Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning für Mobilität nach Wirbelbruch: zwei-stufiges Modell mit Fokus auf Fehlerreduktion

Voelker A et al. · JMIR Form Res · erschienen 29.10.2026 · PMID 42955877

Von KI ausgewählt und zusammengefasst

Worum es geht

Prospektive Kohortenstudie mit 158 älteren Patienten zur Vorhersage der Entlassmobilität nach osteoporotischer Wirbelkörperfraktur mit Machine Learning und Minimierung klinisch relevanter Fehlklassifizierungen.

Ergebnis

Präfrakturelle Mobilität war einziger signifikanter unabhängiger Prädiktor (OR 3,38; 95%-KI 1,68–6,80; p<0,001). Das 2-stufige Modell reduzierte extreme Fehlklassifizierungen (LOW-HIGH): 5 statt 22 im Basis-Modell. Im verschachtelten Cross-Validation: mittleres Macro-F1 0,388; Fehler Mittelwert 8,3 versus 22,5 (Baseline). Externe Validierung erforderlich vor klinischem Einsatz.

Übertragbarkeit auf Deutschland

Deutsche Klinikdaten, vergleichbare Strukturen – prospektives Design und Fokus auf Fehlerreduktion statt Genauigkeit wertvoll.

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