Entwicklung und Validierung eines Vorhersagemodells für kardiometabolische Multimorbidität bei mittelalten und älteren Erwachsenen

Warum das für die alltägliche Gesundheit wichtig ist

Mit steigendem Alter tritt bei vielen Menschen nicht nur eine chronische Erkrankung auf, sondern mehrere gleichzeitig – Bluthochdruck, erhöhter Blutzucker und ungünstige Blutfette gehen oft Hand in Hand. Dieses Bündel, als kardiometabolische Multimorbidität bezeichnet, erhöht deutlich das Risiko für Herzinfarkt, Schlaganfall, Behinderung und hohe Behandlungskosten. Die hier zusammengefasste Studie stellt eine praktische Frage mit direktem Nutzen für Familien und Ärztinnen und Ärzte: Lässt sich anhand einfacher, routinemäßig erhobener Gesundheitsdaten schon Jahre im Voraus erkennen, wer am ehesten in diesen Hochrisikozustand abrutscht, sodass Prävention und Betreuung früher einsetzen können?

Ein wachsendes Geflecht aus Herz- und Stoffwechselproblemen

Weltweit haben längere Lebenszeiten, veränderte Ernährungsgewohnheiten und sitzende Lebensweisen zu einem Anstieg von Erkrankungen wie Bluthochdruck, Diabetes und gestörtem Cholesterin geführt. Treten zwei oder mehr dieser Krankheiten bei einer Person auf, sprechen Ärztinnen und Ärzte von kardiometabolischer Multimorbidität. Im Vergleich zu einer einzelnen Erkrankung verlieren Betroffene mehr Lebensjahre, leiden häufiger unter täglicher Einschränkung und verursachen höhere Gesundheitskosten. In China, wo die Bevölkerung schnell altert, belastet dies zunehmend Familien und das Gesundheitssystem. Die meisten Forschungsarbeiten und Screening-Instrumente richten sich jedoch weiterhin auf Einzelerkrankungen und erfassen nicht das größere Bild der gebündelten Problematik.

Große Befragungsdaten in ein Fünf-Jahres-Risiko verwandeln

Um diese Lücke zu schließen, nutzten die Forschenden CHARLS, eine große, national repräsentative Studie, die mittelalte und ältere Chinesinnen und Chinesen über Jahre begleitet. Sie starteten mit mehr als 21.000 Teilnehmenden, die 2015 untersucht worden waren, und schlossen nach Ausschluss von Personen mit bereits bestehender multipler kardiometabolischer Erkrankung oder fehlenden Laborwerten 5.388 Erwachsene im Alter von 45 Jahren und älter ein. Zu Studienbeginn hatte niemand kardiometabolische Multimorbidität. Das Team verfolgte dann, wer in den folgenden fünf Jahren bis 2020 eine solche Multimorbidität entwickelte; etwa einer von fünf Tatbeständen trat auf. Mit 31 möglichen Gesundheits- und Lebensstilmerkmalen – von Blutdruck und Laborwerten bis hin zu Schlaf, Rauchen und Schmerzen – machten sie sich daran, Modelle zu entwickeln, die das individuelle Fünf-Jahres-Risiko vorhersagen.

Neun alltägliche Messgrößen mit starker Aussagekraft

Anstatt Variablen zu vermuten, ließen die Autorinnen und Autoren die Daten entscheiden: Ein statistischer Auswahlprozess reduzierte die Liste zunächst auf 11 vielversprechende Prädiktoren; weitere Prüfungen entfernten zwei stark überlappende Variablen. Das finale Modell beruhte auf nur neun Informationen, die in Routineuntersuchungen vertraut sind: systolischer Blutdruck, Body-Mass-Index, Nüchternblutzucker, Gesamtcholesterin, Triglyzeride, Harnsäure, Alter, das Vorhandensein anderer chronischer Erkrankungen sowie Angaben zu körperlichen Schmerzen. Mit diesen neun Eingangsgrößen bauten sie zwei Arten von Vorhersagewerkzeugen: ein modernes Machine-Learning-Modell namens XGBoost und ein traditionelleres logistische-Regression-Modell, das sich leicht als Nomogramm darstellen lässt – eine visuelle Punkteskala, die Klinikerinnen und Kliniker auf einen Blick ablesen können.

Warum das einfachere Werkzeug in der Praxis gewinnt

Auf dem Papier zeigte das leistungsfähige XGBoost-Modell im Trainingsdatensatz sehr gute Werte, doch seine Genauigkeit fiel bei Tests an neuen Teilnehmenden deutlich ab – ein klassisches Zeichen von Overfitting. Das einfachere logistische Regressionsmodell hingegen arbeitete konstanter und trennte höher- von niedrigrisikopersonen mit moderater, aber verlässlicher Genauigkeit. Statistische Prüfungen zeigten, dass seine Vorhersagen gut mit den tatsächlichen Ereignissen über fünf Jahre übereinstimmten und dass die Anwendung des Modells Ärztinnen und Ärzten mehr Nutzen bringen würde als eine Behandlung aller Personen gleich oder das Ignorieren von Risikoscores. Wichtig ist auch: Das Neun-Faktoren-Modell übertraf deutlich eine abgespeckte Variante mit nur vier Standardmessgrößen – Harnsäure, Schmerzen und begleitende Erkrankungen lieferten also echten Mehrwert. Das Team zeigte außerdem, dass das Modell in verschiedenen Altersgruppen und bei Personen mit oder ohne bereits bestehende einzelne kardiometabolische Erkrankung akzeptabel funktionierte.

Wie dieses Werkzeug Versorgung verändern könnte – und seine Grenzen

Für niedergelassene Ärzte und Gemeindekliniken liegt die Stärke dieser Arbeit in ihrer Praktikabilität. Das Modell nutzt Tests und Fragen, die bereits in Basisuntersuchungen üblich sind, und verknüpft sie zu einer individuellen Fünf-Jahres-Risikoschätzung für die Entwicklung multipler Herz‑ und Stoffwechselerkrankungen. In Nomogrammform kann eine Klinikerin Punkte für jeden Faktor aufsummieren und das Risiko ablesen, um anschließend zu entscheiden, wer vorrangig Lebensstilberatung, engmaschigere Überwachung oder eine medikamentöse Therapie benötigt. Die Studie hat Einschränkungen: Sie kann eine Diagnose nicht ersetzen, erfasst keine detaillierten Angaben zu körperlicher Aktivität oder psychischer Gesundheit und wurde bislang nur in einer chinesischen Kohorte validiert. Dennoch ist sie ein wichtiger Schritt weg vom Reagieren auf Einzelerkrankungen hin zur Antizipation gefährlicher Erkrankungscluster. Die Kernbotschaft für Laien lautet: Alltägliche Messwerte wie Blutdruck, Gewicht, Blutzucker, Blutfette, Harnsäure, bestehende Erkrankungen und sogar Schmerzangaben zusammen bilden ein wirkungsvolles Frühwarnsystem für künftige kardiometabolische Probleme.

Zitation: Li, H., Ma, X., Cui, T. et al. Development and validation of a cardiometabolic multimorbidity prediction model in middle-aged and older adults. Sci Rep 16, 13300 (2026). https://doi.org/10.1038/s41598-026-44213-0

Schlüsselwörter: kardiometabolische Multimorbidität, Risikovorhersagemodell, ältere Erwachsene, China-Kohortenstudie, kardiovaskulärer Stoffwechsel