Rofo 2025; 197(02): 186-195
DOI: 10.1055/a-2301-3349
Quality/Quality Assurance

Strukturierte Befundung zur effizienten Erhebung von epidemiologischen Daten und Analyse der innerklinischen Prävalenz bei Lungenarterienembolien

Artikel in mehreren Sprachen: English | deutsch
Tobias Jorg
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
Dirk Graafen
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
Lukas Hobohm
2   Center for Cardiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
Christoph Düber
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
Peter Mildenberger
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
,
Lukas Müller
1   Department of Diagnostic and Interventional Radiology, University Medical Center of the Johannes Gutenberg University Mainz, Mainz, Germany (Ringgold ID: RIN39068)
› Institutsangaben
Preview

Zusammenfassung

Ziel

Die strukturierte Befundung (Structured Reporting; SR) bietet neben Vorteilen hinsichtlich der Befundqualität als IT-basierte Methode auch die Möglichkeit umfangreiche, hochstrukturierte Datenmengen zu erheben und diese sekundär auszuwerten (Data-Mining). Im Rahmen dieser Studie wurde ein Data-Mining-Algorithmus genutzt, um epidemiologische Daten und innerklinische Prävalenzstatistiken der Lungenarterienembolie (LAE) durch Auswertung strukturierter CT-Befunde zu erheben.

Methoden

Alle strukturierten Befunde zu LAE-CTs der letzten 5 Jahre (n = 2790) wurden aus der SR-Datenbank extrahiert und ausgewertet. Die Prävalenz einer LAE wurde für die Gesamtkohorte und in Abhängigkeit der Zuweisungsart und in Abhängigkeit des klinischen Zuweisers berechnet. Verteilungen der Lokalisationen der LAEs (zentral, lobär, segmental, subsegmental sowie linksseitig, rechtsseitig, beidseitig) wurden analysiert sowie das Auftreten einer Rechtsherzbelastung mit der Lokalisation korreliert.

Ergebnisse

Die Prävalenz einer LAE in der Gesamtkohorte betrug 24% (n = 678). Das mediane LAE-Patientenalter betrug 71 Jahre (IQR 58 – 80) und die Geschlechterverteilung 1,2/1 (M/F). Ambulante Patienten zeigten eine geringere Prävalenz (23%) als Patienten von Normalstationen (27%) oder Intensivpatienten (30%). Chirurgisch zugewiesene Patienten zeigten eine höhere Prävalenz als internistisch zugewiesene (34% vs. 22%). Zentrale und beidseitige LAEs korrelierten mit einer signifikant höheren Rechtsherzbelastung im Vergleich zu peripheren und einseitigen Embolien.

Schlussfolgerung

Data-Mining von strukturierten Befunden ist eine einfache Methode zur Erhebung von Prävalenzstatistiken, epidemiologischen Daten und Verteilung von Krankheitscharakteristika, wie am Beispiel der LAE gezeigt. Die so generierten Daten können in vielerlei Hinsicht hilfreich sein, wie beispielsweise zur internen klinischen Qualitätssicherung oder für wissenschaftliche Auswertungen. Um davon zu profitieren, ist die konsequente Nutzung von SR erforderlich und wird deshalb empfohlen.

Kernaussagen

  • SR-basiertes Data-Mining ermöglicht einfache epidemiologische Auswertungen bei LAEs.

  • Die Prävalenz der LAE ist bei ambulanten und stationären Patienten unterschiedlich.

  • Zentrale und beidseitige LAEs haben ein erhöhtes Risiko für eine Rechtsherzbelastung.

Zitierweise

  • Jorg T, Halfmann MC, Graafen D et al. Structured reporting for efficient epidemiological and in-hospital prevalence analysis of pulmonary embolisms. Rofo 2025; 197: 186–195



Publikationsverlauf

Eingereicht: 20. September 2023

Angenommen nach Revision: 26. März 2024

Artikel online veröffentlicht:
28. Mai 2024

© 2024. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany