gms | German Medical Science

58. Kongress für Allgemeinmedizin und Familienmedizin

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM)

26.09. - 28.09.2024, Würzburg

Identifizierung von sozialen Risikofaktoren für Depression: Entwicklung eines Risikobewertungstools für Hausärzt:innen

Meeting Abstract

  • presenting/speaker Larissa Klee - Universitätsklinikum Bonn, Institut für Hausarztmedizin Bonn, Bonn, Deutschland
  • Arezoo Bozorgmehr - Universitätsklinikum Bonn, Institut für Hausarztmedizin Bonn, Bonn, Deutschland
  • Birgitta Weltermann - Universitätsklinikum Bonn, Institut für Hausarztmedizin Bonn, Bonn, Deutschland
  • Benjamin Aretz - Universitätsklinikum Bonn, Institut für Hausarztmedizin Bonn, Bonn, Deutschland

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin. 58. Kongress für Allgemeinmedizin und Familienmedizin. Würzburg, 26.-28.09.2024. Düsseldorf: German Medical Science GMS Publishing House; 2024. DocV-24-02

doi: 10.3205/24degam129, urn:nbn:de:0183-24degam1294

Veröffentlicht: 23. September 2024

© 2024 Klee et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund: Einerseits lässt sich eine konstant zunehmende Lebenserwartung in Ländern des globalen Nordens beobachten, andererseits steigen die Prävalenzen von bestimmten Erkrankungen, wie zum Beispiel Depression. Der aktuelle Forschungsstand zeigt längst, dass die sozialen Determinanten essenzielle Risikofaktoren für Depression sind. Jedoch bleibt unklar, wie die Ausprägung von bestimmten sozialen Faktoren für die Vorhersage der Erkrankung genutzt werden kann.

Fragestellung: Wie kann die Erkrankung an einer Depression durch soziale Determinanten vorhergesagt werden?

Methoden: Die Erarbeitung eines Risikobewertungsmodels (Nomogramm) erfolgt in zwei Schritten: Auf Basis der DEGS-1-Daten des Robert-Koch-Instituts (N=5.029) wurde in Schritt 1 zunächst ein eXtreme Gradient Boosting (XGBoost) als Machine-Learning-Algorithmus verwendet, um die Daten in zwei Kategorien zu unterteilen. Daraufhin haben wir die SHAP-Feature-Importance-Methode verwendet, um die 15 wichtigsten Variablen aus dem XGBoost-Modell zu identifizieren. In Schritt 2 werden die Ergebnisse aus dem ML-Verfahren in ein praktisches Tool (Nomogramm) übersetzt, dass eine Risikobewertung für Depression in der Hausarztpraxis ermöglicht.

Ergebnisse: Die ersten fünf der Top 15 sozialen Determinanten des XGBoost-Modells sind in absteigender Reihenfolge: Stress, Alkoholkonsum, Alter, Erwerbsstatus und soziale Unterstützung. Aktuell wird auf Basis logistischer Regressionen die Erarbeitung eines Nomogramms vorbereitet. Die Ergebnisse und das Risikobewertungsmodell werden innerhalb der nächsten Monate vorliegen.

Diskussion: Die Studie wird gerade finalisiert, die Ergebnisse werden bis zum Kongress vorliegen.

Take Home Message für die Praxis: Die frühzeitige Identifizierung sozialer Risikofaktoren wie Stress oder Alkoholkonsum ist entscheidend für die Prävention von Depressionen. Unser Risikobewertungstool wird es Ärzt:innen ermöglichen, gefährdete Patient:innen zu erkennen und durch frühzeitige Interventionen das Risiko für Depressionen zu reduzieren.