Prediksjonsmodell for hofteskjørhet Fraktur Realistiske data fra en traumatologisk avdeling og ortogeriatrisk avdeling.

Osteoporose og tilhørende skjørhetsbrudd er fortsatt en økende verdensomspennende byrde for både helsesystemer og familier, i sammenheng med aldrende befolkning. Hoftebrudd er spesielt alvorlige på grunn av sykehusopphold, operasjoner, vanskelig restitusjon og risiko for påfølgende brudd.

Det er derfor av betydelig betydning å oppdage pasienter med høy risiko for skjøre lårbensfrakturer og å forutse deres restitusjonskapasitet for å ta passende medisinske beslutninger. Tidlig påvisning av benforringelse vil være ideelt for bedre forebygging og beinrekonstruksjon.

Den nåværende gullstandarden for osteoporose er fortsatt Dual-energy X-ray absorptiometri (DXA), men på den ene siden er et flertall av frakturerte pasienter ikke klassifisert som osteoporotiske ved bruk av WMO-definisjonen, og på den annen side er DXA ikke allment tilgjengelig på mange steder.

Ulike alternative enheter, som 3D-røntgen, MR eller ultralyd, med ulike kostnader og tilgjengelighet, har blitt foreslått. Dessuten foreslår elektroniske skjemaer, som FRAX, Garvan eller Qfracture, å beregne bruddrisikoen fra et begrenset antall kliniske faktorer.

I dag åpnet den økende tilgjengeligheten til kliniske data, prosesseringsmetoder og datakraft veien for nye datadrevne prediksjonsmodeller som bruker et stort antall biomarkører eller parametere, og åpner perspektivet mot personlig presisjonsmedisin. Imidlertid dukker det opp noen utfordringer:

1. datatilgjengeligheten og kvaliteten for å bygge modellene,
2. muligheten til å samle inn realistiske data fra nye pasienter i samsvar med kostnadene og mulighetene i hvert land og
3. fastsettelse av de viktigste parameterne for å hjelpe medisinske beslutninger på en tolkbar måte.

Målet med prosjektet er å bygge en prediksjonsmodell for hofteskjørhet ved bruk av tilgjengelige sykehusdata, rutinemessig innsamlet på traumatologisk avdeling og ortogeriatrisk avdeling fra de siste 12 årene, data som skal innhentes fra en kontrollgruppe (uten skjørhetsbrudd) og oppover. til dags dato Explainable Artificial Intelligence (XAI) verktøy. Denne modellen bør tilpasses de "virkelige" forholdene i regionen og forutsi kliniske data som risiko for fraktur og refraktur, dødelighetsrisiko, frakturtypeklassifisering og generering av en spesifikk komorbiditetsindeks. Spesiell oppmerksomhet vil bli gitt til potensielle tidlige detektorer av benskjørhet.

Dessuten vil denne modellen senere inkludere alternative DXA-målinger som ultralyd, ved å bruke en spesifikk enhet som ble testet av det samme teamet. Det kan også sammenlignes med andre land eller regioner med lignende tilgjengelige data, takket være internasjonale kolleger som for tiden samarbeider med teamet. I tilfelle suksess, kan databaseformat og prediksjonsmodeller deles med andre sykehus med perspektiver på progressiv nasjonal og internasjonal skalering. I nær fremtid kan denne informasjonen bli oversatt til et informatikkverktøy som kan hjelpe legen i hans kliniske følge av de eldre pasientene.