Stable redundancy and variable ranking of metabolic surrogate indicators for incident ischemic heart disease

अपने शरीर की कल्पना एक हलचल भरे शहर के रूप में करें जहाँ ऊर्जा (चीनी) और ईंधन (वसा) लगातार डिलीवर किए जा रहे हैं, उपयोग किए जा रहे हैं और स्टोर किए जा रहे हैं। कभी-कभी, ट्रैफिक जाम हो जाता है, या डिलीवरी ट्रक फंस जाते हैं, जिससे पाइपों में "गंदगी" जमा होने लगती है। मेडिकल दुनिया में, डॉक्टर इन ट्रैफिक जाम की जांच करने के लिए नियमित रक्त परीक्षणों का उपयोग करते हैं। वे देखते हैं कि आपके रक्त में कितनी चीनी है, कितना फैट (ट्राइग्लिसराइड्स) तैर रहा है, और आपके पास कितना "अच्छा" फैट (HDL) है। इन नंबरों को समझने के लिए, वैज्ञानिकों ने "सरोगेट इंडिकेटर्स" (surrogate indicators)—चतुर गणितीय सूत्र बनाए हैं जो इन नंबरों को एक एकल स्कोर में मिला देते हैं। इन सूत्रों को अपने फोन के विभिन्न ऐप्स की तरह समझें जो मौसम की भविष्यवाणी करने की कोशिश करते हैं। कुछ हवा की गति का उपयोग करते हैं, कुछ आर्द्रता का, और कुछ वायुमंडलीय दबाव का। भले ही वे एक ही बुनियादी डेटा के विभिन्न संयोजनों का उपयोग करते हैं, फिर भी वे अक्सर आपको बहुत समान पूर्वानुमान देते हैं।

बड़ा सवाल यह है: कौन सा ऐप सबसे अच्छा है? यदि एक ऐप "धूप" कहता है और दूसरा "तूफान" कहता है, तो आप किस पर भरोसा करेंगे? और इससे भी महत्वपूर्ण बात यह है कि यदि कोई ऐप आपके पड़ोस में पूरी तरह से काम करता है, तो क्या वह अभी भी काम करेगा यदि आप दूसरे शहर में चले जाते हैं? यह वही पहेली है जिसे शोधकर्ताओं ने एक नए अध्ययन में सुलझाया। वे जानना चाहते थे कि क्या ये मेटाबॉलिक "मौसम ऐप" वास्तव में हृदय रोगों की भविष्यवाणी करने के लिए बेहतर उपकरण हैं, या वे बस एक ही बात को बार-बार कहने के फैंसी तरीके हैं। वे यह भी देखना चाहते थे कि क्या एक सरल, संक्षिप्त सूत्र वास्तव में उन कच्चे घटकों (व्यक्तिगत रक्त संख्याओं) की तुलना में बेहतर काम कर सकता है जिनसे इसे बनाया गया है।

---

द ग्रेट मेटाबॉलिक स्कोर-ऑफ

इस अध्ययन में, शोधकर्ताओं की एक टीम ने एक टैलेंट शो के जजों के पैनल की तरह काम किया, लेकिन गायकों के बजाय, वे दस अलग-अलग "मेटाबॉलिक सूत्रों" का मूल्यांकन कर रहे थे। ये सूत्र इस्केमिक हार्ट डिजीज (ischemic heart disease)—एक ऐसी स्थिति जिसमें हृदय को पर्याप्त रक्त नहीं मिल पाता, जो अक्सर हार्ट अटैक या एनजाइना का कारण बनती है—की भविष्यवाणी करने के लिए डिज़ाइन किए गए हैं। शोधकर्ताओं ने केवल एक समूह को नहीं देखा; उन्होंने दो विशाल, लंबे समय तक चलने वाले अध्ययनों के डेटा का उपयोग किया: एक इंग्लैंड (ELSA) में और एक संयुक्त राज्य अमेरिका (HRS) में। उन्होंने अंग्रेजी डेटा को मॉडल बनाने के लिए "ट्रेनिंग कैंप" के रूप में इस्तेमाल किया और फिर उन्हीं मॉडलों को अमेरिका भेजा यह देखने के लिए कि क्या वे पूरी तरह से अलग भीड़ के बीच अच्छा प्रदर्शन कर सकते हैं। यह एक नया वीडियो गेम स्ट्रैटेजी प्रैक्टिस सर्वर पर टेस्ट करने जैसा है और फिर यह देखने जैसा है कि क्या यह तब भी काम करता है जब आप किसी दूसरे देश में वास्तविक विरोधियों के खिलाफ खेलते हैं।

शोधकर्ताओं ने दस अलग-अलग सूत्रों की तुलना की, जिनमें TyG इंडेक्स (जो ट्राइग्लिसराइड्स और ग्लूकोज को मिलाता है) और AIP (एथेरोजेनिक इंडेक्स ऑफ प्लाज्मा, जो ट्राइग्लिसराइड्स और HDL को मिलाता है) जैसे लोकप्रिय सूत्र शामिल हैं। उन्होंने इन सूत्रों को एक मानक "क्लिनिकल मॉडल" के विरुद्ध खड़ा किया जो पहले से ही उम्र, लिंग, धूम्रपान की स्थिति और रक्तचाप जैसे बुनियादी तथ्यों का उपयोग करता है।

परिणाम: क्या प्रथम स्थान के लिए टाई हुई?

यहाँ एक मोड़ है: किसी भी एक सूत्र ने पूरे टूर्नामेंट में जीत हासिल नहीं की।

• "ऑल-राउंडर" (सर्वगुण संपन्न): समग्र रैंकिंग में AIP सूत्र शीर्ष पर आया। इसमें हृदय रोग की भविष्यवाणी करने और मानक क्लिनिकल मॉडल में नई जानकारी जोड़ने का सबसे अच्छा संतुलन था। यदि आपको कुल स्कोर के आधार पर एक "चैंपियन" चुनना हो, तो वह AIP था। किसी भी दिए गए परिदृश्य में सबसे अच्छा होने की इसकी संभावना 39.4% थी।
• "ट्रैवलर" (यात्री): हालाँकि, TyG इंडेक्स सबसे विश्वसनीय यात्री था। हालांकि इसने समग्र खिताब नहीं जीता, लेकिन जब शोधकर्ताओं ने डेटा को अंग्रेजी अध्ययन से अमेरिकी अध्ययन में स्थानांतरित किया, तो इसने सबसे सुसंगत प्रदर्शन किया। स्थान परिवर्तन से यह भ्रमित नहीं हुआ।
• "कच्चे घटकों" का परीक्षण: शोधकर्ताओं ने एक महत्वपूर्ण प्रश्न भी पूछा: इन नंबरों को एक फैंसी सूत्र में मिलाने से वास्तव में मदद मिलती है या कच्चे नंबरों (ट्राइग्लिसराइड्स, ग्लूकोज और HDL) को अलग-अलग देखना भी उतना ही अच्छा है? उन्होंने केवल कच्चे घटकों का उपयोग करके "अपर-बाउंड मॉडल" बनाए। परिणाम? कोई भी फैंसी सूत्र लगातार कच्चे घटकों से बेहतर प्रदर्शन नहीं कर सका। वास्तव में, सूत्र अक्सर उतने ही अच्छे थे, लेकिन कभी भी व्यक्तिगत भागों को देखने की तुलना में महत्वपूर्ण रूप से बेहतर नहीं थे।

"मौसम ऐप" का सादृश्य

इन सूत्रों को तूफान का वर्णन करने के विभिन्न तरीकों की तरह समझें।

• AIP एक मौसम ऐप की तरह है जो कहता है, "बारिश होने वाली है क्योंकि आर्द्रता अधिक है और हवा चल रही है।"
• TyG एक अन्य ऐप है जो कहता है, "बारिश होने वाली है क्योंकि तापमान गिर रहा है और दबाव कम है।"
• कच्चे घटक केवल कच्चा डेटा हैं: "आर्द्रता 90%, हवा 20mph, तापमान 50°F।"

शोधकर्ताओं ने पाया कि ये सभी ऐप्स वास्तव में एक ही बात कह रहे हैं क्योंकि वे सभी एक ही मौसम डेटा का उपयोग कर रहे हैं। सूत्र अत्यधिक सह-संबंधित (correlated) हैं—वे पक्षियों के झुंड की तरह एक साथ चलते हैं। लेकिन यहाँ एक पेच है: सिर्फ इसलिए कि वे एक साथ चलते हैं इसका मतलब यह नहीं है कि वे भविष्य की भविष्यवाणी करने में समान रूप से अच्छे हैं। एक शहर (इंग्लैंड) में, AIP सबसे अच्छा भविष्यवक्ता हो सकता है। दूसरे शहर (अमेरिका) में, TyG बेहतर प्रदर्शन कर सकता है। लेकिन दोनों में से कोई भी जादुई क्रिस्टल बॉल नहीं है।

वे कितने बेहतर हैं?

शोधकर्ताओं ने मापा कि इन सूत्रों ने मानक क्लिनिकल मॉडल की तुलना में हृदय रोग की भविष्यवाणी में कितना सुधार किया। लाभ आश्चर्यजनक रूप से छोटे थे, जैसे कि एक ऐसे व्यंजन में थोड़ा सा अतिरिक्त मसाला डालना जो पहले से ही अच्छी तरह से तैयार किया गया है।

• अंग्रेजी वैलिडेशन में, सर्वश्रेष्ठ सूत्रों को जोड़ने से भविष्यवाणी की सटीकता 1 प्रतिशत अंक से भी कम बढ़ गई (विशेष रूप से शीर्ष तीन के लिए +0.87, +0.67 और +0.44 प्रतिशत अंक)।
• अमेरिकी वैलिडेशन में, सुधार भी छोटे थे, जो +0.64 से +1.44 प्रतिशत अंक के बीच थे।

इसके अलावा, जब शोधकर्ताओं ने अमेरिकी संदर्भ में परिणामों की भविष्यवाणी करने के लिए अंग्रेजी मॉडलों का उपयोग करने की कोशिश की, तो "कैलिब्रेशन" (यह कि अनुमानित जोखिम वास्तविक जोखिम से कितनी अच्छी तरह मेल खाता है) एकदम सटीक नहीं था। अमेरिकी भविष्यवाणियां थोड़ी अधिक चरम थीं, जिससे पता चलता है कि हालांकि सूत्र सही दिशा में संकेत दे सकते हैं, लेकिन वे सावधानीपूर्वक समायोजन के बिना जीवन-मृत्यु के चिकित्सा निर्णय लेने के लिए एक स्टैंडअलोन टूल के रूप में उपयोग किए जाने के लिए तैयार नहीं हैं।

निष्कर्ष

अध्ययन यह निष्कर्ष निकालता है कि ये मेटाबॉलिक सूत्र स्थिर अतिरेक (stable redundancies) हैं। इसका अर्थ है कि वे संरचनात्मक रूप से एक-दूसरे के बहुत समान हैं (उन सभी में एक ही सामग्री है), लेकिन उनकी "सबसे अच्छा" होने की रैंकिंग इस बात पर बदल जाती है कि उनका परीक्षण कहाँ और कब किया जा रहा है।

• AIP इस विशिष्ट सेटअप में हृदय रोग की भविष्यवाणी करने के लिए सबसे मजबूत उम्मीदवार है।
• TyG विभिन्न आबादी के बीच जाने पर सबसे सुसंगत है।
• कोई भी सूत्र एक "सुपर-बायोमार्कर" नहीं है जो स्वाभाविक रूप से उन कच्चे रक्त परीक्षणों से बेहतर है जिनसे उसे बनाया गया है।

शोधकर्ता सुझाव देते हैं कि हमें इन सूत्रों को आपस में बदलने योग्य, जादुई बायोमार्कर के रूप में मानना बंद कर देना चाहिए। इसके बजाय, हमें उन्हें संक्षिप्त सारांश (compact summaries) के रूप में देखना चाहिए—आपके लिपिड और शुगर की जानकारी को एक एकल संख्या में पैक करने का एक सुविधाजनक तरीका। वे साझा मेटाबॉलिक जानकारी को सारांशित करने के लिए उपयोगी हैं, लेकिन वे कोई नया रहस्य प्रकट नहीं करते हैं जो व्यक्तिगत रक्त परीक्षणों ने पहले से ही नहीं बताया था। दौड़ का "विजेता" पूरी तरह से इस बात पर निर्भर करता है कि आप किस ट्रैक पर दौड़ रहे हैं, और फिलहाल, कच्चे घटक फैंसी रेसिपी की तरह ही शक्तिशाली हैं।