BEAT-CF: Kausales Modell zur Optimierung von CF‑Exazerbationsstudien

Die chronisch-fibrotische Lungenerkrankung (CF) führt zu einem allmählichen Verlust der Lungenfunktion, der durch akute Exazerbationen (PEx) unterbrochen wird. Bei diesen Episoden sinken die Lungenwerte plötzlich, und die vollständige Wiederherstellung wird selten erreicht. Die Behandlung von PEx ist seit Jahrzehnten ein zentraler Bestandteil der CF‑Therapie und hat die Lebenserwartung der Patienten deutlich verbessert – doch die optimale Vorgehensweise bleibt umstritten.

Um diese Unsicherheit zu adressieren, wurde BEAT‑CF (Bayesian evidence‑adaptive treatment of CF) ins Leben gerufen. Ziel ist es, eine evidenzbasierte Wissensdatenbank zu schaffen, die die Versorgung von CF‑Patienten unterstützt. Im Mittelpunkt steht ein kausales Modell, das als gerichteter azyklischer Graph (DAG) und Bayesianisches Netzwerk (BN) die komplexen Zusammenhänge bei PEx abbildet.

Das Modell wurde in enger Zusammenarbeit mit CF‑Fachärzten entwickelt. Es verbindet Hintergrundrisikofaktoren, therapeutische Maßnahmen und die Pathogenkolonisation der Atemwege, um die Auswirkungen auf ein einzelnes PEx‑Ereignis zu beschreiben. Durch die systematische Erfassung dieser Beziehungen liefert das Modell ein klares Bild der aktuellen Expertenmeinung zur Pathophysiologie von PEx‑Episoden.

Die Veröffentlichung des DAGs bietet Forschern ein transparentes Werkzeug, um Studien und klinische Versuche gezielt zu planen und auszuwerten. Das Modell erleichtert die Gestaltung von Datenerhebungen, unterstützt kausale Inferenz und stellt einen wiederverwendbaren Rahmen dar, der die Qualität und Vergleichbarkeit zukünftiger CF‑Studien nachhaltig verbessern kann.