Britischer QCovid®-Score stützt STIKO-Empfehlungen

Rosa Bartel - Donnerstag, 21.1.2021

Das Potential des bevölkerungsbasierten Risikoalgorithmus aus Oxford.

Seit Beginn der Pandemie Anfang 2020 haben sich weltweit mehr als 96 Millionen Menschen mit SARS-CoV-2 infiziert und über 2 Millionen Menschen sind in diesem Zusammenhang gestorben. Welche Faktoren erhöhen das Risiko, ins Krankenhaus eingewiesen zu werden oder an der Erkrankung zu sterben? Ein Team von Wissenschaftler:innen unter der Leitung der Universität Oxford hat im Auftrag der britischen Regierung einen Algorithmus entwickelt, der anhand von demographischen und medizinischen Daten eben dieses Risiko vorhersagen soll.

Die Forschenden untersuchten dazu in 2 Zeiträumen die Daten von rund 8 Millionen Britinnen und Briten im Alter von 19100 Jahren. Rund 6 Millionen Erwachsene wurden in den Ableitungsdatensatz aufgenommen und etwa 2 Millionen in den Validierungsdatensatz. In die Analyse flossen demographische Faktoren sowie eine Vielzahl von Diagnosen ein, die sich für die Prognose anderer Atemwegserkrankungen in der Vergangenheit als nachteilig herausgestellt hatten. Die Merkmale der Validierungskohorte waren denen der Ableitungskohorte ähnlich.

Die Daten erhielten die Forscher:innen von der nationalen QResearch-Datenbank, die von mehr als 1.200 allgemeinmedizinischen Praxen in Großbritannien, Krankenhausstatistiken, Daten aus Todesregistern sowie SARS-CoV-2-Testergebnissen gespeist wird. Die Daten der Ableitungskohorte und der ersten Validierungskohorte erfassen den Zeitraum des ersten bestätigten Corona-Falls in Großbritannien Ende Januar bis Ende April 2020. Die Daten der zweiten Validierungskohorte wurden von Mai bis Juli dokumentiert.

Der primäre Endpunkt war definiert als bestätigter oder vermuteter Tod durch COVID-19 gemäß Totenschein oder Tod mit bestätigter SARS-CoV-2-Infektion. Die Aufnahme in ein Krankenhaus im Zusammenhang mit einer bestätigten SARS-CoV-2-Infektion war der sekundäre Endpunkt.

Die endgültigen Modelle enthielten als Variablen demographische Daten wie Alter und Geschlecht, den Body-Mass-Index sowie eine Reihe von Komorbiditäten und Behandlungen. Dazu zählten Herz-Kreislauf-Erkrankungen, Diabetes mellitus Typ 1 und 2, Atemwegserkrankungen wie COPD, pulmonale Hypertonie oder Lungenfibrose, Krebserkrankungen, neurologische Erkrankungen wie Epilepsie und Demenz, rheumatologische und andere Krankheitsbilder sowie die Therapie mit Immunsuppressiva und anderen Medikamenten.

Insg. traten im Studienzeitraum bei der Ableitungskohorte über 4.300 Todesfälle im Zusammenhang mit COVID-19 auf. Als Hauptrisikofaktor konnte das Alter identifiziert werden (82,5% waren 70 Jahre und älter). Von den Verstorbenen waren zudem 57,4% männlich. Weitere Variablen waren Typ-2-Diabetes (32,3% der Verstorbenen), Demenz (29,9%) und das Leben in einem Pflegeheim (23,6%).

Der Algorithmus zeigte in der ersten Validierungskohorte eine gute Kalibrierung. So konnte er 73,1% (95%-Konfidenzintervall 71,974,3%) der Todesfälle im Zusammenhang mit COVID-19 bei Männern vorhersagen. Ähnliche Ergebnisse wurden für beide Endpunkte in beiden Zeiträumen auch für Frauen erzielt. Die Sensitivität für die Vorhersage von Todesfällen bei den 5% der Patient:innen mit dem höchsten prognostizierten Risiko betrug innerhalb des Untersuchungszeitraums 75,7%. Die laut Algorithmus am stärksten gefährdeten 20% der Kohorte machten zudem 94% aller Todesfälle durch COVID-19 im Studienzeitraum aus.

Der bevölkerungsbasierte QCovid®-Score zeigte damit eine gute Leistung in der Vorhersage von Todesfällen und Krankenhauseinweisungen als Folge einer COVID-19-Erkrankung. Es ist dennoch nicht zu unterschätzen, dass es sich um ein "lebendiges" klinisches Risikoprognosemodell handelt, das regelmäßig aktualisiert und fortlaufend mit weiteren Daten gespeist wird. 

Faktoren, die das absolute Risiko beeinflussen, sind etwa die vorherrschenden SARS-CoV-2-Infektionsraten und das Ausmaß der bestehenden nicht-pharmazeutischen Interventionen. Mit zunehmendem Effekt der begonnenen Impfkampagnen wird wohl auch die Rate der Geimpften mit einbezogen werden müssen. Es ist außerdem nicht zu vergessen, dass die Informationen über die Krankheitsverläufe größtenteils aus der ersten Welle der Pandemie Anfang 2020 stammen. Seitdem haben sich neben Vorsichtsmaßnahmen auch Behandlungsansätze aufgrund der gesammelten klinischen Erfahrungen geändert.

Das weitergehende Potential des QCovid®-Scores lässt sich erahnen, wenn man die Ergebnisse des “errechneten” Risikos mit den Priorisierungsentscheidungen der STIKO bei der Impfstoffvergabe vergleicht. Ähneln sich die als vulnerabel eingeschätzten Gruppen?

Aufgrund der begrenzten Verfügbarkeit der Impfstoffe soll die Impfung laut vorläufiger STIKO-Empfehlung zunächst Personen angeboten werden, die ein besonders hohes Risiko für schwere oder tödliche Verläufe einer COVID-19-Erkrankung haben. Zu diesem Zweck wurde ein sechsstufiges Modell entwickelt, das zuerst Personen im Alter von über 80 Jahren und Personal mit besonders hohem Expositionsrisiko in medizinischen Einrichtungen einschließt. Dazu zählen auch Menschen, die engen Kontakt zu vulnerablen Bevölkerungsgruppen pflegen. Bei zunehmender, aber weiterhin limitierter Impfstoffverfügbarkeit sollen anschließend Personengruppen der zweiten Stufe geimpft werden, gefolgt von den Menschen in der jeweils nachfolgenden Stufe. Zur sechsten Stufe zählen alle Personen ohne nennenswerte Vorerkrankungen, die jünger als 60 Jahre sind.

Die Empfehlungen der STIKO beruhen auf den Meldedaten, die nach dem Infektionsschutzgesetz (IfSG) erhoben und an das Robert Koch-Institut (RKI) übermittelt wurden. Die vorläufigen Ergebnisse zeigen, dass die Fallsterblichkeit ab dem 60. Lebensjahr ansteigt. Ungefähr 15% der über 80-jährigen Infizierten versterben.   

In Deutschland waren 89% der Verstorbenen älter als 70 Jahre (Datenstand 12. Januar 2021), wobei diese Altersgruppe nur 15% der nachgewiesenen Infektionen ausmachte. Ein deutlich kleinerer Anteil von 3,6% der Verstorbenen war jünger als 60 Jahre. Die absoluten Zahlen aus den Meldedaten der STIKO identifizieren das Alter und die Unterbringung in Pflege- und Seniorenheimen als Risikofaktoren – zum gleichen Ergebnis kam der QCovid®-Score.

Der QCovid®-Score hat das Potential, langfristig zu einer kohärenten Gesundheitspolitik und einer klaren nationalen Kommunikation zwischen politischen Entscheidungsträger:innen, Fachleuten und der Öffentlichkeit beizutragen. Auch könnte er bei der gemeinsamen Entscheidungsfindung helfen und zum Risikoverständnis von Patient:innen und Ärzt:innen beitragen.

Generell basiert eine Berechnung des persönlichen Risikos immer auf der Idee, dass das errechnete Risiko einer großen Stichprobe der Bevölkerung auch für die Einzelnen gilt. Das ist nicht immer der Fall. Jedes errechnete persönliche Risiko ist immer nur eine Schätzung. Jemand mit einem „geringen Risiko” kann trotzdem schwer an COVID-19 erkranken lediglich die Wahrscheinlich ist geringer. Genauso können sich Menschen mit einem vergleichbar „hohen Risiko” gut von der Krankheit erholen. Es ist also entscheidend, dass solche Risikorechner im Kontext bewertet werden und Patient:innen die Potentiale, aber auch die Grenzen der Aussagekraft verstehen.

Tools wie der QCovid®-Score sind zur Risikoeinschätzung geeignet, sie können jedoch niemals jedes relevante Detail abdecken. Langzeitfolgen von protrahierten Verläufen ("Long Covid") oder Nervenschäden sind noch nicht ausreichend verstanden und bedürfen weiterer Datenerhebung. Mit der täglich wachsenden Datenlage werden sich weitere Auswirkungen der Pandemie, auch auf das Sterberisiko, ergeben.

Neben dem klinischen Nutzen der Risikoprognose für Patient:innen könnte auch die gezielte Rekrutierung für klinische Studien und die Priorisierung bei der Impfstoffvergabe vom QCovid®-Score profitieren. Abschließend ist zu betonen: Der QCovid®-Score soll allein für akademische Forschung, Peer Review und Validierungszwecke verwendet werden – nicht als klinisches Tool im ärztlichen Alltag!


Der QCovid®Score sowie die Originalstudie sind online zu finden. Mehr fundiertes Wissen über Details zu COVID-19-Verläufen findest du im AMBOSS-Kapitel “COVID-19”. 

Quellen über die Originalstudie hinaus: