Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador
Ano de defesa: | 2022 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Saúde Brasileira
|
Departamento: |
Faculdade de Medicina
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | https://doi.org/10.34019/ufjf/te/2022/00071 https://repositorio.ufjf.br/jspui/handle/ufjf/14558 |
Resumo: | Introdução: A doença renal crônica (DRC) é associada ao aumento de mortalidade precoce, aumento de doenças cardiovasculares (DCV), hospitalizações e rehospitalizações, além de complicações de saúde. O paciente é monitorado através da taxa de filtração glomerular estimada (TFGe). A TFGe é aceita como a melhor medida global da função renal. Reduções na TFGe em gradientes específicos estão associadas a pior prognóstico com consequente progressão acelerada da DRC. Objetivo: Explorar metodologicamente os modelos de regressão paramétricos em análise de sobrevivência, para riscos proporcionais (PH) e para falha acelerada (AFT), na investigação da progressão acelerada da DRC (fase pré-dialítica), com desfechos substitutos, e também a incorporação de efeitos aleatórios (fragilidade). Metodologia: Trata-se de um estudo metodológico e crítico de duas técnicas de regressão paramétricas aplicadas em um estudo de caso. Utilizamos uma coorte histórica com dados reais de pacientes com DRC pré-dialíticos. Foram apresentadas interpretações e adequação dos modelos propostos: PH e AFT para as distribuições: Exponencial, Weibull, Gompertz, Lognormal e Loglogístico. Os modelos foram ajustados para o mês até a queda ≥5mL/ano da TFGe, perda de 30% da TFGe em até 24 meses, ou mudança de estágio da DRC, como desfechos substitutos. Resultados: O decaimento> 5mL/ano da TFGe apresentou uma característica monótona, na qual os eventos vão diminuindo ao longo do tempo. Por outro lado, o decaimento >30% da TFGe teve uma relação inversa, havendo um aumento do risco ao longo do tempo. A grande maioria das mudanças de estágio ocorreram em até 12 meses (67,8%), com uma tendência a constante no tempo. Na inspeção dos gráficos, observamos que a melhor sobreposição das curvas com o método empíricos de Kaplan-Meier e Smoothed Hazard Estimate se deu na seguinte ordem: A) decaimento >5mL/ano da TFGe, indica melhor ajuste do modelo Gompertz, para as funções S(t) e h(t). B) decaimento >30% da TFGe, os melhores ajustes para a função S(t) e h(t) foram as distribuições Gompertz, Weilbull e Loglogístico. C) Para a mudança de estágio, o comportamento da curva é bem captado praticamente por todos os modelos. Em relação a fragilidade os modelos Weibull e Loglogístico tiveram melhores ajustes multivariados. Com os valores pontuais de fragilidade ao nível do paciente foi possível identificar três grupos compartilhando os mesmos valores de fragilidade: 110 pacientes (14,4%) com valores de fragilidade entre (1,01 – 1,99), 124 pacientes (16,0%) com fragilidades entre (2,00 – 2,99) e 46 pacientes (5,9%) com valores de fragilidade >3,0. Esses pacientes possuem um aumento da variabilidade por causas que não foram devidamente avaliadas a priori. Conclusão: As propriedades estatísticas mais robustas dos modelos paramétricos (MP) devem ser levadas em consideração, inclusive a plausibilidade das extrapolações que seus resultados podem ser feitos. Dada à flexibilidade dos MP, podemos comparar os resultados das curvas das funções S(t) e h(t) paramétricas com estudos relevantes, e também com a opinião de especialistas clínicos em nefrologia, comparação com padrões clínicos conhecidos de doença e indicar os possíveis caminhos a seguir. |
id |
UFJF_3243cfd4f08855e44566dc65cfec7f13 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/14558 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Colugnati, Fernando Antônio Basilehttp://lattes.cnpq.br/1622643885752324Pinheiro, Hélady Sandershttp://lattes.cnpq.br/Andrade, Luís Gustavo Modelli dehttp://lattes.cnpq.br/Moraes, Ronei Marcos dehttp://lattes.cnpq.br/Carmo, Wander Barros dohttp://lattes.cnpq.br/Chehuen Neto, José Antôniohttp://lattes.cnpq.br/http://lattes.cnpq.br/0193220111988106Ferreira, Renato Erothildes2022-10-21T12:06:23Z2022-10-212022-10-21T12:06:23Z2022-06-15https://doi.org/10.34019/ufjf/te/2022/00071https://repositorio.ufjf.br/jspui/handle/ufjf/14558Introdução: A doença renal crônica (DRC) é associada ao aumento de mortalidade precoce, aumento de doenças cardiovasculares (DCV), hospitalizações e rehospitalizações, além de complicações de saúde. O paciente é monitorado através da taxa de filtração glomerular estimada (TFGe). A TFGe é aceita como a melhor medida global da função renal. Reduções na TFGe em gradientes específicos estão associadas a pior prognóstico com consequente progressão acelerada da DRC. Objetivo: Explorar metodologicamente os modelos de regressão paramétricos em análise de sobrevivência, para riscos proporcionais (PH) e para falha acelerada (AFT), na investigação da progressão acelerada da DRC (fase pré-dialítica), com desfechos substitutos, e também a incorporação de efeitos aleatórios (fragilidade). Metodologia: Trata-se de um estudo metodológico e crítico de duas técnicas de regressão paramétricas aplicadas em um estudo de caso. Utilizamos uma coorte histórica com dados reais de pacientes com DRC pré-dialíticos. Foram apresentadas interpretações e adequação dos modelos propostos: PH e AFT para as distribuições: Exponencial, Weibull, Gompertz, Lognormal e Loglogístico. Os modelos foram ajustados para o mês até a queda ≥5mL/ano da TFGe, perda de 30% da TFGe em até 24 meses, ou mudança de estágio da DRC, como desfechos substitutos. Resultados: O decaimento> 5mL/ano da TFGe apresentou uma característica monótona, na qual os eventos vão diminuindo ao longo do tempo. Por outro lado, o decaimento >30% da TFGe teve uma relação inversa, havendo um aumento do risco ao longo do tempo. A grande maioria das mudanças de estágio ocorreram em até 12 meses (67,8%), com uma tendência a constante no tempo. Na inspeção dos gráficos, observamos que a melhor sobreposição das curvas com o método empíricos de Kaplan-Meier e Smoothed Hazard Estimate se deu na seguinte ordem: A) decaimento >5mL/ano da TFGe, indica melhor ajuste do modelo Gompertz, para as funções S(t) e h(t). B) decaimento >30% da TFGe, os melhores ajustes para a função S(t) e h(t) foram as distribuições Gompertz, Weilbull e Loglogístico. C) Para a mudança de estágio, o comportamento da curva é bem captado praticamente por todos os modelos. Em relação a fragilidade os modelos Weibull e Loglogístico tiveram melhores ajustes multivariados. Com os valores pontuais de fragilidade ao nível do paciente foi possível identificar três grupos compartilhando os mesmos valores de fragilidade: 110 pacientes (14,4%) com valores de fragilidade entre (1,01 – 1,99), 124 pacientes (16,0%) com fragilidades entre (2,00 – 2,99) e 46 pacientes (5,9%) com valores de fragilidade >3,0. Esses pacientes possuem um aumento da variabilidade por causas que não foram devidamente avaliadas a priori. Conclusão: As propriedades estatísticas mais robustas dos modelos paramétricos (MP) devem ser levadas em consideração, inclusive a plausibilidade das extrapolações que seus resultados podem ser feitos. Dada à flexibilidade dos MP, podemos comparar os resultados das curvas das funções S(t) e h(t) paramétricas com estudos relevantes, e também com a opinião de especialistas clínicos em nefrologia, comparação com padrões clínicos conhecidos de doença e indicar os possíveis caminhos a seguir.Introduction: Chronic kidney disease (CKD) is associated with increased early mortality, increased cardiovascular disease (CVD), hospitalization and rehospitalizations, in addition to health complications. The patient is monitored through the estimated glomerular filtration rate (eGFR). GFR is accepted as the best global measure of kidney function. Reductions in eGFR on specific gradients are associated with a worse prognosis with consequent accelerated progression of CKD. Objective: To methodologically explore the parametric regression models in survival analysis, for proportional hazards (PH) and for accelerated failure (AFT), in the investigation of the accelerated progression of CKD (pre-dialysis phase), with surrogate outcomes, and also the incorporation random effects (fragility). Methodology: This is a methodological and critical study of two parametric regression techniques applied in a case study. We used a historical cohort with real data from predialysis patients with CKD. Interpretations and adequacy of the proposed PH and AFT models were presented for the distributions: Exponential, Weibull, Gompertz, Lognormal and Loglogistic. Models were adjusted for month until ≥ 5mL/year drop in eGFR, 30% loss in eGFR within 24 months, or change in CKD stage, as surrogate endpoints. Results: The >5mL/year decay of the eGFR presented a monotonous characteristic, in which the events decrease over time. On the other hand, the >30% decay of eGFR had an inverse relationship, with an increase in risk over time. The vast majority of stage changes occurred within 12 months (67.8%), with a tendency to be constant over time. In the inspection of the graphs, we observed that the best superposition of the curves with the empirical method of Kaplan-Meier and Smoothed Hazard Estimate occurred in the following order: A) decay >5mL/year of the GFR, indicates a better fit of the Gompertz model, for the functions S(t) and h(t). B) decay >30% of the eGFR, the best fits for the function S(t) and h(t) were the Gompertz, Weilbull and Loglogistic distributions. C) For the change of stage, the behavior of the curve is well captured by practically all models. Regarding frailty, the Weibull and Loglogistic models had better multivariate fits. With the point values of frailty at the patient level, it was possible to identify three groups sharing the same frailty values: 110 patients (14.4%) with frailty values between (1.01 - 1.99), 124 patients (16, 0%) with frailties between (2.00 – 2.99) and 46 patients (5.9%) with frailty values > 3.0. These patients have an increase in variability due to causes that have not been properly evaluated a priori. Conclusion: The more robust statistical properties of the parametric models (PM) must be taken into account, including the plausibility of the extrapolations that their results can be made. Given the flexibility of the MP, we can compare the results of the curves of the parametric S(t) and h(t) functions with relevant studies, as well as with the opinion of clinical experts in nephrology, comparing with known patterns of disease and indicating the possible ways to follow.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Saúde BrasileiraUFJFBrasilFaculdade de MedicinaAttribution-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS DA SAUDE::MEDICINAAnálise de sobrevivênciaDoença renal crônicaModelo de regressão paramétricaModelos de falha aceleradosModelos de risco proporcionalProgressão acelerada da doença renal crônicaAnálise multivariadaCuidados de saúde secundáriosSurvival analysisChronic kidney diseaseParametric regression modelAccelerated failure modelsProportional hazard modelsProgression of chronic kidney diseaseMultivariate analysisSecondary health careModelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservadorinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/2/license_rdfc4c98de35c20c53220c07884f4def27cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALrenatoerothildesferreira.pdfrenatoerothildesferreira.pdfPDF/Aapplication/pdf3951729https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/1/renatoerothildesferreira.pdfa0799a5f79e55ccc81402d8c543c51bfMD51TEXTrenatoerothildesferreira.pdf.txtrenatoerothildesferreira.pdf.txtExtracted texttext/plain190620https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/4/renatoerothildesferreira.pdf.txt48f30796b7335365ba4e18f75decb72cMD54THUMBNAILrenatoerothildesferreira.pdf.jpgrenatoerothildesferreira.pdf.jpgGenerated Thumbnailimage/jpeg1257https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/5/renatoerothildesferreira.pdf.jpg56970e168753dbd6a563db180d40eb50MD55ufjf/145582022-11-17 14:01:44.751oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2022-11-17T16:01:44Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
title |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
spellingShingle |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador Ferreira, Renato Erothildes CNPQ::CIENCIAS DA SAUDE::MEDICINA Análise de sobrevivência Doença renal crônica Modelo de regressão paramétrica Modelos de falha acelerados Modelos de risco proporcional Progressão acelerada da doença renal crônica Análise multivariada Cuidados de saúde secundários Survival analysis Chronic kidney disease Parametric regression model Accelerated failure models Proportional hazard models Progression of chronic kidney disease Multivariate analysis Secondary health care |
title_short |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
title_full |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
title_fullStr |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
title_full_unstemmed |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
title_sort |
Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador |
author |
Ferreira, Renato Erothildes |
author_facet |
Ferreira, Renato Erothildes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Colugnati, Fernando Antônio Basile |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1622643885752324 |
dc.contributor.advisor-co1.fl_str_mv |
Pinheiro, Hélady Sanders |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.referee1.fl_str_mv |
Andrade, Luís Gustavo Modelli de |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.referee2.fl_str_mv |
Moraes, Ronei Marcos de |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.referee3.fl_str_mv |
Carmo, Wander Barros do |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.referee4.fl_str_mv |
Chehuen Neto, José Antônio |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/0193220111988106 |
dc.contributor.author.fl_str_mv |
Ferreira, Renato Erothildes |
contributor_str_mv |
Colugnati, Fernando Antônio Basile Pinheiro, Hélady Sanders Andrade, Luís Gustavo Modelli de Moraes, Ronei Marcos de Carmo, Wander Barros do Chehuen Neto, José Antônio |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS DA SAUDE::MEDICINA |
topic |
CNPQ::CIENCIAS DA SAUDE::MEDICINA Análise de sobrevivência Doença renal crônica Modelo de regressão paramétrica Modelos de falha acelerados Modelos de risco proporcional Progressão acelerada da doença renal crônica Análise multivariada Cuidados de saúde secundários Survival analysis Chronic kidney disease Parametric regression model Accelerated failure models Proportional hazard models Progression of chronic kidney disease Multivariate analysis Secondary health care |
dc.subject.por.fl_str_mv |
Análise de sobrevivência Doença renal crônica Modelo de regressão paramétrica Modelos de falha acelerados Modelos de risco proporcional Progressão acelerada da doença renal crônica Análise multivariada Cuidados de saúde secundários Survival analysis Chronic kidney disease Parametric regression model Accelerated failure models Proportional hazard models Progression of chronic kidney disease Multivariate analysis Secondary health care |
description |
Introdução: A doença renal crônica (DRC) é associada ao aumento de mortalidade precoce, aumento de doenças cardiovasculares (DCV), hospitalizações e rehospitalizações, além de complicações de saúde. O paciente é monitorado através da taxa de filtração glomerular estimada (TFGe). A TFGe é aceita como a melhor medida global da função renal. Reduções na TFGe em gradientes específicos estão associadas a pior prognóstico com consequente progressão acelerada da DRC. Objetivo: Explorar metodologicamente os modelos de regressão paramétricos em análise de sobrevivência, para riscos proporcionais (PH) e para falha acelerada (AFT), na investigação da progressão acelerada da DRC (fase pré-dialítica), com desfechos substitutos, e também a incorporação de efeitos aleatórios (fragilidade). Metodologia: Trata-se de um estudo metodológico e crítico de duas técnicas de regressão paramétricas aplicadas em um estudo de caso. Utilizamos uma coorte histórica com dados reais de pacientes com DRC pré-dialíticos. Foram apresentadas interpretações e adequação dos modelos propostos: PH e AFT para as distribuições: Exponencial, Weibull, Gompertz, Lognormal e Loglogístico. Os modelos foram ajustados para o mês até a queda ≥5mL/ano da TFGe, perda de 30% da TFGe em até 24 meses, ou mudança de estágio da DRC, como desfechos substitutos. Resultados: O decaimento> 5mL/ano da TFGe apresentou uma característica monótona, na qual os eventos vão diminuindo ao longo do tempo. Por outro lado, o decaimento >30% da TFGe teve uma relação inversa, havendo um aumento do risco ao longo do tempo. A grande maioria das mudanças de estágio ocorreram em até 12 meses (67,8%), com uma tendência a constante no tempo. Na inspeção dos gráficos, observamos que a melhor sobreposição das curvas com o método empíricos de Kaplan-Meier e Smoothed Hazard Estimate se deu na seguinte ordem: A) decaimento >5mL/ano da TFGe, indica melhor ajuste do modelo Gompertz, para as funções S(t) e h(t). B) decaimento >30% da TFGe, os melhores ajustes para a função S(t) e h(t) foram as distribuições Gompertz, Weilbull e Loglogístico. C) Para a mudança de estágio, o comportamento da curva é bem captado praticamente por todos os modelos. Em relação a fragilidade os modelos Weibull e Loglogístico tiveram melhores ajustes multivariados. Com os valores pontuais de fragilidade ao nível do paciente foi possível identificar três grupos compartilhando os mesmos valores de fragilidade: 110 pacientes (14,4%) com valores de fragilidade entre (1,01 – 1,99), 124 pacientes (16,0%) com fragilidades entre (2,00 – 2,99) e 46 pacientes (5,9%) com valores de fragilidade >3,0. Esses pacientes possuem um aumento da variabilidade por causas que não foram devidamente avaliadas a priori. Conclusão: As propriedades estatísticas mais robustas dos modelos paramétricos (MP) devem ser levadas em consideração, inclusive a plausibilidade das extrapolações que seus resultados podem ser feitos. Dada à flexibilidade dos MP, podemos comparar os resultados das curvas das funções S(t) e h(t) paramétricas com estudos relevantes, e também com a opinião de especialistas clínicos em nefrologia, comparação com padrões clínicos conhecidos de doença e indicar os possíveis caminhos a seguir. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-10-21T12:06:23Z |
dc.date.available.fl_str_mv |
2022-10-21 2022-10-21T12:06:23Z |
dc.date.issued.fl_str_mv |
2022-06-15 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/14558 |
dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.34019/ufjf/te/2022/00071 |
url |
https://doi.org/10.34019/ufjf/te/2022/00071 https://repositorio.ufjf.br/jspui/handle/ufjf/14558 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Saúde Brasileira |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Medicina |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/1/renatoerothildesferreira.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/4/renatoerothildesferreira.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14558/5/renatoerothildesferreira.pdf.jpg |
bitstream.checksum.fl_str_mv |
c4c98de35c20c53220c07884f4def27c 8a4605be74aa9ea9d79846c1fba20a33 a0799a5f79e55ccc81402d8c543c51bf 48f30796b7335365ba4e18f75decb72c 56970e168753dbd6a563db180d40eb50 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1793962431618220032 |