Ny forskningsmodell för att förutsäga höftfrakturer kan rädda liv

Pressmeddelande


Forskare har tagit fram en klinisk modell som med hög träffsäkerhet kan förutsäga risken för höftfrakturer hos äldre. Modellen bygger på analyser av data från hela den svenska befolkningen och kan identifiera patienter med hög risk, utan att skeletts styrka behöver mätas. Det här kan snabba på processen för läkare och göra att patienter kan få förebyggande behandling, visar ny studie.

Peer-review/ Observational study/Prediction model

Det inträffar runt 15 000 höftfrakturer i Sverige varje år. Det för med sig både smärta hos patienterna och gör att de blir mer beroende av antingen släktingar, vänner eller vårdpersonal. Så mycket som 25 procent av de som drabbas dör inom det första året. Det innebär att dödligheten är större än efter till exempel en stroke eller en hjärtinfarkt. Det betyder att om man kan förutsäga vem som drabbas, kan man sätta in förebyggande åtgärder och på det sättet rädda liv.

Den nya studien bygger på insamlade registerdata från hela svenska populationen. Under fem års tid följde forskarna samtliga personer som levde Sverige, och var minst 50 år gamla, för att identifiera faktorer som ökade risken för höftfrakturer.

- Det mest överraskande resultatet var att vi kunde förutsäga höftfrakturer så noggrant utan att använda bentäthet, som traditionellt sett har varit en viktig faktor. Det betyder att fler personer kan identifieras i tid och erbjudas förebyggande behandling, säger Peter Nordström professor och överläkare som leder forskargruppen.

Enkelt att samla in

Bentäthetsmätning, som i dag är den vanligaste metoden att bedöma risken för frakturer, har flera begränsningar. Det är en tidskrävande undersökning som kräver dyr utrustning, och finns därför inte tillgänglig för alla läkare. Modellen som nu tagits fram bygger istället på variabler som är enklare att samla in i kliniska miljöer, såsom diagnoser, och medicinska behandlingar. Det gör det möjligt för vårdpersonal att göra riskbedömningar utan att behöva tillgång till utrustning för bentäthetsmätning.

- En stor fördel med vår modell är att den baseras på data som redan är tillgängliga i kliniken, vilket gör att vi snabbare och enklare kan identifiera riskgrupper. Det gör att vi kan sätta in förebyggande insatser tidigare, till exempel medicinering för benskörhet, och förhindra allvarliga komplikationer som inträffar vid höftfrakturer, säger Peter Nordström.

Forskningsmodellen bygger på 19 variabler, där de starkaste prediktorerna – förutom hög ålder – var användandet av hemtjänst samt diagnoser som Parkinsons sjukdom och demens. Modellen visade att kvinnor med hemtjänst hade en 5-årsrisk på nästan 8 procent för att drabbas av en höftfraktur, medan motsvarande siffra för män var 5 procent.

- En viktig insikt från vår forskning är att skörhet, som hemtjänst kan återspegla, är en stark indikator för höftfrakturer. Det hjälper oss att se att det inte bara handlar om bentäthet utan om hela individens hälsosituation," säger Anna Nordström, som är en av forskarna bakom studien.

Behandling kan sättas in tidigare

Ett viktigt centralt fynd i studien är att forskarna kunde fastställa en risktröskel för när behandling med benstärkande läkemedel bör övervägas. Om en person har en risk på 3 procent eller högre att drabbas av höftfraktur inom fem år, kan förebyggande medicinering vara till nytta. Enligt modellen behöver då 36 kvinnor eller 52 män behandlas för att förhindra en höftfraktur.

- Den här modellen kan få stor betydelse för äldre personer, särskilt de som inte har fått sin bentäthet mätt. Den ger oss ett verktyg för att tidigt identifiera riskgrupper och sätta in förebyggande åtgärder innan en höftfraktur inträffar, säger Peter Nordström.

Studien har validerats även bland individer med utländsk bakgrund och visade sig vara lika exakt där. Resultaten publicerades nyligen och forskningen kan komma att leda till nya riktlinjer för hur vården ska hantera risken för höftfrakturer hos äldre.

Länk till algoritmen för att räkna ut höftfrakturrisk (fri för användning):
https://www.healthy-ageing.life/shafre-fracture-risk-assessment

De 19 faktorerna som algoritmen bygger på är: ålder, kön, benskörhet, Parkinsons sjukdom, alkoholmissbruk, demens, höftfraktur hos syskon, tidigare fraktur, ledgångsreumatism, kronisk obstruktiv lungsjukdom, njursjukdom, stroke/slaganfall, depression eller antidepressiv medicinering, psykos eller neuroleptika, svensk bakgrund, låg inkomst, boende på äldreboende, hemtjänst, och kortison som tas i tablettform.

Artikel: Peter Nordström et al.; A novel clinical prediction model for hip fractures: a development and validation study in the total population of Sweden, eClinicalMedicine, Volume 77, 2024, 102877, ISSN 2589-5370, DOI: 10.1016/j.eclinm.2024.102877, https://doi.org/10.1016/j.eclinm.2024.102877

För mer information:
Peter Nordström, professor och överläkare, Institutionen för folkhälsa och vårdvetenskap, Uppsala universitet, e-post: peter.nordstrom@uu.se

Anna Nordström, forskare vid Institutionen för medicinska vetenskaper, Uppsala universitet, e-post: anna.nordstrom@uu.se

FÖLJ UPPSALA UNIVERSITET PÅ

facebook
instagram
youtube
linkedin