Prediktionsmodell av höftfragilitetsfraktur Realistiska data från en traumatologisk avdelning och ortogeriatrisk avdelning.

Osteoporos och tillhörande bräcklighetsfrakturer förblir en ökande global börda för både hälso- och sjukvårdssystem och familjer, i samband med en åldrande befolkning. Höftfrakturer är särskilt allvarliga på grund av sjukhusvistelse, operationer, svår återhämtning och risk för efterföljande frakturer.

Det är därför av stor vikt att upptäcka patienter med hög risk för frakturer i lårbenet och att förutse deras återhämtningsförmåga för att kunna fatta lämpliga medicinska beslut. Tidig upptäckt av benförsämring skulle vara idealiskt för bättre förebyggande och benrekonstruktion.

Den nuvarande guldstandarden för osteoporos förblir Dual-energy X-ray absorptiometri (DXA), men å ena sidan är en majoritet av frakturerade patienter inte klassificerade som osteoporotiska enligt WMO-definitionen och å andra sidan är DXA inte allmänt tillgänglig på många ställen.

Olika alternativa enheter, såsom 3D-röntgen, MRI eller ultraljud, med olika kostnader och tillgänglighet har föreslagits. Dessutom föreslår onlineformulär, såsom FRAX, Garvan eller Qfracture, att man beräknar frakturrisken från ett begränsat antal kliniska faktorer.

Nuförtiden öppnade den växande tillgängligheten till klinisk data, bearbetningsmetoder och datorkraft vägen för nya datadrivna prediktionsmodeller som använder ett stort antal biomarkörer eller parametrar, vilket öppnar perspektivet mot personlig precisionsmedicin. Men några utmaningar uppstår:

1. datatillgänglighet och kvalitet för att bygga modellerna,
2. förmågan att samla in realistiska data från nya patienter i överensstämmelse med varje lands kostnad och möjligheter och
3. fastställande av de viktigaste parametrarna för att hjälpa medicinska beslut på ett tolkningsbart sätt.

Syftet med projektet är att bygga en prediktionsmodell av höftfragilitetsfraktur med hjälp av tillgänglig sjukhusdata, rutinmässigt insamlad på traumatologisk avdelning och ortogeriatrisk avdelning från de senaste 12 åren, data som ska inhämtas från en kontrollgrupp (utan skörhetsfraktur) och uppåt. hittills Explainable Artificial Intelligence (XAI) verktyg. Denna modell bör anpassas till de "verkliga" förhållandena i regionen och förutsäga kliniska data såsom risk för fraktur och refraktur, mortalitetsrisk, frakturtypklassificering och generering av ett specifikt komorbiditetsindex. Särskild uppmärksamhet kommer att ges till potentiella tidiga detektorer av benskörhet.

Dessutom skulle denna modell senare inkludera alternativa DXA-mätningar som ultraljud, med hjälp av en specifik enhet som framgångsrikt testats av samma team. Det kan också jämföras i efterhand med andra länder eller regioner med liknande tillgängliga data, tack vare internationella kollegor som för närvarande samarbetar med teamet. I händelse av framgång kan databasformat och prediktionsmodeller delas med andra sjukhus med perspektiv på progressiv nationell och internationell skalning. Inom en snar framtid skulle denna information kunna översättas till ett informatikverktyg som skulle kunna hjälpa läkaren i hans kliniska efterföljande av de äldre patienterna.