Predictors of treatment outcomes in adults with drug-sensitive Tuberculosis in Maharashtra, India: A retrospective study

인도 마하라슈트라주의 32 만 명 이상의 성인 약물 감수성 결핵 환자를 대상으로 한 본 후향적 연구는 프로그램적 데이터를 활용하여 고령, 남성, 낮은 체중, 기저질환 (HIV 및 당뇨병), 그리고 약물 사용이 불리한 치료 결과와 사망률 모두에 대한 유의한 예측 요인임을 규명하였다.

핵심

인도에서 결핵 (TB) 퇴치를 거대하고 복잡한 마라톤으로 상상해 보세요. 이 나라는 Ni-kshay라는 디지털 '스코어보드'를 보유하고 있는데, 이는 모든 주자 (환자) 의 출발선, 페이스, 그리고 경기 완료 여부를 기록합니다.

이 연구는 2021 년과 2022 년 마하라슈트라주의 주자들, 즉 그 스코어보드의 거대한 조각을 분석한 데이터 탐정 팀과 같습니다. 그들의 목표는 주자들을 치료하는 것이 아니라, 데이터를 살펴보고 다음과 같은 간단한 질문에 답하는 것이었습니다: "주자의 프로필에서 어떤 단서가 그들이 넘어지거나, 포기하거나, 경기를 마치지 못할 것임을 알려줄까요?"

다음은 일상적인 개념으로 정리된 그들의 발견 사항입니다:

1. '결승선' 정의

연구자들은 경기가 잘못될 수 있는 두 가지 다른 방식을 살펴보았습니다:

• '불리한 결과' 경기: 이는 주자가 결승선을 성공적으로 통과하지 못하는 경우입니다. 사망하거나, 추적 관찰을 중단 (lost to follow-up) 하거나, 치료에 실패하거나, 경기 도중 신발을 갈아신는 것 (치료 요법 변경) 처럼 중도에 치료를 변경해야 할 수도 있습니다.
• '사망' 경기: 이는 더 엄격한 관점으로, 사망한 주자들만 집중적으로 살펴봅니다.

2. '위험 요인' (단서들)

탐정들은 특정 '배낭'이나 '장애'가 주자들의 성공을 훨씬 더 어렵게 만든다는 사실을 발견했습니다. 만약 주자의 배낭에 이러한 항목들이 들어 있다면, 나쁜 결과를 경험할 확률이 통계적으로 더 높았습니다:

• '나이' 배낭: 나이가 많다는 것은 무거운 짐입니다. 60 세 이상의 주자들은 훨씬 더 큰 어려움을 겪을 가능성이 높았습니다. 실제로 '사망' 경기의 경우, 60 세를 넘으면 젊은 주자들보다 경기를 마치지 못할 위험이 8 배 더 높았습니다.
• **'성별' 배낭: ** 남성은 여성보다 경기를 마치기 어려울 가능성이 더 높았습니다. 흥미롭게도 성소수자 (트랜스젠더) 커뮤니티는 일반 인구보다 두 배 이상 더 가파른 언덕을 마주했는데, 위험도가 두 배 이상 높았습니다.
• '체중' 배낭: 이는 주요 발견 사항이었습니다. 체중을 주자의 연료 탱크로 생각하세요. 주자가 매우 가벼운 경우 (40kg 미만), 연료 탱크는 거의 비어 있는 상태입니다. 주자가 가벼울수록 위험은 높아집니다. 가장 가벼운 주자들이 경기를 마치지 못할 확률이 가장 높았습니다.
• '기저질환' 배낭 (HIV 및 당뇨병): 이러한 추가적인 상태를 안고 있는 것은 무거운 닻을 달고 달리는 것과 같습니다. HIV 나 당뇨병을 가지고 있으면 나쁜 결과가 발생할 확률이 크게 증가합니다.
• '습관' 배낭 (담배 및 음주): 흡연과 음주는 절뚝거리며 달리는 것과 같습니다. 두 습관 모두 실패 위험을 증가시킵니다.
• '알 수 없음' 배낭 (미스터리): 이는 놀라운 발견이었습니다. 데이터가 "흡연/음주/당뇨병 여부를 알 수 없다"고 기록된 주자들은 실제로 답을 알고 있는 주자들보다 위험이 더 컸습니다. 연구자들은 이것이 '알 수 없음' 자체가 위험해서가 아니라, 의료진이 확인할 기회를 놓쳤기 때문이라고 제안합니다. 마치 주자가 출발선에 도착할 때 건강 검진을 받지 않은 것과 같습니다; 시스템이 문제를 조기에 발견하지 못한 것입니다.

3. '폐외결핵'의 반전

이 연구는 결핵이 신체 어디에 숨어 있는지를 살펴보았습니다.

• 폐 (폐결핵): 가장 흔한 위치입니다.
• 기타 (폐외결핵): 결핵이 다른 장기에 숨어 있는 경우입니다.
• 반전: 일반적으로 다른 장기에 결핵이 있는 주자들은 전반적으로 경기를 마치는데 더 잘하는 것처럼 보였습니다. 그러나 만약 그들이 사망한다면, 폐결핵이 있는 사람들보다 사망할 확률이 약간 더 높았습니다. 이는 복잡한 혼합입니다: 그들은 종종 생존하지만, 상황이 치명적으로 변하면 매우 심각합니다.

4. '데이터 품질' 교훈

이 논문은 '알 수 없음' 범주가 경고 신호임을 강조합니다. 마치 코치가 "우리가 주자의 심장 질환 여부를 모르면 제대로 도울 수 없다"고 말하는 것과 같습니다. 이 연구는 이러한 빈칸을 채우는 것이 치료 자체만큼이나 중요하다고 제안합니다.

5. 미래를 위한 '지도'

마지막으로, 저자들은 단순히 문제들을 나열하는 것을 넘어, 향후 스코어보드를 읽는 방법에 대한 새로운 지도를 그렸습니다. 그들은 표준화된 보고 체계를 만들었습니다.

• 비유: 과거에는 누구나 스코어보드를 다르게 읽었을 수 있습니다 (일부는 이름으로 주자를 세고, 다른 이는 ID 로 세며, 일부는 누락된 데이터를 무시함). 이 논문은 "우리가 모두 같은 자와 같은 계산 방법을 사용하기로 합의합시다"라고 말합니다.
• 그들은 이 데이터를 분석하려는 다른 모든 사람을 위한 체크리스트를 제안하여, 향후 연구들이 사과와 오렌지를 비교하는 것이 아니라 사과와 사과를 비교하도록 보장합니다.

요약

간단히 말해, 이 논문은 거대한 디지털 기록장을 활용하여 마하라슈트라주에서 결핵 치료 실패의 가장 큰 적신호는 고령, 남성, 저체중, 그리고 HIV 또는 당뇨병임을 발견했습니다. 또한 부재 정보(환자의 습관이나 건강 상태를 모름) 자체가 큰 위험 요인이며, 이는 아마도 환자가 적절히 선별되지 않았기 때문임을 강조했습니다. 이 연구는 건강 당국이 넘어지기 전에 추가 도움이 필요한 주자들을 식별할 수 있도록 이러한 기록을 분석하는 명확하고 반복 가능한 레시피를 제공합니다.

기술 요약

기술적 요약: 인도 마하라슈트라주의 약물 감수성 결핵 치료 결과 예측 인자

문제 제기
결핵 (TB) 은 여전히 전 세계적으로 사망을 초래하는 주요 감염성 질환이며, 인도는 전 세계 사례의 약 4 분의 1 을 차지합니다. 국가 전략 계획 (NSP) 과 국가 결핵 퇴치 프로그램 (NTEP) 이 있음에도 불구하고, 2024 년 인도의 사례 사망률 (CFR) 이 11% 에 달한다는 사실은 결핵 퇴치 목표 달성에 상당한 격차가 있음을 보여줍니다. Ni-kshay 디지털 플랫폼은 치료의 연속성에 관한 풍부한 프로그램 데이터를 제공하지만, 불리한 치료 결과 (사망, 치료 실패, 추적 손실, 치료 요법 변경, 또는 평가되지 않음) 와 사망의 예측 인자를 식별하기 위해 이러한 데이터를 활용하는 표준화된 분석 접근법이 필요합니다. 본 연구는 성인 약물 감수성 결핵 (DS-TB) 환자 간의 위험을 계층화하기 위해 일상적인 프로그램 데이터를 분석하는 재현 가능한 프레임워크의 부재를 해결합니다.

방법론
본 후향적 관찰 연구는 2021 년과 2022 년을 대상으로 인도 마하라슈트라주의 Ni-kshay 플랫폼에서 수집된 일상적인 프로그램 데이터, 특히 통보 및 동반 질환 등록부를 활용했습니다.

• 연구 대상: 약물 감수성 결핵 (DS-TB) 으로 진단받고 치료 시작 일자가 문서화된 성인 환자 (15 세 이상) 에 초점을 맞췄습니다. 약물 내성 결핵 사례와 치료 시작이 없는 사례는 제외되었습니다.
• 데이터 처리: 'instance' 변수를 사용하여 기록을 병합했습니다. 체중 데이터가 누락된 사례는 주 분석에서 제외되었으며, 다른 누락된 변수는 대표성을 유지하기 위해 '알 수 없음'으로 분류되었습니다.
• 결과 정의:
  • 치료 성공: '완치'또는'치료 완료'로 정의됨.
  • 불리한 결과: '사망', '추적 손실', '실패', '치료 요법 변경', 또는'평가되지 않음'으로 정의됨.
  • 사망: 엄격하게'사망'으로 정의됨.
• 통계 분석: STATA 버전 19 를 사용하여 단변량 및 다변량 로지스틱 회귀 모델을 적용했습니다. 보정된 오즈비 (aOR) 는 연령, 성별, 체중을 보정하여 주요 위험 인자에 대해 계산되었습니다.
• 분석된 위험 인자: 인구통계학적 변수 (연령, 성별), 인체계측 데이터 (체중), 질병 부위 (폐결핵 대 폐외결핵), 임상적 동반 질환 (HIV, 당뇨병), 그리고 행동적 위험 (흡연 및 음주) 이 포함되었습니다.
• 견고성 검증: 네 가지 민감도 분석이 수행되었으며, 여기에는 복합 물질 사용 변수 생성, 완전한 체중 데이터 사례와 누락된 체중 데이터 사례 비교, 누락된 체중 데이터에 대한 다중 대입법 적용, 그리고 불리한 결과 코호트에서'평가되지 않음'사례 제외가 포함되었습니다.

주요 결과
최종 코호트는 불리한 결과 분석을 위해 323,124 건, 사망 분석을 위해 315,579 건을 포함했습니다.

• 인구통계학적 예측 인자:
  • 연령: 고령은 강력한 예측 인자였습니다. 60 세 이상 환자는 젊은 코호트에 비해 불리한 결과에 대한 보정 오즈비 (aOR) 가 3.85, 사망에 대해서는 8.06 으로 가장 높은 위험을 보였습니다.
  • 성별: 남성군은 위험이 높았습니다 (불리한 결과 aOR 1.50; 사망 aOR 1.47). 성소수자 (트랜스젠더) 개인은 훨씬 더 높은 위험을 보였습니다 (불리한 결과 aOR 2.52; 사망 aOR 2.63).
• 동반 질환 및 행동적 위험:
  • HIV 및 당뇨병: 알려진 HIV 상태 (불리한 결과 aOR 2.84; 사망 aOR 3.40) 와 당뇨병 (불리한 결과 aOR 1.43; 사망 aOR 1.56) 은 유의한 예측 인자였습니다.
  • 물질 사용: 흡연과 음주 모두 위험 증가와 연관되었습니다. 특히 이러한 인자에 대한'알 수 없음'상태도 유의한 위험 범주로 나타났습니다 (예: HIV 상태 불명 aOR 사망 3.48), 이는 데이터 격차가 나쁜 결과와 상관관계가 있음을 시사합니다.
  • 체중: 낮은 체중과 부정적 결과 사이에 명확한 용량 - 반응 관계가 관찰되었습니다. 체중이 20kg 미만인 환자는 가장 높은 위험을 보였습니다 (불리한 결과 aOR 3.29; 사망 aOR 5.34).
• 질병 부위: 폐외결핵 (EPTB) 은 전반적으로 불리한 결과의 오즈가 낮았으나 (aOR 0.95), 사망 위험은 약간 증가시켰습니다 (aOR 1.10).
• 민감도 분석: 다중 대입 방법과'평가되지 않음'사례 제외 시 결과가 일관되게 유지되어 누락된 체중 데이터가 결과를 크게 왜곡하지 않았음을 확인했습니다.

주요 기여

1. 표준화된 분석 프레임워크: 본 연구는 Ni-kshay 데이터를 병합하고 분석하기 위한 재현 가능한 프로토콜을 제안하며, 특히 등록부 병합을 위한'instance'변수 사용과 누락 데이터 처리를 구체적으로 상세히 설명합니다.
2. '알 수 없음'을 위험 인자로 식별: 연구는 동반 질환 및 행동적 위험에 대한'알 수 없음'상태 자체가 나쁜 결과의 중요한 예측 인자임을 강조하며, 이는 단순한 임상적 부재가 아닌 시스템적 데이터 입력 격차 또는 선별 기회 누락을 지적합니다.
3. 체중과 연령의 시너지: 본 연구는 고령과 낮은 체중의 복합적 위험을 정량화하여, 이러한 고위험군을 위한 영양 평가 및 모니터링을 우선시하는 차별화된 치료 전략의 필요성을 강화합니다.
4. 보고 프레임워크: 이전 연구들의 사례 수계산 및 식별자 사용과 관련된 불일치를 해결하기 위해, 향후 연구자와 프로그램 관리자가 TB 프로그램 데이터를 사용하여 추론 분석을 수행할 수 있도록 안내하는 표준화된 보고 프레임워크 (표 3) 를 제안합니다.

의의 및 주장
저자들은 본 연구가 고부담 환경에서 DS-TB 결과를 후향적으로 분석하기 위해 프로그램 데이터에 표준화된 분석 프로토콜을 적용한 대규모 시도 중 하나라고 주장합니다. 그 의의는 감시뿐만 아니라 고위험 환자를 식별하기 위한 의사결정 지원 도구로서 일상적인 프로그램 데이터의 유용성을 입증하는 데 있습니다.

본 논문은 연구 결과가 정기적인 인체계측 평가와 위험 계층화를 국가 차별화 결핵 치료 가이드라인에 통합하는 것을 지지한다고 명시합니다. 이는 물질 사용, 낮은 체중, 또는'알 수 없음'동반 질환 상태를 가진 환자들이 Ni-kshay 시스템 내에서 식별되어 강화된 치료 순응도 지원과 임상 검토를 받도록 할 것을 제안합니다. 저자들은 겸손한 어조를 유지하며, 본 연구가 알려진 위험 인자를 확인하지만, 구체적인 기여는 방법론적 엄격성과 환자 결과의 결정 요인으로서 데이터 완전성 자체를 식별한 데 있다고 강조합니다. 본 연구는 향후 작업이 이 프레임워크를 다른 주로 확장하고 실시간 위험 계층화를 가능하게 하기 위해 고급 예측 모델링을 통합해야 한다고 결론 내립니다.