VTE-Risikopräventionssystem basierend auf Big-Data-Analyse und Multimodulsystem

Venöse Thromboembolien (VTE) sind eine der häufigsten Komplikationen in der perioperativen Phase und die häufigste postoperative Todesursache. VTE umfasst tiefe Venenthrombose (TVT) und akute Lungenthromboembolie (PTE). Da die PTE-Embolie von einer tiefen Venenthrombose herrührt und nicht alle PE-Patienten offensichtliche klinische Symptome aufweisen können, wird VTE derzeit im In- und Ausland als Krankheit für Forschung, Prävention, Diagnose und Behandlung betrachtet. Daher müssen wir dringend ein umfassenderes und zuverlässigeres perioperatives VTE-Risikopräventionssystem entwickeln, das auf medizinischen Big Data und Multimodul-Computern in der aktuellen klinischen Praxis basiert, um die Prävention von TVT/LE effektiv zu steuern und so die perioperative Mortalität zu senken .

Bereits 1991 stellten Caprini et al. hat den klinischen Maßstab der VTE-Risikobewertung basierend auf den Studiendaten von 538 Patienten zusammengestellt und veröffentlicht. Im Jahr 2010 haben Caprini et al. führte erneut eine retrospektive Verifizierung dieser Skala bei 8216 Patienten durch, wodurch diese Skala für viele medizinische Einrichtungen zu einer wichtigen Referenz zur Beurteilung des Risikos des Auftretens einer VTE bei perioperativen Patienten wurde und seitdem verwendet wird. Allerdings haben sich in den letzten 30 Jahren das Krankheitsspektrum, die chirurgischen Methoden, die Anästhesiemethoden und die Wahrnehmung der Anfälligkeit für Thrombusbildung bei chirurgischen Patienten stark verändert. Perioperative Patienten, die anhand der Caprini-Skala bewertet werden und gemäß den vorgeschlagenen Maßnahmen vorbeugende Maßnahmen ergreifen, werden weiterhin eine postoperative VTE haben. Daher haben Wissenschaftler in den letzten Jahren neue Methoden zur Vorhersage des VTE-Risikos veröffentlicht, beispielsweise das Kucher-Modell, das Padua-Modell usw. Die vom Modell ermittelten Studienfälle umfassen jedoch fast nur etwa 1000 Fälle, und die einbezogenen Forschungsindikatoren sind begrenzt.

Die neue Technologie ermöglicht erstmals die Identifizierung, das Lesen und die Integration von VTE-bezogenen Risikoindikatoren unter Anleitung der Informatisierung und Digitalisierung und bietet technische Unterstützung für die Big-Data-Analyse; Um eine zukunftsorientierte Big-Data-, VTE-bezogene Risikobewertung und -prognose mit mehreren Variablen und mehreren Modulen zu realisieren; Das bestehende Bewertungssystem sollte verbessert werden, um ein zuverlässigeres und praktikableres Bewertungsmodell für die perioperative VTE-Prävention und -Behandlung bereitzustellen.