Frühzeitige Sterblichkeit durch kardiovaskuläre und zerebrovaskuläre Erkrankungen in Bogotá: ein analytischer Machine‑Learning‑Ansatz

Warum frühe Todesfälle durch Herzkrankheiten und Schlaganfälle wichtig sind

In Großstädten weltweit sterben viele Menschen an Herzkrankheiten und Schlaganfällen deutlich vor Erreichen des hohen Alters. Diese Studie untersucht die Lage in Bogotá, Kolumbien, und stellt eine zentrale Frage: Wer stirbt zu früh an diesen Erkrankungen, und warum? Indem die Autoren landesweite Sterberegister mit modernen Computerverfahren verknüpfen, zeigen sie, wie Bildung, Krankenversicherungsform und Sterbeort eng mit frühen Todesfällen durch Erkrankungen von Herz- und Hirngefäßen verbunden sind. Ihre Arbeit deutet neue Wege für Gesundheitsbehörden an, gefährdete Gruppen zu identifizieren und früher gegenzusteuern.

Ein genauerer Blick auf Todesfälle in der Stadt

Die Forschenden analysierten alle in Kolumbien zwischen 2010 und 2022 erfassten Todesfälle, mit Schwerpunkt auf Bogotá. Untersucht wurden Erwachsene ab 30 Jahren, die an vier Hauptkrankheiten starben: ischämischer Herzerkrankung (verengte Herzkranzgefäße), Schlaganfall, chronisch erhöhter Blutdruck und Herzinsuffizienz. Todesfälle vor dem 75. Lebensjahr wurden als „vorzeitig“ klassifiziert, Todesfälle ab 75 als spätes Lebensalter. In Bogotá machten vorzeitige kardiokerebrovaskuläre Todesfälle fast 40.000 Fälle bei 30‑ bis 74‑Jährigen aus, Männer waren stärker betroffen als Frauen. Viele dieser Todesfälle traten bei Personen mit niedriger Schulbildung, in der Innenstadt lebenden Menschen und bei Anspruchsberechtigten der beschäftigtenbasierten Versicherungsregelung auf. Die ischämische Herzerkrankung war die häufigste Todesursache, gefolgt von Schlaganfällen, Bluthochdruck und Herzinsuffizienz.

Steigende Trends und der Schock der Pandemie

Als das Team die Todesfälle über die Zeit darstellte, zeigte sich, dass sowohl vorzeitige als auch spätere Todesfälle durch diese Erkrankungen im 13‑jährigen Beobachtungszeitraum stetig zunahmen. Der Anstieg wurde 2020 und 2021, in der Hochphase der COVID‑19‑Pandemie, deutlich steiler. Männer wiesen höhere Sterberaten und stärkere jährliche Schwankungen als Frauen auf, und es traten milde saisonale Spitzen auf, besonders im Dezember und zur Jahresmitte. Bei über 75‑Jährigen stiegen die Todeszahlen parallel an und hatten ebenfalls Pandemie‑Spitzen. Diese Muster deuten darauf hin, dass langjährige Schwächen in der Prävention und Behandlung chronischer Erkrankungen unter dem extremen Druck des Gesundheitssystems verstärkt wurden.

Maschinen auf der Suche nach verborgenen Mustern

Um über einfache Zählungen und Mittelwerte hinauszugehen, nutzten die Autoren Machine Learning, eine Methodenfamilie, mit der Computer Muster aus Daten lernen können. Verwendet wurden Sterberegister, die Alter, Geschlecht, Schulbildung, ethnische Gruppe, Versicherungsform, Todesjahr und -ort sowie die grobe Todesursache enthielten. Mehrere Algorithmen wurden getestet, um zu prüfen, wie gut sie zwischen vorzeitigen und späteren Todesfällen unterscheiden können. Am besten schnitt ein Verfahren namens Random Forest ab und erzielte mäßigen Erfolg bei der Unterscheidung früher und später Todesfälle. Für jede Krankheitsgruppe wurden zudem separate Modelle erstellt, was die Leistung leicht verbesserte und zeigte, dass den vorzeitigen Todesfällen bei Herzinfarkt, Schlaganfall, Bluthochdruck und Herzinsuffizienz unterschiedliche Muster zugrunde liegen.

Soziale Verhältnisse als starke Hinweise

Das auffälligste Ergebnis war, dass soziale Merkmale wichtiger waren als die konkrete medizinische Diagnose. Sowohl im allgemeinen Modell als auch in den ursachenspezifischen Modellen war das Bildungsniveau durchweg der wichtigste Prädiktor dafür, ob ein Tod vorzeitig war. Die Art der Krankenversicherung und der Sterbeort — ob im Krankenhaus, zu Hause oder anderswo — folgten dicht dahinter. Das Geschlecht war besonders wichtig bei der ischämischen Herzerkrankung, bei der Männer eher früher starben. Die Autoren nutzten eine Technik namens SHAP, um zu veranschaulichen, wie jeder Faktor die Vorhersage in Richtung früher oder später Tod verschiebt, und zeigten zum Beispiel, dass niedrige Schulbildung und bestimmte Versicherungsarten tendenziell mit höheren Chancen auf einen Tod vor 75 verknüpft sind.

Was das für den Alltag bedeutet

Für Nicht‑Fachleute lautet die Kernbotschaft: Vorzeitige Todesfälle durch Herzkrankheiten und Schlaganfälle in Bogotá sind nicht einfach eine Frage von Pech oder reiner Biologie. Sie spiegeln wider, wie Bildung, einkommensabhängige Versicherung und rechtzeitiger Zugang zur Versorgung die Überlebenschancen bis ins Alter formen. Obwohl die Computermodelle nicht perfekt sind — sie klassifizieren Fälle nur mäßig gut — weisen sie bereits deutlich auf die Bedeutung sozialer Bedingungen hin. Die Autoren argumentieren, dass Gesundheitsbehörden solche Modelle als Entscheidungsunterstützung nutzen können: um Trends zu überwachen, Hochrisikogruppen zu erkennen und Präventionsmaßnahmen zu entwerfen, die bessere Bildung, gerechtere Gesundheitsversorgung und schnellere Notfallversorgung kombinieren. Kurz: Um vorzeitige Todesfälle durch Herzkrankheiten und Schlaganfälle zu senken, braucht es nicht nur gute Medizin, sondern auch mehr soziale Gerechtigkeit.

Zitation: Malagón Sintura, Y.C., Arias-Ortiz, W.A. Premature mortality from cardio-cerebrovascular diseases in Bogotá an analytical machine learning approach. Sci Rep 16, 10307 (2026). https://doi.org/10.1038/s41598-026-39453-z

Schlüsselwörter: vorzeitige kardiovaskuläre Sterblichkeit, öffentliche Gesundheit Bogotá, Machine Learning in der Epidemiologie, soziale Determinanten von Gesundheit, Herzkrankheit und Schlaganfall