Development and temporal validation of a nomogram for hypertension risk estimation in middle-aged and older Chinese adults based on CHARLS data

उच्च रक्तचाप एक शांत शक्ति है जो दुनिया भर की आबादी के स्वास्थ्य को आकार देती है, और हृदय रोग, स्ट्रोक और गुर्दे की विफलता के प्राथमिक चालक के रूप में कार्य करती है। यह एक ऐसी स्थिति है जहाँ धमनियों की दीवारों के विरुद्ध रक्त का दबाव लगातार बहुत अधिक होता है, जिससे शरीर की महत्वपूर्ण प्रणालियों पर दबाव पड़ता है। हालाँकि डॉक्टर लंबे समय से जानते हैं कि उम्र, वजन और पारिवारिक इतिहास इस बात में भूमिका निभाते हैं कि किन लोगों में यह स्थिति विकसित होती है, लेकिन कारकों का विशिष्ट मिश्रण इस बात पर बहुत भिन्न हो सकता है कि कोई व्यक्ति कहाँ रहता है और उसकी आनुवंशिक पृष्ठभूमि क्या है। पश्चिमी देशों में जोखिम का पूर्वानुमान लगाने के लिए बनाए गए उपकरण चीनी आबादी में पाए जाने वाले अद्वितीय पैटर्न को पकड़ने में विफल रहते हैं, जिससे डॉक्टरों के लिए जोखिम वाले व्यक्तियों की जल्दी पहचान करने में एक अंतर पैदा हो जाता है। इस अंतर को पाटने के लिए, शोधकर्ताओं को एक ऐसे तरीके की आवश्यकता है जिससे वे जैविक और जीवनशैली के संकेतों के एक विस्तृत समूह को एक साथ देख सकें, और जटिल चिकित्सा डेटा को लक्षण प्रकट होने से पहले किसी व्यक्ति की स्वास्थ्य स्थिति की एक स्पष्ट तस्वीर में बदल सकें।

शोधकर्ताओं की एक टीम ने विशेष रूप से चीन के मध्यम आयु वर्ग और वृद्ध वयस्कों के लिए एक नया उपकरण बनाने का लक्ष्य रखा। उन्होंने एक विशाल, राष्ट्रीय स्तर के सर्वेक्षण का सहारा लिया जिसे 'चाइना हेल्थ एंड रिटायरमेंट लॉन्गीटुडिनल स्टडी' के रूप में जाना जाता है, जो 45 वर्ष और उससे अधिक आयु के 16,000 से अधिक लोगों के जीवन और स्वास्थ्य का पता लगाता है। टीम ने इन प्रतिभागियों से सूचनाओं का एक विशाल संग्रह एकत्र किया, जिसमें ब्लड शुगर और कोलेस्ट्रॉल जैसे मानक चिकित्सा मापों से लेकर सिस्टैटिन सी (cystatin C) नामक प्रोटीन के स्तर जैसे कम सामान्य संकेतक शामिल थे, जो यह संकेत देता है कि गुर्दे कचरे को कितनी अच्छी तरह से छान रहे हैं। उन्होंने शिक्षा के स्तर, वैवाहिक स्थिति और कमर की परिधि जैसे शारीरिक माप सहित रोजमर्रा के विवरणों को भी देखा। इस डेटा का विश्लेषण करके, शोधकर्ताओं का लक्ष्य यह पता लगाना था कि कारकों का कौन सा विशिष्ट संयोजन उच्च रक्तचाप की उपस्थिति का सबसे अच्छा अनुमान लगा सकता है।

डेटा के इस विशाल ढेर को समझने के लिए, शोधकर्ताओं ने शोर के बीच से वास्तविक संकेतों को खोजने के लिए एक कठोर पद्धति का उपयोग किया। उन्होंने बाईस अलग-अलग संभावित संकेतों से शुरुआत की और उन्हें पंद्रह सबसे महत्वपूर्ण संकेतों तक सीमित कर दिया। इस प्रक्रिया में एक सांख्यिकीय तकनीक शामिल थी जो एक फिल्टर की तरह काम करती है, जो उन चरों को हटा देती है जो अद्वितीय मूल्य नहीं जोड़ते और केवल उन्हें रखती है जो स्वतंत्र रूप से उच्च रक्तचाप की ओर संकेत करते हैं। परिणाम एक सुव्यवस्थित भविष्यवक्ता सूची थी जिसमें आयु, मधुमेह, बॉडी मास इंडेक्स, इंसुलिन प्रतिरोध को मापने वाला एक विशिष्ट सूचकांक, केंद्रीय मोटापा, हीमोग्लोबिन स्तर, सिस्टैटिन सी, वजन, कमर का आकार, यूरिक एसिड, वैवाहिक स्थिति, प्लेटलेट काउंट, हाई-डेंसिटी लिपोट्रोजन कोलेस्ट्रॉल, शिक्षा स्तर और श्वेत रक्त कोशिका गणना शामिल थे।

इसके बाद शोधकर्ताओं ने इन पंद्रह कारकों को एक 'नोमोग्राम' (nomogram) नामक दृश्य मार्गदर्शिका में पिरोया। एक चार्ट की कल्पना करें जहाँ एक डॉक्टर या रोगी विभिन्न श्रेणियों—जैसे आयु, वजन और रक्त मार्कर—के माध्यम से एक रेखा खींच सकता है ताकि एक एकल स्कोर प्राप्त किया जा सके। यह स्कोर सीधे एक संभावना में बदल जाता है, जो यह दर्शाता है कि किसी व्यक्ति को वर्तमान में उच्च रक्तचाप होने की कितनी संभावना है। इस उपकरण को सहज बनाया गया था, जिससे उपयोगकर्ता यह देख सके कि एक व्यक्ति के वजन से लेकर उसके शिक्षा स्तर तक, प्रत्येक कारक उसके समग्र जोखिम में कैसे योगदान देता है। यह जटिल चिकित्सा सांख्यिकी को एक सरल, 'पॉइंट-एंड-शूट' गणना में बदल देता है जिसका उपयोग व्यस्त क्लिनिक में किया जा सकता है।

जब टीम ने इस नए उपकरण का परीक्षण किया, तो परिणाम उत्साहजनक थे। उन्होंने पहले इसे उस डेटा के विरुद्ध जांचा जिसका उपयोग इसे बनाने के लिए किया गया था, और फिर, महत्वपूर्ण रूप से, उन्होंने उसी सर्वेक्षण के एक पिछले चरण के लोगों के एक पूरी तरह से अलग समूह के विरुद्ध इसका परीक्षण किया ताकि देखा जा सके कि क्या यह समय के साथ कायम रहता है। दोनों ही मामलों में, उपकरण मध्यम सटीकता के साथ प्रदर्शन करता है, जो 0.71 से 0.72 के AUC के साथ, उच्च रक्तचाप वाले और बिना उच्च रक्तचाप वाले लोगों के बीच सही ढंग से अंतर करता है। इससे भी महत्वपूर्ण बात यह है कि भविष्यवाणियाँ वास्तविक परिणामों से बहुत करीब से मेल खाती हैं, जिसका अर्थ है कि यदि उपकरण कहता है कि एक समूह के लोगों में उच्च रक्तचाप होने की 60 प्रतिशत संभावना है, तो उनमें से लगभग 60 प्रतिशत को वास्तव में उच्च रक्तचाप है। यह निरंतरता बताती है कि उपकरण विश्वसनीय है और केवल एक विशिष्ट डेटा सेट के आधार पर लगाया गया कोई भाग्यशाली अनुमान नहीं है।

अध्ययन ने कुछ आश्चर्यजनक अंतर्दृष्टि भी प्रदान की कि इस आबादी में उच्च रक्तचाप को क्या संचालित करता है। जबकि आयु, मधुमेह और अत्यधिक वजन अपेक्षित प्रमुख कारक थे, शोध ने गुर्दे के कार्य में शुरुआती बदलावों (सिस्टैटिन सी द्वारा मापा गया) के मजबूत प्रभाव और सूजन के मार्कर जैसे श्वेत रक्त कोशिका गणना की भूमिका पर प्रकाश डाला। इसने यह भी पुष्टि की कि सामाजिक कारक मायने रखते हैं; विवाहित होना और उच्च शिक्षा का स्तर निम्न जोखिम से जुड़े थे, जो संभवतः सामाजिक समर्थन और बेहतर स्वास्थ्य जानकारी तक पहुंच की सुरक्षात्मक शक्ति को दर्शाते हैं। शोधकर्ताओं ने नोट किया कि हालांकि यह उपकरण एक पूर्ण नैदानिक उपकरण नहीं है जो रक्तचाप मापने वाले यंत्र (ब्लड प्रेशर कफ) की जगह ले सके, लेकिन यह एक शक्तिशाली स्क्रीनिंग सहायता के रूप में कार्य करता है। यह उन व्यक्तियों की पहचान करने में मदद करता है जिन्हें करीबी निगरानी या जीवनशैली में शुरुआती बदलावों से लाभ हो सकता है, जो रोकथाम के लिए एक अनुकूलित दृष्टिकोण प्रदान करता है जो चीनी वयस्कों की विशिष्ट वास्तविकता के अनुरूप है।

यह कार्य उच्च रक्तचाप की रोकथाम को अधिक सटीक और सांस्कृतिक रूप से प्रासंगिक बनाने की दिशा में एक कदम है। जैविक और सामाजिक डेटा के एक विस्तृत समूह को एक एकल, उपयोग में आसान दृश्य मार्गदर्शिका में जोड़कर, शोधकर्ताओं ने स्वास्थ्य सेवा प्रदाताओं के लिए एक व्यावहारिक संसाधन प्रदान किया है। यह उपकरण इस समस्या को पूरी तरह से हल करने का दावा नहीं करता है, बल्कि यह उन लोगों की पहचान करने के लिए एक स्पष्ट मार्ग प्रदान करता है जिन्हें जटिलताओं के उत्पन्न होने से पहले जोखिम में है। जैसे-जैसे जनसंख्या बढ़ रही है और हृदय रोग का बोझ बढ़ रहा है, एक ऐसा मॉडल होना आवश्यक है जो स्थानीय आबादी की विशिष्ट बारीकियों को समझता हो। इस अध्ययन की सफलता बताती है कि भविष्य के उपकरण और भी अधिक परिष्कृत हो सकते हैं, जो सटीकता को और बेहतर बनाने और जीवन बचाने के लिए संभावित रूप से आनुवंशिक डेटा या अधिक विस्तृत जीवनशैली के मापों को शामिल कर सकते हैं।