ຖະແຫຼງການດ້ານຈັນຍາບັນ

ການສຶກສານີ້ໄດ້ຖືກປະຕິບັດໂດຍສອດຄ່ອງກັບຫຼັກການດ້ານຈັນຍາບັນທີ່ສອດຄ່ອງກັບຖະແຫຼງການຂອງ Helsinki, ສະພາສາກົນເພື່ອການປະສົມກົມກຽວການປະຕິບັດທາງດ້ານການຊ່ວຍ, ການປະຕິບັດດ້ານການຢາທີ່ດີ, ແລະນິຕິກໍາທີ່ກ່ຽວຂ້ອງກ່ຽວກັບການສຶກສາທີ່ບໍ່ມີການແຊກແຊງແລະ / ຫຼືການສຶກສາການສັງເກດການ. ໃນການສຶກສາຄັ້ງນີ້, ພວກເຮົາໄດ້ນຳໃຊ້ຖານຂໍ້ມູນການຄ້າສອງອັນທີ່ບໍ່ເປີດເຜີຍຊື່, ເປີດເຜີຍຕໍ່ສາທາລະນະທີ່ໄດ້ຮັບຈາກ Japan Medical Data Vision Co., Ltd. ແລະ ບໍລິສັດ Real World Data Co., Ltd. ການອະນຸມັດຂອງຄະນະກວດກາຂອງສະຖາບັນແມ່ນບໍ່ຈໍາເປັນເພາະວ່າການສຶກສາໃນປະຈຸບັນມີພຽງແຕ່ການວິເຄາະຂັ້ນສອງຂອງຂໍ້ມູນທີ່ບໍ່ລະບຸຕົວຕົນ, ຂໍ້ມູນທີ່ບໍ່ເປີດເຜີຍຊື່. ໃນປະເທດຍີ່ປຸ່ນ, ການອະນຸມັດດ້ານຈັນຍາບັນແລະການຍິນຍອມເຫັນດີບໍ່ໄດ້ນໍາໃຊ້ກັບການນໍາໃຊ້ຂໍ້ມູນຂັ້ນສອງທີ່ບໍ່ໄດ້ລະບຸຕົວຕົນຕາມຄໍາແນະນໍາດ້ານຈັນຍາບັນຂອງຍີ່ປຸ່ນສໍາລັບການຄົ້ນຄວ້າທາງການແພດແລະສຸຂະພາບທີ່ກ່ຽວຂ້ອງກັບວິຊາຂອງມະນຸດ.

ແຫຼ່ງຂໍ້ມູນ ແລະການສຶກສາປະຊາກອນ

ຂໍ້ມູນໄດ້ຖືກລວບລວມຈາກຖານຂໍ້ມູນທາງການແພດຍີ່ປຸ່ນ (MDV) ຈາກເດືອນເມສາ 2008 ຫາເດືອນກັນຍາ 2018 (ຕາຕະລາງເສີມ S1). ຖານຂໍ້ມູນມີຂໍ້ຮຽກຮ້ອງດ້ານບໍລິຫານ ແລະຂໍ້ມູນຫ້ອງທົດລອງຈາກໂຮງໝໍ 376 ແຫ່ງທີ່ປະສົມປະສານຂັ້ນຕອນການວິນິດໄສຂອງຍີ່ປຸ່ນ (DPC), ກວມເອົາ 21.7% ຂອງໂຮງໝໍ DPC 1,730 ແຫ່ງໃນປະເທດຍີ່ປຸ່ນ, ເຊິ່ງກວມເອົາຄົນເຈັບປະມານ 20 ລ້ານຄົນໃນປະເທດຍີ່ປຸ່ນ.32. ໃນຖານຂໍ້ມູນນີ້, ຂໍ້ມູນໄດ້ຖືກຈັດປະເພດໂດຍໃຊ້ລະຫັດການວິນິດໄສລະຫວ່າງປະເທດ, ລະຫັດວິນິດໄສສະບັບປັບປຸງ 10; ຊື່ພະຍາດແມ່ນຖືກລະຫັດໂດຍໃຊ້ລະຫັດພະຍາດສະເພາະຂອງພາສາຍີ່ປຸ່ນ, ແລະຂັ້ນຕອນແລະໃບສັ່ງຢາແລະການບໍລິຫານແມ່ນຖືກລະຫັດໂດຍໃຊ້ລະຫັດໃບຮັບເງິນສະເພາະຂອງຍີ່ປຸ່ນ.32.

ຄົນເຈັບທີ່ມີອາຍຸ ≥ 18 ປີທີ່ມີການວິນິດໄສຂອງ T2DM ທີ່ໄດ້ຮັບການປິ່ນປົວດ້ວຍຢາຕ້ານພະຍາດເບົາຫວານແລະມີໄລຍະຫ່າງລະຫວ່າງ 18 ເດືອນກ່ອນວັນທີດັດສະນີໄດ້ຖືກລວມເຂົ້າ. ຄົນເຈັບທີ່ມີການວິນິດໄສຂອງພະຍາດເບົາຫວານປະເພດ 1 ໄດ້ທຸກເວລາໃນຖານຂໍ້ມູນ, ມີການວິນິດໄສຂອງພະຍາດເບົາຫວານ gestational ໃນທຸກເວລາໃນຖານຂໍ້ມູນ, ຫຼືມີປະຫວັດທາງການແພດຂອງ CVDs ຫຼື CKD ກ່ອນວັນທີດັດສະນີໄດ້ຖືກຍົກເວັ້ນ. ຕາຕະລາງເສີມ S2 ສະແດງລາຍຊື່ຂອງເຄມີບໍາບັດທາງວິພາກ (ATC), ICD-10, ແລະລະຫັດຂັ້ນຕອນທີ່ໃຊ້ສໍາລັບເງື່ອນໄຂການລວມເຂົ້າແລະການຍົກເວັ້ນ.

ວັນທີດັດສະນີໄດ້ຖືກກໍານົດເປັນວັນທີທີ່ຢາທາງປາກຄັ້ງທໍາອິດສໍາລັບ T2DM ໄດ້ຖືກກໍານົດຫຼັງຈາກການວິນິດໄສຂອງ T2DM ແລະຕ້ອງຫຼາຍກວ່າ 18 ເດືອນຫຼັງຈາກວັນທີເລີ່ມຕົ້ນຂອງການສັງເກດ (ໄລຍະເວລາເບິ່ງຄືນ). ໄລຍະເວລາເບິ່ງຄືນໄດ້ຖືກກໍານົດໄວ້ຢ່າງຫນ້ອຍ 18 ເດືອນກ່ອນວັນທີດັດສະນີເພື່ອຮັບປະກັນໄລຍະເວລາກ່ອນດັດສະນີຍາວພຽງພໍເພື່ອໃຫ້ສາມາດເກັບກໍາຂໍ້ມູນທີ່ເຫມາະສົມກ່ຽວກັບຄຸນລັກສະນະຂອງຄົນເຈັບແລະຫຼີກເວັ້ນຄວາມລໍາອຽງຂອງຂໍ້ມູນຍ້ອນການເຫນັງຕີງຂອງລະດູການ.

ຜົນໄດ້ຮັບແລະຕົວແປ

ຮູບແບບການຄາດຄະເນຄວາມສ່ຽງໄດ້ຖືກສ້າງຂື້ນສໍາລັບຜົນໄດ້ຮັບທາງດ້ານຄລີນິກຕໍ່ໄປນີ້: ຜົນໄດ້ຮັບຕົ້ນຕໍແມ່ນ (1) ການວິນິດໄສຂອງ CKD / HF ໃນຄົນເຈັບໃນຫຼືຄົນເຈັບນອກ, ແລະ (2) ການເຂົ້າໂຮງຫມໍສໍາລັບ CKD / HF ຫຼືສໍາລັບເຫດຜົນທີ່ບໍ່ແນ່ນອນເຊັ່ນ: ການນໍາໃຊ້ຊັບພະຍາກອນສຸຂະພາບສູງສຸດ. ໃນລະຫວ່າງການເຂົ້າຮຽນທີ່ກ່ຽວຂ້ອງກັບ CKD/HF. ຜົນໄດ້ຮັບຂັ້ນສອງແມ່ນ (1) ການວິນິດໄສຂອງ HF (ຄົນເຈັບໃນຫຼືຄົນເຈັບນອກ), (2) ການວິນິດໄສຂອງ CKD (ຄົນເຈັບໃນຫຼືຄົນເຈັບນອກ), ແລະ (3) ການເຂົ້າໂຮງຫມໍສໍາລັບ HF ຫຼືສໍາລັບເຫດຜົນທີ່ບໍ່ແນ່ນອນເຊັ່ນວ່າການນໍາໃຊ້ຊັບພະຍາກອນສຸຂະພາບສູງສຸດໃນລະຫວ່າງການເຂົ້າຮຽນແມ່ນກ່ຽວຂ້ອງກັບ HF. ສຸດທ້າຍ, ຜົນໄດ້ຮັບຂອງການສໍາຫຼວດແມ່ນ (1) ເຫດການທາງລົບຂອງເສັ້ນເລືອດຫົວໃຈປະສົມ (MACE) – ການວິນິດໄສຂອງໂຣກ myocardial infarction (MI), ເສັ້ນເລືອດຕັນໃນ, ຫຼືການເສຍຊີວິດໃນໂຮງຫມໍທີ່ກ່ຽວຂ້ອງກັບ MI ຫຼື stroke; (2) ເຫດການທາງລົບຕໍ່ຕັບ ແລະ ເສັ້ນເລືອດຫົວໃຈປະສົມ (MARCE); ການວິນິດໄສຂອງ MI, stroke, ຫຼືການເຂົ້າໂຮງຫມໍເນື່ອງຈາກ HF; ຜົນ​ໄດ້​ຮັບ​ຂອງ​ຫມາກ​ໄຂ່​ຫຼັງ (dialysis ແລະ​ການ​ປ່ຽນ​ຫມາກ​ໄຂ່​ຫຼັງ​)​; ຫຼືການເສຍຊີວິດຢູ່ໃນໂຮງຫມໍທີ່ກ່ຽວຂ້ອງກັບ MI, stroke, ຫຼື HF; ແລະ 3) ທັງໝົດເສຍຊີວິດຢູ່ໃນໂຮງໝໍ. ຕາຕະລາງເສີມ S3 ສະແດງລາຍຊື່ ICD-10 ແລະລະຫັດຂັ້ນຕອນທີ່ໃຊ້ສໍາລັບຜົນໄດ້ຮັບ.

ຕົວແປລວມມີປະຊາກອນຂອງຄົນເຈັບ (ອາຍຸ, ເພດ, BMI, ຄວາມຖີ່ຂອງການໄປຢ້ຽມຢາມຄົນເຈັບນອກ, ແລະຄວາມຖີ່ຂອງການເຂົ້າໂຮງຫມໍ), ລະຫັດ ICD-10, ການວິນິດໄສ ATC ຂອງລະຫັດພະຍາດ, ແລະຄ່າຫ້ອງທົດລອງທີ່ມາຈາກຖານຂໍ້ມູນ MDV. ຄ່າຫ້ອງທົດລອງໄດ້ຖືກຈັດປະເພດ, ແລະຄົນເຈັບທີ່ມີການວັດແທກໄດ້ຖືກມອບຫມາຍໃຫ້ປະເພດປົກກະຕິ, ຕ່ໍາກວ່າປົກກະຕິ, ແລະສູງກວ່າປົກກະຕິໂດຍອີງໃສ່ເງື່ອນໄຂທົ່ວໄປສໍາລັບຕົວກໍານົດການຫ້ອງທົດລອງທີ່ສໍາຄັນໃນປະເທດຍີ່ປຸ່ນ; ຄົນເຈັບທີ່ບໍ່ມີການວັດແທກໄດ້ຖືກຈັດປະເພດວ່າເປັນບໍ່ມີການວັດແທກ.

ການສ້າງແບບຈໍາລອງ

ສະຖາປັດຕະຍະກໍາຂອງແບບຈໍາລອງໄດ້ຖືກພັດທະນາໃນສອງໄລຍະແຍກຕ່າງຫາກ (ຕື່ມ Fig. S1). ໄລຍະທໍາອິດປະກອບມີການປະເມີນຄວາມເປັນໄປໄດ້ຂອງການພັດທະນາ algorithm ແລະການປະເມີນຜົນຂອງຕົວແປ. ໄລຍະທີສອງປະກອບມີການພັດທະນາແລະການປັບຕົວຂອງຕົວແບບຄາດຄະເນຢ່າງເຕັມທີ່ເພື່ອສະຫຼຸບແລະກວດສອບຕົວແບບ. ໃນທັງສອງໄລຍະ, 80% ຂອງຊຸດຂໍ້ມູນການວິເຄາະທັງຫມົດໄດ້ຖືກນໍາໃຊ້ສໍາລັບການກໍ່ສ້າງແບບຈໍາລອງແລະ 20% ແມ່ນໃຊ້ສໍາລັບການກວດສອບພາຍໃນ.

ໄລຍະທີ I: ຮູບແບບເບື້ອງຕົ້ນ

ການປະມວນຜົນຂໍ້ມູນເບື້ອງຕົ້ນລວມມີການປ້ອນຂໍ້ມູນຕົວແປ, ການຈັດການຂໍ້ມູນຫ້ອງທົດລອງ, ແລະຂໍ້ມູນທີ່ຂາດຫາຍໄປ. ເນື່ອງຈາກຂໍ້ມູນຫ້ອງທົດລອງໄດ້ຖືກຮັບຮອງເອົາເປັນຕົວແປຢ່າງຕໍ່ເນື່ອງ, ບໍ່ໄດ້ກວດພົບຕົວແປ (ຂັ້ນຕອນທີ 1). ສໍາລັບການສ້າງແບບຈໍາລອງ, 32 ແບບຈໍາລອງໄດ້ຖືກກໍ່ສ້າງແລະປະເມີນຜົນຕາມວິທີການທີ່ສອດຄ່ອງກັບແປດຜົນໄດ້ຮັບແລະສີ່ຈຸດເວລາ (1, 2, 3, ແລະ 5 ປີຫຼັງຈາກວັນທີດັດສະນີ). ການກໍ່ສ້າງແບບຈໍາລອງເບື້ອງຕົ້ນແຕກຕ່າງຈາກການພັດທະນາຮູບແບບການຄາດຄະເນຢ່າງເຕັມທີ່ໃນລັກສະນະຕ່າງໆ, ລວມທັງການຄັດເລືອກແບບສຸ່ມຂອງປະຊາກອນ 10,000 ບຸກຄົນທີ່ມີອັດຕາສ່ວນ 1: 1 ບວກກັບລົບ; ຄ່າຫ້ອງທົດລອງບໍ່ໄດ້ຖືກຈັດປະເພດ, ແລະຄ່າທີ່ຂາດຫາຍໄປໄດ້ຖືກ imputed ໂດຍໃຊ້ຄ່າສະເລ່ຍ. ຮູບແບບເບື້ອງຕົ້ນແມ່ນສ້າງຂຶ້ນໂດຍນຳໃຊ້ປ່າໄມ້ແບບສຸ່ມ ແລະ ວິທີການປະຕິສັງຂອນ logistic; ແລະການປະຕິບັດຂອງຕົວແບບໄດ້ຖືກປະເມີນໂດຍໃຊ້ພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງລັກສະນະການປະຕິບັດຕົວຮັບ (AUROC), ຄວາມຖືກຕ້ອງ, ຄວາມຖືກຕ້ອງ, ແລະການເອີ້ນຄືນ (ຂັ້ນຕອນທີ 2).

ໄລຍະ II: ຮູບແບບການຄາດຄະເນເຕັມ

ສອງເຕັກນິກທີ່ແຕກຕ່າງກັນ (ການເພີ່ມ gradient [XGB] ແລະການຮຽນຮູ້ເລິກ [multilayer perceptron]) ໄດ້ຖືກນໍາໃຊ້ເພື່ອສ້າງແບບຈໍາລອງໃນຂັ້ນຕອນທີ II ໂດຍໃຊ້ຕົວແບບສະຖິຕິແບບດັ້ງເດີມ (ການຖົດຖອຍຂອງ logistic ແລະອັນຕະລາຍສັດສ່ວນ Cox) ເປັນການປຽບທຽບ. ໃນຂະນະທີ່ຄົນເຈັບໃນທາງບວກທັງຫມົດໄດ້ຖືກຄັດເລືອກ, ຄົນເຈັບທີ່ເປັນທາງລົບໄດ້ຖືກຄັດເລືອກແບບສຸ່ມເປັນສອງເທົ່າຂອງຄົນເຈັບໃນທາງບວກສໍາລັບການກໍ່ສ້າງຕົວແບບ, ຜົນໄດ້ຮັບໃນອັດຕາສ່ວນ 1: 2 ຂອງຄົນເຈັບໃນທາງບວກ: ທາງລົບ. ໃນຜົນໄດ້ຮັບຂັ້ນຕົ້ນ, ຈໍານວນຕົວແປຄໍາອະທິບາຍທີ່ຖືກນໍາໃຊ້ໃນການວິເຄາະແມ່ນສົມມຸດວ່າ 60, ໂດຍມີຄ່າສໍາປະສິດຂອງການຕັດສິນໃຈປັບລະດັບເສລີພາບ (R.‘2) ເປັນ​ມາດ​ຕະ​ການ​ຂອງ​ຕົວ​ແບບ​ເຫມາະ​.

ການຄັດເລືອກຕົວແປທີ່ອະທິບາຍໄດ້ຖືກປະຕິບັດຄັ້ງທໍາອິດໂດຍການວິເຄາະການຖົດຖອຍແບບ univariate ໂດຍໃຊ້ 0.05 ເປັນເກນຂອງຄວາມເປັນໄປໄດ້ຂອງແຕ່ລະເຫດການຜົນໄດ້ຮັບ. ຫຼັງຈາກການຄັດເລືອກ, ຂໍ້ມູນ 60 ຕົວແປໄດ້ຖືກສະກັດອອກໂດຍໃຊ້ວິທີການປ່າໄມ້ແບບສຸ່ມທີ່ມີຄວາມສໍາຄັນ Gini, ແລະຂໍ້ມູນໄດ້ຖືກຈັດປະເພດຕາມຄຸນນະພາບ.

ຫຼັງຈາກການສ້າງແບບຈໍາລອງໂດຍໃຊ້ XGB ແລະເຄືອຂ່າຍ neural, hyperparameters ໄດ້ຖືກກໍານົດໂດຍໃຊ້ວິທີການຄົ້ນຫາແບບສຸ່ມເພື່ອເພີ່ມຄວາມຖືກຕ້ອງຂອງການຄາດຄະເນໂດຍອີງໃສ່ຕົວແບບ.33. ຕາຕະລາງເສີມ S4 ແລະ S5 ສະແດງໃຫ້ເຫັນລະດັບຂອງ hyperparameters ທີ່ໃຊ້ສໍາລັບການກໍ່ສ້າງແບບຈໍາລອງ. ສໍາລັບການປັບຕົວແບບຈໍາລອງ, 16 ຕົວແປຫ້ອງທົດລອງທີ່ຖືກຈັດປະເພດ (ຕື່ມ Fig. S2) ໄດ້ຖືກລວມເຂົ້າກັບ 60 ຕົວແປທີ່ເລືອກ. ເພີ່ມເຕີມ 16 ຕົວແປໄດ້ຖືກຄັດເລືອກໂດຍອີງໃສ່ຈໍານວນປັດໄຈທີ່ກໍານົດວິທີການຂອງການວິເຄາະປັດໄຈ (ເພີ່ມເຕີມ Fig. S3). ຮູບແບບດັ່ງກ່າວໄດ້ຖືກກວດສອບໂດຍການປະເມີນການປະຕິບັດຕົວແບບໂດຍໃຊ້ AUROC, ຄວາມຖືກຕ້ອງ, ຄວາມຖືກຕ້ອງ, ການເອີ້ນຄືນ, ແລະຄວາມສະເພາະ.

ຂັ້ນຕອນທັງຫມົດສໍາລັບການພັດທະນາຕົວແບບໄດ້ຖືກປະຕິບັດໂດຍໃຊ້ Python 3.9.5. ນອກຈາກນັ້ນ, ການວິເຄາະ SHapley Additive exPlanation (SHAP) ໄດ້ຖືກປະຕິບັດສໍາລັບ XGB ເພື່ອກໍານົດວ່າຕົວແປທີ່ມີຄວາມສໍາຄັນສູງສຸດໄດ້ປະກອບສ່ວນໃນທາງບວກຫຼືທາງລົບຕໍ່ການປະກົດຕົວຂອງເຫດການ.34 (ຂັ້ນຕອນທີ 4).

ການກວດສອບພາຍນອກ

XGB, ເຊິ່ງສະແດງຜົນການຄາດເດົາທີ່ດີທີ່ສຸດໃນທຸກຜົນໄດ້ຮັບ, ແມ່ນຂຶ້ນກັບການກວດສອບພາຍນອກໂດຍໃຊ້ຊຸດຂໍ້ມູນທີ່ໄດ້ຮັບຈາກ Real World Data Co., Ltd. (RWD; Kyoto, ຍີ່ປຸ່ນ). ຖານຂໍ້ມູນນີ້ມີບັນທຶກທາງການແພດທາງອີເລັກໂທຣນິກ ແລະຂໍ້ມູນການຮຽກຮ້ອງທີ່ປະກອບດ້ວຍຄົນເຈັບປະມານ 20 ລ້ານຄົນຈາກຫຼາຍກວ່າ 160 ສະຖາບັນການແພດທົ່ວປະເທດຍີ່ປຸ່ນ, ມາຮອດປີ 2020. ມັນປະກອບມີຂໍ້ມູນລັກສະນະຄົນເຈັບ, ການວິນິດໄສ, ໃບສັ່ງຢາ, ຂັ້ນຕອນ ແລະຂໍ້ມູນຫ້ອງທົດລອງສຳລັບທັງຄົນເຈັບໃນ ແລະຄົນເຈັບນອກ. . ຂໍ້ມູນເຫຼົ່ານີ້ຖືກເກັບກຳເປັນປະຈຳພາຍໃນສະຖາບັນການແພດແຕ່ລະບຸກຄົນ ແລະບໍ່ໄດ້ລະບຸຊື່ໂດຍໃຊ້ຕົວລະບຸຕົວຕົນສຳລັບຄົນເຈັບແຕ່ລະຄົນ. ພວກເຮົາໃຊ້ພຽງແຕ່ຂໍ້ມູນ DPC ໃນຖານຂໍ້ມູນ RWD ເພື່ອປະຕິບັດການວິເຄາະທີ່ສອດຄ່ອງກັບການກວດສອບພາຍໃນ.

ໃນການວິເຄາະນີ້, ຄວາມຖືກຕ້ອງຂອງຕົວແບບໄດ້ຖືກປະເມີນໂດຍອີງໃສ່ AUROC, ຄວາມແມ່ນຍໍາ, ການເອີ້ນຄືນ, ແລະຄວາມສະເພາະສໍາລັບແຕ່ລະຜົນໄດ້ຮັບ. ຍິ່ງໄປກວ່ານັ້ນ, ສໍາລັບການວິເຄາະ Kaplan-Meier, ຄົນເຈັບໄດ້ຖືກແບ່ງອອກເປັນກຸ່ມທີ່ມີຄວາມສ່ຽງສູງແລະຕ່ໍາໂດຍອີງໃສ່ມູນຄ່າການຕັດທີ່ດີທີ່ສຸດທີ່ກໍານົດໂດຍເສັ້ນໂຄ້ງຂອງ receiver operating characteristic (ROC), ໄດ້ຮັບເປັນຈຸດຢູ່ໃນເສັ້ນໂຄ້ງ ROC ທີ່ສະຫນອງໄລຍະຫ່າງລະຫວ່າງ. ເສັ້ນໂຄ້ງຂອງເສັ້ນໂຄ້ງ ROC ແລະມຸມຊ້າຍເທິງຂອງໜ່ວຍມົນທົນ (ຄວາມອ່ອນໄຫວ = 1, ຄວາມສະເພາະ = 0). ຈຸດນີ້ແມ່ນຈຸດຕັດທີ່ດີທີ່ສຸດ (ເກນ) ສໍາລັບການຈໍາແນກສອງກຸ່ມໃນການວິເຄາະການຢູ່ລອດ. ການທົດສອບອັນດັບບັນທຶກໄດ້ຖືກນໍາໃຊ້ເພື່ອປຽບທຽບສອງເສັ້ນໂຄ້ງ.

ການວິເຄາະການກວດສອບພາຍນອກເຫຼົ່ານີ້ໄດ້ຖືກປະຕິບັດເປັນເອກະລາດຈາກການພັດທະນາຕົວແບບເພື່ອຮັບປະກັນຄວາມຫນ້າເຊື່ອຖືຂອງຜົນໄດ້ຮັບ.

Categories: AiHome

0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published. Required fields are marked *