Studie unter Verwendung routinemäßig erhobener elektronischer Patientenakten (EMR) aus 680 australischen Hausarztpraxen (Lumos-Programm, verknüpft mit Krankenhaus- und Sterberegistern) bei 850.216 Patientinnen und Patienten im Alter von 30 bis 74 Jahren ohne vorbestehende kardiovaskuläre Erkrankungen (CVD). Im Median wurden über einen Follow-up von 4,9 Jahren 33.578 kardiovaskuläre Ereignisse registriert. Geschlechtsspezifische Cox-Modelle mit 28 Prädiktoren erreichten einen Harrell’s C-Wert von 0,803 (95 %-KI 0,801–0,804) bei Frauen und 0,772 (95 %-KI 0,770–0,773) bei Männern; einfachere LASSO-Modelle mit 12 bis 15 Prädiktoren wiesen eine ähnliche Leistung auf. Die Modelle waren über Altersgruppen, sozioökonomische Schichten und Rauchstatus hinweg gut kalibriert, mit einer konsistenten Diskriminierung über 10 regionale Primärversorgungsnetzwerke (Primary Health Networks). Die Netto-Neuklassifizierungsverbesserung (Net Reclassification Improvement) betrug bis zu 0,185 im Vergleich zu den bestehenden AusCVDRisk-Variablen. EMR-basierte Modelle eignen sich für die automatisierte Integration in die Software der hausärztlichen Versorgung zur Echtzeit-Risikoabschätzung für CVD – ein wichtiger Schritt zur Skalierbarkeit der kardiovaskulären Prävention.
Neue kardiovaskuläre Risikogleichungen aus den USA und dem Vereinigten Königreich nutzen routinemäßig erhobene elektronische Patientenakten (EMRs), während die in Australien verwendeten aktuellen Gleichungen (AusCVDRisk) lokal nicht validiert wurden. Wir untersuchten die Machbarkeit und Leistungsfähigkeit der Nutzung routinemäßig erhobener EMRs aus australischen hausärztlichen Softwaresystemen zur Vorhersage des absoluten Risikos einer kardiovaskulären Erkrankung (CVD).
Wir verwendeten hausärztliche EMR-Daten aus dem New South Wales Health Lumos-Programm, das 680 Allgemeinpraxen abdeckt, verknüpft mit Krankenhaus- und Sterberegistern. Einschließlich waren Personen im Alter von 30–74 Jahren am 1. Januar 2017 ohne bekannte Vorgeschichte einer CVD und mit mindestens einem Datensatz für eine anthropometrische Messung oder einen pathologischen Test. Geschlechtsspezifische Cox-Modelle mit proportionalen Hazard-Raten wurden verwendet, um das 5-Jahres-Risiko für ein tödliches oder nicht-tödliches CVD-Ereignis zu schätzen. Prädiktoren umfassten Demografie, Rauchen, chronische Erkrankungen, klinische Variablen und Medikamente. Die Modellierung erfolgte unter Anwendung eines 5x2-Cross-Validierungsansatzes. Die Diskriminierung, Kalibrierung und Neuklassifizierungsleistung wurden bewertet.
Über eine mittlere Nachbeobachtungszeit von 4,91 Jahren wurden bei 850 216 Patientinnen und Patienten 33 578 CVD-Ereignisse dokumentiert. Vollständige Modelle mit 28 Prädiktoren wiesen einen Harrell’s C-Wert von 0,803 (95%-KI 0,801 bis 0,804) für Frauen und 0,772 (95%-KI 0,770 bis 0,773) für Männer auf. Modelle mit „Least Absolute Shrinkage and Selection Operator“ (LASSO) mit 12–15 Prädiktoren zeigten eine ähnliche Leistung. Die Modelle waren über Alters-, sozioökonomische und Rauchstratifikationen hinweg gut kalibriert. Die geografische (intern-externe) Validierung über 10 Primary Health Networks bestätigte eine konsistente Diskriminierung (C-Index-Bereich 0,747–0,788 für Männer; 0,772–0,827 für Frauen). Die prozentbasierte Netto-Neuklassifizierungsverbesserung (Net Reclassification Improvement) zeigte eine verbesserte Ereigniserkennung im Vergleich zu einem Modell, das auf AusCVDRisk-Variablen basiert (Event-Net Reclassification Improvement bis zu 0,185).
CVD-Risikogleichungen, die auf routinemäßigen australischen hausärztlichen Daten basieren, zeigten eine starke Leistung und generalisierten gut über verschiedene Settings hinweg. Diese Modelle bieten Potenzial für die automatisierte Integration in die Allgemeinpraxis-Software, um die Echtzeit-Bewertung des CVD-Risikos zu unterstützen.
