Transportable core mortality prediction from joint functional cognitive phenotypes in multinational harmonized ageing cohorts
Door zes multinationale verouderingscohorten te harmoniseren, ontwikkelde deze studie een transporteerbaar op LightGBM gebaseerd kernmodel met gezamenlijke functionele-cognitieve fenotypes dat een stabiele 5-jaars mortaliteitsvoorspelling bereikt over diverse settings heen, waarbij het verrijkte frailty-prototypes overtreft in kalibratie en generaliseerbaarheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Terwijl de wereldbevolking vergrijst, verschuift de focus van de geneeskunde. Het is niet langer voldoende om mensen simpelweg in leven te houden; het doel is om hen te helpen goed te leven, waarbij hun vermogen om te bewegen, te denken en voor zichzelf te zorgen behouden blijft. Toch verloopt de achteruitgang van lichaam en geest bij ouderen niet altijd op dezelfde manier. Sommigen verliezen eerst hun fysieke kracht, terwijl anderen worstelen met hun geheugen voordat hun spieren verzwakken. Deze variatie maakt het voor artsen moeilijk om te voorspellen wie het grootste risico loopt om binnen de komende jaren te overlijden. Een hulpmiddel dat perfect werkt in het ene land, kan falen in een ander land omdat mensen verschillen en de manieren waarop we hun gezondheid meten per plaats variëren. De uitdaging is dan ook om een manier te vinden om naar de gezondheid van een oudere persoon te kijken die eenvoudig genoeg is om overal te kunnen gebruiken, maar tegelijkertijd gedetailleerd genoeg om de subtiele tekenen van problemen te vangen voordat ze fataal worden.
Een team van onderzoekers zette zich scharpe om dit probleem op te lossen door naar de medische dossiers van meer dan 100.000 oudere volwassenen uit zes verschillende landen te kijken. Ze wilden zien of ze mensen konden groeperen op basis van hoe hun fysieke vermogens en mentale scherpte in de loop van de tijd veranderden, en die groepen vervolgens konden gebruiken om te voorspellen wie binnen vijf jaar zou overlijden. In plaats van te vertrouwen op complexe medische tests die niet in elke kliniek beschikbaar zijn, concentreerden zij zich op een reeks basis, veelvoorkomende vragen en metingen die overal gesteld of gecontroleerd kunnen worden. Ze keken naar zaken als of iemand kon lopen, zichzelf kon aankleden of zijn dagelijkse taken kon beheren, gecombineerd met hoe goed iemand zich dingen kon herinneren en hoe diegene de eigen gezondheid beoordeelde. Door deze eenvoudige feiten te combineren met informatie over veelvoorkomende ziekten zoals hartproblemen of diabetes, bouwden ze een computermodel dat ontworpen is om gemakkelijk van het ene land naar het andere te reizen zonder zijn nauwkeurigheid te verliezen.
De onderzoekers volgden eerst hoe het fysieke en mentale leven van deze oudere volwassenen gedurende meerdere jaren veranderde. Ze ontdekten dat mensen niet allemaal hetzelfde pad volgden. Sommigen bleven stabiel en sterk, terwijl anderen langzaam hun kracht of hun geheugen verloren. Een kleine groep werd echter geconfronteerd met een dubbele uitdaging: zowel hun fysieke vermogens als hun mentale scherpte namen snel af. Deze specifieke groep, waar zowel het lichaam als de geest tegelijkertijd achteruitgingen, liep het hoogste risico. Onder degenen met deze "dubbele achteruitgang" overleed meer dan één op drie binnen vijf jaar. In contrast hiermee hadden degenen die op beide gebieden stabiel bleven een veel lager risico, met minder dan één op tien die in dezelfde periode overleed. Dit toonde aan dat het kijken naar zowel fysieke als mentale achteruitgang samen een veel duidelijker beeld van het risico gaf dan het kijken naar één van beide alleen.
Om te testen of ze dit risico voor nieuwe mensen konden voorspellen, bouwden het team twee verschillende versies van een voorspellingsinstrument. De eerste versie was een "rijk" model dat zeer gedetailleerde medische gegevens bevatte, zoals hoe snel iemand kon lopen of hoe sterk de handknijpkracht was. Dit model werkte zeer goed wanneer het werd getest op dezelfde groep mensen waarvoor het gebouwd was, waarbij het risico's met hoge precisie correct identificeerde. Echter, toen de onderzoekers probeerden dit gedetailleerde model te gebruiken op mensen uit verschillende landen, begon het te falen. In sommige plaatsen voorspelde het dat bijna iedereen zou overlijden, terwijl het in andere plaatsen het gevaar volledig miste. Het probleem was dat de gedetailleerde metingen niet altijd beschikbaar waren of in verschillende landen anders werden gemeten, waardoor het model te fragiel was om te reizen.
De tweede versie was een "draagbaar" model. Het gebruikte slechts achttien eenvoudige variabelen die in elk van de onderzochte landen beschikbaar waren, zoals leeftijd, opleidingsniveau, rookgewoonten en basisvragen over het dagelijks leven. Hoewel dit eenvoudigere model er niet zo indrukwekkend uitzag wanneer het werd getest op de oorspronkelijke groep, bleek het veel betrouwbaarder wanneer het naar nieuwe plekken werd gestuurd. Het gaf consistent nauwkeurige voorspellingen in alle zes de landen, waarbij het correct identificeerde wie een hoog risico liep en wie veilig was. De onderzoekers ontdekten dat deze slanke, eenvoudige aanpak de sleutel was tot het maken van een instrument dat daadwerkelijk in de echte wereld gebruikt kon worden, waar middelen en meetinstrumenten sterk variëren.
De studie onderzocht ook of het kennen van de geschiedenis van de achteruitgang van een persoon – hoe zij in de afgelopen jaren waren veranderd – enige extra waarde toevoegde aan de voorspelling. Ze vonden dat hoewel het kennen van het eerdere verloop de artsen hielp om het verhaal van de gezondheid van een patiënt te begrijpen, het de computer niet significant verbeterde in zijn vermogen om de dood te voorspellen vergeleken met enkel het kennen van de huidige gezondheidstoestand. De belangrijkste factoren bleven de leeftijd van de persoon, het huidige niveau van cognitieve functie en het vermogen om dagelijkse taken uit te voeren. Dit suggereert dat voor het doel van een snelle, betrouwbare risicocheck, wat iemand op dit moment is belangrijker is dan de specifieke vorm van diens eerdere achteruitgang, hoewel de geschiedenis nuttig blijft voor het begrijpen van de algehele situatie van de patiënt.
Het uiteindelijke resultaat is een kader waarmee artsen en zorgplanners oudere volwassenen kunnen indelen in vijf duidelijke risicogroepen, variërend van zeer laag risico tot zeer hoog risico. Met behulp van dit instrument kan een gezondheidszorgsysteem de 15 procent van de oudere volwassenen identificeren die het hoogste risico lopen om binnen vijf jaar te overlijden en ervoor zorgen dat zij meer aandacht en uitgebreidere zorg ontvangen. Omgekeerd kan het de meerderheid die een laag risico loopt geruststellen dat zij geen intensieve monitoring nodig hebben. De onderzoekers benadrukken dat dit instrument geen kristallen bol is en de oordeelsvorming van een arts niet moet vervangen. In plaats daarvan dient het als een betrouwbare gids die de grenzen overschrijdt en helpt om beperkte medische middelen te richten naar de mensen die ze het hardst nodig hebben, ongeacht waar ze wonen of welke specifieke tests beschikbaar zijn in hun lokale kliniek.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.