نهج متعدد الجوانب لتقييم عوامل خطر داء الكبد الدهني غير الكحولي

الملخص

تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.

قرأنا باهتمام كبير المقال الذي كتبه محمد وآخرون، والذي نُشر مؤخرًا في المجلة الطبية العمانية. وقد سلط المقال الضوء على انتشار وعوامل الخطر لمرض الكبد الدهني غير الكحولي (NAFLD) بين المرضى المصابين بداء السكري من النوع الثاني في البحرين. نتفق على أن المؤلفين قد شملوا عددًا مثيرًا للإعجاب من المتغيرات في تحديد عوامل الخطر لـ NAFLD. ومع ذلك، نلاحظ أنه في حالة متلازمة الأيض، كانت المرجعية المستخدمة هي إرشادات لجنة العلاج للبالغين الثالثة بدلاً من المعايير الموحدة التي تتعلق بالعرق في قياسات محيط الخصر مع حد أدنى أقل لمستوى السكر في الدم الصائم. في الدراسات المستقبلية، نقترح أن يأخذ المؤلفون في الاعتبار استخدام المعايير الموحدة لضمان اكتشاف جميع الأسباب المحتملة لمتلازمة الأيض. بالإضافة إلى ذلك، ذكرت البيانات الديموغرافية في الجدول 1 المخاطر القلبية الوعائية كواحدة من المتغيرات؛ ومع ذلك، لم نتمكن من استنتاجها في التحليل الأحادي المتغير. نتساءل عما إذا كانت مرتبطة بالنشاط البدني أو متغيرات أخرى. كما اعتبر المؤلفون السمنة كما تم قياسها من خلال مؤشر كتلة الجسم (BMI) كعامل خطر لـ NAFLD. وقد أكد ذلك نتائج الدراسة كعامل خطر مستقل لـ NAFLD. على الرغم من أن مؤشر كتلة الجسم قوي وسهل الاستخدام كمؤشر للسمنة، إلا أن مؤشر كتلة الجسم المماثل لا يعني بالضرورة نسبة مماثلة من الدهون في الجسم. وبالتالي، قد يكون قياس نسبة الدهون في الجسم من خلال تحليل مقاومة الجسم الكهربائي مؤشرًا أفضل للسمنة. قد تأخذ الدراسات المستقبلية في الاعتبار مقاييس مختلفة لتكوين الجسم لتعريف السمنة بدقة. بالنسبة للتحليل الإحصائي، قام الباحثون بعمل جيد من خلال إجراء جميع التحليلات الأحادية المتغير ثم اختيار المتغيرات ذات الدلالة الإحصائية لتضمينها في الانحدار اللوجستي الثنائي. ومع ذلك، هناك طريقة أخرى لتحليل البيانات من خلال إجراء انحدار لوجستي متعدد كامل. في الانحدار اللوجستي المتعدد، يتطلب التحليل الأحادي المتغير المسمى الانحدار اللوجستي البسيط اختيار المتغيرات المحتملة التي يمكن تضمينها في النموذج الأولي. يمكن أن يزيد إجراء الانحدار اللوجستي المتعدد (التحليل المتعدد المتغيرات) من قوة التحليل الإحصائي. نلاحظ بعض البيانات المفقودة لمعظم المتغيرات المقاسة، مما قد يؤدي إلى تحيز محتمل ويقوض الاستنتاجات من البحث إذا لم يتم التعامل معها ومعالجتها بشكل مناسب. نود أن نعرف كيف تعامل الباحثون مع البيانات المفقودة أو عالجوها.

الكلمات المفتاحية