Forudsigelsesmodel for hoftesrøbelighedsfraktur Realistiske data fra en traumatologisk afdeling og ortogeriatrisk afdeling.

Osteoporose og tilhørende skrøbelighedsfrakturer er fortsat en stigende verdensomspændende byrde for både sundhedssystemer og familier i forbindelse med aldrende befolkninger. Hoftebrud er særligt alvorlige på grund af hospitalsophold, operationer, besværlig restitution og risiko for efterfølgende brud.

Det er således af væsentlig betydning at opdage patienter med høj risiko for lårbensfragilitetsfrakturer og at forudse deres genopretningskapacitet for at træffe passende medicinske beslutninger. Tidlig påvisning af knogleforringelse ville være ideel til bedre forebyggelse og knoglerekonstruktion.

Den nuværende guldstandard for osteoporose forbliver Dual-energy X-ray absorptiometri (DXA), men på den ene side er et flertal af frakturerede patienter ikke klassificeret som osteoporotiske ved brug af WMO-definitionen, og på den anden side er DXA ikke bredt tilgængeligt adskillige steder.

Forskellige alternative enheder, såsom 3D røntgen, MR eller ultralyd, med forskellige omkostninger og tilgængelighed, er blevet foreslået. Desuden foreslår online formularer, såsom FRAX, Garvan eller Qfracture, at beregne frakturrisikoen ud fra et begrænset antal kliniske faktorer.

I dag åbnede den voksende tilgængelighed til kliniske data, behandlingsmetoder og computerkraft vejen for nye datadrevne forudsigelsesmodeller ved hjælp af et stort antal biomarkører eller parametre, hvilket åbner perspektivet mod personlig præcisionsmedicin. Der opstår dog et par udfordringer:

1. datatilgængeligheden og kvaliteten til at bygge modellerne,
2. evnen til at indsamle realistiske data fra nye patienter i overensstemmelse med hvert lands omkostninger og muligheder og
3. fastlæggelsen af ​​de vigtigste parametre for at hjælpe medicinske beslutninger på en fortolkelig måde.

Målet med projektet er at opbygge en forudsigelsesmodel for hoftesrøbelighedsfraktur ved hjælp af tilgængelige hospitalsdata, rutinemæssigt indsamlet på traumatologisk afdeling og ortogeriatrisk afdeling fra de sidste 12 år, data, der skal indhentes fra en kontrolgruppe (uden skrøbelighedsfraktur) og opefter. til dato Explainable Artificial Intelligence (XAI) værktøjer. Denne model bør tilpasses de "virkelige" forhold i regionen og forudsige kliniske data såsom risiko for fraktur og refraktur, mortalitetsrisiko, frakturtypeklassificering og generering af et specifikt komorbiditetsindeks. Særlig opmærksomhed vil blive givet til potentielle tidlige detektorer af knogleskørhed.

Desuden vil denne model senere omfatte alternative DXA-målinger, såsom ultralyd, ved hjælp af en specifik enhed, der er blevet testet af det samme hold. Det kan også efterfølgende sammenlignes med andre lande eller regioner med lignende tilgængelige data, takket være internationale kolleger, der i øjeblikket samarbejder med holdet. I tilfælde af succes kan databaseformat og forudsigelsesmodeller deles med andre hospitaler med perspektiver på progressiv national og international skalering. I den nærmeste fremtid kunne denne information omsættes til et informatikværktøj, der kunne hjælpe lægen i hans kliniske følge af de ældre patienter.