Fortschreiten der Nierenerkrankung verstehen
Die chronische Nierenerkrankung (chronic kidney disease [CKD]) ist eine der häufigsten Komplikationen von Diabetes und tritt bei etwa 40% der Patienten mit Typ-2-Diabetes auf. Die Krankheit ist durch einen fortschreitenden Verlust der Nierenfunktion gekennzeichnet, der durch die sequenzielle geschätzte glomeruläre Filtrationsrate (eGFR) beurteilt wird und von Person zu Person erheblich variieren kann.
Die frühzeitige Identifizierung und Sensibilisierung von Personen, bei denen das Risiko einer raschen Progression besteht, stehen im Vordergrund der CKD-Prävention. Bisher fehlten aber zuverlässige Vorhersageinstrumente, die Klinikern in der Praxis helfen können, präventive Interventionen zu leiten und zu planen, sowie das Patientenverständnis und die Kommunikation zwischen Patient und Arzt über den weiteren Verlauf des Rückgangs der Nierenfunktion verbessern können.
Daten von Hausarztbesuchen hilfreich?
Forscher überlegten daher, ob routinemäßig verfügbare Daten aus Hausarztbesuchen verwendet werden könnten, um die eGFR im klinischen Alltag zuverlässig vorherzusagen.
Mariella Gregorich von der Universität Wien in Österreich entwickelte zusammen mit deutschen und niederländischen Kollegen ein Modell zur Vorhersage zukünftiger Verläufe der eGFR bei Erwachsenen mit Typ-2-Diabetes und chronischer Nierenerkrankung. Dafür verwendete sie Daten aus zwei europäischen multinationalen Kohortenstudien. Daten einer dritten Kohortenstudie dienten zur externen Validierung [1].
Entwicklungs- und Validierungskohorten
3.323 Teilnehmer aus den PROVALID (Prospective Cohort Study in Patients with Type 2 Diabetes Mellitus for Validation of Biomarkers)- und GCKD (German Chronic Kidney Disease)-Studien (mittleres [SD] Alter der Teilnehmer zu Studienbeginn 63,2 [9,3] Jahre) wurden in die Modellentwicklungskohorte und 1.314 Teilnehmer aus der DIACORE (Diabetes Cohorte)-Studie (mittleres [SD] Alter zu Studienbeginn 64,5 [8,3] Jahre) wurden in die externe Validierungskohorte eingeschlossen. Die mittlere (SD) Nachbeobachtungszeit betrug 5,0 (0,6) Jahre.
Insgesamt gingen Daten von 4.637 erwachsenen Personen (im Alter von 18 bis 75 Jahren) mit Typ-2-Diabetes und leichter bis mittelschwerer Nierenfunktionsstörung (Ausgangs-eGFR von ≥30 ml/min/1,73m2) in die Modellierung ein.
Auswahl der prädiktiven Faktoren
Die Forscher wählten folgende dreizehn Variablen, die aus klinischen Routineuntersuchungen leicht verfügbar sind, und bezogen sie in das Modell ein: das Alter, das Geschlecht, den Body-Mass-Index, den Raucherstatus, den Hämoglobin A1c-Wert [mmol/mol und Prozentsatz], die Hämoglobin- und Serumcholesterinspiegel, den mittleren arteriellen Druck, das Albumin-Kreatinin-Verhältnis im Urin und die Einnahme von glukose-, blutdruck- oder lipidsenkenden Medikamenten.
Für die Ergebnisvariable eGFR mussten mindestens drei Messungen und Nachbeobachtungsdaten über mindestens zwei Jahre verfügbar sein. Die Forscher entwickelten ein lineares Mixed-Effects-Modell für wiederholte eGFR-Messungen von Studienbeginn bis zur letzten aufgezeichneten Nachbeobachtungsvisite (bis zu fünf Jahre nach Studienbeginn) und validierten dieses mit externen Daten.
Zuverlässiges Vorhersagemodell entwickelt
Das entwickelte Modell, war zuverlässig, robust und gut kalibriert. Ein Rückgang der Nierenfunktion konnte bis zu fünf Jahre nach Studienbeginn vorhergesagt werden.
Die Aktualisierung der Zufallskoeffizientenschätzungen mit den Ausgangswerten der eGFR führte zu einer verbesserten Vorhersageleistung, die sich insbesondere bei der visuellen Inspektion der Kalibrierkurve zeigte (Kalibriersteigung nach fünf Jahren: 1,09; 95%-Konfidenzintervall [KI]: 1,04 bis 1,15).
Das Vorhersagemodell zeigte in der Validierungskohorte eine gute Diskriminierung, mit der niedrigsten C-Statistik fünf Jahre nach dem Ausgangswert (0,79; 95%-KI: 0,77 bis 0,80). Die Vorhersagegenauigkeit lag mit einem R2 -Wert im Bereich von 0,70 (95%-KI: 0,63 bis 0,76) im Jahr 1 bis 0,58 (95%-KI: 0,53 bis 0,63) im Jahr 5.
Webbasierte Anwendung verfügbar
Die Wissenschaftler implementierten das Vorhersagemodell für die eGFR eines Individuums zu zukünftigen Zeitpunkten, die Visualisierung der Modellergebnisse und die Risikobewertung für einen schnellen Verlauf als Online-Risikorechner. Die webbasierte Anwendung ist öffentlich verfügbar und kann nach Meinung der Autoren die Vorhersage individueller eGFR-Entwicklungen und des Krankheitsverlaufs verbessern [2].
