LONDON (IT BOLTWISE) – Eine Langzeitstudie über acht Jahre zeigt: Mittlere und ältere Erwachsene mit erhöhten autistischen Merkmalen entwickeln deutlich häufiger eine ansteigende Angstentwicklung bis in einen mild- bis klinischen Bereich. Die Arbeit nutzt ein Traits- statt Diagnose-Design, um auch jene zu erfassen, die in dieser Lebensphase oft nie formal diagnostiziert wurden. Damit rückt die Frage in den Vordergrund, wie Gesundheitssysteme früher erkennen und passgenaue Unterstützung für Neurodivergenz aufbauen. Zugleich liefert die Methode Ansatzpunkte, wie Forschung und Versorgung später datengetrieben priorisieren können.
Wenn Angst im Alter zunimmt, wirkt das für viele Betroffene zunächst wie ein „normales“ Begleitsymptom des Lebens: mehr Sorgen, weniger Puffer, gesundheitliche Unsicherheiten. Eine neue Auswertung aus dem Vereinigten Königreich legt aber nahe, dass die Verläufe nicht bei allen gleich sind. Besonders relevant ist der Befund, dass Menschen im mittleren und höheren Erwachsenenalter mit erhöhten autistischen Merkmalen deutlich häufiger eine Angstentwicklung erleben, die sich über Jahre verschärft. Die Studie veröffentlicht die Ergebnisse in einem Fachjournal für psychische Gesundheit und liefert damit konkrete Zahlen, die für klinische Planung, Frühinterkennung und Versorgungskonzepte wichtig werden.
Im Zentrum steht das Konzept „Autism traits“: Dabei werden autistische Merkmale über kurze Selbstauskunft-Fragen erfasst – ohne zwingend eine formale Diagnose zu verlangen. Hintergrund ist eine bekannte Versorgungslücke. Schätzungen gehen davon aus, dass neun von zehn autistischen Erwachsenen im mittleren oder höheren Alter keine formale Diagnose besitzen. Ursache ist vor allem die historische Verschiebung in der Wahrnehmung und Diagnostik von Autismus: Wer heute Unterstützung braucht, wurde häufig in einer Zeit sozialisiert, in der Autismus nur dann als solcher erkannt wurde, wenn er mit starken kognitiven oder sprachlichen Einschränkungen einherging. Genau hier setzt die Traits-Logik an und will Verzerrungen durch Unterdiagnose reduzieren.
Technisch betrachtet kombiniert die Arbeit ein Langzeitdesign mit einer statistischen Modellierung, die nicht nur Durchschnittswerte betrachtet. Die Forschenden nutzten Daten aus der PROTECT-Studie, einem laufenden Online-Projekt zu Altern und Hirngesundheit. In die Analyse gingen 5.270 Erwachsene im Alter von 50 bis 91 Jahren ein, mit einem Median von 62; 75% der Teilnehmenden waren weiblich. Über acht Jahre wurden jährliche Follow-ups durchgeführt, sodass sich individuelle Entwicklungsbahnen der Angst über Zeit abbilden lassen. Autistische Merkmale wurden zu Studienbeginn mit einem speziellen Screening von fünf Items erhoben, das sowohl aktuelle soziale Schwierigkeiten als auch entsprechende Erfahrungen in der Kindheit adressiert.
Die Angst wurde über ein standardisiertes Generalized Anxiety Disorder-Instrument mit sieben Items operationalisiert. Es erfasst, wie häufig Betroffene in den vergangenen zwei Wochen von typischen Symptomen wie übermäßigem Sorgen oder innerer Unruhe beeinträchtigt waren. Zusätzlich berücksichtigten die Autorinnen und Autoren Depression zu Beginn der Studie, um mögliche Verwechslungen oder Verstärkungs-Effekte durch depressive Symptome abzufedern. Für die eigentliche Analyse nutzten sie Growth Mixture Modeling: eine fortgeschrittene Technik, die latente Untergruppen identifiziert, die sich in ihrem Entwicklungsverlauf ähneln. Damit lassen sich „Pfadklassen“ unterscheiden, ohne dass die gesamte Kohorte als einheitlich behandelt wird.
Das Modell identifizierte drei zentrale Angstpfade. Die größte Gruppe (85,6%) blieb über die acht Jahre hinweg im unteren Bereich mit sehr niedrigen Angstwerten. Eine zweite Gruppe (12,4%) zeigte zwar Werte oberhalb des ersten Pfades, blieb jedoch weiterhin unterhalb eines klinisch relevanten Schwellenbereichs. Die kleinste Gruppe umfasste lediglich 2% der Teilnehmenden und wurde als mild- bis klinische Angstbahn beschrieben: Hier begannen die Werte zwar mild, verschlechterten sich jedoch kontinuierlich bis in einen Bereich, der typischerweise eine therapeutische oder medizinische Abklärung nahelegt. Für die Versorgung ist diese kleine, aber kritische Randgruppe besonders relevant.
Der eigentliche Risikomechanismus zeigt sich in der Verbindung zwischen autistischen Merkmalen und der Zugehörigkeit zu diesen Pfaden. Teilnehmende mit hohen autistischen Merkmalen – operationalisiert als starkes „current“ und „childhood“ Endorsement – waren über viermal so häufig in der oberen Minimal-Angstgruppe wie jene ohne autistische Merkmale. Noch deutlicher war der Zusammenhang mit der mild- bis klinischen Bahn: Hochgradige Traits führten zu einem etwa 14- bis 15-fachen Risiko, in dieser verschlechternden Verlaufsklasse zu landen. Selbst nach statistischer Anpassung für Alter, Geschlecht und Ausgangsniveau von Depression blieb diese Beziehung stabil. Das spricht dafür, dass es sich nicht nur um einen allgemeinen „Mental-Health-Schatten“ handelt, sondern um eine spezifischere Vulnerabilität.
Laut den Forschenden unterstreicht das vor allem die Versorgungsperspektive: Viele Menschen halten Angstwerte über lange Zeit für „aushaltbar“, während sie in Wirklichkeit in Richtung eines klinisch relevanten Bereichs kippen. Stewart und Stott verweisen darauf, dass Angst zwar zu den häufigsten psychischen Belastungen autistischer Menschen zählt, die Dynamik über das Alter aber bislang wenig systematisch untersucht wurde. Damit liefert die Studie eine Datenbasis, um Frühinterventionen zu priorisieren – ähnlich wie es in anderen Versorgungsbereichen mit sequentiellen Risikomodellen bereits erprobt wird. In der Praxis bedeutet das: Ein Screening nach Risikomerkmalen könnte helfen, therapeutische Ressourcen rechtzeitig einzusetzen, bevor Symptome eskalieren.
Für den Markt und die Organisation psychischer Versorgung ist der Befund dennoch nicht trivial. In Großbritannien und auch in anderen europäischen Systemen orientieren sich viele Programme an etablierten Leitlinien, etwa im Umfeld von NICE-Empfehlungen oder standardisierten psychotherapeutischen Versorgungswegen wie CBT-basierten Pfaden. Das „Wettbewerb“-Setting entsteht dabei nicht durch ein einzelnes Unternehmen, sondern durch die Art, wie Angebote standardisiert oder personalisiert werden: Allgemeine Angstprogramme sind oft effizient, können aber bei neurodivergenten Bedarfen an Genauigkeit verlieren. Die Studie stützt deshalb die Strategie, Versorgungswege stärker „autism-aware“ zu machen, also Rahmenbedingungen, Kommunikationsformen und Trigger-Logiken anzupassen – ähnlich wie es spezialisierte Zentren seit Jahren fordern.
Historisch betrachtet ist der Zusammenhang von Autismus und Angst kein neues Thema. Frühere Arbeiten fokussierten jedoch überwiegend Kinder oder jüngere Erwachsene. Für ältere autistische Menschen gab es dagegen meist „Snapshot“-Erhebungen zu einem Zeitpunkt, mit widersprüchlichen Ergebnissen: Einige Datensätze deuteten auf geringere klinische Angstquoten hin, andere auf das Gegenteil. Genau diese Uneindeutigkeit erklärt, warum die vorliegende Längsschnittanalyse ein wichtiges Puzzleteil liefert. Hinzu kommt, dass Diagnosen im Alter häufig verzögert oder nie gestellt werden, wodurch reine Diagnose-basierte Analysen die Risikocharakteristik verwischen könnten. Dass die Traits-Strategie hier die Untererfassung adressiert, ist methodisch ein zentraler Fortschritt.
Aus regulatorischer und datenschutzrechtlicher Sicht ist ebenfalls relevant, wie solche Studien später in Versorgungssysteme überführt werden. In modernen Psych- und Gesundheitsanwendungen wandern Merkmale wie Angst- oder Symptomverläufe häufig in digitale Datensilos – sei es in Research-Portalen oder in klinischen IT-Systemen. Für Deutschland und die EU gilt dabei die strikte Trennung von Zweckbindung, Datensparsamkeit und Zugriffsrechten: Gerade bei sensiblen Gesundheitsdaten müssen Rollenmodelle, Protokollierung und Löschkonzepte greifen. Gleichzeitig kann die Auswertung solcher Verlaufsdaten helfen, Prozesse besser zu steuern, etwa über „Risk Stratification“ für Terminpriorisierung. Entscheidend ist, dass automatisierte Entscheidungen nicht ohne menschliche Prüfung stattfinden und Betroffene transparent einbezogen werden.
Natürlich gibt es Grenzen, die die Interpretation einhegen. Das Traits-Screening ist kurz; damit können die Forschenden nicht bestätigen, dass die Hoch-Trait-Personen formal die diagnostischen Kriterien für Autismus erfüllen. Außerdem ist die Studie beobachtend und kann keine Kausalität erklären – also nicht, warum Angst bei manchen Personen über Zeit stärker ansteigt. Dazu kommt die geringe Größe der Hoch-Risiko-Untergruppe: Gerade innerhalb des mild- bis klinischen Pfades können kleinere Stichprobengrößen die statistische Präzision reduzieren. Auch die Demografie wirkt einseitig, da die Kohorte überwiegend weiß, weiblich und gut ausgebildet war. Für die Zukunft planen die Autorinnen und Autoren daher Replikationen in größeren, diverseren Stichproben, idealerweise mit formal diagnostizierten Teilnehmenden.
Der Ausblick für Unternehmen und Entwickler aus der Gesundheits- und Datenbranche ist damit klar: Es braucht Mechanismen, die aus Langzeitmustern umsetzbare Entscheidungslogik ableiten – ohne dabei in „one-size-fits-all“ zu verfallen. Denkbar sind etwa personalisierte Unterstützungspläne oder Therapeutik-Funnel, die anhand von Risikomerkmalen frühzeitig zusätzliche Begleitung priorisieren. Gleichzeitig ist die fachliche Kopplung entscheidend: KI-gestützte Auswertung darf nicht an die Stelle klinischer Expertise treten, sondern muss diese unterstützen. Wenn zukünftige Studien zeigen, welche Interventionen am besten verhindern, dass milde Angst in den klinischen Bereich kippt, könnten sich Anbieter damit differenzieren – und vor allem: Betroffene würden früher die Hilfe erhalten, die heute vielerorts erst zu spät ankommt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Autistische Merkmale erhöhen das Risiko steigender Angst im Alter" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Autistische Merkmale erhöhen das Risiko steigender Angst im Alter" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Autistische Merkmale erhöhen das Risiko steigender Angst im Alter« bei Google Deutschland suchen, bei Bing oder Google News!