Pridružene bolesti u pacijentica s endometriozom

Analiza elektroničkih zdravstvenih kartona (EHR) više od 43.500 pacijentica s endometriozom na šest medicinskih centara Sveučilišta Kalifornija otkrila je stotine značajno povezanih stanja, uključujući poremećaje mokraćno-spolnog sustava, neoplazme i autoimune bolesti. Grupiranjem pacijentica identificirani su posebni podskupovi s jedinstvenim obrascima komorbiditeta, što upućuje na mogućnost personaliziranog pristupa liječenju.

Metodologija istraživanja

• Analizirani su anonimizirani podaci iz EHR-a 19.059 pacijentica s endometriozom na UCSF-u te 24.453 pacijentice iz pet drugih UC medicinskih centara.
• Rađena je usporedna analiza slučajeva i kontrola pomoću propensity score uparivanja (1:1) prema dobi, spolu, rasi, etničkoj pripadnosti i lokaciji, a u nekim analizama i prema učestalosti korištenja zdravstvene zaštite.
• Korišteni su omjeri izgleda (OR) i metode nenadziranog klasteriranja radi prepoznavanja i karakterizacije obrazaca dijagnoza povezanih s endometriozom.
• Za odabir pacijentica korištena su 49 standardiziranih SNOMED ID-a povezanih s endometriozom unutar OMOP modela medicinskih podataka.

Glavni nalazi

• Na UCSF-u je zabilježeno 661 značajno povezano stanje iz različitih kategorija bolesti. Najjače povezanosti bile su za adenomiozu maternice (OR 181), adhezije zdjeličnog peritoneuma (OR 51,1) i neupalne poremećaje ženskih spolnih organa (OR 30,2).
• Ukupno 302 stanja (45% cjelokupnog skupa) bilo je značajno zastupljeno u UCSF i UC-wide bazama podataka, uz snažnu statističku korelaciju (Pearson r = 0,864; P = 2,38 × 10⁻⁹¹).
• Zanimljiv nalaz bio je zaštitni učinak u odnosu na hiperlipidemiju i mješovitu hiperlipidemiju (OR 0,67), što je posebno relevantno s obzirom na istraživanja koja ukazuju na statine kao potencijalnu terapiju.
• Migrene su ostale značajno povezane i prije i nakon dijagnoze endometrioze, što upućuje na moguće zajedničke mehanizme bolesti ili terapijske prilike.

Klinički značaj

„Integracija genetskih, kliničkih i podataka koje prijavljuju same pacijentice s nalazima iz elektroničkih zdravstvenih kartona može dodatno unaprijediti naše razumijevanje endometrioze te podržati razvoj ciljanih dijagnostičkih alata i strategija liječenja, uključujući primjenu novih metoda strojnog učenja. Napredak u ovom području pomaže u poboljšanju skrbi za pacijentice, skraćivanju dijagnostičkog kašnjenja i smanjenju velikog tereta ove bolesti“, istaknuli su autori studije.

Studiju je vodio dr. Umair Khan iz Bakar instituta za računalne znanosti u zdravstvu (UCSF), a objavljena je u časopisu Cell Reports Medicine.

Ograničenja istraživanja

Autori ističu nekoliko ograničenja: nedostatak pojedinih podataka, premještanje pacijentica između zdravstvenih sustava i razlike u načinu kodiranja među ustanovama. Budući da su analizirani samo medicinski centri u Kaliforniji, rezultati možda nisu primjenjivi na druge regije ili populacije. Dodatno, zbog dizajna studije nije moguće donijeti zaključke o uzročno-posljedičnim odnosima.

Važno je napomenuti i da su slučajevi endometrioze definirani temeljem EHR dijagnoza, a ne kirurški potvrđenih nalaza, što može dovesti do pristranosti u klasifikaciji.

EHR Analysis Reveals Distinct Comorbidity Patterns in Endometriosis Patients

Dr. Vesna Harni powered by AI Chat GPT 4,0