Development and Validation of a Risk Prediction Model of One-year Survive Rate in Vancomycin-Associated Acute Kidney Injury

दुनिया भर के अस्पतालों के गहन देखभाल इकाइयों (इंटेंसिव केयर यूनिट) में, डॉक्टर अक्सर गंभीर जीवाणु संक्रमणों से लड़ने के लिए वैनकोमाइसिन नामक एक शक्तिशाली एंटीबायोटिक का सहारा लेते हैं, जिन्हें अन्य दवाएं नहीं रोक पाती हैं। हालांकि यह दवा जीवन बचाने के लिए एक महत्वपूर्ण उपकरण है, लेकिन इसमें एक छिपा हुआ खतरा है: यह कभी-कभी गुर्दों को नुकसान पहुंचा सकती है, जिसे वैनकोमाइसिन-एसोसिएटेड एक्यूट किडनी इंजरी (गुर्दे की तीव्र चोट) के रूप में जाना जाता है। जब गुर्दे विफल हो जाते हैं, तो मरीजों को रिकवरी के लिए बहुत कठिन रास्ता तय करना पड़ता है, जिसमें लंबे समय तक अस्पताल में भर्ती रहना और अधिक जटिल उपचारों की आवश्यकता होती है। वर्षों से, शोधकर्ता जानते थे कि कुछ कारक, जैसे कि रोगी की आयु या उनकी बीमारी की गंभीरता, किडनी की चोट होने की संभावना को बढ़ा देते हैं। हालांकि, एक महत्वपूर्ण प्रश्न अनुत्तरित रह गया था: एक बार जब किसी मरीज को इस दवा के कारण किडनी की चोट लग चुकी हो, तो अगले एक वर्ष तक उनके जीवित रहने की क्या संभावना है? अब तक, दीर्घकालिक परिणाम की भविष्यवाणी करने का कोई विश्वसनीय तरीका नहीं था, जिससे डॉक्टर अपने सबसे संवेदनशील मरीजों के भविष्य का केवल अनुमान ही लगाते थे।

इस कठिन प्रश्न का उत्तर देने के लिए, हेनान प्रांत और झेंगझौ विश्वविद्यालय के अस्पतालों के शोधकर्ताओं की एक टीम ने चिकित्सा रिकॉर्ड के एक विशाल डिजिटल संग्रह का सहारा लिया। उन्होंने आईसीयू में वैनकोमाइसिन प्राप्त करने वाले और बाद में किडनी की चोट विकसित करने वाले लगभग 13,000 रोगियों के डेटा का विश्लेषण किया। इस समूह को दो सेटों में विभाजित करके—एक नया भविष्यवाणी उपकरण बनाने के लिए और दूसरा इसका परीक्षण करने के लिए—उन्होंने डेटा में उन पैटर्न की तलाश की जो जीवित रहने वालों और न रहने वालों के बीच अंतर कर सकें। शोधकर्ताओं ने बुनियादी विवरण जैसे आयु और शरीर के वजन से लेकर शरीर के कार्य करने के जटिल मापों, जैसे रक्तचाप, हृदय गति और रक्त में विभिन्न रसायनों के स्तर तक, विस्तृत जानकारी की जांच की। वे उन विशिष्ट संकेतों की तलाश कर रहे थे जो जीवित रहने वाले रोगियों की तुलना में एक वर्ष के भीतर मृत्यु को प्राप्त करने वाले रोगियों में लगातार दिखाई दिए।

अध्ययन ने आठ विशिष्ट कारकों की पहचान की जो एक वर्ष बाद जीवित रहने की कम संभावना के लिए मजबूत चेतावनी संकेतों के रूप में कार्य करते थे। इनमें रोगी की आयु, उनका बॉडी मास इंडेक्स (बीएमआई), उनके रक्त में यूरिया नाइट्रोजन का स्तर, उनकी श्वसन दर, सक्रिय संक्रमण की उपस्थिति, उनकी किडनी की चोट की गंभीरता, कैंसर की उपस्थिति और उनके रक्त में लैक्टेट का स्तर शामिल था। शोधकर्ताओं ने पाया कि वृद्ध रोगी, उच्च किडनी तनाव मार्कर वाले रोगी, सक्रिय संक्रमण या कैंसर वाले रोगी, और तेज श्वसन दर वाले लोगों को एक वर्ष तक जीवित न रहने का काफी अधिक जोखिम था। इसके विपरीत, उच्च बॉडी मास इंडेक्स थोड़ा सुरक्षात्मक प्रतीत हुआ, जबकि किडनी तनाव मार्करों का निम्न स्तर बेहतर परिणामों से जुड़ा था।

इन आठ कारकों का उपयोग करते हुए, टीम ने एक सरल स्कोरिंग सिस्टम बनाया, जिसे उन्होंने 'नोमोग्राम' नामक एक विजुअल चार्ट के रूप में प्रस्तुत किया। यह उपकरण एक डॉक्टर को रोगी के विशिष्ट मापों को लेने, चार्ट पर प्रत्येक कारक के लिए संबंधित अंक खोजने और उन्हें जोड़कर एक कुल स्कोर प्राप्त करने की अनुमति देता है। वह कुल स्कोर सीधे एक वर्ष जीवित रहने की अनुमानित संभावना में परिवर्तित हो जाता है। यह सुनिश्चित करने के लिए कि यह उपकरण सटीक है, शोधकर्ताओं ने इसका परीक्षण रोगियों के एक अलग समूह पर किया जिनका उपयोग मॉडल बनाने के लिए नहीं किया गया था। परिणामों ने दिखाया कि यह उपकरण उच्च विश्वसनीयता के साथ जीवित रहने वालों और न रहने वालों के बीच सही ढंग से अंतर कर सकता है, और यह प्रारंभिक समूह और परीक्षण समूह दोनों में अच्छा प्रदर्शन करता है। मॉडल ने यह भी दिखाया कि यह चिकित्सकीय रूप से उपयोगी है, जिसका अर्थ है कि यह डॉक्टरों को बेहतर निर्णय लेने और देखभाल की योजना बनाने में मदद कर सकता है।

यह कार्य पहली बार है जब वैनकोमाइसिन से उपचार के दौरान किडनी की चोट विकसित करने वाले रोगियों के लिए एक वर्ष की उत्तरजीविता दर (सर्वाइवल रेट) की भविष्यवाणी करने हेतु एक विशिष्ट जोखिम स्कोरिंग प्रणाली बनाई गई है। हालांकि यह अध्ययन एक एकल चिकित्सा केंद्र के डेटा पर आधारित था और पिछले रिकॉर्ड्स पर निर्भर था, फिर भी इसके निष्कर्ष रोगी के परिणामों को देखने का एक ठोस नया तरीका प्रदान करते हैं। उन विशिष्ट कारकों के संयोजन की पहचान करके जो खराब पूर्वानुमान का संकेत देते हैं, यह मॉडल आगे के रास्ते की स्पष्ट तस्वीर प्रदान करता है। यह बीमारी के जीव विज्ञान को नहीं बदलता है, बल्कि यह जोखिमों को समझने का एक संरचित तरीका प्रदान करता है, जिससे संभावित रूप से डॉक्टरों को इस गंभीर जटिलता का सामना कर रहे रोगियों के लिए या तो जल्दी हस्तक्षेप करने या अपेक्षाओं को अधिक प्रभावी ढंग से प्रबंधित करने में मदद मिलती है।