Ein Tool für chronische Nierenerkrankungen in der Primärversorgung
Forschende haben ein in elektronische Gesundheitsakten integriertes klinisches Entscheidungsunterstützungstool entwickelt und validiert. Es soll Fachkräfte in der Primärversorgung dabei unterstützen, chronische Nierenerkrankungen (CKD) zu erkennen und zu behandeln. Das System mit dem Namen Treat CKD verbindet Diagnose, Risikoklassifikation und behandlungsorientierte Empfehlungen am Ort der Versorgung.
Die Forschung wurde auf der ASN Kidney Week 2026 vorgestellt. Beschrieben wird ein Tool für den routinemäßigen Einsatz in der Primärversorgung, wo Ärztinnen und Ärzte oft mehrere Erkrankungen gleichzeitig betreuen und eine strukturierte Sicht auf Nieren- und Herz-Kreislauf-Risiken bei der Festlegung geeigneter Nachsorge helfen könnte.
Statt für jeden Teil der Bewertung einen separaten Berechnungsprozess zu benötigen, greift Treat CKD auf bereits in elektronischen Gesundheitsakten vorhandene Daten zurück. Das Tool soll CKD erkennen, Risiken klassifizieren, das Nierenversagensrisiko berechnen, das kardiovaskuläre Risiko schätzen und mit diesen Ergebnissen verbundene Empfehlungen geben.
Mehrere Risikomodelle in einem Workflow
Das Tool verwendet die Kriterien von Kidney Disease: Improving Global Outcomes, kurz KDIGO, zur Klassifizierung des CKD-Risikos. Außerdem berechnet es das Nierenversagensrisiko mit der Kidney Failure Risk Equation und schätzt das kardiovaskuläre Risiko mit den PREVENT-Gleichungen der American Heart Association.
Diese Berechnungen werden mit Empfehlungen zu Albuminurie-Tests, Blutdruckmanagement, cholesterinsenkender Therapie, kardiorenalen Therapien und Überweisungen zur Nephrologie verknüpft. Ziel ist nicht nur, auf eine mögliche Nierenerkrankung hinzuweisen, sondern klinisch relevante Informationen und die nächsten Schritte in einem einzigen Workflow der Primärversorgung zu organisieren.
Die Albuminurie-Testung ist enthalten, weil sie zu den Untersuchungen gehört, die das Tool im Rahmen der Nierenrisikobewertung empfehlen kann. Der Umfang geht außerdem über das Nierenversagensrisiko hinaus und umfasst eine Schätzung des kardiovaskulären Risikos. Damit trägt das Tool der Bandbreite an Fragen Rechnung, die bei Patienten mit CKD berücksichtigt werden müssen.
Testung an der University of California, San Francisco
Nach der Integration von Treat CKD in das System der University of California, San Francisco, bewerteten die teilnehmenden Fachkräfte der Primärversorgung das Tool als einfach zu bedienen, klinisch relevant und gut in bestehende Arbeitsabläufe integriert. Dem Bericht zufolge beschrieben sie es nicht als erhebliche zusätzliche Belastung für den Workflow.
Die Forschenden berichteten außerdem, dass das Tool die auf KDIGO basierende CKD-Risikoklassifikation korrekt bestätigte. Die berechneten Werte der Kidney Failure Risk Equation und von PREVENT stimmten bei der in der Präsentation beschriebenen Validierung vollständig mit den manuell berechneten Werten überein.
Diese berichtete Übereinstimmung ist für ein Entscheidungsunterstützungsprodukt wichtig. Ein Tool zur automatisierten Risikobewertung muss die klinische Logik der etablierten Methoden bewahren, die es anwendet. In diesem Fall erklärten die Forschenden, dass die automatisierten Ergebnisse bei den untersuchten Maßen für Nierenversagens- und kardiovaskuläres Risiko mit den manuellen Berechnungen übereinstimmten.
Entscheidungsunterstützung, kein Ersatz für klinisches Urteilsvermögen
Treat CKD soll Ärztinnen und Ärzte am Ort der Versorgung unterstützen und nicht deren professionelles Urteilsvermögen ersetzen. Die Empfehlungen werden als leitliniengerecht beschrieben und sollen Primärversorgungsteams dabei helfen, CKD zu erkennen, Risiken zu stratifizieren und weitere Schritte der Nachsorge zu erwägen.
Die berichtete Bewertung konzentrierte sich auf Validierung und Nutzerfeedback im Umfeld der UCSF. Sie belegt nicht, dass das Tool in jedem Gesundheitssystem automatisch dieselbe Erfahrung oder dieselben Ergebnisse liefern wird. Elektronische Gesundheitsakten, klinische Abläufe und Implementierungspraktiken können sich zwischen Organisationen erheblich unterscheiden.
Die Forschung behauptet auch nicht, dass das Tool allein die Behandlungsergebnisse verbessert. Seine erklärte Rolle besteht darin, Identifikation und Risikoklassifikation zu automatisieren, Nieren- und kardiovaskuläre Risiken zu schätzen und Empfehlungen zu liefern, die Behandlungsentscheidungen unterstützen können. Für eine breitere Einführung sowie für die Auswirkungen auf Erkennung, Behandlung und Ergebnisse wären weitere Untersuchungen erforderlich.
Warum die Integration wichtig ist
Klinische Entscheidungsunterstützung ist besonders nützlich, wenn sie in die Arbeit passt, die medizinisches Personal bereits erledigt. Deshalb ist der Bericht der Entwickler, dass Fachkräfte der Primärversorgung Treat CKD als relevant, nutzbar und gut integriert bewerteten, ein zentraler Bestandteil der frühen Evaluation.
Das System bündelt mehrere Aufgaben, die sonst getrennte Prüfungen erfordern könnten: festzustellen, ob CKD vorliegt, KDIGO-Risikokategorien anzuwenden, das Fortschreiten zum Nierenversagen zu schätzen, das kardiovaskuläre Risiko zu bestimmen und mögliche Maßnahmen der Versorgung zu prüfen. Die Zusammenführung dieser Aufgaben könnte es erleichtern, während eines Routinebesuchs eine strukturierte Nierenrisikobewertung sichtbar zu machen.
Vorerst stellt Treat CKD einen frühen, in ein Gesundheitssystem integrierten Ansatz dar und keinen breit etablierten Versorgungsstandard. Das zentrale Ergebnis der Studie lautet, dass das Tool die getesteten spezifischen Risikobewertungen automatisieren konnte, bei den berichteten Gleichungen mit manuellen Berechnungen übereinstimmte und positives Feedback von Nutzern aus der Primärversorgung erhielt. Die nächste Frage ist, ob weitere Evaluationen den Einsatz als skalierbare Strategie zur Erkennung und Behandlung von CKD in der Primärversorgung unterstützen werden.
Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Originalartikel lesen.
Originally published on medicalxpress.com
