ビッグデータ解析とマルチモジュールシステムに基づくVTEリスク防止システム

静脈血栓塞栓症 (VTE) は、周術期に最も一般的な合併症の 1 つであり、術後の死亡原因として最も一般的です。 VTE には、深部静脈血栓症 (DVT) および急性肺血栓塞栓症 (PTE) が含まれます。 PTE の塞栓は深部静脈血栓症に由来し、すべての PE 患者が明らかな臨床症状を示すわけではないため、VTE は現在、国内外で研究、予防、診断、治療の対象となる疾患と考えられています。 したがって、DVT/PEの予防を効果的に導き、周術期死亡率を減らすために、医療ビッグデータと現在の臨床現場でのマルチモジュールコンピュータに基づいた、より包括的で信頼性の高い周術期VTEリスク予防システムを緊急に開発する必要があります。 。

1991 年という早い時期に、Caprini らはは、538 人の患者の研究データに基づいて VTE リスク評価の臨床スケールを集計し、公表しました。 2010 年に、Caprini ら。は、8,216 人の患者を対象にこのスケールの遡及的検証を再度実施したため、このスケールは多くの医療機関にとって周術期患者の VTE 発生リスクを評価するための重要な参考資料となり、それ以来使用されています。 しかし、過去 30 年間で、疾患範囲、手術方法、麻酔方法、手術患者の血栓形成感受性の認識はすべて大きく変化しました。 Caprini スケールで評価され、その提案された対策に従って予防措置を講じた周術期患者であっても、術後 VTE が発生する可能性があります。 したがって、近年、学者たちはKucherモデル、Paduaモデルなどの新しいVTEリスク予測方法を発表しました。 しかし、モデルによって確立された研究事例はほぼ 1000 件程度に過ぎず、含まれる研究指標も限られています。

この新技術は、情報化とデジタル化の指導の下で VTE 関連のリスク指標の特定、読み取り、統合を初めて実現し、ビッグデータ分析の技術サポートを提供します。将来を見据えたビッグデータ、多変数、複数モジュールの VTE 関連のリスク評価と予測を実現する。既存のスコアリング システムは、周術期 VTE の予防と治療のためにより信頼性が高く操作可能なスコアリング モデルを提供するために改善される必要があります。