Nierenversagen: Forscher aus Kanada entwickeln digitales Tool zur genauen Vorhersage

Das von Wissenschaftlern der University of Calgary, Kanada, entwickelte digitale Hilfsmittel KDpredict ist auf dem Weg, zum Standard für die genaue Vorhersage des Risikos von Nierenversagen und Tod bei Erwachsenen mit mittelschwerer bis schwerer Nierenkrankheit zu werden.

Für die Studie wurden Gesundheitsdaten von rund 100.000 Patienten mit neu diagnostizierter chronischer Nierenkrankheit (CKD) verwendet, um einen Vorhersage-Algorithmus und ein digitales Dashboard mit der Bezeichnung KDpredict zu entwickeln. An der Studie der Cumming School of Medicine (CSM), Kanada, waren Teams aus Kanada, Dänemark und Schottland beteiligt. Die Ergebnisse wurden in der Fachzeitschrift „British Medical Journal“ veröffentlicht.

„Wir konnten zeigen, dass KDpredict das Risiko von Nierenversagen und Tod bei Erwachsenen mit mittelschwerer bis schwerer chronischer Nierenkrankheit durchweg genauer vorhersagt als das derzeit verwendete Risikovorhersagemodell“, erklärt Dr. Pietro Ravani. Er berichtet, dass die Forscher in den letzten drei Jahren an dem Instrument gearbeitet haben, einschließlich der Konsultation von Personen, die mit CKD leben.

KDpredict berechnet das Ein- bis Fünf-Jahres-Risiko für Nierenversagen und Tod bei Menschen mit mittelschwerer bis schwerer CKD anhand von vier Variablen, die in der klinischen Praxis leicht verfügbar sind. Zu den Variablen gehören das Alter, das Geschlecht, die geschätzte glomeruläre Filtrationsrate (eGFR) und die Albuminurie. Weitere Informationen, die verwendet werden können, sind u. a. Begleiterkrankungen, die mit CKD einhergehen, wie Diabetes und Herz-Kreislauf-Erkrankungen.

Berechnung anhand von vier Variablen

Ravani betont, dass das derzeitige Instrument, die Nierenversagens-Risikogleichung, keine Informationen über die Sterblichkeit enthält und andere Gesundheitsrisiken nicht berücksichtigt. Dr. Ping Liu erläutert, dass die Fähigkeit des neuen Tools, das Risiko eines Nierenversagens und die Wahrscheinlichkeit eines Todes dadurch genauer vorherzusagen, die Behandlung verbessern kann.

„Die Informationen von KDpredict könnten zum Beispiel dazu beitragen, unnötige Überweisungen oder verpasste Behandlungsmöglichkeiten für ältere Menschen zu reduzieren, und sie können helfen, das Bewusstsein für Gesundheitsrisiken zu schärfen, die nicht die Nieren betreffen, wie z. B. Herzerkrankungen und andere chronische Krankheiten, die häufig mit CKD und höherem Alter einhergehen“, berichtet sie und fügt hinzu, dass die Forscher glauben, dass KDpredict eines Tages in verschiedenen klinischen Bereichen eingesetzt werden könnte, darunter in der Allgemeinmedizin und in Fachkliniken, um Patienten bei der Entscheidung über die Behandlung von Nierenversagen zu helfen, sei es Dialyse, Nierentransplantation, konservative Behandlung ohne Dialyse oder die Teilnahme an klinischen Studien.

Bei Behandlungsentscheidungen für CKD lassen sich viele Faktoren nur schwer in ein Prognoseinstrument einbeziehen, darunter die Symptombelastung, persönliche Präferenzen und Werte. Diese sind oft genauso wichtig wie die vorhergesagten Risiken, heißt es in der Studie. Es sei deshalb wichtig zu berücksichtigen, wie Patienten, Betreuer und Anbieter die Risiken besprechen möchten. Qualitative Studien, die derzeit an der UCalgary durchgeführt werden, sollen dazu beitragen, optimale Wege zur Einbeziehung von Risikovorhersagen in klinische Entscheidungshilfen zu finden.

Tool muss noch Fortschritte machen

Ravani zufolge könnte KDpredict auch in elektronische Krankenakten integriert werden. Er räumt ein, dass das Tool noch viele Fortschritte machen muss – man plant, die Arbeit fortzusetzen, um es an die lokalen Bedürfnisse weiterer Standorte weltweit anzupassen und das Tool regelmäßig zu überarbeiten, um künftige Änderungen im zugrunde liegenden Gesundheitssystem und in den Pflegeprozessen zu berücksichtigen.

Eine große Stärke von KDpredict sei seine digitale Flexibilität – es könne regelmäßig umgestaltet und neu trainiert werden, um die Vorhersageleistung zu optimieren, wenn sich Bevölkerungsmerkmale oder Gesundheitspraktiken ändern oder neue potenzielle Prädiktoren und Behandlungen verfügbar werden.