GÖTEBORG, 27. August (LabNews Media LLC) – Ein aus schwedischen Registerdaten trainiertes Vorhersagemodell erkennt Menschen mit hohem Hüftbruchrisiko deutlich besser als die derzeitige klinische Vorsorge. Das berichtet ein Team der Universität Göteborg in PLOS Medicine (DOI: 10.1371/journal.pmed.1005190).
Die Forschenden um Kristian Axelsson und Mattias Lorentzon werteten Daten von 3.542.647 Personen ab 50 Jahren über bis zu zehn Jahre aus. 142.327 erlitten einen Hüftbruch. Das Modell FRACTURE-ML nutzte mehr als 100.000 Angaben zu Diagnosen, Medikamenten, Eingriffen sowie demografischen und sozioökonomischen Merkmalen. Eine persönliche Untersuchung war nicht nötig.
Die Trennschärfe lag ein Jahr im Voraus bei einem AUC-Wert von 0,89, fünf Jahre im Voraus bei 0,85. Eine auf 35 Variablen reduzierte Fassung schnitt fast ebenso gut ab. Gegenüber der schwedischen Praxis erfasste das Modell binnen zwei Jahren fast siebenmal so viele gefährdete Personen (Sensitivität 0,84 gegen 0,12). Die Spezifität sank von 0,98 auf 0,79.
Hüftbrüche führen bei Älteren häufig zu Pflegebedürftigkeit und höherer Sterblichkeit. Bisherige Instrumente brauchen oft Messung und Gespräch vor Ort. Das Registermodell könnte Prävention früher ansetzen. Es fehlen jedoch Angaben zu Rauchen und Alkoholkonsum. Ob es außerhalb Schwedens und im Alltag gleich gut funktioniert, ist ungeklärt. Klassische Statistikmodelle erreichten ähnliche Genauigkeit; der Fortschritt liegt vor allem in der Nutzung vorhandener Versorgungsdaten.
Credit
Taokinesis Pixabay CC0 httpscreativecommonsorgpublicdomainzero10
