Modelle zur Vorhersage des Demenzrisikos zeigen variable Leistungen bei der externen Validierung
Eine Meta-Analyse von 36 Validierungsstudien ergab, dass bestehende Demenzvorhersagemodelle in ihrer Fähigkeit, zukünftiges Demenzrisiko genau zu identifizieren, stark variieren, wenn sie in neuen Populationen getestet werden.
Was wurde untersucht?
Forscher haben systematisch überprüft, wie gut bestehende Modelle zur Vorhersage des Demenzrisikos in neuen, unabhängigen Populationen abschneiden. Sie analysierten 36 Validierungsstudien, die 14 einzigartige Vorhersagemodelle abdeckten, die in bevölkerungsbasierten Settings getestet wurden.
Was wurde gefunden?
Siebenzehn Studien lieferten vollständige Validierungsdaten zu Vorhersagemodellen, die von einfachen Einzelprädiktor-Tools bis hin zu komplexen Modellen mit bis zu 57 Variablen reichten. Die Meta-Analyse aggregierte die Diskriminierungsleistung dieser Studien, gemessen durch die Fläche unter der Kurve (AUC, wobei 0,5 = nicht besser als Zufall und 1,0 = perfekte Vorhersage). Die Leistung variierte erheblich, je nachdem, ob alle ursprünglichen Variablen verfügbar waren oder ob einige ersetzt werden mussten.
Was bedeutet das?
Diese Überprüfung bestätigt, dass viele Demenzrisikorechner an Genauigkeit verlieren, wenn sie von ihrem ursprünglichen Entwicklungsumfeld in die reale Anwendung in unterschiedlichen Populationen übertragen werden. Kliniker und Patienten sollten Risikowerte mit Vorsicht interpretieren und verstehen, dass die veröffentlichte Leistung eines Modells möglicherweise nicht vollständig auf ihre spezifische Situation zutrifft.
Einschränkung
Die Zusammenfassung berichtet nicht über die tatsächlich erreichten AUC-Bereiche, was es unmöglich macht zu bestimmen, welche Modelle klinisch nützlich sind und welche nicht ausreichen.