Bewertung der Mangelernährung bei Morbus Crohn: Ein neuartiges Risikoprognosemodell mit dynamischem Optimierungspotenzial und Wirksamkeitsvalidierung

Zusammenfassung

Diese Studie entwickelte und validierte ein neuartiges Modell für Risikovorhersage von Mangelernährung für Patienten mit Morbus Crohn mittels Metaanalyse, multivariabler logistischer Regression und maschinellem Lernen. Das Modell zeigte eine gute prädiktive Leistung und klinischen Nutzen zur Steuerung personalisierter Ernährungsinterventionen.

Zusammenfassung

Diese Studie zielte darauf ab, ein Modell zur Vorhersage von Missernährungsrisiken zu erstellen und zu validieren, das multivariable logistische Regression und maschinelles Lernen für Patienten mit Morbus Crohn (CD) kombiniert, mit dem Ziel, die Präzision der Identifizierung von Mangelernährungsrisiken durch Integration von Entzündungsmarkern und Krankheitsmerkmalen zu verbessern. PubMed, Web of Science, Cochrane Library, Embase und China National Knowledge Infrastructure (CNKI) wurden systematisch durchsucht, um Risikofaktoren für Mangelernährung bei Patienten mit CD zu identifizieren. Hochwertige Studien nach den Kriterien der Global Leadership Initiative on Malnutrition (GLIM) 2019, der European Society for Clinical Nutrition and Metabolism (ESPEN) 2015 oder dem Malnutrition Universal Screening Tool (MUST) wurden in die Metaanalyse aufgenommen, während die Studienkohorte die ESPEN 2015-Kriterien ausschließlich anwandte, um eine konsistente Ergebnisdefinition sicherzustellen. Das Vorhersagemodell wurde unter Verwendung von Daten von 800 Patienten mit CD aus der Inflammatory Bowel Bowel Disease Cohort Database (IBDCD) entwickelt und mittels Bootstrap-Resampling und einer unabhängigen, nicht überlappenden Hold-out-Teilmenge von 280 Patienten aus derselben Datenbank validiert. Die Modellleistung wurde anhand der Fläche unter der Empfänger-Betriebscharakteristiekkurve (AUC), dem Hosmer–Lemeshow-Test und dem Brier-Wert bewertet. Zwischen den Trainings- und Validierungskohorten wurden keine signifikanten Basisunterschiede beobachtet. Das Modell erreichte einen AUC von 0,987 in der Trainingskohorte und 0,967 in der Validierungskohorte, was eine gute Unterscheidung und Kalibrierung zeigt. Die Analyse der Entscheidungskurve zeigte zudem klinisch bedeutsame Nettovorteile über relevante Schwellenwahrscheinlichkeiten. Dieses Modell identifiziert effektiv das Mangelernährungsrisiko bei Patienten mit CD und kann personalisierte Ernährungsinterventionen unterstützen, klinische Entscheidungsfindung optimieren sowie die Patientenergebnisse sowie die Lebensqualität verbessern. Zukünftige multizentrische Studien sind erforderlich, um die Generalisierbarkeit des Modells weiter zu validieren und die Integration sozioökonomischer Faktoren für eine weitere Optimierung zu bewerten.

Einleitung

Morbus Crohn (CD) ist eine chronische, fortschreitende entzündliche Darmerkrankung (IBD) mit einer multifaktoriellen Ätiologie, deren globale Belastung in den letzten Jahren erheblich zugenommen hat¹. Epidemiologische Studien zeigen, dass CD zwar in westlichen Ländern häufiger vorkommt, die Häufigkeit und Prävalenz von CD in asiatischen Bevölkerungsgruppen, insbesondere in China, jedoch in den letzten drei Jahrzehnten deutlich gestiegen^sind.

Mangelernährung ist eine der häufigsten und klinisch bedeutsamsten Komplikationen bei Patienten mit CD.^2 Ungefähr ein Drittel bis die Hälfte der Patienten mit CD erlebt moderate bis schwere Mangelernährung². Mangelernährung steht im Zusammenhang mit längeren Krankenhausaufenthalten, erhöhten chirurgischen Anforderungen, höheren Raten postoperativer Komplikationen, beschleunigter Darmfibrose, erhöhter Glukokortikoidabhängigkeit, verminderter therapeutischer Wirkungswirkung und einer verringerten gesundheitsbezogenen Lebensqualität (HRQoL)^3,4. Darüber hinaus trägt Mangelernährung zur Immunfunktionsstörung bei, verschärft dadurch die Darmentzündung und schafft einen Teufelskreis, der erhebliche sozioökonomische und gesundheitliche Belastungen mit sich ^{bringt 3,4}.

Mehrere Ernährungsbewertungsinstrumente werden derzeit in der klinischen Praxis verwendet; ihre Anwendbarkeit auf Patienten mit CD bleibt jedoch begrenzt⁵. Die Patient-Generated Subjective Global Assessment (PG-SGA) wird zwar für das Ernährungsscreening bei Patienten mit chronischen Erkrankungen empfohlen, stützt sich jedoch stark auf subjektives klinisches Urteil und zeigt nur begrenzte Konsistenz unter Klinikern bei Anwendung auf CD-Populationen⁶. Außerdem fehlt PG-SGA die Spezifität hinsichtlich intestinaler Malabsorption. Das Nutritional Risk Screening 2002 (NRS 2002), das auf Body-Mass-Index (BMI)-basierten Schwellenwerten berücksichtigt, zeigte eine relativ geringe Sensibilität in asiatischen Populationen und könnte zu einer Unterdiagnose^{beitragen 7}. Ähnlich zeigt die Mini Nutritional Assessment-Short Form (MNA-SF), ursprünglich für ältere Bevölkerungsgruppen entwickelt, relativ hohe Falsch-Positiv-Raten bei jüngeren Erwachsenen mit CD.

Wichtig ist, dass die meisten derzeit verfügbaren Ernährungsbewertungsinstrumente auf statischen Bewertungssystemen basieren und die dynamischen Schwankungen des Ernährungsstatus, die mit der Krankheitsaktivität im^{Zyklustag 8} verbunden sind, nicht ausreichend erfassen. Da CD durch abwechselnde Remissions- und Rückfallphasen gekennzeichnet ist, kann sich der Ernährungsstatus im Laufe der Zeit parallel zur entzündlichen Aktivität^{verschlechtern} oder verbessern. Konventionelle Bewertungsansätze sind nicht in der Lage, eine dynamische Risikostratifizierung durchzuführen, und können daher eine frühzeitige subklinische Verschlechterung des Ernährungsstatus nicht erkennen. Darüber hinaus integrieren viele bestehende Werkzeuge keine krankheitsspezifischen Biomarker oder entzündlichen Indikatoren wie C-reaktives Protein (CRP), Serumalbumin und fekales Calprotectin, was ihre Vorhersagegenauigkeit in komplexen klinischen Umgebungen einschränkt¹⁰.

Jüngste Fortschritte in der künstlichen Intelligenz und im maschinellen Lernen (ML) haben neue Möglichkeiten eröffnet, die Risikobewertung der Ernährung bei chronisch entzündlichen Erkrankungen^{zu verbessern 11}. Im Vergleich zu traditionellen regressionsbasierten Ansätzen können ML-Algorithmen nichtlineare Assoziationen und komplexe Interaktionen zwischen Variablen identifizieren, was sie besonders geeignet für heterogene klinische Datensätze mit multidimensionalen Prädiktoren macht. Neue Erkenntnisse deuten darauf hin, dass ML-basierte Modelle für Ernährungsrisikovorhersage konventionelle statistische Ansätze bei der Vorhersage der Ernährungsverschlechterung bei Patienten mit IBD¹² übertreffen könnten. Neben der Verbesserung der prädiktiven Leistung können ML-Ansätze die Multikollinearität durch Regularisierungstechniken reduzieren und die Auswahl der Prädiktoren optimieren, um die Modellinterpretierbarkeit und Generalisierbarkeit^{zu verbessern 13,14}.

Die zunehmende Verfügbarkeit groß angelegter öffentlicher Datenbanken hat die ernährungsbezogene Forschung in CD weiter gestärkt. Internationale Datenbanken, darunter die IBD Biobank, die National Health and Nutrition Examination Survey (NHANES) und die UK Biobank, enthalten umfangreiche longitudinale klinische Daten, darunter Nährstoffindizes, entzündliche Biomarker, genomische Informationen und Lebensstilmerkmale 15,16,17. Die Integration dieser multidimensionalen Datensätze ermöglicht eine populationsübergreifende Validierung und verbessert die externe Anwendbarkeit prädiktiver Modelle. Meta-Analysen haben gezeigt, dass Vorhersagemodelle, die mit multizentrischen integrierten Datensätzen entwickelt wurden, eine größere Stabilität und Reproduzierbarkeit aufweisen als Modelle, die aus Ein-Zentrum-Kohorten abgeleitet sind.

Diese Studie stellte die Hypothese auf, dass die Integration multidimensionaler prädiktiver Variablen, einschließlich entzündlicher Marker, Krankheitsmerkmale sowie demografischer und sozioökonomischer Faktoren in Kombination mit multivariabler logistischer Regression und maschinellem Lernen die Genauigkeit und Effizienz der Risikovorhersage von Mangelernährung bei Patienten mit CD verbessern würde. Das resultierende Vorhersagemodell kann personalisierte Ernährungsinterventionen erleichtern, klinische Entscheidungsfindung optimieren und die Patientenergebnisse sowie die Lebensqualität verbessern.

Protokoll

Alle Patienten, deren Daten in die Inflammatory Bowel Bowel Disease Cohort Database (IBDCD) eingetragen wurden, gaben bei der Eintragung der Datenbank eine schriftliche informierte Einwilligung zur Verwendung deidentifizierter klinischer Daten für Forschungszwecke. Der gleiche ethische Genehmigungs- und Einwilligungsrahmen galt für alle aus der Datenbank extrahierten Daten, einschließlich sowohl der Entwicklungs- als auch der Validierungskohorten. In dieser Studie wurden keine identifizierbaren Patientendaten verwendet, und alle Daten wurden deidentifiziert und zur Speicherung verschlüsselt. Da diese Studie eine retrospektive Analyse de-identifizierter Daten aus einer etablierten Datenbank beinhaltete, verzichtete der Ethikausschuss auf die Verpflichtung einer zusätzlichen Patienteneinwilligung für diese spezielle Analyse. Die im Protokoll verwendeten Forschungswerkzeuge sind in der Materialtabelle aufgeführt.

1. Screening von einflussreichen Faktoren in der Metaanalyse

1. Literatursuchstrategie
   Eine systematische Suchstrategie wurde in PubMed, Web of Science, Cochrane Library, Embase und China National Knowledge Infrastructure (CNKI) durchgeführt. Die englische Suchstrategie wurde wie folgt definiert:
   
   ("Crohn-Krankheit"[Mesh] ODER "CD"[tiab] ODER "Crohn*"[tiab]) UND ("Mangelernährung"[Mesh] ODER "Ernährungsstatus"[Mesh] ODER "Ernährungsrisiko"[tiab]) UND ("Risikofaktoren"[Mesh] ODER "Vorhersagen*"[tiab])
   
   Der Suchzeitraum umfasste den Beginn der Datenbank bis zum 31. März 2025. Zusätzlich wurde eine manuelle Überprüfung von Literaturverzeichnissen aus eingeschlossenen Studien durchgeführt, um potenziell übersehene Artikel zu identifizieren. Diese Strategie ermöglichte eine umfassende Literaturübersicht über mangelernährungsbezogene Risiken und prädiktive Faktoren bei Patienten mit Morbus Crohn (CD), mit klar definierten Datenbanken, Suchbegriffen, Zeitrahmen und ergänzenden manuellen Abrufverfahren, um die Vollständigkeit der Literatursammlung sicherzustellen.
2. Einschluss- und Ausschlusskriterien
   Die Einschlusskriterien verlangten, dass die Studienpopulationen aus erwachsenen Patienten (im Alter ≥18 Jahre) bestehen, bei denen Morbus Crohn diagnostiziert wurde, gemäß dem Konsens 2018 zur Diagnose und Behandlung entzündlicher Darmerkrankungen. Angesichts der klinischen Bedeutung von Mangelernährung bei CD wurde der Schwerpunkt auf Studien gelegt, die Mangelernährung nach den Kriterien der European Society for Clinical Nutrition and Metabolism (ESPEN) 2015, dem Global Leadership Initiative on Malnutrition (GLIM) 2019 Kriterien oder dem Malnutrition Universal Screening Tool (MUST) Score ≥2 definieren. Es wurde eine klare Unterscheidung zwischen der Literatur definierten diagnostischen Kriterien und der exklusiven Anwendung der ESPEN-2015-Kriterien zur Ergebnisdefinition innerhalb der Studienkohorte gehalten.
   
   Geeignete Studiendesigns umfassten Kohorten-, Fall-Kontroll-, Querschnitts- und Mixed-Methods-Studien, um eine umfassende Bewertung der Risikofaktoren für Mangelernährung aus verschiedenen Perspektiven sicherzustellen. Ausschlusskriterien umfassten Tierversuche, Übersichtsartikel und Konferenzabstracts aufgrund unzureichender Datenunterstützung oder fehlender Peer-Review. Studien ohne wesentliche statistische Informationen, darunter Odds Ratios (ORs) und entsprechende 95%-Konfidenzintervalle (KI), wurden ebenfalls ausgeschlossen.

2. Literaturüberprüfung und Datenextraktion

Literaturprüfung und Datenextraktion wurden unabhängig voneinander von zwei Forschern durchgeführt, um Vollständigkeit und Genauigkeit sicherzustellen. Die Anfangsphase bestand darin, Titel und Abstracts auszuwählen, um Studien auszuschließen, die eindeutig die Einschlusskriterien nicht erfüllten, wodurch der Datensatz auf potenziell relevante, hochwertige Studien beschränkt wurde.

Anschließend wurde für Studien, die als potenziell geeignet galten, ein Volltextscreening durchgeführt. Diese Phase beinhaltete eine detaillierte Bewertung des Studiendesigns, der Methodik, der Ergebnisse und der Einhaltung vordefinierter Einschlusskriterien, um sicherzustellen, dass in der Endanalyse nur Studien mit allen Anforderungen berücksichtigt wurden.

Die Datenextraktion erfolgte mit standardisierten Formularen, um systematisch Schlüsselinformationen zu erfassen, darunter Autorennamen, Veröffentlichungsjahr, Land, Stichprobengröße, Verteilung des Montrealer Klassifikationssubtyps, durchschnittliche Krankheitsdauer, Definitionen von Mangelernährung, Bewertungsinstrumente und extrahierte ORs mit entsprechenden 95%-KIs für einflussreiche Faktoren im Zusammenhang mit Mangelernährungsrisiko.

Etwaige Unstimmigkeiten oder Unsicherheiten, die während des Screenings und der Datenentnahme entstanden, wurden durch interne Diskussionen gelöst. Wenn kein Konsens erzielt werden konnte, wurde ein externer Experte konsultiert, um zu schlichten, subjektive Verzerrungen zu minimieren und objektive Entscheidungen sicherzustellen. Dieser rigorose Prozess verbesserte die methodische Transparenz und bot eine solide Grundlage für die Identifizierung der wichtigsten Faktoren, die mit dem Mangelernährungsrisiko bei CD verbunden sind.

3. Qualitätsbewertung

Strenge Qualitätsbewertungskriterien wurden angewandt, um die wissenschaftliche Validität und Zuverlässigkeit der eingeschlossenen Studien sicherzustellen. Kohorten- und Fall-Kontroll-Studien wurden mit der Newcastle–Ottawa-Skala (NOS) bewertet, die die Studienqualität in drei Bereichen bewertet: Selektion, Vergleichbarkeit und Exposition. Nur Studien mit NOS-Werten ≥7 wurden als qualitativ hochwertig eingestuft und in die Analyse einbezogen.

Querschnittsstudien wurden mit dem Bewertungsinstrument der Agency for Healthcare Research and Quality (AHRQ) ausgewertet, das die Teilnehmerauswahl, die Stichprobengröße, die Validität von Datenerhebungsmethoden und die Angemessenheit statistischer Analysen untersucht. Studien mit AHRQ-Werten ≥8 galten als aufnahmeberechtigt.

Die Anwendung dieser strengen Qualitätsbewertungskriterien minimierte potenzielle Verzerrungen im Zusammenhang mit der Variabilität der Studienqualität und stellte sicher, dass das prädiktive Modell durch eine verlässliche Evidenzbasis gestützt wurde.

4. Konstruktion von Vorhersagemodellen

1. Datenquelle
   Die Inflammatory Bowel Bowel Disease Cohort Database (IBDCD) ist eine multizentrische prospektive Kohortendatenbank, die klinische Daten von Patienten mit Morbus Crohn enthält, die zwischen Januar 2018 und März 2025 erhoben wurden, einschließlich demografischer Informationen, klinischer Merkmale, Laborindikatoren, Behandlungsschemas und Ernährungsstatusbewertungen. Der Modellentwicklungsdatensatz umfasste 800 Patienten mit Morbus Crohn, abgeleitet aus der IBDCD-Datenbank, bestehend aus 520 Patienten in der Ausbildungskohorte und 280 Patienten in der Validierungskohorte.
   
   Die Einschlusskriterien erforderten eine bestätigte Diagnose der Morbus Crohn für mindestens 6 Monate sowie die Verfügbarkeit vollständiger klinischer Daten, einschließlich identifizierter Einflussfaktoren und Ernährungsbewertungsdaten aus der Metaanalyse. Patienten mit komorbiden Erkrankungen, die den Ernährungsstatus beeinflussen könnten, einschließlich Malignitäten oder chronischer Nierenerkrankung, wurden ausgeschlossen, um die Datengenauigkeit und Modellvalidität sicherzustellen.
2. Variablendefinition und -zuweisung
   Mangelernährung wurde strikt nach den ESPEN-Kriterien von 2015 diagnostiziert, die drei zentrale diagnostische Komponenten umfassen: unbeabsichtigter Gewichtsverlust (≥5 % innerhalb von 3 Monaten oder ≥10 % innerhalb von 6 Monaten), reduzierte Nahrungsaufnahme oder -aufnahme (≥25 % Verringerung für ≥14 Tage) sowie verminderte Muskelmasse, die durch körperliche Untersuchungen und anthropometrische Messungen, einschließlich des Mittelarmmuskelumfangs, bewertet wurde. Ein niedriger Body-Mass-Index (BMI < 18,5 kg/m²) galt als unterstützender und nicht als eindeutiger diagnostischer Indikator. Mangelernährung wurde nur bestätigt, wenn mindestens ein Kernkriterium vorhanden war, während ein niedriger BMI als ergänzender Indikator diente. Patienten mit niedrigem BMI ohne Hinweis auf die Kernkriterien wurden nicht als unterernährt eingestuft. Diese Definition vermied Zirkularität zwischen niedrigem BMI, einer prädiktiven Variable, und Mangelernährung, einem Ergebnis.
   
   Die Prävalenz von Mangelernährung betrug 42,5 % in der Ausbildungskohorte (n = 520) und 40,4 % in der Validierungskohorte (n = 280). Basierend auf den Metaanalyse-Ergebnissen wurden fünf wichtige Einflussfaktoren als prädiktive Variablen ausgewählt, darunter die Krankheitsaktivität definiert als C-reaktives Protein (CRP >10 mg/L; Ja = 1, Nein = 0), Dünndarmbeteiligung definiert durch die Montrealer Klassifikation (LL1/LL3 versus LL2 Darmbeteiligung; Ja = 1, Nein = 0), biologische Anwendung (Ja = 1, Nein = 0), Vorgeschichte der Darmresektion (Ja = 1, Nein = 0) und niedriger BMI (<18,5 kg/m²; Ja = 1, Nein = 0). Alter und Geschlecht wurden als demografische Ausgangsmerkmale erfasst, aber nicht als prädiktive Variablen im endgültigen Modell einbezogen, da sie während der vorläufigen Analyse statistisch nicht signifikant waren.
   
   Insgesamt wurden 17 hochwertige Studien in die Metaanalyse einbezogen. Die zusammengefassten ORs und die entsprechenden 95%-KI für die fünf prädiktiven Faktoren lauteten wie folgt: erhöhtes CRP (OR = 4,72, 95%-KI: 3,21–6,95), Dünndarmbeteiligung (OR = 2,89, 95%-KI: 1,93–4,33), biologische Anwendung (OR = 0,39, 95%-KI: 0,15–1,01), Vorgeschichte der intestinalen Resektion (OR = 6,17, 95%-KI: 2,35–16,18) und niedriger BMI (OR = 3,56, 95%-KI: 2.41–5.27).
3. Modellbaumethode
   Die gepoolten ORs und die entsprechenden 95%-KIs, die aus der Metaanalyse abgeleitet wurden, wurden in logaritmische OR-Werte umgewandelt und verwendet, um die Regressionskoeffizienten (β) des mehrdimensionalen logistischen Regressionsmodells herzuleiten. Die Konsistenz zwischen den Metaanalyse-Ergebnissen und den Modellkoeffizienten wurde mittels Pearson-Korrelationsanalyse überprüft (r = 0,98, P < 0,001). Basierend auf den identifizierten Einflussfaktoren wurde ein multivariables logistisches Regressionsmodell nach folgender Gleichung erstellt:
   
   "logit"(P) = α + β₁ X₁ + β₂ X₂ + β₃ X₃ + β₄ X₄ + β₅ X₅
   
   wobei P die Wahrscheinlichkeit des Auftretens von Mangelernährung darstellt und β Werte den natürlichen Logarithmus der aus der Metaanalyse abgeleiteten gepoolten OR-Werte darstellen.
   
   Mit R-Software (Version 4.2.1) und dem "rms"-Paket wurde das Modell in ein klinisch anwendbares Nomogramm übersetzt. Die ursprünglichen Risikowerte (theoretischer Bereich: 0–325,1) wurden linear auf einen Bereich von 0–100 skaliert, um die klinische Lesbarkeit zu verbessern. Basierend auf den Gesamt-Nomogrammwerten wurden die Patienten in Kategorien Niedrigrisiko (≤20 Punkte), mittleres Risiko (21–40 Punkte) und Hochrisiko-Kategorien (>40 Punkte) unter Verwendung einer perzentilbasierten Kalibrierung im Verhältnis zur Kohorten-Score-Verteilung eingeteilt.
   
   Maschinelle Lernalgorithmen, darunter Random Forest (RF) und Gradient Boosting Decision Tree (GBDT), wurden zur Feature-Optimierung eingesetzt. Eine Stacking-Strategie kombinierte RF und GBDT als Basislernende mit logistischer Regression als Metaklassifikator. Hyperparameter wurden mittels 5-facher Kreuzvalidierung optimiert, wobei RF als n_estimators = 200 und max_depth = 10 konfiguriert und GBDT als n_estimators = 150 und learning_rate = 0,1 konfiguriert wurde. Die Synthetic Minority Oversampling Technique (SMOTE) wurde angewandt, um kleinere Klassenungleichgewichte im Trainingsdatensatz zu beheben.

5. Modellvalidierung

1. Validierungsdatensatz
   Eine Dual-Validierungsstrategie wurde angewandt. Die interne Validierung erfolgte mittels Bootstrap-Resampling mit 1.000 Wiederholungen. Die Hold-out-Validierung wurde mit einer unabhängigen, nicht überlappenden Teilmenge von 280 Patienten aus der IBDCD-Datenbank durchgeführt, wobei Patienten aus der Trainingskohorte ausgeschlossen wurden. Alle Patienten in der Validierungskohorte wurden gemäß dem Konsens über entzündliche Darmerkrankungen 2018 mit Morbus Crohn diagnostiziert, wobei prospektiv gesammelte Daten von Januar 2018 bis März 2025 gesammelt wurden.
   
   Die Validierungskohorte folgte denselben Prüfverfahren wie die Ausbildungskohorte. Mangelernährung wurde anhand der ESPEN-2015-Kriterien bewertet, und alle prädiktiven Variablen, einschließlich CRP, Läsion, biologische Anwendung, Anamnese der Darmresektion und BMI, wurden innerhalb von 72 Stunden nach der Krankenhausaufnahme gemessen. Es wurden keine signifikanten Unterschiede zwischen den Ausbildungs- und Validierungskohorten hinsichtlich Ausgangsmerkmalen wie Alter, Geschlecht und Krankheitsdauer beobachtet (P > 0,05), was die Zuverlässigkeit und klinische Anwendbarkeit der Validierungsergebnisse stützt.
   
   Zusätzliche Leistungskennzahlen wurden berechnet, um die Modellleistung weiter zu bewerten. In der Trainingskohorte lag die Sensitivität bei 92,3 %, die Spezifität bei 94,1 %, der positive Prädiktiver Wert (PPV) bei 90,5 % und der negative Prädiktiver Wert (NPV) bei 95,2 %. In der Validierungskohorte lag die Sensitivität bei 90,2 %, die Spezifität bei 92,8 %, PPV bei 88,7 % und NPV bei 93,9 %. Der Brier-Wert lag in der Trainingskohorte bei 0,087 und in der Validierungskohorte bei 0,102, was auf einen akzeptablen Vorhersagefehler hinweist.
2. Validierungsmetriken
   Die Modelldiskriminierung wurde anhand der Fläche unter der Empfänger-Betriebscharakteristik (ROC)-Kurve (AUC) bewertet. Die Kalibrierung wurde mit dem Hosmer–Lemeshow-Test bewertet, bei dem P > 0,05 keinen signifikanten Unterschied zwischen den vorhergesagten Wahrscheinlichkeiten und den beobachteten Ergebnissen zeigte, sowie mit dem Brier-Score, bei dem die Werte <0,20 einen akzeptablen Vorhersagefehler anzeigten. Die Entscheidungskurvenanalyse (DCA) wurde zusätzlich durchgeführt, um den klinischen Nettonutzen über eine Reihe von Schwellenwahrscheinlichkeiten hinweg zu bewerten.
   
   Dieser Validierungsrahmen folgte dem Transparent Reporting of a Multivariable Prediction Model für die Richtlinien der individuellen Prognosen oder Diagnose (TRIPOD).

6. Statistische Analyse

Die Metaanalyse wurde mit RevMan Version 5.4 durchgeführt, und gepoolte ORs mit entsprechenden 95%-KIs wurden berechnet. Die Heterogenität wurde mit der Statistik I² bewertet; Werte >50 % deuten auf erhebliche Heterogenität hin. Random-Effects-Modelle wurden angewendet, wenn signifikante Heterogenität vorlag; ansonsten wurden Fixed-Effects-Modelle verwendet. Die Sensitivitätsanalyse wurde durchgeführt, indem einzelne Studien sequentiell ausgeschlossen wurden, um die Stabilität der Ergebnisse zu bewerten. Die Publikationsverzerrung wurde mittels Funnel-Plots und Eggers Test bewertet.

Grundlegende statistische Analysen wurden mit SPSS Version 26.0 durchgeführt. Die Pakete "pROC", "rms" und "glmnet" in R-Software (Version 4.2.1) wurden für den Modellbau und die Validierung verwendet.

Ergebnisse

Grundlegende Merkmale der Studienpopulation
Diese Metaanalyse umfasste 17 hochwertige Studien zur Untersuchung von Mangelernährung bei Patienten mit Morbus Crohn, wie in ergänzender Tabelle 1 zusammengefasst. Die Studien wurden zwischen 2009 und 2025 veröffentlicht, mit einer mittleren Stichprobengröße von 502 Patienten (Bereich: 175–773). Die Studiendesigns umfassten prospektive Kohorte, retrospektive Kohorte, Fall-Kontroll-, Querschnitts- und Mixed-...

Diskussion

Morbus Crohn (CD) ist eine chronische, wiederkehrende entzündliche Darmerkrankung, die jeden Teil des Magen-Darm-Trakts betreffen kann^. Die Ätiologie von CD bleibt unklar und man nimmt an, dass sie mehrere Faktoren umfasst, darunter genetische Anfälligkeit, Umweltbelastungen und eine Dysregulation des Immunsystems. Häufige klinische Manifestationen sind Bauchsc...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
RevMan software	Cochrane Collaboration‌	5.4	Die professionelle Metaanalyse-Software, die von der Cochrane-Zusammenarbeit entwickelt wurde, wird hauptsächlich für die Formulierung von systematischen Überprüfungen und Metaanalysen, Dateneingabe und Visualisierung von Ergebnissen verwendet. ‌
R-Software	Das R-Projekt für statistisches Computing	4.2.1	R ist ein Zweig der S-Sprache, die im Bereich der Statistik weit verbreitet war und um 1980 entstand. Es kann als eine Implementierung der S-Sprache angesehen werden. Die S-Sprache, die von AT&T Bell LABS entwickelt wurde, ist eine interpretative Sprache, die für Datenerforschung, statistische Analyse und Grafik verwendet wird.