ArchivDeutsches Ärzteblatt27-28/2022Validierung der kardiovaskulären Risikoprädiktion des arriba-Instruments
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Hintergrund: Kardiovaskuläre Präventionsleitlinien empfehlen, die Behandlung am kardiovaskulären Gesamtrisiko zu orientieren. In Deutschland hat das arriba-Instrument weite Verbreitung erfahren. Ziel der Studie ist die Validierung der arriba-Risikoprädiktion auf Basis von Morbiditäts- und Mortalitätsdaten der bevölkerungsbasierten Study of Health in Pomerania (SHIP).

Methode: In einer Längsschnittanalyse wurde für Probandinnen und Probanden ohne vorheriges kardiovaskuläres Ereignis das kardiovaskuläre 10-Jahres-Gesamtrisiko zum Zeitpunkt der Basisuntersuchung mit dem arriba-Instrument berechnet. Aus Daten der Folgeuntersuchungen wurden kardiovaskuläre Ereignisraten ermittelt und Diskriminierungs- und Kalibrierungsmaße für die Risikobestimmung berechnet.

Ergebnisse: In die Analyse wurden die Daten von 1 973 Probanden (Durchschnittsalter 51 ± 13 Jahre, 48 % Männer) eingeschlossen. Nach einer medianen Nachbeobachtungszeit von 10,9 Jahren betrug die kardiovaskuläre Ereignisrate 9,8 % (n = 196/1 973). Das Verhältnis aus prädizierter und beobachteter Ereignisrate betrug für Probanden mit niedrigem, mittlerem und hohem kardiovaskulären Risiko 0,8 (95-%-Konfidenzintervall: [0,5; 1,1]), 1,3 [1,0; 1,8] und 1,1 [0,8; 1,4]. Arriba unterschätzte bei Frauen und überschätzte in den Altersgruppen 30–44 und 45–59 Jahren die kardiovaskulären Ereignisraten. Der AUC-Wert (AUC, „area under curve“) betrug 0,84 [0,81; 0,86].

Schlussfolgerung: Die Diskriminierungswerte für das arriba-Instrument sind mit denen für SCORE-Deutschland und PROCAM vergleichbar, eine bessere Anpassung an die Zielpopulation wäre jedoch wünschenswert. Die Ergebnisse stützen die Empfehlung für die Nutzung des arriba-Instruments in der deutschen Leitlinie zur hausärztlichen Risikoberatung zur kardiovaskulären Prävention. Nicht gelöst ist die fehlende Berücksichtigung von Interventionseffekten, wobei eine insgesamt leichte Überschätzung des Risikos zu berücksichtigen ist.

LNSLNS

Die Bestimmung des kardiovaskulären Risikos und die Beratung dazu sind wesentliche Bestandteile der kardiovaskulären Primärprävention. Die Leitlinien zur kardiovaskulären Prävention der Deutschen Gesellschaft für Allgemeinmedizin (DEGAM) sowie der Deutschen Gesellschaft für Kardiologie (DGK) und der European Society of Cardiology (ESC) empfehlen die Bestimmung des kardiovaskulären Gesamtrisikos auf Basis multivariater Funktionen (1, 2). In Deutschland kommen die Risikobestimmungsinstrumente SCORE2 (zuvor SCORE-Deutschland, Systematic Coronary Risk Evaluation), PROCAM (Prospective Cardiovascular Münster) und arriba (Aufgabe gemeinsam definieren, Risiko subjektiv, Risiko objektiv, Information über Präventionsmöglichkeiten, Bewertung der Möglichkeiten, Absprache über weiteres Vorgehen) zum Einsatz (3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13). Sie dienen der Abschätzung des 10-Jahres-Gesamtrisikos für ein kardiovaskuläres Ereignis (Herzinfarkt, Schlaganfall) bei Personen ohne stattgehabtes kardiovaskuläres Ereignis.

Für die Risikobestimmung werden individuelle kardiovaskuläre Risikofaktoren erhoben, und daraus wird das Gesamtrisiko berechnet (Tabelle 1) (3, 14, 15). Das SCORE2-, PROCAM- und arriba-Instrument prädizieren das 10-Jahres-Gesamtrisiko für tödliche und nichttödliche Herz-Kreislauf-Ereignisse. Das arriba-Instrument wurde aus dem Framingham-Risikoscore entwickelt (4, 16). Eine Anpassung an europäische Daten erfolgte durch Adjustierung mit einem Kalibrierungsfaktor auf Basis der British Regional Heart Study (17). Zusätzlich wurde das Instrument für die Prädiktion von Schlaganfall und für die glykämische Kontrolle auf Basis des HbA1c bei Patientinnen und Patienten mit Diabetes erweitert (4). Die erwähnten Risikobestimmungsinstrumente sind online kostenlos verfügbar (Tabelle 1).

Risikoprädiktoren für die Risikoprädiktionsinstrumente arriba, PROCAM und SCORE2
Tabelle 1
Risikoprädiktoren für die Risikoprädiktionsinstrumente arriba, PROCAM und SCORE2

Das arriba-Instrument wird aufgrund der Möglichkeit, Effekte von Behandlungsoptionen abzubilden, häufig in der kardiovaskulären Risikoberatung in der Hausarztpraxis eingesetzt.

Ziel dieser Studie ist die Validierung des arriba-Instruments in Bezug auf die Übereinstimmung zwischen prädizierter und beobachteter kardiovaskulärer 10-Jahres-Ereignisrate (Kalibrierung) und die Identifizierung von Personen mit kardiovaskulären Ereignissen (Diskriminierung) auf Basis von Morbiditäts- und Mortalitätsdaten der bevölkerungsbezogenen Study of Health in Pomerania (SHIP) (18).

Methoden

Datengrundlage

Datenbasis ist die bevölkerungsbasierte Kohortenstudie SHIP (Ursprungspopulation: 213 057 Probanden aus dem Nordosten Deutschlands im Jahr 1996) (18). Genutzt wurden Daten aus der Basisuntersuchung (Untersuchungszeitraum 1997–2002, 4 308 Teilnehmerinnen und Teilnehmer, Responserate zur Baseline Untersuchung 68,8 %) und der ersten und zweiten Folgeuntersuchung (SHIP-1: 3 300 Teilnehmer, SHIP-2: 2 333 Teilnehmer, Responserate 71 %). Es wurden Selbstangaben zu Bluthochdruck- und Diabetesdiagnose, Myokardinfarkt, Schlaganfall und Medikamenteneinnahme, Laborparametern, Blutdruck- und somatometrischen Messergebnissen, Angaben des durchgeführten Medikamentenreviews sowie Daten des Mortalitäts-Follow-ups genutzt (18).

Einschlusskriterien

In die Analyse wurden alle Probanden ohne bisheriges selbstberichtetes Herzkreislaufereignis (Myokardinfarkt, Schlaganfall) im Alter von 30–80 Jahren eingeschlossen, die an der Basisuntersuchung und beiden Folgeuntersuchungen teilgenommen hatten oder im Studienverlauf im Zeitraum von 10,9 Jahren bis zur zweiten Folgeuntersuchung (medianer Nachbeobachtungszeit) an einem kardiovaskulären Ereignis verstorben waren. Es wurden nur Probanden mit vollständigen Daten zur Berechnung des kardiovaskulären Gesamtrisikos mit dem arriba-Instrument eingeschlossen (Grafik 1).

Zusammensetzung der Studienpopulation
Grafik 1
Zusammensetzung der Studienpopulation

Auswertung

Es handelt sich um eine Längsschnittanalyse. Für alle eingeschlossenen Probanden wurde auf Basis der Risikofaktoren das kardiovaskuläre 10-Jahres-Risiko zur Basisuntersuchung mit dem arriba-Instrument berechnet (prädizierte kardiovaskuläre Ereignisrate) (Definitionen siehe eKasten, eTabelle 1). Nichttödliche Ereignisse wurden auf Basis selbstberichteter Myokardinfarkte und Schlaganfälle aus Daten beider Folgeuntersuchungen definiert (Responserate der zweiten Folgeuntersuchung zur Baseline 54 %). Tödliche kardiovaskuläre Ereignisse wurden auf Basis des Mortalitäts-Follow-ups definiert, wenn eine verschlüsselte Haupttodesursache der Diagnosegruppen ICD-GM I10-I15, I20-I25, I26-I28, I30-I52, I60-I69, I70-I79 vorlag (eTabelle 2).

Definition kardiovaskulärer Ereignisse
eKasten
Definition kardiovaskulärer Ereignisse
Übersicht zu Messung und Definition von laborchemischen und klinischen Variablen
eTabelle 1
Übersicht zu Messung und Definition von laborchemischen und klinischen Variablen
Häufigkeit der verschlüsselten Haupttodesursachen bei Probanden mit tödlichem kardiovaskulärem Ereignis (n = 116)
eTabelle 2
Häufigkeit der verschlüsselten Haupttodesursachen bei Probanden mit tödlichem kardiovaskulärem Ereignis (n = 116)

Studienteilnehmer, die zum Zeitpunkt der Basisuntersuchung die Einschlusskriterien erfüllten, bildeten die Baseline-Kohorte. Fehlende Werte für die betrachteten Endpunkte konnten durch Studienabbruch (Drop-out oder „lost to follow-up“) oder konkurrierende Ereignisse (Tod aufgrund nichtkardiovaskulärer Ursachen) entstehen. Studienteilnehmer ohne fehlende Endpunktwerte bildeten die Complete-Case-Kohorte. Unter der Annahme des „missing at random“ modellierten wir mittels eines logistischen Regressionsmodells die Teilnahmewahrscheinlichkeit der Studienteilnehmer in Abhängigkeit von relevanten Variablen der Basisuntersuchung (Geschlecht, Alter, Zigarettenrauchen, Gesamt- und HDL-Cholesterinwert, systolischer Blutdruckwert, Einnahme antihypertensiver Medikamente, Body-Mass-Index, Vorhandensein eines Diabetes mellitus, Anzahl der in den letzten sieben Tagen eingenommenen Medikamente, Anzahl der Arztbesuche in den letzten vier Wochen). Die Fälle der Complete-Case-Kohorte wurden durch den Kehrwert der Teilnahmewahrscheinlichkeit an den Folgeuntersuchungen („inverse probability weights“) gewichtet. Durch deren Einsatz erhalten Personen mit geringer Teilnahmewahrscheinlichkeit ein höheres Gewicht, um den Einfluss von Bias durch selektive Teilnahme zu reduzieren.

Als Kriterien für die Validität des arriba-Instruments wurden die Kalibrierung (Übereinstimmung zwischen vorhergesagten und beobachteten Ereignissen) und Diskriminierung (Trennung zwischen Personen, die ein kardiovaskuläres Ereignis entwickeln, und solchen, die kein Ereignis entwickeln) untersucht. Als Kenngröße für die Kalibrierung berichten wir das Verhältnis vorhergesagter und beobachteter kardiovaskulärer Ereignisrate („predicted-over-observed“-Ratio, P/O-Ratio) für die Gesamtkohorte und definierte Subgruppen nach Alter, Geschlecht und vorhergesagtem Risiko (niedrig [< 10 %], mittel [10 % bis < 20 %] und hoch [≥ 20 %]). Ein P/O-Ratio > 1 weist auf eine Überschätzung und ein P/O-Ratio < 1 auf eine Unterschätzung des kardiovaskulären Risikos hin. Für die zentrale Analyse berechneten wir Ereignisraten und P/O-Ratios anhand der gewichteten Fälle der Complete-Case-Kohorte. Ergänzend berichten wir ungewichtete Ereignisraten für die Baseline- und Complete-Case-Kohorte. Die Diskriminierung wurde anhand von „receiver operating characteristic“(ROC)-Kurven und AUC-Wert („area under curve“, Fläche unterhalb der Kurve) ermittelt. Für diese Analyse sind keine etablierten Methoden zur Berücksichtigung inverser Wahrscheinlichkeitsgewichte bekannt, sodass hier die ungewichteten Daten der Complete-Case-Kohorte genutzt wurden. Die Datenanalyse erfolgte mit SAS 9.3, SAS Institute Inc., Cary, NC, USA.

Forschungsethik und Datenschutz

Für SHIP liegen ein positives Ethikvotum und Einverständnis der Teilnehmer sowie ein mit dem Landesdatenschutzbeauftragten abgestimmtes Rahmenkonzept zu Datenschutz und Datenhaltung vor (18).

Ergebnisse

Zur Basisuntersuchung erfüllten n = 3 446 Probanden die Einschlusskriterien (Baseline-Kohorte). Die Complete-Case-Kohorte setzte sich aus den n = 1 973 Probanden zusammen, die an beiden Folgeuntersuchungen teilgenommen hatten, und denjenigen, die bis zur zweiten Folgeuntersuchung an einem kardiovaskulären Ereignis verstorben waren (Grafik 1). Tabelle 2 zeigt die Charakteristika beider Kohorten. In der Complete-Case-Kohorte lag das Durchschnittsalter bei 51 Jahren (Standardabweichung: 13 Jahre); 48 % waren Männer. Ein niedriges kardiovaskuläres Risiko lag bei 69 % (1 356/1 973), ein mittleres bei 20 % (388/1 973) und ein hohes bei 12 % (229/1 973) der Probanden vor (Tabelle 3). Bis zur zweiten Folgeuntersuchung erlitten 80 Probanden (4,1 %, 80/1 973) der Complete-Case-Kohorte ein nichttödliches und 116 Probanden (5,9 %, 119/1 973) ein tödliches kardiovaskuläres Ereignis.

Charakteristika der Studienpopulation (Angaben aus der Basisuntersuchung)
Tabelle 2
Charakteristika der Studienpopulation (Angaben aus der Basisuntersuchung)
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
Tabelle 3
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument

In der Baseline-Kohorte lag die ungewichtete prädizierte Ereignisrate bei 9,80 %, in der Complete-Case-Kohorte betrug dieser Wert 8,27 % (eTabelle 3). Differenzen fanden sich auch für die Subgruppen; dies sind Hinweise darauf, dass die Gewichtung für fehlende Endpunktwerte wichtig war. Die gewichtete prädizierte Ereignisrate in der Complete-Case-Kohorte war nahezu identisch mit der prädizierten Ereignisrate in der Baseline-Kohorte (9,79 versus 9,80). Eine weitgehende Übereinstimmung fand sich hier auch in den einzelnen Subgruppen und kann als Hinweis gewertet werden, dass die Gewichtung für fehlende Werte adjustiert.

Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
eTabelle 3
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument

Das P/O-Ratio auf Grundlage der gewichteten Fälle der Complete-Case-Analyse betrug für die Gesamtkohorte 1,05 (Tabelle 3). Für Probanden mit niedrigem, mittlerem und hohem kardiovaskulärem Risiko betrug das P/O-Ratio jeweils 0,8 (95-%-Konfidenzintervall: [0,5; 1,1]), 1,3 [1,0; 1,8] und 1,1 [0,8; 1,4]. Das P/O-Ratio lag bei Frauen und in der Altersgruppe 60–80 Jahre bei unter eins und bei Männern und in den Altersgruppen von 30–44 sowie 45–59 Jahren zum Teil deutlich über eins (Tabelle 3). Die AUC für die Diskriminierung von Personen mit kardiovaskulärem Ereignis betrug 0,84 [0,81; 0,86] (Grafik 2).

ROC-Kurve (ROC, „receiver operating characteristic“) mit AUC-Wert
Grafik 2
ROC-Kurve (ROC, „receiver operating characteristic“) mit AUC-Wert

Diskussion

Zusammenfassung der Hauptergebnisse

Das arriba-Instrument zeigt insgesamt eine gute Diskriminierung für Personen mit kardiovaskulärem Ereignis auf Basis des AUC-Werts. Das Ereignisrisiko bei Personen mit niedrigem kardiovaskulärem Risiko wird vom arriba-Instrument leicht unterschätzt und das Ereignisrisiko vor allem bei Personen mit mittlerem Risiko leicht überschätzt.

Prognostische Güte

Für die Validierung von Risikoprädiktionsinstrumenten sind Analysen mit hoher Beobachtungszahl und ausreichend hoher Ereigniszahl der Goldstandard (19, 20). Eine umfangreiche Datenbasis hierfür ist im primärärztlichen Bereich in Deutschland nicht verfügbar, sodass bevölkerungsbasierte Kohortenstudien eine alternative Möglichkeit der externen Validierung bieten.

Nach unserer Kenntnis liefert bisher nur die DETECT-Studie Angaben zur Kalibrierung oder Diskriminierung des arriba-Instruments (21). Im Gegensatz zu unserer Analyse berichtet diese eine Überschätzung des Risikos bereits im Risikobereich < 10 % und eine deutlich höhere Überschätzung im Risikobereich > 20 %. Die Arbeit weist lediglich eine mediane Nachbeobachtungszeit von vier Jahren auf, beobachtete Ereignisraten wurden linear auf zehn Jahre extrapoliert und zur Berechnung des Risikos wurde eine ältere arriba-Papierversion (Punktescore) genutzt. Die Aussagekraft der Papierversion ist deutlich eingeschränkt, da eingehende Prädiktoren kategorisiert werden. Patientinnen und Patienten mit Diabetes mellitus wurden ausgeschlossen, während das arriba-Instrument eine Risikokalkulation für Menschen mit Diabetes explizit ermöglicht. Aufgrund der methodischen Limitationen der Studie ist die Aussagekraft in Bezug auf die Validität von arriba eingeschränkt. Dieselben Autoren berichten für zwei untersuchte Versionen des PROCAM Hinweise auf eine Überschätzung des Risikos für Personen mit mittlerem und hohem Risiko (21). Die oben genannten Limitationen gelten zum Teil auch hier.

Daten zur externen Validierung des SCORE2 für Deutschland auf Basis verschiedener Kohorten wurden kürzlich veröffentlicht und zeigen eine AUC zwischen 0,68 und 0,78 (5). Deutsche Daten zur Kalibrierung wurden bisher zum SCORE-, jedoch nicht zum SCORE2-Instrument veröffentlicht (Datengrundlage: SHIP-Studie, Studienzeitraum 1997–2001 und KORA-Studie [KORA, Kooperative Gesundheitsforschung in der Region Augsburg]; Studienzeitraum 1999–2001, altersstandardisierte landesbezogene Mortalitätsdaten) (9, 10, 11). Die ermittelten P/O-Ratios betrugen für SHIP je nach Altersgruppe für Männer 1,05–9,28 und für Frauen 0,26–3,15. Damit lag bei Frauen der Altersgruppe 40–54 Jahre eine Unterschätzung und bei Frauen der Altersgruppe 55–64 Jahre sowie bei Männern der Altersgruppe 45–64 eine Überschätzung vor. Die Überschätzung des Ereignisrisikos war mit zunehmender Altersgruppe höher und für die SHIP- größer als für die KORA-Studienpopulation. Aufgrund abweichender Kategorien und Methoden sind die Daten nicht direkt mit unseren vergleichbar. Unklar ist, ob von ähnlichen Eigenschaften des SCORE2 ausgegangen werden kann.

Drei Übersichtsarbeiten vergleichen eine Auswahl kardiovaskulärer Risikoprädiktionsinstrumente im Zeitraum bis 2016 in Bezug auf Diskriminierungsmaße (14, 15, 22). Für SCORE werden in unterschiedlichen internationalen Populationen AUC-Werte (externe Validierung) von 0,65–0,87 angegeben und P/O-Ratios von 0,28–1,50, für das PROCAM-Instrument AUC-Werte von 0,61 und 0,64. Der AUC-Wert für das arriba-Instrument von 0,84 [0,81; 0,86] in unserer Untersuchung ist mit den für SCORE und SCORE2 veröffentlichten Werten vergleichbar und höher als der für das PROCAM-Instrument.

Eine Limitierung bezüglich der Prädiktionsgüte für Risikoprädiktionsinstrumente ist allerdings, dass eine fortlaufende Rekalibrierung notwendig ist aufgrund der Abnahme kardiovaskulärer Ereignisse über die Zeit sowie aufgrund der Änderungen medikamentöser Therapien und deren Einfluss auf kardiovaskuläre Risikofaktoren und Ereignisse (14, 23, 24). Diese Anforderungen sind bei allen bisher publizierten Instrumenten nicht gelöst (25).

Eignung für die klinische Anwendung

Über die Validität hinaus sind die Auswahl geeigneter Endpunkte und Risikofaktoren, die praktische Anwendbarkeit und der Nachweis patientenrelevanter Effekte Kriterien für eine gute klinische Anwendbarkeit eines Risikoprädiktionsinstruments (14).

Von den in Deutschland angewendeten Risikoprädiktionsinstrumenten ermöglichen die Endpunkte des arriba- wie auch des PROCAM- und SCORE2-Instruments (kardiovaskuläre Morbidität oder Mortalität) die Umsetzung der Vorgaben des Gemeinsamen Bundesausschusses zur Verordnung von Lipidsenkern ab einem kardiovaskulären 10-Jahres-Gesamtrisiko von ≥ 20 % (1, 5, 12, 26). Das arriba-Instrument berücksichtigt im Unterschied zu SCORE (SCORE2) Diabetes und HbA1c als Risikoprädiktoren, die Differenzierung des kardiovaskulären Risikos bei Menschen mit Diabetes Typ 2 wurde bei SCORE2 allerdings verbessert (1, 2, 27).

Bezüglich der Anwendbarkeit im klinischen Alltag zeigte eine Interventionsstudie, dass eine arriba-Herz-Beratung in das Disease-Management-Programm Koronare Herzkrankheit integrierbar ist, und in einer Beobachtungsstudie gaben nur < 10 % der anwendenden Ärztinnen und Ärzte eine inakzeptable Verlängerung der Konsultationsszeit bei Anwendung des computerbasierten arriba-Instruments an (28, 29).

Ein Effekt auf Endpunkte wie Gesamtmortalität oder kardiovaskuläre Mortalität konnte bisher für keines der kardiovaskulären Risikobestimmungsinstrumente belegt werden (30). Collins et al. zeigten in einer Metaanalyse eine geringe Reduktion des systolischen Blutdrucks, des Gesamt- und LDL-Cholesterins sowie eine geringe Zunahme der Rate zu Rauchabstinenz. Alle gefundenen Effekte wurden aufgrund unzureichender Studienqualität und kurzer Nachbeobachtungszeit als unsicher bewertet (30). Für das arriba-Instrument wurde in einer Interventionsstudie ein Effekt einer Ärzteschulung auf die Verordnungsrate von Thrombozytenaggregationshemmern bei der Folgekonsultation, nicht jedoch auf die von Statinen oder Antihypertensiva gezeigt (31). Eine einmalige Beratung mit dem arriba-Instrument führte in einer anderen Interventionsstudie nicht zu einer Veränderung des Raucherverhaltens (28).

Allerdings widerspricht das Prinzip der gemeinsamen Entscheidungsfindung von Ärztin/Arzt und Patinetin/Patient der Erwartung, dass der Einsatz von Risikoprädiktions-Instrumenten zu besseren Risikokonstellationen und entsprechender Reduktion von Krankheitsereignissen führt. Es sind auch Entscheidungen von Patienten zu akzeptieren, die nicht zu einer Optimierung kardiovaskulärer Risikofaktoren führen.

In Bezug auf patientenrelevante Effekte zeigte eine randomisierte kontrollierte Studie für die papierbasierte Version des arriba-Instruments in der Interventionsgruppe eine höhere Patientenzufriedenheit sowie eine subjektiv empfundene bessere Beteiligung an der Entscheidungsfindung während der Beratung (32). Für die Beratung mit der elektronischen Version wurde in einer Beobachtungsstudie ebenfalls eine hohe Patientenzufriedenheit gefunden; 81 % der Patienten gaben an, die als Ergebnis der Beratung getroffene Entscheidung umgesetzt zu haben (33).

Studienergebnisse zeigen, dass 15–20 % der Patienten ihr eigenes kardiovaskuläres Risiko überschätzen und 13–40 % das Risiko unterschätzen (34). Im Vergleich zum SCORE- und PROCAM-Instrument kann mit dem arriba-Instrument das absolute kardiovaskuläre Risiko im Altersvergleich dargestellt werden, sodass eine individuelle Einordnung möglich ist.

Für das SCORE- und PROCAM-Instrument sind uns keine Untersuchungen zur Anwendbarkeit in der klinischen Praxis mit deutschen Daten bekannt.

Stärken und Limitationen

Die durchgeführte Analyse untersucht nach unserer Kenntnis erstmalig die prädiktive Validität für das arriba-Instrument über einen Beobachtungszeitraum von zehn Jahren. Wir nutzten Daten einer bevölkerungsbasierten Kohortenstudie mit qualitätsgesicherter umfangreicher Datenerhebung zu kardiovaskulären Risikofaktoren. Inverse Wahrscheinlichkeitsgewichte wurden genutzt, um den Einfluss von Bias durch selektive Teilnahme zu reduzieren. Dies war für die Kenngröße Kalibrierung möglich, nicht aber für die Diskriminierung. Hier ist eine Verzerrung durch selektive Teilnahme möglich.

Insgesamt wird die Aussagekraft der Ergebnisse durch die begrenzte Anzahl verfügbarer Beobachtungen und kardiovaskulärer Ereignisse limitiert (19). Unterschiede zwischen Zeitraum der Risikoprädiktion (= 10 Jahre) und individuell uneinheitlicher Nachbeobachtungszeit sowie die fehlende Datumsangabe zum Zeitpunkt des kardiovaskulären Ereignisses können zu einer Über- oder Untererfassung führen. Qualitätsmängel bei der Erfassung tödlicher kardiovaskulärer Ereignisse aus der kodierten Haupttodesursache sind aus anderen Studien bekannt (falsch-positive Erfassung in bis zu 30 % der kodierten Fälle (35, 36). In unserer Studie lag zu 25 Personen (4 %, 25/567) von allen im Beobachtungszeitraum Verstorbenen keine genaue Haupttodesursache vor, sodass die Annahme eines fehlenden kardiovaskulären Ereignisses bei diesen Personen möglicherweise zu einer Unterschätzung der Ereignisrate geführt hat. Die familiäre Belastung als kardiovaskulärer Risikofaktor wurde für alle eingeschlossenen Personen als negativ festgelegt, da das Alter der Angehörigen bei Eintreten der kardiovaskulären Erkrankung nicht erhoben wurde. Hier ist eine Über- oder Unterschätzung des kardiovaskulären Gesamtrisikos möglich. In unserer Studie wurde keine unbehandelte Kohorte analysiert. Wenn in Personengruppen mit höherem Risiko das beobachtete Risiko niedriger als das vorhergesagte Risiko ist, kann dies an einer Überschätzung durch den Score liegen oder Effekt einer wirksamen Prävention sein (37).

Schlussfolgerungen

Leitlinien für die kardiovaskuläre Prävention empfehlen übereinstimmend die Bestimmung des kardiovaskulären Gesamtrisikos. Unsere Analysen zeigen, dass die Validität des arriba-Instruments mit anderen in Deutschland verwendeten Risikobestimmungsinstrumenten vergleichbar ist und stützen die Empfehlung der deutschen Leitlinie zur hausärztlichen Risikoberatung zur kardiovaskulären Prävention für den Einsatz des arriba-Instruments. Leitlinienempfehlungen zu kardiovaskulären Risikoprädiktionsinstrumenten sollten neben der Risikoprädiktion auch Aspekte der klinischen Anwendbarkeit berücksichtigen.

Interessenkonflikt
Prof. Chenot erhielt für ein von ihm initiiertes Forschungsprojekt zum Thema finanzielle Unterstützung durch das Zentralinstitut für die kassenärztliche Versorgung.

Prof. Donner-Banzhoff besitzt Aktien der Firmen Novartis und Alcon. Er ist Mitentwickler von arriba, Ko-Geschäftsführer der gemeinnützigen Gesellschaft für Patientenzentrierte Kommunikation und Vorsitzender der arriba-Genossenschaft.

Dr. Haasenritter ist Mitglied der Leitlinienkommission der DEGAM, Mitautor und Koordinator der DEGAM-Leitlinie „Hausärztliche Risikoberatung zur kardiovaskulären Prävention“.

Dr. Angelow, Prof. Donner-Banzhoff und Prof. Chenot waren als Autorin und Autoren an der DEGAM-Leitlinie beteiligt.

Die übrige Autorin und die übrigen Autoren erklären, dass kein Interessenkonflikt besteht.

Manuskriptdaten
eingereicht: 21.12.2021, revidierte Fassung angenommen: 04.05.2022

Anschrift für die Verfasser
Dr. med. Aniela Angelow
Universitätsmedizin Greifswald
Abteilung Allgemeinmedizin
Institut für Community Medicine
Fleischmannstraße 6, 17475 Greifswald
aniela.angelow@gmx.de

Zitierweise
Angelow A, Klötzer C, Donner-Banzhoff N, Haasenritter J, Schmidt CO, Dörr M, Chenot JF: Validation of cardiovascular risk prediction by the arriba instrument—an analysis based on data from the Study of Health in Pomerania. Dtsch Arztebl Int 2022; 119: 476–82. DOI: 10.3238/arztebl.m2022.0220

►Die englische Version des Artikels ist online abrufbar unter:
www.aerzteblatt-international.de

Zusatzmaterial
eLiteratur, eKasten, eTabellen:
www.aerzteblatt.de/m2022.0220 oder über QR-Code

1.
Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin: www.degam.de/degam-leitlinien-379.html (last accessed on 8 December 2021).
2.
Deutsche Gesellschaft für Kardiologie: http://leitlinien.dgk.org/2022/pocket-leitlinie-praevention-von-herz-kreislauf-erkrankungen-version-2021/leitlinien.dgk.org/2021/2021-esc-guidelines-on-cardiovascular-disease-prevention-in-clinical-practice/) (last accessed on 13 April 2022).
3.
arriba: Kardiovaskuläre Prävention. http://arriba-hausarzt.de/module/kardiovaskuläre-prävention (last accessed on 8 December 2021).
4.
Donner-Banzhoff N, Keller H, Sadowski E-M, et al.: Individualisierte Risikoprognose für die Herz-Kreislauf-Prävention: ein Werkstattbericht. In: Kunz R, Ollenschläger G, Raspe H, Jonitz G (eds.): Lehrbuch Evidenzbasierte Medizin in Klinik und Praxis. Bern: Verlag Hans Huber 2007; 295–304.
5.
SCORE2 working group and ESC cardiovascular risk collaboration, SCORE2 risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe. Eur Heart J 2021; 42: 2439–54.
6.
SCORE2-OP working group and ESC cardiovascular risk collaboration, SCORE2-OP risk prediction algorithms: estimating incident cardiovascular event risk in older persons in four geographical risk regions. Eur Heart J 2021; 42: 2455–67 CrossRef PubMed Central
7.
European Society of Cardiology ESC). Heart Score. www.heartscore.org/en_GB/ (last accessed on 2 June 2022).
8.
Keil U, Fitzgerald AP, Gohlke H, Wellmann J, Hense HW: Risikoabschätzung tödlicher Herz-Kreislauf-Erkrankungen: die neuen SCORE-Deutschland-Tabellen für die Primärprävention. Dtsch Arztebl 2005; 102: A 1808–12 VOLLTEXT
9.
Hense HW, Koesters E, Wellmann J, Meisinger C, Völzke H, Keil U: Evaluation of a recalibrated systematic coronary risk evaluation cardiovascular risk chart: results from systematic coronary risk evaluation Germany. Eur J Cardiovasc Prev Rehabil 2008; 15: 409–15 CrossRef MEDLINE
10.
Rücker V, Keil U, Fitzgerald AP, et al.: Predicting 10-year risk of fatal cardiovascular disease in Germany: an update based on the SCORE-Deutschland risk charts. PLoS One 2016; 11: e0162188 CrossRef MEDLINE PubMed Central
11.
Holle R, Happich M, Löwel H, Wichmann HE: MONICA/KORA study group. KORA—a research platform for population based health research. Gesundheitswesen 2005; 67 Suppl 1: S19–25 CrossRef MEDLINE
12.
Assmann-Stiftung für Prävention 2018: Procam Gesundheitstests. https://www.assmann-stiftung.de/procam-tests/ (last accessed on 8 December 2021).
13.
Assmann G, Schulte H, Cullen P, Seedorf U: Assessing risk of myocardial infarction and stroke: new data from the Prospective Cardiovascular Münster (PROCAM) study. Eur J Clin Invest 2007; 37: 925–32 CrossRef MEDLINE
14.
Gorenoi V, Hagen A: Overview of risk-estimation tools for primary prevention of cardiovascular diseases in European populations. Cent Eur J Public Health 2015; 23: 91–9 MEDLINE
15.
Cooney MT, Dudina A, D’Agostino R, Graham IM: Cardiovascular risk-estimation systems in primary prevention: do they differ? Do they make a difference? Can we see the future? Circulation 2010; 122: 300–10 CrossRef MEDLINE
16.
Sullivan LM, Massaro JM, D’Agostino RB Sr.: Presentation of multivariate data for clinical use: the framingham study risk score functions. Stat Med 2004; 23: 1631–60 CrossRef MEDLINE
17.
Brindle P, Emberson J, Lampe F, et al.: Predictive accuracy of the framingham coronary risk score in British men: prospective cohort study. BMJ 2003; 327: 1267 CrossRef MEDLINE PubMed Central
18.
Völzke H, Alte D, Schmidt CO, et al.: Cohort profile: the study of health in Pomerania. Int J Epidemiol 2011; 40: 294–307 CrossRef MEDLINE
19.
Van Calster B, Nieboer D, Vergouwe Y, De Cock B, Pencina MJ, Steyerberg EW: A calibration hierarchy for risk models was defined: from utopia to empirical data. J Clin Epidemiol 2016; 74: 167–76 CrossRef MEDLINE
20.
Collins GS, Altman DG: An independent and external validation of QRISK2 cardiovascular disease risk score: a prospective open cohort study. BMJ 2010; 340: c2442 CrossRef MEDLINE PubMed Central
21.
Grammer TB, Dressel A, Gergei I, et al.: Cardiovascular risk algorithms in primary care: results from the DETECT study. Sci Rep 2019; 9: 1101 CrossRef MEDLINE PubMed Central
22.
Damen JAAG, Hooft L, Schuit E, et al.: Prediction models for cardiovascular disease risk in the general population: systematic review. BMJ 2016; 353: i2416 CrossRef MEDLINE PubMed Central
23.
Liew SM, Doust J, Glasziou P: Cardiovascular risk scores do not account for the effect of treatment: a review. Heart 2011; 97: 689–97 CrossRef MEDLINE PubMed Central
24.
Mehta S, Jackson R, Wells S, Harrison J, Exeter DJ, Kerr AJ: Cardiovascular medication changes over 5 years in a national data linkage study: implications for risk prediction models.Clin Epidemiol 2018; 10: 133–141 CrossRef MEDLINE PubMed Central
25.
Rospleszcz S, Thorand B, de Las Heras Gala T, et al.: Temporal trends in cardiovascular risk factors and performance of the framingham risk score and the pooled cohort equations. J Epidemiol Community Health 2019 ;73: 19–25 CrossRef MEDLINE
26.
Gemeinsamer Bundesausschuss (GBA): Anlage III – Übersicht über Verordnungseinschränkungen und -ausschlüsse in der Arzneimittelversorgung durch die Arzneimittel-Richtlinie und aufgrund anderer Vorschriften (§ 34 Absatz 1 Satz 6 und Absatz 3 SGB V). 2016. www.g-ba.de/downloads/83-691-714/AM-RL-III-Verordnungseinschraenkung_2022-01-18.pdf (last accessed on 2 June 2022).
27.
Bulugahapitiya U, Siyambalapitiya S, Sithole J, et al.: Is diabetes a coronary risk equivalent? Systematic review and meta-analysis. Diabet med 2009; 26: 142–8 CrossRef MEDLINE
28.
Bleckwenn M, Münster S, Weckbecker K: Motivation of high-risk patients to stop smoking in the DMPM. Gesundheitswesen 2015; 77: 885–7 CrossRef MEDLINE
29.
Hirsch O, Keller H, Krones T, Donner-Banzhoff N: Arriba-lib: evaluation of an electronic library of decision aids in primary care physicians. BMC Med Inform Decis Mak 2012; 12: 48 CrossRef MEDLINEPubMed Central
30.
Collins DR, Tompson AC, Onakpoya IJ, Roberts N, Ward AM, Heneghan CJ: Global cardiovascular risk assessment in the primary prevention of cardiovascular disease in adults: systematic review of systematic reviews. BMJ Open 2017; 7: e013650 CrossRef MEDLINE PubMed Central
31.
Keller H, Krones T, Becker A, et al.: Arriba: effects of an educational intervention on prescribing behaviour in prevention of CVD in general practice. Eur J Prev Cardiol 2012; 19: 322–9 CrossRef MEDLINE
32.
Krones T, Keller H, Sönnichsen A, et al.: Absolute cardiovascular disease risk and shared decision making in primary care: a randomized controlled trial. Ann Fam Med 2008; 6: 218–27 CrossRef MEDLINE PubMed Central
33.
Hirsch O, Keller H, Krones T, Donner-Banzhoff N: Acceptance of shared decision making with reference to an electronic library of decision aids (arriba-lib) and its association to decision making in patients: an evaluation study. Implement Sci 2011; 6: 70 CrossRef MEDLINE PubMed Central
34.
van der Weijden T, Bos LB, Koelewijn-van Loon MS: Primary care patients’ recognition of their own risk for cardiovascular disease: implications for risk communication in practice. Curr Opin Cardiol 2008; 23: 471–6 CrossRef
35.
Modelmog D, Rahlenbeck S, Trichopoulos D: Accuracy of death certificates: a population-based, complete-coverage, one-year autopsy study in East Germany. Cancer Causes Control 1992; 3: 541–6 CrossRef MEDLINE
36.
Pagidipati NJ, Gaziano TA: Estimating deaths from cardiovascular disease: a review of global methodologies of mortality measurement. Circulation 2013; 127: 749–56 CrossRef MEDLINE PubMed Central
37.
Pajouheshnia R, Peelen LM, Moons KGM, Reitsma JB, Groenwold RHH: Accounting for treatment use when validating a prognostic model: a simulation study. BMC Med Res Methodol 2017; 17: 103 CrossRef MEDLINE PubMed Central
e1.
European Guidelines for Cardiovascular Disease Prevention, Eur Heart J 2007; 28: 2375–414.
e2.
The Expert Committee on the diagnosis and classification of diabetes mellitus. Follow-up report on the diagnosis of diabetes mellitus. Diabetes Care 2003; 26: 3160–67 CrossRef MEDLINE
e3.
Latza U, Hoffmann W, Terschüren C, et al.: Erhebung, Quantifizierung und Analyse der Rauchexposition in epidemiologischen Studien. Berlin: Robert Koch-Institut; 2007.
Universitätsmedizin Greifswald, Abteilung Allgemeinmedizin, Institut für Community Medicine, Greifswald: Dr. med. Aniela Angelow, Christine Klötzer, Prof. Dr. med. Jean-François Chenot
Philipps-Universität Marburg, Abteilung für Allgemeinmedizin, Marburg: Prof. Dr. med. Norbert Donner-Banzhoff, Dr. rer. med. Jörg Haasenritter
Universitätsmedizin Greifswald, Abteilung SHIP/KEF, Institut für Community Medicine, Greifswald: Prof. Dr. rer. phil. Carsten Oliver Schmidt
Universitätsmedizin Greifswald, Zentrum für Innere Medizin, Klinik und Poliklinik Innere Medizin B Kardiologie, Greifswald: Prof. Dr. med. Marcus Dörr
Deutsches Zentrum für Herz-Kreislauf-Forschung e. V. (DZHK), Standort Greifswald:
Prof. Dr. med. Marcus Dörr
Zusammensetzung der Studienpopulation
Grafik 1
Zusammensetzung der Studienpopulation
ROC-Kurve (ROC, „receiver operating characteristic“) mit AUC-Wert
Grafik 2
ROC-Kurve (ROC, „receiver operating characteristic“) mit AUC-Wert
Risikoprädiktoren für die Risikoprädiktionsinstrumente arriba, PROCAM und SCORE2
Tabelle 1
Risikoprädiktoren für die Risikoprädiktionsinstrumente arriba, PROCAM und SCORE2
Charakteristika der Studienpopulation (Angaben aus der Basisuntersuchung)
Tabelle 2
Charakteristika der Studienpopulation (Angaben aus der Basisuntersuchung)
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
Tabelle 3
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
Definition kardiovaskulärer Ereignisse
eKasten
Definition kardiovaskulärer Ereignisse
Übersicht zu Messung und Definition von laborchemischen und klinischen Variablen
eTabelle 1
Übersicht zu Messung und Definition von laborchemischen und klinischen Variablen
Häufigkeit der verschlüsselten Haupttodesursachen bei Probanden mit tödlichem kardiovaskulärem Ereignis (n = 116)
eTabelle 2
Häufigkeit der verschlüsselten Haupttodesursachen bei Probanden mit tödlichem kardiovaskulärem Ereignis (n = 116)
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
eTabelle 3
Prädizierte und beobachtete 10-Jahres-Ereignisraten für das arriba-Instrument
1.Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin: www.degam.de/degam-leitlinien-379.html (last accessed on 8 December 2021).
2.Deutsche Gesellschaft für Kardiologie: http://leitlinien.dgk.org/2022/pocket-leitlinie-praevention-von-herz-kreislauf-erkrankungen-version-2021/leitlinien.dgk.org/2021/2021-esc-guidelines-on-cardiovascular-disease-prevention-in-clinical-practice/) (last accessed on 13 April 2022).
3.arriba: Kardiovaskuläre Prävention. http://arriba-hausarzt.de/module/kardiovaskuläre-prävention (last accessed on 8 December 2021).
4.Donner-Banzhoff N, Keller H, Sadowski E-M, et al.: Individualisierte Risikoprognose für die Herz-Kreislauf-Prävention: ein Werkstattbericht. In: Kunz R, Ollenschläger G, Raspe H, Jonitz G (eds.): Lehrbuch Evidenzbasierte Medizin in Klinik und Praxis. Bern: Verlag Hans Huber 2007; 295–304.
5.SCORE2 working group and ESC cardiovascular risk collaboration, SCORE2 risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe. Eur Heart J 2021; 42: 2439–54.
6.SCORE2-OP working group and ESC cardiovascular risk collaboration, SCORE2-OP risk prediction algorithms: estimating incident cardiovascular event risk in older persons in four geographical risk regions. Eur Heart J 2021; 42: 2455–67 CrossRef PubMed Central
7.European Society of Cardiology ESC). Heart Score. www.heartscore.org/en_GB/ (last accessed on 2 June 2022).
8.Keil U, Fitzgerald AP, Gohlke H, Wellmann J, Hense HW: Risikoabschätzung tödlicher Herz-Kreislauf-Erkrankungen: die neuen SCORE-Deutschland-Tabellen für die Primärprävention. Dtsch Arztebl 2005; 102: A 1808–12 VOLLTEXT
9.Hense HW, Koesters E, Wellmann J, Meisinger C, Völzke H, Keil U: Evaluation of a recalibrated systematic coronary risk evaluation cardiovascular risk chart: results from systematic coronary risk evaluation Germany. Eur J Cardiovasc Prev Rehabil 2008; 15: 409–15 CrossRef MEDLINE
10.Rücker V, Keil U, Fitzgerald AP, et al.: Predicting 10-year risk of fatal cardiovascular disease in Germany: an update based on the SCORE-Deutschland risk charts. PLoS One 2016; 11: e0162188 CrossRef MEDLINE PubMed Central
11.Holle R, Happich M, Löwel H, Wichmann HE: MONICA/KORA study group. KORA—a research platform for population based health research. Gesundheitswesen 2005; 67 Suppl 1: S19–25 CrossRef MEDLINE
12.Assmann-Stiftung für Prävention 2018: Procam Gesundheitstests. https://www.assmann-stiftung.de/procam-tests/ (last accessed on 8 December 2021).
13.Assmann G, Schulte H, Cullen P, Seedorf U: Assessing risk of myocardial infarction and stroke: new data from the Prospective Cardiovascular Münster (PROCAM) study. Eur J Clin Invest 2007; 37: 925–32 CrossRef MEDLINE
14.Gorenoi V, Hagen A: Overview of risk-estimation tools for primary prevention of cardiovascular diseases in European populations. Cent Eur J Public Health 2015; 23: 91–9 MEDLINE
15.Cooney MT, Dudina A, D’Agostino R, Graham IM: Cardiovascular risk-estimation systems in primary prevention: do they differ? Do they make a difference? Can we see the future? Circulation 2010; 122: 300–10 CrossRef MEDLINE
16.Sullivan LM, Massaro JM, D’Agostino RB Sr.: Presentation of multivariate data for clinical use: the framingham study risk score functions. Stat Med 2004; 23: 1631–60 CrossRef MEDLINE
17.Brindle P, Emberson J, Lampe F, et al.: Predictive accuracy of the framingham coronary risk score in British men: prospective cohort study. BMJ 2003; 327: 1267 CrossRef MEDLINE PubMed Central
18.Völzke H, Alte D, Schmidt CO, et al.: Cohort profile: the study of health in Pomerania. Int J Epidemiol 2011; 40: 294–307 CrossRef MEDLINE
19.Van Calster B, Nieboer D, Vergouwe Y, De Cock B, Pencina MJ, Steyerberg EW: A calibration hierarchy for risk models was defined: from utopia to empirical data. J Clin Epidemiol 2016; 74: 167–76 CrossRef MEDLINE
20.Collins GS, Altman DG: An independent and external validation of QRISK2 cardiovascular disease risk score: a prospective open cohort study. BMJ 2010; 340: c2442 CrossRef MEDLINE PubMed Central
21.Grammer TB, Dressel A, Gergei I, et al.: Cardiovascular risk algorithms in primary care: results from the DETECT study. Sci Rep 2019; 9: 1101 CrossRef MEDLINE PubMed Central
22.Damen JAAG, Hooft L, Schuit E, et al.: Prediction models for cardiovascular disease risk in the general population: systematic review. BMJ 2016; 353: i2416 CrossRef MEDLINE PubMed Central
23.Liew SM, Doust J, Glasziou P: Cardiovascular risk scores do not account for the effect of treatment: a review. Heart 2011; 97: 689–97 CrossRef MEDLINE PubMed Central
24.Mehta S, Jackson R, Wells S, Harrison J, Exeter DJ, Kerr AJ: Cardiovascular medication changes over 5 years in a national data linkage study: implications for risk prediction models.Clin Epidemiol 2018; 10: 133–141 CrossRef MEDLINE PubMed Central
25.Rospleszcz S, Thorand B, de Las Heras Gala T, et al.: Temporal trends in cardiovascular risk factors and performance of the framingham risk score and the pooled cohort equations. J Epidemiol Community Health 2019 ;73: 19–25 CrossRef MEDLINE
26.Gemeinsamer Bundesausschuss (GBA): Anlage III – Übersicht über Verordnungseinschränkungen und -ausschlüsse in der Arzneimittelversorgung durch die Arzneimittel-Richtlinie und aufgrund anderer Vorschriften (§ 34 Absatz 1 Satz 6 und Absatz 3 SGB V). 2016. www.g-ba.de/downloads/83-691-714/AM-RL-III-Verordnungseinschraenkung_2022-01-18.pdf (last accessed on 2 June 2022).
27.Bulugahapitiya U, Siyambalapitiya S, Sithole J, et al.: Is diabetes a coronary risk equivalent? Systematic review and meta-analysis. Diabet med 2009; 26: 142–8 CrossRef MEDLINE
28.Bleckwenn M, Münster S, Weckbecker K: Motivation of high-risk patients to stop smoking in the DMPM. Gesundheitswesen 2015; 77: 885–7 CrossRef MEDLINE
29.Hirsch O, Keller H, Krones T, Donner-Banzhoff N: Arriba-lib: evaluation of an electronic library of decision aids in primary care physicians. BMC Med Inform Decis Mak 2012; 12: 48 CrossRef MEDLINEPubMed Central
30.Collins DR, Tompson AC, Onakpoya IJ, Roberts N, Ward AM, Heneghan CJ: Global cardiovascular risk assessment in the primary prevention of cardiovascular disease in adults: systematic review of systematic reviews. BMJ Open 2017; 7: e013650 CrossRef MEDLINE PubMed Central
31.Keller H, Krones T, Becker A, et al.: Arriba: effects of an educational intervention on prescribing behaviour in prevention of CVD in general practice. Eur J Prev Cardiol 2012; 19: 322–9 CrossRef MEDLINE
32.Krones T, Keller H, Sönnichsen A, et al.: Absolute cardiovascular disease risk and shared decision making in primary care: a randomized controlled trial. Ann Fam Med 2008; 6: 218–27 CrossRef MEDLINE PubMed Central
33.Hirsch O, Keller H, Krones T, Donner-Banzhoff N: Acceptance of shared decision making with reference to an electronic library of decision aids (arriba-lib) and its association to decision making in patients: an evaluation study. Implement Sci 2011; 6: 70 CrossRef MEDLINE PubMed Central
34.van der Weijden T, Bos LB, Koelewijn-van Loon MS: Primary care patients’ recognition of their own risk for cardiovascular disease: implications for risk communication in practice. Curr Opin Cardiol 2008; 23: 471–6 CrossRef
35.Modelmog D, Rahlenbeck S, Trichopoulos D: Accuracy of death certificates: a population-based, complete-coverage, one-year autopsy study in East Germany. Cancer Causes Control 1992; 3: 541–6 CrossRef MEDLINE
36.Pagidipati NJ, Gaziano TA: Estimating deaths from cardiovascular disease: a review of global methodologies of mortality measurement. Circulation 2013; 127: 749–56 CrossRef MEDLINE PubMed Central
37.Pajouheshnia R, Peelen LM, Moons KGM, Reitsma JB, Groenwold RHH: Accounting for treatment use when validating a prognostic model: a simulation study. BMC Med Res Methodol 2017; 17: 103 CrossRef MEDLINE PubMed Central
e1.European Guidelines for Cardiovascular Disease Prevention, Eur Heart J 2007; 28: 2375–414.
e2.The Expert Committee on the diagnosis and classification of diabetes mellitus. Follow-up report on the diagnosis of diabetes mellitus. Diabetes Care 2003; 26: 3160–67 CrossRef MEDLINE
e3.Latza U, Hoffmann W, Terschüren C, et al.: Erhebung, Quantifizierung und Analyse der Rauchexposition in epidemiologischen Studien. Berlin: Robert Koch-Institut; 2007.

Kommentare

Die Kommentarfunktion steht zur Zeit nicht zur Verfügung.

Der klinische Schnappschuss

Alle Leserbriefe zum Thema

Stellenangebote