 |  | Theo Dingermann |
 |
13.05.2026 09:00 Uhr |
Die Fettverteilung ist bei Frauen anders als bei Männern. Es ist ein bekanntes Problem des BMI, dass er dies sowie andere Faktoren, die für das gesundheitliche Risiko im Zusammenhang mit Adipositas entscheidend sind, nicht abbildet. / © Getty Images/Bo Zaunders
Eine aktuelle Arbeit im Fachjournal »Nature Medicine« stellt mit OBSCORE ein datengetriebenes Risikomodell vor, das Menschen mit Übergewicht oder Adipositas gezielter für therapeutische Interventionen priorisieren soll. Hintergrund der Studie eines Forscherteams um Dr. Kamil Demircan von der Queen Mary University of London ist die zunehmende Verfügbarkeit der Inkretinmimetika als hochwirksame Antiadiposita, deren breite Anwendung angesichts hoher Kosten, begrenzter Ressourcen und fehlender Priorisierungskriterien bislang kaum rational erscheint. So argumentieren die Forschenden, dass der bisher dominierende BMI als alleiniger Marker klinischer Entscheidungsfindung unzureichend ist, da adipositasassoziierte Folgeerkrankungen auch bei vergleichbaren BMI-Werten stark variieren können.
Für die Entwicklung des Modells analysierte das internationale Forschungsteam Daten von rund 197.000 Personeneinträgen in der UK Biobank mit einem BMI ≥27 kg/m². Berücksichtigt wurden mehr als 2000 potenzielle Prädiktoren aus unterschiedlichen Datenebenen, darunter klinische Laborparameter, Vorerkrankungen, Medikamenteneinnahme, kardiopulmonale Messgrößen, Körperzusammensetzung, Metabolomdaten und polygenetische Risikoscores. Ziel war die Vorhersage von 18 adipositasassoziierten Endpunkten innerhalb eines Zehnjahreszeitraums, darunter Typ-2-Diabetes, kardiovaskuläre Ereignisse, chronische Nierenerkrankungen, Schlafapnoe, Hypercholesterolämie und kardiovaskuläre Mortalität.
Bemerkenswert ist, dass komplexe Datentypen wie polygenetische Scores oder Metabolomdaten nur einen vergleichsweise geringen zusätzlichen prognostischen Nutzen lieferten. Den größten Beitrag zur Risikoprädiktion hatten klinisch etablierte Variablen wie Laborwerte, Vorerkrankungen und Gesundheitsstatus. Daraus entwickelten die Forschenden schließlich ein klinisch praktikables Modell mit 20 Parametern, darunter HbA1c, Harnsäure, Kreatinin, HDL-Cholesterol, Taille-zu-Körpergröße-Verhältnis, Hypertonie, subjektiver Gesundheitsstatus sowie Angaben zu Brustschmerzen oder Gelenkbeschwerden.
