Constantin Römmelt, Meike Hiddemann, Kerstin Köhler, F. Köhler
Zusammenfassung Geschätzte 150000–200000 herzinsuffiziente Patient*innen in Deutschland haben seit 2022 durch einen Beschluss des Gemeinsamen Bundesausschusses (G-BA) Anspruch auf eine telemedizinische Mitbetreuung. Aktuell sind KI-Anwendungen (KI: künstliche Intelligenz) in der kardiovaskulären Telemedizin für die Regelversorgung nicht zulässig. Die Anwendung von KI könnte jedoch helfen, die Vorhersagegenauigkeit der etablierten telemedizinischen Sensorik durch Mustererkennung unter Einbeziehung multipler Datenquellen zu verbessern. Zudem befinden sich neue KI-basierte Biomarker in der Entwicklung, um in der telemedizinischen Sensorik eingesetzt zu werden. Vielversprechend erscheint dabei der Ansatz der Stimmanalyse zur Erkennung einer pulmonalen Kongestion. KI-basierte Entscheidungsunterstützungssysteme könnten zukünftig dabei helfen, den Befundungsprozess im Telemedizinzentrum zu optimieren. Large-Language-Modelle bieten das Potenzial, zukünftig die Befunderstellung zu unterstützen. Die Forschung zur digitalen Medizin bedarf klarer Rahmenbedingungen, um neue KI-basierter Technologien im Gesundheitswesen in der Patientenanwendung prüfen zu können.
摘要 根据联邦联合委员会（G-BA）的决定，自 2022 年起，德国约有 15 万至 20 万名心力衰竭患者有权享受远程医疗共同护理。目前，心血管远程医疗中的 AI 应用（AI：人工智能）不允许用于标准护理。不过，人工智能的使用可以通过利用多种数据源识别模式，帮助提高现有远程医疗传感器技术的预测准确性。此外，目前正在开发新的基于人工智能的生物标志物，以用于远程医疗传感器技术。用于识别肺充血的语音分析方法似乎很有前景。未来，基于人工智能的决策支持系统将有助于优化远程医疗中心的诊断过程。大语言模型有可能在未来为报告过程提供支持。数字医学研究需要一个明确的框架，以便能够在医疗保健领域的患者应用中测试基于人工智能的新技术。
{"title":"Verfahren der künstlichen Intelligenz – eine Perspektive für die kardiovaskuläre Telemedizin?","authors":"Constantin Römmelt, Meike Hiddemann, Kerstin Köhler, F. Köhler","doi":"10.1055/a-2162-4478","DOIUrl":"https://doi.org/10.1055/a-2162-4478","url":null,"abstract":"Zusammenfassung Geschätzte 150000–200000 herzinsuffiziente Patient*innen in Deutschland haben seit 2022 durch einen Beschluss des Gemeinsamen Bundesausschusses (G-BA) Anspruch auf eine telemedizinische Mitbetreuung. Aktuell sind KI-Anwendungen (KI: künstliche Intelligenz) in der kardiovaskulären Telemedizin für die Regelversorgung nicht zulässig. Die Anwendung von KI könnte jedoch helfen, die Vorhersagegenauigkeit der etablierten telemedizinischen Sensorik durch Mustererkennung unter Einbeziehung multipler Datenquellen zu verbessern. Zudem befinden sich neue KI-basierte Biomarker in der Entwicklung, um in der telemedizinischen Sensorik eingesetzt zu werden. Vielversprechend erscheint dabei der Ansatz der Stimmanalyse zur Erkennung einer pulmonalen Kongestion. KI-basierte Entscheidungsunterstützungssysteme könnten zukünftig dabei helfen, den Befundungsprozess im Telemedizinzentrum zu optimieren. Large-Language-Modelle bieten das Potenzial, zukünftig die Befunderstellung zu unterstützen. Die Forschung zur digitalen Medizin bedarf klarer Rahmenbedingungen, um neue KI-basierter Technologien im Gesundheitswesen in der Patientenanwendung prüfen zu können.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139257867","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Manuela Glaser, Julia Ritterhof, Patrick Most, Rebecca C. Wade
Zusammenfassung Angesichts der umwälzenden Auswirkungen, die künstliche Intelligenz (KI) auf Wissenschaft, Medizin und darüber hinaus hat, betrachten wir hier das Potenzial von KI für die Entdeckung neuer Medikamente gegen Herzkrankheiten. Wir definieren KI im weitesten Sinne als den Einsatz von maschinellem Lernen, einschließlich Statistik und Deep Learning, um Muster in Datensätzen zu erkennen, die für Vorhersagen genutzt werden können. Jüngste Durchbrüche in der Fähigkeit, sehr große Datenmengen zu berücksichtigen, haben einen Boom in der KI-gestützten Arzneimittelentdeckung sowohl in der Wissenschaft als auch in der Industrie ausgelöst. Viele neue Unternehmen verfügen bereits über Arzneimittel-Pipelines, die bis in die klinische Erprobung reichen, aber noch keine Medikamente gegen Herzkrankheiten enthalten. Wir beschreiben hier den Einsatz von KI für die Entdeckung von niedermolekularen Medikamenten und Biologika, einschließlich therapeutischer Peptide, sowie für die Vorhersage von Wirkungen wie Kardiotoxizität. Der konzertierte Einsatz von KI zusammen mit physikbasierten Simulationen und experimentellen Rückkopplungsschleifen wird notwendig sein, um das Potenzial der KI für die Arzneimittelentdeckung und die Entwicklung von Präzisionsarzneimitteln für Herzkrankheiten voll auszuschöpfen.
{"title":"Wird KI neue Medikamente gegen Herzkrankheiten hervorbringen?","authors":"Manuela Glaser, Julia Ritterhof, Patrick Most, Rebecca C. Wade","doi":"10.1055/a-2131-2843","DOIUrl":"https://doi.org/10.1055/a-2131-2843","url":null,"abstract":"Zusammenfassung Angesichts der umwälzenden Auswirkungen, die künstliche Intelligenz (KI) auf Wissenschaft, Medizin und darüber hinaus hat, betrachten wir hier das Potenzial von KI für die Entdeckung neuer Medikamente gegen Herzkrankheiten. Wir definieren KI im weitesten Sinne als den Einsatz von maschinellem Lernen, einschließlich Statistik und Deep Learning, um Muster in Datensätzen zu erkennen, die für Vorhersagen genutzt werden können. Jüngste Durchbrüche in der Fähigkeit, sehr große Datenmengen zu berücksichtigen, haben einen Boom in der KI-gestützten Arzneimittelentdeckung sowohl in der Wissenschaft als auch in der Industrie ausgelöst. Viele neue Unternehmen verfügen bereits über Arzneimittel-Pipelines, die bis in die klinische Erprobung reichen, aber noch keine Medikamente gegen Herzkrankheiten enthalten. Wir beschreiben hier den Einsatz von KI für die Entdeckung von niedermolekularen Medikamenten und Biologika, einschließlich therapeutischer Peptide, sowie für die Vorhersage von Wirkungen wie Kardiotoxizität. Der konzertierte Einsatz von KI zusammen mit physikbasierten Simulationen und experimentellen Rückkopplungsschleifen wird notwendig sein, um das Potenzial der KI für die Arzneimittelentdeckung und die Entwicklung von Präzisionsarzneimitteln für Herzkrankheiten voll auszuschöpfen.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139258734","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Zusammenfassung Herzinsuffizienz (HI) zählt zu den häufigsten chronischen Erkrankungen in Deutschland und geht mit erheblichen gesellschaftlichen und finanziellen Belastungen einher. Die steigende Anzahl an HI-Patienten mündet in einem Ungleichgewicht zwischen Bedarf an und zur Verfügung stehenden Ressourcen. KI hat das Potenzial, sowohl Ärzte in ihrem medizinischen Handeln als auch Patienten im Umgang mit ihrer Erkrankung zu unterstützen. Sie kann als Partner für Ärzte und Patienten fungieren, indem sie bei der Entscheidungsfindung unterstützt sowie die Effizienz und Produktivität der Ärzte steigert. Gleichzeitig erweitert sie das Wissen der Patienten, stärkt den eigenverantwortlichen Umgang mit der HI und unterstützt Verhaltensanpassungen. Weiterhin kann der überlegte Einsatz von KI die Arzt-Patienten-Beziehung stärken. Allerdings zeigt sich auch weiterer Forschungsbedarf, um Lösungen weiterzuentwickeln, Effektivität und Nutzen in der Gesundheitsversorgung aufzuzeigen und Akzeptanz zu schaffen.
{"title":"KI als Partner von Arzt und Patient in der Herzinsuffizienzversorgung","authors":"Bianca Steiner, B. Zippel-Schultz, T. Helms","doi":"10.1055/a-2162-4525","DOIUrl":"https://doi.org/10.1055/a-2162-4525","url":null,"abstract":"Zusammenfassung Herzinsuffizienz (HI) zählt zu den häufigsten chronischen Erkrankungen in Deutschland und geht mit erheblichen gesellschaftlichen und finanziellen Belastungen einher. Die steigende Anzahl an HI-Patienten mündet in einem Ungleichgewicht zwischen Bedarf an und zur Verfügung stehenden Ressourcen. KI hat das Potenzial, sowohl Ärzte in ihrem medizinischen Handeln als auch Patienten im Umgang mit ihrer Erkrankung zu unterstützen. Sie kann als Partner für Ärzte und Patienten fungieren, indem sie bei der Entscheidungsfindung unterstützt sowie die Effizienz und Produktivität der Ärzte steigert. Gleichzeitig erweitert sie das Wissen der Patienten, stärkt den eigenverantwortlichen Umgang mit der HI und unterstützt Verhaltensanpassungen. Weiterhin kann der überlegte Einsatz von KI die Arzt-Patienten-Beziehung stärken. Allerdings zeigt sich auch weiterer Forschungsbedarf, um Lösungen weiterzuentwickeln, Effektivität und Nutzen in der Gesundheitsversorgung aufzuzeigen und Akzeptanz zu schaffen.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139259253","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Zusammenfassung Wearables zur Rhythmusdetektion sind tragbare Devices, die dazu dienen, den Herzrhythmus des Trägers zu überwachen und Abnormalitäten zu erkennen. Die verschiedenen Technologien, einschließlich Elektrokardiogramm, Photoplethysmografie und Phonokardiogramm, können zur Diagnose und Überwachung von Herzrhythmusstörungen eingesetzt werden. Die Empfehlungen wissenschaftlicher Fachgesellschaften betonen die Bedeutung einer korrekten Datenaufzeichnung und -interpretation sowie einer sorgfältigen klinischen Bewertung. Wearables zur Rhythmusdetektion haben Vor- und Nachteile, und die Kostenerstattung kann je nach Land unterschiedlich sein. In Zukunft werden Wearables zur Rhythmusdetektion voraussichtlich eine wichtigere Rolle bei der Diagnose und Überwachung von Herzrhythmusstörungen spielen.
{"title":"Rhythmusdiagnostik mittels Wearables – Einsatz und Nutzen im klinischen Alltag","authors":"H. Hillmann, C. Veltmann, D. Duncker","doi":"10.1055/a-2162-4552","DOIUrl":"https://doi.org/10.1055/a-2162-4552","url":null,"abstract":"Zusammenfassung Wearables zur Rhythmusdetektion sind tragbare Devices, die dazu dienen, den Herzrhythmus des Trägers zu überwachen und Abnormalitäten zu erkennen. Die verschiedenen Technologien, einschließlich Elektrokardiogramm, Photoplethysmografie und Phonokardiogramm, können zur Diagnose und Überwachung von Herzrhythmusstörungen eingesetzt werden. Die Empfehlungen wissenschaftlicher Fachgesellschaften betonen die Bedeutung einer korrekten Datenaufzeichnung und -interpretation sowie einer sorgfältigen klinischen Bewertung. Wearables zur Rhythmusdetektion haben Vor- und Nachteile, und die Kostenerstattung kann je nach Land unterschiedlich sein. In Zukunft werden Wearables zur Rhythmusdetektion voraussichtlich eine wichtigere Rolle bei der Diagnose und Überwachung von Herzrhythmusstörungen spielen.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139259573","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Zusammenfassung Rasche Fortschritte in der künstlichen Intelligenz (KI) haben erhebliche Auswirkungen auf mehrere Sektoren unserer Gesellschaft, einschließlich des Gesundheitswesens. Während die konventionelle KI hauptsächlich bei der Lösung von Aufgaben im Bereich der Bilderkennung erfolgreich war und somit in gut definierten Situationen wie der Unterstützung von diagnostischer Bildgebung eine Rolle spielt, wirkt sich das Aufkommen von generativer KI auf eine der Hauptkompetenzen im professionellen Bereich aus: die Arzt-Patienten-Interaktion. Eine Konvergenz von Natural Language Processing (NLP) und generativer KI zeigt sich in intelligenten Chatbots wie ChatGPT. Eine erste Studie, welche die Empathie und die Qualität der Antworten zwischen ChatGPT und menschlichen Ärzten im Gesundheitswesen verglichen hat, konnte zeigen, dass ChatGPT menschliche Ärzte sowohl in der Qualität als auch in der Empathie der Antworten auf medizinische Fragen übertreffen kann. Die Ergebnisse legen nahe, dass generative KI-Modelle wie ChatGPT wertvolle Ergänzungen für die medizinische Beratung sein können und somit die Patientenbindung möglicherweise verbessern und die Arbeitsbelastung von Ärztinnen und Ärzten reduzieren könnten.
{"title":"Der Aufbruch generativer KI in der Medizin: Empathie durch Emulation","authors":"A. Amr, B. Meder","doi":"10.1055/a-2182-9643","DOIUrl":"https://doi.org/10.1055/a-2182-9643","url":null,"abstract":"Zusammenfassung Rasche Fortschritte in der künstlichen Intelligenz (KI) haben erhebliche Auswirkungen auf mehrere Sektoren unserer Gesellschaft, einschließlich des Gesundheitswesens. Während die konventionelle KI hauptsächlich bei der Lösung von Aufgaben im Bereich der Bilderkennung erfolgreich war und somit in gut definierten Situationen wie der Unterstützung von diagnostischer Bildgebung eine Rolle spielt, wirkt sich das Aufkommen von generativer KI auf eine der Hauptkompetenzen im professionellen Bereich aus: die Arzt-Patienten-Interaktion. Eine Konvergenz von Natural Language Processing (NLP) und generativer KI zeigt sich in intelligenten Chatbots wie ChatGPT. Eine erste Studie, welche die Empathie und die Qualität der Antworten zwischen ChatGPT und menschlichen Ärzten im Gesundheitswesen verglichen hat, konnte zeigen, dass ChatGPT menschliche Ärzte sowohl in der Qualität als auch in der Empathie der Antworten auf medizinische Fragen übertreffen kann. Die Ergebnisse legen nahe, dass generative KI-Modelle wie ChatGPT wertvolle Ergänzungen für die medizinische Beratung sein können und somit die Patientenbindung möglicherweise verbessern und die Arbeitsbelastung von Ärztinnen und Ärzten reduzieren könnten.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139257357","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Sandy Engelhardt, S. Martin, Carlos Rodrigo Rodríguez Bolanos, Laura Pappas, Sven Koehler, E. Nagel
Zusammenfassung Verfahren der künstlichen Intelligenz (KI) haben in der kardialen Bildgebung große Relevanz erlangt. In dieser Kurzübersicht werden die Anwendungsbereiche von KI in der Echokardiografie, Magnetresonanztomografie (MRT) und Computertomografie (CT) beleuchtet. Die Analyse des ventrikulären Volumens und dessen Funktion werden durch KI in der Echokardiografie und in der MRT erweitert und verbessert. In der CT ermöglicht die KI die automatische Quantifizierung der koronaren Kalklast, Risikoklassifizierung und Prognose des Behandlungserfolgs. KI verringert die Kluft zwischen Experten und Anfängern, da sie zuverlässige und reproduzierbare Analysen durchführt bei gesteigerter Effizienz. Neue Konzepte wie das föderierte Lernen, das multizentrisches verteiltes Trainieren ermöglicht, sowie die multimodale KI, die automatisiert Text- und Bildeingaben miteinander verknüpft, werden voraussichtlich die nächsten größeren Meilensteine darstellen.
{"title":"Künstliche Intelligenz in der kardialen Bildgebung","authors":"Sandy Engelhardt, S. Martin, Carlos Rodrigo Rodríguez Bolanos, Laura Pappas, Sven Koehler, E. Nagel","doi":"10.1055/a-2139-2455","DOIUrl":"https://doi.org/10.1055/a-2139-2455","url":null,"abstract":"Zusammenfassung Verfahren der künstlichen Intelligenz (KI) haben in der kardialen Bildgebung große Relevanz erlangt. In dieser Kurzübersicht werden die Anwendungsbereiche von KI in der Echokardiografie, Magnetresonanztomografie (MRT) und Computertomografie (CT) beleuchtet. Die Analyse des ventrikulären Volumens und dessen Funktion werden durch KI in der Echokardiografie und in der MRT erweitert und verbessert. In der CT ermöglicht die KI die automatische Quantifizierung der koronaren Kalklast, Risikoklassifizierung und Prognose des Behandlungserfolgs. KI verringert die Kluft zwischen Experten und Anfängern, da sie zuverlässige und reproduzierbare Analysen durchführt bei gesteigerter Effizienz. Neue Konzepte wie das föderierte Lernen, das multizentrisches verteiltes Trainieren ermöglicht, sowie die multimodale KI, die automatisiert Text- und Bildeingaben miteinander verknüpft, werden voraussichtlich die nächsten größeren Meilensteine darstellen.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139255125","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"FDA-Studie: subkutaner ICD auch im Langzeitverlauf die bessere Alternative?","authors":"","doi":"10.1055/a-2152-2161","DOIUrl":"https://doi.org/10.1055/a-2152-2161","url":null,"abstract":"","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139255374","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Hypertrophe Kardiomyopathie: höheres Risiko bei Diagnosestellung im Kindesalter","authors":"","doi":"10.1055/a-2152-2035","DOIUrl":"https://doi.org/10.1055/a-2152-2035","url":null,"abstract":"","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139256242","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Mitralinsuffizienz und TAVI: häufig funktionell bedingt und reversibel?","authors":"","doi":"10.1055/a-2152-2199","DOIUrl":"https://doi.org/10.1055/a-2152-2199","url":null,"abstract":"","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.1,"publicationDate":"2023-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139255447","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Zum Erhalt der prognostisch wichtigen Mobilität gilt es bei kritischer Extremitätenischämie, die Extremitätendurchblutung, auch zur Vermeidung relevanter Gesundheitskosten durch Amputation, wiederherzustellen. Bisher liegen auch im Hinblick auf die Aussagekraft von Empfehlungen (Leitlinien) nur unzureichend Daten bezüglich operativer Revaskularisation (Venenbypass mit vorzugsweiser Verwendung einer Vene) versus interventioneller Extremitätenrevaskularisation (Ballon-/Stentangioplastie) vor.
{"title":"BASIL-2: Katheterintervention besser als Venenbypass bei infrapoplitealen Läsionen und PAVK IV","authors":"","doi":"10.1055/a-2112-4474","DOIUrl":"https://doi.org/10.1055/a-2112-4474","url":null,"abstract":"Zum Erhalt der prognostisch wichtigen Mobilität gilt es bei kritischer Extremitätenischämie, die Extremitätendurchblutung, auch zur Vermeidung relevanter Gesundheitskosten durch Amputation, wiederherzustellen. Bisher liegen auch im Hinblick auf die Aussagekraft von Empfehlungen (Leitlinien) nur unzureichend Daten bezüglich operativer Revaskularisation (Venenbypass mit vorzugsweiser Verwendung einer Vene) versus interventioneller Extremitätenrevaskularisation (Ballon-/Stentangioplastie) vor.","PeriodicalId":40724,"journal":{"name":"Aktuelle Kardiologie","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135707711","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：