{{{sourceTextContent.title}}}

Die Auswirkungen von Big Data in der Veterinärmedizin

{{{sourceTextContent.subTitle}}}

Banfield Pet Hospital hat seinen jährlichen VET-Report veröffentlicht. Lesen Sie, wie Big Data die Landschaft der Veterinärmedizin verändert.

{{{sourceTextContent.description}}}

Dank digitaler Technologien und ausgefeilter Analysetechniken können wir größere Mengen unterschiedlicher Daten schneller als je zuvor erfassen und verarbeiten. Diese großen, komplexen und schnell anfallenden Datensätze werden als "Big Data" bezeichnet und verändern die Arbeitsweise der Industrie. In der Veterinärmedizin reicht dies von der Identifizierung von Risikopopulationen und der Modellierung epidemiologischer Prozesse bis hin zur Erkennung neu auftretender Bedrohungen und zur Verbesserung unseres Verständnisses von Gesundheit und Krankheit bei Haustieren und Menschen.

Bei Banfield haben wir durch unser proprietäres Daten- und elektronisches Krankenaktensystem Zugang zu riesigen Datenmengen, die uns Einblicke in mehr als 9,5 Millionen Besuche und 3,5 Millionen Haustiere pro Jahr gewähren, wobei durchschnittlich etwa 70 Datenpunkte pro Besuch erfasst werden. Diese Informationen ermöglichen es uns, die Ergebnisse der Patienten zu untersuchen und Trends in der Tiergesundheit zu überwachen, um die Qualität der Tiermedizin zu verbessern.

Wir sind bestrebt, unsere Erkenntnisse mit dem gesamten Berufsstand zu teilen, und haben seit 2017 eine Reihe von Veterinary Emerging Topics (VET)™ Reports zu Themen wie Arthrose und Fettleibigkeit, Qualität und Sicherheitsverbesserung veröffentlicht. Im diesjährigen VET-Bericht 2023 geht es darum, wie wir Big Data nutzen, um Wirkung zu erzielen. Den vollständigen Bericht finden Sie auf Banfield Exchange. Im Folgenden finden Sie einige Beispiele aus dem Bericht, wie wir diese Daten nutzen, um die Qualität der Tiermedizin zu verbessern und die Gesundheit von Haustieren zu fördern, sowie Maßnahmen, die Sie in Ihrer eigenen Praxis ergreifen können.

Senkung der anästhesiebedingten Sterblichkeit

Auch wenn es selten vorkommt, können selbst kleine Verringerungen der anästhesiebedingten Sterblichkeit enorme Bedeutung für Patienten, Kunden und tierärztliche Teams haben.

. Große Daten: Wir sammelten von Experten begutachtete Literatur, Fachrichtlinien und Stellungnahmen und untersuchten interne Daten aus Krankenakten und Sicherheitsberichten, um die mit der Anästhesie verbundenen systemischen und lokalen Risiken zu ermitteln. Anschließend haben wir medizinische Qualitätsstandards (MQS) entwickelt und eingeführt, um diese Risiken zu mindern.

. Große Wirkung: Sechs Monate nach der Einführung der MQS sank die Sterblichkeitsrate und verhinderte mindestens einen zusätzlichen Todesfall pro 10 000 Eingriffe. Wir haben einen kontinuierlichen und anhaltenden Rückgang dieser Raten festgestellt und bis heute die niedrigsten jemals gemessenen Sterblichkeitsraten verzeichnet. Trotz dieser positiven Auswirkungen werden wir auch weiterhin die Null anstreben und die Daten kontinuierlich nutzen, um Verbesserungen vorzunehmen, wo dies möglich ist.

Identifizierung von Haustieren mit dem Risiko einer Nierenerkrankung

Untersuchungen haben ergeben, dass chronische Nierenerkrankungen (CKD) die häufigste Todesursache bei Katzen im Alter von mehr als 5 Jahren sind und bei Hunden im Allgemeinen eine noch schlechtere Prognose haben.

. Große Daten: Unsere medizinischen Daten wurden verwendet, um Modelle zur Vorhersage des Risikos der Entwicklung von CKD bei Katzen und Hunden zu erstellen, indem fortschrittliche Methoden des maschinellen Lernens auf Daten angewandt wurden, die bei Routinebesuchen in der Tierarztpraxis gesammelt wurden.

. Große Wirkung: Das auf Big Data angewandte maschinelle Lernen kann die Entscheidungsfindung in der Tiermedizin unterstützen, indem es die Früherkennung von CKD verbessert und damit eine größere Chance für eine Intervention bietet, die zu einer besseren Lebensqualität und einem längeren Überleben führen kann. Da sie sich auf Daten stützen, die bereits bei Routineuntersuchungen in der Tierarztpraxis erfasst werden, könnten die Modelle ohne Weiteres in die Software von Krankenhäusern oder diagnostischen Labors wie RenalTech implementiert werden, um Tierärzte bei klinischen Entscheidungen direkt zu unterstützen.

"Durch die Analyse medizinischer Daten von Banfield-Patientenbesuchen über zwei Jahrzehnte hinweg haben Wissenschaftler von Mars Petcare das RenalTech-Tool entwickelt, das mit Hilfe künstlicher Intelligenz vorhersagen kann, ob eine Katze bis zu zwei Jahre vor der herkömmlichen klinischen Diagnose eine CKD entwickeln wird", so Nefertiti Greene, President, Mars Science & Diagnostics. "RenalTech steht Tierärzten zur Verfügung, die die Referenzlabors von Antech in den USA nutzen, und kann CKD mit einer Genauigkeit von mehr als 95 Prozent vorhersagen. Dieses Tool ist das erste von vielen prädiktiven Diagnostika in der Pipeline von Mars Petcare, da wir weiterhin in eine individuellere Gesundheitsversorgung für Haustiere investieren."

Erkennen von Risikofaktoren für Impfstoff-assoziierte unerwünschte Ereignisse

Impfstoff-assoziierte unerwünschte Ereignisse (VAAEs) sind selten, aber Kunden, die darüber besorgt sind, lehnen die Impfungen ihrer Haustiere ab oder verzögern sie, wodurch sie anfällig für vermeidbare Infektionskrankheiten werden.

. Große Daten: Wir haben uns mit dem College of Veterinary Medicine der Purdue University zusammengetan, um die unserer Meinung nach bisher größte VAAE-Studie bei Hunden durchzuführen. Die Inzidenz dieser Analyse lag bei 18,4 VAAEs pro 10.000 geimpfte Hunde und damit bei weniger als der Hälfte des Wertes von vor mehr als 15 Jahren. Bei kleineren Hunden, bestimmten Hunderassen und Hunden, die im selben Termin mehrfach geimpft wurden, war die Wahrscheinlichkeit eines VAAE höher.

. Große Auswirkungen: Der starke Rückgang der Häufigkeit von VAAEs deutet darauf hin, dass neuere Impfstoffe sicherer sind, was wahrscheinlich für die Sorgfalt und Verantwortung der Impfstoffhersteller spricht. Weitere Untersuchungen zu diesen Vorfällen sind geplant, u. a. in Zusammenarbeit mit dem Wisdom Panel, um herauszufinden, wie genetische Faktoren das VAAE-Risiko beeinflussen können, sowie Studien zu VAAE bei Katzen und mehr.

Um das volle Potenzial von Big Data zur Verbesserung der Krankheitserkennung, der Versorgung und der Nachhaltigkeit in der Veterinärmedizin auszuschöpfen, bedarf es konsequenter, gemeinsamer Anstrengungen zur Erfassung der erforderlichen Informationen. So haben sich beispielsweise Mitarbeiter von Banfield und Mars Veterinary Health zusammen mit Kollegen von Mars Petcare kürzlich zusammengetan, um den bisher größten Datensatz in der Veterinärmedizin zu entwickeln. Die MARS PETCARE BIOBANKTM wird Daten von 10.000 Hunden und 10.000 Katzen enthalten, die über einen Zeitraum von 10 Jahren gesammelt wurden, mit dem Ziel, bahnbrechende wissenschaftliche Erkenntnisse für die Zukunft der Veterinärmedizin zu gewinnen.

Verbesserungen bei der Gesundheit von Haustieren lassen sich nur dann beschleunigen, wenn wir berufsübergreifend zusammenarbeiten. Sprechen Sie mit Ihrem Krankenhausteam darüber, wie Sie einen Beitrag leisten können, sei es durch den verstärkten Einsatz elektronischer Krankenakten und anderer digitaler Technologien, durch die Durchführung von Daten- und Analysearbeiten in Ihrer Klinik oder durch die Mitarbeit an einer der großen laufenden Datenerhebungen. In jedem Fall werden Sie die Qualität der Tiermedizin verbessern und die Zukunft der Tiergesundheit fördern.