Gut hastalığı çoğunlukla yüksek serum ürat düzeyi ve tekrarlayan eklem ataklarıyla tanımlanır. Bununla birlikte aynı veya birbirine yakın serum ürat düzeylerine sahip iki hastanın klinik seyri tamamen farklı olabilir. Bir hastada sık ataklar, tofüs oluşumu ve sağlık hizmeti kullanımı ön plana çıkarken başka bir hastada daha az gut nüksü görülmesine rağmen böbrek, kalp-damar sistemi, frajilite ve ölüm riski daha belirgin olabilir.

Bu çalışma, gut hastalarını yalnızca serum ürat değerine veya “atak var-atak yok” ayrımına göre değerlendirmek yerine, rutin sağlık kayıtlarında zaten bulunan laboratuvar verilerinden yararlanarak klinik olarak anlamlı alt gruplar tanımlamayı amaçlamıştır. Araştırmacılar bu yaklaşımı “rutin veriye dayalı dijital fenotipleme” olarak adlandırmıştır.

Buradaki dijital fenotipleme, akıllı saat veya cep telefonu sensörleriyle sürekli veri toplanması anlamına gelmemektedir. Çalışmada dijital fenotip; elektronik sağlık kayıtlarında bulunan serum ürat, kan hücresi indeksleri ve globulin gibi rutin laboratuvar değerlerinin, bilgisayar destekli örüntü tanıma yöntemleriyle bir araya getirilmesiyle oluşturulan hasta profilidir.

Araştırmaya toplam 21.235 gut hastası dahil edilmiştir. Birleşik örneklem; UK Biobank’tan 10.599, Çin’deki çok merkezli GoutRe kohortundan 8.617 ve MIMIC-IV hastane kayıt sisteminden 2.019 katılımcıdan oluşmuştur.

İlk aşamada demografi, böbrek işlevi, ürat metabolizması, hematolojik göstergeler, karaciğer işlevi, inflamasyon ve sistemik rezervle ilişkili 40’tan fazla rutin klinik değişken değerlendirilmiştir. Kohortlar arasında bulunabilirlik, ölçüm uyumu, eksik veri oranı ve klinik yorumlanabilirlik dikkate alındıktan sonra altı değişken seçilmiştir:

• Serum ürat,
• Lenfosit yüzdesi,
• Ortalama eritrosit hemoglobini, yani MCH,
• Ortalama eritrosit hacmi, yani MCV,
• Hematokrit,
• Globulin.

Hastalığın nüksü, hastaneye yatışlar, eşlik eden hastalıklar, ölüm veya moleküler analiz sonuçları kümeleme sırasında kullanılmamıştır. Bu veriler alt gruplar oluşturulduktan sonra grupların gerçekten farklı klinik ve biyolojik anlam taşıyıp taşımadığını değerlendirmek amacıyla incelenmiştir. Böylece sonuçların baştan kümeleri şekillendirmesi, yani sonuç bilgisinin modele sızması azaltılmaya çalışılmıştır.

UK Biobank verilerindeki denetimsiz kümeleme üç klinik alt grup ortaya çıkarmıştır:

• C1 - Düşük yük ve korunmuş rezerv: Daha düşük inflamatuvar ve metabolik sapma gösteren, genel klinik yükü görece az grup.
• C2 - Ürat-metabolik inflamatuvar: Daha yüksek serum ürat, beden kitle indeksi ve kreatinin profili; renal-metabolik stres, kardiyometabolik yük ve en yüksek gut nüksüyle ilişkilendirilen grup.
• C3 - Yaşlanmayla ilişkili sistemik kırılganlık: Daha ileri yaş, eritrosit indekslerinde sapma, lenfosit ve inflamasyon örüntüleri, geniş eş hastalık yükü ve daha kötü sağkalımla ilişkilendirilen grup.

Bu üç grup basit biçimde “hafif, orta ve ağır gut” sıralaması değildir. C2 en fazla gut nüksünün görüldüğü gruptur. C3 ise C2’den daha az nüks yaşayabilmesine rağmen daha yaygın sistemik hastalıklar ve daha kötü sağkalım gösterebilmektedir. Bu ayrım, gut atak sıklığıyla hastanın toplam sağlık riskinin aynı kavram olmadığını göstermektedir.

UK Biobank’ta on yıllık nüks oranı C2’de %34,5; C1’de %19,2 ve C3’te %19,7’dir. Aynı yönlü örüntü dış değerlendirme kohortlarında da görülmüştür. MIMIC-IV’de nüks oranları C2 için %22,3, C1 için %15,1 ve C3 için %10,8; GoutRe’de ise sırasıyla yaklaşık %29,0, %24,8 ve %17,0 olarak gösterilmiştir.

Bu sonuçlar C2’nin farklı coğrafi ve klinik ortamlarda en fazla nüks kaydı bulunan alt grup olarak korunduğunu düşündürmektedir. Bununla birlikte “nüks”, en az bir uygun takip kaydının bulunması şeklinde tanımlanmıştır. Çalışma bütün atakların gerçek sayısını, şiddetini veya hastanın günlük yaşamındaki etkisini aynı standart klinik yöntemle ölçmemiştir.

C3 grubunda özellikle ölüm ve çoklu eş hastalık yükü dikkat çekmiştir. Şekil 3’te gösterilen ölüm eğrilerinin son izlem noktalarında UK Biobank için ölüm oranları C1’de %15,3, C2’de %12,5 ve C3’te %21,7; MIMIC-IV için C1’de %42,6, C2’de %30,9 ve C3’te %49,8 olarak etiketlenmiştir. Bu değerler, C3’ün nüks bakımından en yüksek grup olmasa bile genel sağlık kırılganlığının en yüksek olduğu alt grup olabileceğini desteklemektedir.

Ancak ağır gut ilişkili hastaneye yatış konusunda metinle grafik arasında önemli bir tutarsızlık bulunmaktadır. Sonuç ve tartışma metni C3’ün en yüksek ağır gut ilişkili yatış oranına sahip olduğunu ifade etmektedir. Buna karşılık Şekil 3G’deki çubuklar C1 için %1,3, C2 için %2,9 ve C3 için %1,5 göstermektedir. Şekildeki verilere göre en yüksek oran C2’dedir. Bu uyuşmazlık düzeltilmeden ağır hastane yatışının kesin olarak hangi alt grupta en yüksek olduğu söylenmemelidir.

Genetik analizler de C2 ve C3’ün yalnızca laboratuvar verilerinden oluşan rastlantısal kümeler olmayabileceğine ilişkin biyolojik dayanaklar sunmuştur. C2; ABCG2, SLC2A9, SLC22A11 ve SLC22A12 gibi ürat taşıyıcılarıyla ilişkili genetik bölgelerde daha belirgin örüntüler göstermiştir. C3 ise hücresel yaşlanma, DNA hasar yanıtı, kromatin düzenlenmesi ve doku kırılganlığıyla ilişkili biyolojik yollarla bağlanmıştır.

Proteomik ve metabolomik analizlerde C2; NPL, PARP1, ELOA, TNFSF10 ve S100A12 gibi inflamasyon ve stres yanıtıyla ilişkili proteinler ile aterojenik VLDL, IDL ve LDL parçacıklarıyla karakterize edilmiştir. C3’te ise BPIFB1, SPOCK1, PVR ve ACE2 gibi doku stresi ve yeniden yapılanmayla ilişkili proteinler ile fosfolipit ve HDL yeniden şekillenmesi öne çıkmıştır.

Araştırmacılar kümeleri günlük klinik uygulamada daha kolay atayabilmek için altı rutin değişkeni kullanan şeffaf bir karar ağacı geliştirmiştir. Bu modelin küme etiketlerini ayırt etme AUC değerleri UK Biobank iç testinde C1 için 0,97, C2 için 0,97 ve C3 için 0,95’tir. GoutRe’de değerler 0,98, 0,94 ve 0,92; MIMIC-IV’de ise 0,96, 0,95 ve 0,90’dır.

Bu yüksek AUC değerleri, karar ağacının kümeleme algoritmasının oluşturduğu C1, C2 ve C3 etiketlerini yaklaşık olarak yeniden üretebildiğini göstermektedir. Modelin gut nüksünü, hastaneye yatışı veya ölümü aynı AUC değerleriyle tahmin ettiği anlamına gelmemektedir. Ayrıca model kalibrasyonu, karar eğrisi analizi, farklı demografik gruplardaki performansı ve gerçek klinik iş akışındaki yararı henüz gösterilmemiştir.

Yaşam tarzı analizleri C2’de fiziksel aktiviteyle ilişkili örüntülerin, C3’te ise obezite ve vücut kompozisyonu göstergelerinin daha belirgin olabileceğini düşündürmüştür. Ancak bunlar gözlemsel ve keşif amaçlı analizlerdir. Fiziksel aktiviteyi artırmanın yalnızca C2’de nüksü önlediği veya kilo vermenin yalnızca C3’te klinik yarar sağladığı kanıtlanmamıştır.

Çalışmanın en önemli klinik mesajı, serum üratın gut tedavisindeki merkezi önemini reddetmek değil, tek başına yeterli bir hasta profili oluşturmadığını göstermektir. C2’de ürat kontrolü ve nüks önleme öncelikli olabilirken C3’te böbrek işlevi, kalp-damar hastalıkları, frajilite, vücut kompozisyonu, ilaç güvenliği ve ölüm riskinin daha geniş bir çerçevede değerlendirilmesi gerekebilir.

Ancak çalışma alt gruba özel bir tedavinin yararını test etmemiştir. C1, C2 veya C3 sınıflamasına göre tedavi verilen hastalarla standart bakım alan hastalar karşılaştırılmamıştır. Bu nedenle sonuçlar hazır bir klinik karar sistemi veya alt gruba özel tedavi kılavuzu olarak kullanılamaz.

Detaylı Açıklama

Gut yalnızca yüksek ürik asitten mi ibarettir?

Gut, monosodyum ürat kristallerinin eklem ve çevre dokularda birikmesiyle ilişkili inflamatuvar bir artrit türüdür. Serum ürat düzeyi kristal oluşumunun ve tedavi hedefinin merkezindedir. Ürat düşürücü tedavide belirlenen hedeflere ulaşmak, kristal yükünü azaltmak ve gelecekteki atakları önlemek açısından temel yaklaşımdır.

Bununla birlikte serum ürat aynı olan her hastanın klinik seyri aynı değildir. Bunun birkaç nedeni olabilir:

• Kristal yükünün süresi ve dokulardaki dağılımı farklı olabilir.
• Böbreklerin üratı uzaklaştırma kapasitesi değişebilir.
• Obezite ve metabolik sendrom inflamasyonu etkileyebilir.
• Bağışıklık hücrelerinin kristallere verdiği yanıt kişiden kişiye değişebilir.
• Yaş, frajilite, beslenme rezervi ve eşlik eden hastalıklar genel riski değiştirebilir.
• İlaç kullanımı, tedaviye uyum ve sağlık hizmetine erişim farklı olabilir.

Bu çalışma, gut hastalığındaki çeşitliliğin en az iki ana eksende değerlendirilebileceğini ileri sürmektedir:

• Nüks eğilimi: Yeni gut kayıtlarının veya atakların ortaya çıkma olasılığı.
• Sistemik kırılganlık: Hastaneye yatış, çoklu eş hastalık ve ölüm gibi daha geniş sağlık sonuçlarına yatkınlık.

C2 birinci eksende, C3 ise ikinci eksende daha belirgin görünmektedir.

Rutin veriye dayalı dijital fenotipleme nedir?

Fenotip, bir kişinin gözlenebilen klinik özelliklerinin bütünüdür. Dijital fenotipleme ise bu özelliklerin elektronik kayıtlar, sensörler veya sayısal veri kaynaklarından elde edilerek örüntülere dönüştürülmesidir.

Bu çalışmada kullanılan dijital fenotipleme yaklaşımı üç aşamadan oluşmaktadır:

1. Rutin laboratuvar değişkenlerinin ortak bir ölçekte hazırlanması,
2. Benzer laboratuvar profillerine sahip hastaların denetimsiz algoritmayla kümelenmesi,
3. Oluşan kümelerin klinik sonuçlar ve moleküler verilerle sonradan anlamlandırılması.

Bu yöntem, hekimin önceden “yüksek riskli hastalar şu özellikleri taşımalıdır” biçiminde kesin kurallar koymasından farklıdır. Algoritma önce verideki benzerlikleri bulur; araştırmacılar daha sonra kümelerin klinik anlamını değerlendirir.

Hangi veri kaynakları kullanıldı?

Çalışma, birbirinden önemli ölçüde farklı üç sağlık veri kaynağını birleştirmiştir.

Bu üç kaynağın kullanılması, modelin yalnızca tek bir sağlık sistemindeki örüntüyü öğrenme riskini azaltmayı amaçlamıştır. Ancak kohortlar aynı hasta türünü temsil etmemektedir. UK Biobank toplum tabanlı ve gönüllü katılımcılardan oluşurken GoutRe uzman hastanelerde tedavi gören hastaları, MIMIC-IV ise hastaneye yatırılmış ve daha akut sağlık sorunları bulunan kişileri içerir.

Katılımcı akışı ne gösteriyor?

UK Biobank’ta 503.317 katılımcı arasından farklı kaynaklarda gut göstergesi bulunan 10.911 kişi belirlenmiştir. Hematolojik malignitesi bulunan 312 kişi çıkarıldıktan sonra 10.599 kişilik keşif kohortu oluşturulmuştur.

GoutRe’de altı merkezden taranan 27.602 hastanın 17.547’si; eşlik eden, antiinflamatuvar tedavi gerektiren romatolojik hastalıklar veya üç günden kısa hastane yatışı gibi ölçütlerle dışlanmıştır. Kalan 10.055 kişiden altı gerekli değişkeni eksik olan 1.438 kişi çıkarılmış ve 8.617 kişi analize alınmıştır.

MIMIC-IV’de gutla ilişkili tanı kodu bulunan 18.946 kişinin 12.471’i benzer klinik dışlama ölçütleriyle çıkarılmıştır. Kalan 6.475 kişinin 4.456’sında gerekli değişkenler eksik olduğu için nihai örneklem 2.019 kişiye düşmüştür.

Özellikle MIMIC-IV’de uygun görülen hastaların yaklaşık üçte ikisinin gerekli değişken eksikliği nedeniyle çıkarılması önemli bir seçilim kaynağıdır. Analize kalan hastalar, laboratuvar verileri eksik olan hastalardan sağlık durumu veya tedavi yoğunluğu bakımından farklı olabilir.

Gut tanımı kohortlarda aynı mıydı?

Hayır. UK Biobank’ta gut; kişinin kendi bildirimi, birinci basamak tanıları, hastane tanıları ve reçete kayıtlarının birleştirildiği algoritmayla belirlenmiştir.

GoutRe katılımcıları 2015 ACR/EULAR gut sınıflandırma ölçütlerini karşılamıştır. MIMIC-IV kohortu ise gutla ilişkili ICD tanı kodları ve klinik bilgilerden oluşturulmuştur.

Farklı tanımlamalar dış dünyadaki çeşitliliği yansıtarak taşınabilirlik değerlendirmesine katkıda bulunabilir. Buna karşılık hastaların aynı tanısal kesinlikle tanımlanmadığı ve yanlış sınıflandırma olasılığının kohortlar arasında farklı olabileceği anlamına da gelir.

Başlangıç ölçümleri neden tam olarak karşılaştırılabilir olmayabilir?

UK Biobank’ta kümeleme değişkenleri başlangıç değerlendirmesinden veya sonuçtan önceki en yakın kayıttan alınmıştır. GoutRe ve MIMIC-IV’de ise ilk uygun hastane yatışındaki erken laboratuvar ölçümleri kullanılmıştır.

Hastaneye yatış sırasında:

• Akut inflamasyon,
• Sıvı kaybı veya fazla sıvı verilmesi,
• Enfeksiyon,
• İlaçlar,
• Böbrek işlevindeki geçici değişimler laboratuvar değerlerini etkileyebilir.

Bu nedenle dış kohortlardaki laboratuvar profilleri toplum tabanlı UK Biobank ölçümleriyle biyolojik olarak tamamen aynı koşullarda alınmamıştır.

Neden yalnızca altı değişken seçildi?

Araştırmacılar başlangıçta 40’tan fazla değişken değerlendirmiştir. Ancak klinik bir sistemin farklı hastanelere taşınabilmesi için kullanılan ölçümlerin bütün merkezlerde bulunması ve benzer biçimde tanımlanabilmesi gerekir.

Altı değişkenin seçilmesinde şu ölçütler kullanılmıştır:

• Üç kohortta bulunabilirlik,
• Ölçüm ve birimlerin uyumlaştırılabilir olması,
• Eksik veri düzeyinin kabul edilebilir olması,
• Hekimler tarafından yorumlanabilir olması.

Bu seçim pratikliği artırmıştır. Ancak CRP, böbrek işlevi göstergeleri, beden kitle indeksi veya tedavi bilgileri gibi klinik açıdan önemli başka değişkenlerin kümelerin oluşturulmasında doğrudan kullanılmaması, hastalığın bütün boyutlarının modele girmediği anlamına gelir.

Altı değişken neyi temsil ediyor?

Bu değişkenlerin hiçbiri tek başına C1, C2 veya C3 tanısını oluşturmaz. Alt grup, altı değerin birlikte oluşturduğu çok boyutlu örüntüden elde edilir.

Veriler nasıl standartlaştırıldı?

Farklı laboratuvar ölçümleri farklı birim ve büyüklüklerde olduğu için doğrudan karşılaştırılamaz. Örneğin serum ürat yüzlerce µmol/L düzeyinde olabilirken hematokrit oran veya yüzde olarak kaydedilebilir.

Çalışmanın yöntemini açıklamak amacıyla standartlaştırma şu temel ilişkiyle ifade edilebilir:

\[ z = \frac{x-\mu_{UKB}}{\sigma_{UKB}} \]

Burada:

• x, hastanın ölçümünü,
• μ_UKB, UK Biobank keşif kohortundaki ortalamayı,
• σ_UKB, UK Biobank’taki standart sapmayı,
• z, ölçümün keşif kohortuna göre ne kadar yüksek veya düşük olduğunu gösterir.

GoutRe ve MIMIC-IV verileri de UK Biobank’tan elde edilen aynı dönüşüm parametreleriyle standartlaştırılmıştır. Dış kohortların kendi ortalama ve standart sapmalarına göre yeniden ölçekleme yapılmamıştır. Bu yaklaşım, keşif sisteminin dış ortamda aynen uygulanmasını amaçlamaktadır.

Denetimsiz kümeleme nasıl yapıldı?

Araştırmacılar k=2 ile k=10 arasında farklı küme sayıları değerlendirmiştir. K-means, medoid çevresinde bölümleme ve hiyerarşik kümeleme yöntemleri karşılaştırılmıştır.

Üç kümeli K-means çözümü şu ölçütlerin ortak değerlendirmesiyle seçilmiştir:

• Kümeler içindeki dağılım,
• Ortalama siluet genişliği,
• Bootstrap yeniden örneklemeyle küme kararlılığı,
• Modelin sadeliği,
• Dış kohortlarda klinik olarak yorumlanabilir olması.

K-means yönteminin açıklama amacıyla kullanılan temel hedefi şöyledir:

\[ \underset{C_1,\ldots,C_K}{\operatorname{min}}\sum_{k=1}^{K}\sum_{i \in C_k}\lVert x_i-\mu_k\rVert^2 \]

Burada:

• K, küme sayısını,
• C_k, k numaralı kümeyi,
• x_i, hastanın altı değişkenli profilini,
• μ_k, kümenin merkez noktasını ifade eder.

Algoritma, her hastayı kendi küme merkezine mümkün olduğunca yakın olacak biçimde gruplandırır. Bu formül çalışmada açıkça yazılmamış; kullanılan yöntemin mantığını açıklamak için eklenmiştir.

K-means yönteminin sınırlılıkları nelerdir?

K-means:

• Ölçeklendirmeye duyarlıdır.
• Uç değerlerden etkilenebilir.
• Kümelerin yaklaşık küresel ve benzer yayılıma sahip olduğunu varsayma eğilimindedir.
• Başlangıç merkezlerine göre farklı çözümler üretebilir.
• Gerçekte kesintisiz bir biyolojik spektrumu yapay sınırlarla gruplara ayırabilir.

Araştırmacıların alternatif kümeleme yöntemlerini, farklı küme sayılarını ve bootstrap kararlılığını değerlendirmesi bu sorunları azaltmaya çalışmıştır; ancak kümelerin doğada birbirinden kesin çizgilerle ayrılan hastalık türleri olduğunu kanıtlamaz.

C1: Düşük yük ve korunmuş rezerv alt grubu

C1, UK Biobank’ta 3.270 kişiyi ve keşif kohortunun %30,9’unu oluşturmuştur.

Alt grup, kümeleme sonrasındaki klinik karakterizasyonda:

• Görece korunmuş lenfosit ve globulin profili,
• Düşük inflamatuvar sapma,
• Düşük metabolik yük,
• Görece daha düşük genel klinik risk ile ilişkilendirilmiştir.

C1 “risksiz gut” anlamına gelmemektedir. UK Biobank’ta on yıllık nüks oranı yine %19,2’dir. Grup, diğer iki alt tipi yorumlamak için daha düşük yük taşıyan referans durumu temsil etmektedir.

C2: Ürat-metabolik inflamatuvar alt grup

C2, UK Biobank’ta 3.710 kişiyle keşif kohortunun %35,0’ını oluşturmuştur.

Altı değişkene dayalı kümeleme sonrasında yapılan geniş karakterizasyonda C2:

• En yüksek serum ürat,
• Daha yüksek beden kitle indeksi,
• Daha yüksek kreatinin,
• Renal-metabolik stres,
• Kardiyometabolik yük,
• İnflamatuvar proteinler,
• Aterojenik lipoprotein profiliyle ilişkilendirilmiştir.

Beden kitle indeksi ve kreatinin kümeleme için kullanılan altı değişken arasında değildir. Bunlar C2 oluşturulduktan sonra yapılan fenotipik değerlendirmede ortaya çıkan özelliklerdir. Dolayısıyla C2’nin adı yalnızca algoritmaya giren değişkenlerden değil, sonradan görülen daha geniş klinik örüntüden türetilmiştir.

C2 üç kohortta da en yüksek nüks oranına sahip alt gruptur.

C3: Yaşlanmayla ilişkili sistemik kırılganlık alt grubu

C3, UK Biobank’ta 3.619 kişiyle keşif kohortunun %34,1’ini oluşturmuştur.

Kümeleme sonrasındaki karakterizasyonda C3:

• Daha ileri yaş,
• Eritrosit indekslerinde belirgin sapma,
• Lenfosit bileşiminde farklılık,
• Sistemik inflamasyon,
• Frailty ve doku kırılganlığıyla ilişkili özelliklerle tanımlanmıştır.

Yaş da kümeleme değişkenlerinden biri değildir. C3’ün daha yaşlı bir grup olduğu sonradan yapılan klinik karşılaştırmada görülmüştür.

C3’ün önemli özelliği nüks sayısından çok, daha geniş sistemik risk yüküdür. Bu durum gutun yalnızca eklem atakları üzerinden değerlendirilmesinin bazı kırılgan hastaları düşük riskli gösterebileceğini düşündürmektedir.

Alt grupların dağılımı dış kohortlarda aynı mıydı?

Hayır. Alt grup oranları sağlık ortamına göre belirgin biçimde değişmiştir.

Bu farklılık, alt grupların toplumda sabit oranlara sahip olmadığını göstermektedir. Coğrafya, yaş dağılımı, hastaneye yatış ölçütleri, laboratuvar uygulamaları ve seçilim süreçleri grup oranlarını değiştirebilir.

Taşınabilirlik iddiası alt grup yüzdelerinin aynı çıkmasına değil, C2’nin ürat-metabolik; C3’ün ise yaşlanma ve sistemik kırılganlık profillerini dış kohortlarda büyük ölçüde korumasına dayanmaktadır.

Dış kohortlara atama nasıl yapıldı?

GoutRe ve MIMIC-IV hastaları sıfırdan yeniden kümelenmemiştir. Her hasta, UK Biobank’ta bulunan üç küme merkezinden kendisine en yakın olana atanmıştır.

Yöntemin açıklama amacıyla kullanılan temel ilişkisi şöyledir:

\[ C^{*}=\underset{c \in \{C1,C2,C3\}}{\operatorname{argmin}}\lVert z-\mu_c\rVert \]

Burada:

• z, dış kohorttaki hastanın UK Biobank ölçüsüne göre standartlaştırılmış profilini,
• μ_c, UK Biobank’ta elde edilen küme merkezini,
• C*, hastanın atandığı en yakın alt grubu gösterir.

Bu yaklaşım keşif sınıflamasının başka kohortlarda uygulanabilirliğini sınar. Ancak dış veri üzerinde üç benzer kümenin tamamen bağımsız biçimde yeniden keşfedildiğini kanıtlamaz. “Dış değerlendirme” ile “bağımsız yeniden keşif” arasındaki bu fark önemlidir.

Nüks nasıl tanımlandı?

Birincil uzun dönem sonucu, izlem sırasında en az bir uygun gut nüks kaydının bulunmasıdır.

Çalışmada kullanılan hesaplama mantığı şu şekilde ifade edilebilir:

\[ Nüks\ oranı = \frac{En\ az\ bir\ uygun\ nüks\ kaydı\ bulunan\ kişi\ sayısı}{Alt\ gruptaki\ toplam\ kişi\ sayısı}\times100 \]

UK Biobank için oranlar on yıllık takip penceresinde hesaplanmıştır. Kaplan-Meier analizlerinde ilk nüks tarihi olay zamanı olarak kullanılmıştır.

Bu sonuç:

• Bir hastanın kaç kez atak geçirdiğini,
• Atakların ne kadar şiddetli olduğunu,
• Atakların hekim tarafından doğrulanıp doğrulanmadığını,
• Evde tedavi edilen ve kayıtlara girmeyen atakları tam olarak göstermez.

Sağlık hizmetini daha sık kullanan hastaların nüks kaydı alma olasılığı da daha yüksek olabilir.

Nüks oranları ne gösterdi?

UK Biobank’ta C2 ile C1 arasındaki mutlak fark 15,3 yüzde puandır. C2’deki nüks oranı C1’in yaklaşık 1,8 katıdır. Bu ikinci değer, bildirilen yüzdelerden hesaplanan açıklayıcı bir orandır; çalışmada ayrı bir etki ölçüsü olarak verilmemiştir.

Nüks ile ölüm arasındaki rekabet eden risk sorunu

Nüks gerçekleşmeden ölen kişiler, ölüm tarihinde sansürlenmiştir. Ölüm bir rekabet eden olay olarak modellenmemiştir.

Bu yöntem, ölümün nüks olasılığından bağımsız olduğu varsayımına dayanabilir. Ancak C3 grubunda ölüm daha yüksek görünmektedir. Bir hasta nüks gelişmeden ölürse gelecekte nüks yaşayamaz.

Bu nedenle C3’teki daha düşük nüks oranının bir bölümü:

• Gerçekten daha düşük gut nüksü,
• Daha kısa sağkalım süresi,
• Nüks kaydı oluşmadan önce ölüm,
• Sağlık hizmeti kullanım biçimindeki farklılıkların bileşiminden kaynaklanabilir.

Fine-Gray gibi rekabet eden risk modelleri kullanılmadan C2 ile C3 arasındaki nüks farkının ölümden tamamen bağımsız olduğu kesinleştirilemez.

C3’te hangi eş hastalıklar öne çıktı?

Şekil 3’teki olay analizleri C3’ün çok sayıda sistemde daha geniş hastalık yükü taşıdığını göstermektedir. İncelenen alanlar arasında:

• Kalp-damar hastalıkları,
• Böbrek hastalıkları,
• Otoimmün hastalıklar,
• Sindirim sistemi hastalıkları,
• Solunum sistemi hastalıkları,
• Kas-iskelet sistemi hastalıkları bulunmaktadır.

Bu örüntü, C3’ün yalnızca “daha yaşlı hasta grubu” değil, birden fazla fizyolojik sistemde rezerv kaybı gösterebilen bir klinik profil olduğunu düşündürmektedir. Ancak yaşın ve başlangıçtaki eş hastalıkların etkisinin tamamının ortadan kaldırıldığı söylenemez.

Ağır gut ilişkili hastane yatışındaki tutarsızlık

Çalışmanın anlatı metni C3’ü en yüksek ağır gut ilişkili yatış yüküne sahip grup olarak tanımlar. Buna karşılık Şekil 3G’de:

• C1: %1,3,
• C2: %2,9,
• C3: %1,5 olarak gösterilmiştir.

Grafik doğruysa en yüksek oran C2’dedir. Metin doğruysa grafikte etiketleme veya değer hatası olabilir. Çalışmanın yayımlanmış nihai sürümünde bu uyuşmazlığın açıklanması gerekir.

Genomik analizler ne ekledi?

Kümeler rutin laboratuvar verileriyle oluşturulmuş olsa da araştırmacılar daha sonra her alt grubu gut bulunmayan UK Biobank kontrolleriyle karşılaştıran genom çapında ilişkilendirme analizleri yapmıştır.

C2’de öne çıkan ürat taşıyıcı gen bölgeleri şunlardır:

• ABCG2,
• SLC2A9,
• SLC22A11,
• SLC22A12.

Bu genler üratın bağırsak veya böbrekler yoluyla taşınması ve vücuttan uzaklaştırılmasıyla ilişkilidir. C2’deki genetik örüntü, grubun yüksek ürat ve nüks eğilimli klinik profiliyle biyolojik olarak uyumludur.

C3’te ise:

• Hücresel yaşlanma,
• DNA hasar yanıtı,
• Kromatin yeniden düzenlenmesi,
• Doku yenilenme kapasitesi,
• Sistemik kırılganlıkla ilişkili yollar öne çıkmıştır.

Kalıtılabilirlik sonuçları

Bu değerler gözlenen ölçekte ve çalışma örneklemindeki alt grup prevalanslarına göre hesaplanmıştır. “C3 hastalığın %1,31’inin genetik olduğu” biçiminde doğrudan yorumlanmamalıdır. Kalıtılabilirlik, belirli bir popülasyondaki fenotip değişkenliğinin genetik varyasyonla ilişkilendirilen bölümüne yönelik istatistiksel bir tahmindir.

Poligenik risk skorları ne gösterdi?

Serum ürat için oluşturulan poligenik risk skoru, üç alt grupta da ölçülen serum üratla genel olarak benzer yönde ilişkiliydi. Ancak genetik riskin nüks sonucuna yansıması alt gruplara göre farklılaşmıştır.

C3’te beden kitle indeksiyle ilişkili genetik riskin nüks ve ölümle ilişkisi frajilite düzeyi arttıkça güçlenmiştir. Bu bulgu, aynı genetik yatkınlığın klinik sonucunun kişinin fizyolojik rezervine bağlı olarak değişebileceğini düşündürmektedir.

Bu analizler gözlemseldir ve poligenik risk skorunun bireysel hasta tedavisinde kullanılmasını doğrulamamaktadır.

Proteomik sonuçlar: C2

C2’de daha yüksek bulunan proteinler arasında:

• NPL,
• PARP1,
• ELOA,
• TNFSF10,
• S100A12 bulunmaktadır.

Yolak analizleri C2’de:

• Miyeloid hücre aktivasyonu,
• Granülosit farklılaşması,
• İnflamatuvar yanıt,
• Pıhtılaşma ve koagülasyonla ilişkili programların güçlendiğini göstermiştir.

Bu bulgular, C2’nin tekrarlayan gut ve kardiyometabolik yükle ilişkili inflamatuvar bir durum olarak yorumlanmasına biyolojik destek sağlamaktadır.

Metabolomik sonuçlar: C2

C2’de VLDL, IDL ve LDL parçacıklarının aterojenik alt sınıfları daha yüksek bulunmuştur. Bu örüntü, gut ile dislipidemi ve kalp-damar riski arasındaki ilişkinin C2’de daha belirgin bir metabolik eksen oluşturabileceğini düşündürmektedir.

C2 içinde bazı VLDL ilişkili metabolitler ve inflamatuvar proteinler nüksle ilişkili bulunmuştur. IL1RN ise nüksle ters yönlü bir ilişki göstermiştir.

Araştırmacılar metabolitlerden bileşik bir skor oluşturmuş ve üç yıllık nüksü ayırma kapasitesini keşif amaçlı değerlendirmiştir. Bu skor bağımsız klinik doğrulamadan geçmemiştir.

Proteomik ve metabolomik sonuçlar: C3

C3’te öne çıkan proteinler arasında:

• BPIFB1,
• SPOCK1,
• PVR,
• ACE2 bulunmaktadır.

Metabolomik analizler fosfolipit ve HDL yeniden şekillenmesine işaret etmiştir. Ayrıca:

• Oksidatif metabolizma,
• Detoksifikasyon,
• Küçük molekül katabolizması,
• Doku stresi ve yeniden yapılanma programlarıyla ilişkiler bildirilmiştir.

C3 içindeki beş yıllık ölüm riskini değerlendiren keşif skorlarında PVR ve ACE2 gibi proteinler ile fosfolipit alt fraksiyonları öne çıkmıştır. Bu analizler de klinik kullanıma hazır biyobelirteçler değildir.

Çoklu omik sonuçlar neden önemlidir?

Yalnızca rutin kan testlerinden oluşan kümeler, biyolojik anlam taşımayan matematiksel bölmeler olabilir. Araştırmacılar bu olasılığı azaltmak için kümeleri daha sonra genetik, protein ve metabolit verileriyle karşılaştırmıştır.

C2’nin ürat taşınması, metabolik inflamasyon ve aterojenik lipoproteinlerle; C3’ün yaşlanma, doku stresi ve fosfolipit yeniden yapılanmasıyla ilişkilendirilmesi, klinik kümelerin farklı biyolojik eksenlere bağlanabileceğini düşündürmektedir.

Bununla birlikte çoklu omik analizlerin büyük bölümü yalnızca UK Biobank’ın bu verilerin bulunduğu alt örneklemlerinde yapılmıştır. Sonuçların GoutRe ve MIMIC-IV’de moleküler düzeyde tekrarlandığı gösterilmemiştir.

Altı değişkenli karar ağacı nasıl çalışıyor?

Kümeleme yöntemi klinik uygulamada her hasta için hesaplama gerektirebilir. Araştırmacılar bu nedenle ham laboratuvar değerlerinden başlayarak C1, C2 veya C3 olasılığına götüren bir karar ağacı geliştirmiştir.

Karar ağacında kullanılan değişkenler:

• Serum ürat,
• MCV,
• MCH,
• Hematokrit,
• Lenfosit yüzdesi,
• Globulindir.

Değişken önem sıralamasında serum ürat, MCV ve MCH en güçlü belirleyiciler olarak görünmektedir. Karar ağacının bazı dallarında yüksek serum ürat ve eritrosit indekslerinin sınırlı sapması C2’ye; belirgin eritrosit indeks sapması ve inflamatuvar özellikler C3’e yönelmektedir.

AUC sonuçları nasıl yorumlanmalıdır?

Bu AUC değerleri “bir alt grup ile diğer bütün grupları ayırma” performansıdır. Örneğin C2 AUC’si, karar ağacının C2 olarak kümelenmiş hastalarla C1 ve C3 hastalarını ayırma kapasitesini gösterir.

Bu değerler:

• Gut nüksünün AUC’si değildir.
• Ölüm riskinin AUC’si değildir.
• Tedavi yanıtını tahmin etmez.
• Karar ağacının klinik yarar sağladığını kanıtlamaz.

Modelin kullanım öncesinde kalibrasyon, karar eğrisi, yaş-cinsiyet-etnik köken alt grupları ve gerçek zamanlı klinik iş akışı açısından değerlendirilmesi gerekmektedir.

Şekil 7’deki web uygulaması neyi gösteriyor?

Çalışmada, altı laboratuvar değişkeni girildiğinde C1, C2 ve C3 olasılıklarını gösteren örnek bir web arayüzü sunulmuştur.

Bu arayüz gerçek klinik kullanım için doğrulanmış bir tıbbi cihaz değildir. Araştırmacılar da uygulamayı gelecekte iş akışı değerlendirmesinde kullanılabilecek prototip olarak tanımlamıştır.

Arayüzün görsel olarak sunulması:

• Sonucun hekim tarafından anlaşılır gösterilebileceğini,
• Kara kutu olmayan bir sınıflandırma hedeflendiğini,
• Rutin testlerden hasta profili üretmenin teknik olarak mümkün olabileceğini göstermektedir.

Ancak prototipin hasta yönetimini iyileştirdiği gösterilmemiştir.

Yaşam tarzı analizleri ne söylüyor?

Yaşam tarzı analizlerinde beslenme, fiziksel aktivite, sedanter davranış, obezite ve vücut kompozisyonu ölçümleri alt gruplara göre incelenmiştir.

C2’de fiziksel aktivite düzeyleriyle nüks yükü arasında daha belirgin gradyanlar görülmüştür. Bu durum, ürat-metabolik inflamatuvar profilde hareket, metabolik sağlık ve nüksün bağlantılı olabileceğini düşündürmektedir.

C3’te:

• Beden kitle indeksi,
• Bel çevresi,
• Vücut yağ oranı,
• Kalça çevresi,
• Gövde ve bacak yağ kütlesi gibi vücut kompozisyonu göstergeleri daha belirgin ilişkiler göstermiştir.

Bu sonuçlar C3’te yalnızca serum üratı düşürmeye değil, frajilite, kas-yağ dağılımı ve genel metabolik rezervi değerlendirmeye yönelik çalışmaların gerekli olabileceğini düşündürmektedir.

Yaşam tarzı bulgularında neden nedensellik kurulamıyor?

Fiziksel aktivite ve vücut kompozisyonu randomize edilmemiştir. Daha sağlıklı kişiler daha fazla hareket ediyor olabilir; sık atak yaşayan kişiler ağrı nedeniyle daha az hareket ediyor olabilir.

Benzer biçimde obezite:

• Sistemik inflamasyonu artırabilir,
• Hareket kapasitesini azaltabilir,
• Eş hastalıkların sonucu veya nedeni olabilir,
• Kullanılan ilaçlardan etkilenebilir.

Bu nedenle analizler, alt gruba göre yaşam tarzı müdahalesi seçilmesi için hazır kanıt değil, gelecekteki kontrollü araştırmalar için hipotez üretmektedir.

Çalışmanın önerdiği gelecekteki bakım öncelikleri

Bu tabloda yer alan yaklaşımlar tedavide kanıtlanmış alt grup kuralları değildir. Araştırmacıların gelecekte prospektif olarak test edilmesini önerdiği yönetim hipotezleridir.

Çalışmanın güçlü yönleri

• Toplam 21.235 gut hastasından oluşan geniş bir örneklem kullanılmıştır.
• Toplum tabanlı, çok merkezli hastane tabanlı ve yatan hasta kohortları birlikte değerlendirilmiştir.
• Sonuç ve moleküler veriler kümeleme sırasında kullanılmamıştır.
• Değişkenler rutin klinik uygulamada yaygın olarak bulunabilmektedir.
• Üç kohortta aynı standardizasyon ve eşleme kuralları uygulanmıştır.
• K-means dışında alternatif kümeleme yöntemleri de karşılaştırılmıştır.
• Küme sayısı için parsimoni, ayrışma ve bootstrap kararlılığı değerlendirilmiştir.
• Alt gruplar nüks, sağlık hizmeti kullanımı, eş hastalık ve ölüm bakımından incelenmiştir.
• Genetik, proteomik ve metabolomik analizlerle biyolojik dayanak aranmıştır.
• Karar ağacıyla daha şeffaf bir klinik sınıflandırma yaklaşımı geliştirilmiştir.
• İç ve iki dış kohortta küme etiketi ayırma performansı değerlendirilmiştir.
• Yaşam tarzı ve vücut kompozisyonu araştırma hipotezleri alt gruplara göre incelenmiştir.
• Çalışmanın gözlemsel ve hipotez üretici sınırları metinde büyük ölçüde kabul edilmiştir.
• Raporlama için STROBE ve TRIPOD+AI ilkeleri dikkate alınmıştır.

Çalışmanın sınırlılıkları

• Hakem değerlendirmesi yoktur: Çalışma henüz hakemlikten geçmemiş bir preprinttir.
• Gözlemsel tasarım: Alt gruplarla sonuçlar arasındaki ilişkiler nedensellik göstermez.
• Kohort tanımları farklıdır: Gut UK Biobank, GoutRe ve MIMIC-IV’de aynı yöntemle belirlenmemiştir.
• Ölçüm zamanları farklıdır: UK Biobank toplum başlangıç ölçümlerini, dış kohortlar hastane yatışındaki ölçümleri kullanmıştır.
• Akut hastalık etkisi: Hastane sırasında alınan laboratuvar değerleri geçici inflamasyon ve sıvı değişimlerinden etkilenmiş olabilir.
• Yüksek eksik veri dışlaması: Özellikle MIMIC-IV’de çok sayıda hasta gerekli değişken eksikliği nedeniyle çıkarılmıştır.
• Yalnızca altı değişken: Model pratik olmakla birlikte gut biyolojisinin bütün belirleyicilerini içermez.
• Küme sınırları yapay olabilir: Hastalık aslında kesintisiz bir spektrum gösterebilir.
• Dış değerlendirme bağımsız yeniden kümeleme değildir: Hastalar UK Biobank merkezlerine en yakın profile atanmıştır.
• Alt grup prevalansları değişkendir: C1, C2 ve C3 oranları sağlık ortamına göre büyük farklılık göstermiştir.
• Nüks kayıt tabanlıdır: Kayıtlara girmeyen ataklar ve sağlık hizmeti kullanım farklılıkları sonucu etkileyebilir.
• Ölüm rekabet eden risk olarak modellenmemiştir: Özellikle C3’teki nüks oranı daha yüksek ölümden etkilenmiş olabilir.
• Ağır yatış raporlaması tutarsızdır: Metin C3’ü, Şekil 3G ise C2’yi en yüksek grup olarak göstermektedir.
• Çoklu omik veriler sınırlı alt örneklemlerdedir: Bütün katılımcılar için moleküler veri bulunmamaktadır.
• Moleküler doğrulama dış kohortlarda yapılmamıştır: Omik ilişkiler esas olarak UK Biobank’a dayanmaktadır.
• Karar ağacı küme etiketini tahmin eder: Doğrudan nüks veya ölüm tahmin modeli değildir.
• Kalibrasyon eksiktir: AUC yüksek olsa da olasılık tahminlerinin klinik doğruluğu henüz gösterilmemiştir.
• Karar eğrisi yoktur: Modelin klinik karar açısından net yararı değerlendirilmemiştir.
• Alt grup adaleti değerlendirilmemiştir: Yaş, cinsiyet, etnik köken ve farklı laboratuvar sistemlerinde performans ayrıntılı incelenmemiştir.
• Yaşam tarzı analizleri keşif amaçlıdır: Alt gruba özgü müdahale etkisi gösterilmemiştir.
• Tedavi geçmişleri sınırlı değerlendirilmiştir: Ürat düşürücü tedavinin süresi, dozu ve hedefe ulaşma durumu kümeleri ve sonuçları etkileyebilir.
• Tek ölçümle sınıflama: Laboratuvar değerlerinin zaman içindeki değişimi veya hastanın bir alt gruptan diğerine geçişi incelenmemiştir.
• Kod deposu henüz yayımlanmamıştır: Kodun yayımdan önce kamuya açılacağı belirtilmiş, mevcut metinde kalıcı depo bağlantısı verilmemiştir.

Çalışma ne söylüyor?

• Rutin laboratuvar verileri gut hastalarını üç klinik profile ayırabilmektedir.
• Üç alt grup yalnızca serum ürat düzeyinin sıralanmasından oluşmamaktadır.
• C1 daha düşük yük ve korunmuş rezerv durumunu temsil etmektedir.
• C2 ürat-metabolik inflamatuvar ve nüks eğilimli profildir.
• C3 yaşlanma ve sistemik kırılganlıkla ilişkili profildir.
• C2 üç kohortta da en yüksek nüks oranını göstermiştir.
• C3 daha düşük nükse rağmen daha geniş eş hastalık ve ölüm yükü gösterebilir.
• C2’nin biyolojik profili ürat taşıyıcı genler, inflamasyon ve aterojenik lipoproteinlerle ilişkilidir.
• C3’ün biyolojik profili hücresel yaşlanma, doku stresi ve fosfolipit yeniden şekillenmesiyle ilişkilidir.
• Altı değişkenli karar ağacı küme etiketlerini farklı kohortlarda yüksek AUC ile ayırabilmiştir.
• Fiziksel aktivite C2, obezite ve vücut kompozisyonu C3 için araştırılabilecek yönetim alanlarıdır.
• Gut risk değerlendirmesi atak sayısının yanında genel sistemik kırılganlığı da dikkate almalıdır.

Çalışma ne söylemiyor?

• C1, C2 ve C3’ün kesin ve değişmez biyolojik hastalık türleri olduğunu kanıtlamamaktadır.
• Serum üratın tedavideki önemini azaltmamaktadır.
• C2 hastalarının tamamının sık nüks yaşayacağını göstermemektedir.
• C3 hastalarının tamamının erken öleceğini göstermemektedir.
• Alt gruplardan birinin diğerinden genel anlamda daha ağır olduğunu söylememektedir.
• Karar ağacının nüksü %90’ın üzerinde doğrulukla tahmin ettiğini göstermemektedir.
• Web uygulamasının klinik kullanıma hazır olduğunu göstermemektedir.
• C2’de egzersizin nüksü kesin olarak azalttığını kanıtlamamaktadır.
• C3’te kilo vermenin ölüm riskini azalttığını kanıtlamamaktadır.
• Alt gruba göre ilaç seçmenin standart tedaviden daha iyi sonuç verdiğini göstermemektedir.
• Bu sınıflandırmanın hekim değerlendirmesinin yerine geçebileceğini göstermemektedir.
• Farklı ülkelerde aynı eşiklerle doğrudan kullanılabileceğini kanıtlamamaktadır.

Çalışmanın Yöntemi ve Bulguları

Teknik çalışma akışı

Üç alt grubun teknik karşılaştırması

Nüks ve ölüm örüntülerinin özeti

Karar ağacının dış değerlendirme sonuçları

Bu performans değerleri klinik sonuçların değil, kümelenmeyle oluşturulan alt grup etiketlerinin sınıflandırılmasına aittir.

İstatistiksel yöntemlerin özeti

• Sürekli değişkenler uygunluğa göre varyans analizi veya Kruskal-Wallis testiyle karşılaştırılmıştır.
• Kategorik değişkenler ki-kare veya Fisher kesin testiyle değerlendirilmiştir.
• Nükse kadar geçen süre Kaplan-Meier eğrileri ve log-rank testiyle incelenmiştir.
• Orantısal hazard koşullarının uygun olduğu analizlerde Cox regresyonu kullanılmıştır.
• Tüm nedenlere bağlı ölüm ayrı Kaplan-Meier ve Cox analizleriyle değerlendirilmiştir.
• Çoklu testlerde Benjamini-Hochberg yanlış keşif oranı düzeltmesi uygulanmıştır.
• İki taraflı P<0,05 istatistiksel anlamlılık sınırı olarak kullanılmıştır.

Cox modelinin temel mantığı, yöntemi açıklamak amacıyla şöyle gösterilebilir:

\[ h(t|X)=h_0(t)e^{\beta X} \]

Burada h(t|X) belirli özelliklere sahip hastanın t zamanındaki olay hızını, h₀(t) temel hazardı ve β klinik özelliklerin katsayılarını ifade eder. Bu formül makalede açık biçimde verilmemiş; kullanılan sağkalım analizini açıklamak için eklenmiştir.

Etik, veri erişimi ve finansman

UK Biobank çalışması North West Multi-centre Research Ethics Committee tarafından onaylanmış ve katılımcılardan yazılı bilgilendirilmiş onam alınmıştır. Araştırma UK Biobank 92668 numaralı başvuru kapsamında yürütülmüştür.

GoutRe çalışması katılımcı merkezlerin etik kurullarınca NFEC-2023-562, NFEC-2023-577, TY-ZKY2024-081-01, 202409-K3-0 ve PJ[2025]73 numaralarıyla onaylanmıştır. Kimliksizleştirilmiş retrospektif veriler kullanıldığı için yazılı onam gerekliliği kaldırılmıştır.

MIMIC-IV verileri PhysioNet veri kullanım sözleşmesi kapsamında yetkili kullanıcılar tarafından incelenmiştir. Veri tabanı erişimi 63866361 numaralı kayıt altında onaylanmıştır.

Araştırma Guangzhou Traditional Chinese Medicine Major Science and Technology Project, Çin Ulusal Doğa Bilimleri Vakfı ortak fonu ve China Postdoctoral Science Foundation tarafından desteklenmiştir. Fon sağlayıcıların tasarım, veri toplama, analiz, yorum, yazım veya yayımlama kararında rol almadığı bildirilmiştir.

Yazarlar çıkar çatışması beyan etmemiştir.

Kaynak ve Yöntem Notu

Bu içerik, Hui Zhang, Ruifeng Lin, Mingyang Jiang, Fei Zhong, Xiaoling Chen, Qingqing Zhang, Wenxia Lin, Jiani Liu, Danqi Xie, Tianfu Pang, Qingyun Li, Han Xiong, Siqi Zhang, Tao Wang, Chulan Li, Peiying Wang, Yiwen Liao, Junqing Zhu, Shixian Chen, Guichuan Lai, Yuying Zhang, Juan Li ve Meng Li tarafından hazırlanan “Routine-data digital phenotyping identifies externally transportable clinical subsets of gout: an observational discovery and external evaluation study” başlıklı araştırmaya dayanmaktadır.

Çalışma SSRN üzerinde sunulan, hakem değerlendirmesinden geçmemiş bir preprinttir. Metinde açıkça “This preprint research paper has not been peer reviewed” ifadesi bulunmaktadır. Bulgular, analizler ve yorumlar hakem değerlendirmesi veya sonraki sürümlerde değişebilir.

Araştırma randomize klinik deney değildir. UK Biobank, GoutRe ve MIMIC-IV sağlık kayıtlarının gözlemsel analizine; denetimsiz kümelemeye; dış kohortlara merkez tabanlı eşlemeye ve mevcut moleküler verilerin ikincil analizine dayanmaktadır.

C1, C2 ve C3 alt grupları klinik tanı kodları veya kabul edilmiş tıbbi hastalık sınıfları değildir. Çalışmada kullanılan altı rutin laboratuvar değişkeninin istatistiksel örüntülerinden elde edilen araştırma fenotipleridir.

Dış değerlendirme kohortlarındaki hastalar tamamen bağımsız biçimde yeniden kümelenmemiş, UK Biobank’ta bulunan küme merkezlerine en yakın profile göre atanmıştır. Dolayısıyla çalışma taşınabilirliğe ilişkin destek sunmakta, fakat aynı üç doğal alt grubun bütün toplumlarda bağımsız biçimde yeniden keşfedildiğini kanıtlamamaktadır.

Karar ağacının yüksek AUC değerleri C1, C2 ve C3 etiketlerini ayırma performansına aittir. Bu değerler nüks, ölüm veya tedavi yanıtı tahmin performansı değildir. Modelin kalibrasyonu, net klinik yararı ve gerçek iş akışındaki etkisi henüz gösterilmemiştir.

Nüks analizinde nüksten önce ölüm rekabet eden olay olarak modellenmemiş, hasta ölüm tarihinde sansürlenmiştir. C3’te ölümün daha yüksek olması nedeniyle bu grubun daha düşük görünen nüks oranı rekabet eden ölüm riskinden etkilenmiş olabilir.

Ağır gut ilişkili hastane yatışı konusunda çalışma metni ile Şekil 3G arasında iç tutarsızlık vardır. Metin C3’ü en yüksek grup olarak tanımlarken şekil C2 için %2,9, C3 için %1,5 göstermektedir. Bu konu açıklanmadan kesin alt grup yorumu yapılmamalıdır.

Genetik, proteomik ve metabolomik sonuçlar klinik alt gruplara biyolojik dayanak sağlamaktadır; ancak analizler ağırlıklı olarak UK Biobank’ın mevcut moleküler veriye sahip alt örneklemlerine dayanmaktadır. Bu moleküler imzalar bağımsız dış kohortlarda doğrulanmamıştır.

Yaşam tarzı ve vücut kompozisyonu analizleri keşif amaçlı ve gözlemseldir. Çalışma fiziksel aktivite, kilo kaybı, beslenme değişikliği veya alt gruba özel ilaç stratejisinin klinik yararını test etmemiştir.

Bu içerik yalnızca yüklenen çalışmanın metni, yöntemleri, tabloları, kohort akış şemaları, fenotip grafikleri, nüks ve ölüm eğrileri, genomik-proteomik-metabolomik analizleri, karar ağacı sonuçları, yaşam tarzı şekilleri ve sınırlılıkları temel alınarak hazırlanmıştır. PDF’de bulunmayan tedavi üstünlüğü, klinik kullanım garantisi, kesin bireysel risk veya nedensellik iddiası eklenmemiştir.