Development and external validation of competing risk models for major osteoporotic fracture and hip fracture in an ethnically diverse UK population of 15.6 million adults
Diese Studie entwickelte und validierte extern geschlechtsspezifische Modelle für konkurrierende Risiken zur Vorhersage des 10-Jahres-Risikos für schwere osteoporotische Frakturen und Hüftfrakturen in einer diversen britischen Population von über 15 Millionen Erwachsenen und zeigte auf, dass die Einbeziehung zusätzlicher Prädiktoren wie Lernbehinderungen und HIV neben zeitgemäßen Mortalitätsanpassungen die Genauigkeit und Inklusivität der Risikobewertung im Vergleich zu bestehenden Algorithmen verbessert.
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
Jedes Jahr erleiden Millionen von Erwachsenen weltweit Knochenbrüche, die durch leichte Stürze oder sogar alltägliche Bewegungen entstehen. Diese sind als Frakturen durch Fragilität bekannt und eine der führenden Ursachen für Schmerzen, Behinderungen und den Verlust der Unabhängigkeit bei älteren Menschen. Da diese Brüche so schädlich sein können, verlassen sich Ärzte auf Vorhersagewerkzeuge, um zu identifizieren, wer am ehesten gefährdet ist, bevor ein Bruch auftritt. Diese Werkzeuge fungieren wie eine Wettervorhersage für die Knochengesundheit, indem sie das Alter, die Krankengeschichte und den Lebensstil einer Person betrachten, um deren Risiko für eine Fraktur über das nächste Jahrzehnt hinweg abzuschätzen. Wenn das Risiko hoch genug ist, könnte ein Arzt eine Knochendichtemessung anordnen oder eine präventive Behandlung einleiten. Die heute jedoch am weitesten verbreiteten Werkzeuge basieren auf älteren Daten und lassen oft wichtige Details über Menschen mit bestimmten chronischen Erkrankungen, Behinderungen oder spezifischen Krebsbehandlungen außer Acht. Da immer mehr Menschen schwere Krankheiten überleben und länger mit komplexen gesundheitlichen Bedürfnissen leben, stellt sich die Frage: Bilden unsere heutigen Werkzeuge noch das gesamte Bild ab, oder lassen sie vulnerable Menschen zurück?
Ein Forschungsteam im Vereinigten Königreich setzte sich zum Ziel, dies zu beantworten, indem es einen neuen, inklusiveren Satz von Vorhersagemodellen entwickelte. Sie arbeiteten mit einem riesigen Datensatz, der 15,6 Millionen Erwachsene umfasst und aus den elektronischen Gesundheitsakten von Menschen aus ganz England und Wales stammt. Diese Größenordnung ermöglichte es ihnen, Gruppen zu untersuchen, die oft zu klein sind, um detailliert studiert zu werden, wie etwa Menschen mit Lernbehinderungen, Down-Syndrom, Multipler Sklerose oder Menschen, die mit HIV leben. Die Forscher konzentrierten sich auch auf Menschen, die bestimmte Krebsarten überlebt hatten und spezifische Hormontherapien erhielten, die die Knochen schwächen können. Um ihre Modelle so genau wie möglich zu gestalten, verwendeten sie eine Methode, die berücksichtigt, dass Menschen aus anderen Ursachen versterben könnten, bevor eine Fraktur auftritt. Dies ist ein entscheidender Unterschied; wenn ein Modell nicht berücksichtigt, dass eine Person zuerst an einer anderen Ursache sterben kann, kann es das Risiko einer Fraktur versehentlich höher erscheinen lassen, als es tatsächlich ist.
Das Team entwickelte zwei neue Versionen des Vorhersagewerkzeugs. Die erste Version aktualisierte die bestehenden Regeln unter Verwendung der neuesten Daten und der verbesserten Methode zur Handhabung anderer Todesursachen. Die zweite Version ging einen Schritt weiter und fügte die genannten spezifischen Erkrankungen und Behandlungen als neue Faktoren in die Berechnung ein. Als sie diese neuen Modelle gegen die alten testeten, zeigten die Ergebnisse eine deutante Verbesserung der Genauigkeit. Die neuen Werkzeuge waren besser darin, vorherzusagen, wer tatsächlich eine Fraktur erleiden würde und wer nicht. Sie waren besonders gut darin, das vorhergesagte Risiko mit der tatsächlichen Anzahl der beobachteten Frakturen in der Bevölkerung abzugleichen – ein Maß für die Zuverlässigkeit, mit dem das ältere Werkzeug Schwierigkeiten hatte, da es je nach Gruppe zu hoch oder zu niedrig schätzte.
Einer der bedeutendsten Erkenntnisse war, wie diese neuen Faktoren den Zeitplan für das Risiko veränderten. Beispielsweise zeigten die Modelle, dass eine Frau mit einer Lernbehinderung oder ein Mann mit Down-Syndrom das gleiche Niveau des Frakturrisikos in einem viel jüngeren Alter erreichten als eine Person ohne diese Bedingungen. In praktischer Hinsicht bedeutet dies, dass eine Person mit einer Lernbehinderung eine kritische Risikoschwelle zehn Jahre früher erreichen könnte als ihre Altersgenossen, was darauf hindeutet, dass sie die Knochengesundheit viel früher überprüfen sollte. Ähnlich wurde festgestellt, dass Männer, die spezifische Hormonbehandlungen wegen Prostatakrebs erhielten, viel früher als bisher angenommen einem hohen Risiko ausgesetzt waren. Durch die Einbeziehung dieser Details können die neuen Modelle Ärzte dazu veranlassen, früher einzugreifen, was potenziell eine Fraktur verhindert, bevor sie geschieht.
Das Team testete auch eine kontroverse Idee: ob das Entfernen der ethnischen Zugehörigkeit einer Person aus der Berechnung das Werkzeug fairer machen würde. Einige jüngste Diskussionen haben nahegelegt, dass die Einbeziehung der ethnischen Zugehörigkeit zu unfairen Vorhersagen führen könnte, da verschiedene ethnische Gruppen unterschiedliche durchschnittliche Knochendichten aufweisen. Das Team erstellte eine Version seines Modells, die die ethnische Zugehörigkeit vollständig ignorierte, um zu sehen, was passieren würde. Sie fanden heraus, dass das Werkzeug zwar immer noch recht gut darin war, Menschen vom höchsten zum niedrigsten Risiko zu ordnen, aber weniger genau darin war, die tatsächliche Anzahl der Frakturen für spezifische Gruppen vorherzusagen. Insbesondere neigte das Modell ohne die ethnische Zugehörigkeit dazu, das Risiko für Menschen mit nicht-weißer Herkunft zu überschätzen. Dies deutet darauf hin, dass das einfache Löschen eines Faktors nicht automatisch Fairness schafft; in diesem Fall machte es die Vorhersagen weniger zuverlässig für genau die Gruppen, denen es helfen sollte.
Die Studie kommt zu dem Schluss, dass der größte Fortschritt nicht nur durch das Hinzufügen neuer Faktoren erzielt wurde, sondern durch die Aktualisierung des mathematischen Rahmens, um widerzuspiegeln, wie Menschen heute tatsächlich leben und sterben. Die Hinzunahme spezifischer Bedingungen wie Lernbehinderungen, HIV und Krebsbehandlungen lieferte eine lebenswichtige Ebene an Details, die Ärzten hilft, Risiken zu erkennen, die zuvor unsichtbar waren. Diese neuen Modelle bieten eine Möglichkeit, die Frakturprävention präziser und inklusiver zu gestalten, indem sie sicherstellen, dass Menschen mit komplexen Krankengeschichten nicht übersehen werden. Die Forscher betonen, dass diese Werkzeuge nun bereit sind, in realen klinischen Umgebungen getestet zu werden, um zu sehen, ob sie zu besseren Gesundheitsergebnissen führen, was einen Wandel von statischen, historischen Regeln hin zu dynamischen Modellen markiert, die sich mit der Bevölkerung und ihren gesundheitlichen Bedürfnissen weiterentwickeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.