Statistiska modeller kunde förutsäga risker för bäckenbottenbesvär

Egenreferat. Bäckenbottenstörningar, framför allt genitalt framfall och urin- och avföringsinkontinens, är ett världsomspännande hälsoproblem som drabbar mer än varannan kvinna som fött barn. I dag har var femte kvinna i västvärlden som uppnått 85 års ålder opererats en eller flera gånger för prolaps eller urininkontinens. Kostnaderna, ekonomiskt och i form av personligt lidande, är enorma. Barnafödande är den dominerande orsaken beroende på nerv- och muskelskador som uppstår under förlossningen. Det vetenskapliga stödet är numera övertygande för att bäckenbottenstörningarna ökar med antalet födslar och att den största risken är knuten till den första vaginala förlossningen.

Avsikten med denna studie var att bygga och testa statistiska modeller som gör det möjligt att förutsäga risken för flera bäckenbottenbesvär 12 och 20 år efter en förlossning. Prediktionsmodellen utgår från data insamlade från två stora, oberoende, internationella kohortstudier. Målsättningen var att kunna erbjuda alla gravida kvinnor en individuellt anpassad riskbedömning, bättre än den som sjukvården för närvarande kan erbjuda.

Prediktionsmodellen bygger på information om kvinnan och hennes graviditet från dels Storbritannien och Nya Zeeland (3 763 kvinnor), dels det svenska födelseregistret, MFR (4 991 kvinnor). Självrapporterade bäckenbottenbesvär 12 respektive 20 år efter förlossningen registrerades. Datamängden har analyserats med avancerad modern statistisk metodik utvecklad för att ta fram individanpassad information om framtida sjukdomsrisk.

Databearbetningen skapade modeller som gjorde det möjligt att skilja ut kvinnor som efter 12 respektive 20 år utvecklat besvärande symtom eller fått behandling för genital prolaps (konkordansindex 0,570; 0,627), urininkontinens (konkordansindex 0,618; 0,689), avföringsläckage (konkordansindex 0,618; 0,676), ett eller flera bäckenbottenbesvär (konkordansindex 0,639; 0,675) och två eller flera bäckenbottenbesvär (konkordansindex 0,635; 0,619).

I denna studie möjliggjorde modellerna att före förlossningen till exempel identifiera och lugna kvinnor med låg risk för att utveckla bäckenbottenbesvär och att aktualisera preventiva åtgärder för kvinnor med förhöjd risk. De statistiska modellerna skiljde ut riskpersoner lika bra som andra prediktionsmodeller som för närvarande används i stor omfattning inom sjukvården.