Summary
TBase는 신장 이식 수령인을 위한 혁신적인 연구 데이터베이스와 전자 건강 기록을 결합합니다. TBase는 메모리 내 데이터베이스 플랫폼을 기반으로 구축되어 다양한 병원 시스템에 연결되며 정기적인 외래 환자 치료에 사용됩니다. 이식별 데이터를 포함하여 모든 관련 임상 데이터를 자동으로 통합하여 고유한 연구 데이터베이스를 만듭니다.
Abstract
TBase는 신장 이식 수령인(KTR)을 위한 전자 건강 기록(EHR)으로, 일상적인 치료 중 수동 데이터 입력과 표준화된 인터페이스를 통해 주요 임상 데이터(예: 실험실 값, 의료 보고서, 방사선 학 및 병리학 데이터)의 자동화된 데이터 입력(예: 임상 노트, 약물 목록 및 이식 데이터)을 결합합니다. 이를 통해 KTR에 대한 포괄적인 데이터베이스는 일상적인 임상 치료 및 연구에 대한 이점을 제공합니다. 일상적인 임상 사용과 최고 데이터 품질을 갖춘 연구 질문에 대한 빠른 액세스를 모두 지원합니다. 이것은 임상 사용자와 환자가 치료 및 약물 계획에 대한 올바른 데이터에 의존하여 일상 실습에서 임상 데이터를 검증하고 수정해야하는 임상 루틴에서 데이터 검증의 개념에 의해 달성됩니다. 이 EHR은 이식 외래 환자 치료의 요구에 맞게 조정되었으며 베를린 대학 - 대학 샤리테에서 20 년 이상 임상 유틸리티를 입증했습니다. 그것은 잘 구조화 된, 포괄적 인 장기 데이터로 효율적인 일상적인 작업을 용이하게하고 임상 연구에 대한 그들의 쉬운 사용을 허용합니다. 이 시점까지, 그 기능은 다른 병원 정보 시스템의 표준화 된 인터페이스를 통해 일상적인 데이터의 자동화 된 전송을 포함, 이식 특정 데이터의 가용성, 약물 약물 상호 작용에 대한 통합 검사약물 목록, 그리고 다른 사람의 사이에서 의료 보고서의 반 자동 생성. 최신 재설계의 핵심 요소는 강력한 개인 정보 보호-디자인 개념, 모듈성, 따라서 다른 임상 컨텍스트에 이식뿐만 아니라 유용성과 플랫폼 독립성 HTML5 (하이퍼 텍스트 마크 업 언어) 기반 응답 웹 디자인에 의해 활성화. 이것은 다른 질병 지역 및 그밖 대학 병원에 빠르고 쉬운 확장성을 허용합니다. 포괄적인 장기 데이터 집합은 기계 학습 알고리즘의 조사의 기초이며 모듈식 구조로 이를 임상 치료로 신속하게 구현할 수 있습니다. 환자 보고 된 데이터 및 원격 의료 서비스는 환자의 미래 요구를 충족하기 위해 TBase에 통합됩니다. 이 새로운 특징은 임상 치료를 개선하고 새로운 연구 옵션과 치료 내정간섭을 만드는 것을 목표로합니다.
Introduction
통합 전자 건강 기록 및 연구 데이터베이스에 대한 동기 부여
임상 연구는 고전적인 통계 방법 또는 기계 학습 (ML) 기술이 분석에 사용되는지 여부에 관계없이 고품질 데이터의 가용성을 기반으로합니다1,2. 일상적인 데이터(예: 인구 통계학적, 실험실 및 약물 데이터) 외에도 도메인별 데이터(예: 이식 관련 데이터)는 높은 세분성3,4에서 필요합니다. 그러나 많은 대학 병원의 일상적인 치료는 연구 관련 데이터의 체계적인 수집을 허용하지 않으며 일상적인 데이터의 쉬운 데이터 추출을 허용하지 않는 병원 정보 시스템 (HIS)으로 수행됩니다5,6,7. 그 결과, 임상 연구원은 데이터베이스 설정의 복잡한 프로세스, 수동 데이터 입력, 데이터 보호 문제 및 장기 유지 보수(표 1)를 포함하여 다양한 문제가 있는 특정 연구 데이터베이스를 만듭니다. 제한된 양의 데이터, 누락된 데이터 및 불일치는 일반적으로 임상 연구를 위한 주요 문제이며 ML 기술의 사용을 방해합니다8,9,10,11,12,13. 이러한 독립 실행형 연구 데이터베이스는 일반적으로 특정 질병 또는 환자 측면에 초점을 맞추고, 다른 데이터베이스에 연결되지 않고, 종종 특정 기간 후에 중단되어 액세스 할 수없는 "데이터 사일로"가 발생합니다. 궁극적으로, 다양한 질병 측면에 대한 고품질의 장기 데이터는 희소합니다. 디지털 의학시대에는 포괄적인 전자 건강 기록(EHR)7,14,15에 대한 필요성이 증가하고 있으며, 이는 도메인별 데이터를 쉽게 문서화하고 입원 환자 및 외래 환자 치료 시스템에서 일상적인 데이터를 자동화하여 수집할 수 있게 해줍니다.
이러한 일반적인 고려 사항은 이식 의학에도 적용됩니다16. 따라서 모든 입원 환자 및 외래 환자 치료, 임상 루틴 데이터 뿐만 아니라 이식 별 데이터를 포함한 환자의 병력에 대한 완전한 문서화가 성공적인 후속 치료에 필요합니다17,18. 일반 HIS는 정적이며 입원 환자 치료에 초점을 맞추고 있기 때문에 기증자 데이터, 감기 허혈 시간 및 인간 백혈구 항원 (HLA) 데이터와 같은 이식 별 데이터를 통합 할 수 없습니다. 그러나, 이 데이터는 이식 연구를 위한 기본적인 전제 조건입니다19,20,21,22뿐만 아니라 장기 임상 치료에서. 초기 입원은 일반적으로 신장 이식 후에 1-2 주 및 프로세스 뿐 아니라 초기 결과가 많은 이식 센터 사이에서 비교되는 동안, 평생 이식 후 배려는 복잡하고 일반적인 구조화한 접근이 결여됩니다. 이것은 통합된 EHR 및 연구 데이터베이스에 동기를 부여하여 평생 이식 후 환자 여정을 포착합니다. 23
KTR의 일상적인 치료 및 연구를 위한 이러한 기능을 통합하기 위해 "TBase"라는 EHR은 이식 후 관리를 위한 일상적인 사용이 최고 데이터 품질로 고유한 연구 데이터베이스를 만들 것이라는 생각으로 개발되었습니다(표 2).
디자인 및 아키텍처
TBase는 일반적인 클라이언트 서버 아키텍처를 기반으로 합니다. 개발을 위해 SAP 고성능 분석 기기 확장 애플리케이션(SAP HANA XSA)의 구성 요소 및 도구가 사용되었습니다. 최신 하이퍼텍스트 마크업 언어 5(HTML5) 웹 기술을 기반으로 EHR은 Google 크롬 엔진을 개발하고 테스트했습니다. 이 웹 엔진은 크롬과 마이크로 소프트 에지 브라우저에 의해 사용되며 로컬 설치없이 가장 자주 사용되는 웹 브라우저24 에서 EHR을 사용할 수 있습니다. 적용 된 기술은 반응형 웹 설계를 가능하게하고 웹 기반 EHR이 모든 장치 (PC, 태블릿, 스마트 폰)에서 사용할 수 있습니다. 혁신적인 고성능 개발 플랫폼은 다양한 구성 요소(웹 IDE, UI5 및 HANA DB)로 구성되어 있으며 최첨단 소프트웨어 도구(그림 1)로 EHR 프로젝트 TBase를 신속하게 구현할 수 있게 되었습니다.
환자 데이터의 표현을 위해 EHR의 직관적이고 자명한 설계를 위해 간단한 테이블 구조가 구현되었습니다. 예를 들어, 1차 키로서 PatientID를 가진 환자 테이블은 테이블 구조의 중심에 있다. 환자 ID를 통해 이 중앙 테이블에 연결된 거의 모든 테이블(개별 하위 테이블 제외)이 있습니다(그림 2).
그림 3 은 TBase테이블 구조의 일부와 보다 자세하게 사용되는 데이터 형식을 보여 주어 있습니다. 최종 사용자는 그림 4에 예제가 표시되는 그래픽 사용자 인터페이스(GUI)를 통해 데이터 필드에 액세스할 수 있습니다.
이 EHR은 모든 현재 환자 데이터를 포함하고 일상적인 외래 환자 치료에 사용됩니다. 중요한 일상적인 임상 데이터(예: 실험실 데이터, 의료 결과, 방사선학, 미생물학, 바이러스학 및 병리학 데이터, 병원 데이터 등)는 표준화된 인터페이스(예: 건강 수준 7(HL7)를 기반으로 TBase로 직접 수입됩니다(예: 헬스케어 분야의 디지털 통신 표준인 25). 감기 허혈 시간, 기증자 데이터, HLA 데이터 뿐만 아니라 후속 노트, 활력 징후, 의료 보고서 및 약물 목록과 같은 이식 특정 데이터는 GUI를 통해 사용자가 EHR로 입력합니다. 데이터가 데이터베이스로 전송되기 전에 즉시 수정할 수 있는 옵션을 제공하는 잘못된 데이터 입력을 즉시 감지하기 위해 자동화된 타당성 검사가 수행됩니다. 또한, 데이터 검증은 임상 사용자가 정기적으로 환자와 의사에게 보고서와 편지를 작성하는 임상 루틴 중에 참여합니다. 이 편지는 추가 치료 및 약물 계획을 위해 올바른 데이터 (예 : 약물 치료, 실험실 값 및 임상 발언)를 제공해야합니다. 결과적으로 의사와 환자는 매일 연습에서 임상 데이터를 지속적으로 검증하고 수정하여 높은 데이터 품질을 초래합니다. 응용 프로그램 프로그래밍 인터페이스(API) 또는 기타 인터페이스를 통해 데이터를 입력하면 프런트엔드의 타당성 검사와 유사하게 백엔드에서 타당성 검사가 수행됩니다.
프론트 엔드 (GUI)
프런트엔드를 구현하려면 UI5 프레임워크가 사용됩니다. 이 프레임워크는 프론트엔드 요소에 대한 광범위한 라이브러리뿐만 아니라 데이터 시각화를 위한 다국어 및 그래픽 라이브러리와 같은 다양한 추가 기능을 제공합니다. 현재 TBase 프런트엔드 요소는 브라우저의 언어 설정에 따라 영어 또는 독일어로 표시됩니다.
프런트엔드에 마스터 디테일 인터페이스를 사용하여 간단하고 직관적인 페이지 구조를 보장합니다. 보기 페이지의 상단 부분은 세부 페이지(기본 데이터, 의료 데이터, 이식 데이터 등)에 대한 개별 탭으로 구성됩니다. 이 마스터 부분은 아래에 표시된 세부 페이지에 관계없이 변경되지 않습니다(그림 4). 각 페이지의 세부 보기를 사용하면 페이지 주제에 대한 간편한 개요를 확인할 수 있습니다.
데이터 조작의 경우 EHR에는 사용자 권한 수준이 다릅니다("읽기", "쓰기", "삭제"및 "관리자"). "보기" 수준 외에도 "편집" 수준이 있으며, 이는 "읽기"보다 권한이 높은 사용자만 활성화할 수 있습니다. 사용자가 쓸 권리가 있는 경우 데이터 입력에 대한 모든 입력 필드가 활성화되고 데이터로 채울 수 있습니다. "삭제" 권한이 있는 사용자는 해당 버튼을 통해 데이터를 삭제할 수 있지만 팝업 창을 통해 확인 후에만 데이터를 삭제할 수 있습니다.
데이터베이스 구조 및 인터페이스
TBase의 개발은 개발 데이터베이스에서 수행됩니다. 새로운 기능과 같은 모든 소프트웨어 변경에 대한 광범위하고 상세한 테스트는 품질 보증 데이터베이스에서 수행됩니다. 품질 관리 검사를 통과하는 소프트웨어 업데이트는 라이브 시스템으로 전송됩니다. 연구를 위해 라이브 시스템은 복제 데이터베이스에 복사되며, 이는 표준 개방형 데이터베이스 연결(예: 오픈 소스 소프트웨어 R Studio를 통해)을 통해 쿼리할 수 있습니다. 복제와 라이브 시스템 사이에 직접적인 연결이 없기 때문에 라이브 시스템의 데이터는 데이터의 손상, 손실 또는 조작으로부터 보호됩니다. 이 모듈식 구조와 개발자, 연구원 및 임상의의 특정 요구에 맞게 조정된 4개의 데이터베이스(개발, 품질 보증, 라이브 시스템 및 복제 데이터베이스)의 명확한 분리는 민감한 환자 데이터의 유지 보수 및 데이터 보호를 용이하게 합니다.
EHR은 Charité의 데이터 인프라에 완전히 통합되어 있으며 다양한 데이터 원본에서 데이터를 가져오기 위해 다양한 인터페이스에 의존합니다. HIS에 대한 인터페이스는 행정 데이터, 검사, 약물, 실험실 결과 및 퇴원 편지와 같은 모든 관련 데이터를 수입합니다. 이 인터페이스는 스테이징 영역을 통해 두 시스템을 모두 연결합니다. 여기서모든 새 데이터(데이터 델타)는 HIS에서 TBase로 실시간으로 전송됩니다. 환자는 환자 번호 또는 케이스 번호를 통해 식별되며 HIS의 해당 데이터가 수입됩니다(TBase에서 아직 사용할 수 없는 경우).
외래 환자를 위해, 우리의 실험실 파트너는 HL7 메시지를 통해 실험실 결과를 제공합니다. 이들은 실험실 시스템의 공유 영역에 배포되고 HL7 인터페이스를 통해 포착되어 EHR로 가져옵니다. KTR(스마트폰 앱을 통한) 및 가정 신과 전문의와의 양방향 통신 및 데이터 교환을 위해 HL7 고속 헬스케어 상호 운용성 자원(HL7 FHIR) 인터페이스가 구현되었습니다26. 이 인터페이스는 향후 다른 데이터 원본(예: 유로이식, 환자 앱)과의 안전한 데이터 교환을 위한 상호 운용성과 유연성을 제공합니다.
사용자 관리 및 데이터 보호
TBase는 응용 프로그램 수준에서 사용자 관리를 기반으로 합니다. 따라서 사용자는 응용 프로그램의 프런트 엔드에만 액세스할 수 있지만 데이터베이스 자체는 액세스할 수 없습니다. 위에서 설명한 대로 4단계 권한 부여 개념이 선택되어 관리 권한이 있는 사용자를 위해 사용자 관리를 예약했습니다. 관리자는 "ID 관리 콘솔" 응용 프로그램을 사용하여 TBase 응용 프로그램에 대한 Charité 사용자 풀의 새 사용자를 추가하고 사용자 권한을 유지합니다(그림 5). 대부분의 사용자는 데이터베이스의 모든 환자에 액세스할 수 있습니다. 그러나, 환자의 그룹에 연구 모니터와 같은 특정 사용자에 대한 액세스를 제한 할 수있다.
상용 메모리 데이터베이스 플랫폼을 사용하여 응용 프로그램 수준 권한 부여, 단일 로그인(SSO), MIT-Kerberos 프로토콜 및 보안 어설션 마크업 언어(SAML)와 같은 전략으로 데이터를 보호하는 보안 데이터베이스 기술이 사용됩니다. 이 플랫폼은 최신 암호화 및 테스트 기술을 사용하여 통신, 데이터 저장 및 응용 프로그램 서비스를 보호합니다. 데이터베이스의 모든 개발은 권한 부여에 의해 제어됩니다. 이렇게 하면 높은 수준에서 의도적으로 데이터의 보안을 보장합니다. 또한 모든 데이터는 인증된 Charité 방화벽 뒤에 보관됩니다. 최신 유럽 연합 일반 데이터 보호 규정(EU GDPR)에 따라 데이터 흐름 다이어그램, DSFA(데이터 보호 위험 평가) 및 권한 부여 개념을 포함한 강력한 데이터 보호 개념이 구현되었습니다. 모든 문서는 Charité 데이터 보호 사무소의 절차 디렉토리에 배치됩니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 프로토콜은 전자 상태 레코드 TBase의 사용, 데이터베이스에 데이터를 추가하는 방법 및 연구 목적으로 데이터를 추출하는 방법을 보여줍니다. 모든 단계는 샤리테의 인간 연구 윤리위원회의 지침에 따라 - 대학 베를린.
1. 새 환자 등록 및 기본 환자 데이터를 TBase에 추가
- 등록 시 환자의 건강보험카드에서 병원정보시스템으로 환자의 기본데이터(이름, 생년월일, 건강보험 데이터)를 이전한다. 이 과정에서 새 고유 사례 번호가 만들어집니다. 환자가 Charité에서 치료된 적이 없다면 - Universitätsmedizin 베를린, 새로운 독특한 환자 수뿐만 아니라 생성, 이는 명확하게 병원 시스템에서이 특정 환자를 식별합니다.
- EU GDPR에 따르면 이 등록 과정에서 샤리테- 유니버시테츠메디진 베를린 및 샤리테(Ambulantes Gesundheitszentrum der Charité)의 외래 환자 클리닉에 의한 TBase 데이터 처리 환자에게 서면 통보된 동의를 얻습니다.
- 적절한 권한이 있는 직원이 이 새 환자를 TBase에 추가하도록 합니다. 먼저 GUI를 통해 TBase에 로그인합니다. 이를 위해 샤리테 인트라넷의 크롬 엔진 기반 웹 브라우저에 "https://nephro.tbase.charite.de"를 입력합니다. 다음으로 TBase 관리자가 할당한 사용자 이름과 암호를 입력합니다. 로그 온을 클릭합니다.
- 다음으로 왼쪽의 환자 개요 프레임 하단에 새 환자 추가 버튼을 클릭합니다. 그런 다음 입력 화면이 나타납니다.
- 환자의 이름, 생년월일, Charité 병원 환자 번호 (위 참조, 또는 차리테 병원 사례 번호 참조) 및 환자 데이터 처리 동의에 대한 정보 (환자가 부여, 부여 또는 취소하지 않은 경우)를 입력합니다. 데이터 입력이 완료되면 오른쪽 하단의 저장 버튼을 클릭합니다.
참고: 이제 새로운 환자가 TBase에 추가되었으며 사용 가능한 모든 환자 데이터가 이제 HIS에서 TBase EHR 시스템으로 자동으로 전송됩니다.
2. 섹션의 TBase에서 환자 기록에 데이터를 보고 추가 : 마스터 데이터, 의료 데이터, 의사, 진단, 절차, 이식 데이터, 병원
- 1.3 단계에서 설명한 대로 EHR에 로그인합니다.
- 이름 이나 생년월일을 통해 왼쪽 상단에 있는 검색 필드를 통해 원하는 환자를 검색합니다. 검색 필드 오른쪽의 검색 버튼을 클릭하거나 Enter를 누를 수 있습니다. 왼쪽의 환자 개요 프레임의 결과에서 오른쪽 환자를 선택하고 이름을 클릭합니다. 선택한 환자의 마스터 데이터를 보여주는 새 화면이 나타납니다.
- 환자를 검색한 후 환자의 마스터 데이터 보기 페이지가 기본적으로 나타납니다. 다른 페이지에서 탐색하려면 왼쪽 상단의 마스터 데이터 탭을 클릭합니다.
- 마스터 데이터를 변경하려면 오른쪽 하단의 변경 단추를 클릭합니다. 새 입력 화면이 나타납니다.
- 이제 지정된 입력 필드에 새 정보를 입력하여 환자의 전화 번호, 주소, 추가 또는 수정과 같은 데이터를 변경합니다. 데이터 입력이 완료되면 오른쪽 하단의 저장 버튼을 클릭하여 변경 내용을 제출합니다. 마스터 데이터 보기 페이지로 리디렉션된 후 변경 내용을 보고 확인할 수 있습니다.
- 의료 데이터를 보고 변경하려면 왼쪽 상단의 의료 데이터 탭을 클릭합니다. 의료 데이터 개요가 나타나고 기존 의료 데이터를 표시합니다. 그(것)들은 다음과 같이 구조화됩니다: 환자의 고도, 혈액 형, 첫번째 투석 날짜, 1 차질병, HLA, 유전학 데이터, 투석 데이터, 기존 HLA 항체에 데이터, 수혈 데이터, 위험 요소, 알레르기, 구조화된 무형질비 데이터, 죽음.
- 일부 의료 데이터를 변경하려면 오른쪽 하단의 변경 단추를 클릭합니다. 새 입력 화면이 나타납니다.
- 예를 들어, 1차 질환을 클릭하여 환자의 의료 데이터에 1차 질환을 추가하여 데이터 입력 양식을 확장하거나 축소합니다. 오른쪽에, 1 차적인 질병 입력 필드는 기존의 제안에서 1개의 질병을 선택하기 위하여 이용될 수 있습니다 (예를 들면, 유로이식 1 차질병 테이블에서) 또는 새로운 질병을 입력하기 위하여. 추가적으로 진단 날짜에 대한 정보, 질병의 확실성 (생검 입증 여부) 및 의견을 입력 할 수 있습니다. 데이터 입력 후 값 제출 단추를 클릭하여 제출합니다.
- 모든 변경 사항을 입력하고 제출한 후 오른쪽 하단의 저장 버튼을 클릭하여 변경 내용을 저장합니다. 의료 데이터 보기 페이지로 리디렉션된 후 모든 변경 내용과 올바르게 저장되었는지 여부를 확인할 수 있습니다.
- 치료 의사에 대한 정보를 보려면 의사 탭을 클릭하십시오. 의사 보기 페이지는 열리고 의사 치료에 대한 기존 데이터를 보여줍니다. 의사의 이름과 주소, 전문화, 유형 (컨설턴트, 일반 개업, 거주자), 작업 시설 (투석 병동, 외래 환자 클리닉 등), 전화 번호등 다음과 같이 구성됩니다.
- 새 의사를 추가하려면 오른쪽 하단의 새 단추를 클릭합니다. 새 입력 화면이 열립니다. 또는 의사의 이름을 먼저 클릭한 후 오른쪽 하단의 변경 버튼을 클릭하여 기존 의사에 대한 정보를 수정할 수 있습니다.
- 예를 들어, 새로운 의사를 환자의 EHR에 추가할 수 있습니다. 검색 필드에 이름을 입력하고 다른 제안에서 오른쪽 항목을 클릭하여 이전에 추가 된 의사 목록을 검색합니다. 또는 원하는 의사가 목록에 없는 경우 먼저 새 의사 추가 를 선택한 후 아래 입력 필드에 데이터를 입력합니다.
- 모든 변경 사항을 입력한 후 오른쪽 하단의 저장 버튼을 클릭하여 변경 내용을 저장합니다. 의사 보기 페이지로 리디렉션된 후 모든 변경 내용이 표시되고 사용자가 변경 내용이 올바르게 적용되었는지 확인할 수 있습니다.
- 진단을 보고 변경하려면 왼쪽 상단의 진단 탭을 클릭합니다.
참고: 대부분의 진단, 절차 및 조사는 입원 환자 치료 데이터에 대한 HIS의 미리 정의된 인터페이스를 통해 자동으로 가져옵니다.- 오른쪽 하단의 새 버튼을 클릭하여 외래 진료소에서 만든 진단을 입력합니다.
- 새로운 진단은 질병의 국제 분류에 따라 입력할 수 있습니다 10: 개정 (ICD-10). ICD-10 코드 또는 진단 이름을 화면 중앙의 검색 필드에 입력하고 클릭하여 제안 목록에서 오른쪽 코드를 선택합니다. 다음으로, 이러한 데이터를 지정된 입력 필드에 입력하여 진단이 이루어진 경우 시작 및 종료 날짜와 컨텍스트(입원 환자 또는 외래 환자)를 정의합니다.
- 오른쪽 하단의 저장 단추를 클릭하여 데이터를 제출합니다. 진단 보기 페이지로 리디렉션된 후 변경 내용이 표시되고 사용자가 데이터 입력이 올바른지 확인할 수 있습니다.
- 절차를 보고 변경하려면 맨 위에 있는 프로시저 탭을 클릭합니다 .
- 오른쪽 하단의 새 버튼을 클릭하여 외래 진료소에서 수행되는 추가 절차를 입력합니다.
- 새로운 절차는 OPS 코드 (의학절차의 국제 분류의 독일어 버전(ICPM) 코드에 따라 입력할 수 있습니다. OPS 코드 또는 절차 이름을 화면 중앙의 검색 필드에 입력하고 클릭하여 제안 목록에서 올바른 코드를 선택합니다. 다음으로 지정된 입력 필드에 이러한 데이터를 입력하여 프로시저가 수행된 지역화(왼쪽, 오른쪽, 없음)와 컨텍스트를 정의합니다.
- 오른쪽 하단의 저장 단추를 클릭하여 데이터를 제출합니다. 프로시저 보기 페이지로 리디렉션된 후 변경 내용이 올바르게 적용되었는지 확인합니다.
- 조사에 대한 데이터를 보고 변경하려면 상단의 조사 탭을 클릭합니다.
참고: HIS의 대부분의 보고서는 텍스트 파일로 제공되므로 EHR의 대부분의 해당 결과도 텍스트 기반입니다. 대조적으로, 신장 이식 생검에서 병리학적인 보고는 Banff 분류에 따라 분류됩니다 201727,28 및 결과 이산 분류 데이터는 EHR에 있는 해당 테이블에 저장됩니다.- 특정 조사 결과를 보려면 아래 목록의 오른쪽 조사 결과를 클릭하거나 위의 검색 필드를 사용하여 제안 목록에서 선택합니다.
- 오른쪽 하단의 새 버튼을 클릭하여 외래 진료소에서 수행된 추가 조사를 입력합니다.
- 날짜, 유형(초음파, 홀터 모니터링 등)을 입력하여 새로운 조사를 입력하고, 관련 기관 및 지정된 입력 필드에 대한 결과를 입력합니다.
- 오른쪽 하단의 저장 단추를 클릭하여 데이터를 제출합니다. 조사 보기 페이지로 리디렉션된 후 사용자가 변경 내용을 보고 확인할 수 있습니다.
- 입원 에 대한 데이터를 보고 변경하려면 상단의 병원 탭을 클릭합니다.
참고: 정기적으로, Charité에서 이식된 KTR는 후속 합병증을 위해 이식 센터에 입원합니다. 생성된 데이터는 먼저 HIS 및 관련 데이터(예: 입원 또는 방전, 의료 보고서)에 저장되며 HIS 인터페이스를 통해 EHR로 가져옵니다. 외부 입원은 수동으로 EHR에 입력해야합니다.- 입원에 대한 데이터는 다음과 같이 구성됩니다 : 입원, 퇴원, 가능한 경우 의료 보고서, 병원, 병동 및 입원 이유. 의료 보고서를 읽으려면 목록의 오른쪽 보고서를 클릭하거나 위의 검색 필드를 사용하여 제안 목록에서 선택합니다.
- 오른쪽 하단의 새 버튼을 클릭하여 추가 입원(예: 외부 입원)을 입력합니다.
- 위에서 언급한 데이터를 지정된 입력 필드에 입력하여 새로운 입원을 입력합니다.
- 오른쪽 하단의 저장 단추를 클릭하여 데이터를 제출합니다. 변경 사항이 표시되고 확인할 수 있는 병원 보기 페이지로 리디렉션된 후.
- 이식 데이터를 보고 변경하려면 오른쪽 상단의 이식 탭을 클릭합니다. 이식 보기 페이지가 나타나기존 이식 데이터를 표시합니다. 상단에, 두 개 이상의 이식이 수행 된 경우, 해당 버튼을 클릭하여 다른 이식 사이를 탐색할 수 있습니다.
- 기증자에 대한 정보를 보거나 변경하려면 해당 이식 날짜 아래의 기부자 보기 버튼을 클릭합니다. 기부자에 대한 정보를 입력하거나 변경하려면 오른쪽 하단의 변경 버튼을 클릭하고 지정된 입력 필드에 데이터를 입력하고 그 후 오른쪽 하단의 저장 버튼을 클릭하여 변경 내용을 저장합니다.
- 환자의 EHR에 새 이식을 추가하려면 이식 보기 페이지의 오른쪽 하단에 있는 새 버튼을 클릭 합니다 . 입력 필드에 따라 이식 특정 데이터를 입력합니다(장기 유형, 이식 날짜, 허혈 시간, 절차적 합병증에 대한 정보 포함). 오른쪽 하단의 저장 버튼을 클릭하여 데이터를 EHR에 저장 합니다. 그런 다음 사용자가 이식 보기 페이지로 리디렉션되어 변경 내용이 올바르게 저장되었는지 확인합니다.
- 기존 이식에 대한 정보를 변경하려면 이식 보기 페이지의 오른쪽 하단의 변경 버튼을 클릭하고 선택한 이식에 대한 기존 데이터가 표시되는 곳에 새 입력 화면이 나타납니다. 입력 필드에 따라 이러한 이식 특정 데이터를 변경합니다(장기 유형, 이식 날짜, 허혈 시간, 절차적 합병증에 대한 정보 포함). 오른쪽 하단의 저장 버튼을 클릭하여 EHR에서 새 입력 데이터를 저장합니다. 이식 보기 페이지로 리디렉션된 후 변경 사항을 확인하고 변경 사항이 올바르게 입력되었는지 확인합니다.
3. 실험실 데이터 보기 및 선택
- TBase에 로그인하고 1.3 및 2.2에 설명된 대로 원하는 환자를 선택합니다.
- 실험실 데이터를 보려면 상단의 실험실 탭을 클릭하고 최신 실험실 결과의 표 모양개요가 나타납니다. 맨 위에, 마지막 조사의 모든 데이터는 이전 실험실 데이터와 그 옆에 있는 검색 필드를 검색하는 드롭다운 메뉴와 함께 볼 수 있습니다, 여기서 하나는 특정 실험실 값을 검색할 수 있습니다 (예를 들어, 크레아티닌).
참고 : 실험실 값은 다음과 같이 표시됩니다 : 샘플 영수증 날짜, 처리 날짜, 실험실 값, 값, 단위, 참조 범위, 코멘트 (H ... 높은, L ... 낮은, N ... [보통] 및 비교를 위한 이전 두 개의 역사적인 랩 값입니다. - 역사적인 실험실 조사 보기를 위한 날짜를 변경하려면 왼쪽 상단의 드롭다운 메뉴를 클릭하고 클릭하여 원하는 날짜를 선택합니다. 그런 다음 이 날짜의 모든 해당 랩 값이 위에서 설명한 대로 표시됩니다.
- 크레아티닌과 같은 특정 실험실 값을 선택하고 시간이 지남에 따라 해당 과정을 검사하려면 이름을 상단의 검색 필드에 입력하고 제안 목록에서 올바른 실험실 값을 선택합니다. 노동 표시 버튼을 클릭한 후 이 환자의 선택한 값에 대한 모든 결과가 아래 차트에 표시됩니다.
- 또는 단일 조사의 초기 표 표시에서 원하는 값을 클릭하기만 하면 됩니다. 이것은 다시 이 특정 실험실 값에 대한 모든 이전 및 현재 결과를 보여줍니다.
- 실험실 값의 과정을 플롯하려면 원하는 값 옆에 있는 플롯 기호를 클릭합니다. 이렇게 하면 이 값에 대한 모든 기존 결과의 플롯이 자동으로 생성됩니다. 필요한 경우 오른쪽 상단의 입력 필드에서 시작 및 종료 날짜를 선택하여 플롯의 시간 범위를 지정하고 지정된 입력 필드에서 선택하여 플롯에 두 번째 값을 추가합니다. 오른쪽 하단의 뒤로 버튼을 클릭하여 실험실 보기 페이지로 돌아갑니다.
4. 약물 데이터 보기 및 변경: 독일 규정에 따라 표준화된 약물 목록 작성("Bundeseinheitlicher Medikationsplan")
- TBase에 로그인하고 1.3 및 2.2에 설명된 대로 원하는 환자를 선택합니다.
- 약물 데이터를 보려면 상단의 약물 탭 을 클릭합니다. 환자의 현재 약물에 대한 표 모양의 개요가 나타납니다. 약물 데이터는 다음과 같이 표시됩니다 : 시작 날짜, 활성 물질, 단일 용량 (예를 들어, mg), 거래 이름, 투약 계획, 일일 복용량, 복용량 형태, 알림, 표시, 처방전의 종류 (내부 또는 외부 의사, 또는 환자에 의한 자기 치료).
- 새 약을 추가하려면 오른쪽 하단의 새 버튼을 클릭합니다. 물질의 이름(또는 기타 무역이름), 출고 계획 및 시작 날짜를 현재 날짜에 자동으로 설정하지만 시작 날짜가 과거에 있었던 경우 변경할 수 있습니다. 또한 지정된 입력 필드에 표시 및 발언을 추가할 수 있습니다. 오른쪽 하단의 저장 버튼을 클릭하여 약물에 추가합니다.
- 기존 약물을 변경하려면 약물 목록과 오른쪽 하단의 변경 버튼에서 적절한 항목을 클릭합니다. 이제 투여량에 관한 변경, 응용 양식은 지정된 입력 필드에 입력할 수 있으며 오른쪽 하단의 저장 버튼을 클릭하여 변경 사항을 적용할 수 있습니다.
- 약물을 중단하려면 지정된 약물을 클릭하고 상단의 중단 버튼을 클릭합니다.
- 이전 약물을 검색하려면 활성 물질을 왼쪽 상단의 검색 필드에 입력하고 역사적인 약물 목록에서 클릭하여 오른쪽 물질을 선택합니다. 모든 이전 약물을 가진 차트가 나타납니다, 이는 4.2에 명시된 대로 구성되어 있습니다.
- 독일 규정에 따라 환자를 위한 표준화된 약물 목록을 만들려면 오른쪽 상단에 있는 분데시하이플리셔 메디카테스플랜 버튼을 클릭하십시오. PDF 파일이 생성되어 인쇄용으로 자동으로 다운로드됩니다.
5. 의료 과정에 항목 보기 및 추가 : 의료 보고서 반 자동 생성
- EHR에 로그인하고 1.3 및 2.2에 설명된 대로 원하는 환자를 선택합니다.
- 의료 과정을 보려면 상단의 코스 탭을 클릭합니다. 환자의 이전 약속에서 문서에 대 한 표 개요를 제공 합니다. 데이터는 다음과 같이 구성됩니다 : 약속 날짜, 다음 약속날짜, 혈압, 심박수, 온도, 체중, 체질량 지수, 소변 볼륨 및 환자에 대한 공개 평가로 나누어진 3 개의 텍스트 필드, Charité에서 사용하기위한 내부 평가 및 다른 의사를위한 의료 평가.
참고: 또한, 하단에 요약 필드가 있다, 환자의 병력에 대 한 중요 한 정보를 요약 하 고 첫눈에 볼 수 있도록 하는 데 사용 됩니다. - 의료 과정에 새 항목을 추가하려면 오른쪽 하단의 새 단추를 클릭합니다. 원하는 입력 필드(예: 생명 징후, 치료 의사, 내부 평가 또는 공개 평가)에 평가된 정보를 입력합니다. 오른쪽 상단의 지정된 입력 필드에 다음 약속 날짜를 추가합니다. 오른쪽 하단의 저장 단추를 클릭하여 데이터를 제출합니다. 그런 다음 코스 보기 페이지 로 리디렉션됩니다.
- 기존 항목을 변경하려면 적절한 항목을 클릭하고 오른쪽 하단의 변경 단추를 클릭합니다. 이제 지정된 입력 필드에 추가 데이터를 입력하거나 기존 데이터를 변경합니다. 알림 필드에 입력하여 정보를 변경 하거나 업데이트 하 고 오른쪽 하단에 있는 저장 단추를 클릭하여 변경 내용을 제출 합니다. 그런 다음 코스 보기 페이지 로 리디렉션됩니다.
- 자동화된 의료 보고서를 만들려면 오른쪽 하단의 의료 보고서 버튼을 클릭합니다. 18가지 옵션(실험실 결과부터 의료 보고서 완료까지)이 있는 새로운 화면이 나타납니다.
- 예를 들어 몇 번의 클릭으로 의료 보고서를 만듭니다: 외래 환자 의료 보고서를 클릭합니다. 환자 이름, 치료 의사, 실험실 값의 마지막 날짜 및 의료 과정의 마지막 날짜는 자동으로 작성되지만 필요한 경우 변경할 수 있습니다. 확인을 클릭하면 올바르게 포맷된 단어(.doc-) 문서 파일이 만들어지고 선택한 정보가 포함된 인쇄용으로 다운로드됩니다.
6. 로그 아웃
- TBase에서 적극적으로 로그아웃하려면 오른쪽 하단의 로그 아웃 버튼을 클릭합니다. 또한 60분 동안 활동이 중단되지 않았거나 브라우저가 닫힌 후 자동으로 로그아웃됩니다.
7. 수집된 데이터 사용
- 수집된 데이터를 쿼리하려면 데이터베이스 구조 및 인터페이스 섹션에 설명된 대로 복제 서버(그림 1)를 사용합니다. 열려 있는 데이터베이스 연결(ODBC), Java 데이터베이스 연결(JDBC)을 통해 데이터베이스에 연결할 수 있는 모든 데이터 처리 프로그램을 쿼리에 사용할 수 있습니다. 데이터베이스에 대한 연결이 설정되면 오픈 소스 소프트웨어 R Studio를 사용합니다.
- 예를 들어 Windows 운영 체제에서 ODBC 데이터베이스 연결을 설정하려면 ODBC 도구를 열고 제어판 및 보안 관리에서 새 사용자 데이터 원본 이름(DSN)에 대한 추가를 클릭합니다. 거기에서 복제 데이터베이스에 사용 가능한 연결 데이터를 입력합니다. 다음 데이터를 입력합니다: "드라이버 이름", "ODBC 연결 이름"(사용자가 설정), "Hostname" 및 SQL 인증 세부 정보 "사용자 이름", "암호" 및 "데이터베이스 이름".
- ODBC 데이터베이스 연결이 설정된 후 오픈 소스 소프트웨어 R Studio에서 매우 간단한 쿼리(예: 2000-2020년 동안 성별로 나눈 이식 수)를 생성하기 위해, 파일, 왼쪽 상단에 있는 응용 프로그램 R Studio의 새 파일 및 R 스크립트를 클릭합니다. 예제 스크립트 코드(코드 1)가 열리는 빈 스크립트 창에 입력됩니다.
- 스크립트 창 상단의 단추 원본 을 클릭한 다음 스크립트가 실행 중인 다음 연결된 데이터베이스의 데이터로 스크립트에 정의된 막대 차트를 생성합니다(그림 6).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
TBase는 1999년 샤리테 캠퍼스 미테에서 처음 출시되었으며 그 이후로 사용 중입니다. 20년 이상 TBase-EHR은 모든 KTR의 데이터를 향후 수집합니다. 2001년부터 Charité의 다른 이식 프로그램은 TBase를 사용하여 KTR 및 대기 대기 환자의 일상적인 치료를 위해 사용했습니다. 2007년부터, 이 EHR은 신장학의 부에 있는 살아있는 기증자 및 모든 환자의 일상적인 배려를 위해 이용되고 있습니다.
최근 몇 년 동안 최신 소프트웨어 아키텍처를 통해 모듈형 웹 기반 연구 데이터베이스로 발전한 TBase 소프트웨어를 제공함으로써 총 6,317명의 환자가 신장 이식을 받은 7,595명의 환자가 20년 이상 동안 문서화되었습니다. KTR은 진단 건수가 220,877건, 332,299건, 실험실 보고서 1,033,941건, 실험실 값 24,478,441개, 약물 539,922건, 조사 324,339건, 기증자 데이터 6,489건, 퇴원 54,350글자(표 3)를 가지고 있다.
또한, 대기자 명단에 있는 환자, 살아있는 기증자 및 만성 신장 질환을 가진 환자를 포함하여 20,724명의 환자의 데이터가 수집되었습니다. 이 환자는 총 232,783명의 진단, 408,857건의 절차, 546,661개의 실험실 보고, 13,399,048개의 실험실 값, 114,657건의 약물 에피소드, 226,206건의 조사 및 70,278건의 퇴원 편지를 가지고 있습니다.
지난 10년 동안 TBase 데이터베이스의 50개 이상의 과학 간행물이 피어 리뷰 저널에 게재되었으며, 지난 10 년 동안 1,2,3,4,6,9,9,10,11,12,13,17,18,19,21, 29,30,31,32,33,34,35
,36. 철저한 데이터 보호 평가가 수행되고 데이터 보호 담당자에게 내려졌습니다. TBase는 IT 부서와 신장학과의 지원을 받아 4명의 전임 컴퓨터 과학자로 구성된 개발 팀의 감독을 받고 있습니다.
| 병원 정보 시스템의 단점 (HIS) | 독립 실행형 연구 데이터베이스의 단점 |
| 관련 데이터를 완전히 사용할 수 없습니다. | 수동 데이터 입력, 일상적인 임상 데이터의 자동화된 데이터 전송 없음 |
| 도메인별 요구에 대한 적응 없음 또는 제한 | 주요 변수로 제한되는 데이터 입력으로 인해 기계 학습 응용 프로그램이 방해를 받고 있습니다. |
| 입원 환자 또는 외래 환자 치료를 위해 설계되었습니다. | 데이터 검증이 어렵고 시간이 많이 걸립니다. |
| 연구 목적으로 어려운 데이터 추출 | 일반적으로 새로운 요구에 대 한 실업. 따라서 새 데이터베이스가 만들어집니다. |
| HIS를 변경하면 종종 이전 데이터가 손실됩니다. | 단일 사용자 독립 실행형 시스템은 종종 수명이 짧은 데이터 사일로를 초래합니다. |
표 1: 임상 데이터베이스 및 독립 실행형 연구 데이터베이스의 문제. 이 표에는 병원 정보 시스템(HIS)의 문제와 다른 한편으로는 다양한 문제가 있는 특정 연구 데이터베이스가 나와 있습니다.
| 임상 실습의 이점 | 연구를 위한 이점 |
| 인터페이스는 의 자동 가져오기를 실현 | 임상 관찰 연구뿐만 아니라 사례 보고서 / 사례 시리즈를위한 쉬운 데이터 수집 |
| · 임상 보고서 (실험실, 병리학, 방사선학, 바이러스학, 미생물학) | |
| · 병원 데이터 | |
| · ET 기증자 데이터(진행 중) | |
| 문서 필드(선택 목록의 일부)를 통해 수많은 주체별 데이터와 치료 의사가 유지 관리합니다. | 임상 시험 /연구에서 문서화를위한 빠른 데이터 액세스 |
| · 인구 통계 학적 데이터, 개인 데이터 (주소, 전화 번호, 이메일 등), 기본 의료 데이터, 진단, 역사, 절차, 실험실 데이터, 약물, 검사, 병원 데이터, 이식 데이터, 기증자 데이터, 거부 | |
| 동일한 데이터베이스의 지속적인 개발을 통해 개별 환자를 위한 20년 이상의 후속 데이터 | 환자 및 이식 생존의 100% 후속, 실험실 값, 약물 목록, 진단, 절차 및 검사, 기증자 및 이식 데이터에 대한 완전하고 검증된 데이터 세트 |
| 외래 환자 클리닉, 의료 병동 및 응급실에서 다음을 포함한 모든 관련 의료 데이터에 쉽게 액세스할 수 있습니다. | 다른 측면에 관한 다른 연구자와의 연구 프로젝트에 대한 간단한 데이터 추출 (예를 들어, 유로 이식 시니어 프로그램, 새로운 약물 치료, 집중 치료 체류, 수술 후 합병증 환자) |
| · 이식 데이터 | |
| · 검사 결과, 실험실 값, 의료 보고서 및 노트 | |
| · 약물 목록(현재 및 역사) | |
| · 전화 번호 및 기타 핵심 데이터 | |
| 반자동 세대의 | 임상 사용자에 의한 일상적인 관리에서 지속적인 데이터 검증으로 인한 높은 데이터 품질 |
| · 외부 의사에 대한 의료 보고서 | |
| · 환자를 위한 약물 목록 및 실험실 값 | |
| EU GDPR 데이터 보호 요구 사항 준수 | 표준 인터페이스를 통한 다양한 통계 분석 도구(예: SPSS, R)에 연결 |
| 그래픽 기록 데이터 표시(예: 시간이 지남에 따라 여러 실험실 값과 몇 번의 클릭만으로 다이어그램의 상관 관계) | 최신 텍스트 마이닝 기술을 사용하여 구조화되지 않은 데이터(메모, 편지, 의료 보고서)에서 쉽게 추출할 수 있습니다. |
| 연간 GFR 감소 표시(계획) | |
| 결과 매개 변수, 대기자 명단, 특수 환자 그룹 (계획)의 실시간 표시를위한 대시보드 모니터링 | |
| 품질 보증 촉진 | 인공 지능 방법을 사용하여 분석을 통해 예측 모델개발 |
| · 관련 데이터를 병원 QA 모듈로 자동 내보내기(계획) | |
| · 품질 관리 또는 기타 평가를 위한 간편한 쿼리 | |
| 원격 의료와 같은 임상 루틴에 새로운 방법의 구현, 또는 위험에 처한 환자를 식별하기위한 예측 AI 모델 | 원격 의료 및 모바일 활동 추적기에서 새로운 데이터 소스 분석 |
표 2: 임상 치료 및 연구에서 TBase의 이점. 이 표에는 임상 사용 및 연구를 위한 통합 EHR 및 연구 데이터베이스의 이점이 나열되어 있습니다.
| 신장 이식 환자 | N = 6.317 |
| 신장 이식 | 7,595 |
| 진단 | 2,20,877 |
| 절차 | 3,32,299 |
| 실험실 | 10,33,941 |
| 실험실 값 | 2,44,78,441 |
| 약물 | 5,39,922 |
| 조사 | 3,24,339 |
| 방전 편지 | 54,350 |
| 기부자 데이터 | 6,489 |
표 3: 환자 기록 및 환자 데이터 수입니다. 20년 이상 TBase는 모든 KTR의 데이터를 수집합니다. 2001년부터 Charité의 다른 이식 프로그램은 TBase를 사용하여 KTR 및 대기 대기 환자의 일상적인 치료를 위해 사용했습니다.
그림 1 - TBase 아키텍처. EHR TBase는 서로 다른 에이전트 그룹이 병렬로 작동할 수 있도록 하는 핵심의 라이브 시스템을 갖춘 네 개의 다른 데이터베이스를 기반으로 합니다. 임상 사용자는 그래픽 사용자 인터페이스(GUI)를 통해 데이터를 입력하고 높은 데이터 품질을 유지합니다. 대부분의 정보는 병원 정보 시스템, 실험실 파트너 및 약물 상호 작용 검사기의 인터페이스를 통해 자동으로 가져옵니다. 개발자는 라이브 시스템에 통합하기 전에 품질 데이터베이스에서 테스트되는 새로운 기능을 구현할 수 있습니다. 연구 목적으로 라이브 데이터베이스는 정기적으로 복제되므로 임상 연구자에 의해 데이터베이스 쿼리를 수행할 때 라이브 시스템과간섭이 필요하지 않습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2: TBase 데이터 테이블입니다. 환자 데이터의 표현을 위해 직관적이고 자명한 설계를 위해 간단한 테이블 구조가 구현되었습니다. 예를 들어, 환자 ID를 기본 키로 가진 환자 테이블은 테이블 구조의 중심에 있습니다. 환자 ID를 통해 거의 모든 테이블(개별 하위 테이블을 제외한)이 이 중앙 테이블에 연결됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: TBase 데이터 유형입니다. TBase의 기본 데이터베이스에 다른 주요 임상 데이터가 어떻게 표현되는지 예시하기 위해 해당 데이터 유형과 함께 테이블 약물 치료, 환자 및 이식의 일부가 표시됩니다. 데이터 필드는 TBase GUI에 표시됩니다. 예를 들어 약물 용 표는 약물 마스크에 표화됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4: TBase 스크린샷. 상단에 마스터 보기에는 환자 이름과 다른 세부 마스크에 대한 탭이 표시됩니다. 왼쪽 약물-약물 상호 작용에 색상 코드에 의해 표시 됩니다. 각 줄에서 시작 날짜, 약물 및 거래 이름, 지불 일정, 잠재적 인 메모 및 처방전 표시가 표시됩니다. 마스크 와 아래에 있는 추가 단추는 역사적인 수색, 약물의 시작 및 정지, 환자를 위한 약물 계획의 인쇄와 같은 다른 기능을 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 권한 부여 개념입니다. EHR은 응용 프로그램 수준에서 사용자 관리를 기반으로 합니다. 따라서 사용자는 응용 프로그램의 프런트 엔드에만 액세스할 수 있지만 데이터베이스 자체는 액세스할 수 없습니다. 4단계 권한 부여 개념이 관리 권한이 있는 사용자를 위해 사용자 관리를 예약하도록 선택되었습니다. 관리자는 "ID 관리 콘솔" 응용 프로그램을 사용하여 TBase 응용 프로그램에 대한 Charité 사용자 풀의 새 사용자를 추가하고 사용자 권한을 유지합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 6: 매우 간단한 데이터베이스 쿼리의 결과입니다. 데이터베이스 인터페이스(예: ODBC)를 통해 데이터베이스를 연결할 수 있습니다. 데이터 처리 소프트웨어(예: 오픈 소스 소프트웨어 R Studio)는 데이터베이스에 쿼리를 쉽게 전송할 수 있으며 그래픽 결과를 생성할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7: TBase 는 전문적인 최신 메모리 데이터베이스 시스템에 있습니다. 개발 시스템을 사용하면 고유한 도메인 요구 사항이 있는 다른 사용자 그룹에 대해 다른 개발 컨테이너에서 TBase 응용 프로그램을 동시에 개발할 수 있습니다. 서로 다른 사용자 그룹에 대한 특정 컨테이너는 병렬로 실행되며 TBase 마스터 템플릿을 통해 라이브 시스템으로 가져온다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
TBase는 KTR의 전문 외래 환자 치료를 위한 웹 기반 EHR을 연구 데이터베이스와 결합하여 신장 질환 환자를 위한 포괄적인 장기 데이터베이스를 생성합니다6,11,15,37. 조직 구조와 관련하여, 이것은 기관 에이전트로 현대적인 소프트웨어 설계 프로세스를 구현하고 현재 버전을 개발하기 위해 개발자, 임상 사용자 및 연구원으로 20 년 이상의 경험을 포함하여 가능하게됩니다. 또한, 그것은 지속적으로 개선 및 임상 사용자의 요구에 따라 업데이트, 그것은 Charité에서 신장 환자를위한 주요 외래 환자 문서 소프트웨어이기 때문에 - Universitätsmedizin 베를린. 임상 사용자의 경우, 이 EHR은 입원 환자 및 외래 환자 시스템의 모든 관련 데이터를 자동화하여 이식 특정 데이터 및 장기 환자 경로에 대한 쉽고 직관적인 문서화를 허용합니다. 약물 데이터와 관련하여, 상업적으로 이용 가능한 데이터베이스는 EHR에 연결되어 2주마다 업데이트되는 독일에서 승인된 모든 의약품에 대한 정보를 제공합니다. 처방된 약물은 API를 통해 대학 병원 하이델베르크의 임상 약리학 및 약리학부의 상용 시스템과 협력하여 약물 약물 상호 작용을 검사합니다. TBase에 있는 각 약물 변경으로, 각각의 약물 데이터는 가명한 형태로 시스템으로 전송됩니다. 이 소프트웨어는 활성 에이전트의 잠재적인 약물 약물 상호 작용을 식별합니다. 결과는 EHR로 다시 전송되며, 여기서 그들은 저장되고 약물 마스크에 실시간으로 표시됩니다. 색상 코드는 잠재적 인 상호 작용의 심각도를 표시하고 팝업 창은 상호 작용의 유형에 대한 자세한 정보를 제공합니다 (그림 4). 환자는 반자동 의료 보고서의 일환으로 표준화 된 약물 목록또는 스마트 폰16의 실시간 업데이트를 통해 동일한 약물 데이터에 액세스 할 수 있습니다.
데이터베이스 아키텍처와 관련하여 EHR은 라이브 시스템을 핵심으로 하는 네 개의 서로 다른 데이터베이스를 기반으로 하므로 서로 다른 에이전트 그룹이 병렬로 작동할 수 있습니다. 개발, 테스트 및 임상 작업이 서로 방해하지 않는다는 것은 사례승인입니다. 연구 목적으로 라이브 시스템은 매주 복제되지만 자동으로 복제되지는 않으며 개선해야 합니다. 가장 중요한 것은 라이브 시스템은 설계별로 합리적인 환자 데이터에 대한 최고 수준의 데이터 보호를 제공하는 개발자 및 연구원과 분리되어 있다는 것입니다. 또한, 이를 통해 데이터 조작 및 손상이 제한되고 가능한 한 유지되는 데이터의 유효성이 유지됩니다.
기술적으로 EHR은 다양한 구성 요소로 구성된 최신 메모리 데이터베이스 기술을 기반으로 하며 안전한 통신 및 데이터 저장을 보장합니다. 백 엔드에서 환자 데이터는 세분화된 권한 부여 개념으로 보호됩니다. 이를 위해 개발 플랫폼은 라이브 시스템과 분리되고 다른 권한 부여 수준이 배포됩니다. 또한 모든 데이터는 인증된 방화벽 뒤에 있는 Charité 서버에 저장되어 데이터 보호가 더욱 강화됩니다.
프론트 엔드와 관련하여 EHR은 반응형 웹 설계를 가능하게 하고 병원의 모든 장소에서 모든 엔드 장치에 웹 기반 EHR을 사용할 수 있는 HTML5 기술을 기반으로 합니다. 개발 환경은 Java, Javascript, PHP 및 Python과 같은 수많은 표준 프로그래밍 언어를 지원하므로 개발자를 쉽고 성공적으로 채용할 수 있습니다. 또한, 프로토콜에 설명된 바와 같이 실험실 매개 변수 의 과정에 대한 그래픽을 생성, 수많은 미리 설계된 시각화 옵션을 사용할 수 있습니다. 다음 발달 단계에서 환자 데이터 (예 : 신장 기능, 활력 징후)와 환자 및 접목 생존과 같은 중요한 결과를 실시간으로 모니터링할 수 있습니다. 대기 중 환자의 자동 표시및 그들의 현재 상태는 유로 이식에서 기관 할당에 관하여 프로세스 관리를 향상할 것입니다. 이 목적을 위해, 외부 파트너에 대한 인터페이스 (의사, 투석 병동, 유로 이식) 다음에 논의된 바와 같이 필요합니다.
TBase를 만들 때 한 가지 주요 목표는 모든 외래 환자 및 입원 환자 루틴 데이터를 하나의 데이터베이스로 가져오는 것이었습니다. 이것은 API와 자체 개발 인터페이스에 의해 활성화됩니다, 이 시점에서, 실험실 결과 및 입원 환자 및 외래 환자 치료에서 다른 종류의 실험실 결과 및 기타 조사를 수입하는 반면, 유로 이식 및 기타 외부 파트너에 대한 새로운 인터페이스가 개발중입니다. 외래 환자를 위한 실험실 데이터에 관하여, 우리의 실험실 파트너는 HL7 메시지를 통해 실험실 결과를 제공합니다. 이들은 실험실 시스템의 공유 영역에 배포되고 HL7 인터페이스를 통해 포착되어 TBase 시스템으로 가져옵니다. 외부 공급자이며 병원 정보 시스템에 액세스할 수 없기 때문에 Charité 병원 환자 번호 또는 사례 번호를 환자 식별에 사용할 수 없습니다. 지금까지 전자 실험실 주문이 별도의 시스템에서 생성되고 EHR이 자동으로 액세스 할 수 없기 때문에 지금까지 실험실 주문 번호를 통한 식별 가능성을 사용할 수 없습니다. 이러한 이유로 들어오는 데이터는 이름, 이름 및 생년월일로만 자동으로 식별할 수 있습니다. 다른 시스템의 맞춤법이 다를 수 있으므로 TBase에서 데이터를 자동으로 일치시킬 수 없는 경우가 있습니다. 이러한 관측값은 사용자가 EHR의 올바른 환자에게 수동으로 할당될 때까지 큐에 캐시됩니다. 할당된 환자 식별자는 시스템에 저장되며 향후 자동 식별에 사용됩니다.
임상 데이터베이스를 설계할 때 중요한 관심사는 시간이 지남에 따라 데이터 품질을 변경하는 것입니다. 효과는 고려된 데이터 유형에 따라 달라지므로 표 3에 언급된 데이터를 기반으로 다른 데이터 형식에 대해 이 것을 별도로 검토합니다. TBase의 대부분의 데이터는 일상적인 실험실 데이터입니다. 실험실 방법이 변경되었을 수 있지만, 파라미터 자체는 크레아티닌, 우레아, 전해질, 간 효소 작용, 응고 매개 변수 및 혈액 수와 같은 시간 내내 동일하게 유지되었습니다. 매개 변수와 해당 정상 범위는 후자가 서로 다른 애사 사이에 약간 다르더라도 시간이 지남에 따라 비슷합니다. 우리의 실험실에서 대부분의 실험실 측정은 SI 단위를 사용하지 않지만 미터법 단위를 사용합니다. 이를 위해서는 외부 데이터를 통합할 때 변환 요소를 구현해야 하지만 지난 20년 동안 내부 실험실 데이터의 비교 가능성을 보장합니다. 두 번째로 큰 그룹은 약물 데이터입니다. 표준 면역 억제 정권이 변경되었음에도 불구하고 약물에 대한 데이터 품질은 시간이 지남에 따라 변경되지 않았습니다. 절차는 의학절차의 국제 분류(ICPM)의 독일어 적응이며 시간이 지남에 따라 지속적인 데이터 품질을 보장하는 보편적으로 받아들여지고 사용되는 OPS 코드로 인코딩됩니다. 2000년부터 독일에서 외래 환자 의학에 대한 의무가 있는 ICD-10에 따라 인코딩된 진단 데이터에 대해도 마찬가지입니다. 데이터의 또 다른 큰 그룹은 의료 조사에 대한 사람들입니다. 신장 이식에서, 신장 이식 생검에 관하여 특히 데이터는 중요합니다. 신장 이식 생검의 병리학 데이터를 위해, 현재 Banff 2017 분류가 이용되고 있습니다, 그러나 신장 이식 생검을 위한 분류는 지난 20 년 동안 여러 번 변경되었습니다. 따라서 우리는 Banff 2017에 따라 Charité Berlin에서 만든 모든 신장 이식 생검을 재분류하여 연구 목적을 위한 데이터 품질을 현저하게 높이기로 결정했습니다27,28. 화상 진찰 보고서 또는 대장 내시경 검사 또는 기관지 검사와 같은 검사에서 그 같은 그밖 의료 데이터는 문자열로 기록됩니다. 최신 의료 기준에 따라 이러한 데이터를 재구성하고 연구 목적으로 사용할 수 있도록 하기 위해 현재 이러한 데이터를 소급하여 분류하기 위해 노력하고 있습니다. 의료 기록도 마찬가지입니다. 그들의 서식과 구조는 서로 다른 부서와 시간이 지남에 따라 다르므로 현재 문자열로 기록하기로 결정했습니다. 이를 통해 클리닉과 연구 목적으로 통합 된 정보를 사용할 수 있습니다. 데이터의 마지막 그룹은 나이, 성별, 치료 의사와 같은 환자 데이터뿐만 아니라 알레르기, 지속 시간 및 투석 형태와 같은 일반적인 의료 데이터입니다. 이들은 지난 2 년 동안 현저하게 변경되지 않았습니다. 유전 질환의 검출에서 가장 큰 진전을 가진 근본적인 신장 질병에 관하여 실제로 데이터 질의 증가가 있습니다. 드물게, 두 번째 이식을 위해 등록된 환자는 유전질환검사를 받고 진단이 이후에 수정되지만, 대부분의 환자에게는 이러한 교정을 달성할 수 없다. 마찬가지로 이식 데이터와 관련하여 진전이 있었습니다. 특히 기증자 특이적 항HLA 항체의 검출은 자신의 데이터베이스를 채우는 HLA 실험실에서 소스 데이터를 가진 연구의 매우 역동적 인 분야입니다. 따라서, 기증자 특이적 HLA 항체가 존재하는 경우에만 기록된다. 따라서 검출 방법의 변화는 고려되지 않습니다. 전반적으로 대부분의 데이터 형식의 경우 시간이 지남에 따라 균일한 데이터 품질을 이미 보장합니다. 앞으로는 자연어 처리와 같은 방법을 구현하여 의료 보고서 나 검사 보고서와 같은 텍스트 기반 데이터에서 관련 정보를 추출할 것입니다.
Outlook - TBase 사용자 그룹, 인공 지능 및 원격 의학
TBase는 모듈식으로 설계되었기 때문에 다른 이식 센터와 다른 병원의 다른 외래 환자 클리닉으로의 확장성이 가능하며 현재 개발 중입니다 (그림 1). 특히 다른 이식 센터와 Charité의 전문 외래 진료소는 이제 개별 임상 및 연구 목적으로 EHR을 구현하고 있습니다. 기본 구조는 유지되고 개별적인 필요에 맞춘 확장은 내분비학, 류머티즘학, 신경학, 심장학 및 위장학을 위해 프로그램됩니다. 다른 부서의 주요 장점 중 하나는 TBase가 최첨단 데이터 보호 개념을 가진 Charité의 IT 환경에 통합하는 것입니다. 모듈식 구조와 기존 인터페이스 덕분에 다른 TBase 컨테이너가 짧은 시간에 구현되었습니다(그림 7). 최근에는 TBase를 기반으로 한 COVID-19 환자의 후속 및 임상 연구를 위한 데이터베이스도 확립되었습니다.
다른 부서 및 병원과 통합 데이터베이스를 공유하고 개발하면 다른 이식 센터에 개방되는 보다 지속 가능한 연구 플랫폼을 구축하는 데 도움이 됩니다. 이러한 오픈 소스 개발 프로세스의 목표는 TBase 사용자 그룹을 통해 시너지 효과를 창출하는 것입니다. 이는 다양한 기관에서 다양한 데이터 보호 조치의 새로운 문제를 제기하지만, 추가 전문 지식을 갖춘 다른 기관 에이전트를 포함시켜 추가 개발을 향상시킬 수있는 가능성을 제공합니다. 사용자 그룹은 힘을 합쳐 새로운 모듈(예: 임상 시험용) 또는 인터페이스(예: 유로이식, 품질 보증, 이식 레지스트리)를 구현할 수 있습니다. TBase의 또 다른 중요한 관점은 의료 기기로서의 인증으로 여러 파트너가 함께 작업하면 더 잘 달성 될 수 있습니다. TBase 사용자 그룹의 목적은 각 부서가 자체적으로 사용할 수 있는 유연한 플랫폼을 만드는 것이지만 더 큰 일반적인 임상 연구 프로젝트에도 사용할 수 있습니다.
고려해야 할 또 다른 중요한 측면은 고품질 건강 데이터16,38에서 수행 될 때 알고리즘, 특히 기계 학습 기술을 의료 워크플로우에 통합하는 것이 가장 유망하다는 것입니다. TBase는 다양한 캡처된 변수, 구조화 및 비정형 데이터의 가용성뿐만 아니라 고품질장기 데이터에 의해 신장 이식에 새로운 AI 방법의 구현뿐만 아니라 개발에 적합 해 보인다. 미래의 AI 기반 임상 의사 결정 지원 시스템은 EHR의 그래픽 사용자 인터페이스에 원활하게 통합될 수 있습니다. 이러한 시스템을 배포하기 전에 임상, 기술, 윤리적 및 법적 과제를 극복해야 합니다. 우선 이러한 AI 기반 알고리즘의 임상 적 유용성을 입증해야 합니다. 따라서, 우리는 현재 KTR에서 거부, 이식 이식 실패 또는 감염을 예측하기 위한 AI 기반 알고리즘의 정확도를 시험하는 연구를 수행하고 있습니다. 이 알고리즘은 그라데이션 부스트 회귀 나무를 사용하여 TBase 데이터를 기반으로 독일 인공 지능 연구소 (DFKI)에 의해 개발되었다. 이 연구는 숙련된 의사가 AI 모델에서 제공하는 정보와 관계없이 다른 종점을 예측하는 능력을 비교합니다. 다음 단계에서는 자연어 처리 분야의 텍스트 마이닝 및 방법을 적용할 것입니다. 이에 따라, 우리는 연구와 임상의에게 귀중한 데이터의 이 거대한 바디를 만들기 위하여 의학 보고 및 검사 보고에서 구조화한 데이터를 만드는 것을 작정입니다. 이렇게 하면 나중에 이러한 비정형 데이터를 통합하지 않는 AI 기반 예측 모델의 모델 정확도가 향상됩니다. 이러한 기술적, 의학적 고려 를 넘어서, 윤리적, 법적 과제를 해결해야 합니다. 따라서, 우리는 또한 의사의 관점에서 이러한 시스템을 구현 할 때 어떤 기회뿐만 아니라 발생하는 위험과 단점을 이해하기 위해 위에서 언급 한 실험에서 인간 -기계 상호 작용을 검사합니다. 따라서, 우리는 구조화 된 인터뷰를 실시하고 그러한 의사 결정 지원 시스템의 사용이 의사의 의료 의사 결정에 대한 접근 방식을 어떻게 변화시켰는지 조사합니다.
TBase의 세 번째 미래 형모듈 확장은 원격 의료 솔루션을 통합하는 것입니다. 기존 디지털 인프라로 전송할 수 없는 많은 원격 의료 접근법과는 달리, 이러한 EHR에 대한 원격 의료 프로젝트 MACCS1,18,19,21,26,39의 모든 수신 환자 데이터를 완전히 통합할 수 있었습니다. 이를 위해, 원격 의학 대시보드는 환자와 가정 신장학자의 스마트 폰에 HL7 FHIR 인터페이스를 통해 연결된 TBase에 직접 구축되었습니다. 결과적으로, 병원에 있는 원격 의학 의사는 home20에서 환자에 의해 집합된 활력 표시에 접근할 수 있습니다. 가정 신장 전문의의 관련 환자 데이터 (실험실 데이터 포함)의 자동 전송은 의사에게 추가 임상 혜택을 제공하고 연구를위한 보다 포괄적 인 데이터베이스를 만듭니다. 미래에는 새로운 인터페이스를 구현함으로써 EHR은 온라인 환자 통신(예: 채팅), IoT 장치(예: 모바일 EGS, 치료 지점)의 데이터를 캡처하고 들어오는 모든 데이터를 실시간으로 통합하고 AI 알고리즘의 도움으로 환자를 위험에 노출시킬 수 있습니다.
결론
요약하자면, TBase는 연구 중심 이식 센터에 최적화된 KTR에 대한 사례 승인 및 포괄적인 전자 환자 기록을 제공합니다. 모듈형 과 플랫폼 독립성으로 인해 다른 이식 센터로 쉽게 옮길 수 있습니다. 설계를 통해 홈 모니터링 및 AI 기반 데이터 분석에서 데이터를 통합할 수 있습니다. TBase 사용자 그룹은 이식 연구를 육성하는 것을 목표로 추가 개발을 추진할 것입니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
해당 작성자는 선언할 것이 없습니다.
Acknowledgments
제시 된 EHR의 개발은 지난 20 년 동안 내부 연구 자금 조달및 다른 기관 및 재단의 공공 자금 조달을 통해 지원되었습니다.
Materials
| Name | Company | Catalog Number | Comments |
| Developer platform SAP Web IDE | SAP SE | ||
| GUI Toolbox SAPUI5 | SAP SE | ||
| In-memory database SAP-HANA | SAP SE | ||
| Interface Standard HL7 | Health Level Seven International | ||
| Interface Standard HL7 FHIR | Health Level Seven International | ||
| RStudio | RStudio Inc. | ||
| TBase - Electronic Health Record | Charité - Universitätsmedizin Berlin | ||
| Webserver SAP-HANA XSA | SAP SE |
References
- Halleck, F., et al. Integrated care of renal transplant patients - Development of an electronic health care service platform. Dialyse aktuell. 20 (06), 285-290 (2016).
- Sonntag, D., et al. The Clinical Data Intelligence Project. Informatik-Spektrum. 39 (4), 290-300 (2016).
- Kara, E., et al. A Domain-adapted Dependency Parser for German Clinical Text. Proceedings of the 14th Conference on Natural Language Processing. , Vienna Austria. (2018).
- Maier, C., et al. Experiences of Transforming a Complex Nephrologic Care and Research Database into i2b2 Using the IDRT Tools. Journal of Healthcare Engineering. 2019, 5640685 (2019).
- Jensen, P. B., Jensen, L. J., Brunak, S. Mining electronic health records: towards better research applications and clinical care. Nature Reviews Genetics. 13 (6), 395-405 (2012).
- Schmidt, D., et al. A novel tool for the identification of correlations in medical data by faceted search. Computers in Biology and Medicine. 85, 98-105 (2017).
- Veit, K., Wessels, M., Deiters, W. Gesundheitsdaten und Digitalisierung - Neue Anforderungen an den Umgang mit Daten im Gesundheitswesen. Digitale Transformation von Dienstleistungen im Gesundheitswesen VI: Impulse für die Forschung. , 19-33 (2019).
- Ehrler, F., Geissbuhler, A., Jimeno, A., Ruch, P. Data-poor categorization and passage retrieval for gene ontology annotation in Swiss-Prot. BMC Bioinformatics. 6, Suppl 1 23 (2005).
- Esteban, C., Schmidt, D., Krompaß, D., Tresp, V. Predicting Sequences of Clinical Events by Using a Personalized Temporal Latent Embedding Model. 2015 International Conference on Healthcare Informatics. , 130-139 (2015).
- Roller, R., et al. Detecting Named Entities and Relations in German Clinical Reports. Language Technologies for the Challenges of the Digital Age. , 146-154 (2018).
- Roller, R., et al. A fine-grained corpus annotation schema of German nephrology records. Clinical Natural Language Processing Workshop (ClinicalNLP). , Osaka, Japan. (2016).
- Esteban, C., Staeck, O., Baier, S., Yang, Y., Tresp, V. Predicting Clinical Events by Combining Static and Dynamic Information Using Recurrent Neural Networks. IEEE International Conference on Healthcare Informatics (ICHI). , 93-101 (2016).
- Schmidt, D., Niemann, M., Trzebiatowski, G. L. v The Handling of Missing Values in Medical Domains with Respect to Pattern Mining Algorithms. Proceedings of the 24th International Workshop on Concurrency, Specification and Programming (CS&P 2015). 1492, 147-154 (2015).
- Burchardt, A., Uszkoreit, H. IT für soziale Inklusion: Digitalisierung - Künstliche Intelligenz - Zukunft für alle. De Gruyter. , (2018).
- Schroter, G., Lindemann, L. F. TBase2 - A Web-Based Electronic Patient Record. Fundamenta Informaticae. 43 (1-4), 343-353 (2000).
- Duettmann, W., et al.
- Durr, M., et al. Late Conversion to Belatacept After Kidney Transplantation: Outcome and Prognostic Factors. Transplantation Proceedings. 49 (8), 1747-1756 (2017).
- Halleck, F., et al. MHealth and digital management after kidney transplantation. Nieren- und Hochdruckkrankheiten. 46, 474-480 (2017).
- Düttmann-Rehnolt, W., et al. Neuartige Kommunikationswege und Strukturen zur Optimierung der häuslichen Versorgung am Beispiel von nierentransplantierten Patienten. Digitale Transformation von Dienstleistungen im Gesundheitswesen VI: Impulse für die Forschung. , 407-421 (2019).
- Hils, S., Bogatyreva, L., Hauschke, D., Pisarski, P. Telemedical Supported Aftercare as an Innovative Project-Study Improves the Quality of Life After Living Kidney Transplantation - A Single Center Experience. American Journal of Transplantation. 14 (3), 843 (2014).
- Schmidt, D., et al. Integrierte Versorgung chronisch kranker Patienten am Beispiel von MACSS: Digitalisierung - Künstliche Intelligenz - Zukunft für alle. IT für soziale Inklusion. , 41-50 (2018).
- Massie, A. B., Kucirka, L. M., Segev, D. L. Big data in organ transplantation: registries and administrative claims. American Journal of Transplantation. 14 (8), 1723-1730 (2014).
- McAdams-DeMarco, M. A., et al. Frailty, Length of Stay, and Mortality in Kidney Transplant Recipients: A National Registry and Prospective Cohort Study. Annals of surgery. 266 (6), 1084-1090 (2017).
- The Most Popular Browsers. w3schools.com. , Available from: https://www.w3schools.com/browsers/ (2020).
- H.L.S.I. HL7 International. , Available from: https://www.hl7.org/ (2020).
- Duettmann, W., et al. Digital home monitoring of patients after kidney transplantation: The MACCS platform. Journal of Visualized Experiments. , (2021).
- Haas, M., et al. The Banff 2017 Kidney Meeting Report: Revised diagnostic criteria for chronic active T cell-mediated rejection, antibody-mediated rejection, and prospects for integrative endpoints for next-generation clinical trials. American Journal of Transplantation. 18 (2), 293-307 (2018).
- Roufosse, C., et al. A 2018 Reference Guide to the Banff Classification of Renal Allograft Pathology. Transplantation. 102 (11), 1795-1814 (2018).
- Duerr, M., et al. Increased incidence of angioedema with ACE inhibitors in combination with mTOR inhibitors in kidney transplant recipients. Clinical Journal of the American Society of Nephrology. 5 (4), 703-708 (2010).
- Lachmann, N., et al. Invited letter in response to "Predicted indirectly recognizable HLA epitopes (PIRCHE): Only the tip of the iceberg?". American Journal of Transplantation. 18 (2), 523-524 (2018).
- Huber, L., Naik, M., Budde, K.
- Choi, M., et al. Low Seroprevalence of SARS-CoV-2 Antibodies during Systematic Antibody Screening and Serum Responses in Patients after COVID-19 in a German Transplant Center. Journal of Clinical Medicine. 9 (11), (2020).
- Lehner, L. J., et al. Analysis of Risk Factors and Long-Term Outcomes in Kidney Transplant Patients with Identified Lymphoceles. Journal of Clinical Medicine. 9 (9), (2020).
- Zhang, Q., et al. The relationship between proteinuria and allograft survival in patients with transplant glomerulopathy: a retrospective single-center cohort study. Transplant International. , (2020).
- Bissler, J., et al. Everolimus for angiomyolipoma associated with tuberous sclerosis complex or sporadic lymphangioleiomyomatosis (EXIST-2): A multicentre, randomised, double-blind, placebo-controlled trial. Lancet. 381, (2013).
- Budde, K., et al. Everolimus-based, calcineurin-inhibitor-free regimen in recipients of de-novo kidney transplants: an open-label, randomised, controlled trial. Lancet. 377 (9768), 837-847 (2011).
- Lindemann, G., Schröter, K., Schlaefer, A., Budde, K., Neumayer, H. H. Web-Based Patient Records - The Design of TBase2. New Aspects of High Technology in Medicine. , (2000).
- Big Data Project | BigMedilytics | The largest initiative to transform healthcare sector. BigMedilytics. , Available from: https://www.bigmedilytics.eu/big-data-project/ (2020).
- Duettmann, W., et al. Telemedizinische Betreuung von Patienten nach Nierentransplantation: Was beinhaltet MACCS. Nieren- und Hochdruckkrankheiten. 49, (2020).
