Big Data -analyysiin ja monimoduulijärjestelmään perustuva VTE:n riskien ehkäisyjärjestelmä

Laskimotromboembolia (VTE) on yksi yleisimmistä perioperatiivisen jakson komplikaatioista ja yleisin postoperatiivisen kuoleman syy. Laskimotromboembolia sisältää syvän laskimotromboosin (DVT) ja akuutin keuhkotromboembolian (PTE). Koska PTE:n embolia tulee syvän laskimotromboosista, eivätkä kaikilla PE-potilailla voi olla selviä kliinisiä oireita, VTE:tä pidetään tällä hetkellä sairaudena tutkimukseen, ehkäisyyn, diagnosointiin ja hoitoon kotimaassa ja ulkomailla. Siksi meidän on kiireellisesti kehitettävä kattavampi ja luotettavampi perioperatiivinen laskimotromboembolian riskien ehkäisyjärjestelmä, joka perustuu lääketieteelliseen big dataan ja monimoduuliiseen tietokoneeseen nykyisessä kliinisessä käytännössä, jotta voimme ohjata tehokkaasti syvän laskimotukoksen/PE:n ehkäisyä ja siten vähentää perioperatiivista kuolleisuutta. .

Jo vuonna 1991 Caprini et ai. kokosi ja julkaisi laskimotromboembolian riskiarvioinnin kliinisen asteikon 538 potilaan tutkimustietoihin perustuen. Vuonna 2010 Caprini et al. suoritti tämän asteikon retrospektiivisen todentamisen uudelleen 8 216 potilaalle, joten tämä asteikko on tärkeä referenssi monille lääketieteellisille laitoksille arvioitaessa laskimotromboembolian esiintymisen riskiä perioperatiivisilla potilailla, ja sitä on käytetty siitä lähtien. Viimeisten 30 vuoden aikana sairauskirje, kirurgiset menetelmät, anestesiamenetelmät ja leikkauspotilaiden veritulpan muodostumisalttiuden tunnetus ovat kuitenkin kaikki kokeneet suuria muutoksia. Perioperatiivisilla potilailla, jotka arvioidaan Caprini-asteikolla ja jotka suorittavat ennaltaehkäiseviä toimenpiteitä sen ehdotettujen toimenpiteiden mukaisesti, on edelleen postoperatiivinen laskimotromboembolia. Siksi tutkijat ovat viime vuosina julkaisseet uusia VTE-riskin ennustamismenetelmiä, kuten Kucher-malli, Padova-malli ja niin edelleen. Mallin määrittämät tutkimustapaukset ovat kuitenkin lähes vain noin 1000 tapausta ja mukana olevat tutkimusindikaattorit ovat rajalliset.

Uusi teknologia toteuttaa ensimmäistä kertaa VTE:hen liittyvien riskiindikaattoreiden tunnistamisen, lukemisen ja integroinnin informatisoinnin ja digitalisoinnin ohjauksessa, mikä tarjoaa teknistä tukea big datan analysointiin; Toteuttaa tulevaisuuteen suuntautuva big data, monimuuttuja, monimoduulinen VTE:hen liittyvä riskinarviointi ja -ennuste; Nykyistä pisteytysjärjestelmää tulisi parantaa, jotta saataisiin luotettavampi ja toimivampi pisteytysmalli perioperatiiviseen laskimotromboembolian ehkäisyyn ja hoitoon.