Übersichtsartikel

Prognose bei terminaler Niereninsuffizienz: Instrumente, Evidenz und klinische Anwendungen

61 Ansichten

⸱

DOI:

10.3791/70058

⸱

18. August 2026

 , 
1Division of Nephrology, Toronto General Hospital, University Health Network, University of Toronto

In diesem Artikel

Zusammenfassung

Diese Übersicht fasst prognostische Instrumente für die Niereninsuffizienz im Endstadium zusammen und beleuchtet deren Anwendung bei der Beurteilung des Sterblichkeitsrisikos, der gemeinsamen Entscheidungsfindung, dem konservativen Nierenmanagement und der individuellen Behandlungsplanung für ältere Erwachsene.

Zusammenfassung

Die Prognosestellung bei Patienten mit Niereninsuffizienz im Endstadium ist entscheidend für eine patientenzentrierte Versorgung und gemeinsame Entscheidungsfindung. Diese Übersicht fasst die derzeitigen Erkenntnisse zur prognostischen Beurteilung bei älteren Erwachsenen mit Niereninsuffizienz im Endstadium zusammen, die eine Dialysebehandlung oder eine konservative Nierenversorgung in Betracht ziehen. Es werden die Begründung für die Prognosestellung erläutert und die wichtigsten klinischen, funktionellen und laborchemischen Prädiktoren der Mortalität überprüft, einschließlich der Komorbiditätslast, Fragilität, funktionellen Status und biochemischer Parameter. Die Übersicht behandelt validierte prognostische Instrumente wie den Charlson-Komorbiditätsindex, die „Überraschungsfrage“ und multivariable Vorhersagemodelle sowie neuartige Ansätze des maschinellen Lernens zur individuellen Risikobewertung. Außerdem werden die Auswirkungen von funktionellem Leistungsabfall, Krankenhausaufenthalten und begrenztem Überlebensvorteil auf therapeutische Entscheidungen untersucht und die Rolle prognostischer Informationen bei der Vorsorgeplanung und zielorientierten Versorgung hervorgehoben. Darüber hinaus diskutiert die Übersicht die Kommunikation von Prognosen und die praktischen Herausforderungen bei der Implementierung prognostischer Instrumente in die routinemäßige nephrologische Praxis. Durch die Integration evidenzbasierter prognostischer Beurteilung mit individueller klinischer Evaluation und den Werten des Patienten kann die Prognosestellung informierte Therapieentscheidungen unterstützen und eine personalisierte Versorgung für ältere Erwachsene mit Niereninsuffizienz im Endstadium fördern.

Einleitung

Chronische Nierenerkrankungen (CKD) betreffen weltweit geschätzte 843,6 Millionen Menschen, wobei mehr als 2 Millionen Menschen an einer Nierenerkrankung im Endstadium (ESKD) leiden1,2,3,4,5. Ältere Erwachsene haben ein erhöhtes Risiko, eine fortgeschrittene Nierenerkrankung zu entwickeln, insbesondere Personen mit Herz-Kreislauf-Erkrankungen und anderen Begleiterkrankungen. Trotz erheblicher Fortschritte in der medikamentösen Therapie geht ESKD weiterhin mit einem erheblichen Risiko für Mortalität und Morbidität einher1,4.

Ein wichtiger Aspekt der CKD-Versorgung ist die vorausschauende Behandlungsplanung für den Fall einer Progression zu ESKD. Die Nierentransplantation ist die bevorzugte Form der Nierenersatztherapie, da sie die besten Ergebnisse hinsichtlich Überleben und Lebensqualität bietet. Allerdings steht die Transplantation Patienten ohne geeigneten Spender möglicherweise nicht zur Verfügung und kann bei Patienten mit hohem operativen oder medizinischen Risiko, Fragilität oder begrenzter Lebenserwartung kontraindiziert sein. Dies gilt häufig für ältere Patienten, die vor einer ungewissen Zukunft und einer schwierigen Entscheidung zwischen lebenslanger Dialyse – entweder zu Hause oder in einer Klinik – oder einer medizinischen Behandlung stehen, die auf die Kontrolle von Symptomen ausgerichtet ist, wobei berücksichtigt wird, dass dieser Ansatz das Überleben verkürzen kann. Ärzte haben klinische, ethische und rechtliche Verpflichtungen, einen individualisierten, patientenzentrierten Ansatz zu verfolgen, und müssen gleichzeitig anerkennen, dass die Dialyse in bestimmten Fällen das Leiden erhöhen kann, ohne notwendigerweise das Leben zu verlängern6.

In diesem Zusammenhang ist die vorausschauende Behandlungsplanung ein wichtiges Instrument, das Patienten, Familienangehörige und medizinisches Fachpersonal unterstützt, indem zukünftige Entscheidungen an den individuellen Werten, Wünschen und sich verändernden klinischen Gegebenheiten ausgerichtet werden6. Patienten und Familien können fundiertere Entscheidungen treffen, die ihren Werten und Präferenzen entsprechen, wenn sie klare und umfassende Informationen über die Vorteile und Risiken einer Dialyse erhalten. Sie sollten eingeladen und ermutigt werden, am gemeinsamen Entscheidungsprozess aktiv teilzunehmen. Obwohl die Dialyse das Überleben verbessern und Symptome lindern kann, sind ihre Vorteile bei älteren und gebrechlichen Patienten möglicherweise gering, und die Therapie kann mit erheblichen Einschränkungen der Selbstständigkeit und der Lebensqualität verbunden sein7. Die Prognosestellung ist daher ein zentraler Bestandteil der Patientenaufklärung und des gemeinsamen Entscheidungsfindens. Um die Abwägung zwischen Überleben und Lebensqualität vorzunehmen, müssen Patienten das potenzielle Überlebensbenefit durch den Beginn einer Dialyse verstehen sowie die Auswirkungen der Therapie auf ihre Lebensqualität einschätzen können.

Dieser Überblick erläutert die wesentlichen Merkmale von Strategien und Instrumenten, die zur Abschätzung der Prognose bei Patienten verwendet werden, die eine Dialyse in Erwägung ziehen oder mit ihr beginnen. Außerdem wird untersucht, wie diese Ansätze Nierenteams, Patienten und Familien dabei unterstützen können, gemeinsam Entscheidungen über Behandlungsoptionen und Versorgungsweg bei ESKD zu treffen (Abbildung 1).

Diagramm des patientenzentrierten Prognosepfads für Behandlungsentscheidungen bei CKD/ESKD, das Bewertungs- und Entscheidungsschritte zeigt.
Abbildung 1. Patientenzentrierter Prognosepfad bei fortgeschrittener chronischer Nierenerkrankung (CKD) und terminalem Nierenversagen (ESKD). Das Schema fasst die umfassende Patientenbeurteilung, multimodale prognostische Beurteilung, Kommunikation der Prognose und gemeinsame Entscheidungsfindung, Behandlungsauswahl sowie fortlaufende Neubeurteilung zur Unterstützung einer patientenzentrierten Versorgung zusammen. Hochgestellte Zahlen verweisen auf die im Manuskript zitierten Referenzen. Die Abbildung wurde mithilfe eines OpenAI-Bildgenerierungstools erstellt und anschließend von den Autoren hinsichtlich wissenschaftlicher und klinischer Genauigkeit überprüft und genehmigt. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

Überprüfung und Perspektive

Die Bedeutung der Prognosestellung bei chronischer Nierenerkrankung

Ein Verständnis der Prognose und des erwarteten Krankheitsverlaufs kann die therapeutischen Ziele und Lebensentscheidungen erheblich beeinflussen. Dieses Verständnis ist entscheidend, um eine personenzentrierte Versorgung zu gewährleisten, gemeinsame Entscheidungsfindung zu fördern und die vorausschauende Behandlungsplanung zu erleichtern. Studien an Krebspatienten und älteren Erwachsenen haben jedoch gezeigt, dass medizinische Fachkräfte prognostische Informationen selten kommunizieren, während Patienten häufig übermäßig optimistische Erwartungen hinsichtlich der Zukunft aufrechterhalten8.

Die prognostische Beurteilung ist ein zentraler Bestandteil der Gespräche zwischen Patienten und Ärzten, da Informationen zur Lebenserwartung häufig eingeholt werden, wenn über den Beginn einer Dialyse entschieden wird. Persönliche, kulturelle und religiöse Präferenzen sowie Werte spielen ebenfalls eine wichtige Rolle dabei, ob eine Person sich für eine Dialyse zur Lebensverlängerung entscheidet6. Ein Risikovorhersagemodell, das ein frühzeitiges Sterberisiko antizipiert, kann dazu beitragen, die Therapie zu individualisieren und die gemeinsame Entscheidungsfindung zwischen medizinischem Fachpersonal, Menschen mit Nierenerkrankungen und ihren Familienangehörigen zu unterstützen9. Dies ist besonders wichtig für Patienten, die für konservativere Behandlungspfade in Betracht gezogen werden. Die konservative Nierenversorgung (CKC), bei der aktive medizinische Behandlung, Symptomkontrolle und multiprofessionelle Unterstützung fortgesetzt werden, ohne eine Dialyse einzuleiten, wird von internationalen Leitlinien zunehmend als legitimer Behandlungspfad anerkannt und nicht mehr nur als Standardoption für Patienten, die keine Nierenersatztherapie erhalten können10. Insgesamt hat die Dialyse im Vergleich zur CKC eine längere mediane Überlebenszeit gezeigt (3,1 gegenüber 1,5 Jahren ab dem Zeitpunkt der Therapieentscheidung); dieser Überlebensvorteil verschwindet jedoch bei Patienten im Alter von 80 Jahren oder älter (P = 0,08) und ist bei Patienten mit schwerer kardiovaskulärer Komorbidität deutlich reduziert11,12. Über Sterblichkeitsendpunkte hinaus waren die Krankenhausaufenthaltsraten bei Patienten, die CKC erhielten, signifikant niedriger (Inzidenzratenverhältnis, 0,40; 95 % Konfidenzintervall [CI], 0,32–0,49)13.

CKC wurde außerdem mit einer verbesserten Lebensqualität, einer geringeren Belastung durch Symptome und einer höheren Wahrscheinlichkeit in Verbindung gebracht, zu Hause statt im Krankenhaus zu sterben12. Diese Befunde sprechen dafür, CKC prospektiv entsprechend der Vulnerabilitätsentwicklung eines Patienten zu integrieren, anstatt sie ausschließlich als letzte therapeutische Option zu nutzen. Eine prognostische Beurteilung kann helfen, Personen zu identifizieren, die am ehesten von dieser Behandlungsphilosophie profitieren würden. Beispielsweise könnten CKC oder modifizierte Dialysestrategien in Betracht gezogen werden, wenn bei einem Patienten innerhalb des ersten Jahres nach Beginn der Dialyse ein hohes Sterberisiko erwartet wird9. Jassal et al. schlugen auf Frailty-basierte Dialyseversorgungspfade vor, die die Behandlungsintensität, diätetische Einschränkungen und die häusliche Unterstützung entsprechend dem Frailty-Status anpassen, wobei eine periodische Neubewertung bidirektionale Übergänge ermöglicht, wenn sich der Zustand eines Patienten verändert14.

Vorhersagewerkzeuge werden voraussichtlich medizinisches Fachpersonal dabei unterstützen, Patienten und deren Familien bei Entscheidungen bezüglich der Behandlung von ESKD zu beraten15,16. Obwohl internationale Leitlinien ausdrücklich empfehlen, Patienten die Prognose mitzuteilen17,18,19 und Hinweise darauf hindeuten, dass die meisten Patienten prognostische Informationen erhalten möchten20,21,22, wurde diese Praxis in der routinemäßigen klinischen Versorgung nicht konsequent umgesetzt. Mehrere Hindernisse erschweren die effektive Kommunikation der Prognose. Nephrologen verfügen möglicherweise nicht über Werkzeuge, die genaue, individuelle Risikoeinschätzungen liefern, und fühlen sich unwohl dabei, die Prognose zu besprechen, da sie Bedenken hinsichtlich der möglichen emotionalen Auswirkungen auf die Patienten haben. Studien haben außerdem gezeigt, dass Patienten im Allgemeinen umfassendere Diskussionen über die Prognose bevorzugen, anstatt Vorhersagen, die ausschließlich als geschätzte Überlebenszeit formuliert sind23. Darüber hinaus lassen sich viele prognostische Modelle in der routinemäßigen klinischen Praxis nur schwer umsetzen, da ihnen eine externe Validierung fehlt, und vergleichsweise wenige wurden an Kohorten entwickelt, die Patienten einbeziehen, die Peritonealdialyse erhalten. Über die Vorhersage einer frühen Mortalität hinaus entwickelten Dusseux et al. einen Score zur 3-Jahres-Mortalität für ältere französische Dialysepatienten (≥70 Jahre), um Kandidaten zu identifizieren, die möglicherweise für eine Nierentransplantation in Frage kommen, was zeigt, dass prognostische Werkzeuge Anwendungen jenseits der initialen Entscheidung zur Einleitung der Dialyse haben (Tabelle 1)24.

Gesamtmortalität bei älteren Erwachsenen mit Niereninsuffizienz im Endstadium

Die Lebenserwartung älterer Erwachsener mit ESKD, die eine Dialyse erhalten, liegt weiterhin deutlich unter der der Gesamtbevölkerung. Laut dem United States Renal Data System (USRDS, 2024)4 beträgt die 5-Jahres-Überlebensrate bei Erwachsenen im Alter von 65 bis 74 Jahren 35,6 %, im Vergleich zu 23,8 % bei Personen im Alter von 75 Jahren oder älter, wobei sich in den letzten zehn Jahren nur geringfügige Verbesserungen ergeben haben. Bei Betrachtung nach Dialyseform sind die Ergebnisse vergleichbar. Bei der Hämodialyse (HD) liegt die 5-Jahres-Überlebensrate weiterhin bei etwa 34 %, während sie bei der Peritonealdialyse (PD) je nach Alter zwischen 22 % und 35 % variiert.

Die jüngsten USRDS-Daten zeigen außerdem, dass die geschätzte verbleibende Lebenserwartung für Menschen, die 2022 eine Dialyse erhielten, bei Frauen und Männern im Alter von 65–69 Jahren etwa 4,6 beziehungsweise 4,5 Jahre betrug. Bei Frauen im Alter von 75–79 Jahren sank dieser Wert auf 3,5 Jahre, bei Männern auf 3,3 Jahre. Im Gegensatz dazu wird bei Nierentransplantatempfängern in diesen Altersgruppen mit einer zusätzlichen Lebenserwartung von 7–11 Jahren gerechnet, während Personen der allgemeinen Bevölkerung eine verbleibende Lebenserwartung von etwa 16–18 Jahren haben. Trotz technologischer Fortschritte und verbesserter Auswahl der Kandidaten bestätigen diese Ergebnisse, dass die durch die Dialyse erzielten Zuwächse an Lebensdauer weiterhin begrenzt sind4.

Obwohl aktuelle Daten eine Stabilisierung der Überlebensraten zeigen, wurden zuvor ähnliche prognostische Muster beschrieben. In einer bevölkerungsbasierten Analyse von mehr als 350.000 Erwachsenen im Alter von 65 Jahren und älter in den Vereinigten Staaten berichteten Kurella et al.25, dass die Lebenserwartung nach Beginn der Dialyse mit zunehmendem Alter kontinuierlich abnimmt. Die mediane Überlebenszeit (50. Perzentil) sank von 2,5 Jahren bei Erwachsenen im Alter von 65–69 Jahren auf 0,6 Jahre bei Personen im Alter von 90 Jahren und darüber. Ebenso nahm das 75. Perzentil von 4,6 Jahren auf 1,7 Jahre ab, während das 25. Perzentil in denselben Altersgruppen von 0,9 Jahren auf 0,2 Jahre zurückging. Diese große Variabilität verdeutlicht die erhebliche prognostische Heterogenität zwischen Individuen ähnlichen Alters und unterstreicht, dass das chronologische Alter allein die Prognose nicht bestimmt. Das Sterblichkeitsrisiko ist in der frühen Phase nach Dialysebeginn am höchsten. Bei Erwachsenen, die nach dem 75. Lebensjahr mit der Dialyse beginnen, beträgt die Überlebenswahrscheinlichkeit in Europa 71 % nach einem Jahr und 54 % nach zwei Jahren im Vergleich zu 59 % bzw. 43 % in den Vereinigten Staaten. Mehr als 10 % der Patienten sterben innerhalb der ersten 3 Monate nach Beginn der Dialyse26.

Trotz dieser epidemiologischen Befunde weichen die Einschätzungen der Patienten bezüglich ihrer Prognose häufig erheblich von den beobachteten Überlebensraten ab. In einer Kohorte von 993 Patienten, die eine Dialyse erhielten, erwartete nur 11,2 % ein Überleben von weniger als 5 Jahren, während 33,0 % voraussagten, mehr als 10 Jahre zu überleben, obwohl Daten des USRDS zeigen, dass 60,3 % innerhalb von 5 Jahren verstarben. Patienten, die ein längeres Überleben erwarteten, legten signifikant seltener Behandlungspräferenzen schriftlich fest oder priorisierten eine auf Komfort ausgerichtete Versorgung und entschieden sich häufiger für eine Reanimation (adjustiertes Odds-Verhältnis [aOR], 5,3) oder eine maschinelle Beatmung (aOR, 2,2) im Vergleich zu Patienten mit realistischeren Überlebenserwartungen8.

Medizinische Morbidität und Krankenhausaufenthalte bei älteren Erwachsenen mit Niereninsuffizienz im Endstadium

Ältere Erwachsene, die eine Nierenersatztherapie beginnen, weisen eine hohe Belastung durch medizinische Komorbiditäten und akute klinische Ereignisse auf, die die Prognose direkt beeinflussen. Laut dem USRDS (2024)4 hatten im Jahr 2022 59 % der neu diagnostizierten Patienten mit ESKD Diabetes mellitus, 25 % eine Herzinsuffizienz und 17–28 % verschiedene Formen einer kardiovaskulären Erkrankung. Derselbe Bericht zeigte angepasste Hospitalisierungsraten aller Ursachen von 1,37 und 1,42 Ereignissen pro Personenjahr bei Individuen im Alter von 65–74 Jahren bzw. ≥75 Jahren, die PD erhielten, verglichen mit 1,46 und 1,49 Ereignissen pro Personenjahr bei denen, die HD erhielten4.

Ältere Erwachsene, die eine Dialyse beginnen, leiden häufig unter Multimorbidität, die ihren klinischen Verlauf erheblich beeinflusst. Komorbidität wirkt sich ebenfalls stark auf die gesundheitlichen Ergebnisse und die Überlebensrate bei Patienten mit chronischer Nierenerkrankung im Stadium 5 aus. Mehrere Studien berichteten über keinen signifikanten Unterschied in der Überlebensrate zwischen Patienten, die sich für eine Dialyse entscheiden, und solchen, die konservativ behandelt werden. Dieses Ergebnis spiegelt wahrscheinlich das hohe konkurrierende Todesrisiko vor dem Fortschreiten zu terminalem Nierenversagen wider, verbunden mit dem begrenzten Überlebensvorteil, der mit der Dialysebehandlung verbunden ist27,28.

In einer US-amerikanischen Kohorte von 391 Medicare-Empfängern im Alter von ≥65,5 Jahren hatte fast zwei Drittel vier oder mehr chronische Erkrankungen, und 73 % begannen die Dialyse während eines Krankenhausaufenthalts. Beide Faktoren waren unabhängig mit einer Ein-Jahres-Mortalitätsrate verbunden, die 50 % überstieg29. Ebenso zeigte eine nationale Registrierungsstudie mit 28.049 Erwachsenen im Alter von ≥67 Jahren, dass Patienten über 80 Jahre im ersten Jahr nach Dialysebeginn durchschnittlich 67 Tage in Krankenhäusern oder Pflegeeinrichtungen verbrachten, wobei die höchste Inanspruchnahme des Gesundheitswesens bei Personen mit Demenz oder kardiovaskulärer Erkrankung beobachtet wurde30.

Neben der hohen Prävalenz von Komorbiditäten zeichnet sich die frühe Phase nach Dialysebeginn durch wiederholte Krankenhausaufenthalte, Infektionen und funktionellen Verfall aus. In einer europäischen Kohorte von mehr als 10.000 Personen, die 2017 mit der Dialyse begannen, erlebte 82,8 % mindestens einen Krankenhausaufenthalt und 33,8 % verstarben innerhalb des ersten Jahres, was die erhebliche Belastung durch frühe Komplikationen unterstreicht31. Infektionsbedingte Aufnahmen bleiben eine der Hauptursachen für Morbidität und machen etwa ein Drittel aller Krankenhausaufenthalte aus, wobei nahezu die Hälfte der älteren Patienten im Verlauf betroffen ist. Diabetes mellitus, Herzinsuffizienz und Hypoalbuminämie gehören zu den wichtigsten Risikofaktoren für diese Aufnahmen32.

Funktioneller Rückgang bei älteren Erwachsenen, die eine Dialyse beginnen

Funktionelle Gebrechlichkeit und Abhängigkeit erhöhen die mit dem Beginn der Dialyse verbundenen Risiken bei älteren Erwachsenen weiter. Bei älteren Erwachsenen, die HD erhalten, wurden 46 % als gebrechlich eingestuft, 55 % litten unter Mangelernährung und 21 % waren in den grundlegenden Aktivitäten des täglichen Lebens abhängig33. Ein funktioneller Rückgang nach Beginn der Dialyse ist häufig und hat wichtige klinische Auswirkungen.

In einer wegweisenden Studie von Tamura et al.34, an der mehr als 3.700 Bewohner von Pflegeheimen in den Vereinigten Staaten teilnahmen, stieg der Minimum-Data-Set–Aktivitäten-des-täglichen-Lebens-(MDS-ADL)-Score, ein standardisiertes Maß für die Abhängigkeit bei grundlegenden Selbstpflegeaktivitäten, das aus dem in Langzeitpflegeeinrichtungen verwendeten Minimum Data Set abgeleitet ist35, vom Medianwert von 12 vor Beginn der Dialyse auf 16 danach. Nach 3 Monaten hatten nur 39 % der Teilnehmer ihren Ausgangsfunktionsstatus beibehalten. Nach 1 Jahr waren 58 % verstorben, und nur 13 % behielten ihr vorheriges Funktionsniveau. Ebenso berichteten Jassal et al.36, dass bei Erwachsenen im Alter von 80 Jahren oder älter mehr als 30 % innerhalb der ersten 6 Monate nach Dialysebeginn ihre Selbstständigkeit verloren. Weder die Dialyseform (HD versus PD) noch der Kontext des Dialysebeginns (stationär versus ambulant) war mit einem späteren Funktionsverlust assoziiert36.

Neuere Erkenntnisse deuten darauf hin, dass dieses Muster auch bei älteren Erwachsenen in der Gemeinschaft auftritt. In einer niederländischen Kohortenstudie von Goto et al.37 zeigten 40 % der Erwachsenen im Alter von 65 Jahren oder älter eine funktionelle Verschlechterung während der ersten 6 Monate nach Beginn der Dialyse, wobei das höchste Risiko bei älteren und gebrechlichen Personen beobachtet wurde. Zudem wies 79 % der Teilnehmer zum Studienbeginn ein gewisses Maß an funktioneller Abhängigkeit auf, und die Belastung der Pflegenden stieg während der Nachbeobachtungszeit von 23 % auf 38 %37.

Internationale Studien haben durchgängig gezeigt, dass funktionelle Abhängigkeit mit schlechteren Ergebnissen assoziiert ist. Eine 2016 veröffentlichte Studie zu Dialyseergebnissen und Behandlungspraktiken (Dialysis Outcomes and Practice Patterns Study) fand heraus, dass eine schwere funktionelle Abhängigkeit (funktioneller Score <8/13) unabhängig von Alter und Komorbidität mit einem 2,37-fach höheren Sterblichkeitsrisiko verbunden war38. Pereira et al.33 berichteten ebenfalls über hohe Raten von Gebrechlichkeit und funktioneller Abhängigkeit bei Erwachsenen im Alter von 75 Jahren oder älter, die Hämodialyse erhielten, sowie über häufige Müdigkeit nach der Dialyse. Diese Befunde unterstreichen die Bedeutung einer umfassenden geriatrischen Beurteilung und der frühzeitigen Einführung von Rehabilitations- und Unterstützungsmaßnahmen ab Beginn der Dialysebehandlung.

Entwicklung prognostischer Werkzeuge zur Vorhersage der Sterblichkeit bei Populationen mit CKD und ESKD

Obwohl bevölkerungsbasierte Sterblichkeitsdaten eine allgemeine Perspektive auf die potenziellen Vorteile der Dialyse für ältere Erwachsene bieten, liefern sie keine individuellen Prognoseabschätzungen. Um eine personalisiertere prognostische Beurteilung zu unterstützen, haben Forscher aus mehreren Ländern Risikovorhersagewerkzeuge für Patienten mit CKD und solche, die ein ESKD entwickeln, entwickelt. Diese Werkzeuge unterscheiden sich erheblich hinsichtlich ihres Designs und ihrer beabsichtigten klinischen Anwendung. Einige basieren auf einer einzigen subjektiven klinischen Einschätzung, während andere routinemäßig verfügbare Laborparameter, strukturierte Komorbiditätsindizes oder multivariable und maschinelle Lernmodelle einbeziehen, die eine dedizierte Dateninfrastruktur erfordern. Diese Heterogenität hat wichtige praktische Auswirkungen, da die Werkzeuge, die in stark frequentierten ambulanten Einrichtungen am machbarsten sind, nicht unbedingt diejenigen mit der höchsten Vorhersagegenauigkeit sind.

Auswirkung von Komorbidität auf das Überleben während der Dialyse

Die Komorbiditätslast ist ein gut etablierter Determinant für eine frühe Mortalität und Hospitalisierung bei älteren Erwachsenen, die eine Dialyse beginnen, und verschiedene Arbeitsgruppen haben dieses Risiko in prognostische Modelle mit guter Vorhersagegenauigkeit und klinischer Anwendbarkeit übertragen. Bestimmte Begleiterkrankungen sind in den meisten Vorhersagemodellen enthalten, insbesondere vaskuläre Erkrankungen, vor allem periphere arterielle Verschlusskrankheit, sowie kognitive Störungen wie Demenz. Andere häufige Erkrankungen, darunter chronische Herzinsuffizienz (CHF), zeigen eine variable Vorhersagegenauigkeit in verschiedenen Modellen. Lebendbedrohliche Erkrankungen, einschließlich aktiver oder metastasierender Krebserkrankungen, sowie andere Organversagen wie Leberfunktionsstörungen und respiratorische Insuffizienz, werden in einigen prognostischen Modellen berücksichtigt26,39.

Unter den Instrumenten zur Zusammenfassung von Multimorbidität bleibt der Charlson-Komorbiditätsindex (CCI) eines der am häufigsten verwendeten. Bei seiner Anpassung für Patienten mit ESKD bestätigten Hemmelgarn et al.40 die Gültigkeit des ursprünglichen CCI und zeigten eine verbesserte Leistung des ESKD-Komorbiditätsindex (Tabelle 1). Innerhalb des CCI haben metastasierende Erkrankungen, Lymphom und CHF das höchste Gewicht, was unterstreicht, dass das Sterblichkeitsrisiko stärker durch die gesamte Komorbiditätslast als allein durch das chronologische Alter beeinflusst wird. Die Gültigkeit des CCI wurde inzwischen in mehreren unabhängigen Studien bestätigt41,42,43,44. Obwohl die Einbeziehung einer größeren Anzahl von Komorbiditäten die Vorhersagegenauigkeit verbessern kann, erhöht dies auch die Komplexität bei der Umsetzung dieser Modelle in der routinemäßigen klinischen Praxis.

Unterschiede in der Vorhersagegenauigkeit zwischen prognostischen Modellen spiegeln wahrscheinlich Variationen in den Populationen wider, aus denen sie abgeleitet wurden. Die meisten Modelle wurden innerhalb einer einzelnen geografischen Region entwickelt und einer externen Validierung nicht unterzogen45. Außerdem könnte eine Selektionsverzerrung die Modellleistung beeinflussen, da Patienten mit terminalen Erkrankungen, wie metastasierendem Krebs, oder mit einer sehr begrenzten Lebenserwartung möglicherweise keine Dialyse angeboten bekommen und daher in den zur Entwicklung dieser Modelle verwendeten Populationen unterrepräsentiert sind. Diese mögliche Indikationsverzerrung sollte bei der Interpretation und Anwendung prognostischer Schätzungen in der klinischen Praxis berücksichtigt werden.

Verwendung funktioneller Skalen und der Überraschungsfrage

Schwäche wird als unabhängiger Prädiktor für Mortalität und Krankenhausaufenthalt bei älteren Erwachsenen mit chronischer Nierenerkrankung (CKD) anerkannt. Schwäche ist in dieser Bevölkerungsgruppe weit verbreitet. Gimena-Muñoz et al.46 berichteten über eine Prävalenz von Schwäche von 27 % bei Personen mit fortgeschrittener CKD, wobei der Fried-Schwächezustand zur Definition des Schwächezustands verwendet wurde. Sie identifizierten außerdem Typ-2-Diabetes mellitus und Anämie als unabhängige Prädiktoren für Schwäche. Darüber hinaus kann Schwäche das Risiko für neu aufgetretene CKD signifikant erhöhen47.

In einer systematischen Übersichtsarbeit und Metaanalyse von Puri et al.48, die 105 Studien mit Personen mit fortgeschrittener CKD umfasste, war eine mittels Fried-Frühindikator-Phänotyp oder der Rockwood Clinical Frailty Scale (CFS) ermittelte Fragilität mit einer Verdopplung des Mortalitätsrisikos im Vergleich zu nicht-frailen Personen verbunden (Tabelle 1). Die Fragilität verdoppelte zudem das Risiko für Krankenhausaufenthalte und bestätigte damit ihren prognostischen Wert über das chronologische Alter und Komorbiditäten hinaus. Diese Ergebnisse unterstreichen die Bedeutung der Einbeziehung der Fragilitätsbeurteilung in die routinemäßige Risikostratifizierung in der nephrologischen Praxis.

In Übereinstimmung mit diesen Befunden berichteten Kennard et al.49, dass Gebrechlichkeit mit einer zwei- bis sechsfachen Erhöhung des Risikos für Mortalität, Hospitalisierung und Progression zur Dialyse bei Personen mit fortgeschrittener chronischer Nierenerkrankung (CKD) assoziiert ist. Gebrechlichkeit bei dialysepflichtigen Patienten steht ebenfalls mit häufigen Komplikationen50 in Verbindung, darunter Infektionen, kardiovaskuläre Ereignisse, Versagen des vaskulären Zugangs, verlängerte Erholungsphase nach der Dialyse und verminderte Therapieadhärenz. Bei älteren Erwachsenen tragen diese Komplikationen zu einer stärkeren Krankheitslast, zunehmender funktioneller Abhängigkeit und höherer Inanspruchnahme medizinischer Versorgung bei. Gebrechlichkeit bleibt ein starker Prädiktor für Morbidität und Mortalität bei Patienten mit CKD, einschließlich jener, die eine Nierenersatztherapie erhalten oder konservativ behandelt werden, selbst nach Anpassung für chronologisches Alter und Multimorbidität51. Die Integration funktioneller Bewertungsskalen mit objektiven klinischen Parametern könnte die Vorhersagegenauigkeit von Risikoprognoseinstrumenten für das terminal Stadium der Nierenerkrankung (ESKD) weiter verbessern6,26.

Mehrere prognostische Modelle für chronische Nierenerkrankungen (CKD) und terminale Niereninsuffizienz (ESKD) beinhalten die „Überraschungsfrage“ (Surprise Question, SQ), die lautet: „Wären Sie überrascht, wenn diese Person innerhalb der nächsten 12 Monate sterben würde?“ Zu diesen Modellen zählen die von Cohen et al.52, Schmidt et al.6 und Javier et al.53 entwickelten (Tabelle 1). Die SQ spiegelt die klinische Gesamteinschätzung eines medizinischen Fachpersonals bezüglich des Gesundheitszustands eines Patienten wider und kann als Maß für die klinische Intuition (clinical gestalt) betrachtet werden. In einer prospektiven multizentrischen Studie entwickelten Schmidt et al.6 ein prognostisches Modell, das drei unabhängige Prädiktoren berücksichtigt: eine negative Antwort auf die SQ (Odds Ratio [OR], 3,29), einen mittleren oder niedrigen Karnofsky-Performance-Score (KPS) (OR, 2,09 bei KPS 50–70; OR, 4,69 bei KPS ≤40) sowie zunehmendes Alter (OR, 1,41 pro weiterem Jahrzehnt). Das Modell zeigte eine gute Vorhersageleistung und unterstrich den Wert der Kombination klinischer Beurteilung mit objektiver Funktionsbewertung zur Abschätzung ungünstiger Ergebnisse bei fortgeschrittener CKD (Tabelle 1)6.

Javier et al.53 untersuchten die SQ in einer prospektiven Studie mit 388 Erwachsenen im Alter von 60 Jahren oder älter mit CKD-Stadien 4–5, die nicht dialysepflichtig waren (Tabelle 1). Sie verwendeten eine dreikategoriale Version der SQ (Ja/Ungewiss/Nein), die einen klaren Gradienten im Sterblichkeitsrisiko zeigte: 5 % bei „Ja“, 15 % bei „Ungewiss“ und 27 % bei „Nein“ (P < 0,001). Die binäre Version der SQ verbesserte die Sensitivität (66 %), verringerte jedoch die Spezifität (68 %). Obwohl die Interpretation der SQ per se subjektiv ist und zwischen Ärzten variieren kann53, liegen ihre wesentlichen Vorteile in der Einfachheit, der intuitiven Anwendung und der leichten Handhabung im routinemäßigen klinischen Alltag.

Laborparameter

Mehrere routinemäßig gemessene Laborparameter haben zum Zeitpunkt der Dialyseinitiierung eine prognostische Bedeutung gezeigt, darunter die geschätzte glomeruläre Filtrationsrate (eGFR), das Serumalbumin, das Hämoglobin sowie Indizes der Dialyseadäquatheit wie Kt/V54,55,56. Unter diesen stellen Serumalbumin und Hämoglobin leicht verfügbare Marker dar, die den Ernährungs-, Entzündungs- und Funktionsstatus eines Patienten widerspiegeln. In einer retrospektiven Kohorte älterer Erwachsener mit CKD-Stadien 1–4 waren niedrigere Serumalbuminspiegel unabhängig mit einer höheren Gesamtmortalität assoziiert, nachdem sie für Alter, Geschlecht und Nierenfunktion adjustiert wurden55. Ebenso hat sich eine Anämie zum Zeitpunkt der Dialyseinitiierung als starker Prädiktor für eine frühe Mortalität erwiesen, wobei Patienten, die die Behandlung mit Hämoglobinspiegeln unterhalb von 10 g/dL begannen, trotz späterer Korrektur eine deutlich höhere Mortalität aufwiesen56. Diese Beobachtung legt nahe, dass ein niedriges Hämoglobin bei Dialysebeginn möglicherweise eine chronische Entzündung oder eine suboptimale prädialytische Versorgung widerspiegelt und nicht einfach nur eine reversiblen Anämie. Ein höherer eGFR-Wert zum Zeitpunkt der Dialyseinitiierung war ebenfalls mit einer erhöhten frühen Mortalität assoziiert, obwohl dies kontraintuitiv erscheint54. Diese Assoziation spiegelt wahrscheinlich eine Indikationsverzerrung wider, bei der Patienten mit schweren Komorbiditäten oder akuten Erkrankungen die Dialyse früher beginnen, obwohl die Nierenfunktion relativ erhalten ist. Sie könnte auch die Auswirkungen von Mangelernährung und reduzierter Muskelmasse widerspiegeln.

Autor / JahrInstrumententypStudienpopulationZiel / prognostischer HorizontHauptvariablenKlinische Anwendbarkeit / Einschränkungen
Schmidt et al.6Klinisches VorhersagemodellCKD-Stadien 4–5 (nicht dialysepflichtig)12-Monats-MortalitätÜberraschungsfrage, KPS, AlterEinfaches, validiertes Modell, das bei Entscheidungen zur Dialyseinitiierung oder konservativen Nierenmanagementunterstützung hilfreich ist.
Obi et al.9Klinisches Vorhersagemodell35.878 US-Veteranen1-Jahres-Mortalität (eGFR <15 vs. ≥15 mL/min/1.73 m²)Alter, Komorbiditäten, eGFR, Albumin, KrebsGetrennte Modelle basierend auf eGFR; überwiegend männliche Kohorte; beinhaltet keine Fragilitäts- oder Funktionsmaße.
Couchoud et al.15Klinisches Vorhersagemodell≥75 Jahre (Frankreich, REIN)3-Monats-MortalitätAlter, Geschlecht, CHF, Arrhythmie, periphere Gefäßerkrankung, aktiver Krebs, Hypoalbuminämie, funktionelle Abhängigkeit, VerhaltensstörungenKlassifiziert Patienten in Niedrig-, Mittel- und Hochrisikogruppen; breit anwendbar auf ältere Erwachsene mit ESKD.
Davison et al.18Klinisches VorhersagemodellPeritonealdialyse6–18-Monats-MortalitätAngepasstes Cohen-Modell plus von Pflegepersonal beantwortete ÜberraschungsfrageExtern in PD validiert; überschätzt die Mortalität bei Hochrisikopatienten; unterstreicht die Rolle der Pflegekräfte und die Bedeutung der Funktionsbeurteilung.
Dusseux et al.24Klinisches VorhersagemodellErstmalige Dialyse, ≥70 Jahre (Frankreich, REIN)3-Jahres-MortalitätAlter, Geschlecht, Diabetes, KHK, Abhängigkeit, niedriger BMI, temporärer KatheterEntwickelt, um Kandidaten für die Nierentransplantationsüberweisung statt für die Dialyseinitiierung zu identifizieren; moderate Diskriminierung (c-Statistik 0,71), gute Kalibrierung, jedoch keine externe Validierung außerhalb Frankreichs.
Thamer et al. 39Klinisches Vorhersagemodell≥67 Jahre, USA3- und 6-Monats-MortalitätUmfassende und vereinfachte Modelle (Alter, Abhängigkeit, Albumin, Krebs, CHF, Krankenhausaufenthalt, institutioneller Wohnsitz)Vereinfachter Bettscore; berücksichtigt keine Lebensqualitäts- oder Patientenpräferenzmaße.
Hemmelgarn et al.40KomorbiditätsindexLangzeit-HDGesamtmortalitätKomorbiditäten (CHF, Krebs, Lymphom, Metastasen)Der ESKD-Index übertrifft den CCI. Die Leistung verbessert sich weiter, wenn er mit maschinellem Lernen kombiniert wird (Noh et al.43; AUC 0,8357).
Santos et al.44Klinisches Vorhersagemodell≥65 Jahre, Portugal6-Monats-Mortalität nach DialysebeginnAlter, koronare Herzkrankheit, Schlaganfall mit Hemiplegie, niedriges Albumin, späte nephrologische ÜberweisungÜbertraf das Couchoud-Modell; nicht dialysepflichtige Patienten wurden ausgeschlossen, und keine Beurteilung der Fragilität erfolgte.
Ivory et al.45Klinisches VorhersagemodellErstmalige HD/PD, ≥15 Jahre (ANZDATA)6-Monats-MortalitätZwölf klinische Variablen (Alter, BMI, Komorbiditäten, Diabetes, späte Überweisung)Übertraf die Couchoud- und Wagner-Modelle; Anwendbarkeit könnte außerhalb Australiens und Neuseelands begrenzt sein.
Puri et al.48Fragilitäts-/Funktions-SkalaErwachsene mit CKD (alle Stadien, einschließlich Dialyse)Mortalität und KrankenhausaufenthaltFFP, CFS, modifizierte FFP, FRAIL-Skala, FragilitätsindexFFP und CFS zeigten den stärksten prognostischen Wert für Mortalität und Krankenhausaufenthalt. Die modifizierte FFP ist eine praktikable Alternative, wenn leistungsbasierte Tests nicht durchführbar sind; klinische Beurteilung allein ist unzureichend.
Oki et al.50Fragilitäts-/Funktions-SkalaErstmalige HD/PD-Patienten2-Jahres-Mortalität und KrankenhausaufenthaltCFSRetrospektiv durch Pflegekräfte angewendet; langdauernde Krankenhausaufenthalte wurden ausgeschlossen; praktikabel für den routinemäßigen klinischen Einsatz.
Cohen et al.52Klinisches VorhersagemodellLangzeit-HD6-Monats-MortalitätAlter, Demenz, periphere Gefäßerkrankung, Albumin, ÜberraschungsfrageKombiniert klinische Beurteilung mit objektiven Variablen; zeigt starke Diskriminierung (AUC 0,80–0,87).
Javier et al.53Subjektives Bewertungsinstrument≥60 Jahre, CKD-Stadien 4–512-Monats-MortalitätÜberraschungsfrage (Drei- und Zwei-Kategorien-Versionen)Vorhersage der 1-Jahres-Mortalität; erfordert vorherige Kenntnis des Patienten; moderate Übereinstimmung zwischen Bewertern und gute Test-Retest-Reliabilität.
Sun et al.55LaborparameterCKD-Stadien 1–4 (70 % ≥65 Jahre)Langfristige GesamtmortalitätSerumalbumin, AlterRetrospektive Einzelzentren-Kohorte (n = 201); nützlich als ergänzender Marker, nicht als alleiniger Prädiktor.
Wick et al. 54Klinisches Vorhersagemodell≥65 Jahre bei Dialysebeginn6-Monats-MortalitätAlter ≥80 Jahre, eGFR ≥15 mL/min/1.73 m², vorheriger Krankenhausaufenthalt, CHF, AF, KrebsStratifiziert das kurzfristige Mortalitätsrisiko; eGFR ≥15 mL/min/1.73 m² könnte eine frühe oder ungeplante Dialyseinitiierung widerspiegeln; gute Diskriminierung (ROC 0,73).
Karaboyas et al.56LaborparameterInternationale Erstmalige HD (DOPPS)1-Jahres-MortalitätBasis-Hämoglobin, ESA- und IV-EisendosenZeigt eine U-förmige Assoziation mit Eisendosierung; höhere Mortalität bei Hämoglobin <10 g/dL oder höheren ESA-Dosen; nützlich als ergänzender Biomarker.
García-Montemayor et al.57Modell des maschinellen LernensErstmalige HD (Spanien)6–24-Monats-MortalitätFünfzehn klinische und laborchemische Variablen (Random Forest)Bescheidene Verbesserung gegenüber logistischer Regression (ΔAUC 0,007–0,046); Kreatinin, Kt/V und Hämoglobin sind wichtige Prädiktoren für frühe Mortalität.
Sheng et al.59Modell des maschinellen LernensErstmalige HD (China)1-Jahres-MortalitätAlter, eGFR, CRP, Hämoglobin, Komorbiditäten (XGBoost)AUC 0,83–0,85; behielt 15 von 42 Kandidatenvariablen; erfordert externe Validierung in unterschiedlichen Populationen.

Tabelle 1: Instrumente zur Vorhersage der Mortalität bei Patienten mit fortgeschrittener chronischer Nierenerkrankung und terminaler Niereninsuffizienz. Diese Tabelle fasst validierte prognostische Instrumente, Bewertungsskalen für Gebrechlichkeit, laborchemische Marker und Modelle des maschinellen Lernens zusammen, die zur Abschätzung der Mortalität bei Patienten mit fortgeschrittener chronischer Nierenerkrankung (CKD) und terminaler Niereninsuffizienz (ESKD) entwickelt wurden. Für jede Studie werden die Studienpopulation, der prognostische Zeitraum, die wichtigsten prädiktiven Variablen sowie wesentliche Aspekte für die klinische Anwendung – einschließlich Stärken und Grenzen – dargestellt. Abkürzungen: AF, Vorhofflimmern; AUC, Fläche unter der ROC-Kurve (receiver operating characteristic); BMI, Body-Mass-Index; CCI, Charlson-Komorbiditätsindex; CFS, Clinical Frailty Scale; CHF, kongestive Herzinsuffizienz; CKD, chronische Nierenerkrankung; CRP, C-reaktives Protein; CVD, kardiovaskuläre Erkrankung; eGFR, berechnete glomeruläre Filtrationsrate; ESA, erythropoetisch wirksames Mittel; ESKD, terminale Niereninsuffizienz; FFP, Fried-Frailty-Phänotyp; HD, Hämodialyse; IV, intravenös; KPS, Karnofsky-Performance-Status; PD, Peritonealdialyse; REIN, Renal Epidemiology and Information Network; ROC, receiver operating characteristic; US, Vereinigte Staaten; XGBoost, Extreme Gradient Boosting. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Modelle des maschinellen Lernens zur Vorhersage der Sterblichkeit

Maschinelles Lernen (ML)-Algorithmen wurden zunehmend zur Vorhersage der Mortalität bei Patienten, die eine Dialyse erhalten, eingesetzt, wobei mehrere Studien eine verbesserte Diskriminierung im Vergleich zu traditionellen, auf Regressionsmodellen basierenden Ansätzen zeigten. Garcia-Montemayor et al.57 berichteten, dass ein Random-Forest-Modell die logistische Regression bei der Vorhersage der Mortalität nach 6 Monaten, 1 Jahr und 2 Jahren bei Patienten, die eine Hämodialyse erhielten, übertraf, mit einer Fläche unter der Kurve der Receiver-Operating-Characteristic (AUC) zwischen 0,68 und 0,73 (Tabelle 1). Yang et al.58 wandten einen CatBoost-Klassifikator auf Patienten an, die eine Peritonealdialyse erhielten, und erreichten eine AUC von 0,80, wobei Alter, Körpergewicht und Albumin im Serum als die einflussreichsten Prädiktoren identifiziert wurden. Sheng et al.59 entwickelten und validierten extern ein Extreme-Gradient-Boosting-(XGBoost)-Modell zur Vorhersage der Mortalität im ersten Jahr über 97 Nierenzentren hinweg. Das Modell erreichte eine AUC von 0,83–0,85 und übertraf damit deutlich die Leistung zuvor veröffentlichter Regressionsmodelle (Tabelle 1). Ebenso zeigten Koh et al.60, dass ein Random-Forest-Modell die etablierten prognostischen Scores REIN und Wick in einer älteren südostasiatischen Kohorte übertraf und eine AUC von 0,83 erreichte.

Trotz dieser vielversprechenden Ergebnisse bestehen wichtige Einschränkungen weiterhin. Die meisten ML-Modelle wurden anhand retrospektiver Daten aus Einzelzentrenkohorten entwickelt, mit begrenzter externer Validierung und geringer Interpretierbarkeit. Obwohl Erklärbarkeitsmethoden wie SHapley Additive exPlanations (SHAP) die Transparenz der Modelle verbessert haben, bleibt die Interpretierbarkeit eine wesentliche Hürde für die routinemäßige klinische Anwendung. Bislang wurde in keinem prospektiven randomisierten Studiendesign untersucht, ob eine ML-gestützte Prognosestellung die klinischen Ergebnisse oder die Qualität der gemeinsamen Entscheidungsfindung bei Patienten mit CKD oder ESKD verbessert, was eine wichtige Evidenzlücke darstellt.

Hürden bei der Implementierung prognostischer Werkzeuge in der klinischen Praxis

Trotz der zunehmenden Verfügbarkeit prognostischer Werkzeuge für Patienten mit fortgeschrittener CKD und ESKD bleibt deren Integration in die routinemäßige klinische Praxis begrenzt. Umfragen unter kanadischen Nephrologen haben gezeigt, dass mehr als 80 % hauptsächlich auf klinische Intuition zur Prognoseeinschätzung vertrauen, während etwa 70 % formelle Vorhersagewerkzeuge nie oder selten nutzen61. Zu den genannten Hindernissen zählen Bedenken hinsichtlich der Übertragbarkeit populationsbasierter Risikoschätzungen auf individuelle Patienten, Zeitmangel und geringe Vertrautheit mit den verfügbaren Instrumenten sowie der Evidenz für deren Anwendung. Bemerkenswerterweise unterschieden Gesundheitsfachkräfte durchgängig zwischen dem Wert prognostischer Werkzeuge auf Populationsebene und deren Anwendung bei einzelnen Patienten, was eine Herausforderung verdeutlicht, die allein durch externe Validierung voraussichtlich nicht gelöst werden kann62.

Die praktische Umsetzung vieler prognostischer Modelle ist zusätzlich eingeschränkt, da einige Publikationen kein verwendbares Format wie eine vollständige Regressionsgleichung oder einen Risikoscore bereitstellen, was die routinemäßige klinische Anwendung erschwert63. Außerdem haben nur 26,7 % der veröffentlichten Modelle eine externe Validierung erfahren, und formelle Evaluationsstudien dazu, ob prognostische Instrumente die gemeinsame Entscheidungsfindung oder die Patientenergebnisse verbessern, sind nach wie vor selten63. Die reale Anwendung prognostischer Werkzeuge in der Nephrologie bleibt daher gering, was möglicherweise auf begrenztes Vertrauen der Ärzte, mangelnde Erfahrung und Unsicherheiten hinsichtlich ihrer klinischen Nützlichkeit bei der Verbesserung der Patientenergebnisse zurückzuführen ist64.

Die Schließung dieser Implementierungslücke wird Anstrengungen erfordern, die über die Entwicklung und Validierung neuer prognostischer Modelle hinausgehen. Die Integration prognostischer Werkzeuge in elektronische Gesundheitsakten könnte Barrieren verringern, die sich auf Zeit, Zugänglichkeit und Arbeitsabläufe beziehen und die Ärzte durchgängig nennen62. Darüber hinaus könnte die Schulung von Nephrologen darin, probabilistische Risikoinformationen während Gesprächen über schwere Erkrankungen wirksam zu vermitteln, anstatt lediglich numerische Schätzungen vorzulegen, ebenso wichtig sein wie die weitere Verbesserung der Modellgenauigkeit62,65.

Einschränkungen

Mehrere Einschränkungen der bestehenden Literatur verdienen Erwähnung. Die meisten prognostischen Modelle9,26,39,45,55,66 wurden an geografisch begrenzten Kohorten entwickelt, und ihre Übertragbarkeit auf andere Gesundheitssysteme bleibt ungewiss. Obwohl einige Instrumente speziell für ältere Erwachsene entwickelt wurden, schließen viele validierte Modelle jüngere Dialysepatienten ein, und spezialisierte prognostische Instrumente für gebrechliche ältere Menschen sind weiterhin begrenzt. Die aktuelle Literatur konzentriert sich zudem stark auf Hämodialyse-Kohorten, während validierte prognostische Modelle für Patienten, die eine Peritonealdialyse erhalten, selten sind; die Arbeit von Davison et al.18 stellt eines der wenigen verfügbaren Beispiele dar. Maschinelle Lernmodelle, obwohl erfolgversprechend, wurden bisher nicht in prospektiven klinischen Studien evaluiert, und kein derzeit verfügbares prognostisches Instrument hat in einer randomisierten Studie nachweisen können, dass seine Anwendung die Qualität der gemeinsamen Entscheidungsfindung oder die Patientenergebnisse verbessert.

Künftige Forschung sollte die Entwicklung und externe Validierung prognostischer Modelle über verschiedene Populationen und Dialysemodalitäten hinweg, die prospektive Bewertung einer prognosegestützten Versorgung sowie die Einbindung patientenberichteter Präferenzen in klinische Risikobewertungsrahmenmodelle priorisieren.

Schlussfolgerungen

Die Prognosestellung ist ein wichtiger Bestandteil der gemeinsamen Entscheidungsfindung. Nephrologen sollten prognostische Informationen genau und patientenzentriert bereitstellen, um vorgeschlagene Behandlungen an den Werten und Präferenzen der Patienten auszurichten. Prognosewerkzeuge, einschließlich Risikovorhersagemodelle, können Nephrologen dabei unterstützen, nuanciertere Risikobewertungen vorzunehmen. Diese Werkzeuge können die frühzeitige Identifizierung von Personen erleichtern, die von einer umfassenden geriatrischen Beurteilung, einer Vorsorgevollmacht oder in ausgewählten Fällen von weniger invasiven Behandlungsalternativen oder einer palliativen Versorgung profitieren könnten26. Umgekehrt können sie helfen, Patienten mit günstiger Prognose zu identifizieren, die von einer proaktiven Planung des vaskulären Zugangs oder einer Transplantationsbeurteilung profitieren könnten. Verfügbare prognostische Werkzeuge reichen von schnellen subjektiven Einschätzungen, wie der „Surprise Question“, bis hin zu komplexen multivariablen Modellen. Diese Modelle sind jedoch möglicherweise nicht auf alle Populationen anwendbar und sollten nur in geeigneten klinischen Kontexten verwendet werden. Gesundheitsfachkräfte sollten daher einen multimodalen Ansatz verfolgen, der Laborparameter, Komorbiditäten, funktionelle Bewertungsskalen und klinisches Urteilsvermögen kombiniert, um prognostische Schätzungen zu entwickeln, die nicht übermäßig reduktionistisch sind. Modelle, die von Cohen et al.52, Schmidt et al.6 und Couchoud et al.26 entwickelt wurden (Tabelle 1), können besonders nützlich sein, da veröffentlichte Risikorechner verfügbar sind und schnell in der klinischen Praxis angewendet werden können. Die von Cohen et al.52 und Schmidt et al.6 entwickelten Modelle kombinieren klinisches Urteilsvermögen mit objektiven Parametern und ermöglichen so eine ganzheitlichere Beurteilung. Ebenso wichtig ist die Art und Weise, wie prognostische Informationen vermittelt werden. Die Informationen sollten in einer für Patienten verständlichen Sprache präsentiert werden, wobei sensibel auf deren Bereitschaft zur Diskussion über Sterblichkeit eingegangen wird. Prognostische Einschätzungen sollten Gespräche leiten und die potenziellen Vorteile und Grenzen einer Behandlung einordnen; Ärzte sollten es vermeiden, absolute Risikoschätzungen ohne angemessene Erklärung darzulegen. Strukturierte Kommunikationsrahmen, wie das Best-Case/Worst-Case-Tool, nutzen Szenarioplanung und grafische Hilfsmittel, um das beste, wahrscheinlichste und schlechteste Ergebnis jeder Behandlungsoption zu beschreiben. Solche Ansätze können Nephrologen dabei helfen, über isolierte statistische Schätzungen hinauszugehen und Patienten sowie deren Angehörige bei der Entscheidungsfindung zu unterstützen, sodass diese ihren Zielen und Werten entspricht16,67. Zukünftige Arbeiten sollten darauf abzielen, prognostische Werkzeuge in unterschiedlichen Populationen zu validieren und zu evaluieren, ob deren Einsatz die gemeinsame Entscheidungsfindung und patientenzentrierte Ergebnisse verbessert.

Offenlegungen

Die Autoren geben keine konkurrierenden finanziellen Interessen oder Interessenkonflikte an. Außerdem verwendeten die Autoren ein OpenAI-Bildgenerierungstool, um die erste Version von Abbildung 1 zu erstellen. Die Abbildung wurde anschließend von den Autoren geprüft, überarbeitet und freigegeben, die die vollständige Verantwortung für ihren wissenschaftlichen Inhalt und die klinische Genauigkeit übernehmen.

Referenzen

  1. Kovesdy CP. Epidemiology of chronic kidney disease: an update 2022. Kidney Int Suppl. 2022;12:7-11. doi:10.1016/j.kisu.2021.11.003.
  2. Couser WG, Remuzzi G, Mendis S, Tonelli M. The contribution of chronic kidney disease to the global burden of major noncommunicable diseases. Kidney Int. 2011;80(12):1258-70. doi:10.1038/ki.2011.368.
  3. Tamura MK. Incidence, management, and outcomes of end-stage renal disease in the elderly. Curr Opin Nephrol Hypertens. 2009;18:252-7. doi:10.1097/MNH.0b013e328326f3ac.
  4. United States Renal Data System. 2024 USRDS Annual Data Report: Epidemiology of Kidney Disease in the United States [Internet]. 2024 [cited 2025 Oct 5]. Available from: https://usrds-adr.niddk.nih.gov/2024/suggested-citation.
  5. Merchant A, Moideen A. Comprehensive insights into palliative nephrology: a chapter in contemporary renal medicine. In: Bolling G, Zelko E, editors. Palliative Care—Current Practice and Future Perspectives. IntechOpen; 2023. doi:10.5772/intechopen.1003074.
  6. Schmidt RJ, et al. Derivation and validation of a prognostic model to predict mortality in patients with advanced chronic kidney disease. Nephrol Dial Transplant. 2019;34(9):1517-25. doi:10.1093/ndt/gfy305.
  7. Merchant AA, Ling E. An approach to treating older adults with chronic kidney disease. CMAJ. 2023;195:E612-8. doi:10.1503/cmaj.221427.
  8. O’Hare AM, et al. Assessment of self-reported prognostic expectations of people undergoing dialysis: United States Renal Data System Study of Treatment Preferences (USTATE). JAMA Intern Med. 2019;179(10):1325-33. doi:10.1001/jamainternmed.2019.2879.
  9. Obi Y, et al. Development and validation of prediction scores for early mortality at transition to dialysis. Mayo Clin Proc. 2018;93(9):1224-35. doi:10.1016/j.mayocp.2018.04.017.
  10. Kidney Disease: Improving Global Outcomes (KDIGO) CKD Work Group. KDIGO 2024 clinical practice guideline for the evaluation and management of chronic kidney disease. Kidney Int. 2024;105(4 Suppl):S117-314. doi:10.1016/S0085-2538(24)00110-8.
  11. Verberne WR, et al. Comparative survival among older adults with advanced kidney disease managed conservatively versus with dialysis. Clin J Am Soc Nephrol. 2016;11(4):633-40. doi:10.2215/CJN.07510715.
  12. Buur LE, et al. Does conservative kidney management offer a quantity or quality of life benefit compared with dialysis? A systematic review. BMC Nephrol. 2021;22:307. doi:10.1186/s12882-021-02516-6.
  13. Kobayashi A, et al. Comprehensive conservative kidney management among older populations: a nationwide administrative claims database analysis. Kidney360. 2025;6:1713-21. doi:10.34067/KID.0000000923.
  14. Jassal SV, Van Loon I. Redesigning peritoneal dialysis care: the introduction of frailty-informed pathways. Perit Dial Int. 2025;45(2):70-3. doi:10.1177/08968608241304272.
  15. Couchoud C, et al. Supportive care: time to change our prognostic tools and their use in CKD. Clin J Am Soc Nephrol. 2016;11(10):1892-901. doi:10.2215/CJN.12631115.
  16. Zimmermann CJ, et al. Opportunities to improve shared decision making in dialysis decisions for older adults with life-limiting kidney disease: a pilot study. J Palliat Med. 2020;23(5):627-34. doi:10.1089/jpm.2019.0340.
  17. Schell JO, et al. Discussions of the kidney disease trajectory by elderly patients and nephrologists: a qualitative study. Am J Kidney Dis. 2012;59(4):495-503. doi:10.1053/j.ajkd.2011.11.023.
  18. Davison SN, Rathwell S. External validation of a prognostic model in routine practice for short- and long-term survival in peritoneal dialysis. Perit Dial Int. 2026;46(2):105-14. doi:10.1177/08968608251364097.
  19. Davison SN, et al. Executive summary of the KDIGO Controversies Conference on Supportive Care in Chronic Kidney Disease: developing a roadmap to improving quality care. Kidney Int. 2015;88:447-59. doi:10.1038/ki.2015.110.
  20. Milders J, et al. Living with chronic kidney disease: future perspectives and prognostic needs of patients—a qualitative study. BMC Nephrol. 2025;26:301. doi:10.1186/s12882-025-04243-8.
  21. Milders J, et al. Dealing with an uncertain future: a survey study on what patients with chronic kidney disease actually want to know. Clin Kidney J. 2024;17(8):1-8. doi:10.1093/ckj/sfae225.
  22. Saeed F, et al. Patients’ perspectives on dialysis decision-making and end-of-life care. Clin Nephrol. 2019;91(5):294-300. doi:10.5414/CN109608.
  23. Liu A, et al. Prognostic preferences of older adults on maintenance hemodialysis and their care partners: a qualitative study. Clin J Am Soc Nephrol. 2025;20(10):1387-95. doi:10.2215/CJN.0000000782.
  24. Dusseux E, et al. A simple clinical tool to inform the decision-making process to refer elderly incident dialysis patients for kidney transplant evaluation. Kidney Int. 2015;88(1):121-9. doi:10.1038/ki.2015.25.
  25. Tamura MK, Tan JC, O’Hare AM. Optimizing renal replacement therapy in older adults: a framework for making individualized decisions. Kidney Int. 2012;82:261-9. doi:10.1038/ki.2011.384.
  26. Couchoud CG, et al. Development of a risk stratification algorithm to improve patient-centered care and decision making for incident elderly patients with end-stage renal disease. Kidney Int. 2015;88(5):1178-86. doi:10.1038/ki.2015.245.
  27. Chandna SM, et al. Survival of elderly patients with stage 5 CKD: comparison of conservative management and renal replacement therapy. Nephrol Dial Transplant. 2011;26(5):1608-14. doi:10.1093/ndt/gfq630.
  28. Murtagh FEM, et al. Dialysis or not? A comparative survival study of patients older than 75 years with stage 5 chronic kidney disease. Nephrol Dial Transplant. 2007;22(7):1955-62. doi:10.1093/ndt/gfm153.
  29. Wachterman MW, et al. One-year mortality after dialysis initiation among older adults. JAMA Intern Med. 2019;179(7):985-7. doi:10.1001/jamainternmed.2018.8690.
  30. Montez-Rath ME, et al. Hospitalizations and nursing facility stays during the transition from CKD to ESRD on dialysis: an observational study. J Gen Intern Med. 2017;32(11):1220-7. doi:10.1007/s11606-017-4151-6.
  31. Kolbrink B, et al. Patient-focused outcomes after initiation of dialysis for ESRD: mortality, hospitalization, and functional impairment. Nephrol Dial Transplant. 2023;38(11):2528-36. doi:10.1093/ndt/gfad099.
  32. Dalrymple LS, et al. Infection-related hospitalizations in older patients with ESRD. Am J Kidney Dis. 2010;56(3):522-30. doi:10.1053/j.ajkd.2010.04.016.
  33. Pereira M, et al. Dependency and frailty in the older haemodialysis patient. BMC Geriatr. 2024;24:416. doi:10.1186/s12877-024-04973-8.
  34. Kurella Tamura M, et al. Functional status of elderly adults before and after initiation of dialysis. N Engl J Med. 2009;361(16):1539-47. doi:10.1056/NEJMoa0904655.
  35. Morris JN, Pries B, Morris S. Scaling activities of daily living within the Minimum Data Set. J Gerontol A Biol Sci Med Sci. 1999;54(11):M546-53. doi:10.1093/gerona/54.11.M546.
  36. Jassal SV, Chiu E, Hladunewich M. Loss of independence in patients starting dialysis at 80 years of age or older. N Engl J Med. 2009;361(16):1612-3. doi:10.1056/NEJMc0905289.
  37. Goto NA, et al. Association of initiation of maintenance dialysis with functional status and caregiver burden. Clin J Am Soc Nephrol. 2019;14(7):1039-47. doi:10.2215/CJN.13131118.
  38. Jassal SV, et al. Functional dependence and mortality in the international Dialysis Outcomes and Practice Patterns Study. Am J Kidney Dis. 2016;67(2):283-92. doi:10.1053/j.ajkd.2015.09.024.
  39. Thamer M, et al. Predicting early death among elderly dialysis patients: development and validation of a risk score to assist shared decision making for dialysis initiation. Am J Kidney Dis. 2015;66(6):1024-32. doi:10.1053/j.ajkd.2015.05.014.
  40. Hemmelgarn BR, Manns BJ, Quan H, Ghali WA. Adapting the Charlson Comorbidity Index for use in patients with ESRD. Am J Kidney Dis. 2003;42(1 Suppl 2):125-32. doi:10.1016/S0272-6386(03)00415-3.
  41. Lin YT, et al. High cost and low survival rate in high-comorbidity incident elderly hemodialysis patients. PLoS One. 2013;8(9):e75318. doi:10.1371/journal.pone.0075318.
  42. Flores-Mendoza AP, et al. Charlson Comorbidity Index and all-cause mortality in patients with delayed hemodialysis initiation: a prospective cohort study. BMC Nephrol. 2025;26:376. doi:10.1186/s12882-025-04197-x.
  43. Noh J, et al. Predicting early mortality in hemodialysis patients: a deep learning approach using a nationwide prospective cohort in South Korea. Sci Rep. 2024;14:29658. doi:10.1038/s41598-024-80900-6.
  44. Santos J, et al. Predicting 6-month mortality in incident elderly dialysis patients: a simple prognostic score. Kidney Blood Press Res. 2020;45(1):38-50. doi:10.1159/000504136.
  45. Ivory SE, et al. Predicting 6-month mortality risk of patients commencing dialysis treatment for end-stage kidney disease. Nephrol Dial Transplant. 2017;32(9):1558-65. doi:10.1093/ndt/gfw383.
  46. Gimena Muñoz R, et al. Assessment of frailty in patients with advanced chronic kidney disease and the role of microvesicles: a single-center study. PLoS One. 2025;20(9):e0332653. doi:10.1371/journal.pone.0332653.
  47. Zou S, et al. Frailty, genetic predisposition, and incident chronic kidney disease. Sci Rep. 2025;15(1):14625. doi:10.1038/s41598-025-97280-0.
  48. Puri A, et al. Frailty assessment tools in chronic kidney disease: a systematic review and meta-analysis. Kidney Med. 2025;7(3):100960. doi:10.1016/j.xkme.2024.100960.
  49. Kennard AL, Glasgow NJ, Rainsford SE, Talaulikar GS. Clinical implications and assessment of frailty in patients with advanced CKD: a narrative review. Kidney Int Rep. 2024;9:791-806. doi:10.1016/j.ekir.2023.12.022.
  50. Oki R, et al. Clinical frailty assessment might be associated with mortality in incident dialysis patients. Sci Rep. 2022;12(1):17651. doi:10.1038/s41598-022-22483-8.
  51. Nair D, et al. Frailty in kidney disease: a comprehensive review to advance its clinical and research applications. Am J Kidney Dis. 2025;85(1):89-103. doi:10.1053/j.ajkd.2024.04.018.
  52. Cohen LM, Ruthazer R, Moss AH, Germain MJ. Predicting six-month mortality for patients receiving maintenance hemodialysis. Clin J Am Soc Nephrol. 2010;5(1):72-9. doi:10.2215/CJN.03860609.
  53. Javier AD, et al. Reliability and utility of the Surprise Question in CKD stages 4-5. Am J Kidney Dis. 2017;70(1):93-101. doi:10.1053/j.ajkd.2016.11.025.
  54. Wick JP, et al. A clinical risk prediction tool for 6-month mortality after dialysis initiation among older adults. Am J Kidney Dis. 2017;69(5):568-75. doi:10.1053/j.ajkd.2016.08.035.
  55. Sun J, Su H, Lou Y, Wang M. Association between serum albumin level and all-cause mortality in patients with chronic kidney disease: a retrospective cohort study. Am J Med Sci. 2021;361(4):451-60. doi:10.1016/j.amjms.2020.07.020.
  56. Karaboyas A, et al. Low hemoglobin at hemodialysis initiation: an international study of anemia management and mortality in the early dialysis period. Clin Kidney J. 2020;13(3):425-33. doi:10.1093/ckj/sfz065.
  57. Garcia-Montemayor V, et al. Predicting mortality in hemodialysis patients using machine learning analysis. Clin Kidney J. 2021;14(5):1388-95. doi:10.1093/ckj/sfaa126.
  58. Yang J, et al. Machine learning algorithms for the prediction of adverse prognosis in patients undergoing peritoneal dialysis. BMC Med Inform Decis Mak. 2024;24:8. doi:10.1186/s12911-023-02412-z.
  59. Sheng K, et al. Prognostic machine learning models for first-year mortality in incident hemodialysis patients: development and validation study. JMIR Med Inform. 2020;8(10):e20578. doi:10.2196/20578.
  60. Koh BTG, et al. Predicting mortality in elderly chronic kidney disease patients using algorithmic risk assessment: a Southeast Asian perspective. BMC Nephrol. 2025;26:489. doi:10.1186/s12882-025-04389-5.
  61. Forzley B, et al. A survey of Canadian nephrologists assessing prognostication in end-stage renal disease. Can J Kidney Health Dis. 2017;4:1-9. doi:10.1177/2054358117725294.
  62. Bergeron J, et al. Nephrology providers’ perspectives and use of mortality prognostic tools in dialysis patients. BMC Nephrol. 2024;25:425. doi:10.1186/s12882-024-03861-y.
  63. Milders J, et al. Prognostic models in nephrology: where do we stand and where do we go from here? Mapping the evidence in a scoping review. J Am Soc Nephrol. 2024;35(3):367. doi:10.1681/ASN.0000000000000285.
  64. Siriwardana A, et al. Utilizing risk prediction models for older patients with chronic kidney disease. Kidney Int. 2026;109(3):474-83. doi:10.1016/j.kint.2025.11.021.
  65. Anderson RT, et al. Prediction of risk of death for patients starting dialysis: a systematic review and meta-analysis. Clin J Am Soc Nephrol. 2019;14(8):1213-27. doi:10.2215/CJN.00050119.
  66. Thorsteinsdottir B, et al. Validation of prognostic indices for short-term mortality in an incident dialysis population of adults older than 75 years. PLoS One. 2021;16(1):e0244081. doi:10.1371/journal.pone.0244081.
  67. Grubbs V. Time to recast our approach for older patients with ESRD: the best, the worst, and the most likely. Am J Kidney Dis. 2018;71(5):605-7. doi:10.1053/j.ajkd.2018.02.002.

Nachdrucke und Genehmigungen

Schlagwörter

Prognostische Bewertungprognostische InstrumenteCharlson Comorbidity IndexSurprise Questionmultivariable Pr diktionsmodelleMachine Learning Pr diktionFunktionsstatusVorausplanende Sorge Advance Care Planninggemeinsame Entscheidungsfindung
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.