GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 15 Kasım 2026 · Bağımsız Editoryal Ağ
Nöroloji & Uyku

Kısa Kulvar Yüzme Dünya Şampiyonası’nda Rekor Kırıldı: 50 Metrede 20 Saniye Sınırı Aşıldı

✍️ Editör Masası • 📅 15 Kasım 2026 • ⏱️ 21 dk okuma
Kısa Kulvar Yüzme Dünya Şampiyonası’nda Rekor Kırıldı: 50 Metrede 20 Saniye Sınırı Aşıldı

ÖZGÜN ARAŞTIRMA MAKALESİ

Front. Med., 12 Kasım 2026

Sec. Solunum Hastalıkları

Cilt 13 – 2026 | https://doi.org/10.3389/fmed.2026.1979064

  • YF

    Ying Fu 1† *

  • YX

    Yunping Xie 1†

  • ZW

    Zhangan Wang 1† ‡

  • YL

    Yu Liao 2

  • LZ

    Lizhen Zhou 1

  • YH

    Yan He 1

  • HL

    Hairun Liu 3

  • JH

    Jianhao Huang 1*

  • 1. Guangxi Zhuang Özerk Bölgesi İnsan Hastanesi, Sağlık Yönetimi Bölümü, Nanning, Guangxi, Çin

  • 2. Guangxi Zhuang Özerk Bölgesi İnsan Hastanesi, Genel Pratisyenlik Bölümü, Nanning, Guangxi, Çin

  • 3. Guangxi Zhuang Özerk Bölgesi İnsan Hastanesi, Bilişsel ve Uyku Tıbbı Bölümü, Nanning, Guangxi, Çin

Makale ölçütleri

Görüntülemeler

Özet

Kısa Özet:

Mevcut Bilgi/Çalışma Gerekçesi: Polisomnografi (PSG) kaynakları Çin’de birincil sağlık hizmetleri ortamlarında hâlâ ciddi ölçüde sınırlıdır. STOP-Bang anketi gibi Batı kökenli, ankete dayalı tarama araçları, Çin nüfusunda dil ve kültürel engellerle sınırlıdır ve ciddi obstructive uyku apnesi (OSA) hastalarını belirlemek için nesnel, düşük maliyetli bir araca acil ihtiyaç yaratmaktadır.

Çalışmanın Etkisi:

Üç rutin sağlık muayenesi parametresi—cinsiyet, çevre ölçüsü ve trigliserid-glikoz (TyG) indeksi—kullanarak basit, ankete dayanmayan bir tahmin modeli geliştirdik ve geçerliliğini doğruladık. Zamanlı geçerlilik kohortunda model, düşük eşik değerde %87,2 yüksek duyarlılığa ulaştı; bu da ciddi OSA tanısının kaçırılmasını azaltmak için Çin’de birincil sağlık hizmetleri ve sağlık muayene merkezlerinde bir yönlendirme aracı olarak kullanım potansiyelini desteklemektedir.

Amaç:

Rutin muayenelerden nesnel parametreler kullanarak ciddi obstructive uyku apnesi (OSA) için ankete dayanmayan bir模型 geliştirmek ve geçerliliğini doğrulamak; bu da birincil sağlık hizmetleri ortamlarında taramayı kolaylaştıracaktır.

Yöntem:

Bu retrospektif çalışma, Çin’de bir üniversite hastanesinde (Haziran 2018–Haziran 2024) polysomnografi uygulanan 271 horlayan katılımcıyı analiz etti. Katılımcılar, hafif-orta şiddetli (n = 128) ve şiddetli (n = 143, apne-hypopnea indeksi ≥ 30 olay/saat) OSA gruplarına ayrıldı. Aday öngörücüler cinsiyet, çevre ölçüsü ve trigliserid-glükoz (TyG) indeksi oldu. Bir lojistik regresyon modeli geliştirildi, 1.000 bootstrap yeniden örnekleme ile iç validasyon yapıldı ve 2025 kohortunda (n = 82) zamansal validasyon uygulandı. Performans, alıcı operating karakteristik eğrisi altında kalan alan (AUC), kalibrasyon grafikleri ve karar eğilişi analizi (DCA) ile değerlendirildi.

Sonuçlar:

Cinsiyet (olasılık oranı (OR) = 3.69, %95 IG: 1.421–9.583), çevre ölçüsü (OR = 1.039, %95 IG: 0.995–1.085; P = 0.081, %95 IG’nin 1’i geçmesi) ve TyG indeksi (OR = 1.421, %95 IG: 1.028–1.965) modelde korundu. Cinsiyet ve TyG indeksi, şiddetli OSA için bağımsız öngörücüler olurken, çevre ölçüsü sınırda, anlamlı olmayan bir ilişki gösterdi ve istatistiksel olarak anlamlı bir bağımsız öngörücü olarak yorumlanmamalıdır. Eğitim setinde model, 0.751 AUC verdi (%95 IG: 0.675–0.827), bootstrap iç validasyonundan sonra optimizm-düzeltilmiş AUC 0.739 oldu. Zamansal validasyon kohortunda model 0.648 AUC elde etti (%95 IG: 0.525–0.770). 0.238 eşik değerinde duyarlılık 87.2% ve negatif prediktif değer 68.4% idi. Karar eğilişi analizi, modelin çoğu eşik olasılığında (0.07–0.93) hem “tümünü tedavi et” hem de “hiçini tedavi et” stratejilerinden daha yüksek net fayda sağladığını gösterdi.

Sonuç:

Bu basit, anket içermeyen model, avantajlı bir net klinik fayda sunar ve düşük kesim değerinde yüksek duyarlılığını korur. Kaynak sınırlaması olan birincil bakım ve sağlık muayene ortamları gibi ortamlarda hastaların PSG için önceliklendirilmesine yardımcı olacak tamamlayıcı bir tarama yardımcısı olarak hizmet edebilir. Ancak mütevazı zamansal doğrulama AUC değeri (0,648) ve düşük özgüllüğü (38,2%) göz önüne alındığında, ciddi OSA’yı hariç tutmak için yalnız başına kullanılmamalıdır.

1. Giriş

Tıkayıcı uyku apnesi (OSA), hipertansiyon, koroner kalp hastalığı ve nedensel ölüm oranları için sağlam şekilde yerleşmiş bağımsız bir risk faktörüdür. Çin, küresel OSA yükünün en büyük oranına sahip olsa da, klinik tanı oranı hala %20’nin altındadır. Bu kalıcı tanı eksikliği, temelde iki faktörün birleşiminden kaynaklanır: altın standart teşhis yöntği olan polysomnografinin (PSG) birincil bakım ortamlarında ulaşılabilirliğinin sınırlı olması—gereksinimin %5’inin altında bir erişim—ve STOP-Bang gibi konvansiyonel anket temelli tarama araçlarıyla ilişkili öznel yapının ve geriye dönük bellek yanlılığının.

Son kanıtlar, merkeziyel yağlanmanın doğrudan bir ölçümü olan bel çevresinin, vücut kitle indeksi (VKI) ile karşılaştırıldığında üst solunum yolu yağ birikmesi için üstün bir gösterge olduğunu öne sürmektedir. Bu arada, trigliserid-glükoz (TyG) indeksi, insülin direncinin metabolik bir bozukluğu için güvenilir bir yanda gösterici olarak ortaya çıkmıştır; bu metabolik bozukluk, artan OSA şiddetiyle güçlü ve bağımsız şekilde ilişkilidir. Yine de, mevcut tahmin modellerinin çoğu veriye dayalı değişken seçimine dayanmakta ve genellikle hem fizyolojik bir gerekçe hem de klinik yararın sağlam şekilde değerlendirilmesi eksiktedir. Üstelik, bu modellerden azı, Çin birincil bakım popülasyonlarında dışsal olarak doğrulanmıştır.

TRIPOD ifadesi ve PROBAST kılavuzları tarafından savunulan metodolojik titizlikle uyumlu olarak bu çalışma, sağlık muayene merkezlerinde rutin olarak toplanan üç nesnel parametre—cinsiyet, çevre ve TyG indeksi—kullanarak ciddi OSA için anket içermeyen bir tahmin modeli geliştirmiş ve bunu doğrulamıştır. Bu parametreler, Metodlar bölümünde ayrıntılı olarak açıklandığı gibi, önceki kanıtlar ile biyolojik açıdan makul oluşun bir kombinasyonuna dayanarak seçilmiştir. Model, birincil sağlık hizmetleri ortamları için maliyet etkin, yüksek duyarlılıkta bir tarama aracı olarak tasarlanmış; Çin nüfusunda Batı kökenli anketlerin kültürel ve dilsel sınırlamalarını atlayan alternatif bir yaklaşım sunmaktadır.

2 Materyaller ve metodlar

2.1 Çalışma popülasyonu ve ortamı

Eğitim Kohortu: Bu retrospektif çalışma, 2018 Haziran ile 2024 Haziran arasında Guangxi Zhuang Özerk Bölgesi Halk Hastanesinin Sağlık Yönetim Merkezinde PSG geçen 271 horlayan hastayı içermektedir.

Zamansal Doğrulama Kohortu: 2025 yılında Bilişsel ve Uyku Tıbbı Merkezinde PSG geçen 82 hastalık bir kohort, pilot zamansal doğrulama kümesi olarak kullanılmıştır.

Etik Onay: Çalışma, Guangxi Zhuang Özerk Bölmesi Halk Hastanesinin Kurumsal İnceleme Kurulu tarafından (Onay No. 2024032) onaylanmıştır. Helsinki Bildirisiyle uyumlu olarak, retrospektif tasarım ve tamamen anonimleştirilmiş elektronik tıbbi kayıtların kullanımı nedeniyle onamlı izin gerekliliğinden vazgeçilmiştir.

2.2 Yordayıcılar ve sonuç

Yordayıcılar: Aday yordayıcılar, biyolojik açıdan makuluk ile önceki kanıtların bir kombinasyonuna dayanarak, rutin olarak toplanan sağlık taraması parametrelerinden seçilmiştir. Cinsiyet, çevre ve TyG indeksi dahil OSA şiddetiyle kurumsallaşmış veya makuluk patofizyolojik bağlantıları değişkenler aday yordayıcı olarak değerlendirilmiştir. Cinsiyet, dişi (0 = dişi, 1 = erke) olarak kodlanmıştır. Çevre, iliac sırtı ile alt kostal kenar arasındaki orta noktadan ölçülmüştür. TyG indeksi şu şekilde hesaplanmıştır:

TyG = ln[TG (mg/dL) × FBG (mg/dL)/2]

Çıktı: Şiddetli OSA, AHI ≥ 30 olay/saat olarak tanımlandı.

Yaş, BMI ve boyun çevresinin OSA ile ilişkili belirleyiciler olarak iyi bilindiği bilinle, boyun çevresi sağlık taraması kohortumuzda rutin olarak toplanmadı. BMI ile çev çevresi arasında güçlü doğrusal ilişki bulundu. Ön analizler, yaş veya BMI eklenmesinin model ayırt ediciliğinde yalnızca sınırlı iyileşme sağladığını, model karmaşıklığını ise artırdığını gösterdi. Rutinde erişilebilir test öğelerine dayalı sade bir tarama aracı oluşturma amacımız nedeniyle, bu değişkenler önceden belirlenen aday kümesine dahil edilmedi. Olası değerleri, ileride yapılacak çok merkezli geçerlilik çalışmalarında incelenecektir.

2.3 İstatistiksel analiz ve raporlama standartları

Bu çalışma, raporlama açısından model geliştirme çalışmalarına yönelik TRIPOD rehberine uydu ve önyargı riskini değerlendirmek için PROBAST kontrol listesini de uyguladı.

Model Geliştirme: Aday öngörücüler başlangıçta rutin olarak toplanan sağlık taraması parametrelerinden seçildi. Seçim, literatür taraması ile biyolojik açıklanabilirliğin bir kombinasyonu tarafından yönlendirildi; önceki kanıtlarla desteklenen veya yerleşik patofizyolojik gerekçeye sahip değişkenler dahil edilme açısından önceliklendirildi. Ardından ikili çok değişkenli lojistik regresyon modeli geliştirildi. Aday değişkenler arasında en sadelik modelini belirlemek için ileri yönlü kademeli bir prosedür (olasılık oranı yöntemi) uygulandı. Son modelde üç öngörücü korundu: cinsiyet, çev çevresi ve TyG indeksi. Deşen koruması hem istatistiksel anlamlılık hem de önceden belirlenen biyolojik gerekçe tarafından yönlendirildi; buna göre, abdominal obezite ile üst soluk yolu çökmesi arasındaki yerleşik ilişki göz önüne alınarak çev çevresi (P = 0,081) korundu.

Doğrulama Stratejisi: İç doğrulama, iyimserlik düzeltmesi amacıyla 1.000 bootstrap yeniden örnekleme ile gerçekleştirildi. Sonrasında, aynı kurum içinde farklı bir bölümde (Bilişsel ve Uyku Tıbbı Merkezi) ve takvimsel olarak daha sonraki bir yılda (2025) toplanan bir kohort kullanılarak zamanlı doğrulama yapıldı. Bu, tamamen bağımsız, çok merkezli dış doğrulama yerine bir pilot zamanlı doğrulama niteliğindedir ve modelin zaman içindeki performansını değerlendirmek için kullanılmıştır ().

Performans Değerlendirmesi: Ayırt edicilik, alıcı işletme eğrisi altında kalan alan (AUC) ile değerlendirildi. Kalibrasyon, kalibrasyon grafikleri, Brier skoru ve Hosmer–Lemeshow testi ile incelendi. Klinik yararlılık, karar eğrisi analizi (DCA) ile belirlendi (, ).

Örneklem Boyutu: 143 olay ve 3 aday değişken ile değişken başına olay (EPV) oranı 47,7 olmuş ve önerilen asgari eşik değeri aşmıştır ().

Yazılım: Tüm analizler R yazılımı (sürüm 4.2.2) kullanılarak gerçekleştirildi. İki kuyruklu P-değeri < 0,05 istatistiksel olarak anlamlı kabul edildi.

3 Bulgular

3.1 Temel özellikler

Hafif-orta grupla karşılaştırıldığında, şiddetli OSA grubunda belirgin ölçüde daha fazla erkek (%88,11’e karşı %64,84, P < 0,001) ve biraz daha genç bir profil bulunmaktaydı. Patofizyolojik hipotezimizle tutarlı olarak, şiddetli OSA’lı hastalarda belirgin ölçüde daha büyük çevresel çevre ölçüsü, yüksek TyG indeksi ve düşük HDL-C düzeyleri saptandı (tümü P < 0,05). Buna karşılık, LDL-C, kan basıncı ve glikozile hemoglobin dahil geleneksel kardiyovasküler risk faktörleri, iki grup arasında istatistiksel olarak anlamlı biçimde farklılık göstermedi (Tablo 1).

Tablo 1

Değişken Hafif-orta (n = 128) Şiddetli (n = 143) İstatistik P-değeri
Cinsiyet, n (%) χ² = 20,725 <0,001
 Erkek 83 (%64,84) 126 (%88,11)
 Kadın 45 (35.16) 17 (11.89)
Yaş, yıl 50.50 (42.00, 59.25) 45.00 (36.50, 54.00) Z = −3.208 0.001
LDL-C (mmol/L) 3.13 ± 0.83 3.17 ± 0.82 t = 0.447 0.655
İKİ (kg/m²) 25.26 ± 3.28 28.09 ± 3.57 t = 5.998 <0.001
AMC (×10⁹/L) 0.39 (0.31, 0.53) 0.44 (0.37, 0.52) Z = 2.175 0.030
Ürik asit (μmol/L) 386.59 ± 96.20 414.93 ± 103.40 t = 2.275 0.024
Toplam kolesterol (mmol/L) 5.03 ± 1.11 5.05 ± 1.08 t = 0.138 0.890
Trigliserid (mmol/L) 1.28 (1.00, 2.14) 1.65 (1.25, 2.34) Z = 2.990 0.003
HbA1c (%) 5.60 (5.30, 5.90) 5.70 (5.40, 6.10) Z = 1.398 0.162
Kreatinin (μmol/L) 75.00 (64.00, 90.00) 82.00 (72.00, 90.00) Z = 2.677 0.007
Karın çevresi (cm) 86.19 ± 10.03 93.33 ± 9.37 t = 5.085 <0.001
Kalça çevresi (cm) 96.00 (92.00, 100.00) 100.00 (96.00, 106.00) Z = 4.077 <0.001
Açlık kan şekeri (mmol/L) 5.08 (4.80, 5.55) 5.27 (4.94, 5.81) Z = 1.791 0.073
Sistolik BP (mmHg) 130.00 (116.00, 137.75) 130.00 (121.00, 139.00) Z = 1.457 0.145
DBP (mmHg) 79.50 (72.00, 87.00) 80.50 (73.25, 89.00) Z = 1.154 0.248
2-h PG (mmol/L) 6.51 (5.48, 8.12) 6.67 (5.97, 9.11) Z = 1.005 0.315
HDL-C (mmol/L) 1.28 (1.13, 1.58) 1.19 (1.06, 1.40) Z = −3.458 <0.001
MHR 0.29 (0.23, 0.42) 0.36 (0.28, 0.48) Z = 3.676 <0.001
SII 373.21 (273.58, 495.93) 419.56 (315.61, 559.48) Z = 2.411 0.016
TyG 9.03 (8.35, 9.79) 9.47 (8.83, 10.31) Z = 3.169 0.002

Hafif-orta şiddetli ve şiddetli OSA grupları arasındaki temel özelliklerin karşılaştırılması.

Varyantlar medyan (kvartil aralığı), ortalama ± standart sapma veya n (%) olarak sunulmuştur. Normal dağılan değişkenler bağımsız örnekler t-testi ile; normal dağılanmayan değişkenler Mann–Whitney U testi ile; kategorik değişkenler ki-kare testi ile karşılaştırılmıştır.

AMC, mutlak monosit sayısı; BMI, kütle indeksi; Cr, kreatinin; DBP, diyastolik kan basıncı; FBG, açlık kan glükuzu; HC, kalça çevresi; HDL-C, yüksek yoğunluklu lipoprotein kolesterolü; LDL-C, düşük yoğunluklu lipoprotein kolesterolü; MHR, monosit-yüksek yoğunluklu lipoprotein oranı; SBP, sistolik kan basıncı; SII, sistemik bağışıklık-iltihaplanma indeksi; TC, toplam kolesterol; TG, trigliserid; TyG, trigliserid-glükuz indeksi; UA, ürik asit; WC, bel çevresi; 2-h PG, 2 saatlik yemek sonrası glükuz.

3.2 Model kurulumu

Çok değişkenli lojistik regresyon, son modelde üç öngörücüü korumuştur (Tablo 2) ve aşağıdaki son regresyon denklemini vermiştir:

Tablo 2

Değişken β Katsayısı SE Wald χ² P-değeri OR (95% GA)
Cinsiyet (Erkek/Kadın) 1.306 0.487 7.193 0.007 3.690 (1.421–9.583)
Bel çevresi (cm başına) 0.038 0.022 3.051 0.081 1.039 (0.995–1.085)
TyG indeksi (birim başına) 0.351 0.165 4.544 0.033 1.421 (1.028–1.965)
Sabit −7.560 1.951 15.032 <0.001 –

Ağır OSA ile ilişkili faktörlerin çok değişkenli lojistik regresyon analizi.

GA, güven aralığı; OR, odds oranı; SE, standart hata; TyG, trigliserid-glükoz indeksi.

ln(P/(1−P)) = −7.560 + 1.306 × Cinsiyet + 0.038 × Bel + 0.351 × TyG

3.3 Model performansı

Tablo 3, modelin ayırt edici performansının türetim kohortundaki, bootstrap tabanlı iç validasyon ve zamansal validasyon örneğindeki kapsamlı özetini sunmaktadır.

Tablo 3

Kohort/Model AUC (95% GI) Eşik Hassasiyet Spesifiklik PPV NPV Doğruluk
Türetilmiş Kohort
Cinsiyet 0.657 (0.590–0.724) 0.500 0.894 0.420 0.420 0.655 0.682
Bel çevresi 0.718 (0.637–0.800) 0.551 0.875 0.687 0.691 0.688 0.688
TyG indeksi 0.668 (0.581–0.754) 8.689 0.835 0.464 0.657 0.696 0.669
Kombine Model 0.751 (0.675–0.827) 0.574 0.741 0.652 0.724 0.672 0.701
Dahili Doğrulama (Bootstrap düzeltmeli) 0.739 – – – – – –
Zamansal Doğrulama (n = 82)
Kombine Model 0.648 (0.525–0.770) 0.238 0.872 0.382 0.661 0.684 0.667

Öngörü modelinin türilmiş kohort, dahili bootstrap doğrulama ve zamansal doğrulama kohortundaki (n = 82) performansı.

AUC, alıcı işletim karakteristik eğrisi altında kalan alan; GI, güven aralığı; NPV, negatif prediktif değer; PPV, pozitif prediktif değer; TyG, trijliserit-glükses indeksi. Türilmiş kohortta sürekli değişkenler için eşik değerler Youden indeksi kullanılarak belirlenmiştir. Dahili doğrulama metrikleri 1000 bootstrap yeniden örneklemeden elde edilmiştir. Zamansal doğrulama, aynı kurumda 2025 yılında katılımcılarla oluşturulan bir kohort kullanılarak yapılmıştır.

Dahili Doğrulama: Türetme kohortu içinde birleşik model 0,751 AUC’ye ulaştı (95% IG: 0,675–0,827) ve cinsiyet ve TyG indeksi temelli tek parametreli modellere göre anlamlı biçimde üstün bulundu (P < 0,05). 1.000 bootstrap yeniden örneklemeden sonra iyileştirme düzeltmeli AUC 0,739 olarak hesaplandı ve minimal aşırı uyumu işaret etti. Kalibrasyon eğrisi ayrıca tahmin edilen ve gözlemlenen olasılıklar arasında yakın uyumu gösterdi (Hosmer–Lemeshow testi, P = 0,534) (Şekil 1).

Şekil 1

Zamansal Doğrulama: Zamansal doğrulama kohortunda (n = 82) model 0,648 AUC’ye ulaştı (95% IG: 0,525–0,770, P = 0,024). Birincil bakım ortamlarında kaçırılan tanıları minimize etme amacı taşıyan çalışma, düşük bir eşik değeri olarak 0,238′ seçti. Bu eşikte model %87,2 duyarlılık, %68,4 negatif prediktif değer ve buna karşılık %38,2 özgüllük elde etti. Yüksek duyarlılık çoğu ciddi vakayı işaretlemeye yardımcı olabilir; ancak düşük özgüllük ve mütevazı AUC, modelin kesin bir “eleme”den ziyade başlangıç triajında kullanılması gerektiğini gösteriyor ve pozitif/negatif sonuçlar yine de PSG ile doğrulanmayı gerektiriyor.

Klinik Fayda: DCA, birleşik modelin geniş bir eşik olasılığı yelpazesinde (0,07–0,93) hem “tümünü tedavi et” hem de “hiçini tedavi et” stratejilerine göre üstün net fayda sağladığını ortaya koydu (Şekil 2). Bu gözlem, modelin gerçek dünya uygulamasında fayda ve zarar arasındaki dengeyi optimize etmek amacıyla hayata geçirilmesinin olası klinik değerini destekliyor.

Şekil 2

4 Tartışma

4.1 Ana bulgular ve klinik çıkarımlar

Bu çalışmada, yalnızca üç nesnel parametre cinsiyet, bel çevresi ve TyG indeksi içeren, şiddetli OSA için soru formundan muaf, basit bir tahmin modeli geliştirdik ve geçerliliğini test ettik. Bu modelin öne çıkan güçlü yanı, hem geriye dönük bellek yanlılığını minimize eden hem de rutin sağlık taramalarına sorunsuz entegrasyon sağlayan öznel soru formlarından kaçınmasıdır. Zamanlı geçerlilik kohortunda model, düşük eğerde 0,648 AUC ve 87,2% duyarlılığa ulaştı. Destekleyici DCA bulguları ile birleşen bu sonuçlar, modelin bir tanı testi veya etkili bir “eleme” aracı olmundan çok, PSG için önceliklendirilecek hastaları belirlemeye yönelik tamamlayıcı bir tarama aracı olarak potansiyel rol oynayabileceğini desteklemektedir. Bu öngörücülerin biyolojik dayanaklarını daha iyi anlamak adına, aşağıda her değişken için patofizyolojik gerekçeyi tartışacağız.

4.2 Değişken seçiminin patofizyolojik gerekçesi

Cinsiyet: Erkek cinsiyeti, kadın cinsiyetine göre 3,69 kat daha yüksek şiddetli OSA riski ile ilişkilidir. Bu fark, uluslararası kohortlardan gelen yerleşik kanıtlarla uyumlu olup, genel olarak üst soluk yolu yağ dağılımındaki cinsiyete özgü farklılıklar ile testosteronun farinks kas tonusundaki etkilerine atfedilmektedir.

Bel Çevresi: Bel çevresi, genel obezite (BKİ) ile karşılaştırıldığında üst soluk yolu daralmasına daha doğrudan katkıda bulunan visseral yağlanmanın güvenilir bir klinik göstergesi olarak işlev görür. Son modelde bel çevresi, şiddetli OSA ile sınırda bir ilişki göstermiştir (OR = 1,039, %95 IG: 0,995–1,085; P = 0,081) ve %95 güven aralığı 1’i geçmektedir. Bu nedenle, modelin biyolojik açıdan makul bir bileşeni olarak yorumlanması gerekir; istatistiksel açıdan anlamlı bağımsız bir öngörücü değil. Sınırdaki istatistiksel anlamlılığa rağmen modelde yer alması, abdominal obezite ile üst soluk yolu çökmesi arasındaki yerleşik ilişki ile desteklenmektedir.

TyG İndeksi: TyG indeksi glikolipid metabolizmasına dair bilgileri birleştirerek, OSA ilerlemesine katkıda bulunan gizli insülin direncinin anahtar metabolik bozukluğunun bütünleştirici bir belirteci olarak hizmet vermektedir. Yalnızca açlık glukozu gibi izole biyomarkerlardan farklı olarak, bileşik TyG indeksi metabolik ilaç alan hastaların çıkarılması sonrasında bile öngörücü performansı stabil sağlayarak gerçek klinik pratikteki uygulanabilirliğini pekiştirmiştir (, , ).

Soru Formu Tabanlı Araçlarla ve Nesnel antropometrik Belirtecle Karşılaştırma: Polysomnografi tabanlı yeni bir çalışma () 339 hastayı değerlendirmiş ve bel çevresinin AHI ile zayıf ama anlamlı düzeyde ilişkili olduğunu (r = 0,184), BMI’nin ise AHI ile anlamlı düzeyde ilişkili olmadığını (r = 0,086, P = 0,114) bildirmiştir. Bu bulgular, antropometrik öngörücü olarak BMI yerine bel çevresini tercih etmemizi desteklemektedir. Aynı çalışmada, Epworth Uykuluuluk Ölçeği (ESS) AHI ile belirgin derecede daha güçlü bir ilişki göstermiş (r = 0,649), yalnızca nesnel antropometrik ve metabolik değişkenlere dayalı modellerin—bizimkisi gibi—öznel belirtiler ölçeği içeren araçlara göre doğası gereği daha mütevazı bir ayırt ediciliğe sahip olabileceğini göstermiştir. Yerleşik soru formu tabanlı tarama araçları (örneğin STOP-Bang, ESS) belirli ortamlarda daha yüksek duyarlılık ve özgüllük sağlayabilir; bu nedenle mevcut model, tüm soru formu tabanlı yaklaşımların yerini alan birinden çok, öznel hatırlamanın güvenilir olmadığı ortamlar için soru formu içermeyen bir alternatif olarak değerlendirilmelidir (–).

4.3 Model avantajları ve pratik yararlılık

Mevcut OSA tarama araçları genellikle yüksek duyarlılık ile düşük özgüllük arasında kaçınılmaz bir ödünleşime takılır. Modelimiz, tanısalla kesin doğruluk elde etmekten çok ağır vakaları kaçırmamaya odaklanan sağlık muayene merkezleri ve birincil bakım kliniklerinde kullanım için bilinçlice tasarlandı. Düşük bir eşik değeri (0,238) benimseyerek özgüllüğü (38,2%) feda ederek duyarlılığı (87,2%) önceliklendirdik. Bu “önce güvenlik” stratejisi, yüksek riskli bireylerin doğrulayıcı PSG için üçüncü derece merkezlere yönlendirilmesini verimli şekilde sağlar ve ağır vakaları atlama riskini en aza indirir—birincil bakımda kritik bir etik husus (). DCA, bu stratejinin klinik açıdan anlamlı eşik olasılıkları boyunca net faydayı optimize ettiğini doğruladı (, ).

4.4 Sınırlamalar

Bu çalışmanın kabul edilmeyi hak eden birkaç sınırlaması var. İlki, model temporal validasyon kohortunda yüksek duyarlılık göstermiş olsa da, genel ayırt edicilik mütevazıydı (AUC = 0,648, %95 IG: 0,525–0,770). Yüksek duyarlılık (87,2%), düşük bir özgüllük (38,2%) pahasına elde edildi ve buna bağlı olarak yüksek yanlış pozitif yönlendirme oranı oluştu. Dolayısıyla model, hastaları PSG için önceliklendirmeye yardımcı olabilir ancak kesin tanı için yeterli kesinliği sağlamaz veya ağır OSA’nın güvenilir şekilde “hariç tutulmasını” sunamaz ve tek başına bir test olarak kullanılmamalıdır ().

İkinci olarak, hem türetilme hem de temporal validasyon kohortları, Çin’in Guangxi bölgesindeki tek bir kurumsaldan elde edildi. Validasyon örneği farklı bir bölümde ve takvimce daha sonraki bir yılda toplanmış olsa da, bu coğrafi veya idari açıdan harici bir validasyonu değil, aynı kurumsal içerde bir temporal validasyonu temsil eder. Bulgularımızın metabolik özellikleri farklı diğer etnik popülasyonlara veya bölgelere yönelik daha geniş genelletilebilirliği, daha çeşitli hastal popülasyonları içeren çok merkezli prospektif çalışmalarla doğrulanmalıdır.

Üçüncüden, model yalnızca nesnel olarak ölçülen antropometrik ve metabolik parametrelere dayanmakta; aşırı gündiz uykuluğu veya tanıklık edilen apneler gibi semptomatik değişkenler bilinçli olarak hariç tutulmaktadır. Bu tasarım geri bildirimi önyargısını (recall bias) en aza indirse de, öznel belirtilerle nesnel biyarkerları birleştiren hibrit modellerle karşılaştırıldıktemizleyici gücü sınırlayabilir. Gelecek çalışmalar, bu model ile STOP-Bang anketi gibi yerleşik araçlar arasında Çin birincil sağlık bakımında doğrudan karşılaştırmalı çalışmalar yürütmelidir ().

Son olarak, şiddetli OSA grubunda gözlemlenen “erkeklerde baskınlık” ve “daha genç yaş” büyük olasılıkla, sağlık muayene kohortumuza özgü bir yönlendirme seçimi önyargısını yansıtmakta; hastalığın toplum genelindeki gerçek epidemolojik özelliklerini değil.

4.5 Sonuç

Şiddetli OSA için, sağlık muayenlerinde rutin olarak ulaşılabilir üç nesnel parametre cinsiyet, çevre ölçüsü ve TyG indeksi kullanarak basit, anketsiz bir tahmin modeli geliştirdik ve bunu geçerliliğini doğruladık. Model, olumlu klinik net fayda sunmakta ve düşük eşik değerinde, birincil sağlık bakımında tıbbi yönlendirme için uygun yüksek duyarlılığı korumaktadır. Basit uygulaması ve nesnel ölçümlere dayanması, onu sağlık muayene merkezleri ve birincil sağlık bakım hekimleri için yönlendirme yollarını optimize etmede ve yüksek riskli hastalarda erken müdahaleyi kolaylaştırmada pratik bir araç kılmaktadır. Modeli daha ileri düzeyde geçerliliğini doğrulamak ve geliştirmek için daha büyük, daha çeşitli nüfuslarla çok merkezli çalışmalar gereklidir.

Açıklamalar

Veri erişim açıklaması

Bu çalışmada analiz edilen veriler aşağıdaki lisans/kısıtlamalara tabidir: Veri seti, katılımcılardan elde edilen bireysel düzeyde klinik bilgiler içerir. Etik kısıtlamalar, hasta gizliliğinin korunması ve hastane verilerinin gizliliğine ilişkin düzenlemeler nedeniyle ham veri halka açık şekilde paylaşulamaz. Bununla birlikte, bulguları destekleyen kimliği kaldırılmış minimal veri seti, makale yazarının makul talepleri üzerine, Guangxi Zhuang Özerk Bölgesi Halk Hastanesi Etik Kurulunun onayına tabi olarak sağlanabilir. Bu veri setlerine erişim talepleri fu8811@163.com adresine yönlendirilmelidir.

Etik beyanı

İnsanların dahil edildiği çalışmalar, Guangxi Zhuang Özerk Bölgesi Halk Hastanesi Etik Kurulu tarafından onaylanmıştır. Çalışmalar yerel mevzuat ve kurumsal gerekliliklere uygun olarak yürütülmüştür. Bu makaleye dahil edilen potansiyel olarak kimliği tespit edilebilir görüntü veya verilerin yayımlanması için bireylerden yazılı bilgilendirilmiş onal alınmıştır.

Makale katkıları

YF: Kavramsal tasarım, Veri yönetimi, Finansal destek, Araştırma, Yöntem, Proje yönetimi, Kaynaklar, Doğrulama, Görselleştirme, Metin – taslak, Metin – inceleme & düzenleme. YX: Veri yönetimi, Araştırma, Kaynaklar, Doğrulama, Metin – taslak. ZW: Kavramsal tasarım, Nicel analiz, Yöntem, Doğrulama, Metin – inceleme & düzenleme. YL: Araştırma, Yöntem, Yazılım, Gözetim, Metin – taslak. LZ: Veri yönetimi, Araştırma, Kaynaklar, Doğrulama, Metin – taslak. YH: Veri yönetimi, Araştırma, Kaynaklar, Metin – taslak. HL: Kavramsal tasarım, Nicel analiz, Araştırma, Proje yönetimi, Kaynaklar, Metin – taslak. HJ: Kavramsal tasarım, Veri yönetimi, Nicel analiz, Araştırma, Proje yönetimi, Kaynaklar, Yazılım, Metin – inceleme & düzenleme.

Finansal destek

Makale yazarları, bu çalışma ve/veya yayımı için finansal destek alındığını beyan etmiştir. Bu çalışma, Guangxi Sağlık Komisyonu tarafından finanse edilen proje (Grant No. Z20211204) ve Guangxi Bilim ve Teknoloji Departmanı’nın Ana Araştırma ve Geliştirme Projesi (Grant No. AB25069050) tarafından desteklenmiştir.

Çıkar çatışması

Makale yazarları, bu çalışmanın, olası bir çıkar çatışması olarak değerlendirilebilecek herhangi bir ticari veya finansal ilişki olmadan yürütüldüğünü beyan etmiştir.

Üretken yapay zeka ifadesi

Makale yazarları, bu metnin hazırlanmasında üretken yapay zeka kullanıldığını beyan etmiştir. Makalenin hazırlanması sırasında, üretken yapay zeka yalnızca metindeki dilbilgisi hatalarını, yazım hatalarını ve mantıksal tutarsızlıkları denemek için destekleyici bir araç olarak kullanılmıştır. Temel araştırma tasarımı, veri toplama, istatistiksel analiz, veri yorumlama ve tüm sonuçlar yalnızca insan yazarlar tarafından yürütülmüş ve doğrulanmıştır. Yazarlar, bu metinde sunulan içeriğin doğruluğu, bütünlüğü ve özgünlüğü için tam sorumluluk taşımaktadır.

Bu makaledeki figürlerle birlikte sağlanan alternatif metinler (alt text), Frontiers tarafından yapay zekanın desteğiyle oluşturulmuş ve mümkün olduğunca yazarların gözden geçirmesini içerecek şekilde doğruluk sağlamak için makul çabalar gösterilmiştir. Herhangi bir sorun tespit ederseniz, lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarların görüşlerini yansıtır ve mutlaka bağlı oldukları kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini temsil etmez. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

  • 1.

    Peppard PE, Young TP, Alta MS, Katrud J. Uyku ile ilişkili solunum bozukluğu ile hipertansiyon arasındaki ilişkinin ilerlemeli çalışması. N Engl J Med. (2000) 342(19):1378–84. 10.1056/NEJM200005113421901

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 2.

    Gottlieb DJ, Punjabi NM. Obstrüktif uyku apnesinin tanısı ve yönetimi: bir derleme. JAMA. (2020) 323(14):1389–401. 10.1001/jama.2020.3514

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 3.

    Benjafield A, Ayas N, Eastwood P, Heinzer R, Ip MS, Morrell MJ ve ark. Obstrüktif uyku apnesinin küresel yaygınlığının ve yükünün tahmini. Lancet Respir Med. (2019) 7(8):687–98. 10.1016/S2213-2600(19)30198-5

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 4.

    Xiao Y. Obstrüktif uyku apnesinin hastalık yükü. Zhonghua Jie He He Hu Xi Za Zhi. (2019) 42(8):561–3. 10.3760/cma.j.issn.1001-0939.2019.08.001

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
  • 5.

    Çin Toraks Cemiyeti. Uyku solunum bozuklukları grubu. Obstrüktif uyku apne-hipone sendromunun yönetimine ilişkin kılavuzlar. Zhonghua Jie He He Hu Xi Za Zhi. (2012) 35(1):9–12.

    • Google Scholar
    • Referansı makalede görüntüle
  • 6.

    Tang N, Ni Y, Luo F. Beden yuvarlaklığı indeksi, obstrüktif uyku apnesinin şiddetini tahmin etmede beden kitle indeksini geride bırakır. Sleep Breath. (2022) 26(4):1701–9. 10.1007/s11325-021-02536-6

    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 7.

    Zou J, Wang Y, Xu H, Xia Y, Qian Y, Zou J, et al. Visserel yağ değişkenlerinin obstrüktif uyku apnesinin prediksyonundaki kullanımı: NHANES’den kanıtlar. Sleep Med. (2024) 113:104–111. 10.1016/j.sleep.2023.12.008

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 8.

    Lim JH, Kim CS, Park JS. Trigliserid-glikoz-bel çevresi indeksi, obstrüktif uyku apnesinin şiddetinin bir prediksyonudur. J Clin Med. (2021) 10(16):3684. 10.3390/jcm10163684

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 9.

    Collins GS, Reitsma JB, Altman DG, Moons KGM. Bireysel prognoz veya tanı için çok değişkenli bir prediksyon modelinin şeffaf raporlanması (TRIPOD): TRIPOD bildirimi. Ann Intern Med. (2015) 162(1):55–63. 10.7326/M14-0697

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 10.

    Moons KGM, Wolff RF, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: prediksyon modeli çalışmalarının yanlılık riski ve uygulanabilirliğini değerlendirmek için bir araç. Ann Intern Med. (2019) 170(1):51–8. 10.7326/M18-1376

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 11.

    Steyerberg EW. Clinical Prediction Models: A Practical Approach to Development, Validation, and Updating. 2. baskı. Cham: Springer (2019).

    • Google Scholar
    • Makalede referansı görüntüle
  • 12.

    Austin PC, Steyerberg EW. Prediksyon modellerinin kalibrasyon değerlendirmesi için entegre kalibrasyon indeksi (ICI) ve ilgili metrikler. Stat Med. (2019) 38(21):4051–65. 10.1002/sim.8281

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 13.

    Altman DG, Royston P. Prognostik bir model doğrularken ne demek istiyoruz? Stat Med. (2000) 19(4):453–73. 10.1002/(SICI)1097-0258(20000229)19:4<453::AID-SIM350>3.0.CO;2-5

    • Pubmed Abstract
    • Google Scholar
    • Makalede referansı görüntüle
  • 14.

    Vickers AJ, Elkin EB. Karar eğrisi analizi: tahmin modellerini değerlendirmek için yeni bir yöntem. Med Decis Making. (2006) 26(6):565–74. 10.1177/0272989X06295361

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 15.

    Riley RD, Ensor J, Snell KIE, Harrell FE, Martin GP, Reitsma JB ve ark. Klinik bir tahmin modeli geliştirmek için gereken örneklem boyutu. BMC Med Res Methodol. (2024) 24(1):24. 10.1136/bmj.m441

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 16.

    Tan K, Yeo J, Tan A. Tıkanıcı uyku apnesinin klinik ve polysomnografik özelliklerinde cinsiyet farkları: Singapur kohortu. Sleep Med. (2021) 87:25–31. 10.1016/j.sleep.2021.08.009

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 17.

    Won CH, J Reid M, Sofer T, Azarbarzin A, Purcell S, White D ve ark. Tıkanıcı uyku apnesi fenotiplerinde cinsiyet farkları: aterosklerozun çok etnik çalışması. Sleep. (2023) 46(1):zsac210. 10.1093/sleep/zsz274

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 18.

    Bonsignore M, McNicholas W, Montserrat JM, Eckel J. Obezite ve tıkanıcı uyku apnesinde yağ dokusu. Eur Respir J. (2012) 39(2):492–4. 10.1183/09031936.00047010

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 19.

    Kritikou I, Basta M, Tappouni R. Orta yaşlı yetişkinlerde uyku apnesi ve visseral yağlanma. Eur Respir J. (2013) 41(3):601–9. 10.1183/09031936.00183411

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
  • 20.

    Nazare JAS, Smith JD, Borel AL, Haffner SM, Balkau B, Ross R, et al. Visserel yağ birikmesine etnik etkiler: sistematik derleme. Nutr Diabetes. (2012) 2(12):e52. 10.3945/ajcn.112.035758

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 21.

    Pei C, Hao L, Zhang J, Xu K, Yu Y, Hu L, et al. Triigliserid-glüks indexi ve obstrüktif uyku apnesi hastalarında gece oksijenasyon bozukluğu. Nat Sci Sleep. (2022) 14:89–98. 10.3389/fendo.2026.1899452

    • CrossRef
    • Google Scholar
    • View reference in article
  • 22.

    Zhang J, Chen B, Chen T, Lai R, Ye Z, Liao Z, et al. Uyku kalitesi sağlığı çalışmalarında Çinli obstrüktif uyku apnesi hastalarında triigliserid-glüks indexi. Sleep Breath. (2023) 27(4):1365–74. 10.2147/NSS.S522084

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 23.

    Sentürk Topaloğlu F, Topaloğlu A. Polysomnografi ile tanılanan şiddetin obstrüktif uyku apnesi sendromundaki klinik ve antropometrik belirleyicileri. J Clin Pract Res. (2026) 48(1):33–41. 10.14744/cpr.2026.30899

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • View reference in article
  • 24.

    Xiao Y. Obstrüktif uyku apnesinin tanımdaki sorunlar ve göz önüne alınacak hususlar. Chin J Tuberc Respir Dis. (2021) 44(10):861–3. (Çince). doi: 10.3760/cma.j.cn112147-20210608-00404

    • Google Scholar
    • View reference in article
  • 25.

    Nagappa M, Liao P, Wong J, Auckley D, Ramachandran S, Memtsoudis S, et al. 65 yaşından büyük hastalarda STOP-bang anketinin geçerliliği. PLoS One. (2015) 10(9):e0139653. 10.1371/journal.pone.0139653

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
  • 26.

    JohnsMW. Gündüzü uyku hâli ölçümü için yeni bir yöntem: Epworth uyku hâli ölçeği. Sleep. (1991) 14(6):540–5. 10.1093/sleep/14.6.540

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
  • 27.

    ChungFSubramanyamRLiaoP. Yüksek STOP-bang skoru, tıkanıcı uyku apnesinin yüksek olasılığını gösterir. Br J Anaesth. (2012) 108(5):768–75. 10.1093/bja/aes022

    • Pubmed Abstract
    • CrossRef
    • Google Scholar
    • Referansı makalede gör
  • 28.

    HeQYChenBYHanF. Sleep Respiratory Diseases. 2. baskı. Beijing: People’s Medical Publishing House (2022).

    • Google Scholar
    • Referansı makalede gör

Özet

Anhtar Kelimeler

tıkanıcı uyku apnesi, tahmin modeli, çevre ölçüsü, trigliserid-glükoz indeksi, birincil sağlık bakımı

Atıf

Fu Y, Xie Y, Wang Z, Liao Y, Zhou L, He Y, Liu H ve Huang J (2026) Cinsiyet, çevre ölçüsü ve TyG indeksi kullanılan, soru formülü olmayan ciddi tıkanıcı uyku apnesi için bir modelin geliştirilmesi ve pilot zamanlı geçerliliğinin sınanması. Front. Med. 13:1979064. doi: 10.3389/fmed.2026.1979064

Müracaat Tarihi

26 Ağustos 2026

Güncelleme Tarihi

12 Eylül 2026

Kabul Tarihi

16 Ekim 2026

Yayın Tarihi

12 Kasım 2026

Cilt

13 – 2026

Düzenleyen

Aynur Aliyeva, Denver Health Medical Center, Amerika Birleşik Devletleri

Elvan Senturk Topaloglu, Recep Tayyip Erdoğan Üniversitesi, Türkiye

Sakarin Tangpothitham, Songkla Üniversitesi Prensi, Tayland

© 2026 Fu, Xie, Wang, Liao, Zhou, He, Liu ve Huang.

Bu, Creative Commons Atıf Lisansı (CC BY) koşulları altında dağıtılan açık erişimli bir makaledir. Orijinal yazar(lar)ın ve telif hakkı sahib(lar)ının isimlendirilmesi ve bu dergideki orijinal yayının atıf edilmesi şartıyla, kabul görmüş akademik uygulamalara uygun olarak bu makale diğer platformlarda kullanabilir, dağıtabilir veya çoğaltılabilir. Bu koşullara uymayan kullanıma, dağıtıma veya çoğaltmaya izin verilmez.

* Ying Fu fu8811@163.com; Jianhao Huang 3596412083@qq.com

†
Bu yazarlar bu çalışmaya eşit katkıda bulunmuş ve ilk yazarlık paylaşımıştır.

‡

ORCID Zhangan Wang orcid.org/0000-0001-8000-6645

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve mutlaka ait oldukları kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

Frontiers | Development and pilot temporal validation of a questionnaire-free model for severe obstructive sleep apnea using sex, waist circ
Frontiers | Development and pilot temporal validation of a questionnaire-free model for severe obstructive sleep apnea using sex, waist circ
İlginizi Çekebilir: Spontan İntrakranyal Kanamada CTA Sonrası Gecikmiş Hiperdensite Kümesi Hematom Genişlemesini Öngörür →
Kaynak: Frontiersin ↗
BENZER İNCELEMELER

İlgili Diğer Rehberler