CKMAI: Neuer Alterungsindex sagt Sterblichkeit bei Herz-Nieren-Syndrom voraus

Zur präzisen Abschätzung individueller Gesundheitsrisiken gewinnen Modelle der biologischen Alterung in der klinischen Forschung an Bedeutung. In einer am 9. Oktober 2026 in der Fachzeitschrift PLOS Medicine veröffentlichten Forschungsarbeit stellte ein Team um Zhu et al. den Cardiovascular-Kidney-Metabolic Aging Index (CKMAI) vor. Das auf maschinellem Lernen basierende Verfahren dient dazu, die Sterblichkeit bei Vorliegen eines Herz-Nieren-Stoffwechsel-Syndroms vorherzusagen und komplexe systemische Risiken zu quantifizieren.

Methodischer Ansatz und Datengrundlage

Für die Entwicklung und Evaluation des Index griffen Zhu et al. auf Erhebungen von 6.896 US-Erwachsenen aus der NHANES-Datenbank für den Zeitraum von 2005 bis 2018 zurück. Die gewichtete Studienpopulation wies ein Medianalter von 48 Jahren auf. Das System berücksichtigte insgesamt 18 Variablen zur Berechnung des biologischen Alters.

Für das Modelltraining nutzten die Wissenschaftler einen Datensatz von 4.827 Personen, während die Validierung an einer Testgruppe von 2.069 Probanden erfolgte.

Während des medianen Nachbeobachtungszeitraums von 9,2 Jahren wurden 660 Todesfälle erfasst, von denen 201 auf kardiovaskuläre Ursachen zurückzuführen waren. Nach einer Pareto-Optimierung erwies sich ein einfaches Cox-Modell mit einem mittleren Konkordanzindex von 0,893 als die leistungsfähigste Modellvariante.

Prognosegüte im Vergleich zu etablierten Biomarkern

In den statistischen Auswertungen erzielte der CKMAI eine hohe Vorhersagekraft für die Gesamtmortalität. Für diesen Bereich lag die ermittelte Fläche unter der ROC-Kurve (AUC) nach 3 Jahren bei 0,893, nach 5 Jahren bei 0,907 und nach 10 Jahren bei 0,890. Bei der rein kardiovaskulären Mortalität belief sich der Wert auf 0,904 nach 3 Jahren sowie jeweils auf 0,937 nach 5 und 10 Jahren.

Bezüglich der 5-Jahres-Mortalität übertraf das neue Instrument etablierte biologische Altersindizes. Während der CKMAI eine AUC von 0,907 erreichte, kamen PhenoAge auf 0,902, KDM auf 0,801 und CMI auf 0,525. Auch in fortgeschrittenen Krankheitsphasen (Stadien 3 und 4 des Herz-Nieren-Stoffwechsel-Syndroms) wies der CKMAI mit einem Wert von 0,790 eine stärkere Differenzierung auf als PhenoAge (0,767), KDM (0,720) und CMI (0,599).

Wer sich mit den Auswirkungen biologischer Alterungsprozesse auf die Gesundheit befasst, sollte seine persönlichen Werte genau kennen. Dieser kostenlose 25-seitige Report erklärt, welche Laborwerte wirklich entscheidend sind und wie Sie diese richtig interpretieren. Tausende Deutsche verstehen ihre Blutwerte jetzt selbst – dank diesem kostenlosen 25-Seiten-Report

Die Hazard Ratio betrug 1,08 (95%-Konfidenzintervall: 1,07–1,10) für die Gesamtmortalität sowie 1,06 (95%-Konfidenzintervall: 1,03–1,09) für kardiovaskuläre Todesfälle.

Risikoschwellen, Phänotypen und Einflussfaktoren

Die Forscher definierten spezifische Inflektionspunkte für den Index. Diese lagen bei 61,587 für die Gesamtmortalität, bei 60,732 für kardiovaskuläre Ereignisse und bei 34,092 für ein Hochrisiko-Syndrom.

Zudem zeigte sich eine superadditive Interaktion mit dem PhenoAge-Index, beziffert durch einen RERI-Wert von 15,06 (95%-Konfidenzintervall: 8,14–38,44).

Zhu et al. identifizierten auf Basis der Berechnungen sechs distinkte Phänotypen des Altersstoffwechsels. Innerhalb dieser Untergruppen zeigte der als gebrechlich eingestufte Cluster eine Hazard Ratio von 11,74. Weiterhin untersuchte das Team den Einfluss psychischer Faktoren: Depressionen vermittelten 5,6 % des Gesamtmortalitätseffekts, 8,2 % des Effekts bei kardiovaskulären Todesfällen und 11,1 % im Zusammenhang mit Hochrisiko-Verläufen.

Oft bleiben wichtige Gesundheitsfaktoren im Verborgenen, bis sie durch spezielle Analysen sichtbar werden. Erfahren Sie in diesem Gratis-Leitfaden, wie Sie Vitalstoffmängel frühzeitig erkennen und Fehldiagnosen Ihrer Blutwerte vermeiden können. Laborwerte-Selbstcheck: Verstehen, handeln, gesund bleiben!

Validierung und wissenschaftliche Einordnung

In einer ersten externen Validierung anhand einer chinesischen Kohorte von 261 Patienten erreichte der Algorithmus eine AUC von 0,789. Trotz dieser Ergebnisse wiesen Zhu et al. auf bestehende methodische Einschränkungen hin. Vor einem breiten klinischen Einsatz sei eine geografisch unabhängige Validierung mit einem vollständigen Mortalitäts-Follow-up erforderlich, um die Übertragbarkeit der Grenzwerte auf andere Populationen zu überprüfen.

de | wissenschaft | 70290717 |