Präventivmedizinische Maßnahmen werden zunehmend auf der Basis großer prospektiver Studien bewertet und in Leitlinien abgebildet. Vielfach jedoch werden dabei nur einzelne Maßnahmen betrachtet (z.B. Mammographie-Screening), die in ihrer Summe eine für den behandelnden Arzt häufig unübersichtliche Menge an Optionen darstellen. So beschreibt allein die US-amerikanische U.S. Preventive Services Task Force (USPSTF) 60 verschiedene Präventionsmaßnahmen (1).

Im Praxisalltag kann dies eine erhebliche Hürde darstellen: der Aufwand, für jeden Patienten die geeigneten Präventionsmaßnahmen auszuwählen, würde in einer durchschnittlichen Praxis mit 2.500 Patienten schätzungsweise über 7 Stunden täglich betragen (2). Dieser Aufwand ist für Arztpraxen unrealistisch.

Limitierte Ressourcen im Gesundheitswesen sowie niedrige Teilnahmequoten bei bestimmten Präventionsmaßnahmen (3,4) zeigen darüber hinaus, dass ein Bedarf besteht, auf Basis individueller Risikofaktoren genau die Präventionsmaßnahmen auszuwählen, die in jedem einzelnen Fall den größtmöglichen Nutzen versprechen.

Dazu hat eine Forschergruppe um Glen B. Taksler nun ein entsprechendes mathematisches Modell veröffentlicht (5). Dieses soll dabei helfen, einerseits die individuelle Lebenserwartung eines Patienten abzuschätzen und andererseits verschiedene Präventionsmaßnahmen (z.B. Gewichtsreduktion) hinsichtlich ihres Effektes auf die Lebenserwartung in jedem einzelnen Fall zu bewerten. Dazu schätzte die Gruppe den Effekt aller durch die USPSTF empfohlenen Präventionsmaßnahmen auf die Lebenserwartung. Im Ergebnis soll der Arzt dadurch eine für jeden einzelnen Patienten „personalisierte“ und nach dem Effekt auf die Lebenserwartung priorisierte Übersicht möglicher Präventionsmaßnahmen erhalten. Dies erläutern die Autoren anhand von Beispielen, z.B.:

Beispiel „Adam“:

„Adam“ ist ein weißer, 62-jähriger Patient mit folgenden Risikofaktoren: BMI von 30.4 kg/m2, Raucher, Gesamt-Cholesterin: 300 mg/dL, LDL-Cholesterin: 250 mg/dL, Bluthochdruck (150/90 mmHg) und Kolonkarzinom in der Familienanamnese (> 2 betroffene Familienmitglieder). Seine nach dem Modell berechnete Lebenserwartung beträgt weitere 13.1 Jahre (entsprechend der eines durchschnittlichen, 71-jährigen weißen Mannes). Aufgrund dieser Risikofaktoren kommt eine Vielzahl von Präventionsmaßnahmen in Frage; das Modell von Taksler et al. bewertet zur Verbesserung der Lebenserwartung die folgenden Maßnahmen: Raucherentwöhnung (+2.8 Lebensjahre), Gewichtsreduktion von min. 7.3 kg (+1.6 Lebensjahre), Senkung des Blutdrucks auf 120/80 mmHg (+0.8 Lebensjahre), gesunde Ernährung (+0.3 Lebensjahre), ASS-Medikation (+0.3 Lebensjahre), Senkung des Gesamt-Cholesterins auf 199 mg/dL oder weniger und des LDL-Cholesterins auf 100 mg/dL oder weniger (+0.3 Lebensjahre), Koloskopie im 10-Jahres-Intervall (+0.2 Lebensjahre), Ultraschall-Screening auf ein Bauchaortenaneurysma (+0.1 Lebensjahre), HIV-Test (+0.1 Lebensjahre).
Nach der prognostizierten Verbesserung der Lebenserwartung priorisiert, sollten besonders Raucherentwöhnung, Gewichtsreduktion und eine Senkung des Blutdrucks im Vordergrund der Präventionsmaßnahmen von „Adam“ stehen.

Das Vorgehen der Forscher erforderte eine Vielzahl von Annahmen, die medizinische und epidemiologische Sachverhalte teilweise stark vereinfachen. Weitere Einschränkungen des Modells:

  • Der Effekt von Präventionsmaßnahmen wurde ausschließlich hinsichtlich der Änderung der Lebenserwartung bewertet, ohne dass eine Adjustierung an gewonnene oder verlorene Lebensqualität vorgenommen wurde.
  • Ebenso wurden nicht die Kosten der Präventionsmaßnahmen berücksichtigt, so dass die Kosten-Effektivität der einzelnen Maßnahmen nicht in der Priorisierung abgebildet wird.
  • Es wurde nicht berücksichtigt, dass Präventionsmaßnahmen unterschiedlich schwierig in der Anwendung/Umsetzung sind (z.B. regelmäßige Blutdruckkontrollen im Vergleich zu einer langfristigen Gewichtsreduktion).
  • Synergien oder aber antagonisierende Effekte von zwei oder mehreren Präventionsmaßnahmen werden nicht berücksichtigt.
  • Der Effekt der Präventionsmaßnahme eines Patienten auf die Gesundheit anderer Patienten wurde nicht berücksichtigt (z.B. HIV-Screening).
  • Das Modell beruht primär auf US-amerikanischen Daten und ist somit nicht direkt auf andere Populationen anwendbar.

Die Autoren betonen, dass das publizierte Modell nur die grundsätzliche Machbarkeit bestimmen und nach einer derzeit laufenden Studie zukünftig erweitert werden soll. Grundsätzlich ist hier jedoch ein interessanter Ansatz erkennbar, um für Patienten im Sinne einer personalisierten Prävention genau die Präventionsmaßnahmen auszuwählen, die den jeweils größtmöglichen Nutzen versprechen.

Quellen:

  1. U.S. Preventive Services Task Force. USPSTF A–Z Topic Guide. Accessed at www.uspreventiveservicestaskforce.org/uspstopics.htm on 14 August 2013.
  2. Yarnall KS, Pollak KI, Østbye T, Krause KM, Michener JL. Primary care: is there enough time for prevention? Am J Public Health. 2003; 93:635-41.
  3. Maciosek MV, Coffield AB, Edwards NM, Flottemesch TJ, Goodman MJ, Solberg LI. Priorities among effective clinical preventive services: results of a systematic review and analysis. Am J Prev Med. 2006; 31:52-61.
  4. Partnership for Prevention. Preventive Care: A National Profile on Use, Disparities, and Health Benefits. 2007;1-43. Accessed at www.prevent.org/data/files/initiatives/ncpppreventivecarereport.pdf on 14 August 2013.
  5. Glen B. Taksler, Melanie Keshner, Angela Fagerlin, Negin Hajizadeh, R. Scott Braithwaite; Personalized Estimates of Benefit From Preventive Care Guidelines A Proof of Concept. Annals of Internal Medicine. 2013 Aug;159(3):161-168.