Crohn Hastalığı Hastalarında Yetersiz Beslenmenin Değerlendirilmesi: Dinamik Optimizasyon Potansiyeli ve Etkinlik Doğrulaması Olan Yeni Bir Risk Tahmin Modeli

Özet

Bu çalışma, meta-analiz, çok değişkenli lojistik regresyon ve makine öğrenimi kullanarak Crohn hastalığı hastaları için yeni bir malnütrisyon risk tahmin modeli oluşturdu ve doğruladı. Model, kişiselleştirilmiş beslenme müdahalelerini yönlendirmek için iyi öngörücü performans ve klinik fayda göstermiştir.

Özet

Bu çalışma, Crohn hastalığı (CD) hastaları için çok değişkenli lojistik regresyon ve makine öğrenimini birleştiren bir yetersiz beslenme risk tahmin modeli oluşturmak ve doğrulamayı amaçladı; amacı, inflamatuar belirteçler ve hastalık özelliklerinin entegrasyonu yoluyla malnütrisyon riski tanımlamasının hassasiyetini artırmaktır. PubMed, Web of Science, Cochrane Kütüphanesi, Embase ve Çin Ulusal Bilgi Altyapısı (CNKI), CD hastalarında yetersiz beslenmeyle ilişkili risk faktörlerini sistematik olarak belirlemek için araştırıldı. Meta-analizde Global Leadership Initiative on Malnutrition (GLIM) 2019 kriterleri, Avrupa Klinik Beslenme ve Metabolizma Derneği (ESPEN) 2015 kriterleri veya Malnütrisyon Evrensel Tarama Aracı (MUST) kriterleri kullanılarak yapılan yüksek kaliteli çalışmalar meta-analize dahil edildi; çalışma grubu ise tutarlı sonuç tanımını sağlamak için yalnızca ESPEN 2015 kriterlerini uyguladı. Tahmin modeli, İltihap Bağırsak Hastalıkları Kohort Veritabanı (IBDCD) verileriyle geliştirildi ve aynı veritabanından bağımsız, örtüşmeyen 280 hastadan oluşan bağımsız, örtüşmeyen bir alt küme ile bootstrap yeniden örnekleme ile doğrulandı. Model performansı, alıcı çalışma karakteristik eğrisi (AUC), Hosmer–Lemeshow testi ve Brier skoru altındaki alan kullanılarak değerlendirildi. Eğitim ve doğrulama kohortları arasında önemli bir başlangıç farkı gözlemlenmedi. Model, eğitim kohortunda 0.987 ve doğrulama kohortunda 0.967 AUC elde ederek iyi ayırt etme ve kalibrasyon gösterdi. Karar eğrisi analizi, ilgili eşik olasılıkları arasında klinik olarak anlamlı net faydalar sağladı. Bu model, CD hastalarında malnüripripsiyon riskini etkili bir şekilde tanımlar ve kişiselleştirilmiş beslenme müdahalesini destekleyebilir, klinik karar alma süreçlerini optimize edebilir ve hasta sonuçlarını ve yaşam kalitesini iyileştirebilir. Modelin genellenebilirliğini daha da doğrulamak ve sosyoekonomik faktörlerin entegrasyonunu değerlendirmek için gelecekteki çok merkezli çalışmalar gereklidir.

Giriş

Crohn hastalığı (CD), çok faktörlü etiyolojiye sahip kronik, ilerleyici inflamatuar bağırsak hastalığıdır (IBD) olup, küresel yükü son yıllarda önemli ölçüde^{artmıştır 1}. Epidemiyolojik çalışmalar, CD'nin Batı ülkelerinde daha yaygın olmasına rağmen, özellikle Çin'de Asya nüfuslarında CD görülmesi ve yaygınlığının son otuz yılda belirgin şekilde arttığını^{göstermektedir 1}.

Düşük beslenme, CD hastalarında en yaygın ve klinik açıdan önemli komplikasyonlardan biridir.^2 CD hastalarının yaklaşık üçte biri ila yarısı orta ve şiddetli yetersiz beslenme^{yaşar. 2}. Kötü beslenme, uzun süreli hastanede yatışı, cerrahi ihtiyaçların artması, ameliyat sonrası komplikasyonların artması, hızlanmış bağırsak fibrozisi, artan glukokortikoid bağımlılığı, azalmış terapötik yanıt ve sağlıkla ilgili yaşam kalitesinin düşmesiyle ilişkilidir (HRQoL)^3,4. Ayrıca, yetersiz beslenme bağışıklık sisteminin işlev bozukluğuna katkıda bulunur, böylece bağırsak iltihabını daha da kötüleştirir ve önemli sosyoekonomik ve sağlık yükleri getiren kısır bir döngü^{oluşturur 3,4}.

Şu anda klinik uygulamada çeşitli beslenme değerlendirme araçları kullanılmaktadır; ancak CD hastalarına uygulanabilirlikleri sınırlı^{kalmaktadır 5}. Hasta Tarafından Oluşturulan Öznel Küresel Değerlendirme (PG-SGA), kronik hastalığı olan hastalarda beslenme taraması için önerilse de, büyük ölçüde öznel klinik yargıya dayanır ve CD popülasyonlarına uygulandığında klinisyenler arasında sınırlı tutarlılık gösterir⁶. Ayrıca, PG-SGA bağırsak malabsorbsiyonu için özgüllükten yoksundur. Vücut kütle indeksine (BMI) dayalı eşikleri içeren Beslenme Riski Taraması 2002 (NRS 2002), Asya nüfuslarında nispeten düşük hassasiyet göstermiş ve yetersiz teşhise katkıda bulunabilir⁷. Benzer şekilde, orijinal olarak yaşlı popülasyonlar için geliştirilen Mini Beslenme Değerlendirmesi-Kısa Formu (MNA-SF), CD olan genç yetişkinlerde nispeten yüksek yanlış pozitif oranlar göstermektedir.

Önemli olarak, şu anda mevcut olan çoğu beslenme değerlendirme aracı statik puanlama sistemlerine dayanmakta olup, CD^8'deki hastalık aktivitesiyle ilişkili beslenme durumundaki dinamik dalgalanmaları yeterince yakalayamıyor. CD, remisyon ve nüks dönemlerinin dönüşümlü olarak değişmesiyle karakterize olduğundan, beslenme durumu zamanla inflamatuar aktiviteyle paralel olarak kötüleşebilir^{veya iyileşebilir 9}. Geleneksel değerlendirme yaklaşımları dinamik risk tabakalaşmasını gerçekleştirme yetisine sahip değildir ve bu nedenle beslenme durumunda erken subklinik bozulmayı tespit edemeyebilir. Ayrıca, mevcut birçok araç hastalık spesifik biyobelirteçleri veya C-reaktif protein (CRP), serum albümini ve fekal kalprotektin gibi inflamatuar göstergeleri içermez; bu da karmaşık klinik ortamlarda öngörü doğruluğunu^sınırlar.

Yapay zeka ve makine öğrenimi (ML) alanındaki son gelişmeler, kronik inflamatuar hastalıklarda beslenme risk değerlendirmesini iyileştirmek için yeni fırsatlar ortaya^{çıkarmıştır 11}. Geleneksel regresyon tabanlı yaklaşımlara kıyasla, ML algoritmaları değişkenler arasındaki doğrusal olmayan ilişkileri ve karmaşık etkileşimleri tespit edebilir; bu da onları çok boyutlu tahmincilere sahip heterojen klinik veri setleri için özellikle uygun kılar. Ortaya çıkan kanıtlar, ML tabanlı beslenme riski tahmin modellerinin, IBD¹² hastalarında beslenme bozulmasını tahmin etmede geleneksel istatistiksel yaklaşımları geride bırakabileceğini göstermektedir. Öngörücü performansı artırmanın yanı sıra, makine öğrenimi yaklaşımları düzenlileştirme teknikleriyle çoklu kollineerliği azaltabilir ve model yorumlanabilirliğini ve genellenebilirliğini artırmak için öngörücü seçimini optimize^{edebilir 13,14}.

Büyük ölçekli kamuya açık veri tabanlarının artan erişilebilirliği, CD'de beslenme ile ilgili araştırmaları daha da güçlendirmiştir. IBD Biobank, Ulusal Sağlık ve Beslenme Muayene Anketi (NHANES) ve UK Biobank gibi uluslararası veri tabanları, beslenme indeksleri, inflamatuar biyobelirteçler, genomik bilgiler ve yaşam tarzı özelliklerini içeren kapsamlı uzunlamasına klinik veriler^içerir 15,16,17. Bu çok boyutlu veri setlerinin entegrasyonu, çapraz popülasyon doğrulamasını sağlar ve öngörücü modellerin dışsal uygulanabilirliğini artırır. Meta-analizler, çoklu merkezli entegre veri setleri kullanılarak geliştirilen tahmin modellerinin, tek merkezli kohortlardan türetilen modellere göre daha fazla istikrar ve tekrarlanabilirlik sergilediğini göstermiştir.

Bu çalışma, çok boyutlu öngörücü değişkenlerin inflamatuar belirteçler, hastalık özellikleri ve demografik ile sosyoekonomik faktörler dahil olmak üzere entegre edilmesinin çok değişkenli lojistik regresyon ve makine öğrenimi algoritmalarıyla birleştirilmesinin, CD hastalarında malnütrisyon riski tahmininin doğruluğunu ve verimliliğini artıracağını öne sürdü. Ortaya çıkan tahmin modeli, kişiselleştirilmiş beslenme müdahalesini kolaylaştırabilir, klinik karar alma süreçlerini optimize edebilir ve hasta sonuçlarını ile yaşam kalitesini iyileştirebilir.

Protokol

Verileri İnflamatuar Bağırsak Hastalığı Kohort Veritabanı'na (IBDCD) girilen tüm hastalar, veritabanı kaydı sırasında kimlik dışı klinik verilerin araştırma amaçlı kullanımı için yazılı bilgilendirilmiş onay vermiştir. Aynı etik onay ve onay çerçevesi, veritabanından çıkarılan tüm verilere, geliştirme ve doğrulama kohortları dahil olmak üzere uygulandı. Bu çalışmada tanımlanabilir bir hasta bilgisi kullanılmadı ve tüm veriler kimliği silinip depolama için şifrelendi. Bu çalışma, yerleşik bir veritabanından kimliği silinmiş verilerin geriye dönük analizini içerdiğinden, etik komite bu özel analiz için ek hasta rızası gerekliliğini kaldırdı. Protokolde kullanılan araştırma araçları Materyaller Tablosu'nda listelenmiştir.

1. Meta-analizde etkileyici faktörlerin taraması

1. Literatür arama stratejisi
   PubMed, Web of Science, Cochrane Kütüphanesi, Embase ve Çin Ulusal Bilgi Altyapısı (CNKI) genelinde sistematik bir arama stratejisi yürütüldü. İngilizce arama stratejisi şu şekilde tanımlandı:
   
   ("Crohn Hastalığı"[Mesh] YA da "CD"[tiab] YA da "Crohn*"[tiab]) VE ("Beslenme Eksikliği"[Ağ] VEYA "Beslenme Durumu"[Mesh] VEYA "Beslenme Riski"[tiab]) VE ("Risk Faktörleri"[Ağ] VEYA "Tahmin*"[tiab])
   
   Arama dönemi, veritabanı kuruluşundan 31 Mart 2025'e kadar olan dönemi kapsıyordu. Ayrıca, dahil edilen çalışmalardan referans listelerinin manuel taraması yapılarak potansiyel olarak kaçırılan makaleler tespit edildi. Bu strateji, Crohn hastalığı (CD) hastalarında yetersiz beslenmeyle ilgili risk ve öngörücü faktörlerin kapsamlı bir literatür incelemesini mümkün kılmıştır; bu nedenle literatür koleksiyonunun tamamlanmasını sağlamak için net tanımlanmış veritabanları, arama terimleri, zaman dilimi ve ek manuel arama prosedürleri uygulanmıştır.
2. Dahil etme ve dışlama kriterleri
   Dahil etme kriterleri, çalışma popülasyonlarının 2018 İltihap Bağırsak Hastalığı Tanı ve Tedavisi Konsensüsü'ne göre Crohn hastalığı teşhisi konsensüsü konsensüsüne göre ≥18 yaşında) yetişkin hastalardan oluşmasını gerektiriyordu. CD'de malnütrasyonun klinik önemi göz önüne alındığında, Avrupa Klinik Beslenme ve Metabolizma Derneği (ESPEN) 2015 kriterleri, Küresel Liderlik Malnüsasyon Girişimi (GLIM) 2019 kriterleri veya Malnütrisyon Evrensel Tarama Aracı (MUST) puanı ≥2 kullanılarak malnütrisyonu tanımlayan çalışmalara vurgu yapıldı. Literatürde tanımlanan tanı kriterleri ile çalışma kohortu içinde sonuç tanımı için ESPEN 2015 kriterlerinin yalnızca uygulanması arasında net bir ayrım sağlandı.
   
   Uygun çalışma tasarımları, malnütrisyon risk faktörlerinin çoklu bakış açılarından kapsamlı değerlendirilmesini sağlamak için kohort, vaka-kontrol, kesitsel ve karma yöntemler çalışmalarını içeriyordu. Dışlama kriterleri arasında hayvan çalışmaları, derleme makaleleri ve konferans özetleri bulunuyordu; çünkü yetersiz veri desteği veya hakem değerlendirmesi eksikliği vardı. Temel istatistiksel bilgiye sahip olmayan çalışmalar, örneğin olasılık oranları (OR) ve karşılık gelen %95 güven aralıkları (CI) de hariç tutuldu.

2. Literatür taraması ve veri çıkarma

Literatür taraması ve veri çıkarma, iki araştırmacı tarafından bağımsız olarak gerçekleştirilerek tamlık ve doğruluk sağlandı. İlk aşamada, dahil etme kriterlerini açıkça karşılamayan çalışmaların başlık ve özetler elemesi ve veri seti potansiyel olarak ilgili, yüksek kaliteli çalışmalara daraltıldı.

Daha sonra, potansiyel uygun görülen çalışmalar için tam metin taraması yapıldı. Bu aşama, çalışmanın tasarımı, metodolojisi, sonuçları ve önceden tanımlanmış dahil etme kriterlerine uyumun ayrıntılı değerlendirilmesini içeriyor; böylece nihai analizde yalnızca tüm gereksinimleri karşılayan çalışmalar yer aldı.

Veri çıkarımı, yazar isimleri, yayın yılı, ülke, örneklem büyüklüğü, Montreal sınıflandırma alt tür dağılımı, ortalama hastalık süresi, yetersiz beslenme tanımları, değerlendirme araçları ve yetersiz beslenme riskine ilişkin %95 CI ile ilgili çıkarılmış OR'lar dahil olmak üzere temel bilgileri sistematik olarak kaydetmek için standartlaştırılmış formlarla gerçekleştirildi.

Tarama ve veri çıkarma sırasında ortaya çıkan tutarsızlıklar veya belirsizlikler iç tartışmalarla çözüldü. Uzlaşma sağlanamadığında, üçüncü taraf bir uzmana danışıldı; bu da öznel önyargıyı en aza indirerek ve objektif karar alma sağlandı. Bu titiz süreç, metodolojik şeffaflığı artırdı ve CD'de malnütrisyon riskiyle ilişkili temel faktörlerin belirlenmesi için sağlam bir temel sağladı.

3. Kalite değerlendirmesi

Dahil edilen çalışmaların bilimsel geçerliliği ve güvenilirliğini sağlamak için titiz kalite değerlendirme kriterleri uygulandı. Kohort ve vaka-kontrol çalışmaları, çalışma kalitesini üç alanda değerlendiren Newcastle–Ottawa Ölçeği (NOS) kullanılarak değerlendirildi: seçim, karşılaştırılabilirlik ve maruziyet. Sadece NOS puanı ≥7 olan çalışmalar yüksek kaliteli olarak sınıflandırıldı ve analize dahil edildi.

Kesitsel çalışmalar, katılımcı seçimi, örneklem büyüklüğü yeterliliği, veri toplama yöntemlerinin geçerliliği ve istatistiksel analizlerin uygunluğunu inceleyen Sağlık Araştırma ve Kalite Ajansı (AHRQ) değerlendirme aracı kullanılarak değerlendirildi. AHRQ puanı ≥8 olan çalışmalar dahil edilmeye uygun kabul edildi.

Bu katı kalite değerlendirme kriterlerinin uygulanması, çalışma kalite değişkenliğiyle ilgili potansiyel önyargıyı en aza indirdi ve öngörücü modelin güvenilir bir kanıt tabanıyla desteklenmesini sağladı.

4. Tahmin modeli yapısı

1. Veri kaynağı
   İnflamatuar Bağırsak Hastalığı Kohort Veritabanı (IBDCD), Ocak 2018 ile Mart 2025 arasında toplanan Crohn hastalığı hastalarından toplanmış klinik verileri içeren çok merkezli prospektif kohort veritabanıdır; demografik bilgiler, klinik özellikler, laboratuvar göstergeleri, tedavi rejimleri ve beslenme durumu değerlendirmelerini içerir. Model geliştirme veri seti, eğitim kohortunda 520 hasta ve doğrulama kohortunda 280 hastadan oluşan IBDCD veritabanından türetilen 800 Crohn hastalığı hastasını içeriyordu.
   
   Dahil etme kriterleri için en az 6 ay boyunca Crohn hastalığının doğrulanmış bir tanısı ve meta-analizden elde edilen belirlenen etki faktörleri ile beslenme değerlendirme verileri dahil olmak üzere tam klinik verilerin erişilebilirliği gerekiyordu. Beslenme durumunu etkileyebilecek eşlik edinen hastalıkları olan hastalar, örneğin maligniteler veya kronik böbrek hastalığı, veri doğruluğu ve model geçerliliği için dışlandı.
2. Değişken tanımı ve ataması
   Yeterli beslenme, ESPEN 2015 kriterlerine göre sıkı bir şekilde teşhis edildi; bu kriterler üç temel tanısal bileşeni içerir: istemeden kilo kaybı (3 ay içinde %≥%5 veya 6 ay ≥içinde %10), azalmış gıda alımı veya emilimi (≥%25 azalma) ≥14 gün için) ve kas kütlesinin azalması, fizik muayene ve antropometrik ölçümlerle, orta kol kas çevresi dahil. Düşük vücut kitle indeksi (BMI < 18,5 kg^{/m 2}) kesin bir tanı göstergesi yerine destekleyici olarak kabul edildi. Yetersiz beslenme yalnızca en az bir temel kriter varsa doğrulandı, düşük BMI ise ek gösterge olarak hizmet verdi. Temel kriterlere dair kanıt olmadan düşük BMI ile başvuran hastalar yetersiz beslenmiş olarak sınıflandırılmadı. Bu tanım, düşük BMI (öngörücü bir değişken) ile düşük beslenme (bir sonuç) arasındaki döngüsel ilişkiyi önledi.
   
   Yetkin beslenme yaygınlığı eğitim grubunda %42,5 (n = 520) ve doğrulama grubunda %40,4 (n = 280) idi. Meta-analiz sonuçlarına dayanarak, hastalık aktivitesi C-reaktif protein (CRP >10 mg/L; Evet = 1, No = 0), Montreal sınıflandırması ile tanımlanan ince bağırsak duruşu (LL1/LL3 vs LL2 kolon katılımı; Evet = 1, Hayır = 0), biyolojik kullanım (Evet = 1, Hayır = 0), bağırsak rezeksiyonu öyküsü (Evet = 1, Hayır = 0) ve düşük BMI (<18,5 kg/^{m 2}; Evet = 1, Hayır = 0). Yaş ve cinsiyet temel demografik özellikler olarak toplandı ancak ön analiz sırasında istatistiksel olarak anlamlı olmadığı için nihai modelde öngörücü değişkenler olarak dahil edilmedi.
   
   Meta-analizde toplam 17 yüksek kaliteli çalışma yer aldı. Toplanan OR'lar ve beş öngörücü faktör için %95 CI şunlardır: yüksek CRP (OR = 4,72, %95 GA: 3,21–6,95), ince bağırsak katılımı (OR = 2,89, %95 CI: 1,93–4,33), biyolojik kullanım (OR = 0,39, %95 GA: 0,15–1,01), bağırsak rezeksiyon öyküsü (OR = 6,17, %95 GA: 2,35–16,18) ve düşük BMI (OR = 3,56, %95 GA: 2.41–5.27).
3. Model oluşturma yöntemi
   Meta-analizden elde edilen havuza alınan OR'lar ve karşılık gelen %95'lik CI'ler, log-OR değerlerine dönüştürülerek çok değişkenli lojistik regresyon modelinin regresyon katsayılarını (β) türetmek için kullanıldı. Meta-analiz sonuçları ile model katsayıları arasındaki tutarlılık, Pearson korelasyon analiziyle doğrulandı (r = 0.98, P < 0.001). Belirlenen etki faktörlerine dayanarak, aşağıdaki denkleme göre çok değişkenli lojistik regresyon modeli oluşturulmuştur:
   
   "logit"(P) = α + β₁ X₁ + β₂ X₂ + β₃ X₃ + β₄ X₄ + β₅ X₅
   
   burada P, yetersiz beslenme olasılığını temsil eder ve β değerler meta-analizden elde edilen havuzlanmış OR değerlerinin doğal logaritmasını temsil eder.
   
   R yazılımı (sürüm 4.2.1) ve "rms" paketi kullanılarak, model klinik olarak uygulanabilir bir nomograma çevrildi. Orijinal risk puanları (teorik aralık: 0–325.1) klinik okunabilirliği artırmak için doğrusal olarak 0–100 aralığına ölçeklendirilmiştir. Toplam nomogram puanlarına dayanarak, hastalar düşük riskli (≤20 puan), orta riskli (21–40 puan) ve yüksek riskli (>40 puan) kategorilerine göre yüzde tabanlı kalibrasyon kullanılarak gruplandırıldı.
   
   Özellik optimizasyonu için rastgele orman (RF) ve gradyan artırma karar ağacı (GBDT) dahil makine öğrenimi algoritmaları kullanıldı. Bir üst üste yığma stratejisi, temel öğrenenler olarak RF ve GBDT'yi, meta-sınıflandırıcı olarak lojistik regresyonu birleştirdi. Hiperparametreler, 5 katlı çapraz doğrulama kullanılarak optimize edildi; RF n_estimators = 200 ve max_depth = 10 olarak yapılandırıldı; GBDT ise n_estimators = 150 ve learning_rate = 0.1 olarak yapılandırıldı. Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE), eğitim veri setindeki küçük sınıf dengesizliğini gidermek için uygulandı.

5. Model doğrulama

1. Doğrulama veri seti
   Çift doğrulama stratejisi uygulandı. İçsel doğrulama, 1.000 tekrarla bootstrap yeniden örnekleme kullanılarak gerçekleştirildi. Bekletme doğrulaması, eğitim grubuna dahil edilen hastalar hariç tutulan IBDCD veritabanından çıkarılan 280 hastadan oluşan bağımsız, örtüşmeyen bir alt küme kullanılarak gerçekleştirildi. Doğrulama grubundaki tüm hastalar 2018 İltihapur Bağırsak Hastalığı Konsensusu kapsamında Crohn hastalığı teşhisi konmuş olup, Ocak 2018'den Mart 2025'e kadar perspektif olarak toplanan veriler bulunmaktadır.
   
   Doğrulama grubu, eğitim grubuyla aynı belirleme prosedürlerini takip etti. Yetersiz beslenme, ESPEN 2015 kriterleriyle değerlendirildi ve CRP, lezyon konumu, biyolojik kullanım, bağırsak rezeksiyon öyküsü ve BMI gibi tüm öngörücü değişkenler hastaneye yatıştan sonraki 72 saat içinde ölçüldü. Eğitim ve doğrulama kohortları arasında yaş, cinsiyet ve hastalık süresi dahil olmak üzere başlangıç özellikleri açısından anlamlı farklar gözlemlenmedi (P > 0.05), bu da doğrulama sonuçlarının güvenilirliğini ve klinik uygulanabilirliğini destekledi.
   
   Model performansını daha iyi değerlendirmek için ek performans metrikleri hesaplandı. Eğitim grubunda hassasiyet %92,3, özgüllük %94,1, pozitif öngörücü değer (PPV) %90,5 ve negatif öngörü değeri (NPV) %95,2 idi. Doğrulama kohortunda hassasiyet %90,2, spesifiklik %92,8, PPV %88,7 ve NPV %93,9 idi. Brier puanı eğitim grubunda 0.087, doğrulama grubunda ise 0.102 olarak kabul edilebilir tahmin hatasını gösteriyor.
2. Doğrulama metrikleri
   Model ayırımı, alıcı çalışma karakteristikası (ROC) eğrisinin (AUC) altındaki alan kullanılarak değerlendirildi. Kalibrasyon, Hosmer–Lemeshow testi kullanılarak değerlendirildi; burada P > 0.05, tahmin edilen olasılıklar ile gözlemlenen sonuçlar arasında anlamlı bir fark olmadığını gösterdi; Brier skoru ise <0.20 değerleri kabul edilebilir tahmin hatasını gösterdi. Karar eğrisi analizi (DCA) da çeşitli eşik olasılıklar arasında klinik net faydayı değerlendirmek için yapılmıştır.
   
   Bu doğrulama çerçevesi, Bireysel Prognoz veya Tanı (TRIPOD) beyanı yönergeleri için çok değişkenli tahmin modelinin şeffaf raporlamasına bağlıydı.

6. İstatistiksel analiz

Meta-analiz RevMan sürüm 5.4 kullanılarak yapıldı ve karşılık gelen %95 CI'ye sahip havuzlanmış OR'lar hesaplandı. Heterojenlik I² istatistiği kullanılarak değerlendirildi; Değerler>%50 önemli heterojenliği gösterir. Rastgele etki modelleri anlamlı heterojenlik olduğunda uygulandı; aksi takdirde, sabit etkili modeller kullanılıyordu. Hassasiyet analizi, sonuçların kararlılığını değerlendirmek için bireysel çalışmalar sıralı olarak hariç tutularak gerçekleştirildi. Yayın yanlılığı huni grafikleri ve Egger testi kullanılarak değerlendirildi.

Temel istatistiksel analizler SPSS versiyon 26.0 kullanılarak gerçekleştirilmiştir. R yazılımındaki "pROC", "rms" ve "glmnet" paketleri (sürüm 4.2.1) model oluşturma ve doğrulama için kullanıldı.

Sonuçlar

Çalışma popülasyonunun temel özellikleri
Bu meta-analiz, Ek Tablo 1'de özetlendiği gibi, Crohn hastalığı hastalarında yetersiz beslenmeyi değerlendiren 17 yüksek kaliteli çalışmayı içermektedir. Çalışmalar 2009 ile 2025 yılları arasında yayımlandı ve medyan örneklem büyüklüğü 502 hastadan oluşuyordu (aralık: 175–773). Çalışma tasarımları arasında prospektif kohort, retrospektif kohort, vaka-kontrol, kesitsel ve karma yöntemler çalışmaları yer almaktad...

Tartışma

Crohn hastalığı (CD), gastrointestinal yolun herhangi bir bölümünü etkileyebilen kronik, tekrarlayan bir inflamatuar bağırsak^{hastalığıdır} 1,35,36,37. CD'nin etiyolojisi hâlâ belirsizdir ve genetik duyarlılık, çevresel maruziyetler ve bağışıklık düzensizliği gibi birçok faktörü içerdiği düşünülmektedir. Yaygın klinik belirtiler arasında karın ağrısı, ishal, kilo...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
RevMan yazılımı	Cochrane Collaboration‌	5.4	Cochrane işbirliği tarafından geliştirilen profesyonel meta-analiz yazılımı, esas olarak sistematik derlemeler ve meta-analizlerin formülasyonu, veri girişi ve sonuçların görselleştirilmesi için kullanılır. ‌
R yazılımı	The R Project for Statistical Computing	4.2.1	R, istatistik alanında yaygın olarak kullanılan ve 1980 civarında ortaya çıkan S dilinin bir dalıdır. S dilinin bir uygulaması olarak kabul edilebilir. AT&T Bell LABS tarafından geliştirilen S dili, veri keşfi, istatistiksel analiz ve çizim için kullanılan bir yorumlayıcı dildir