA ที่สูงตามปกติเป็นปัจจัยเสี่ยงอิสระสำหรับโรคไตวายเรื้อรัง นอกจากนี้ยังมีการสร้างแบบจำลองการทำนายที่ครอบคลุมซึ่งอาจช่วยระบุบุคคลที่มีแนวโน้มที่จะพัฒนา CKD ได้เร็วที่สุด

คลิกที่นี่เพื่อทราบประโยชน์ของ Cistanche

การแนะนำ

โรคไตเรื้อรัง (CKD) โดยเฉพาะอย่างยิ่งภาวะแทรกซ้อน เป็นภัยคุกคามร้ายแรงต่อสุขภาพของประชาชนทั่วโลก อัตราการเสียชีวิตจากโรคไตวายเรื้อรังทุกช่วงอายุทั่วโลกเพิ่มขึ้นร้อยละ 41.5 ระหว่างปี พ.ศ. 2533 ถึง พ.ศ. 2560 การศึกษาแบบภาคตัดขวางพบว่าความชุกของโรคไตเรื้อรังในจีนอยู่ที่ประมาณร้อยละ 10.82 ซึ่งหมายความว่ามีผู้ป่วยโรคไตเรื้อรังประมาณ 119.5 ล้านคนใน จีน.

ในปัจจุบัน ปัจจัยเสี่ยงบางอย่างมีความสัมพันธ์สูงกับโรคไตเรื้อรัง ได้แก่ อายุ 3 เพศหญิง 4 โรคอ้วน 5 และเบาหวาน 6 เมื่อเร็ว ๆ นี้พบตัวบ่งชี้ทางชีวภาพหลายตัวที่เกี่ยวข้องกับ CKD การศึกษาก่อนหน้านี้ไม่กี่ชิ้นแสดงให้เห็นว่าระดับ ADMA (asymmetric dimethylarginine) ที่สูงขึ้นอาจทำให้ไตเสียหายได้7 งานวิจัยหลายชิ้นชี้ให้เห็นว่า ADMA เป็นตัวบ่งชี้ทางชีวภาพที่มีประสิทธิภาพในการทำนายการเสียชีวิตจากโรคไตวายเรื้อรัง8–10 นอกจากนี้ยังแสดงให้เห็นว่าระดับการแสดงออกของ NFAL (neutrophil gelatinase-associated lipocalin) มีความสัมพันธ์กับระดับของความผิดปกติของไต ซึ่งอาจช่วยในการระบุผู้ป่วยที่มีความเสี่ยงสูงที่การทำงานของไตจะลดลงอย่างรวดเร็ว นอกจากนี้ การลดลงของ CysC ในซีรั่ม (cystatin C) นั้นสัมพันธ์กับการลดลงของความเข้มข้น eGFR12 มีการสันนิษฐานว่า CysC สามารถใช้ร่วมกับ serum creatinine เป็น biomarker ใหม่หรือใช้แทน serum creatinine เพื่อระบุการเกิดโรคไตในประชากรทั่วไปได้ดีขึ้น13,14 TGF- (ปัจจัยการเจริญเติบโตที่เปลี่ยนแปลง -) เป็นตัวควบคุมหลักของพังผืดคั่นระหว่างท่อ และการส่งสัญญาณ TGF- สามารถมีอิทธิพลต่อการตอบสนองการบาดเจ็บของไตที่สำคัญบางอย่างในเส้นทางการส่งสัญญาณปัจจัยการเจริญเติบโตอื่น ๆ 16,17 ซึ่งส่งผลต่อการเริ่มต้นของ CKD18 ในที่สุด การศึกษาก่อนหน้านี้ได้รายงานว่ามากกว่า 50 single nucleotide polymorphisms (SNPs) เกี่ยวข้องกับดัชนีการทำงานของไตหรือ CKD ทั่วโลก19

The treatment of chronic kidney disease and renal failure is costly and rarely effective. However, less than 5% of patients with early CKD report awareness of their disease20. Once CKD can be diagnosed, glomerular damage has reached over 50% and is usually irreversible. Effective prediction of chronic kidney disease can be immensely useful in this aspect. Therefore, several CKD prediction models for different populations were21–24 introduced. Recently, a study developed equations for predicting CKD based on 34 multinational cohorts25. Nevertheless, few models have considered both genetic and nongenetic risk factors. Although many prediction models reached high prediction power in a relatively large population, early prediction [at least when eGFR>60 มล./(นาที·1.73 ตร.ม. )] เป็นสิ่งจำเป็นสำหรับการรักษาและป้องกันโรคไตวายเรื้อรัง ในการศึกษานี้ เราได้พัฒนาแบบจำลองทางพันธุกรรม ที่ไม่ใช่พันธุกรรม (รวมถึงตัวบ่งชี้ทางชีวภาพ) และแบบจำลองการทำนายคะแนนความเสี่ยงที่ครอบคลุมสำหรับ CKD ในกรณีศึกษาแบบซ้อนและการควบคุม

ซิสแทนเช ตูบูโลซา

การอภิปราย

การคาดการณ์ล่วงหน้าของ CKD เป็นสิ่งที่ท้าทาย ทศวรรษของการวิจัยแสดงให้เห็นว่าโรคไตจากเบาหวาน, ไตอักเสบ, ความดันโลหิตสูง, โรคไตอักเสบคั่นระหว่างหน้า, และไต polycystic สามารถกระตุ้นให้เกิด CKD ได้ การรับรู้ของ CKD นั้นต่ำมาก เมื่อ CKD พัฒนาแล้ว การรักษามักจะถูกจำกัดจนกว่าการรักษา ESRD จะต้องมีการล้างไตและการปลูกถ่ายไตครั้งสุดท้าย eGFR เป็นตัวบ่งชี้ที่ละเอียดอ่อนของการทำงานของไต อย่างไรก็ตามไม่ใช่ตัวทำนายล่วงหน้าของ CKD แม้ว่าตัวบ่งชี้ทางชีวภาพจำนวนมากจะได้รับการทดสอบสำหรับ CKD แต่จำเป็นต้องมีการประเมินใหม่ในการศึกษาตามรุ่นในอนาคตที่มีขนาดตัวอย่างใหญ่ มองหาโมเดลการทำนายล่วงหน้าที่ละเอียดอ่อน ใช้งานง่าย และคุ้มค่า

เราดำเนินการศึกษากรณีควบคุมแบบซ้อนสำหรับการทำนาย CKD จาก "Tianjin Medical University Chronic Disease Cohort"26,27 โดยมีความเกี่ยวข้องอย่างมาก ช่วยอำนวยความสะดวกในการคาดการณ์ความน่าจะเป็นของโรคไตเรื้อรัง 5-ปีที่เริ่มมีอาการในบริเวณนี้ . อายุเฉลี่ยของอาสาสมัครคือ 63 ปี; ดังนั้นบุคคลเหล่านี้มีแนวโน้มที่จะพัฒนา CKD มากกว่ากลุ่มอายุน้อย

เรารวมตัวบ่งชี้ในห้องปฏิบัติการแบบดั้งเดิม ตัวบ่งชี้ทางชีวภาพหลายตัวที่เกี่ยวข้องกับการทำงานของไต และตำแหน่ง SNP เพื่อพัฒนาแบบจำลองการทำนาย CKD ในแบบจำลอง NGRS เราไม่เพียงแต่รวมตัวบ่งชี้บางอย่างที่ใช้ในการศึกษาอื่นๆ เช่น โรคเบาหวานและอายุ 25,28,29 ปีเท่านั้น แต่ยังมีตัวบ่งชี้ทางชีวภาพหลายตัว โดยเฉพาะอย่างยิ่ง TGF- และ ADMA ที่ใช้เป็นตัวทำนาย CKD รุ่นแรกในแบบจำลองอีกด้วย

แม้ว่าจะพบความสัมพันธ์หลายร้อยความสัมพันธ์ระหว่าง CKD และยีนที่อ่อนแอ แต่ GWAS ขนาดตัวอย่างขนาดใหญ่ยังให้ผลลัพธ์ที่สำคัญมาก และปัจจัยทางพันธุกรรมทำให้แบบจำลองการทำนายมีการปรับปรุงเพียงเล็กน้อยเท่านั้น เมื่อพิจารณาจาก SNP ความเสี่ยงสัมพัทธ์ทางพันธุกรรม (GRR) อาจสูง อย่างไรก็ตาม ความเสี่ยงต่อโรคไตวายเรื้อรังในประชากรทั่วไปมีจำกัด SNP ทั้งหมด 17 รายการที่ใช้ในการศึกษาของเรามาจาก GWAS จาก UK Biobank และกลุ่มใหญ่อื่นๆ อย่างไรก็ตาม AUC ของแบบจำลองความเสี่ยงทางพันธุกรรม (GRS) มีค่าเพียง 0.643 และมีการปรับปรุงเพียงเล็กน้อยใน AUC ในรูปแบบที่ครอบคลุม (จาก 0.889 เป็น 0 .894). การศึกษาในญี่ปุ่นแสดงให้เห็นว่าตัวทำนายทางพันธุกรรมไม่ได้มีส่วนสำคัญในการปรับปรุงประสิทธิภาพการทำนายของแบบจำลองการทำนายที่ครอบคลุม29 แม้ว่า SNP บางตัวมีความสัมพันธ์อย่างมีนัยสำคัญกับ CKD ใน GWAS ที่มีขนาดตัวอย่างขนาดใหญ่ (เช่น ความเสี่ยงสัมพัทธ์ทางพันธุกรรมสูง, GRR) การมีส่วนร่วมของพวกเขาต่อความแปรปรวนของฟีโนไทป์อาจถูกจำกัด

ไบโอมาร์คเกอร์หลายตัวได้รับการทดสอบและรวมอยู่ในแบบจำลองการทำนายของเรา ระดับ TGF ในพลาสมาเพียงอย่างเดียวร่วมกับ ADMA ให้ค่าการทำนายที่ดีกว่า cystatin C ซึ่งเป็นตัวบ่งชี้การกรองของไตโดยตรง ในการศึกษาก่อนหน้าของเรา เราพบว่ายีน TGF- pathway นั้นแสดงออกอย่างสูงในไตของโรคไตจากเบาหวานระยะเริ่มต้น การตรวจชิ้นเนื้อไต นานก่อนที่จะเกิดพังผืดในไตและการกรองที่ลดลง อันที่จริง การตรวจคัดกรองไบโอมาร์คเกอร์ตั้งแต่เนิ่นๆ ก่อนที่จะลด eGFR อาจทำให้คาดการณ์ถึง CKD ได้เร็วขึ้นหลายปี แม้ว่าการรักษาแต่เนิ่นๆ อาจเป็นอุปสรรคอีกประการหนึ่งที่ต้องเอาชนะ

การศึกษานี้มีข้อจำกัดบางประการ ประการแรก การวิจัยเกี่ยวกับไบโอมาร์คเกอร์ที่เกี่ยวข้องกับโรคไตวายเรื้อรังได้ดำเนินการในการศึกษากรณีควบคุมแบบซ้อนซึ่งเลือกจากกลุ่มโรคเรื้อรัง และขนาดตัวอย่างค่อนข้างเล็ก ดังนั้นผลการศึกษาจึงอาจมีการคลาดเคลื่อนไปบ้าง ประการที่สอง แบบจำลองการทำนายความเสี่ยงของเรามุ่งเน้นไปที่การเริ่มต้นของโรคไตเรื้อรังเท่านั้น แต่ไม่ได้ประเมินการลุกลามของโรคไตเรื้อรังไปสู่ภาวะไตวายหรือภาวะแทรกซ้อนอื่นๆ ประการที่สาม ผู้เข้าร่วมที่จัดตั้ง "Tianjin Medical University Chronic Disease Cohort" ส่วนใหญ่เป็นครูและพนักงานของรัฐที่ทำงานในเขตเมือง คนกลุ่มนี้มีวินัยในตนเองและใส่ใจสุขภาพมากขึ้น แบบจำลองการคาดการณ์ของเราสามารถนำไปใช้กับกลุ่มคนกลุ่มอื่นได้หรือไม่นั้นต้องการการตรวจสอบจากภายนอกเพิ่มเติม การศึกษาในอนาคตของเราจะตรวจพบตัวบ่งชี้ทางชีวภาพที่เกี่ยวข้องกับการทำงานของไตมากขึ้นในกลุ่มประชากรที่ใหญ่ขึ้น เพื่อตรวจสอบความถูกต้องและปรับปรุงแบบจำลองการทำนายสำหรับโรคไตวายเรื้อรัง

เมื่อเร็ว ๆ นี้มีการสร้างแบบจำลองการทำนายจำนวนมากและถูกนำมาใช้ในคลินิกเพื่อการตัดสินใจ ในหมู่พวกเขา มีหลายแบบจำลองที่ประเมินความเสี่ยงของการแพร่ระบาดและเหตุการณ์ CKD22,28–31 อย่างไรก็ตาม เนื่องจากความแตกต่างทางเชื้อชาติ วิถีชีวิต และสภาพแวดล้อมทางภูมิศาสตร์ จึงยังคงมีความจำเป็นในการพัฒนาแบบจำลองการพยากรณ์โรคไตเรื้อรังที่มีประสิทธิภาพในกลุ่มชาติพันธุ์ต่างๆ ซึ่งสามารถช่วยในการระบุผู้ที่มีความเสี่ยงสูงของโรคไตวายเรื้อรังได้ตั้งแต่เนิ่นๆ ซึ่งจะเป็นการปรับปรุงการดูแลสุขภาพโดย จัดสรรทรัพยากรให้กับบุคคลที่ได้รับประโยชน์สูงสุดจากทรัพยากรดังกล่าว ในขณะเดียวกันก็ป้องกันการใช้ทรัพยากรด้านการดูแลสุขภาพในทางที่ผิดโดยบุคคลที่มีความเสี่ยงต่ำ

สารสกัดจากซิสแตนช์

วิธีการ

1. ศึกษาการออกแบบและประชากร

งานวิจัยนี้ได้รับการออกแบบให้เป็นกรณีศึกษาแบบซ้อนกันซึ่งมีผู้เข้าร่วม 348 คนจาก "Tianjin Medical University Chronic Diseases Cohort" กลุ่มนี้ก่อตั้งขึ้นในปี 2549 โดยมีจำนวนเริ่มต้น 2,068 คนสำหรับการตรวจร่างกายประจำปี ภายในสิ้นปี 2561 มีคนทั้งหมด 21,750 คนได้รับคัดเลือกเข้าร่วมกลุ่ม โดยมีระยะเวลาติดตามผลยาวนานที่สุด 13 ปี เรารวบรวมตัวบ่งชี้ทางประชากร เครื่องหมายในห้องปฏิบัติการ และผลลัพธ์จีโนไทป์สำหรับ 110 ตำแหน่ง (รวมถึง 380 รายที่มีข้อมูลจีโนไทป์ทั่วทั้งจีโนม) เราคัดกรองผู้ป่วยที่มีคุณสมบัติตรงตามเกณฑ์ต่อไปนี้: (i) โดยมีระยะเวลาติดตามผลอย่างน้อย 5 ปี; (ii) ไม่มี CKD ในการตรวจร่างกายครั้งแรก; (iii) ตัวอย่างเลือดและข้อมูลสำคัญอื่น ๆ ที่ 1804 มีสิทธิ์; 116 ได้รับเลือกเป็นกลุ่มคดี; และคัดเลือก 232 คนเป็นกลุ่มควบคุมที่มีเพศและอายุ ±3 ปีตรงกัน; ดังนั้นจึงรวมทั้งหมด 348 วิชา ทุกวิชาปฏิเสธประวัติครอบครัวเกี่ยวกับโรคที่สืบทอดมาและการใช้ยาพิษต่อไต

การศึกษานี้ได้รับการตรวจสอบและอนุมัติโดยคณะกรรมการจริยธรรมของ Tianjin Medical University และผู้เข้าร่วมทุกคนได้ลงนามในแบบฟอร์มแสดงความยินยอม

2. เกณฑ์การวินิจฉัย.

เกณฑ์การวินิจฉัยสำหรับ CKD คือ eGFR<60 mL/(min·1.73 m2 ) or positive proteinuria (≥1+). The glomerular filtration rate is estimated using the simplified Chinese MDRD equation 32. The determination of diabetes mellitus (DM) is based on the diagnostic criteria of diabetes published by the World Health Organization (WHO) in 1999: fasting plasma glucose≥7.0 mmol/L and/or 2 h postprandial glucose≥11 mmol/L. Obesity was defined as a body mass index (BMI)≥28 kg/m2 according to the recommendation of the "Guidelines for the Prevention and Control of Overweight and Obesity among Chinese Adults"33 by the Ministry of Health. Hypertension was defined as systolic blood pressure (SBP)≥140 mmHg and/or diastolic blood pressure (DBP)≥90 mmHg or a self-reported history of physician-diagnosed hypertension. The diagnostic criteria for hyperuricemia (HUA)34 were blood uric acid levels≥420 μmol/L in men and≥360 μmol/L in women.

3. การวัดไบโอมาร์คเกอร์

หลังจากอดอาหาร 12 ชั่วโมง ตัวอย่างเลือดดำของผู้เข้าร่วมจะถูกเก็บเข้าหลอดเก็บเลือดที่ไม่แข็งตัวของเลือดในเวลา 7:30–9:00 น. บ่มที่อุณหภูมิห้องเป็นเวลาครึ่งชั่วโมง จากนั้นปั่นแยกที่ 3,000 รอบต่อนาทีที่ 4 องศา เป็นเวลา 10 นาทีเพื่อแยกซีรั่ม ซีรั่มถูกเก็บไว้ที่ −80 องศาก่อนการวิเคราะห์ ระดับของกลูโคสในพลาสมาขณะอดอาหาร, ครีเอตินินในเลือด, ยูเรียไนโตรเจน, กรดยูริกในเลือด, โคเลสเตอรอลรวม, ไตรกลีเซอไรด์, อะลานีนอะมิโนทรานสเฟอเรส, โปรตีนทั้งหมด, อัลบูมิน, โกลบูลิน, บิลิรูบินทั้งหมด และบิลิรูบินโดยตรง ถูกกำหนดโดยใช้เครื่องวิเคราะห์ทางชีวเคมีอัตโนมัติของฮิตาชิ Cystatin C (CysC), ทรานสฟอร์มมิ่งโกรทแฟกเตอร์เบต้า (TGF-), ไดเมทิลอาร์จินีนแบบอสมมาตร (ADMA) และลิโพคาลินที่เกี่ยวข้องกับนิวโทรฟิลเจลาติเนส (NGAL) ถูกวัดโดยชุด ELISA (Shanghai Huyu Biotechnology Co., LTD)

ผงซิสแตนช์

4. การเลือกปัจจัยเสี่ยงที่ไม่เกี่ยวกับพันธุกรรม/พันธุกรรมที่เกี่ยวข้องกับโรคไตวายเรื้อรัง

เรารวมปัจจัยเสี่ยงที่เป็นไปได้ 21 ปัจจัย รวมถึงตัวบ่งชี้ทางชีวภาพหลายตัว เข้าไว้ในแบบจำลองความเป็นอันตรายตามสัดส่วน Cox เดียว จากนั้นจึงนำปัจจัยสำคัญมาเป็นตัวแปรอธิบายและรวมเข้าในแบบจำลองความเป็นอันตรายตามสัดส่วน Cox แบบหลายตัวแปร ในที่สุด เราได้รับปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมห้าประการ หลังจากได้รับส่วนหนึ่งของการเข้าถึงข้อมูลไปยังฐานข้อมูล UK-Biobank แล้ว เราใช้ PLINK เพื่อทำการวิเคราะห์การเชื่อมโยงทั่วทั้งจีโนม (GWAS) สำหรับตัวบ่งชี้ที่เกี่ยวข้องกับการทำงานของไต รวมถึง eGFR, SCr และ CysC ผลลัพธ์ของ GWAS แสดงในโครงเรื่องแมนฮัตตัน (รูปที่ S1 เพิ่มเติม) เมื่อรวมกับผลการศึกษาก่อนหน้านี้ได้ทำการคัดกรอง 10 SNP loci ใน 10 ยีน (ตารางเสริม S1) ในขณะเดียวกัน หลังจากรวมข้อมูลจากฐานข้อมูล GWAS, ฐานข้อมูลชีวสารสนเทศศาสตร์จีโนมของ UCSC และ GWAS ผลลัพธ์สำหรับฟีโนไทป์ที่เกี่ยวข้องกับการทำงานของไตในเอเชียหรือจีน35–37, SNP loci ที่มีความเสี่ยงสูงทั้งจีโนไทป์สัมพัทธ์ (GRR) และคะแนนโพลีจีเนติกทั่วทั้งจีโนม (GPS) ) สำหรับ CKD ถูกเลือก ในที่สุดเราเลือก 27 SNP loci จาก 24 ยีนเพื่อสร้างแบบจำลองความเสี่ยงทางพันธุกรรมสำหรับ CKD (ตารางเสริม S2) 27 SNPs ที่เลือกในการศึกษานี้ได้รับการสร้างจีโนไทป์ใน 348 เคสและกลุ่มควบคุมที่ซ้อนกันโดยใช้แพลตฟอร์มแมสสเปกโตรเมตรีแมสสเปกโตรเมตรี (MALDI-TOF–MS) ที่ใช้เลเซอร์ช่วยกำจัดไอออไนเซชัน Hardy–Weinberg equilibrium (HWE) ได้รับการตรวจสอบสำหรับ SNP ทั้งหมด 27 รายการ และเราลบ SNP 2 รายการที่ล้มเหลวของ HWE ดังนั้นจึงมีการบันทึกข้อมูลจีโนไทป์สำหรับ 25 SNP

5. การพัฒนาแบบจำลองการทำนาย

ในการศึกษานี้ แบบจำลองคะแนนความเสี่ยงทางพันธุกรรม (GRS) และแบบจำลองคะแนนความเสี่ยงที่ไม่ใช่พันธุกรรม (NGRS) ถูกสร้างขึ้นจากน้ำหนักของลอการิทึมธรรมชาติ ( ) ของค่า OR ของปัจจัยเสี่ยงต่างๆ ผลรวมของปัจจัยที่ไม่ใช่พันธุกรรมหรือพันธุกรรมแต่ละอย่างถูกคำนวณด้วยวิธีถ่วงน้ำหนัก และเลือกวิธีการผสมผสานที่เหมาะสมที่สุดเพื่อพัฒนาแบบจำลองการทำนายของโรคไตวายเรื้อรัง สมการ GRS ถูกสร้างขึ้นจากการมีส่วนร่วมที่แตกต่างกันของไซต์ SNP ของผู้สมัครแต่ละรายต่อการเกิดโรคของ CKD ไซต์ SNP แต่ละแห่งได้รับการพิจารณาว่าเป็นปัจจัยเสี่ยงที่อาจเกิดขึ้นสำหรับ CKD น้ำหนักที่แตกต่างกันสำหรับการมีส่วนร่วมในการเริ่มต้นของ CKD ถูกกำหนดโดยค่า OR (หรือ ) ที่แตกต่างกันจากการวิเคราะห์การถดถอยโลจิสติกเพื่อสร้างชุดค่าผสมต่างๆ และคัดกรองสำหรับชุดค่าผสมที่เหมาะสมที่สุด ใช้คะแนนความเสี่ยงทางพันธุกรรมแบบถ่วงน้ำหนัก (ωGRS), ωGRS{{0}} I 1 iGi ( i คือน้ำหนักของ Ith SNP, Gi คือจำนวนของอัลลีลที่ Ith SNP และกำหนดค่าเป็น 0 1, 2). น้ำหนักคือลอการิทึมธรรมชาติของอัตราส่วนอัตราต่อรอง (OR) ของ SNP และอาจเป็นผลกระทบโดยประมาณ ( ค่าสัมประสิทธิ์) สำหรับแต่ละบุคคล ωGRS คือผลรวมของจำนวนอัลลีลความเสี่ยงที่ถ่วงน้ำหนักด้วยค่า OR ( ) ของแต่ละไซต์ SNP ในการถดถอยโลจิสติก ดูสูตร (1) สำหรับรายละเอียด

ในสูตรข้างต้น ในการกำหนดน้ำหนักล่วงหน้า เราใช้ค่าของอัลลีลความเสี่ยงเดียวที่แปลงล็อกแล้วในการศึกษาที่มีขนาดตัวอย่างใหญ่และมีความน่าเชื่อถือสูง (เช่น การวิเคราะห์เมตา) เป็นน้ำหนักในการสร้างแบบจำลองจริง หลักการของการสร้างแบบจำลองคะแนนความเสี่ยงที่ไม่เกี่ยวกับพันธุกรรมนั้นเหมือนกับหลักการของ GRS นั่นคือ ตามการมีส่วนร่วมที่แตกต่างกันของปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมที่เกี่ยวข้องกับ CKD ที่ระบุ (เช่น ค่าสูงปกติของ TGF- ผู้สูงอายุ) ต่ออุบัติการณ์ของ CKD ค่า OR (หรือ ) ที่แตกต่างกันของการวิเคราะห์การถดถอยโลจิสติกจะถูกใช้เพื่อ กำหนดน้ำหนักที่แตกต่างกันสำหรับการเริ่มต้นของ CKD กำหนดชุดค่าผสมต่างๆ และเลือกชุดค่าผสมที่เหมาะสมที่สุด ใช้คะแนนความเสี่ยงที่ไม่เกี่ยวกับพันธุกรรมแบบถ่วงน้ำหนัก (ωNGRS) ωNGRS= I 1 iSi ( i คือน้ำหนักของปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมที่สอดคล้องกันในความเสี่ยงของการพัฒนา CKD และ Si คือปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมที่สอดคล้องกันของ ith) และน้ำหนักจะใช้ลอการิทึมธรรมชาติของค่า OR ที่ได้จากการวิเคราะห์การถดถอยโลจิสติกของปัจจัยเสี่ยงต่างๆ สำหรับแต่ละบุคคล ωNGRS คือผลรวมของปัจจัยเสี่ยงที่ถ่วงน้ำหนักด้วยค่า OR ( ) ของปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมที่แตกต่างกันในการถดถอยโลจิสติก ดูสูตร (2) สำหรับรายละเอียด

ในสูตรข้างต้น S แทนเวกเตอร์ที่กำหนดของกลุ่มของปัจจัยเสี่ยงที่ไม่เกี่ยวกับพันธุกรรม (Si แสดงถึงสถานะของ ith ปัจจัยเสี่ยงที่ไม่เกี่ยวกับพันธุกรรม ถ้าบุคคลนั้นมีปัจจัยเสี่ยง ค่าคือ 1 หากไม่มี ค่าจะเป็น {{ 1}}) ค่าที่ใช้ในการศึกษานี้คือค่าของปัจจัยเสี่ยงที่ไม่ใช่พันธุกรรมแต่ละตัวในการวิเคราะห์การถดถอยโลจิสติก

การสร้างแบบจำลองการให้คะแนนความเสี่ยงที่ครอบคลุมเป็นการรวมแบบจำลอง GRS ที่เหมาะสมและแบบจำลอง NGRS ซึ่งเป็นผลรวมของแบบจำลองทั้งสอง ดูสูตร (3) สำหรับรายละเอียด

6. การประเมินแบบจำลองการทำนาย

การประเมินแบบจำลอง GRS ที่สร้างขึ้น แบบจำลอง NGRS และแบบจำลองการทำนายที่ครอบคลุมได้นำพื้นที่เส้นโค้งลักษณะการทำงานของเครื่องรับ (ROC) มาใช้ภายใต้วิธีเส้นโค้ง (AUC) มีการใช้ซอฟต์แวร์ MedCalc เพื่อกำหนดจุดตัดที่เหมาะสมที่สุดของเส้นโค้ง ROC และความไวและความจำเพาะที่จุดตัดที่เหมาะสมที่สุด ในที่สุด การประเมินประสิทธิภาพการทำนายของแบบจำลองการทำนาย CKD ที่สร้างขึ้นนั้นเป็นจริง แบบจำลอง GRS ที่สร้างขึ้น แบบจำลอง NGRS และแบบจำลองการทำนายที่ครอบคลุมได้รับการตรวจสอบภายในในกรณีศึกษาการควบคุมแบบซ้อนโดยใช้การตรวจสอบข้ามห้าเท่าของ Bootstrap การวิเคราะห์ข้อมูลทั้งหมดดำเนินการโดยใช้ซอฟต์แวร์ SPSS 21.0 นัยสำคัญทางสถิติถูกกำหนดด้วยค่าเกณฑ์ P ของ<0.05.

วิธีการทั้งหมดดำเนินการตามแนวทางและข้อบังคับที่เกี่ยวข้อง

แคปซูล Cistanche

บทสรุป

อายุ โรคเบาหวาน ค่าครีอะตินีนสูงปกติ TGF- และ ADMA เป็นตัวบ่งชี้อิสระสำหรับอุบัติการณ์ของโรคไตวายเรื้อรัง มีการสร้างแบบจำลองการทำนายที่ครอบคลุม แม้ว่าปัจจัยทางพันธุกรรมที่วิเคราะห์ในการศึกษาของเราจะให้ค่าการทำนายที่จำกัดสำหรับอุบัติการณ์ของโรคไตวายเรื้อรัง สามารถดำเนินการแทรกแซงได้ตั้งแต่เนิ่นๆ และเหมาะสมเพื่อหลีกเลี่ยงไม่ให้อาการแย่ลงและไม่สามารถย้อนกลับได้

อ้างอิง

1. Bikbov, B. และคณะ ภาระโรคไตเรื้อรังระดับโลก ระดับภูมิภาค และระดับชาติ พ.ศ. 2533-2560: การวิเคราะห์อย่างเป็นระบบสำหรับการศึกษาภาระโรคทั่วโลก พ.ศ. 2560 Lancet 395, 709 (2020)

2. จาง แอล และคณะ ความชุกของโรคไตเรื้อรังในประเทศจีน: การสำรวจภาคตัดขวาง มีดหมอ 379, 815 (2555).

3. O'Sullivan, ED, Hughes, J. & Ferenbach, DA อายุของไต: สาเหตุและผลที่ตามมา แยม. สังคม เนฟรอล 28, 407 (2017).

4. Carrero, JJ, Hecking, M., Chesnaye, NC & Jager, KJ เพศและความเหลื่อมล้ำทางเพศในระบาดวิทยาและผลลัพธ์ของโรคไตเรื้อรัง ณัฐ. รายได้ Nephrol 14, 151 (2018).

5. หยุน ฝ่ายทรัพยากรบุคคล และคณะ โรคอ้วน การเผาผลาญผิดปกติ และการดำเนินของโรค CKD เช้า. เจ. โรคไต 72, 400 (2561).

6. ไช่ ดับบลิว และคณะ ปัจจัยเสี่ยงในการพัฒนาและลุกลามของโรคไตเรื้อรัง ยา 95, e3013 (2016)

7. ฟลิเซอร์ ดี. และคณะ ไดเมทิลอาร์จินีนแบบอสมมาตรและการลุกลามของโรคไตเรื้อรัง: การศึกษาโรคไตระดับเล็กน้อยถึงปานกลาง แยม. สังคม เนฟรอล 16, 2456 (2548).

8. ราวานี พี และคณะ ไดเมทิลอาร์จินีนแบบอสมมาตรทำนายความก้าวหน้าของการล้างไตและการเสียชีวิตในผู้ป่วยโรคไตเรื้อรัง: แนวทางการสร้างแบบจำลองความเสี่ยงที่แข่งขันกัน แยม. สังคม เนฟรอล 16, 2449 (2548).

9. มิยาซากิ เอช และคณะ สารยับยั้งการสังเคราะห์ไนตริกออกไซด์ภายนอก: เครื่องหมายใหม่ของหลอดเลือด หนังสือเวียน 9, 1141 (2542).

10. Tripepi, G. et al. การอักเสบและไดเมทิลอาร์จินีนแบบอสมมาตรสำหรับการทำนายการเสียชีวิตและเหตุการณ์เกี่ยวกับหัวใจและหลอดเลือดในผู้ป่วย ESRD คลิน. แยม. สังคม เนฟรอล 6, 1714 (2554).

11. Viau, A. et al. ไลโปคาลิน 2 จำเป็นต่อการดำเนินของโรคไตเรื้อรังในหนูและมนุษย์ เจ. คลิน. ตรวจสอบ 120, 4065 (2553).

12. Ferguson, MA & Waikar, SS ตัวบ่งชี้การทำงานของไตที่ก่อตัวขึ้นและเกิดใหม่ คลิน. เคมี 58, 680 (2555).

13. ฟิลเลอร์, G. et al. Cystatin C เป็นเครื่องหมายของ GFR—ประวัติ ข้อบ่งชี้ และการวิจัยในอนาคต คลิน. ชีวเคมี 38, 1 (2548).

14. Ferguson, TW, Komenda, P. & Tangri, N. Cystatin C เป็นตัวบ่งชี้ทางชีวภาพสำหรับการประเมินอัตราการกรองของไต สกุลเงิน ความคิดเห็น เนฟรอล ความดันโลหิตสูง 24, 295 (2558).

15. Meng, X., Nikolic-Paterson, DJ & Lan, HY TGF- : Te ตัวควบคุมหลักของพังผืด ณัฐ. รายได้ Nephrol 12, 325 (2559).

16. Tazat, K., Hector-Greene, M., Blobe, GC & Henis, YI Tibetan จับตัวรับ TGF-beta ประเภท I และ Type II อย่างอิสระเพื่อยับยั้งการส่งสัญญาณ TGF-beta โมล ไบโอล เซลล์ 26, 3535 (2015)

17. Wang, S., Wilkes, MC, Leof, EB & Hirschberg, R. Noncanonical TGF- pathways, mTORC1 และ Abl ในการเกิดพังผืดคั่นระหว่างไต เช้า. เจ.ฟิสิออล. ไต 298, F142 (2010)

18. Nlandu-Khodo, S. et al. การปิดกั้น crosstalk ของเยื่อบุผิว TGF-beta และ beta-catenin ทำให้ CKD รุนแรงขึ้น แยม. สังคม เนฟรอล 28, 3490 (2560).

19. O'Seaghdha, CM & Fox, CS การศึกษาความสัมพันธ์ทั่วทั้งจีโนมในการปลูกถ่ายไต: ข้อดีและข้อจำกัด ณัฐ. รายได้ Nephrol 8, 89 (2554).

20. Chen, TK, Knicely, DH & Grams, ME การวินิจฉัยและการจัดการโรคไตเรื้อรัง ยามาฮ่า 322, 1294 (2019)

21. Carrillo-Larco, RM และคณะ คะแนนความเสี่ยงสำหรับการตรวจคัดกรองโรคไตเรื้อรังที่ไม่ได้รับการวินิจฉัยเป็นครั้งแรกในเปรู: คะแนนความเสี่ยง Te CRONICASCKD บีเอ็มซี เนฟรอล 18, 343 (2017).

22. Tangri, N. และคณะ แบบจำลองการทำนายแบบไดนามิกสำหรับความก้าวหน้าของ CKD เช้า. เจ. โรคไต 69, 514 (2560).

23. Ma, J., Yang, Q., Hwang, S., Fox, CS & Chu, AY คะแนนความเสี่ยงทางพันธุกรรมและความเสี่ยงของโรคไตเรื้อรังระยะที่ 3 บีเอ็มซี เนฟรอล 18, 32 (2017).

24. อิไม อี. และคณะ ความชุกของโรคไตเรื้อรังในประชากรทั่วไปของญี่ปุ่น คลิน. ประสบการณ์ เนฟรอล 13, 621 (2552).

25. Nelson, RG และคณะ การพัฒนาสมการทำนายความเสี่ยงของอุบัติการณ์โรคไตเรื้อรัง ญอ. 322, 2104 (2562)

26. Zhao, J. และคณะ ไตรกลีเซอไรด์เป็นตัวพยากรณ์อิสระของโรคเบาหวานประเภท 2 ในผู้ใหญ่วัยกลางคนและผู้สูงอายุ: การศึกษาในอนาคตที่มีการติดตามผล 8-ปีในสองกลุ่ม เจ. ทรานสเล. ยา 17, 403 (2562).

27. Wei, F. และคณะ ความสัมพันธ์ระหว่างกรดยูริกในเลือดกับอุบัติการณ์ของความดันโลหิตสูง: การศึกษากลุ่มผู้สูงอายุแบบไดนามิกของจีน เจ. ทรานสเล. ยา 14, 110 (2559).

28. เชียน เค และคณะ แบบทำนายความเสี่ยงของอุบัติการณ์โรคไตเรื้อรัง เช้า. เจ เมด 123, 836 (2553).

29. O'Seaghdha, CM และคณะ คะแนนความเสี่ยงต่อโรคไตเรื้อรังในประชากรทั่วไป เช้า. เจ เมด 125, 270 (2555).

30. Echoufo-Tcheugui, JB & Kengne, AP แบบจำลองความเสี่ยงในการทำนายโรคไตเรื้อรังและการดำเนินของโรค: การทบทวนอย่างเป็นระบบ PLoS Med 9,e1001344(2555).

31. Fujii, R. และคณะ ความสัมพันธ์ของคะแนนความเสี่ยงทางพันธุกรรมกับโรคไตเรื้อรังในประชากรญี่ปุ่น โรคไต 24, 670 (2019)

32. หม่า YC และคณะ ปรับปรุงการประมาณค่า GFR โดยรวมการวัดค่าครีเอตินินและซีสแตตินซี โรคไต 72, 1535 (2550).

33. Qasim, A. et al. ต้นกำเนิดของโรคอ้วน: การระบุตัวขับเคลื่อนทางชีวภาพ สิ่งแวดล้อม และวัฒนธรรมของความเสี่ยงทางพันธุกรรมในประชากรมนุษย์ อ้วน รายได้ที่ 19, 121 (2018)

34 Bardin, T. & Richette, P. คำจำกัดความของภาวะกรดยูริกในเลือดสูงและโรคเกาต์ สกุลเงิน ความคิดเห็น รูมาตอล 26, 186 (2557).

35. Okada, Y. และคณะ การวิเคราะห์เมตาระบุหลายตำแหน่งที่เกี่ยวข้องกับลักษณะที่เกี่ยวข้องกับการทำงานของไตในประชากรเอเชียตะวันออก ณัฐ. เจเนท. 44, 904 (2555).

36. O'Seaghdha, CM & Fox, CS การศึกษาความสัมพันธ์ของโรคไตเรื้อรังทั่วทั้งจีโนม: เราได้เรียนรู้อะไรบ้าง? ณัฐ. รายได้ Nephrol 8, 89 (2554).

37. Ried, JS และคณะ การวิเคราะห์เมตาองค์ประกอบหลักเกี่ยวกับลักษณะทางกายวิภาคศาสตร์หลายลักษณะระบุตำแหน่งใหม่สำหรับรูปร่างของร่างกาย ณัฐ. ชุมชน 7, 13357 (2559).

Jing Zhao1,4, หยวน Zhang1,2,4, Jiali Qiu1,4, Xiaodan Zhang1,4, FengjiangWei1 , Jiayi Feng1 , Chen3 , Kai Zhang3 , Shuzhi Feng3, Wei‑Dong Li1

1 ภาควิชาพันธุศาสตร์ วิทยาลัยวิทยาศาสตร์การแพทย์พื้นฐาน มหาวิทยาลัยการแพทย์เทียนจิน เทียนจิน 300070 ประเทศจีน

2 คณะสาธารณสุข มหาวิทยาลัยการแพทย์เทียนจิน เมืองเทียนจิน ประเทศจีน

3 Tianjin General Hospital, Tianjin Medical University, Tianjin 300052, China

4 ผู้เขียนเหล่านี้มีส่วนร่วมเท่าๆ กัน: Jing Zhao, Yuan Zhang, Jiali Qiu และ Xiaodan Zhang