Choroby współistniejące a jakość życia pacjentów z POChP – wyniki badań w Chinach
Najnowsze badania opublikowane w czasopiśmie Engineering wykorzystały metody uczenia maszynowego (jeden z głównych obszarów sztucznej inteligencji, AI) do identyfikacji odmiennych klastrów pacjentów z przewlekłą obturacyjną chorobą płuc (POChP) w Chinach, podkreślając wpływ profili chorób współistniejących na jakość życia związaną ze zdrowiem (HRQoL).
Badania zostały przeprowadzone przez naukowców z Chinese Academy of Medical Sciences & Peking Union Medical College, Uniwersytetu w Heidelbergu, Uniwersytetu Stanforda oraz innych ośrodków badawczych. Analizy oparto na danych z programu Chinese Enjoying Breathing Program, aby lepiej zrozumieć heterogenność POChP i jej konsekwencje dla ukierunkowanych działań zdrowia publicznego.
POChP jest postępującą chorobą układu oddechowego i jednym z głównych obciążeń zdrowotnych na świecie. W 2021 roku zajmowała czwarte miejsce wśród przyczyn zgonów globalnie. Według badania China Pulmonary Health Study z 2015 roku częstość występowania POChP wśród dorosłych Chińczyków w wieku 20 lat i starszych wynosiła 8,6%. Choroba charakteryzuje się trwałym ograniczeniem przepływu powietrza i jest coraz częściej postrzegana jako schorzenie heterogenne, często współistniejące z chorobami układu krążenia, astmą, rozstrzeniem oskrzeli czy cukrzycą. Obecność tych schorzeń znacząco wpływa na HRQoL, obciążenie chorobowe i przeżywalność.
Badanie miało charakter przekrojowy i wieloośrodkowy, obejmowało lata 2020–2023. W analizie uwzględniono 11 145 pacjentów z POChP, z których 6616 (59,36%) miało co najmniej jedną chorobę współistniejącą. Głównym punktem końcowym była ocena HRQoL przy użyciu kwestionariusza EQ-5D-5L. Do redukcji wymiarowości 31 zmiennych, w tym 27 chorób współistniejących oraz czterech cech socjodemograficznych i zdrowotnych, zastosowano analizę korespondencji wielokrotnej. Następnie użyto nienadzorowanych algorytmów uczenia maszynowego (K-means++ oraz klasteryzacji hierarchicznej), aby wyodrębnić charakterystyczne grupy pacjentów.
W wyniku analizy zidentyfikowano cztery odrębne klastry pacjentów (grupy wyodrębnione metodą klasteryzacji):
- młodzi palący mężczyźni – największa i najmłodsza grupa, z największym odsetkiem obecnych i byłych palaczy, ale najniższym poziomem chorób współistniejących,
- kobiety narażone na dym ze spalania biomasy (drewna, resztek roślinnych, nawozu zwierzęcego) – głównie kobiety z niskim odsetkiem palenia tytoniu, lecz znaczną ekspozycją na dym z palenisk domowych,
- klaster chorób układu oddechowego – z najniższą wydolnością płuc, częstym przewlekłym zapaleniem oskrzeli i rozedmą,
- starsze osoby wielochorobowe – pacjenci powyżej 70. roku życia, obciążeni nadciśnieniem, chorobą niedokrwienną serca i cukrzycą.
Wyniki pokazały, że HRQoL pogarsza się wraz ze wzrostem liczby chorób współistniejących. Najwyższe wartości EQ-5D-5L (0,74) odnotowano w grupie młodych palących mężczyzn, a najniższe w klastrach chorób oddechowych (0,66) i starszych osób wielochorobowych (0,65). Najgorsze wyniki – szczególnie w zakresie mobilności, aktywności i zdrowia psychicznego – odnotowano w grupie pacjentów z chorobami oddechowymi, tuż przed osobami starszymi z wieloma chorobami towarzyszącymi.
Autorzy podkreślają, że identyfikacja takich klastrów może wspierać tworzenie zintegrowanych strategii leczenia i polityki zdrowotnej ukierunkowanej na specyficzne potrzeby pacjentów z POChP. Kolejne badania powinny ocenić powtarzalność i użyteczność tych klastrów w praktyce klinicznej oraz ich potencjał do kształtowania programów zdrowia publicznego.
Źródło: Engineering, Exploring COPD Patient Clusters and Associations with Health-Related Quality of Life Using A Machine Learning Approach: A Nationwide Cross-Sectional Study
DOI: https://doi.org/10.1016/j.eng.2025.05.005
