Artikel
Grafische Visualisierung von Multimorbidität zur Reduktion von Komplexität. Ergebnisse einer Netzwerkanalyse
Suche in Medline nach
Autoren
Veröffentlicht: | 26. August 2015 |
---|
Gliederung
Text
Hintergrund: Bei multimorbiden Patienten findet sich fast jede theoretisch mögliche Krankheitskombination. Um die Untersuchung der Zusammenhänge zwischen konkreten Krankheitskombinationen und Endpunkten vorzubereiten, wird ein valides Konzept zur Reduktion dieser Komplexität benötigt. Multimorbidität wurde bislang in Clustern oder Krankheitskombinationen dargestellt, allerdings sind die innere Struktur der Cluster und die Verknüpfung zwischen Kombinationen und Clustern unerkannt geblieben.
Studienfrage: Die Studie sollte darstellen, wie Krankheiten miteinander innerhalb der Multimorbiditätscluster verbunden sind und welche Erkrankungen für Überlappungen zwischen Clustern verantwortlich sind.
Methoden: Die Studie beruht auf den Daten der Gmünder ErsatzKasse aus dem Jahr 2006 mit 43.632 weiblichen und 54.987 männlichen Patienten im Alter 65 Jahre und höher. In die Analyse wurden alle Dreifach-Krankheitskombinationen mit einem Observed/Expected-Ratio ≥ 2 und einer Prävalenz ≥ 1% einbezogen. Es wurde eine Liste von Verknüpfungen zwischen Krankheiten extrahiert, mittels Netzwerkanalyse analysiert und mittels multidimensionaler Skalierung grafisch dargestellt.
Ergebnisse: Die Krankheit mit der höchsten Zahl an Verknüpfungen, war chronische Rückenschmerzen. Bei Frauen war Depression ebenfalls eine zentrale Erkrankung innerhalb der Netzwerke. Es fand sich eine Vielzahl von Assoziationen zwischen Erkrankungen des metabolischen Syndroms, von denen Hypertonie die zentrale Krankheit war. Überlappungen zwischen Clustern wurden vor allem zwischen dem metabolischen Syndrom und Erkrankungen des Bewegungsapparates vermittelt.
Diskussion: Es wurde gezeigt, wie Krankheiten innerhalb von Clustern miteinander assoziiert sind und welche Krankheiten für Überlappungen von Clustern verantwortlich sind. Der vorgestellte Ansatz könnte ein guterAusgangspunkt für Analysen zum Zusammenhang zwischen Krankheitskombinationen und patientenrelevanten Endpunkten sein und die Ergebnisse könnten als Diskussionsgrundlage dafür dienen, welche Komorbidität in Leitlinien berücksichtigt werden sollte.