Retrospektives Einzelzentrums-Modell zur Vorhersage von Osteoporose bei Menschen ab 60
In einer retrospektiven Einzelzentrums-Kohorte von 852 Menschen ab 60 erreichte ein logistisches Regressionsmodell mit 12 ausgewählten Merkmalen eine AUC von 0,782 in der internen Validierung; eine externe Validierung steht noch aus. [1]
Automatische Zusammenfassung · nicht redaktionell geprüft
Die Kernaussagen
Die retrospektive Einzelzentrums-Kohorte umfasste 852 Teilnehmende ab 60 Jahren; die Osteoporose-Prävalenz betrug 28,87 %. [1]
Das logistische Regressionsmodell erreichte im internen Validierungsset eine AUC von 0,782, mit Sensitivität 0,767 und Spezifität 0,702. [1]
Der HDL-Cholesterin-Trend in der weiblichen Untergruppe erreichte keine konventionelle statistische Signifikanz (p = 0,081). [1]
Die Quelle auf einen Blick
- Studientyp / Format
- Retrospektive Einzelzentrums-Kohortenstudie zur Entwicklung und internen Validierung von Vorhersagemodellen.
- Population / Kontext
- Menschen ab 60 Jahren in einem Untersuchungszentrum (852 Teilnehmende).
- Grundlage der Zusammenfassung
- Studienabstract
- Original veröffentlicht
- 28. Juli 2026
Osteoporose-Vorhersage bei 852 älteren Untersuchten
Die Studie wollte ein Machine-Learning-Verfahren entwickeln und validieren, das Osteoporose bei älteren Menschen anhand routinemäßiger Untersuchungsdaten vorhersagt. Analysiert wurde eine retrospektive Einzelzentrums-Kohorte von 852 Teilnehmenden ab 60 Jahren aus einem Untersuchungszentrum. Die Osteoporose-Prävalenz in dieser Population betrug 28,87 % (246 von 852). Bewertet wurden 19 mögliche Prädiktoren, darunter Alter, Geschlecht, Body-Mass-Index, Lebensgewohnheiten, Begleiterkrankungen und biochemische Marker.
Beleg [1]
Logistische Regression blieb in interner Validierung stabil
Die Kohorte wurde zufällig in ein Trainingsset (598) und ein internes Validierungsset (254) geteilt. Nach der Merkmalsauswahl wurden 12 Merkmale verwendet. Ensemble-Verfahren zeigten eine hohe Trennschärfe, aber Hinweise auf mögliche Überanpassung bei perfekter Trainingsleistung. Das logistische Regressionsmodell erreichte eine AUC von 0,809 im Training und 0,782 in der internen Validierung, mit Sensitivität 0,767 und Spezifität 0,702 in der Validierung. Geschlecht, Alter und Body-Mass-Index waren die einflussreichsten Prädiktoren. Niedrigere Serumkreatinin-, Serumharnsäure- und Nüchtern-Plasmaglukose-Werte waren mit höherem vorhergesagtem Risiko assoziiert.
Beleg [1]
HDL-C-Trend war nicht statistisch signifikant
Eine multivariat adjustierte Analyse deutete auf einen steigenden Trend zwischen HDL-Cholesterin und Osteoporoserisiko hin, besonders in der weiblichen Untergruppe (Odds Ratio 3,35; 95-%-Konfidenzintervall 0,86–13,04; p = 0,081). Dies erreichte keine konventionelle statistische Signifikanz, und die Autoren raten zu vorsichtiger Interpretation. Da es sich um eine retrospektive Einzelzentrums-Kohorte mit ausschließlich interner Validierung handelt, ist vor routinemäßiger klinischer Anwendung eine externe Multizentrums-Validierung erforderlich.
Beleg [1]
Was sich daraus ableiten lässt – und was nicht
Nur Abstract; der Volltext wurde nicht geprüft. Es handelte sich um eine retrospektive Einzelzentrums-Kohorte mit ausschließlich interner Validierung; vor routinemäßigem klinischem Einsatz ist eine externe Multizentrums-Validierung nötig. Der HDL-Cholesterin-Befund war nicht statistisch signifikant.
Grundlage: Studienabstract. Volltext, Tabellen und ergänzende Daten wurden nicht geprüft.
Quelle & Belegstellen
Xue H, Hao X, Liu D, Li Y, Yu H. · europepmc.org · 28. Juli 2026