Postoperative Komplikationen sind ein potentielles Risiko nach jeder Operation und treten umso häufiger auf, je gebrechlicher die Patient*innen sind. Es existieren verschiedene Scores zur Messung von Gebrechlichkeit (engl. Frailty), viele davon sind für den klinischen Alltag jedoch zu umfangreich oder erfassen nicht alle Dimensionen von Frailty. Herauszufinden, wann eine erhöhte Wahrscheinlichkeit für das Auftreten postoperativer Komplikationen besteht, ist in den vergangenen Jahren immer relevanter geworden um gegebenenfalls prä-, peri- und postoperativ geeignete Präventionsmaßnahmen ergreifen zu können. Routinedaten zur Vorhersage von postoperativen Komplikationen werden bisher nur wenig verwendet. Die Daten von 1155 Patient*innen ≥ 65 Jahren vor elektiven, nichtkardiochirurgischen Operationen von Juni 2016 bis März 2017 wurden in der Prämedikationsambulanz auf dem Campus Mitte der Charité Universitätsmedizin Berlin als Routinedaten erhoben und für diese Arbeit ausgewertet. Mittels literaturbasierter Selektion wurden die drei Routineparameter Polypharmazie (≥ 5 Medikamente/Tag), Mini-Cog und häusliche Lebenssituation ausgewählt. Diese sollen unterschiedliche Aspekte des Alterns repräsentieren und wurden einzeln und mittels logistischer Regression in Vorhersagemodellen hinsichtlich des prädiktiven Wertes für postoperative Komplikationen nach NSQIP getestet. 366 der 1155 Patient*Innen (31,7 %) wiesen postoperative Komplikationen innerhalb von 30 Tagen postoperativ bzw. während der Dauer ihres Klinikaufenthaltes auf. Die gewählten Parameter zeigten eine signifikante Steigerung des Risikos für das Auftreten postoperativer Komplikationen um den Faktor 1,5 (Polypharmazie), 1,6 (Mini-Cog < 3 Punkten) und 3,4 (Leben im Pflege-oder Wohnheim) und konnten das Auftreten postoperativer Komplikationen besser vorhersagen, als die bestehenden Risikobewertungsmethoden des Frailty-Phänotyps, der American Society of Anesthesiologists-Klassifikation (ASA) und der Charlson-Comorbidity-Index (CCI) dies tun. Aufgrund einer geringen Modellgüte des jedoch signifikanten Modells der drei Parameter wurden in das Vorhersagemodell die aus dem CCI signifikanten Komorbiditäten metastasierter solider Tumor und Apoplex bzw. transitorische ischämische Attacke (TIA) integriert. Mit einer Modellgüte von 7,6 % ist der positive prädiktive Wert jedoch nicht hoch genug, um Komplikationen zuverlässig vorherzusagen. In dieser Arbeit konnte erstmals die Assoziation des Wohnens im Pflege-oder Wohnheim mit einer über 3-fach erhöhten Chance für das Auftreten postoperativer Komplikationen demonstriert werden. Zusammen mit den anderen identifizierten Risikofaktoren können diese Routinedaten auf die Gefahr von postoperativen Komplikationen hinweisen. Jedoch scheint die Konstruktion eines Modelles nicht die richtige Herangehensweise zur Vorhersage von Komplikationen zu sein, da es zu viele weitere Einflussfaktoren gibt. Erstrebenswert wäre in Deutschland auch die Vorhersage von postoperativen Komplikationen durch „Machine Learning“.
Postoperative complications are a potential risk after any surgery and occur more frequently the more frail a patient is. Various scores exist to measure frailty, but many are too comprehensive for clinical practice or do not capture all dimensions of frailty. To identify an increased likelihood of postoperative complications has become increasingly relevant in recent years in order to take appropriate preventive measures pre-, peri-, and postoperatively, if necessary. Routine data for the prediction of postoperative complications have been little used so far. Data of 1155 patients ≥ 65 years prior to elective non-cardiac surgery from June 2016 to March 2017 were collected as routine data in the premedication outpatient clinic at the Campus Mitte of Charité-Universitätsmedizin Berlin and analyzed for this study. Using literature-based selection, three routine parameters polypharmacy (≥ 5 medications/day), Mini-Cog and home living situation were selected. These were designed to represent different aspects of aging and were tested individually and using logistic regression in predictive models regarding the predictive value for postoperative complications according to NSQIP. 366 of the 1155 patients (31.7 %) had postoperative complications within 30 days postoperatively or during their hospital stay. The selected parameters showed a significant increase of the risk for postoperative complications by a factor of 1.5 (polypharmacy), 1.6 (Mini-Cog < 3 points) and 3.4 (living in a nursing or residential home) and were better able to predict the occurrence of postoperative complications than existing risk assessment methods as frailty phenotype, American Society of Anesthesiologists classification (ASA) and Charlson Comorbidity Index (CCI). Because of a low model goodness of the nevertheless significant model out of the three parameters, the comorbidities metastatic solid tumor and apoplexy or transient ischemic attack (TIA), which were significant from the CCI, were incorporated into the prediction model. However, with a model goodness of 7.6 %, the positive predictive value is not high enough to reliably predict complications. This work was the first to demonstrate the association of living in a nursing/residential home with a risk that is more than 3 times higher for postoperative complications. Together with the other identified risk factors, these routine data may indicate the occurrence of postoperative complications. However, constructing a model is probably not the right approach to predict complications because there are too many other influencing factors. In the future, the prediction of postoperative complications by "machine learning" is also conceivable in Germany.
