PhenoAge เทียบกับอายุชีวภาพ KDM: เหตุใดเครื่องคำนวณจึงให้ผลไม่ตรงกัน

คุณป้อนอายุจริงและผลตรวจทางห้องปฏิบัติการชุดเดียวกันลงในเครื่องคำนวณอายุชีวภาพสองตัว PhenoAge บอกว่า 49 ปี ส่วน KDM บอกว่า 43 ปี ขณะที่อายุตามปฏิทินของคุณคือ 46 ปี

แล้วตัวเลขใดถูกต้อง?

คำตอบที่เป็นประโยชน์ที่สุดคือ: เครื่องคำนวณทั้งสองกำลังตอบคำถามทางสถิติคนละข้อ PhenoAge และ Klemera–Doubal Method (KDM) อาจใช้ตัวบ่งชี้ในเลือดที่ทับซ้อนกัน แต่ไม่ได้ถูกออกแบบมาให้ได้ผลเหมือนกัน ช่องว่างระหว่างสองค่านี้จึงไม่ได้หมายความว่าเกิดข้อผิดพลาดโดยอัตโนมัติ

คู่มือนี้อธิบายว่าทำไม PhenoAge และ KDM จึงไม่ตรงกัน ผลลัพธ์แต่ละแบบหมายถึงอะไรจริง ๆ และควรเลือกแบบใดเพื่อการติดตามที่สม่ำเสมอ หากต้องการสูตร รายการตัวบ่งชี้ และการตีความเบื้องต้นก่อน โปรดเริ่มจากคู่มือการตรวจเลือด PhenoAge และ KDM ฉบับสมบูรณ์

คำตอบแบบสั้น: PhenoAge ปรับเทียบกับความเสี่ยงต่อการเสียชีวิต แล้วแสดงความเสี่ยงนั้นเป็นอายุเทียบเท่า KDM ปรับเทียบเป็นหลักกับรูปแบบที่ตัวบ่งชี้เปลี่ยนไปตามอายุตามปฏิทินในประชากรอ้างอิง เป้าหมาย ชุดตัวบ่งชี้ สัมประสิทธิ์ และกลุ่มตัวอย่างอ้างอิงที่ต่างกัน จึงอาจทำให้คนคนเดียวกันมีอายุชีวภาพต่างกันได้

คำตอบแบบสั้น: PhenoAge และ KDM ตอบคำถามต่างกัน

PhenoAge ประเมินอายุที่เทียบเท่ากับความเสี่ยงต่อการเสียชีวิต ส่วน KDM ประเมินอายุที่สอดคล้องที่สุดกับโปรไฟล์ตัวบ่งชี้หลายตัวแปร เพราะเป้าหมายและวิธีนำไปใช้ต่างกัน ผลเลือดชุดเดียวจึงอาจให้ตัวเลขอายุต่างกันอย่างสมเหตุสมผล การเปรียบเทียบที่ถูกต้องคือเปรียบเทียบคะแนนของแต่ละโมเดลกับโมเดลเดิมเมื่อเวลาผ่านไป ไม่ใช่เอา PhenoAge มาเทียบกับ KDM ราวกับว่าวัดสิ่งตายตัวอย่างเดียวกัน

ข้อเท็จจริงสำคัญ

• PhenoAge และ KDM ไม่ได้วัดโครงสร้างเดียวกัน PhenoAge มุ่งความเสี่ยงต่อการเสียชีวิต ส่วน KDM ประเมินอายุทางสรีรวิทยาแบบหลายตัวแปร
• “KDM” เป็นวิธีการ ไม่ใช่เครื่องคำนวณสากลเพียงตัวเดียว ผลลัพธ์ขึ้นกับตัวบ่งชี้และประชากรอ้างอิงที่ใช้ฝึกโมเดล
• PhenoAge มีมาตรฐานมากกว่า เวอร์ชันทางคลินิกที่ใช้กันทั่วไปมีตัวบ่งชี้เก้าตัวร่วมกับอายุตามปฏิทินและสัมประสิทธิ์ตายตัวที่ตีพิมพ์แล้ว
• ผลลัพธ์ควรระบุวิธีนำไปใช้ให้ชัดเจน ป้ายว่า “KDM age” ยังไม่ครบถ้วนหากไม่บอกชุดตัวบ่งชี้ หน่วย กลุ่มประชากรที่ฝึกโมเดล และสูตร
• อย่านำอายุทั้งสองมาเฉลี่ยกัน เลือกโมเดลที่ตอบคำถามของคุณ แล้วเปรียบเทียบผลในอนาคตกับวิธีเดียวกันเท่านั้น
• ทั้งสองคะแนนไม่ใช่การวินิจฉัยโรค ควรหารือค่าตรวจผิดปกติและความเสี่ยงทางคลินิกกับบุคลากรสุขภาพที่มีคุณวุฒิ

การเปรียบเทียบในตารางเดียว

คุณลักษณะ	PhenoAge	อายุชีวภาพ KDM
เป้าหมายหลักในการฝึกโมเดล	ความเสี่ยงต่อการเสียชีวิต	รูปแบบอายุตามปฏิทินจากตัวบ่งชี้หลายตัว
ข้อมูลนำเข้าที่พบบ่อย	ตัวบ่งชี้ในเลือด 9 ตัว + อายุตามปฏิทิน	ชุดตัวบ่งชี้ทางคลินิกหรือการทำงานที่ปรับเปลี่ยนได้; อายุตามปฏิทินอาจเข้าสู่ตัวประมาณค่าด้วย
ความหมายของผลลัพธ์	อายุของประชากรอ้างอิงที่สัมพันธ์กับความเสี่ยงต่อการเสียชีวิตโดยประมาณใกล้เคียงกัน	อายุที่สอดคล้องที่สุดกับโปรไฟล์ตัวบ่งชี้หลายตัวแปรของบุคคลภายใต้โมเดลที่ฟิตแล้ว
ความเป็นมาตรฐาน	มีสูตรทางคลินิกที่เผยแพร่และใช้กันทั่วไป	มีวิธีนำไปใช้ที่ถูกต้องได้หลายแบบ
จุดแข็งหลัก	เกณฑ์เปรียบเทียบแบบตายตัวที่มุ่งความเสี่ยง	ผสานระบบสรีรวิทยาหลายระบบได้ยืดหยุ่น
ข้อจำกัดหลัก	สูตรเชิงเส้นตายตัวอาจตอบสนองแรงต่อค่าบางตัว และไม่ครอบคลุมความสัมพันธ์ทางคลินิกแบบไม่เชิงเส้นทั้งหมด	ผลลัพธ์ขึ้นกับการเลือกชุดตัวบ่งชี้และการปรับเทียบประชากรอย่างมาก
กฎการติดตามที่ดีที่สุด	ใช้สูตร หน่วย เงื่อนไขห้องปฏิบัติการ และนิยามตัวบ่งชี้เดิม	ใช้โมเดลที่ฝึกแล้ว ชุดตัวบ่งชี้ หน่วย ประชากรอ้างอิง และเงื่อนไขการตรวจเดิม

ทั้งสองแนวทางเป็นโมเดลระดับประชากร ไม่ได้วัดจำนวนปีที่เนื้อเยื่อของคุณมีอยู่โดยตรง และไม่ได้พิสูจน์ว่าการแทรกแซงใดเปลี่ยนอัตราการแก่ชราพื้นฐานได้

PhenoAge ถูกออกแบบมาเพื่อประเมินอะไร

Clinical Phenotypic Age ได้รับการพัฒนาจากข้อมูล U.S. National Health and Nutrition Examination Survey นักวิจัยคัดกรองตัวบ่งชี้ทางคลินิกตามปกติหลายสิบรายการ แล้วใช้โมเดลการอยู่รอดแบบมีการลงโทษเพื่อเลือกอายุตามปฏิทินและตัวบ่งชี้เก้าตัวที่ทำนายการเสียชีวิตได้

ข้อมูลนำเข้าเหล่านั้นคือ:

1. อัลบูมิน;
2. ครีอะตินิน;
3. กลูโคส;
4. C-reactive protein;
5. ร้อยละของลิมโฟไซต์;
6. ปริมาตรเม็ดเลือดแดงเฉลี่ย;
7. ความกว้างการกระจายตัวของเม็ดเลือดแดง;
8. อัลคาไลน์ฟอสฟาเทส;
9. จำนวนเม็ดเลือดขาว;
10. อายุตามปฏิทิน

โมเดลจะประเมินความเสี่ยงต่อการเสียชีวิตก่อน จากนั้นแปลงความเสี่ยงนั้นเป็นอายุที่คนเฉลี่ยในประชากรอ้างอิงจะมีความเสี่ยงใกล้เคียงกัน การแปลงขั้นที่สองนี่เองทำให้ผลลัพธ์ดูเหมือนอายุเป็นปีที่คุ้นเคย

PhenoAge 52 ปี ไม่ได้ หมายความว่าอวัยวะทุกส่วนมีอายุชีวภาพ 52 ปี หมายถึงโมเดลให้โปรไฟล์ความเสี่ยงต่อการเสียชีวิตที่เทียบได้กับค่าอ้างอิงของอายุนั้น ค่าที่เกี่ยวข้องคือ PhenoAge acceleration ซึ่งถามว่าผลลัพธ์ดูแก่หรืออ่อนกว่าที่คาดหลังคำนึงถึงอายุตามปฏิทินหรือไม่

ในการตรวจสอบความใช้ได้ที่ตีพิมพ์ Phenotypic Age ทำนายความเจ็บป่วยและการเสียชีวิตได้ในกลุ่มประชากรและกลุ่มสุขภาพหลายแบบ จึงมีประโยชน์ในฐานะสรุปความเสี่ยงแบบกระชับ แต่นั่นไม่ได้เปลี่ยนคะแนนนี้ให้เป็นการวินิจฉัยทางคลินิกหรือคำพยากรณ์รายบุคคลที่รับประกันได้

อายุชีวภาพ KDM ถูกออกแบบมาเพื่อประเมินอะไร

KDM ใช้เส้นทางต่างออกไป โดยพิจารณาว่าตัวบ่งชี้ที่เลือกแต่ละตัวเปลี่ยนตามอายุอย่างไร มีความแปรปรวนที่อธิบายไม่ได้เหลือเท่าใด และตัวบ่งชี้สัมพันธ์กันอย่างไร จากนั้นจึงหาอายุชีวภาพที่สอดคล้องกับรูปแบบตัวบ่งชี้ทั้งหมดของบุคคลได้ดีที่สุด

กล่าวง่าย ๆ KDM ถามว่า:

ภายใต้โมเดลอ้างอิงนี้ ชุดการวัดทางสรีรวิทยานี้น่าจะเป็นไปได้มากที่สุดเมื่ออายุเท่าใด?

ตัวบ่งชี้ที่สัมพันธ์กับอายุอย่างชัดเจนและแม่นยำกว่ามักให้ข้อมูลมากกว่า ส่วนตัวบ่งชี้ที่สัมพันธ์กับอายุอ่อนหรือมีสัญญาณรบกวนคงเหลือสูงมักมีน้ำหนักน้อยกว่า วิธีนี้ยังคำนึงด้วยว่าค่าประมาณอายุชีวภาพเองมีความไม่แน่นอน

นี่เป็นกรอบคิดที่ทรงพลัง แต่ก่อให้เกิดผลสำคัญ: ไม่มีตัวเลข KDM สากลเพียงตัวเดียว

งานวิจัยหนึ่งอาจสร้าง KDM จากอัลบูมิน ครีอะตินิน กลูโคส ความดันโลหิต การทำงานของปอด และแรงบีบมือ อีกงานหนึ่งอาจใช้ชุดผลตรวจต่างออกไป โมเดลหนึ่งอาจแยกตามเพศ แต่อีกโมเดลรวมทุกเพศ โมเดลหนึ่งอาจฝึกจาก NHANES แต่อีกโมเดลจาก UK Biobank หรือกลุ่มตัวอย่างระดับประเทศ ทั้งหมดอาจเรียกว่า KDM ได้ แต่ไม่จำเป็นต้องให้ผลเหมือนกัน

เหตุใดผลเลือดชุดเดียวจึงให้อายุต่างกัน

1. โมเดลเพิ่มประสิทธิภาพเพื่อเป้าหมายต่างกัน

PhenoAge คัดเลือกและถ่วงน้ำหนักตัวแปรจากความสามารถในการทำนายการเสียชีวิต ส่วน KDM ตามแนวทางดั้งเดิมถ่วงน้ำหนักตัวแปรตามความสัมพันธ์กับอายุตามปฏิทินและความแปรปรวนคงเหลือ

ความแตกต่างนี้สำคัญ ตัวบ่งชี้หนึ่งอาจสัมพันธ์กับการเสียชีวิตอย่างมากโดยไม่ได้เปลี่ยนอย่างราบรื่นตามอายุ อีกตัวอาจติดตามอายุตามปฏิทินได้ดี แต่ให้ข้อมูลอิสระเกี่ยวกับความเสี่ยงระยะใกล้น้อยกว่า อัลกอริทึมจึงให้รางวัลต่อคุณสมบัติที่ต่างกันและกำหนดน้ำหนักต่างกัน

2. ชุดตัวบ่งชี้อาจทับซ้อนกันเพียงบางส่วน

สูตร PhenoAge ทางคลินิกมาตรฐานถูกกำหนดตายตัวเป็นตัวบ่งชี้เก้าตัวร่วมกับอายุ ส่วน KDM ปรับเปลี่ยนได้ แม้เครื่องคำนวณออนไลน์จะขอค่าที่ดูคุ้นเคย แต่ก็อาจตัด เพิ่ม หรือแปลงตัวแปรต่างจาก KDM เวอร์ชันอื่น

ผลลัพธ์ที่มาจากตัวบ่งชี้ห้องปฏิบัติการ 10 ตัวจึงไม่อาจใช้แทนกันโดยตรงกับ KDM ที่สร้างจากผลตรวจ 18 ตัวร่วมกับการทำงานของอวัยวะ องค์ประกอบของชุดข้อมูลเปลี่ยนความหมายของคำว่า “แก่กว่า” และ “อ่อนกว่า” ภายในโมเดล

3. อายุตามปฏิทินเข้าสู่โมเดลต่างกัน

อายุตามปฏิทินถูกรวมอย่างชัดเจนในโมเดลความเสี่ยงต่อการเสียชีวิตของ PhenoAge สำหรับ KDM อายุตามปฏิทินอาจเป็นแหล่งข้อมูลเพิ่มในสูตรประมาณค่า ขึ้นอยู่กับวิธีนำโมเดลไปใช้

สิ่งนี้มักดึงผลลัพธ์ทั้งสองเข้าหารูปแบบประชากรที่สัมพันธ์กับอายุ แต่ด้วยความแรงและตรรกะต่างกัน ดังนั้นคนสองคนที่มีค่าตัวบ่งชี้เหมือนกันแต่อายุตามปฏิทินต่างกัน อาจไม่ได้รับค่า acceleration เท่ากัน

4. KDM ขึ้นกับประชากรอ้างอิง

สัมประสิทธิ์ KDM ถูกประมาณจากชุดข้อมูล หากเปลี่ยนช่วงอายุ โปรไฟล์สุขภาพ สัดส่วนเพศ ชาติพันธุ์ ประเทศ วิธีตรวจในห้องปฏิบัติการ หรือช่วงปฏิทิน ความสัมพันธ์ระหว่างตัวบ่งชี้กับอายุก็อาจเปลี่ยนได้

นี่ไม่ใช่เพียงรายละเอียดทางเทคนิค โมเดลที่ฝึกจากผู้ใหญ่สุขภาพค่อนข้างดีอายุ 40–70 ปี อาจทำงานต่างไปเมื่อใช้กับอายุ 25 หรือ 85 ปี การใช้โมเดลไกลเกินช่วงที่ฝึกคือการคาดนอกช่วง ซึ่งตัวเลขปีที่ดูแม่นยำอาจทำให้เข้าใจผิดได้

PhenoAge ก็สะท้อนประชากรพัฒนาโมเดล NHANES ของสหรัฐฯ เช่นกัน แต่การนำไปใช้ทางคลินิกที่ใช้กันกว้างขวางมักคงสัมประสิทธิ์ที่ตีพิมพ์ไว้ เครื่องคำนวณ KDM มีแนวโน้มสูงกว่าที่จะใช้การปรับเทียบต่างกันแม้ใช้ชื่อเดียวกัน

5. หน่วยและการแปลงค่าเปลี่ยนคะแนนได้

PhenoAge ต้องการหน่วยที่ถูกต้อง C-reactive protein เป็นจุดที่ผิดพลาดบ่อย เพราะสูตรที่ตีพิมพ์ใช้ค่าที่แปลงแล้ว และเครื่องคำนวณอาจขอ mg/L ขณะที่รายงานของคุณใช้ mg/dL ครีอะตินิน กลูโคส จำนวนเม็ดเลือดขาว และอัลคาไลน์ฟอสฟาเทสก็ต้องตรวจสอบหน่วยอย่างระมัดระวังเช่นกัน

วิธีนำ KDM ไปใช้อาจทำมาตรฐาน แปลงลอการิทึม ตัดค่าปลาย หรือประมวลผลข้อมูลนำเข้าแบบอื่นตามกระบวนการฝึกโมเดล หากเครื่องคำนวณไม่บันทึกขั้นตอนเหล่านี้ไว้ คุณจะไม่สามารถทำซ้ำหรือเปรียบเทียบผลได้อย่างน่าเชื่อถือ

ก่อนตีความผลที่น่าประหลาดใจ ให้ตรวจสอบหน่วยและข้อมูลนำเข้าตามคู่มือการเปลี่ยนแปลงของ PhenoAge และสัญญาณรบกวนจากห้องปฏิบัติการ

6. ค่าผิดปกติเพียงตัวเดียวอาจสำคัญกว่าในอีกโมเดล

ลองนึกถึงคนที่มีกลูโคส อัลบูมิน ตัวบ่งชี้ไต และเม็ดเลือดอยู่ในเกณฑ์ดี แต่มี C-reactive protein สูงชั่วคราวหลังการติดเชื้อ

PhenoAge อาจขยับอย่างเห็นได้ชัด เพราะสมการที่มุ่งความเสี่ยงต่อการเสียชีวิตและมีค่าน้ำหนักตายตัวให้ CRP มีส่วนร่วมที่กำหนดไว้ KDM ที่มีการวัดเพิ่มจำนวนมากอาจเจือจางสัญญาณนี้ หรืออาจตอบสนองแรงหาก CRP มีความชันตามอายุที่เชื่อถือได้ในข้อมูลอ้างอิง คำตอบขึ้นอยู่กับ KDM เวอร์ชันที่ฟิตไว้

ในทางกลับกัน ลองนึกถึงคนที่มีแรงบีบมือและการทำงานปอดต่ำอย่างต่อเนื่อง แต่เคมีเลือดดี KDM ที่รวมข้อมูลการทำงานสามารถสะท้อนรูปแบบนี้ได้ ขณะที่ PhenoAge ทางคลินิกมาตรฐานทำไม่ได้ เพราะตัววัดเหล่านี้ไม่ได้เป็นข้อมูลนำเข้า

ไม่มีผลลัพธ์ใดจำเป็นต้อง “ผิด” แต่ละโมเดลเห็นได้เฉพาะตัวแปรที่ถูกสร้างมาให้เห็นเท่านั้น

รูปแบบความไม่ตรงกันสามแบบและสิ่งที่อาจบ่งชี้

รูปแบบ	คำอธิบายที่เป็นไปได้	สิ่งที่ควรตรวจต่อ
PhenoAge แก่กว่า แต่ KDM ใกล้อายุตามปฏิทิน	ตัวบ่งชี้ PhenoAge ที่มีน้ำหนักต่อการเสียชีวิตอย่างน้อยหนึ่งตัวไม่ดี แต่รูปแบบ KDM ที่กว้างกว่ายังเป็นไปตามวัย	ตรวจตัวขับ PhenoAge รายตัว หน่วย การอักเสบ และการเจ็บป่วยล่าสุด
KDM แก่กว่า แต่ PhenoAge ใกล้อายุตามปฏิทิน	ชุด KDM มีตัววัดการทำงานหรือทางคลินิกที่ไวต่ออายุ ซึ่ง PhenoAge ไม่มี	ระบุชุด KDM ที่แน่นอนและตัวบ่งชี้ที่ขับผลลัพธ์
ทั้งคู่แก่กว่าหรือทั้งคู่อ่อนกว่า	สัญญาณทางสรีรวิทยาหลายอย่างอาจไปในทิศทางเดียวกันข้ามโมเดล	ยืนยันเงื่อนไขมาตรฐานและความคงอยู่ด้วยการตรวจซ้ำ

สิ่งเหล่านี้เป็นสมมติฐานเพื่อการตีความ ไม่ใช่การวินิจฉัย อายุรวมจากเครื่องคำนวณไม่ควรอยู่เหนือการตีความทางคลินิกของกลูโคส การทำงานไต การอักเสบ เม็ดเลือด ความดันโลหิต หรือข้อมูลนำเข้าอื่นใด

สำหรับกรอบที่กว้างขึ้นซึ่งครอบคลุมเลือด เมทิลเลชัน และคะแนนจากอุปกรณ์สวมใส่ โปรดดูเหตุใดการทดสอบอายุชีวภาพจึงไม่ตรงกัน

ควรใช้เครื่องคำนวณใด?

เลือกตามการตัดสินใจที่คุณต้องการสนับสนุน

ใช้ PhenoAge เมื่อคุณต้องการเกณฑ์ที่ทำซ้ำได้และมุ่งความเสี่ยงต่อการเสียชีวิต

PhenoAge เป็นตัวเลือกที่ชัดเจนกว่าเมื่อคุณมีค่าตรวจที่จำเป็นและต้องการเปรียบเทียบผลกับสูตรตายตัวที่ได้รับการตีพิมพ์อย่างกว้างขวาง สูตรนี้ทำซ้ำ ตรวจสอบ และคำนวณใหม่ได้ค่อนข้างง่าย

เหมาะเป็นพิเศษเมื่อ:

• คุณมีตัวบ่งชี้ที่จำเป็นครบเก้าตัวในหน่วยที่ถูกต้อง;
• คุณต้องการความต่อเนื่องกับวรรณกรรม Phenotypic Age ทางคลินิกที่ตีพิมพ์;
• คุณสามารถตรวจซ้ำด้วยชุดตรวจเดียวกันในเงื่อนไขคล้ายกัน;
• คุณเข้าใจว่าอายุนั้นเป็นสรุปความเสี่ยงเทียบเท่า ไม่ใช่อายุเนื้อเยื่อตามตัวอักษร

ใช้ KDM เมื่อคุณต้องการโมเดลอายุทางสรีรวิทยาที่ครอบคลุมกว่า

KDM อาจเหมาะกว่าเมื่อวิธีนำไปใช้ที่บันทึกไว้อย่างดีรวมหลายระบบที่เกี่ยวข้อง และปรับเทียบกับประชากรที่คล้ายคุณ

เหมาะเป็นพิเศษเมื่อ:

• มีการเปิดเผยชุดตัวบ่งชี้และสัมประสิทธิ์หรือซอฟต์แวร์ที่แน่นอน;
• มีการบันทึกประชากรอ้างอิงและช่วงอายุที่ใช้ได้;
• โมเดลที่ฝึกแล้วแบบเดิมจะยังใช้ได้ในการตรวจครั้งต่อไป;
• คุณสนใจความเบี่ยงเบนทางสรีรวิทยาแบบหลายตัวแปร มากกว่าสรุปความเสี่ยงต่อการเสียชีวิตแบบตายตัว

อย่าเลือกจากผลลัพธ์ที่ให้ตัวเลขอ่อนที่สุด

การเลือกซื้อหาเครื่องคำนวณสร้างความรู้สึกแม่นยำลวงตา หากคุณลองสูตรมากพอ สักสูตรหนึ่งย่อมให้ตัวเลขที่น่าพอใจ แต่นั่นไม่ได้ทำให้สูตรนั้นใช้ได้ดีกว่าสำหรับคำถามของคุณ

ให้บันทึกโมเดลก่อนดูผลลัพธ์ แล้วรักษาวิธีนั้นให้คงที่

การตรวจสอบเครื่องคำนวณห้าข้อ

ก่อนเชื่อผล PhenoAge หรือ KDM ให้ตรวจสอบ:

1. ตัวตน: เครื่องคำนวณระบุวิธีที่แน่นอนและบทความต้นทางหรือไม่?
2. ข้อมูลนำเข้า: ระบุตัวบ่งชี้ที่จำเป็นทั้งหมดและหน่วยที่รับได้หรือไม่?
3. การนำไปใช้: สำหรับ KDM มีการเปิดเผยชุดตัวบ่งชี้ สัมประสิทธิ์หรือซอฟต์แวร์ ประชากรที่ใช้ฝึก และช่วงอายุที่ใช้ได้หรือไม่?
4. การทำซ้ำได้: คุณใส่ค่าเดิมซ้ำและส่งออกหรือบันทึกผลได้หรือไม่?
5. การตีความ: อธิบายความไม่แน่นอนและหลีกเลี่ยงคำกล่าวอ้างวินิจฉัยหรือรักษาต่อต้านวัยหรือไม่?

หากเครื่องมือไม่ผ่านการตรวจสอบเรื่องตัวตนหรือการนำไปใช้ ให้ถือว่าผลเป็นคะแนนจากแอปที่ไม่โปร่งใส ไม่ใช่ค่าประมาณ PhenoAge หรือ KDM ระดับงานวิจัย

วิธีเปรียบเทียบผลเมื่อเวลาผ่านไป

คำถามตามยาวที่ปลอดภัยที่สุดไม่ใช่ “อายุชีวภาพที่แท้จริงของฉันคือเท่าไร?” แต่คือ:

โมเดลเดิมขยับอย่างสม่ำเสมอภายใต้เงื่อนไขการวัดที่เทียบเคียงกันหรือไม่?

ใช้แนวทางนี้:

• รักษาเวอร์ชันเครื่องคำนวณและสูตรให้เหมือนเดิม;
• ใช้ห้องปฏิบัติการเดิมเมื่อทำได้;
• ให้สถานะการอดอาหารและช่วงเวลาตรวจใกล้เคียงกัน;
• หลีกเลี่ยงการตรวจระหว่างเจ็บป่วยเฉียบพลันหรือทันทีหลังออกกำลังกายหนักผิดปกติ;
• บันทึกการเปลี่ยนยาและอาหารเสริม;
• เก็บค่าตรวจดิบ ไม่ใช่เฉพาะอายุสุดท้าย;
• ตรวจซ้ำเมื่อได้ผลที่ไม่คาดคิดก่อนเปลี่ยนแผน;
• ดูว่าข้อมูลนำเข้าตัวใดเปลี่ยน และเปลี่ยนในทิศทางที่มีความหมายทางคลินิกหรือไม่

ความแตกต่างเล็กน้อยควรตีความโดยคำนึงถึงความคลาดเคลื่อนของการวัดและความไม่แน่นอนของโมเดล เครื่องคำนวณที่แสดงทศนิยมหนึ่งตำแหน่งไม่ได้แปลว่าแม่นยำถึงหนึ่งในสิบปีเสมอไป คู่มือช่วงความเชื่อมั่นของอายุชีวภาพ อธิบายว่าความละเอียดบนหน้าจออาจเกินความแน่นอนของโมเดลได้อย่างไร

อย่านำ PhenoAge และ KDM มาเฉลี่ยกัน ค่าเฉลี่ยของโครงสร้างที่นิยามต่างกันไม่มีความหมายทางคลินิกที่ยืนยันแล้ว และทำให้ยากขึ้นที่จะวินิจฉัยว่าการเปลี่ยนแปลงมาจากตัวบ่งชี้หรือโมเดลใด

SuperAge จัดการ PhenoAge และ KDM อย่างไร

SuperAge ถูกออกแบบมาให้คะแนนสุดท้ายเชื่อมโยงกับหลักฐานของมัน แทนที่จะนำเสนอตัวเลขอายุชีวภาพเป็นคำตัดสิน แอปช่วยจัดระเบียบตัวบ่งชี้เลือด แนวโน้ม และบริบทการคำนวณที่อยู่เบื้องหลังบน iPhone ของคุณ

ความแตกต่างนี้สำคัญมากเมื่อ PhenoAge และ KDM ให้ผลต่างกัน ข้อมูลที่มีประโยชน์มักไม่ใช่ช่องว่างระหว่าง “49” และ “43” แต่คือ:

• ตัวบ่งชี้ใดขับค่าประมาณแต่ละแบบ;
• การคำนวณใช้หน่วยที่ถูกต้องหรือไม่;
• ใช้วิธีเดิมเหมือนครั้งก่อนหรือไม่;
• การเปลี่ยนแปลงกระจายอยู่ในหลายระบบหรือไม่;
• เหตุการณ์เฉียบพลันอาจอธิบายการขยับได้หรือไม่

สำหรับการตัดสินใจด้านวิธีที่กว้างขึ้น โปรดเปรียบเทียบนาฬิกาเอพิเจเนติกกับอายุจากตัวบ่งชี้ในเลือด ไม่ว่าคุณจะใช้วิธีใด ให้ยึดการตัดสินใจทางการแพทย์กับตัววัดทางคลินิกที่ผ่านการตรวจสอบและการดูแลจากผู้เชี่ยวชาญ

คำถามที่พบบ่อย

เหตุใด PhenoAge ของฉันจึงต่างจากอายุชีวภาพ KDM?

ทั้งสองใช้เป้าหมายทางคณิตศาสตร์ต่างกันและอาจใช้ตัวบ่งชี้ต่างกัน PhenoAge แปลงความเสี่ยงต่อการเสียชีวิตโดยประมาณเป็นอายุเทียบเท่า ส่วน KDM ประเมินอายุที่เข้ากับรูปแบบตัวบ่งชี้หลายตัวแปรในประชากรอ้างอิงเฉพาะ

PhenoAge แม่นยำกว่า KDM หรือไม่?

ไม่มีผู้ชนะสากลสำหรับทุกวัตถุประสงค์ ประสิทธิภาพขึ้นกับผลลัพธ์ กลุ่มตัวอย่าง วิธีนำไปใช้ และความพร้อมของตัวบ่งชี้ งานวิจัยเปรียบเทียบแสดงว่าทั้งคู่ทำนายผลลัพธ์สุขภาพสำคัญได้ เลือกโมเดลที่มีเป้าหมายและการตรวจสอบความใช้ได้เหมาะกับคำถามของคุณ

เครื่องคำนวณ KDM ทุกตัวให้ผลเหมือนกันหรือไม่?

ไม่ KDM เป็นวิธีสร้างโมเดลที่ฟิตได้ด้วยตัวบ่งชี้และประชากรต่างกัน เครื่องคำนวณ KDM สองตัวอาจถูกต้องตามหลักการทั้งคู่แต่ให้ตัวเลขต่างกัน เครื่องมือที่น่าเชื่อถือควรบันทึกโมเดลของตน

ฉันเปรียบเทียบ PhenoAge กับ KDM acceleration ได้หรือไม่?

คุณอาจดูได้ว่าทั้งคู่ชี้ไปทางแก่กว่าหรืออ่อนกว่าที่คาดในภาพรวม แต่ค่าปีไม่สามารถใช้แทนกันโดยตรง สำหรับการติดตามตามเวลา ให้เปรียบเทียบ PhenoAge กับสูตร PhenoAge เดิม และ KDM กับวิธีนำ KDM เดิมไปใช้

ฉันควรเฉลี่ย PhenoAge และ KDM หรือไม่?

ไม่ การเฉลี่ยคะแนนที่ฝึกมาด้วยนิยามต่างกันไม่ได้สร้างอายุชีวภาพที่ “จริงกว่า” ซึ่งผ่านการตรวจสอบแล้ว และอาจปกปิดตัวบ่งชี้หรือโมเดลที่เป็นสาเหตุของความไม่ตรงกัน

ฉันควรคุยผลใดกับแพทย์?

ควรคุยถึงค่าตรวจหรือค่าการทำงานที่อยู่นอกช่วงอ้างอิงทางคลินิกหรือเปลี่ยนอย่างต่อเนื่อง ผลอายุชีวภาพรวมอาจให้บริบทได้ แต่ไม่ใช่การวินิจฉัยหรือเป้าหมายการรักษา

ข้อสรุป

PhenoAge และ KDM ไม่ตรงกันเพราะนิยามอายุชีวภาพต่างกัน

PhenoAge ถามว่าอายุตามปฏิทินใดสอดคล้องกับความเสี่ยงต่อการเสียชีวิตที่โมเดลประเมินว่าใกล้เคียงกัน KDM ถามว่าอายุใดอธิบายโปรไฟล์สรีรวิทยาหลายตัวแปรได้ดีที่สุดในประชากรอ้างอิงของมัน เมื่อเข้าใจสิ่งนี้ ความไม่ตรงกันจะไม่เหมือนเครื่องคำนวณเสียอีกต่อไป แต่แสดงให้เห็นว่าแต่ละโมเดลเน้นสิ่งใด

เลือกวิธีนำไปใช้หนึ่งแบบเพื่อจุดประสงค์ที่ชัดเจน เก็บข้อมูลนำเข้าดิบ ทำให้การตรวจซ้ำอยู่ในมาตรฐานเดียวกัน ตรวจสอบตัวบ่งชี้เบื้องหลังการเปลี่ยนแปลง และอย่าให้ตัวเลขอายุที่คำนวณได้เพียงค่าเดียวมีน้ำหนักเหนือการตีความทางคลินิกที่เหมาะสม

ติดตามหลักฐานเบื้องหลังอายุ

ต้องการเก็บตัวบ่งชี้เลือด บริบทอายุชีวภาพ และแนวโน้มตามเวลาไว้ด้วยกันหรือไม่? ดาวน์โหลด SuperAge และเก็บข้อมูลนำเข้าที่อยู่เบื้องหลังผลลัพธ์แต่ละครั้ง ไม่ใช่แค่ตัวเลขพาดหัว

เอกสารอ้างอิง

1. Levine ME, Lu AT, Quach A, et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging. 2018;10(4):573–591.
2. Liu Z, Kuo PL, Horvath S, Crimmins E, Ferrucci L, Levine M. A new aging measure captures morbidity and mortality risk across diverse subpopulations from NHANES IV. PLOS Medicine. 2018;15(12):e1002718.
3. Klemera P, Doubal S. A new approach to the concept and computation of biological age. Mechanisms of Ageing and Development. 2006;127(3):240–248.
4. Levine ME. Modeling the rate of senescence: can estimated biological age predict mortality more accurately than chronological age?. The Journals of Gerontology: Series A. 2013;68(6):667–674.
5. Kwon D, Belsky DW. A toolkit for quantification of biological age from blood chemistry and organ function test data: BioAge. GeroScience. 2021;43(6):2795–2808.
6. Parker DC, Bartlett BN, Cohen HJ, et al. Association of blood chemistry quantifications of biological aging with disability and mortality in older adults. The Journals of Gerontology: Series A. 2020;75(9):1671–1679.
7. Liu Z, Kuo PL, Horvath S, et al. No winners or losers: clinical chemistry-based biological aging metrics perform similarly across cohorts and health outcomes. The Journals of Gerontology: Series A. 2025;80(11):glaf179.

บทความนี้จัดทำขึ้นเพื่อการศึกษาเท่านั้น และไม่ได้ให้คำแนะนำ การวินิจฉัย หรือการรักษาทางการแพทย์