Author:
Sanchez Rosenberg Guillermo,Egloff Christian
Abstract
ZusammenfassungNach Herzerkrankungen und Schlaganfall ist die postoperative Sterblichkeit innerhalb von 30 Tagen nach dem Indexeingriff die dritthäufigste Todesursache weltweit [24]. In der elektiven Orthopädie liegt die 30-Tage-Mortalitätsrate unter 1 % [4], dennoch können postoperative Komplikationen oft verheerend sein. In der Ära der „qualitativen Gesundheitsversorgung“ ist die Umsetzung von Strategien zur Risikostratifizierung und zur Optimierung der Zuweisung von Gesundheitsressourcen zur Verbesserung der postoperativen Ergebnisse von entscheidender wirtschaftlicher Bedeutung. Dieser Beitrag untersucht die transformative Rolle der künstlichen Intelligenz (KI) bei der Risikobewertung in der Orthopädie als Teil des ganzheitlichen Entscheidungsprozesses zur Verbesserung der Ergebnisse im Gesundheitswesen.
Publisher
Springer Science and Business Media LLC
Reference29 articles.
1. Abraham VM, Booth G, Geiger P et al (2022) Machine-learning models predict 30-day mortality, cardiovascular complications, and respiratory complications after aseptic revision total joint arthroplasty. Clin Orthop Relat Res 480:2137–2145
2. Alaa AM, Van Der Schar M (2018) AutoPrognosis: automated clinical prognostic modeling via bayesian optimization with structured kernel learning. In: 35th international conference on machine learning. ICML. Stockholmsmässan, Stockholm, SWEDEN
3. Alba AC, Agoritsas T, Walsh M et al (2017) Discrimination and calibration of clinical prediction models: users’ guides to the medical literature. JAMA 318:1377–1384
4. Bhattacharyya T, Iorio R, Healy WL (2002) Rate of and risk factors for acute inpatient mortality after orthopaedic surgery. J Bone Joint Surg Am 84:562–572
5. Bilimoria KY, Liu Y, Paruch JL et al (2013) Development and evaluation of the universal ACS NSQIP surgical risk calculator: a decision aid and informed consent tool for patients and surgeons. J Am Coll Surg 217:833–842