ماشین حساب خطر عضلانی استاتین ها؛ تصمیم دقیق تر

تصور کنید در یک دوراهی ایستاده‌اید و دو تابلو پیش روی شماست: یکی وعده کاهش احتمال حمله قلبی را می‌دهد و دیگری درباره آسیب عضلانی هشدار می‌دهد. کدام مسیر را انتخاب می‌کنید؟ این همان دوراهی روزانه میلیون‌ها نفر است که درباره شروع یا ادامه درمان با استاتین‌ها تصمیم می‌گیرند، اما حالا پاسخ روشن‌تر شده است.

پژوهشگران دانشگاه آکسفورد بی‌سروصدا یک ماشین‌حساب بالینی ساخته‌اند که نگرانی‌های مبهم را به احتمال‌های شخصی‌سازی‌شده تبدیل می‌کند. این ابزار احتمال بروز اختلالات عضلانی جدی مرتبط با استاتین‌ها را برای هر فرد برآورد می‌کند، همان رویدادهای نادری که ممکن است به بستری شدن در بیمارستان یا مرگ منجر شوند، در بازه‌های یک، پنج و ده ساله. این یک حدس نیست. بر پایه داده‌های واقعی طراحی شده است.

این مدل با استفاده از پرونده‌های ناشناس بیش از ۵٫۶ میلیون نفر ثبت‌شده در مطب‌های پزشکان عمومی سراسر انگلستان آموزش دیده است. از میان این حجم عظیم داده، دانشمندان الگوریتم خود را با ۱٫۷ میلیون پرونده بیمار توسعه دادند و آن را با ۳٫۹ میلیون پرونده دیگر اعتبارسنجی کردند. نتیجه، یک ابزار پیش‌بینی است که از ۲۲ عامل بالینی رایج و قابل جمع‌آوری استفاده می‌کند، از جمله سن، جنس، قومیت، شاخص توده بدنی، مصرف سیگار، سابقه مشکلات عضلانی، وضعیت ویتامین دی، داروهای هم‌زمان و موارد دیگر، تا برآوردی اختصاصی از خطر ارائه دهد.

آن‌ها چه یافتند؟ برای بیش از ۹۸٪ افرادی که پزشکان عمومی آن‌ها را واجد شرایط مصرف استاتین تشخیص داده بودند، خطر محاسبه‌شده ۱۰ ساله ابتلا به اختلال عضلانی جدی پایین بود. همین عدد به‌تنهایی نکته‌ای را توضیح می‌دهد که پزشکان سال‌ها آن را می‌دانستند اما به‌سختی می‌توانستند کمی‌سازی کنند: ترس از عوارض عضلانی استاتین‌ها برای بیشتر بیماران بسیار بزرگ‌تر از احتمال واقعی آسیب شدید است.

با این حال، الگوی دوم و نگران‌کننده‌تری نیز آشکار شد. بیش از ۶۰٪ افرادی که طبق دستورالعمل‌ها واجد شرایط درمان با استاتین بودند، این دارو را مصرف نمی‌کردند، حتی زمانی که خطر قلبی‌عروقی آن‌ها همچنان قابل توجه بود. تردید ناشی از روایت‌های شخصی و هشدارهای نگران‌کننده ممکن است بسیاری را در معرض حملات قلبی و سکته‌های قابل پیشگیری قرار دهد.

تیم آکسفورد این ماشین‌حساب را مکمل ابزارهای ارزیابی خطر قلبی‌عروقی مانند کیو‌ریسک می‌داند. با استفاده هم‌زمان از هر دو ابزار، می‌توان دو سوی تصمیم را دید: سود مورد انتظار در پیشگیری از رویدادهای قلبی و خطر فردی یک عارضه عضلانی جدی. چنین مقایسه‌ای در محیط درمانی بسیار ارزشمند است، جایی که تصمیم‌ها شخصی هستند، نه صرفا مبتنی بر میانگین جمعیت.

باید روشن گفت که این ابزار چه کاری انجام می‌دهد و چه کاری انجام نمی‌دهد. این مدل بر اختلالات عضلانی جدی تمرکز دارد که نیازمند بستری شدن هستند یا به مرگ منجر می‌شوند. این ابزار دردهای عضلانی بسیار شایع‌تر و معمولا خفیف را که برخی بیماران هنگام مصرف استاتین‌ها گزارش می‌کنند، اندازه‌گیری نمی‌کند. مطالعات پیشین نشان داده‌اند بسیاری از علائم خفیفی که به استاتین‌ها نسبت داده می‌شوند، ممکن است هم‌زمان اما غیرمرتبط باشند. با تمرکز بر پیامدهای شدید، این ماشین‌حساب تصویری دقیق‌تر از موازنه واقعی میان فواید و زیان‌ها در اختیار پزشکان و بیماران قرار می‌دهد.

توسعه‌دهندگان معتقدند این ابزار می‌تواند شکل گفت‌وگوها را تغییر دهد. برای بیشتر افراد، اعداد اطمینان‌بخش خواهند بود. برای اقلیت کوچکی که برآورد خطر عضلانی بالاتری دارند، پزشکان مبنای محکم‌تری برای پایش دقیق‌تر، تنظیم دوز یا بررسی گزینه‌های جایگزین خواهند داشت. این گذار از هشدارهای کلی به ارزیابی خطر فردی، گامی عملی به سوی تصمیم‌گیری مشترک میان پزشک و بیمار است.

این ابزار آنلاین که ماشین‌حساب خطر استراتیفای استاتین‌ام‌دی نام دارد، از طریق فروشگاه نرم‌افزار نوآوری دانشگاه آکسفورد برای استفاده دانشگاهی در دسترس است. این نمونه‌ای روشن از آن است که چگونه داده‌های گسترده مراقبت‌های اولیه می‌توانند به ابزارهایی تبدیل شوند که در کنار تخت بیمار و در تصمیم‌گیری بالینی اهمیت واقعی دارند.

بنابراین بار بعدی که بیماری بپرسد: «آیا احتمال دارد با مصرف استاتین دچار آسیب عضلانی شوم؟» دیگر لازم نیست پاسخ مبهم باشد. می‌توان یک عدد ارائه کرد. می‌توان زمینه و مقایسه را نشان داد. می‌توان فواید و زیان‌ها را کنار هم سنجید و تصمیمی گرفت که برای یک فرد مشخص مناسب است، نه برای یک میانگین آماری.