Ein Laptop zeigt Grafiken, auf welche mit einer Hand gedeutet wird.

© onephoto / Adobe Stock

Nachrichten
Risikobestimmung

Nicht-klinisches Modell zur Risikobestimmung für Herz-Kreislauf-Erkrankungen entwickelt

Forschende haben ein neues Vorhersagemodell entwickelt, um das 10-Jahres-Risiko für Herz-Kreislauf-Erkrankungen auch ohne Arztbesuch bestimmen zu können. Die für das Modell verwendeten beeinflussbaren Risiken, wie beispielsweise Hüftumfang, Rauch-und Ernährungsverhalten, ermöglichen es, für eine Risikoreduktion individuelle Empfehlungen auszusprechen.

 

Bisherige Risikoermittlung basiert auf klinischen Untersuchungen

Herz-Kreislauf-Erkrankungen wie Schlaganfall, Herzinfarkt oder die koronare Herzkrankheit stellen eine große Belastung für das öffentliche Gesundheitssystem dar. In Deutschland zählen sie mit rund 40 Prozent zur häufigsten Todesursache. Bisherige Bestimmungen zur Risikoabschätzung benötigen Informationen aus körperlichen Untersuchungen (zum Beispiel Blutdruck) und Blutanalysen (zum Beispiel Cholesterin), welche teilweise nur mit Hilfe von medizinischem Personal bestimmt werden können. Aus diesem Grund sind bisherige Vorhersagemodelle von Herz-Kreislauf-Erkrankungen auf ein klinisches Umfeld beschränkt.

Ziel der Forschenden war es, ein Vorhersagemodell zu entwickeln, welches leicht zu erhaltende Informationen ohne die Notwendigkeit eines Arztbesuches nutzt.

 

Gesundheits- und Lebensstil-Daten der EPIC-Studie verwendet

Um ein solches Modell zur Risikobestimmung zu etablieren, nutzten die Wissenschaftlerinnen und Wissenschaftler die Daten von mehr als 25.000 Teilnehmenden der EPIC-Potsdam-Studie. Zur Validierung des entwickelten Modells verwendeten sie die Daten von mehr als 23.000 Teilnehmenden der EPIC-Heidelberg-Studie. Beide Studien sind Teil der EPIC-Studie (englisch: European Prospective Investigation into Cancer and Nutrition), eine der größten Kohortenstudien der Welt.

 

Neues Modell zur Risikobestimmung legt Fokus auf Lebensstil

Das von den Forschenden neu entwickelte, nicht-klinische Modell beinhaltet die Faktoren Alter, Geschlecht, Hüftumfang, Bluthochdruck, Rauchverhalten, Typ-2-Diabetes und Fälle von Herz-Kreislauf-Erkrankungen in der Familie. Zusätzlich werden die Essgewohnheiten für den Verzehr von Vollkornprodukten, rotem Fleisch, Kaffee, hochkalorischen Softdrinks und Pflanzenöl beachtet. Das Risiko in den nächsten 10 Jahren an Herz-Kreislauf-Erkrankungen zu erkranken, konnte somit anhand eines nicht-klinischen Risikoscores zuverlässig berechnet werden – und zwar ähnlich präzise wie bestehende klinische Modelle, die einen Arztbesuch voraussetzen.Wurden die Daten um klinische Werte erweitert, verbesserten sich die Vorhersagedaten nur geringfügig.

Da das neu entwickelte Modell auch Faktoren beinhaltet die sich beeinflussen lassen (beispielsweise das Essverhalten), kann es genutzt werden, um individuelle Empfehlungen zur Senkung des ermittelten Risikos auszusprechen.

 

Zusammenführung mit Diabetes-Risiko-Test geplant

Der Deutsche Diabetes-Risiko-Test®, der ebenfalls vom Deutschen Institut für Ernährungsforschung Potsdam-Rehbrücke (DIfE) und dem Deutschen Zentrum für Diabetesforschung (DZD) entwickelt wurde, berechnet das Risiko für Erwachsene, in den nächsten 5 Jahren, an Typ-2-Diabetes zu erkranken. Die Wissenschaftlerinnen und Wissenschaftler möchten in einem nächsten Schritt ihr neues Modell zur Risikobestimmung für Herz-Kreislauf-Erkrankungen mit diesem Diabetes-Risiko-Test verknüpfen. Somit soll das kombinierte Risiko für Typ-2-Diabetes und Herz-Kreislauf-Erkrankungen bestimmt werden können.  

 

Diabetes vorbeugen – Wissenswertes auf diabinfo.de

Möchten Sie mehr darüber wissen, welche Faktoren das Diabetes-Risiko beeinflussen oder wie man Typ-2-Diabetes früher erkennen und vorbeugen kann? Unsere Seite „Bin ich gefährdet?“ bietet Ihnen viel Wissenswertes zum Thema. Schauen Sie doch mal vorbei!

 

Quelle:

Schiborn, C. et al.: A newly developed and externally validated non-clinical score accurately predicts 10-year cardiovascular disease risk in the general adult population. In: Sci Rep, 2021, 11: 19609