Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Forschungsartikel

Entwicklung und interne Validierung eines Nomogramms zur Vorhersage früher muskulärer Wadenvenenthrombose nach Hüftfraktur

93 Aufrufe

⸱

DOI:

10.3791/71963

⸱

7. August 2026

 ,  ,  ,  ,  , 
1Department of Nursing, The First Affiliated Hospital, Zhejiang University School of Medicine, 2Department of Information Technology, The First Affiliated Hospital, Zhejiang University School of Medicine, 3Department of Orthopedics, The First Affiliated Hospital, Zhejiang University School of Medicine

In diesem Artikel

Zusammenfassung

Diese retrospektive Studie entwickelte und validierte intern ein Nomogramm mit sechs Variablen, um das Risiko einer frühen muskulären Wadenvenenthrombose innerhalb von 48 Stunden nach der Hüftfraktur zu schätzen. Das Modell berücksichtigt nichtlineare Triglyzerideffekte und könnte das Risikobewusstsein unterstützen, bis eine externe Validierung vorliegt.

Zusammenfassung

Eine frühe muskuläre Wadenvenenthrombose (MCVT), die innerhalb von 48 Stunden nach der Verletzung festgestellt wird, kann die perioperative Behandlung bei Patienten mit Hüftfrakturen beeinträchtigen. Diese Studie hatte zum Ziel, ein Nomogramm zur Schätzung des frühen MCVT-Risikos in dieser Population zu entwickeln und intern zu validieren. Diese Studie untersuchte retrospektiv Patienten mit Hüftfrakturen, die zwischen 2021 und 2024 aufgenommen wurden. Die Patienten wurden basierend auf einem Aufnahmeultraschall, der innerhalb von 48 Stunden nach der Verletzung durchgeführt wurde, in MCVT- und Non-MCVT-Gruppen eingeteilt. Die Least Absolute Shrinkage and Selection Operator (LASSO)-Regression wurde für die Merkmalsauswahl verwendet, und eingeschränkte kubische Splines (RCS) wurden zur Bewertung nichtlinearer Assoziationen eingesetzt. Ein mehrdimensionales logistisches Regressionsmodell wurde konstruiert und als Nomogramm visualisiert. Die Modellleistung wurde anhand von Diskriminierung (Fläche unter der Empfänger-Funktionskurve, AUC), Kalibrierung (Brier-Score) und klinischer Nutzen (Entscheidungskurvenanalyse, DCA) bewertet, mit interner Validierung anhand von 1.000 Bootstrap-Resamples, basierend auf der Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis Plus Artificial Intelligence (TRIPOD + AI)-Leitlinien. Von den 665 eingeschlossenen Patienten hatten 44 (6,6 %) eine frühe MCVT. Im endgültigen Vorhersagemodell wurden sechs Variablen beibehalten: Zeit von der Verletzung bis zur Aufnahme (TFIA), Triglyzeride (TG), Gesamtcholesterin (TC), aktivierte partielle Thromboplastinzeit (APTT), Neutrophil-zu-Lymphozyten-Verhältnis (NLR) und Thrombozyten-zu-Lymphozyten-Verhältnis (PLR). Die RCS-Analyse zeigte eine signifikante nichtlineare Verbindung zwischen TG- und MCVT-Risiko (p-Wert für Nichtlinearität <0,001). Das Modell zeigte eine gute Unterscheidung (AUC: 0,894; 95 % KI: 0,829–0,941) und eine akzeptable Kalibrierung (Brier-Score: 0,041). Der optimistisch korrigierte C-Index betrug 0,884. DCA deutete auf potenziellen klinischen Nettonutzen über relevante Schwellenwahrscheinlichkeiten hinweg. Abschließend lässt sich sagen, dass das entwickelte Nomogramm eine frühe Risikostratifizierung unterstützen kann, jedoch ist eine externe Validierung in unabhängigen Kohorten vor klinischer Anwendung erforderlich.

Einleitung

Hüftbrüche bei älteren Erwachsenen stellen eine bedeutende globale Herausforderung der öffentlichen Gesundheit dar und sind häufig mit hoher Morbidität, Mortalität und erheblichen Gesundheitsausgaben verbunden1. Die aktuellen klinischen Richtlinien empfehlen nachdrücklich eine beschleunigte chirurgische Intervention, idealerweise innerhalb von 48 Stunden nach der Aufnahme, um Schmerzen zu lindern, eine frühzeitige Mobilisation zu erleichtern und lebensbedrohliche Komplikationenzu lindern 2,3. Die präoperative tiefe Venenthrombose (DVT) bleibt jedoch eine erhebliche Hürde für eine rechtzeitige Operation. Die muskuläre Wadenvenenthrombose (MCVT), ein spezifischer Subtyp der distalen DVT, beinhaltet die Thrombusbildung in den venösen Plexusen der Wadenmuskulatur, hauptsächlich im Soleus- und Gastrocnemiusmuskel4. Obwohl sie oft asymptomatisch ist und historisch als weniger klinisch signifikant als proximale DVT angesehen wird, deuten neue Hinweise darauf hin, dass MCVT Cephalad in proximale Venen ausbreiten oder eine Lungenembolie (PE) auslösen kann, wodurch die Patientensicherheitgefährdet wird 5,6. Folglich kann ein früh nach der Verletzung festgestelltes MCVT eine chirurgische Verschiebung erforderlich machen, Krankenhausaufenthalte verlängern und die perioperative Behandlung erschweren, da eine Antikoagulanzien-Brücke oder ein Filter für die untere Vena cava erforderlich ist. Daher ist ein robustes Werkzeug zur Identifizierung von Hüftfrakturpatienten mit hohem Risiko für frühes MCVT, wie es beim Ultraschall der Aufnahme festgestellt wird, klinisch wichtig für die Optimierung der chirurgischen Bahnen und die Verbesserung der Patientenergebnisse.

Trotz routinemäßiger Ultraschalluntersuchungen bleibt die frühzeitige Risikostratifizierung für akute MCVT bei Patienten mit Hüftbrüchen klinisch herausfordernd. Frühere Untersuchungen versuchten, Risikofaktoren für perioperative Thrombose zu identifizieren; die meisten konzentrieren sich jedoch auf isolierte demografische Merkmale oder traditionelle Gerinnungsparameter 4,7. Diese Studien sind oft durch die inhärenten Einschränkungen linearer Regressionsmodelle eingeschränkt, die möglicherweise die komplexen, nichtlinearen Dynamiken und das komplexe Zusammenspiel der traumabedingten thrombo-inflammatorischen Reaktion nicht erfassen. Aus pathophysiologischer Sicht lösen akute Frakturen eine massive Freisetzung von entzündlichen Zytokinen aus, die anschließend die Gerinnungskaskade 8,9 aktivieren. Während neuartige zusammengesetzte Entzündungsindizes – wie das Neutrophil-zu-Lymphozyten-Verhältnis (NLR) und das Thrombozyten-zu-Lymphozyten-Verhältnis (PLR) – einen signifikanten prognostischen Wert in kardiovaskulären und chirurgischen Bereichen gezeigt haben, bleibt ihr Nutzen zur Vorhersage frühphasen-MCVT weitgehend wenig erforscht10,11.

Um diese Forschungslücke zu schließen, wird ein multidimensionales und individualisiertes Vorhersagewerkzeug benötigt. Diese Studie hatte zum Ziel, Prädiktoren für frühes MCVT in einer klar definierten Kohorte von Patienten mit Hüftfrakturen zu untersuchen, die innerhalb von 48 Stunden nach der Verletzung aufgenommen wurden. Durch den Einsatz von Least Absolute Shrinkage and Selection Operator (LASSO)-Regression für die Merkmalsauswahl und eingeschränkte kubische Splines (RCS) zur Charakterisierung komplexer nichtlinearer Assoziationen versuchte diese Studie, ein klinisch interpretierbares Nomogramm zu entwickeln und intern zu validieren. Diese Studie stellte die Hypothese auf, dass die Integration systemischer Entzündungsmarker und metabolischer Profile die frühe Risikostratifizierung verbessern und die Überwachungsplanung während der akuten Phase der Hüftfrakturversorgung unterstützen würde.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Das Studienprotokoll wurde vom Institutional Review Board (IRB) des Krankenhauses ([2025B], IIT Ethics Approval Nr. 0407) genehmigt.

Studiendesign und Teilnehmer

Diese retrospektive Kohortenstudie mit einem Einzelzentrum wurde am First Affiliated Hospital, Zhejiang University School of Medicine, durchgeführt. Diese Studie überprüfte nacheinander die klinischen Unterlagen von Patienten, die zwischen Januar 2021 und Dezember 2024 mit Hüftbrüchen aufgenommen wurden. Da es sich um eine retrospektive Studie handelte, wurde von den Studienteilnehmern eine Ausnahme der informierten Einwilligung beantragt und gewährt. Basierend auf Befunden aus routinemäßigem Farb-Doppler-Ultraschall, der bei Notaufnahme durchgeführt wurde, wurden die Patienten in die MCVT- oder Nicht-MCVT-Gruppen eingeteilt.

Hüftfrakturen wurden als Brüche des proximalen Oberschenkelknochens definiert, einschließlich des Oberschenkelhals-, intertrochanteren und subtrochanteren Bereichs, wobei Beckenfrakturen ausgeschlossen wurden. Um die Reinheit der Studienpopulation zu gewährleisten, wurden die Einschlusskriterien wie folgt streng definiert: (1) primärer geschlossener Hüftbruch bestätigt durch Röntgen oder Computertomographie; (2) Zeit von der Verletzung bis zur Aufnahme (TFIA) innerhalb von 48 Stunden; (3) Abschluss eines beidseitigen tiefvenösen Farb-Doppler-Ultraschalls der unteren Extremitäten bei der Aufnahme (in der Regel innerhalb von 2 Stunden nach radiographischer Bestätigung des Hüftbruchs und vor Beginn der Antikoagulanzientherapie); und (4) geplante chirurgische Eingriffe. Die Patienten wurden aufgrund folgender Kriterien ausgeschlossen: (1) mehrere Traumata (z. B. gleichzeitige Schädel-, Thorax- oder Bauchverletzungen); (2) pathologische Brüche (z. B. Knochenmetastasen); (3) eine Vorgeschichte von TVT oder PE oder einer Antikoagulanzien-/Thrombozytentherapie ≥ 30 Tage vor der Aufnahme; (4) schwere Leber- oder Nierenfunktionsstörungen, die die Synthese oder den Stoffwechsel des Gerinnungsfaktors signifikant beeinträchtigen; (5) gleichzeitige bösartige Tumore; (6) erhebliche fehlende Daten zu primären klinischen oder laborrelevanten Variablen; und (7) proximale TVT, die beim Ultraschall der Aufnahme festgestellt wurde (z. B. Thrombose der Popliteal-, Femoral-, Gewöhnlich-Femoral- oder Iliakvene).

Datenerhebung und Kandidatenprädiktoren

Alle Kandidatenprädiktoren wurden rückwirkend aus dem institutionellen elektronischen Patientenaktensystem (EMR) extrahiert. Um die Genauigkeit und Integrität der Daten zu gewährleisten, wurde der Extraktionsprozess unabhängig von zwei Forschern durchgeführt, wobei eventuelle Unstimmigkeiten durch Konsens oder Beratung mit einem leitenden Arzt behoben wurden. Die gesammelten Daten wurden in folgende Bereiche eingeteilt: (1) Demografische Merkmale: einschließlich Alter, Geschlecht und Body-Mass-Index (BMI). (2) Klinische und verletzungsbezogene Variablen: Die TFIA (gemessen in Stunden) wurde präzise dokumentiert. Zusätzlich wurden die Ausgangskomorbiditäten mit dem Charlson Comorbidity Index (CCI) quantifiziert. (3) Laborbiomarker: Laborparameter wurden aus den ersten venösen Blutproben gewonnen, die innerhalb von 24 Stunden nach der Aufnahme entnommen wurden. Diese umfassten das vollständige Blutbild (CBC), Leber- und Nierenfunktionstests sowie Gerinnungsprofile. Zusätzlich wurden zusammengesetzte systemische Entzündungsindzeder, insbesondere NLR und PLR, anhand der Aufnahme-CBC-Ergebnisse berechnet.

Ergebnisdefinition und diagnostische Kriterien

Der primäre Endpunkt dieser Studie war das Auftreten einer frühen MCVT, definiert als Thrombose, die bei der Erstuntersuchung bei der Aufnahme festgestellt wurde. Alle eingeschlossenen Patienten unterzogen sich bei der Aufnahme vor Beginn einer Antikoagulanzientherapie einem beidseitigen Doppler-Ultraschall der unteren Extremitäten. Die Untersuchung wurde mit EPIQ-5 und eL18-4 durchgeführt. Die Patienten wurden in der Rückseite und/oder lateraler Position untersucht, je nach Vertrag. Die Diagnose wurde durch einen routinemäßigen bilateralen Doppler-Ultraschall der Farbe der unteren Extremitäten festgestellt. Nach festgelegten sonografischen Kriterien für die akute Phase wurde eine positive Diagnose von MCVT auf Grundlage folgenderManifestationen bestätigt: (1) signifikante Erweiterung und Tortuosität der Wadenmuskulaturvenen; (2) das Vorhandensein intraluminaler flockulenter oder uniformer hypoechoischer Echos, die als mehrere kreisförmige oder ovale Massen auf Querschnitten erscheinen; (3) vollständige Nichtkompressibilität der Vene unter Druck des Wandlers; (4) Abwesenheit spontaner oder phasescher Blutflusssignale, ohne nachweisbaren Fluss selbst während der distalen Gliedmaßenaugmentation (manuelle Kompression); und (5) eine deutliche Abgrenzung zwischen dem thrombosierten Segment und dem angrenzenden Muskelgewebe. Der bilaterale Doppler-Ultraschall der unteren Extremitäten wurde nach der Aufnahme von zertifizierten Ultraschallärzten nach dem standardisierten institutionellen Protokoll durchgeführt. Unklare Fälle wurden von einem leitenden Ultraschallarzt überprüft.

Statistische Analyse

Alle statistischen Analysen wurden mit R-Software (Version 4.5.2) durchgeführt. Die Normalität kontinuierlicher Variablen wurde mit dem Shapiro-Wilk-Test bewertet. Kontinuierliche Daten wurden als Mittelwerte ± Standardabweichungen (SD) oder Median mit Interquartilbereichen (IQR) präsentiert, je nachdem. Kategoriale Variablen wurden als Häufigkeiten und Prozentsätze angegeben.

Variablen mit einem p-Wert < 0,01 in der Univariablenanalyse und als klinisch relevant geltenden Variablen wurden in die LASSO-Regression eingetragen. Die Kandidatenprädiktoren wurden basierend auf klinischer Relevanz und Verfügbarkeit bei der Aufnahme ausgewählt. Kontinuierliche Variablen wurden vor der LASSO-Regression standardisiert. Elf Kandidatenmerkmale wurden im LASSO-Verfahren bewertet, bestehend aus neun kontinuierlichen Variablen und zwei Dummy-Variablen für den Bruchtyp. LASSO-Logistikregression mit 10-facher Kreuzvalidierung wurde verwendet, um die Dimensionalität zu reduzieren und Variablen für das endgültige Multivariablenmodell zu screenen. Die Werte von lambda.min und lambda.1se wurden untersucht, und die endgültige Variablenretention wurde mittels strafbasierter Selektion zusammen mit klinischer Relevanz und anschließender RCS-Bewertung bestimmt. Die Zusammenhänge zwischen Prädiktoren und MCVT wurden mithilfe von Odds Ratios (ORs) und entsprechenden 95%-Konfidenzintervallen (KI) quantifiziert.

Basierend auf den in der multivariablen logistischen Regression identifizierten Prädiktoren wurde ein klinisches Nomogramm erstellt, um die individualisierte Schätzung des frühen MCVT-Risikos zu erleichtern. Die prädiktive Leistung des Nomogramms wurde umfassend in drei Dimensionen bewertet: Diskriminierung, Kalibrierung und klinischer Nutzen. Die Diskriminierung wurde anhand der Fläche unter der Empfänger-Betriebscharakteristiekkurve (AUC) quantifiziert. Die Kalibrierung wurde anhand von Kalibrierungsdiagrammen mit 1.000 Bootstrap-Proben bewertet, um die Übereinstimmung zwischen vorhergesagten Wahrscheinlichkeiten und beobachteten Ergebnissen zu beurteilen; der Brier-Score wurde ebenfalls berechnet, um die allgemeine Vorhersagegenauigkeit zu messen. Schließlich wurde die Decision Curve Analysis (DCA) durchgeführt, um den klinischen Nettonutzen des Modells über eine breite Palette von Schwellenwahrscheinlichkeiten zu bestimmen. Alle statistischen Analysen waren zweiseitig, und p-Werte < 0,05 galten als statistisch signifikant.

Im Einklang mit dem retrospektiven Design wurde die Stichprobengröße durch die Verfügbarkeit aufeinanderfolgender Patientendaten über den vierjährigen Untersuchungszeitraum bestimmt, anstatt durch eine a priori Power-Berechnung. Angesichts der relativ geringen Inzidenz positiver MCVT-Ereignisse (n = 44) wurde der gesamte Datensatz für die Modellentwicklung genutzt, ohne in separate Trainings- und Validierungssets zu unterteilen, um die statistische Stärke zu erhalten. Um das Risiko einer Überanpassung im Zusammenhang mit dieser Ereignisrate zu mindern, wurde die LASSO-Regression zur Merkmalsauswahl und zur Schrumpfregularisierung eingesetzt. Das endgültige Modell enthielt sechs Prädiktoren, aber sieben Regressionsparameter, ohne den Intercept, da TG durch zwei Spline-Terme dargestellt wurde; daher betrug der parametrenbasierte EPV etwa 6,3. Das Modell erfüllte nicht die traditionelle Heuristik "Events per Candidate" (EPV) ≥10, die heute als grobe Richtlinie und nicht als absolutes Kriterium gilt. Daher bewertete diese Studie zusätzlich Überanpassung unter Verwendung von bootstrap-korrigierten Leistungsschätzungen und Kalibrierungsneigung. Die interne Validierung wurde mit 1.000 Bootstrap-Resamples durchgeführt, um optimistische Verzerrungen zu schätzen und zu korrigieren. Diese Studie wurde gemäß der TRIPOD+AI-Berichtsanleitung13 durchgeführt.

Um eine unabhängige Validierung und Implementierung zu erleichtern, wird in Tabelle 1 die vollständige Modellgleichung einschließlich Intercept, Regressionskoeffizienten, Triglyzeriden (TG) Spline-Koeffizienten und RCS-Knotenpositionen bereitgestellt. Die vorhergesagte Wahrscheinlichkeit für eine frühe MCVT wurde als P = 1 / [1 + exp(-LP) berechnet, wobei LP der lineare Prädiktor ist.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Demografische Daten

Insgesamt erfüllten 665 Patienten mit Hüftfrakturen die Einschlusskriterien und wurden in diese Studie aufgenommen (Abbildung 1). Unter ihnen wurde bei 44 Patienten (6,6 %) innerhalb von 48 Stunden nach der Verletzung eine frühe MCVT festgestellt. Ein detaillierter Vergleich der demografischen und klinischen Merkmale zwischen den MCVT- und Nicht-MCVT-Gruppen ist in Tabelle 2 zu...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Nach einem Hüftbruch kann eine eingeschränkte Beweglichkeit der unteren Gliedmaßen die Funktion der Gastrocnemius-Pumpe und die venöse Durchblutungsgeschwindigkeit verringern. Aufgrund ihrer relativ kleinen Durchmesser und des Mangels an Klappen sind die muskulären Wadenvenen anfällig für Blutstasis und können zu einem frühen Ort für Thrombuserkennung werden. Eine frühere Studie von Zhao et al. berichtete von einer präoperativen MCVT-Inzidenz von 23,5 % bei Patienten mit Hüftfrakturen

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben keine Interessenkonflikte zu erklären.

Danksagungen

Wir danken allen Abteilungen aufrichtig für ihre wertvolle Unterstützung.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Color-Doppler-Ultraschall-SystemPhilipsEPIQ-5 mit eL18-4Erkennung und Diagnose von MCVT
KoagulationsanalysegerätStagoSTAR MAX (https://www.stago-cn.com)APTT-Messung
Hämatologie-AnalysatorCobas8000 (https://www.cobase.com/)Blutzellenzählung, NLR, PLR
Laborbiochemischer AnalysatorSysmexBC7500 (https://www.sysmex.com.cn/)TG- und TC-Messung
Microsoft ExcelMicrosoft2023 (https://www.microsoft.com)Datenorganisation
R-SoftwareR Foundationhttps://www.r-project.org/Statistische Analyse
R-Paket glmnetCRANhttps://cran.r-project.org/web/packages/glmnet/index.htmlLASSO-Regression
R-Paket rmsCRANhttps://cran.r-project.org/web/packages/rms/index.htmlRCS, Nomogramm, Kalibrierung
R-Paket pROCCRANhttps://cran.r-project.org/web/packages/pROC/index.htmlROC-Analyse
R-Paket rmda / dcurvesCRANhttps://cran.r-project.org/web/packages/dcurves/index.htmlEntscheidungskurvenanalyse

Referenzen

  1. de Ronde AJN, et al. Complication overview following hip fracture surgery: insights from a prospective multicenter cohort study. Injury. 2026; 57(4):113107.
  2. van Rijckevorsel VAJIM, de Jong L, Verhofstad MHJ, Roukema GR. Influence of time to surgery on clinical outcomes in elderly hip fracture patients: an assessment of surgical postponement due to non-medical reasons. Bone Joint J. 2022; 104-B (12):1369-78.
  3. Kjaervik C, et al. Waiting time for hip fracture surgery: hospital variation, causes, and effects on postoperative mortality: data on 37,708 operations reported to the Norwegian Hip Fracture Register from 2014 to 2018. Bone Jt Open. 2021; 2(9):710-20.
  4. Hu X, Li X, Xu H, et al. Development of risk prediction model for muscular calf vein thrombosis with acute exacerbation of chronic obstructive pulmonary disease. Int J Gen Med. 2022; 15:6549-60.
  5. Kim SM. Clinical presentation of isolated calf deep vein thrombosis in inpatients and prevalence of associated pulmonary embolism. J Vasc Surg Venous Lymphat Disord. 2022; 10(5):1037-43.
  6. Gillet JL, Perrin MR, Allaert FA. Short-term and mid-term outcome of isolated symptomatic muscular calf vein thrombosis. J Vasc Surg. 2007; 46(3):513-19.
  7. Hang L, Haibier A, Kayierhan A, Abudurexiti T. Risk factors for deep vein thrombosis of the lower extremity after total hip arthroplasty. BMC Surg.2024; 24(1):256.
  8. Bortolotti P, Faure E, Kipnis E. Inflammasomes in tissue damages and immune disorders after trauma. Front Immunol. 2018; 9:1900.
  9. Borgel D, et al. Inflammation in deep vein thrombosis: a therapeutic target? Hematology. 2019; 24(1):742-50.
  10. Diao S, et al. Risk factors and new inflammatory indicators of deep vein thrombosis after adult patella fractures. Front Surg. 2022; 9:1028542.
  11. Tort M, Sevil FC, Sevil H, Becit N. Evaluation of systemic immune-inflammation index in acute deep vein thrombosis: a propensity-matched study. J Vasc Surg Venous Lymphat Disord. 2023; 11(5):972-77. e1.
  12. Su LY, Guo FJ, Xu G, et al. Differential diagnosis of isolated calf muscle vein thrombosis and gastrocnemius hematoma by high-frequency ultrasound. Chin Med J (Engl). 2013; 126(23):4448-52.
  13. Collins GS, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024; 385: q902.
  14. Zhao W, et al. Incidence and risk factors of preoperative isolated calf deep venous thrombosis following hip fractures. Medicine (Baltimore). 2022; 101(12): e29140.
  15. Moore EE, et al. Trauma-induced coagulopathy. Nat Rev Dis Primers. 2021; 7(1):30.
  16. Shin WC, et al. Preoperative prevalence of and risk factors for venous thromboembolism in patients with a hip fracture: an indirect multidetector CT venography study. J Bone Joint Surg Am. 2016; 98(24):2089-95.
  17. Navarrete S, et al. Pathophysiology of deep vein thrombosis. Clin Exp Med. 2023; 23(3):645-54.
  18. Feingold KR, et al. Effect of inflammation and infection on lipids and lipoproteins. In: Endotext. South Dartmouth (MA): MDText.com, Inc.; 2000.
  19. Liu S, Gao X, Wang G. Non-demographic dependent mechanisms of DVT formation in patients with traumatic limb fractures: an exploratory cohort study based on limited variable matching. Am J Transl Res. 2025; 17(10):8421-38.
  20. Gando S, Levi M, Toh CH. Trauma-induced innate immune activation and disseminated intravascular coagulation. J Thromb Haemost. 2024; 22(2):337-51.
  21. Hayakawa M. Pathophysiology of trauma-induced coagulopathy: disseminated intravascular coagulation with the fibrinolytic phenotype. J Intensive Care. 2017; 5:14.
  22. Joseph BC, et al. An engineered activated factor V for the prevention and treatment of acute traumatic coagulopathy and bleeding in mice. Blood Adv. 2022; 6(3):959-69.
  23. Hayakawa M. Dynamics of fibrinogen in acute phases of trauma. J Intensive Care. 2017; 5(1):3.
  24. Jiang J, Xing F, Luo R, et al. Risk factors and prediction model of nomogram for preoperative calf muscle vein thrombosis in geriatric hip fracture patients. Front Med. 2023; 10:1236451.
  25. Pan S, Zhou S, Ruze XYD, et al. Preoperative prevalence and risk factors for calf muscular vein thrombosis in elderly patients with hip fracture. Orthop Surg. 2023; 15(7):1806-13.
  26. Zhang L, He M, Jia W, et al. Analysis of high-risk factors for preoperative DVT in elderly patients with simple hip fractures and construction of a nomogram prediction model. BMC Musculoskelet Disord. 2022; 23(1):441.
  27. Hayssen H, Cires-Drouet R, Englum B, et al. Systematic review of venous thromboembolism risk categories derived from Caprini score. J Vasc Surg Venous Lymphat Disord. 2022; 10(6):1401-09. e7.
  28. Vittinghoff E, McCulloch CE. Relaxing the rule of ten events per variable in logistic and Cox regression. Am J Epidemiol. 2007; 165(6):710-18.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

MedizinAusgabe 234Ausgabe 234Leerer WertAusgabeMuskul re WadenvenenthromboseMCVTPr diktives Modell
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.