Beslutsstöd hittar högriskpersoner före höftfraktur

Verktyget, FRACTURE-ML, bygger på uppgifter som redan finns i nationella register, bland annat om diagnoser, läkemedel, vårdåtgärder samt demografiska och socioekonomiska faktorer. Det kan användas som ett första screeningsteg för att avgöra vilka personer som bör erbjudas vidare utredning. Till skillnad från tidigare riskmodeller bygger det inte på uppgifter som patienten själv lämnar eller på fysiska undersökningar.

Resultaten publiceras i tidskriften PLOS Medicine. I studien ingick drygt 3,5 miljoner personer i Sverige som var 50 år eller äldre. Under uppföljningstiden drabbades fler än 142 000 av en höftfraktur.

Tidig identifiering

– Höftfrakturer innebär ofta stort lidande, förlust av självständighet och ökad dödlighet. Samtidigt vet vi att många frakturer kan förebyggas om personer med hög risk identifieras i tid. Vår modell är mycket bra på att skilja personer med hög och låg risk och kan bli ett viktigt stöd för framtidens preventiva vård, säger Mattias Lorentzon, professor i geriatrik på Göteborgs universitet och överläkare på Sahlgrenska Universitetssjukhuset.

Forskarna utvecklade och jämförde flera statistiska modeller, däribland moderna maskininlärningsmetoder. Den färdiga modellen kunde ge tillförlitliga individuella riskbedömningar ett, två, fem och tio år framåt.

– Det unika är att modellen fungerar helt på registerdata och därför kan användas för bred populationsscreening utan att belasta vården med omfattande patientundersökningar. Det öppnar för tidigare insatser och mer träffsäker prevention, säger Kristian Axelsson, forskare på Göteborgs universitet och läkare inom Närhälsan i Skövde.

Fler kan upptäckas

I dag identifieras personer med hög frakturrisk framför allt efter att de redan har drabbats av en fraktur, genom så kallade frakturkedjor (Fracture Liaison Services, FLS). FRACTURE-ML kan i stället identifiera personer med hög risk innan höftfrakturen inträffar. Jämfört med dagens arbetssätt skulle verktyget kunna hitta nästan sju gånger fler personer med hög risk för höftfraktur inom två år.

– Med hjälp av den här typen av beslutsstöd skulle vården kunna rikta förebyggande åtgärder till rätt personer i rätt tid. Det kan handla om bentäthetsmätning, fallpreventiva insatser eller läkemedelsbehandling mot osteoporos, säger Mattias Lorentzon.

Nästa steg blir att utvärdera modellen i fler länder och undersöka hur den bäst kan införas i klinisk verksamhet.

Studie: A novel clinical decision support tool for accurate hip fracture prediction.