ترجمه فارسی مقاله برآوردهای خلاصه برگرفته از یک چارچوب غیر مارکوف چند حالته برای مشخص کردن دوره بیماری قلبی

چکیده

Multi-state Markov models have been used to model the course of chronic disease. However, they are unsuitable to chronic disease where past and present states interplay and affect future states, and the estimated transition probabilities are time-specific which are not straightforward for public health interpretation. We have proposed a multi-state non-Markov framework that splits disease states into substates conditioning on past states. As the substates track past states and indicate multimorbidity, the estimated transition rates can be used to derive two summary estimates: Disease path which shows path of state transition, and multimorbidity-adjusted life year (MALY) which represents the adjusted life year in full health. In this paper, we showed the derivation of the two summary estimates and applied them to characterize the course of heart disease using data from the Atherosclerosis Risk in Communities Study (ARIC) study. The course of heart disease was modeled in five states, namely, healthy, at metabolic risk, coronary heart disease (CHD), heart failure, and mortality. In this mid- to old-age population, the estimated MALY was 24.13 (95% CI: 16.55, 32.06) years. For healthy participants at baseline, the most likely disease paths were: “Healthy → at metabolic risk → mortality” (37%), “Healthy → mortality” (21%), “Healthy → at metabolic risk → heart failure → mortality” (19%), and “Healthy → at metabolic risk → CHD → mortality” (8%). The MALY was higher among women than men and higher among Whites than Blacks. The distribution of disease path was similar across sex and race subgroups. In summary, MALY and disease path characterize the disease course in a summary manner and have potential use in chronic disease prevention.

چکیده به فارسی (ترجمه ماشینی)

از مدل های چند حالته مارکوف برای مدل سازی دوره بیماری مزمن استفاده شده است.با این حال ، آنها در مورد بیماری مزمن نامناسب هستند که در آن حالت های گذشته و حال با حالت های آینده تعامل و تأثیر می گذارد ، و احتمالات تخمین زده شده از زمان خاص هستند که برای تفسیر بهداشت عمومی ساده نیستند.ما یک چارچوب غیر مارکف چند حالته را پیشنهاد کرده ایم که حالت های بیماری را به شرایط زیر مجموعه در حالت های گذشته تقسیم می کند.از آنجا که زیرمجموعه ها حالت های گذشته را ردیابی می کنند و نشان می دهند که از چند مورد تخمین زده می شود ، می توان برای استخراج دو تخمین خلاصه استفاده کرد: مسیر بیماری که مسیر انتقال دولت را نشان می دهد ، و سال زندگی تنظیم شده با چند حالت (MALY) که نشان دهنده سال زندگی تنظیم شده در سلامتی کامل است.بشردر این مقاله ، ما مشتق دو تخمین خلاصه را نشان دادیم و از آنها برای توصیف روند بیماری های قلبی با استفاده از داده های حاصل از خطر آترواسکلروز در مطالعه جوامع (ARIC) استفاده کردیم.دوره بیماری قلبی در پنج حالت ، یعنی سالم ، در معرض خطر متابولیک ، بیماری عروق کرونر قلب (CHD) ، نارسایی قلبی و مرگ و میر مدل شد.در این جمعیت در اواسط سن و سال ، تخمین زده شده 16/43 (95 ٪ CI: 16.55 ، 32.06) سال بود.برای شرکت کنندگان سالم در ابتدا ، محتمل ترین مسیرهای بیماری عبارتند از: “سالم → در خطر متابولیک → مرگ و میر” (37 ٪) ، “مرگ و میر سالم” (21 ٪) ، “سالم → در خطر متابولیک → نارسایی قلبی → مرگ و میر” “(19 ٪) ، و “سالم → در معرض خطر متابولیک → CHD → مرگ و میر” (8 ٪).این مالکی در بین زنان بالاتر از مردان بود و در بین سفید پوستان بالاتر از سیاه پوستان بود.توزیع مسیر بیماری در زیر گروه های جنسی و نژاد مشابه بود.به طور خلاصه ، مسیر Maly و بیماری دوره بیماری را به صورت خلاصه توصیف می کند و در پیشگیری از بیماری های مزمن استفاده بالقوه دارد.