Knowledge-Hub NCD/Chronische Krankheitenein Angebot von Monitor Versorgungsforschung

Knowledge-Hub NCD/Chronische Krankheiten › Studien

Nierenfunktionsstörung bei indigener Bevölkerung: Machine Learning identifiziert Hochrisiko-Profile für Screening

Kshatri JS et al. · Indian J Med Res · erschienen Aug. 2026 · in PubMed seit 09.10.2026 · PMID 42851230

Von KI ausgewählt und zusammengefasst

Worum es geht

Sekundäranalyse der Odisha Tribal Family Health Survey mit 19.703 erwachsenen Angehörigen von 53 indigenen Gemeinschaften zur Prävalenz eingeschränkter Nierenfunktion (eGFR <90) und Entwicklung von Deep-Neural-Network- und XGBoost-Vorhersagemodellen.

Ergebnis

Gesamtprävalenz eingeschränkter Nierenfunktion 24,8% (95%-KI 23,8-25,9): davon 16,6% mild, 6,4% moderat, 1,5% schwer, 0,3% Nierenversagen. Prävalenz stieg mit Alter (5,6% bei 18-30 Jahren vs. 79,4% bei >70 Jahren). Deep-Neural-Network-Modell: Genauigkeit 0,78, Recall 0,69 (verbessert auf 0,78 bei Schwellenwert 0,4). SHAP-Analyse identifizierte Alter, Hypertonie, Diabetes, Tabak- und Alkoholkonsum sowie niedrige Ernährungsdiversität als Schlüsselprädikatoren. Decision-Curve-Analyse deutete auf Nutzen ML-basierter gezielter Screenings hin.

Übertragbarkeit auf Deutschland

Südasien mit extremem Ressourcenmangel; ML-Modelle könnten auch in ähnlich ressourcenlimitierten deutschen Settings (ländliche Regionen) einsetzbar sein.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.