Knowledge-Hub Gesundes Altern & Longevityein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Gesundes Altern & Longevity › Studien

Frailty-Screening bei Hämodialysepatienten: XGBoost-Modell mit AUC 0,917 identifiziert 48,6 % der Patienten

Wang J et al. · Ann Med · erschienen 11.10.2026 · in PubMed seit 12.10.2026 · PMID 42860582

Von KI ausgewählt und zusammengefasst

Worum es geht

Eine retrospektive Studie mit 626 Hämodialysepatienten aus vier Kliniken entwickelte ein Machine-Learning-Modell zur Frailty-Erkennung.

Ergebnis

Frailty-Prävalenz lag bei 48,6 %. Das XGBoost-Modell zeigte beste externe Validierungsleistung: AUC = 0,917 (95%-KI 0,867–0,967), Genauigkeit 84,7 %, Sensitivität 85,0 %, Spezifität 84,4 %. Sechs Prädiktoren wurden identifiziert: Alter, Griffstärke, Komorbiditäten, Charlson-Index, Albumin und Pro-BNP. Das Modell unterstützt systematisches Frailty-Screening in der Nierenfachversorgung.

Übertragbarkeit auf Deutschland

Chinesische Klinikstudie; Frailty-Screening und Prognose universal relevant

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.