Orta yaşlı ve yaşlı yetişkinlerde kardiyometabolik çoklu hastalık öngörü modelinin geliştirilmesi ve doğrulanması

Günlük sağlık için bunun önemi

İlerleyen yaşla birlikte birçok kişi yalnızca tek bir kronik hastalık geliştirmiyor; çoğu zaman yüksek tansiyon, yüksek kan şekeri ve düzensiz kan yağları bir arada görülüyor. Kardiyometabolik çoklu hastalık olarak adlandırılan bu kümelenme, kalp krizi, inme, sakatlık ve sağlık giderlerinde büyük artış riskini keskin biçimde yükseltir. Burada özetlenen çalışma, aileler ve hekimler için doğrudan önemi olan pratik bir soruyu ele alıyor: Basit, rutin sağlık bilgilerini kullanarak yıllar öncesinden kimin bu yüksek riskli duruma kayma ihtimalinin yüksek olduğunu tespit edebilir miyiz, böylece bakım ve korunma daha erken başlayabilir mi?

Artan bir kalp ve metabolizma sorunları ağı

Dünya genelinde yaşam sürelerinin uzaması, değişen beslenme alışkanlıkları ve daha hareketsiz yaşam tarzları hipertansiyon, diyabet ve anormal kolesterol gibi durumların artışını körükledi. Bu durumlardan ikisi veya daha fazlası aynı kişide görüldüğünde, hekimler buna kardiyometabolik çoklu hastalık diyor. Tek bir hastalıkla karşılaşmaya kıyasla, bu kombinasyona sahip kişiler daha fazla yaşam yılı kaybediyor, günlük yaşam kalitesi düşüyor ve sağlık masrafları artıyor. Hızla yaşlanan Çin’de bu durum aileler ve sağlık sistemi üzerinde büyük bir yük oluşturmuş durumda. Buna karşın çoğu araştırma ve tarama aracı hâlâ tek hastalığa odaklanıyor ve bu sorunların nasıl kümelendiğine dair daha geniş resmi kaçırıyor.

Büyük anket verilerini beş yıllık risk tablosuna dönüştürmek

Bu boşluğu doldurmak için araştırmacılar, orta yaşlı ve yaşlı Çinli yetişkinleri yıllarca izleyen büyük ve ulusal düzeyde temsili CHARLS çalışmasından yararlandı. 2015’te araştırmaya alınmış 21.000’den fazla katılımcıyla başladılar ve çoklu kardiyometabolik hastalığı zaten olanları veya gerekli laboratuvar testlerinden yoksun olanları çıkardıktan sonra 45 yaş ve üzeri 5.388 yetişkinle çalışmayı sürdürdüler. Başlangıçta hiçbiri kardiyometabolik çoklu hastalığa sahip değildi. Ekip, sonraki beş yıl içinde, 2020’ye kadar kimlerin bu durumu geliştirdiğini izledi; yaklaşık her beş kişiden biri bu gruba girdi. Kan basıncı ve kan testlerinden uyku, sigara ve ağrıya kadar 31 olası sağlık ve yaşam tarzı ölçüsü kullanarak her kişinin beş yıllık riskini tahmin eden modeller geliştirmeyi amaçladılar.

Günlük dokuz ölçümün anlattığı güçlü hikâye

Hangi değişkenlerin önemli olduğunu varsaymak yerine, yazarlar verinin karar vermesine izin veren istatistiksel bir eleme yöntemi kullandı. Bu süreç 11 vaat eden öngörücüye daralttı ve daha sonra birbirine çok benzeyen iki değişken çıkarıldı. Nihai model, rutin kontrollerde sık rastlanan dokuz bilgiye dayanıyordu: sistolik kan basıncı, vücut kitle indeksi, açlık kan şekeri, total kolesterol, trigliserid, ürik asit, yaş, diğer uzun süreli hastalıkların varlığı ve vücut ağrısı bildirimleri. Bu dokuz girdiyi kullanarak iki tür tahmin aracı geliştirdiler: modern bir makine öğrenmesi modeli olan XGBoost ve bir nomogram olarak kolayca çizilebilen, daha geleneksel bir lojistik regresyon modeli — klinisyenin bir bakışta okuyabileceği görsel bir puan kartı gibi.

Pratikte neden daha basit araç kazanıyor

Kağıt üzerinde yüksek teknolojili XGBoost modeli eğitim verilerinde çok güçlü görünse de, yeni katılımcılar üzerinde test edildiğinde doğruluğu belirgin şekilde düştü; bu aşırı uyumun klasik bir işareti. Oysa daha basit lojistik regresyon modeli daha istikrarlı performans gösterdi ve yüksek risklileri düşük risklilerden makul ama güvenilir bir doğrulukla ayırdı. İstatistiksel kontroller, modelin tahminlerinin beş yılda gerçekte olanlarla iyi uyuştuğunu ve bu modeli kullanmanın herkesi aynı şekilde tedavi etmekten veya risk skorlarını tamamen görmezden gelmekten daha fazla fayda sağlayacağını gösterdi. Önemli olarak, dokuz faktörlü model yalnızca dört standart ölçüyü içeren sadeleştirilmiş bir versiyonu açıkça geride bıraktı; bu da ürik asit, ağrı ve eşlik eden hastalıkların eklenmesinin gerçek bir değer kattığını ortaya koydu. Ekip ayrıca modelin farklı yaş gruplarında ve mevcut tek bir kardiyometabolik hastalığı olan ve olmayan kişilerde de makul düzeyde işe yaradığını gösterdi.

Bu araç bakımı nasıl değiştirebilir — ve sınırlamaları

Birinci basamak hekimleri ve toplum klinikleri için bu çalışmanın çekiciliği pratik oluşunda yatıyor. Model, temel sağlık muayenelerinde zaten yaygın olarak bulunan testleri ve soruları kullanıyor, ancak bunları birleştirerek bir kişinin önümüzdeki beş yıl içinde birden fazla kalp ve metabolizma ilişkili hastalık geliştirme riskine ilişkin bireysel bir tahmin sunuyor. Nomogram formunda klinisyen, her faktör için puanları toplayıp kişinin riskini hızlıca okuyabilir ve kimlerin yaşam tarzı danışmanlığına, daha yakın izlemeye veya ilaca öncelikli ihtiyaç duyduğuna karar verebilir. Çalışmanın sınırlılıkları da var: henüz tanının yerini alamaz, ayrıntılı fiziksel aktivite ve ruh sağlığı gibi faktörleri içermiyor ve yalnızca tek bir Çin kohortunda test edildi. Yine de, tek hastalıklara tepki vermekten tehlikeli hastalık kümelerini öngörmeye doğru atılmış önemli bir adımı temsil ediyor. Genel okuyucu için çıkarılacak mesaj net: kan basıncı, kilo, kan şekeri, kan yağları, ürik asit, mevcut hastalıklar ve hatta ağrı şikâyetleri gibi günlük ölçümler birlikte gelecekteki kardiyometabolik sorunlar için güçlü bir erken uyarı sistemi çizer.

Atıf: Li, H., Ma, X., Cui, T. et al. Development and validation of a cardiometabolic multimorbidity prediction model in middle-aged and older adults. Sci Rep 16, 13300 (2026). https://doi.org/10.1038/s41598-026-44213-0

Anahtar kelimeler: kardiyometabolik çoklu hastalık, risk öngörü modeli, yaşlı yetişkinler, Çin kohort çalışması, kardiyovasküler metabolizma