Ushbu tadqiqot diabetik buyrak kasalligi bo‘lgan bemorlarning ikki, besh va o‘n yil ichida gemodializ yoki peritoneal dializni boshlash xavfini elektron sog‘liqni saqlash yozuvlari va tushuntiriladigan mashinaviy o‘rganish yordamida bashorat qilishni maqsad qilgan. Ishlab chiqish kohortida 3.078 bemor baholangan; qaror daraxti, tasodifiy o‘rmon, tayanch vektor mashinasi, XGBoost, LightGBM va ko‘p qatlamli perseptron kabi oltita algoritm taqqoslangan. Eng yuqori umumiy natija XGBoost modelida olingan va ROC egri chizig‘i ostidagi maydon qiymatlari ikki, besh va o‘n yil uchun mos ravishda 0,9274, 0,9154 va 0,9095 deb xabar qilingan. Biroq tadqiqot retrospektiv shifoxona kohortiga asoslangan, taqrizdan o‘tmagan preprintdir; modelni muntazam klinik qaror vositasi sifatida qo‘llashdan oldin istiqbolli va yanada xilma-xil bemor guruhlarida tasdiqlash talab etiladi.

Yakuniy klinik model yetti o‘zgaruvchidan foydalangan: hisoblangan glomerulyar filtratsiya tezligi, siydik albumin/kreatinin nisbati, yurak-qon tomir kasalligi mavjudligi, gemoglobin, jins, yosh va diabet davomiyligi. Hisoblangan glomerulyar filtratsiya tezligi bilan siydik albumin/kreatinin nisbati barcha vaqt oralig‘ida eng kuchli ikki belgilovchi sifatida ajralib chiqqan. SHAP tahlillari modelga faqat xavf ballini ishlab chiqish emas, balki muayyan bemorda qaysi o‘zgaruvchilar bashorat qilingan xavfni oshirishi yoki kamaytirishini ko‘rsatish imkonini ham bergan.

Apolipoprotein B va apolipoprotein AI o‘lchovlari mavjud bo‘lgan 1.855 bemorlik ichki kichik guruhda ushbu ikki o‘zgaruvchi modelga qo‘shilganda ikki yillik AUC 0,923 dan 0,955 gacha, besh yillik AUC 0,905 dan 0,928 gacha va o‘n yillik AUC 0,904 dan 0,923 gacha oshgan. Ammo bu qo‘shimcha foyda ikki mustaqil tashqi tasdiqlash kohortida takrorlanmagan. Shu sababli tadqiqot apolipoprotein o‘lchovi dializ xavfini aniq tarzda yaxshilaydi degan xulosani emas, balki kengroq va istiqbolli tadqiqotlarda sinovdan o‘tkazilishi kerak bo‘lgan ehtimoliy lipoprotein bilan bog‘liq xavf signalini ko‘rsatadi.

Turkiya nuqtai nazaridan: Tadqiqot yondashuvi Turkiyada nefrologiya, endokrinologiya va shifoxona axborot boshqaruvi tizimlarida diabetik buyrak kasalligi bo‘lgan bemorlarning tuzilmali xavfini baholash uchun o‘rganilishi mumkin. eGFR, siydik albumin/kreatinin nisbati, gemoglobin, yosh va yurak-qon tomir kasalligi kabi o‘zgaruvchilarning aksariyati Turkiyada muntazam o‘lchanishi mumkin. Biroq model Xitoydagi uchinchi darajali shifoxonalardan olingan statsionar bemor ma’lumotlari asosida ishlab chiqilgan. Turkiyada qo‘llashdan oldin turk bemor populyatsiyasida tashqi tasdiqlash, mahalliy kalibrlash, laboratoriya birliklarini standartlashtirish, yetishmayotgan ma’lumotlar naqshlarini o‘rganish va dializni boshlash qarorlariga ta’sir qiladigan sog‘liqni saqlash sharoitlarini baholash zarur. Ushbu tadqiqotdan Turkiyadagi bemorlar uchun bevosita xavf nisbati, davolash qarori yoki apolipoprotein testini tavsiya qilish xulosasi chiqarib bo‘lmaydi.

Tadqiqotning asosiy savoli nima?

Tadqiqot bir-biri bilan bog‘liq ikki savolga javob izlaydi. Birinchi savol — diabetik buyrak kasalligiga xos klinik o‘zgaruvchilar asosida tuzilgan tushuntiriladigan mashinaviy o‘rganish modeli bemorlarning ikki, besh va o‘n yil ichida dializni boshlash xavfini qanchalik muvaffaqiyatli bashorat qila olishi. Ikkinchi savol esa apolipoprotein B va apolipoprotein AI o‘lchovlari buyrak faoliyati va albuminuriya kabi an’anaviy ko‘rsatkichlardan tashqari qo‘shimcha bashorat axborotini bera oladimi, degan masaladir.

Diabetik buyrak kasalligi faqat buyrakning filtrlash qobiliyati pasayishidan iborat emas. Giperglikemiya, glomerulyar bosim, naychaviy shikastlanish, fibroz, anemiya, yurak-qon tomir kasalligi va metabolik buzilishlar bir bemorda birga uchrashi mumkin. Shu sababli tadqiqotchilar umumiy surunkali buyrak kasalligi kohortlarida ishlab chiqilgan modellar diabetga xos kardiorenal va metabolik naqshlarni to‘liq qamrab olmasligi mumkinligini ilgari surgan.

Bemorlar guruhi qanday shakllantirildi?

Ishlab chiqish ma’lumotlari Hangzhou An’anaviy Xitoy Tibbiyoti Shifoxonasida 2015 yil yanvardan 2023 yil dekabrgacha davolangan bemorlarning elektron tibbiy yozuvlaridan olingan. Dastlab diabetik buyrak kasalligi tashxisi qo‘yilgan 5.644 statsionar bemor aniqlangan. O‘n sakkiz yoshdan kichiklar, boshlang‘ich ma’lumotlari yetishmaydiganlar, boshlang‘ich nuqtadan oldin dializ olganlar, kuzatuv sanasi boshlang‘ich sanadan oldin ko‘rsatilganlar va boshlang‘ichda diabet davomiyligi noma’lum bo‘lganlar chiqarib tashlangan. Yakuniy tahlil kohorti 3.078 bemordan iborat bo‘lgan.

Diabetik buyrak kasalligi uch oydan ko‘proq davom etgan kamida 30 mg/g siydik albumin/kreatinin nisbati va/yoki 60 mL/min/1,73 m² dan past hisoblangan glomerulyar filtratsiya tezligi bilan bog‘langan yoki E10.2 va E11.2 ICD-10 tashxis kodlari orqali aniqlangan. Bir necha marta yotqizilgan bemorlarda birinchi yotqizilishdagi boshlang‘ich qiymatlar ishlatilgan.

1-rasmdagi bemor oqimiga ko‘ra kuzatuvdan yo‘qolgan shaxslar tegishli vaqt tahlillaridan chiqarilgach, ikki yillik kohortda 2.386, besh yillik kohortda 2.427 va o‘n yillik kohortda 2.431 bemor qolgan. Apolipoprotein o‘lchovlari mavjud bo‘lgan ichki kichik guruh 1.855 bemordan iborat bo‘lib, tegishli kuzatuv tahlillarida taxminan 1.440–1.474 bemor baholangan.

Natija o‘zgaruvchisi qanday ta’riflandi?

Asosiy natija bemorning buyrak o‘rnini bosuvchi davolash jarayoniga kirib, gemodializ yoki peritoneal dializni boshlashidir. Bu natija faqat biologik buyrak funksiyasi yo‘qolishini ifodalamaydi. Dializni boshlash vaqti bemorning alomatlari, metabolik asoratlari, shifokor qarori, bemor tanlovi va tibbiy xizmatga kirish imkoniyati bilan ham belgilanadi. Tadqiqotchilar bu xususiyatni tadqiqotning muhim talqin cheklovlaridan biri deb qabul qilgan.

Qaysi o‘zgaruvchilar ishlatildi?

Boshlang‘ich ma’lumotlar to‘plamida uchta demografik o‘zgaruvchi, yettita tibbiy anamnez o‘zgaruvchisi, uchta hayotiy ko‘rsatkich va 42 laboratoriya ko‘rsatkichidan iborat jami 55 o‘zgaruvchi mavjud edi. Yetishmaslik darajasi foiz 20 dan oshgan o‘zgaruvchilar chiqarildi va 36 o‘zgaruvchi saqlandi. Uzluksiz o‘zgaruvchilardagi chekka qiymatlar healthyR.ai paketidagi usullar bilan chegaralandi, yetishmayotgan qiymatlar esa k-eng yaqin qo‘shni usuli bilan to‘ldirildi.

Hisoblangan glomerulyar filtratsiya tezligi 2021 CKD-EPI kreatinin tenglamasi yordamida hisoblandi. Tenglamaning ochiq matematik ko‘rinishi yuklangan tadqiqotda berilmagani sababli bu yerda yangi formula yaratilmagan. eGFR buyraklarning bir daqiqada qancha qonni filtrlashi mumkinligini tana sirt maydoniga standartlashtirilgan tarzda baholovchi ko‘rsatkichdir. Past eGFR filtrlash qobiliyatining pastligini bildiradi.

Siydik albumin/kreatinin nisbati siydikda buyrak filtri orqali o‘tgan albumin miqdorini siydik konsentratsiyasidagi o‘zgarishlarga nisbatan kreatinin bilan bog‘laydi. Tadqiqotdagi boshlang‘ich taqqoslashlarda nisbat mg/mgCr ko‘rinishida, tashxis mezonida esa mg/g ko‘rinishida berilgan. Yuqori UACR ko‘proq albuminuriya va glomerulyar shikastlanish yukini anglatadi.

O‘zgaruvchilar qanday tanlandi?

Avval har bir nomzod o‘zgaruvchi uchun bir o‘zgaruvchili logistik regressiya va Cox regressiyasi qo‘llandi. P qiymati 0,05 dan past bo‘lgan o‘zgaruvchilar bosqichma-bosqich ko‘p o‘zgaruvchili tahlillarga kiritildi. Yakuniy tanlov faqat statistik ahamiyatga emas, klinik mazmunga va turli kuzatuv muddatlarida izchil o‘zgaruvchilar to‘plamini shakllantirishga ham asoslangan.

eGFR va UACR ikki, besh va o‘n yillik tahlillarning barchasida eng izchil buyrak ko‘rsatkichlari bo‘lgan. Yurak-qon tomir kasalligi, gemoglobin va jins asosiy modelga kiritilgan. Yosh va diabet davomiyligi umumiy metabolik ta’sir va asoratlar yukini aks ettirishi mumkin deb hisoblanib, kengaytirilgan modelga qo‘shilgan. Natijada yakuniy model quyidagi yetti o‘zgaruvchidan iborat bo‘lgan:

• Hisoblangan glomerulyar filtratsiya tezligi (eGFR)
• Siydik albumin/kreatinin nisbati (UACR)
• Yurak-qon tomir kasalligi mavjudligi
• Gemoglobin darajasi
• Jins
• Yosh
• Diabet davomiyligi

Serum fosfati ayrim besh va o‘n yillik tahlillarda ahamiyatli bog‘liqlik ko‘rsatgan. Biroq tadqiqotchilar turli vaqt oralig‘ida bir xil o‘zgaruvchilardan foydalanuvchi barqaror model olish maqsadida fosfatni yakuniy yetti o‘zgaruvchili modelga kiritmagan. Muhokama bo‘limidagi bir jumla fosfat modelga qo‘shilgandek ifodalangan bo‘lsa-da, usul, natijalar va 1-rasm yakuniy model fosfatni o‘z ichiga olmasligini aniq ko‘rsatadi.

Boshlang‘ichda dializga o‘tgan bemorlar qanday farq qilgan?

Jami 3.078 bemorning 227 nafari, ya’ni foiz 7,4 kuzatuv davomida dializni boshlagan. Dializni boshlagan guruhda boshlang‘ich buyrak kasalligi yuki ancha og‘ir bo‘lgan:

• Serum kreatinin medianasi 338 µmol/L bo‘lsa, dializni boshlamaganlarda 93,0 µmol/L bo‘lgan.
• Qon mochevina azoti 15,7 mmol/L ga qarshi 7,01 mmol/L bo‘lgan.
• Kaliy 4,25 mmol/L ga qarshi 4,02 mmol/L bo‘lgan.
• UACR 3,77 mg/mgCr ga qarshi 0,25 mg/mgCr bo‘lgan.
• eGFR 16,6 mL/min/1,73 m² ga qarshi 71,2 mL/min/1,73 m² bo‘lgan.

Bu farqlarning barchasi uchun P qiymati 0,001 dan past bo‘lgan. Dializga o‘tgan bemorlarda gipertenziya foiz 97,4, yurak-qon tomir kasalligi foiz 80,2 va giperurikemiya foiz 61,2 darajada kuzatilgan. Aksincha, giperlipidemiya chastotasi ikki guruhda o‘xshash bo‘lgan: foiz 49,8 ga qarshi foiz 48,7; P = 0,804.

Dializni boshlagan guruhning median yoshi 62,0, dializni boshlamagan guruhniki esa 64,0 yil bo‘lib, farq statistik jihatdan ahamiyatli. Biroq bu natija yoshroq bo‘lish biologik jihatdan dializga sabab bo‘ladi degani emas. Yoshning regressiya va mashinaviy o‘rganishdagi ta’siri boshqa o‘zgaruvchilar bilan birga va nochiziqli munosabatlar doirasida baholangan.

Oltita mashinaviy o‘rganish algoritmi qanday taqqoslandi?

Ikki yillik kuzatuv kohorti foiz 60 o‘qitish va foiz 40 test ma’lumotlariga ajratildi. Qaror daraxti, tasodifiy o‘rmon, tayanch vektor mashinasi, XGBoost, LightGBM va ko‘p qatlamli perseptron modellari o‘qitildi. Giperparametrlarni optimallashtirish 100 takrorli o‘n qatlamli kross-validatsiya va grid qidiruvi orqali bajarildi. Biroq tanlangan aniq giperparametrlar yuklangan asosiy matnda mavjud emas va qo‘shimcha materiallar faylga kiritilmagan.

Modellar faqat AUC bilan baholanmagan. Aniqlik, sezgirlik, xoslik, musbat va manfiy bashorat qiymatlari, Matthews korrelyatsiya koeffitsiyenti, Jaccard indeksi, muvozanatlangan aniqlik, F1 balli, kappa koeffitsiyenti, kalibrlash va qaror egri chizig‘i tahlili ham ishlatilgan. ROC egri chizig‘i ostidagi maydon modelning dializni boshlaydigan va boshlamaydigan bemorlarni turli chegaralardan mustaqil ravishda tartiblash qobiliyatini ko‘rsatadi. AUC qiymati 0,5 ga yaqinlashganda model tasodifiy ajratishga, 1 ga yaqinlashganda mukammal ajratishga yaqinlashadi; biroq yuqori AUC o‘z-o‘zidan to‘g‘ri kalibrlash yoki klinik foyda degani emas.

Eng yaxshi model qaysi edi?

3-rasmdagi ROC taqqoslashida ikki yillik test to‘plamida eng yuqori AUC 0,9274 bilan XGBoost modelida olingan. LightGBM 0,9272 bilan deyarli bir xil ajratish qobiliyatini ko‘rsatgan. Boshqa modellarning AUC qiymatlari tasodifiy o‘rmon uchun 0,9183, tayanch vektor mashinasi uchun 0,9053, ko‘p qatlamli perseptron uchun 0,8895 va qaror daraxti uchun 0,7362 bo‘lgan.

XGBoost eng yuqori AUC bilan birga 0,3107 musbat bashorat qiymati, 0,4564 F1 balli va 0,3971 kappa koeffitsiyentini bergan. Tasodifiy o‘rmon eng yuqori aniqlik va xoslikni, LightGBM esa eng yuqori Jaccard indeksini ko‘rsatgan. Shunga qaramay, kalibrlash va qaror egri chizig‘i tahlili birgalikda baholanganda tadqiqotchilar yakuniy model sifatida XGBoost’ni tanlagan.

Kalibrlash grafiklari eng yaxshi uch modelning bashorat qilingan ehtimollari bilan kuzatilgan natijalar o‘rtasida umumiy jihatdan maqbul moslik borligini ko‘rsatgan. Qaror egri chizig‘i tahlilida XGBoost keng xavf chegaralari oralig‘ida “hammani davolash” yoki “hech kimni davolamaslik” yondashuvlariga nisbatan yuqoriroq sof foyda ko‘rsatgan. Biroq bu tahlil model real klinik amaliyotda bemor natijalarini yaxshilashini isbotlamaydi; u faqat ma’lum taxminlar ostida ehtimoliy qaror foydasini baholaydi.

Besh va o‘n yillik natija qanday bo‘lgan?

XGBoost modeli uzoqroq kuzatuv muddatlarida ham kuchli ajratish qobiliyatini ko‘rsatgan. Besh yillik AUC 0,9154 va foiz 95 ishonch oralig‘i 0,899–0,932. O‘n yillik AUC 0,9095 va foiz 95 ishonch oralig‘i 0,892–0,927.

3-rasmdagi besh yillik chalkashlik matritsasida 1.934 haqiqiy manfiy, 156 haqiqiy musbat, 306 yolg‘on musbat va 31 yolg‘on manfiy tasnif ko‘rsatilgan. O‘n yillik matritsada 1.932 haqiqiy manfiy, 155 haqiqiy musbat, 306 yolg‘on musbat va 38 yolg‘on manfiy mavjud. Bu natijalar modelning kuchli umumiy ajratish qobiliyatiga qaramay, ayrim bemorlarni yuqori xavfli deb noto‘g‘ri tasniflagani va oz sonli haqiqiy dializ holatlarini o‘tkazib yuborganini ko‘rsatadi. Shu sababli modelning o‘zi yolg‘iz davolash yoki dializ qarorini berishi maqsadga muvofiq emas.

SHAP tahlili model qarorlarini qanday tushuntirdi?

SHAP har bir o‘zgaruvchi muayyan bashoratni asosiy xavf darajasidan qanchalik yuqoriga yoki pastga siljitishini ko‘rsatadi. Musbat SHAP qiymatlari model bashorat qilgan dializ xavfini oshiradi, manfiy qiymatlar esa xavfni kamaytiradi. O‘rtacha mutlaq SHAP qiymati esa o‘zgaruvchining barcha bemorlardagi umumiy ahamiyatini umumlashtiradi.

4-rasmda eGFR barcha kuzatuv muddatlarida eng muhim o‘zgaruvchidir. O‘rtacha mutlaq SHAP qiymati taxminan 0,037–0,038 darajasida. UACR taxminan 0,030–0,031 bilan ikkinchi o‘rinda. Ularning ortidan yurak-qon tomir kasalligi, gemoglobin, yosh, jins va diabet davomiyligi keladi.

SHAP taqsimotlari munosabatlar to‘liq chiziqli emasligini ko‘rsatgan. Past eGFR qiymatlari xavf tomonga, saqlangan eGFR qiymatlari esa himoya tomonga kuchli hissa qo‘shgan. Yuqori UACR, ayniqsa yuqori xavfli bemor misollarida bashoratni oshiruvchi asosiy o‘zgaruvchilardan biri bo‘lgan. Bemor darajasidagi kuch grafiklarida bir xil umumiy xavf turli o‘zgaruvchilar kombinatsiyasi orqali yuzaga kelishi mumkinligi ko‘rinadi.

Bu tushuntirishlar model biologik sababiy mexanizmni isbotlaganini anglatmaydi. SHAP model mavjud ma’lumotlar ichida qaysi o‘zgaruvchilardan foydalanganini tushuntiradi; mazkur o‘zgaruvchi dializga bevosita sabab bo‘lishini ko‘rsatmaydi.

Apolipoproteinlar nega o‘rganildi?

Apolipoprotein B aterogen lipoprotein zarrachalari soni bilan bog‘liq oqsil ko‘rsatkichidir. Apolipoprotein AI esa yuqori zichlikdagi lipoproteinning asosiy oqsil tarkibiy qismi bo‘lib, teskari xolesterin tashilishi bilan bog‘liq. Tadqiqotchilar bu o‘zgaruvchilar an’anaviy umumiy xolesterin yoki triglitserid o‘lchovlaridan farqli ravishda lipoprotein zarrachalarining xususiyatlari haqida qo‘shimcha ma’lumot bera olishini taxmin qilgan.

Apolipoprotein o‘lchovlari mavjud bo‘lgan 1.855 bemorlik kichik guruhda ApoB, ApoE va ApoAI baholangan. Regressiya natijalari ApoB va ApoAI uchun biologik jihatdan izchil, ammo barcha vaqt nuqtalarida statistik jihatdan bir xil kuchli bo‘lmagan munosabatlarni ko‘rsatgan. Masalan, ikki yillik tahlilda ApoB uchun logistik regressiya imkoniyatlar nisbati 2,4458 va P qiymati 0,0390; Cox regressiyasi xavf nisbati 2,2978 va P qiymati 0,0433 bo‘lgan. ApoAI ikki yillik Cox tahlilida himoya yo‘nalishidagi munosabat ko‘rsatgan; ammo ayrim logistik va uzoqroq muddatli tahlillar 0,05 ahamiyat chegarasidan o‘tmagan.

Apolipoproteinlarni modelga qo‘shish nimani o‘zgartirdi?

Ichki kichik guruhda ApoB va ApoAI qo‘shilishi uchala vaqt oralig‘ida ham AUC ni oshirgan. O‘n yillik taqqoslashning P qiymati xulosa, natijalar va 5-rasmda 0,0018 deb berilgan. Muhokama bo‘limidagi “barcha P qiymatlari 0,0001 dan past” degan ifoda ushbu natijaga zid; to‘g‘ri qiymat sifatida rasm va natijalar bo‘limidagi P = 0,0018 qabul qilinishi kerak.

Apolipoproteinli modelning SHAP tahlilida UACR, eGFR, gemoglobin va yurak-qon tomir kasalligi yana yuqori o‘rinlarda qolgan. ApoB va ApoAI diabet davomiyligidan yuqoriroq umumiy SHAP hissasini ko‘rsatishi mumkin bo‘lgan; biroq ular asosiy buyrak ko‘rsatkichlarining o‘rnini bosmagan. Ayrim yuqori xavfli bemor misollarida ApoB xavfni oshiruvchi muhim tarkibiy qism sifatida ko‘rinsa, boshqa bemorlarda uning ta’siri cheklanganroq bo‘lgan.

Tashqi tasdiqlash nimani ko‘rsatdi?

Model ikki mustaqil uchinchi darajali shifoxona kohortida sinovdan o‘tkazildi. Tashqi tasdiqlash A kohorti 158, tashqi tasdiqlash B kohorti esa 172 diabetik buyrak kasalligi bo‘lgan bemordan iborat edi.

Har ikki modelning tashqi kohortlardagi AUC qiymatlari 0,91 dan yuqori. Bu natija yetti o‘zgaruvchili asosiy tuzilma turli shifoxonalarda ham kuchli ajratish qobiliyatini saqlashi mumkinligini qo‘llab-quvvatlaydi. Biroq apolipoproteinli modelning AUC qiymati ikki tashqi kohortning hech birida yetti o‘zgaruvchili modelnikidan son jihatdan yuqori bo‘lmagan va farqlar statistik jihatdan ahamiyatli emas.

Shu sababli tadqiqot ikki alohida natijani bir-biridan ajratadi: yetti o‘zgaruvchili XGBoost modelining tashqi kohortlardagi ajratish qobiliyati ijobiy ko‘rinadi; ApoB va ApoAI bergan ichki namuna yutug‘i esa tashqarida takrorlanmagan. Shuning uchun apolipoproteinlarning klinik qiymatiga oid natija izlanish xarakteridagi deb qaralishi kerak.

Tadqiqotning kuchli tomonlari nimalar?

• Model umumiy surunkali buyrak kasalligi o‘rniga diabetik buyrak kasalligiga xos kohortda ishlab chiqilgan.
• 3.078 bemorlik ishlab chiqish kohorti va ikki mustaqil tashqi tasdiqlash kohorti ishlatilgan.
• Olti xil mashinaviy o‘rganish algoritmi bir xil ma’lumotlar tuzilmasida taqqoslangan.
• Ajratish qobiliyatidan tashqari kalibrlash va qaror egri chizig‘i tahlili ham ko‘rib chiqilgan.
• SHAP yordamida ham umumiy o‘zgaruvchi ahamiyati, ham bemor darajasidagi tushuntirishlar taqdim etilgan.
• Ikki, besh va o‘n yillik turli bashorat muddatlari baholangan.
• Apolipoproteinlarning qo‘shimcha hissasi alohida kichik model va tashqi kohortlar bilan sinovdan o‘tkazilgan.

Tadqiqotning cheklovlari nimalar?

• Tadqiqot retrospektiv va kuzatuv xarakterida; o‘lchanmagan chalg‘ituvchi omillarni butunlay bartaraf etib bo‘lmaydi.
• Ishlab chiqish ma’lumotlari uchinchi darajali bir shifoxonaning statsionar bemorlaridan olingan. Ambulator yoki birlamchi bo‘g‘inda kuzatiladigan bemorlarda xuddi shunday natija kafolatlanmaydi.
• Dializni boshlash natijasi faqat biologiyaga emas, shifokor qarori, bemor tanlovi va sog‘liqni saqlash xizmatiga kirish imkoniyatiga ham bog‘liq.
• Apolipoprotein modeli bu o‘lchovlar mavjud bo‘lgan tanlangan kichik guruhda ishlab chiqilgan va tanlov og‘ishi yuzaga kelishi mumkin.
• Model faqat boshlang‘ich qiymatlardan foydalanadi. eGFR yoki UACR ning vaqt davomidagi o‘zgarishi, dori vositalaridan foydalanish va davolashga javob modelga kiritilmagan.
• Tashqi tasdiqlash kohortlari nisbatan kichik; ayniqsa keng ishonch oralig‘lari natija bahosidagi noaniqlikni ko‘rsatadi.
• Barcha markazlar Xitoydagi uchinchi darajali shifoxonalardir. Geografik, etnik va sog‘liqni saqlash tizimi xilma-xilligi cheklangan.
• Modelning aniq giperparametrlari hamda Qo‘shimcha S1–S6-rasmlar va Qo‘shimcha S1–S2-jadvallar yuklangan faylda mavjud emas.
• Tadqiqot hakamlar ko‘rigidan o‘tmagan va hisobot yoki tahlil xatolari keyinchalik tuzatilishi mumkin.

Tadqiqot nimani qo‘llab-quvvatlaydi?

• eGFR va UACR o‘rganilgan kohortda dializni boshlash bashoratining eng kuchli va eng izchil o‘zgaruvchilaridir.
• Yurak-qon tomir kasalligi, gemoglobin, yosh, jins va diabet davomiyligi buyrak ko‘rsatkichlariga qo‘shimcha bashorat kontekstini taqdim etgan.
• Yetti o‘zgaruvchili XGBoost modeli ikki kichik mustaqil shifoxona kohortida yuqori AUC qiymatlarini saqlab qolgan.
• ApoB va ApoAI ichki kichik guruhda modelning ajratish qobiliyatini statistik jihatdan oshirgan.
• SHAP modelning bemor darajasidagi bashoratlariga qaysi o‘zgaruvchilar hissa qo‘shganini ko‘rsata olgan.

Tadqiqot nimani isbotlamaydi?

• Model muayyan bemorning albatta dializni boshlashini yoki boshlamasligini isbotlamaydi.
• Yuqori ApoB dializga bevosita sabab bo‘lishini ko‘rsatmaydi.
• Apolipoprotein testini o‘tkazish bemor natijalarini yaxshilashini isbotlamaydi.
• Modelga asoslangan qaror ko‘magi dializni kechiktirishi, umr davomiyligini uzaytirishi yoki davolash xarajatlarini kamaytirishini ko‘rsatmaydi.
• Xitoydagi shifoxona kohortlaridan olingan chegaralar Turkiya yoki boshqa mamlakatlarda bevosita qo‘llanishi mumkinligini ko‘rsatmaydi.
• Model ambulator yordam, birlamchi bo‘g‘in yoki boshqa laboratoriya tizimlarida ayni kalibrlashni saqlashini isbotlamaydi.
• Apolipoprotein qo‘shilishi tashqi kohortlarda asosiy modeldan yaxshiroq ekanini ko‘rsatmaydi.

Tadqiqotning usuli va natijalari

Texnik tadqiqot dizayni

Yakuniy model o‘zgaruvchilari va ularning ma’nosi

Algoritmlarning ikki yillik AUC taqqoslanishi

Rasmlarning asosiy xabarlari

• 1-rasm: Bemorlarni tanlashdan ma’lumotlarni oldindan qayta ishlashga, yetti o‘zgaruvchili va to‘qqiz o‘zgaruvchili apolipoprotein modellariga hamda tashqi tasdiqlashgacha bo‘lgan ish oqimini ko‘rsatadi.
• 2-rasm: Logistik va Cox regressiyalarida eGFR bilan UACR vaqt oralig‘ida izchil ekanini; kengaytirilgan model faqat eGFR ishlatgan modeldan yuqoriroq AUC berganini ko‘rsatadi.
• 3-rasm: Olti algoritmning ROC, natija ko‘rsatkichlari, kalibrlash va qaror egri chizig‘i taqqoslashlarini taqdim etadi; XGBoost ning umumiy tanlanish sababi ana shu kompleks baholashdir.
• 4-rasm: eGFR va UACR SHAP ahamiyat reytingida ustun ekanini va ayni model bemor darajasida turli xavf kombinatsiyalarini tushuntira olishini ko‘rsatadi.
• 5-rasm: ApoB va ApoAI qo‘shilishi ichki kichik guruhda AUC ni oshirganini, biroq regressiya munosabatlari barcha vaqt nuqtalarida bir xil darajada kuchli bo‘lmaganini ko‘rsatadi.
• 6-rasm: Apolipoproteinli modelda ham asosiy xavf axboroti UACR, eGFR, gemoglobin va yurak-qon tomir kasalligidan kelganini; ApoB va ApoAI esa qo‘shimcha, biroq kichikroq hissa berganini ko‘rsatadi.
• 7-rasm: Har ikki model tashqi kohortlarda 0,91 dan yuqori AUC berganini, biroq apolipoprotein qo‘shilishi tashqi tasdiqlashda ustunlik ko‘rsatmaganini ochib beradi.

Etika, moliyalashtirish va ma’lumotlarga kirish

Tadqiqot protokoli Hangzhou Hospital of Traditional Chinese Medicine Tibbiy etika qo‘mitasi tomonidan 2025KLL245 raqami bilan tasdiqlangan. Matnda barcha ishtirokchilar xabardor qilingan rozilik bergani aytiladi. Ma’lumotlar shaxsni aniqlashdan xoli qilingan va malakali xodimlar tomonidan standartlashtirilgan.

Tadqiqot Zhejiang Provincial Key R&D Program “Lingyan” Project, Central Universities Fundamental Research Funds va ZJU-GENSCI Children’s Health Research & Development Center tomonidan qo‘llab-quvvatlangan. Mualliflar manfaatlar to‘qnashuvini bildirmagan. Tadqiqot ma’lumotlarini mas’ul muallifdan so‘rash mumkinligi ko‘rsatilgan.

Manba va usul izohi

Tadqiqotning to‘liq asl nomi: Apolipoprotein-Informed Explainable Machine Learning for Predicting Dialysis Initiation in Diabetic Kidney Disease

Mualliflar: Jiazhen Yin, Zhuoliang Liu, Huizhen He, Sicheng Liu, Fangyu Yi, Caifeng Zhu, Yayu Li, Xiao Tu, Wanyue Xu, Chengpeng Wu, Qing Tian, Shi Ouyang, Jing Nie va Lidan Hu.

Teng hissa qo‘shgan birinchi mualliflar: Jiazhen Yin va Zhuoliang Liu.

Mas’ul mualliflar: Jing Nie va Lidan Hu. Matnda berilgan aloqa manzillari mos ravishda niej​​ing@pkufh.com va hulidan@zju.edu.cn ko‘rinishida.

Institutsional mansubliklar:

1. Department of Nephrology, Key Laboratory of Kidney Disease Prevention and Control Technology, Hangzhou Hospital of Traditional Chinese Medicine, Hangzhou, Zhejiang, Xitoy.
2. Guangdong Clinical Research Academy of Chinese Medicine, The First Affiliated Hospital of Guangzhou University of Chinese Medicine, Guangzhou, Guangdong, Xitoy.
3. School of Basic Medical Sciences and Forensic Medicine, Hangzhou Medical College, Hangzhou, Zhejiang, Xitoy.
4. State Key Laboratory of Organ Failure Research, National Clinical Research Center of Kidney Disease, Division of Nephrology, Nanfang Hospital, Southern Medical University, Guangzhou, Xitoy.
5. Hangzhou Clinical College, Zhejiang Chinese Medical University, Hangzhou, Zhejiang, Xitoy.
6. Department of Nephrology, The Children’s Hospital, Zhejiang University School of Medicine, National Clinical Research Center for Child Health, Hangzhou, Zhejiang, Xitoy.
7. Biobank of Peking University First Hospital, Department of Clinical Medical Research, Peking University First Hospital; State Key Laboratory of Vascular Homeostasis and Remodeling, Peking University Health Science Center, Peking University, Pekin, Xitoy.

Manba turi: Retrospektiv kuzatuv kohorti, mashinaviy o‘rganish modelini ishlab chiqish va tashqi tasdiqlash tadqiqoti; preprint.

Hakamlik holati: Ushbu tadqiqot hakamlar ko‘rigidan o‘tmagan. Natijalar va hisobot tafsilotlari hakamlik jarayonida o‘zgarishi mumkin.

DOI:10.2139/ssrn.7018505

Nashr platformasi: SSRN.

Nashr yili va ro‘yxatga olingan sana: 2026; SSRN ro‘yxatga olingan sana 30 iyun 2026.

Jurnal: Hakamlikdan o‘tgan jurnalda qabul qilingani yoki nashr etilgani tasdiqlanmagan. Matnda “Metabolism” nomiga ishora mavjudligi o‘z-o‘zidan jurnalga qabul yoki nashr dalili emas.

Asl nashriyot: Ushbu versiya uchun hakamlikdan o‘tgan jurnal nashriyoti mavjud emas. SSRN Elsevier Inc. tomonidan boshqariladigan preprint platformasidir; SSRN yozuvi yakuniy hakamlikdan o‘tgan nashr sifatida baholanmasligi kerak.

Rasmiy manba havolasi:https://ssrn.com/abstract=7018505

Ushbu turkcha izoh yuklangan 27 sahifalik tadqiqot, asosiy matndagi sonli natijalar va 1–7-rasmlar ko‘rib chiqilib tayyorlangan. Tadqiqotda bo‘lmagan yangi klinik natija, davolash tavsiyasi yoki tashqi ilmiy xulosa qo‘shilmagan. Tashqi manbalar faqat DOI, SSRN ro‘yxatga olish sanasi va platforma identifikatsiyasini bibliografik tekshirish uchun ishlatilgan.

Yuklangan faylda asosiy matn havola qilgan 1-jadval, Qo‘shimcha S1–S6-rasmlar va Qo‘shimcha S1–S2-jadvallar mavjud emas. Shu sababli barcha o‘zgaruvchilarning xom taqsimotlari, tuzatilgan tahlillarning barcha koeffitsiyentlari va aniq model giperparametrlarini mustaqil ravishda tekshirish imkoni bo‘lmagan.

Natijalar kuchli ajratish ko‘rsatkichlarini bildirsa-da, tadqiqot retrospektiv statsionar bemor ma’lumotlariga asoslangan. Tashqi kohortlar kichik va bir mamlakatning uchinchi darajali shifoxonalaridan olingan. Modelni klinik qaror qo‘llab-quvvatlash tizimiga aylantirish uchun istiqbolli, ko‘p markazli, geografik jihatdan xilma-xil tasdiqlash, mahalliy kalibrlash, sog‘liq natijalari tahlili va haqiqiy klinik ish oqimini baholash talab etiladi. Ushbu tadqiqotning o‘zi bemorga dializ boshlash, davolashni o‘zgartirish yoki apolipoprotein testini buyurish uchun asos bo‘la olmaydi.