Comparative Validation of ASCVD, Framingham Risk Score, Globorisk, and PREVENT for 10-Year Cardiovascular Risk Prediction in the UK Biobank
In einer großen UK Biobank-Kohorte zeigten die ASCVD- und Framingham-Risk-Score-Modelle eine überlegene Diskriminierung und klinische Nützlichkeit für die 10-Jahres-Vorhersage des kardiovaskulären Risikos im Vergleich zu den PREVENT- und Globorisk-Modellen, obwohl alle Modelle bei älteren Erwachsenen eine verminderte Leistung aufwiesen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das Kristallkugel-Problem: Herzprobleme vorhersagen
Stellen Sie sich vor, Sie wären ein Wetterprognostiker, aber anstatt Regen und Sonnenschein sagen Sie eine Sturmwarnung voraus, die das Herz eines Menschen in zehn Jahren treffen könnte. Dies ist die tägliche Herausforderung für Ärzte, die versuchen, Herz-Kreislauf-Erkrankungen (CVD) zu verhindern, der weltweit führenden Todesursache. Um dies zu erreichen, nutzen sie „Risikoprädiktionsmodelle“, die wie komplexe mathematische Kristallkugeln sind. Diese Werkzeuge nehmen eine Momentaufnahme der aktuellen Gesundheit einer Person auf – ihr Alter, Blutdruck, Cholesterinspiegel und ob sie raucht – und berechnen die Zahlen, um die Wahrscheinlichkeit eines Herzinfarkts oder Schlaganfalls in den nächsten zehn Jahren abzuschätzen.
Die große Frage ist: Welche Kristallkugel ist am genauesten? Jahrzehntelang haben sich Ärzte auf einige berühmte Modelle verlassen, aber da sich die Bevölkerung verändert und neue Daten auftauchen, könnten diese alten Werkzeuge etwas trüb geworden sein. Einige könnten zu pessimistisch sein und Menschen zu unnötigen Behandlungen verunsichern, während andere zu optimistisch sein könnten und Menschen übersehen, die tatsächlich Hilfe benötigen. Diese Studie taucht tief in die Daten ein, um zu sehen, welche dieser digitalen Wahrsager tatsächlich die Wahrheit sagen und ob sie für jeden gleichermaßen gut funktionieren, vom jungen Erwachsenen bis zum Senior.
Das große Kristallkugel-Duell
In dieser Studie agierten die Forscher wie Schiedsrichter in einem hochkarätigen Turnier. Sie versammelten ein riesiges Team von 183.124 Freiwilligen aus der UK Biobank – eine große Gruppe von Menschen im Alter von 40 bis 69 Jahren, die zu Beginn gesund waren. Das Ziel war es zu sehen, wie gut vier verschiedene „Risikorechner“ vorhersagen konnten, wer in den nächsten zehn Jahren ein kardiovaskuläres Ereignis erleiden würde. Die vier Kontender waren:
- ASCVD: Der aktuelle Favorit, entwickelt für atherosklerotische (plaquebildende) Herzkrankheiten.
- Framingham Risk Score (FRS): Der klassische, altmodische Klassiker, der alles ins Rollen brachte.
- Globorisk: Ein Modell, das darauf ausgelegt ist, für verschiedene Länder angepasst zu werden.
- PREVENT: Der neueste Mitspieler, der 2023 eingeführt wurde und die Nierenfunktion sowie die Statin-Einnahme einschließt.
Die Forscher beobachteten diese 183.124 Menschen bis zu 10 Jahre lang. Während dieser Zeit erlitten 10.560 von ihnen (etwa 5,8 %) ein kardiovaskuläres Ereignis. Das Team überprüfte dann, wie gut die Vorhersagen jedes Modells mit dem tatsächlich Geschehen übereinstimmten.
Die Gewinner und Verlierer
Als sich der Staub gelegt hatte, ging das ASCVD-Modell als klarer Champion hervor. Es hatte die beste Fähigkeit, zwischen Menschen, die ein Ereignis erleiden würden, und solchen, die es nicht tun würden, zu unterscheiden (ein Wert namens AUC von 0,717). Es war auch am besten „kalibriert“, was bedeutet, dass seine Vorhersagen am nächsten an der Realität lagen. Wenn es sagte, eine Person habe ein Risiko von 10 %, dann hatte diese Person tatsächlich etwa 10 % Chance auf ein Ereignis.
Der Framingham Risk Score (FRS) belegte einen sehr nahen zweiten Platz und performte fast so gut wie ASCVD (AUC von 0,715). Er hatte jedoch eine Eigenart: Er neigte dazu, das Risiko für Menschen zu unterschätzen, die tatsächlich ein höheres Risiko hatten, wie eine Wetter-App, die „Sonnenschein“ anzeigt, während ein Sturm aufzieht.
Das PREVENT-Modell zeigte trotz seiner Neuheit und Modernität nur eine „mittlere“ Leistung (AUC von 0,668). Es war nicht schlecht, konnte aber die älteren, etablierten Modelle in dieser spezifischen Gruppe nicht schlagen.
Das Globorisk-Modell hatte am meisten zu kämpfen und zeigte die geringste Fähigkeit, den Unterschied zwischen Hochrisiko- und Niedrigrisikopersonen zu erkennen (AUC von 0,605). In dieser britischen Gruppe funktionierte es schlichtweg nicht so gut wie die anderen.
Der „Netto-Nutzen“-Test
Die Forscher schauten nicht nur darauf, wer recht hatte; sie schauten darauf, wer nützlich war. Sie verwendeten eine Methode namens Decision Curve Analysis, die fragt: „Wenn ein Arzt dieses Modell verwendet, um zu entscheiden, wer eine Medikation erhält, hilft es dann mehr Menschen, als es schadet?“
Die Antwort war klar: ASCVD bot den höchsten „klinischen Nettovorteil“ bei den meisten Entscheidungspunkten. Das bedeutete, dass die Verwendung von ASCVD zur Steuerung von Behandlungsentscheidungen wahrscheinlich mehr Leben retten und mehr Herzinfarkte verhindern würde als die Verwendung der anderen drei Modelle. Interessanterweise zeigte das Framingham-Modell einen „negativen Nettovorteil“ im mittleren Risikobereich. Dies deutet darauf an, dass, wenn Ärzte den FRS nutzen würden, um in diesem spezifischen Risikobereich Behandlungen zu entscheiden, sie möglicherweise zu viele Menschen behandeln würden, die es nicht brauchen, was mehr Schaden als Nutzen anrichten würde.
Der Alters- und Geschlechts-Twist
Die Studie fand auch heraus, dass diese Kristallkugeln etwas trüber werden, wenn die Menschen älter werden. Für alle Modelle funktionierte die Vorhersage bei „mittelalten“ Erwachsenen (59 und jünger) besser als bei „älteren Erwachsenen“ (über 59).
- In der jüngeren Gruppe waren sowohl ASCVD als auch FRS stark (AUC um 0,726).
- In der älteren Gruppe sanken die Werte signifikant. ASCVD fiel auf 0,651, und Globorisk sank so tief (0,527), dass es kaum besser war als ein Münzwurf.
Die Modelle verhielten sich auch unterschiedlich für Männer und Frauen. Bei Frauen performte das PREVENT-Modell überraschend gut (AUC 0,701), fast so gut wie ASCVD, und es war viel besser darin, Hochrisiko-Frauen zu erkennen, die sonst vielleicht übersehen worden wären. Bei Männern waren alle Modelle etwas weniger genau, wahrscheinlich weil Männer in dieser Gruppe eine höhere Rate an Ereignissen hatten, was es schwieriger machte, das „hohe Risiko“ vom „sehr hohen Risiko“ zu trennen.
Das Fazit
Die Studie kommt zu dem Schluss, dass für die Vorhersage des Herzrisikos im Vereinigten Königreich über die nächsten 10 Jahre das ASCVD-Modell derzeit das zuverlässigste Werkzeug ist, da es die beste Balance zwischen Genauigkeit und klinischem Nutzen bietet. Der Framingham-Score ist ein solider Zweiter, während PREVENT vielversprechend ist, insbesondere für Frauen, aber die Anführer noch nicht überholt hat. Globorisk ist in diesem spezifischen Kontext das am wenigsten effektive Modell.
Entscheidend ist, dass die Autoren anmerken, dass kein einzelnes Modell perfekt für jeden ist, insbesondere für Menschen über 59. Die Leistung aller Modelle sinkt im höheren Alter, was darauf hindeutet, dass Ärzte neue, altersspezifische Werkzeuge benötigen könnten, die über eine bloße Momentaufnahme der Gesundheit hinausgehen, um die Herzen von Senioren wirklich zu schützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.