Summary
TBase combineert een elektronisch patiëntendossier met een innovatieve onderzoeksdatabase voor ontvangers van niertransplantaties. TBase is gebouwd op een in-memory databaseplatform, verbonden met verschillende ziekenhuissystemen en gebruikt voor reguliere poliklinische zorg. Het integreert automatisch alle relevante klinische gegevens, inclusief transplantatiespecifieke gegevens, waardoor een unieke onderzoeksdatabase ontstaat.
Abstract
TBase is een elektronisch patiëntendossier (EPD) voor ontvangers van niertransplantaties (KTR) dat geautomatiseerde gegevensinvoer van belangrijke klinische gegevens (bijv. Laboratoriumwaarden, medische rapporten, radiologie- en pathologiegegevens) combineert via gestandaardiseerde interfaces met handmatige gegevensinvoer tijdens routinebehandeling (bijv. Klinische notities, medicatielijst en transplantatiegegevens). Op deze manier wordt een uitgebreide database voor KTR gecreëerd met voordelen voor routinematige klinische zorg en onderzoek. Het maakt zowel eenvoudig dagelijks klinisch gebruik als snelle toegang voor onderzoeksvragen met de hoogste gegevenskwaliteit mogelijk. Dit wordt bereikt door het concept van gegevensvalidatie in de klinische routine waarin klinische gebruikers en patiënten moeten vertrouwen op correcte gegevens voor behandelings- en medicatieplannen en daarmee de klinische gegevens in hun dagelijkse praktijk valideren en corrigeren. Dit EPD is afgestemd op de behoeften van poliklinische transplantatiezorg en bewees zijn klinische nut al meer dan 20 jaar aan de Charité - Universitätsmedizin Berlin. Het vergemakkelijkt efficiënt routinewerk met goed gestructureerde, uitgebreide langetermijngegevens en maakt het gebruik ervan voor klinisch onderzoek mogelijk. Tot op dit punt omvat de functionaliteit onder andere geautomatiseerde overdracht van routinegegevens via gestandaardiseerde interfaces van verschillende ziekenhuisinformatiesystemen, beschikbaarheid van transplantatiespecifieke gegevens, een medicatielijst met een geïntegreerde controle op geneesmiddel-geneesmiddelinteracties en semi-geautomatiseerde generatie van medische rapporten. Belangrijke elementen van de nieuwste reengineering zijn een robuust privacy-by-design concept, modulariteit en dus portabiliteit naar andere klinische contexten, evenals bruikbaarheid en platformonafhankelijkheid mogelijk gemaakt door HTML5 (Hypertext Markup Language) gebaseerd responsief webdesign. Dit maakt snelle en eenvoudige schaalbaarheid in andere ziektegebieden en andere universitaire ziekenhuizen mogelijk. De uitgebreide langetermijndatasets vormen de basis voor het onderzoek van Machine Learning-algoritmen en de modulaire structuur maakt het mogelijk om deze snel te implementeren in de klinische zorg. Patiënt gerapporteerde gegevens en telegeneeskundediensten zijn geïntegreerd in TBase om aan de toekomstige behoeften van de patiënten te voldoen. Deze nieuwe functies zijn bedoeld om de klinische zorg te verbeteren en nieuwe onderzoeksopties en therapeutische interventies te creëren.
Introduction
Motivatie voor een geïntegreerd elektronisch patiëntendossier en onderzoeksdatabank
Klinisch onderzoek is gebaseerd op de beschikbaarheid van hoogwaardige gegevens, ongeacht of klassieke statistische methoden of Machine Learning (ML) -technieken worden gebruikt voor analyse1,2. Naast routinematige gegevens (bijv. demografische, laboratorium- en medicatiegegevens) zijn domeinspecifieke gegevens (bijv. transplantatierelevante gegevens) vereist met een hoge granulariteit3,4. Routinezorg in veel universitaire ziekenhuizen wordt echter uitgevoerd met ziekenhuisinformatiesystemen (HIS) die het niet mogelijk maken om systematisch onderzoeksspecifieke gegevens te verzamelen of om routinematige gegevens te extraheren5,6,7. Als gevolg hiervan creëren klinische onderzoekers specifieke onderzoeksdatabases, die een verscheidenheid aan problemen hebben, waaronder een complex proces van het opzetten van een database, handmatige gegevensinvoer, gegevensbeschermingskwesties en onderhoud op lange termijn (tabel 1). Beperkte hoeveelheid gegevens, ontbrekende gegevens en inconsistenties zijn een groot probleem voor klinisch onderzoek in het algemeen en belemmeren het gebruik van ML-technologieën8,9,10,11,12,13. Deze op zichzelf staande onderzoeksdatabases zijn meestal gericht op bepaalde ziekte- of patiëntaspecten, niet verbonden met andere databases en worden vaak na een bepaalde periode stopgezet, wat resulteert in ontoegankelijke "gegevenssilo's". Uiteindelijk zijn hoogwaardige, langetermijngegevens over verschillende ziekteaspecten schaars. In het tijdperk van de digitale geneeskunde is er een toenemende behoefte aan een uitgebreid elektronisch patiëntendossier (EPD)7,14,15, waarmee domeinspecifieke gegevens eenvoudig kunnen worden gedocumenteerd en routinematige gegevens automatisch kunnen worden verzameld uit de systemen van intramurale en poliklinische zorg.
Deze algemene overwegingen zijn ook van toepassing op de transplantatiegeneeskunde16. Daarom is een volledige documentatie van de medische geschiedenis van de patiënt, inclusief alle intramurale en poliklinische behandelingen, klinische routinegegevens en transplantatiespecifieke gegevens, noodzakelijk voor succesvolle nazorg17,18. Omdat gewone HIS statisch zijn en gericht op intramurale behandeling, kunnen ze geen transplantatiespecifieke gegevens integreren, zoals donorgegevens, koude ischemietijden en gegevens over menselijke leukocytenantigenen (HLA). Deze gegevens zijn echter een basisvoorwaarde voor transplantatieonderzoek19,20,21,22 en voor langdurige klinische zorg. Hoewel het eerste ziekenhuisverblijf meestal slechts 1-2 weken is en processen en vroege uitkomsten na niertransplantatie vergelijkbaar zijn tussen veel transplantatiecentra, is levenslange posttransplantatiezorg gecompliceerd en ontbreekt een gemeenschappelijke gestructureerde aanpak. Dit motiveert een geïntegreerde EPD- en onderzoeksdatabase om de levenslange post-transplantatie patiëntreis vast te leggen. 23
Om deze functionaliteiten voor routinezorg en onderzoek van KTR te integreren, werd een EPD met de naam "TBase" ontwikkeld met het idee dat het routinematige gebruik voor posttransplantatiezorg een unieke onderzoeksdatabase met de hoogste gegevenskwaliteit zal creëren (tabel 2).
Design en architectuur
TBase is gebaseerd op een typische client-server architectuur. Voor de ontwikkeling zijn de componenten en tools van SAP High Performance Analytic Appliance extended application advanced (SAP HANA XSA) gebruikt. Op basis van de nieuwste Hypertext Markup Language 5 (HTML5) webtechnologieën is het EPD ontwikkeld en getest voor de Google Chrome Engine. Deze webengine wordt gebruikt door Chrome en de Microsoft Edge Browser en maakt het mogelijk om het EPD te gebruiken in de meest gebruikte webbrowsers24 zonder de noodzaak van lokale installatie. De toegepaste technologie maakt een responsief webdesign mogelijk en maakt het mogelijk om het webgebaseerde EPD op alle apparaten (pc, tablet, smartphone) te gebruiken. Het innovatieve high-performance ontwikkelplatform bestaat uit verschillende componenten (Web IDE, UI5 en HANA DB) en heeft ons in staat gesteld om het EPD-project TBase snel te implementeren met state-of-the-art softwaretools (figuur 1).
Voor de weergave van patiëntgegevens is een eenvoudige tabelstructuur geïmplementeerd voor een intuïtief en vanzelfsprekend ontwerp van het EPD. De patiëntentafel met de PatientID als primaire sleutel bevindt zich bijvoorbeeld in het midden van de tabelstructuur. Bijna alle tabellen (behalve individuele subtabellen) zijn via PatientID met deze centrale tabel verbonden (figuur 2).
Figuur 3 toont een deel van de tabelstructuur van TBase en de gebruikte gegevenstypen in meer detail. De eindgebruiker heeft toegang tot de gegevensvelden via de grafische gebruikersinterface (GUI), waarvoor een voorbeeld wordt weergegeven in figuur 4.
Dit EPD bevat alle actuele patiëntgegevens en wordt gebruikt voor routinematige poliklinische zorg. Belangrijke routinematige klinische gegevens (bijv. laboratoriumgegevens, medische resultaten, radiologie, microbiologie, virologie en pathologiegegevens, ziekenhuisgegevens, enz.) worden rechtstreeks in TBase geïmporteerd via gestandaardiseerde interfaces (bijv. op basis van Health Level Seven (HL7) - een standaard voor digitale communicatie in de gezondheidszorg25). Transplantatiespecifieke gegevens zoals koude ischemietijden, donorgegevens, HLA-gegevens en follow-upnotities, vitale functies, medische rapporten en de medicatielijst worden door de gebruikers via GUI in het EPD ingevoerd. Voordat gegevens naar de database worden overgebracht, wordt een geautomatiseerde plausibiliteitscontrole uitgevoerd voor snelle detectie van onjuiste gegevensinvoer, waardoor de mogelijkheid wordt geboden om onmiddellijk te corrigeren. Daarnaast neemt gegevensvalidatie deel aan de klinische routine waarin klinische gebruikers routinematig rapporten en brieven schrijven aan patiënten en artsen. Deze brieven moeten correcte gegevens bevatten (bijvoorbeeld over medicatie, laboratoriumwaarden en klinische opmerkingen) voor verdere behandelings- en medicatieplannen. Als gevolg hiervan valideren en corrigeren artsen en patiënten de klinische gegevens voortdurend in hun dagelijkse praktijk, een proces dat resulteert in een hoge gegevenskwaliteit. Als gegevens worden ingevoerd via application programming interfaces (API) of andere interfaces, worden plausibiliteitscontroles uitgevoerd in de backend op dezelfde manier als de plausibiliteitscontroles in de frontend.
Frontend (GUI)
Om de frontend te implementeren, wordt het UI5 Framework gebruikt. Dit framework biedt een uitgebreide bibliotheek voor frontend-elementen en een verscheidenheid aan extra functies, zoals meertaligheid en grafische bibliotheken voor gegevensvisualisatie. Momenteel worden TBase-frontend-elementen in het Engels of Duits weergegeven, afhankelijk van de taalinstelling van de browser.
Een master-detail interface wordt gebruikt voor de frontend om een eenvoudige, intuïtieve paginastructuur te garanderen. Het bovenste deel van de weergavepagina bestaat uit afzonderlijke tabbladen voor de detailpagina's (basisgegevens, medische gegevens, transplantatiegegevens, enz.). Dit hoofdgedeelte blijft ongewijzigd, ongeacht welke detailpagina hieronder wordt weergegeven (figuur 4). De detailweergave van elke pagina maakt een eenvoudig overzicht van het paginaonderwerp mogelijk.
Voor gegevensmanipulatie heeft het EPD verschillende niveaus van gebruikersrechten ("lezen", "schrijven", "verwijderen" en "beheerder"). Er is een "edit" -niveau naast het "view" -niveau, dat alleen kan worden geactiveerd door gebruikers met hogere rechten dan "read". Als de gebruiker het recht heeft om te schrijven, worden alle invoervelden voor gegevensinvoer geactiveerd en kunnen ze worden gevuld met gegevens. Gebruikers met "verwijder" -rechten kunnen gegevens verwijderen via een overeenkomstige knop, maar alleen na bevestiging via een pop-upvenster.
Database structuur en interfaces
De ontwikkeling van TBase wordt uitgevoerd in de ontwikkeldatabase. In de database voor kwaliteitsborging wordt uitgebreid en gedetailleerd getest op alle softwarewijzigingen zoals nieuwe functionaliteiten. Software-updates die de kwaliteitscontroles doorstaan, worden overgebracht naar het live-systeem. Voor onderzoeksdoeleinden wordt het live systeem gekopieerd naar de replicatiedatabase, die kan worden opgevraagd via standaard Open Database Connectivity (ODBC) interfaces (bijvoorbeeld via open-source software R Studio). Omdat er geen directe verbinding is tussen replicatie en live systeem, worden de gegevens in het live systeem beschermd tegen corruptie, verlies of manipulatie van gegevens. Deze modulaire structuur en de duidelijke scheiding van de vier databases (ontwikkeling, kwaliteitsborging, live systeem en replicatiedatabase), die zijn afgestemd op de specifieke behoeften van ontwikkelaars, onderzoekers en clinici, vergemakkelijkt het onderhoud en de gegevensbescherming van gevoelige patiëntgegevens.
Het EPD is volledig geïntegreerd in de data-infrastructuur van Charité en vertrouwt op verschillende interfaces voor gegevensimport uit verschillende gegevensbronnen. De interface naar het HIS importeert alle relevante gegevens zoals administratieve gegevens, onderzoeken, medicijnen, laboratoriumbevindingen en ontslagbrieven. Deze interface verbindt beide systemen via een staging area. Hier worden alle nieuwe gegevens (data delta) in realtime van de HIS naar TBase overgebracht. Patiënten worden geïdentificeerd via een patiëntnummer of casusnummer en de bijbehorende gegevens uit het HIS worden geïmporteerd (indien nog niet beschikbaar in TBase).
Voor poliklinische patiënten levert onze laboratoriumpartner de laboratoriumresultaten via HL7-berichten. Deze worden ingezet in een gedeelde ruimte in het laboratoriumsysteem en via een HL7-interface opgepikt en geïmporteerd in het EPD. Voor bidirectionele communicatie en gegevensuitwisseling met KTR (via smartphone-apps) en thuisneforen werd een HL7 Fast Healthcare Interoperability Resource (HL7 FHIR) interface geïmplementeerd26. Deze interface biedt interoperabiliteit en flexibiliteit voor een veilige gegevensuitwisseling met andere gegevensbronnen (bijv. Eurotransplant, patiëntapps) in de toekomst.
Gebruikersbeheer en gegevensbescherming
TBase is gebaseerd op gebruikersbeheer op applicatieniveau. De gebruiker heeft dus alleen toegang tot de frontend van de applicatie, maar niet tot de database zelf. Zoals hierboven beschreven, is gekozen voor een autorisatieconcept in vier fasen, waarbij gebruikersbeheer wordt gereserveerd voor mensen met beheerdersrechten. Beheerders gebruiken een "Identity Management Console"-toepassing om nieuwe gebruikers uit de Charité-gebruikersgroep toe te voegen voor de TBase-toepassing en om hun gebruikersrechten te behouden (afbeelding 5). De meeste gebruikers hebben toegang tot alle patiënten in de database. Het is echter mogelijk om de toegang voor specifieke gebruikers, zoals onderzoeksmonitoren, te beperken tot een groep patiënten.
Met behulp van het commerciële in-memory databaseplatform wordt een veilige databasetechnologie gebruikt die gegevens beschermt met strategieën zoals autorisatie op applicatieniveau, single sign-on (SSO), MIT-Kerberos-protocol en Security Assertion Mark-up Language (SAML). Het platform beveiligt communicatie, gegevensopslag en applicatieservices met behulp van de nieuwste coderings- en testtechnieken. Alle ontwikkelingen in de database worden gecontroleerd door autorisaties. Dit zorgt voor de beveiliging van data by design op een hoog niveau. Daarnaast worden alle gegevens achter de gecertificeerde Charité firewall bewaard. In overeenstemming met de meest recente Algemene Verordening Gegevensbescherming (EU GDPR) van de Europese Unie is een robuust gegevensbeschermingsconcept geïmplementeerd, inclusief gegevensstroomdiagrammen, risicobeoordeling van gegevensbescherming (DSFA) en autorisatieconcept. Alle documenten zijn vastgelegd in een proceduregids van het Bureau voor gegevensbescherming charité.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Het protocol demonstreert het gebruik van het elektronisch patiëntendossier TBase, hoe gegevens aan de database kunnen worden toegevoegd en hoe deze voor onderzoeksdoeleinden kunnen worden geëxtraheerd. Alle stappen zijn in overeenstemming met de richtlijnen van de ethische commissie voor menselijk onderzoek van Charité - Universitätsmedizin Berlin.
1. Registreer een nieuwe patiënt en voeg basis patiëntgegevens toe aan TBase
- Breng bij registratie de basisgegevens van de patiënt (naam, geboortedatum en zorgverzekeringsgegevens) over van de zorgverzekeringskaart van de patiënt naar het ziekenhuisinformatiesysteem. Tijdens dit proces wordt een nieuw uniek zaaknummer aangemaakt. Als de patiënt nog nooit is behandeld bij Charité - Universitätsmedizin Berlin, wordt ook een nieuw uniek patiëntnummer gecreëerd, dat deze specifieke patiënt duidelijk identificeert in het ziekenhuissysteem.
- Verkrijg tijdens dit registratieproces schriftelijke geïnformeerde toestemming van de patiënt voor de verwerking van TBase-gegevens door Charité - Universitätsmedizin Berlin en de polikliniek van Charité (Ambulantes Gesundheitszentrum der Charité) volgens de EU GDPR.
- Laat een medewerker met de juiste toestemming deze nieuwe patiënt toevoegen aan TBase. Meld u eerst aan bij TBase via de GUI. Voer daarvoor "https://nephro.tbase.charite.de" in een op Chrome Engine gebaseerde webbrowser in Charité Intranet in. Voer vervolgens de gebruikersnaam en het wachtwoord in die door de TBase-beheerder zijn toegewezen. Klik op Aanmelden.
- Klik vervolgens op de knop Nieuwe patiënt toevoegen onderaan het patiëntenoverzichtsframe aan de linkerkant. Vervolgens verschijnt er een invoerscherm.
- Voer de naam van de patiënt, geboortedatum, het patiëntennummer van het Charité-ziekenhuis (zie hierboven, of als alternatief een charité-ziekenhuiscasenummer) en de informatie over toestemming voor de verwerking van patiëntgegevens in (als deze door de patiënt wordt verleend, niet verleend of ingetrokken). Klik op de knop Opslaan rechtsonder wanneer de gegevensinvoer is voltooid.
OPMERKING: Nu is een nieuwe patiënt toegevoegd aan TBase en automatisch worden alle beschikbare patiëntgegevens nu overgebracht van HIS naar het TBase EPD-systeem.
2. Gegevens bekijken en toevoegen aan een patiëntendossier in TBase in de secties: Stamgegevens, Medische gegevens, Artsen, Diagnose, Procedures, Transplantatiegegevens, Ziekenhuis
- Meld u aan bij EPD zoals beschreven in stap 1.3.
- Zoek naar de gewenste patiënt via het zoekveld linksboven via naam of geboortedatum. Klik op de zoekknop rechts van het zoekveld of druk op Enter. Kies uit de resultaten in het patiëntenoverzichtsframe aan de linkerkant de rechterpatiënt en klik op de naam. Er verschijnt een nieuw scherm met de stamgegevens van de geselecteerde patiënt.
- Na het zoeken naar een patiënt wordt standaard de weergavepagina Mastergegevens van de patiënt weergegeven. Om daar vanaf een andere pagina naartoe te navigeren, klikt u op het tabblad Stamgegevens linksboven.
- Om stamgegevens te wijzigen, klikt u op de knop Wijzigen rechtsonder. Er verschijnt een nieuw invoerscherm.
- Wijzig nu gegevens zoals het telefoonnummer en adres van de patiënt, voeg een identificatiecode toe of corrigeer deze door de nieuwe informatie in de aangewezen invoervelden te typen. Nadat de gegevensinvoer is voltooid, verzendt u de wijzigingen door op de knop Opslaan rechtsonder te klikken. Nadat u bent omgeleid naar de weergavepagina Stamgegevens , kunnen wijzigingen worden bekeken en geverifieerd.
- Om medische gegevens te bekijken en te wijzigen, klikt u op het tabblad Medische gegevens linksboven. Het overzicht Medische gegevens verschijnt en toont de bestaande medische gegevens. Ze zijn als volgt gestructureerd: lengte van de patiënt, bloedgroep, eerste dialysedatum, primaire ziekte, HLA, genetische gegevens, dialysegegevens, gegevens over bestaande HLA-antilichamen, transfusiegegevens, risicofactoren, allergieën, gestructureerde anamnesegegevens, overlijden.
- Om enkele medische gegevens te wijzigen, klikt u op de knop Wijzigen rechtsonder. Er verschijnt een nieuw invoerscherm.
- Voeg bijvoorbeeld een primaire ziekte toe aan de medische gegevens van de patiënt door op Primaire ziekte te klikken om het formulier voor gegevensinvoer uit te vouwen of samen te vouwen. Aan de rechterkant kan het primaire ziekte-invoerveld worden gebruikt om één ziekte te selecteren uit de reeds bestaande suggesties (bijvoorbeeld uit de Eurotransplant-tabel met primaire ziekten) of om een nieuwe ziekte in te voeren. Daarnaast kan informatie over de diagnosedatum, de zekerheid van de ziekte (biopsie-bewezen of niet) en een opmerking worden ingevoerd. Na het invoeren van gegevens verzendt u door op de knop Waarden verzenden te klikken.
- Nadat alle wijzigingen zijn ingevoerd en verzonden, slaat u de wijzigingen op door op de knop Opslaan rechtsonder te klikken. Nadat ze zijn doorgestuurd naar de weergavepagina medische gegevens , kunnen alle wijzigingen worden gezien en of ze correct zijn opgeslagen.
- Om informatie over de behandelende artsen te bekijken, klikt u op het tabblad Artsen . De pagina Artsen wordt geopend en toont de bestaande gegevens over behandelende artsen. Ze zijn als volgt gestructureerd: naam en adres van de arts, specialisatie, type (consulent, huisarts, bewoner), werkfaciliteit (dialyseafdeling, polikliniek, enz.), Telefoonnummer.
- Om een nieuwe arts toe te voegen, klikt u op de knop Nieuw rechtsonder. Er wordt een nieuw invoerscherm geopend. Als alternatief kan informatie over bestaande artsen worden gewijzigd door eerst op de naam van de arts te klikken en vervolgens op de knop Wijzigen rechtsonder te klikken.
- Zo kan er een nieuwe arts worden toegevoegd aan het EPD van de patiënt. Doorzoek de lijst met eerder toegevoegde artsen door een naam in het zoekveld in te voeren en op het juiste item uit de verschillende suggesties te klikken. Als de gewenste arts niet in de lijst staat, voert u de gegevens in het onderstaande invoerveld in nadat u eerst Nieuwe arts toevoegen hebt geselecteerd.
- Nadat alle wijzigingen zijn ingevoerd, slaat u de wijzigingen op door rechtsonder op de knop Opslaan te klikken. Nadat ze zijn omgeleid naar de weergavepagina van Artsen , zijn alle wijzigingen zichtbaar en kan de gebruiker controleren of de wijzigingen correct zijn toegepast.
- Om diagnoses te bekijken en te wijzigen, klikt u op het tabblad Diagnose linksboven.
OPMERKING: De meeste diagnoses, procedures en onderzoeken worden automatisch geïmporteerd via vooraf gedefinieerde interfaces uit het HIS over intramurale behandelingsgegevens.- Voer diagnoses in die in de polikliniek zijn gesteld door rechtsonder op de knop Nieuw te klikken.
- Een nieuwe diagnose kan worden ingevoerd, op basis van International Classification of Diseases 10: Revision (ICD-10). Voer de ICD-10-code of de diagnosenaam in het zoekveld in het midden van het scherm in en selecteer de juiste uit een suggestielijst door erop te klikken. Definieer vervolgens de begin- en einddatum indien van toepassing en de context waar de diagnose is gesteld (intramuraal of poliklinisch) door deze gegevens in de aangewezen invoervelden te typen.
- Verzend de gegevens door rechtsonder op de knop Opslaan te klikken. Nadat ze zijn omgeleid naar de weergavepagina Diagnose , worden de wijzigingen zichtbaar en kan de gebruiker zien of de gegevensinvoer correct was.
- Om procedures te bekijken en te wijzigen, klikt u op het tabblad Procedures bovenaan.
- Voer aanvullende procedures in die op de polikliniek zijn uitgevoerd door rechtsonder op de knop Nieuw te klikken.
- Een nieuwe procedure kan worden ingevoerd, gebaseerd op OPS-Code (Duitse versie van International Classification of Procedures in Medicine (ICPM) codes). Voer de OPS-code of de naam van de procedure in het zoekveld in het midden van het scherm in en selecteer de juiste uit een suggestielijst door erop te klikken. Definieer vervolgens de lokalisatie (links, rechts, geen) en de context waar de procedure werd uitgevoerd (intramuraal of poliklinisch) door deze gegevens in de aangewezen invoervelden te typen.
- Verzend de gegevens door rechtsonder op de knop Opslaan te klikken. Nadat u bent omgeleid naar de weergavepagina Procedures , controleert u of de wijzigingen correct zijn toegepast.
- Om gegevens over onderzoeken te bekijken en te wijzigen, klikt u bovenaan op het tabblad Onderzoeken .
OPMERKING: Aangezien de meeste rapporten in de HIS als tekstbestanden worden geleverd, zijn de meeste overeenkomstige resultaten in het EPD ook op tekst gebaseerd. Daarentegen worden pathologische rapporten van niertransplantatiebiopten geclassificeerd volgens Banff Classification 201727,28 en de resulterende discrete classificatiegegevens worden opgeslagen in een overeenkomstige tabel in het EPD.- Om de bevindingen van een specifiek onderzoek te bekijken, klikt u op de rechter in de onderstaande lijst of gebruikt u het zoekveld hierboven om het uit de suggestielijst te selecteren.
- Voer aanvullende onderzoeken in die op de polikliniek zijn uitgevoerd door rechtsonder op de knop Nieuw te klikken.
- Voer een nieuw onderzoek in op typedatum, type (echografie, holtermonitoring, enz.), betrokken orgaan en de bevindingen in de aangewezen invoervelden.
- Verzend de gegevens door rechtsonder op de knop Opslaan te klikken. Nadat ze zijn omgeleid naar de weergavepagina Onderzoeken , kunnen de wijzigingen door de gebruiker worden gezien en geverifieerd.
- Om gegevens over ziekenhuisopnames te bekijken en te wijzigen, klikt u bovenaan op het tabblad Ziekenhuis .
OPMERKING: Regelmatig worden KTR die in Charité zijn getransplanteerd, opgenomen in het transplantatiecentrum voor latere complicaties. Gegenereerde gegevens worden eerst opgeslagen in het HIS en relevante gegevens (bijv. gegevens over opname of ontslag, medische rapporten) worden via ZIJN-interface in het EPD geïmporteerd. Externe ziekenhuisopnames moeten handmatig in epd worden ingevoerd.- De gegevens over ziekenhuisopname zijn als volgt gestructureerd: opname, ontslag, medisch rapport indien beschikbaar, ziekenhuis, afdeling en reden voor ziekenhuisopname. Om het medisch rapport te lezen, klikt u op de rechter in de lijst of gebruikt u het zoekveld hierboven om het te selecteren in de suggestielijst.
- Voer een extra ziekenhuisopname in (bijvoorbeeld externe ziekenhuisopname) door rechtsonder op de knop Nieuw te klikken.
- Voer een nieuwe ziekenhuisopname in door bovengenoemde gegevens in de aangewezen invoervelden te typen.
- Verzend de gegevens door rechtsonder op de knop Opslaan te klikken. Na te zijn doorgestuurd naar de ziekenhuisweergavepagina , waar de wijzigingen zichtbaar worden en kunnen worden geverifieerd.
- Om transplantatiegegevens te bekijken en te wijzigen, klikt u op het tabblad Transplantatie in de rechterbovenhoek. De weergavepagina Transplantatie wordt weergegeven en toont de bestaande transplantatiegegevens. Navigeer bovenaan tussen verschillende transplantaties door op de bijbehorende knop te klikken als er meer dan één transplantatie is uitgevoerd.
- Om informatie over de donor te bekijken of te wijzigen, klikt u op de knop Donor bekijken onder de bijbehorende transplantatiedatum. Om informatie over de donor in te voeren of te wijzigen, klikt u op de knop Wijzigen rechtsonder en voert u gegevens in de aangewezen invoervelden in en slaat u de wijzigingen op door vervolgens op de knop Opslaan rechtsonder te klikken.
- Om een nieuwe transplantatie toe te voegen aan het EPD van de patiënt, klikt u op de knop Nieuw rechtsonder op de weergavepagina van de transplantatie . Voer transplantatiespecifieke gegevens in volgens de invoervelden (inclusief informatie over orgaantype, transplantatiedatum, ischemietijd, procedurele complicaties onder andere). Sla de gegevens op in het EPD door rechtsonder op de knop Opslaan te klikken. De gebruiker wordt vervolgens omgeleid naar de weergavepagina van Transplantation om te zien of de wijzigingen correct zijn opgeslagen.
- Om informatie over een bestaande transplantatie te wijzigen, klikt u op de knop Wijzigen rechtsonder op de weergavepagina Transplantatie en verschijnt er een nieuw invoerscherm waar de bestaande gegevens voor de geselecteerde transplantatie worden weergegeven. Wijzig deze transplantatiespecifieke gegevens op basis van de invoervelden (inclusief informatie over orgaantype, transplantatiedatum, ischemietijd, procedurele complicaties onder andere). Sla de nieuwe invoergegevens op in het EPD door rechtsonder op de knop Opslaan te klikken. Nadat u bent omgeleid naar de weergavepagina van Transplantation , bekijkt u de wijzigingen en controleert u of de wijzigingen correct zijn ingevoerd.
3. Bekijken en selecteren van laboratoriumgegevens
- Log in op TBase en selecteer de gewenste patiënt zoals beschreven in 1.3 en 2.2.
- Om de laboratoriumgegevens te bekijken, klikt u op het tabblad Laboratorium bovenaan en verschijnt er een tabeloverzicht van de meest recente laboratoriumresultaten. Bovenaan zijn alle gegevens van het laatste onderzoek zichtbaar met een vervolgkeuzemenu om te zoeken naar eerdere laboratoriumgegevens en een zoekveld ernaast, waar men kan zoeken naar specifieke laboratoriumwaarden (bijvoorbeeld creatinine).
OPMERKING: De laboratoriumwaarden worden als volgt weergegeven: datum van ontvangst van het monster, datum van verwerking, naam van de laboratoriumwaarde, waarde, eenheid, referentiebereik, een opmerking (H ... hoog, L ... laag, N ... normaal), en de vorige twee historische laboratoriumwaarden ter vergelijking. - Om een datum te wijzigen voor weergave van een historisch laboratoriumonderzoek, klikt u op het vervolgkeuzemenu linksboven en selecteert u de gewenste datum door erop te klikken. Alle bijbehorende labwaarden van deze datum worden vervolgens weergegeven zoals hierboven beschreven.
- Als u een specifieke laboratoriumwaarde zoals creatinine wilt selecteren en het verloop ervan in de loop van de tijd wilt onderzoeken, typt u de naam in het zoekveld bovenaan en selecteert u de juiste in de suggestielijst. Nadat u op de knop Arbeid weergeven hebt geklikt, wordt elk resultaat voor de geselecteerde waarde van deze patiënt weergegeven in de onderstaande grafiek.
- U kunt ook gewoon op de gewenste waarde klikken in de eerste tabelpresentatie van een enkel onderzoek. Dit toont opnieuw alle eerdere en de huidige resultaten voor deze specifieke laboratoriumwaarde.
- Als u de koers van een laboratoriumwaarde wilt plotten, klikt u op het plotsymbool naast de gewenste waarde. Hiermee wordt automatisch een plot gemaakt van alle bestaande resultaten voor deze waarde. Geef indien nodig het tijdsbereik voor de plot op door een begin- en einddatum te selecteren in de invoervelden rechtsboven en voeg een tweede waarde toe aan de plot door deze te selecteren in het aangewezen invoerveld. Ga terug naar de laboratoriumweergavepagina door rechtsonder op de knop Terug te klikken.
4. Bekijken en wijzigen van medicatiegegevens: het maken van een gestandaardiseerde medicatielijst volgens de Duitse regelgeving ("Bundeseinheitlicher Medikationsplan")
- Log in op TBase en selecteer de gewenste patiënt zoals beschreven in 1.3 en 2.2.
- Om de medicatiegegevens te bekijken, klikt u bovenaan op het tabblad Medicatie . Er verschijnt een overzicht in tabelvorm over de huidige medicatie van de patiënt. De medicatiegegevens worden als volgt weergegeven: startdatum, werkzame stof, enkele dosis (bijv. in mg), handelsnaam, doseringsschema, dagelijkse dosis, doseringsvorm, kennisgeving, indicatie, soort recept (interne of externe arts, of zelfbehandeling door de patiënt).
- Om een nieuw medicijn toe te voegen, klikt u op de knop Nieuw rechtsonder. Voer de naam van de stof (of als alternatief de handelsnaam), het doseringsschema en de begindatum in, die automatisch op de huidige datum wordt ingesteld, maar kan worden gewijzigd als de begindatum in het verleden lag. Daarnaast kunnen indicatie en een opmerking worden toegevoegd aan de aangewezen invoervelden. Voeg de medicatie toe aan de lijst door rechtsonder op de knop Opslaan te klikken.
- Om een bestaand medicijn te wijzigen, klikt u op het juiste item in de medicatielijst en op de knop Wijzigen rechtsonder daarna. Nu kunnen wijzigingen met betrekking tot dosering, aanvraagformulier worden getypt in de aangewezen invoervelden en de wijzigingen kunnen worden toegepast door op de knop Opslaan rechtsonder te klikken.
- Om een medicijn te stoppen, klikt u op het aangewezen medicijn en klikt u op de knop Stoppen bovenaan.
- Om naar eerdere medicatie te zoeken, voert u de werkzame stof in het zoekveld linksboven in en selecteert u de rechter door erop te klikken in de historische medicatielijst. Er verschijnt een grafiek met alle voorgaande medicijnen, die is gestructureerd zoals vermeld in 4.2.
- Om een gestandaardiseerde medicatielijst voor de patiënt volgens de Duitse regelgeving te maken, klikt u op de knop Bundeseinheitlicher Medikationsplan rechtsboven. Een PDF-bestand wordt automatisch aangemaakt en gedownload voor uitprinting.
5. Inzien en toevoegen van ingangen aan de medische cursus: semi-automatisch een medisch rapport genereren
- Log in op het EPD en selecteer de gewenste patiënt zoals beschreven in 1.3 en 2.2.
- Om de medische cursus te bekijken, klikt u bovenaan op het tabblad Cursus . Een overzicht in tabelvorm van de documentatie van de eerdere afspraken van de patiënt wordt verstrekt. De gegevens zijn als volgt gestructureerd: datum van de afspraak, datum van de volgende afspraak, bloeddruk, hartslag, temperatuur, gewicht, body mass index, urinevolume en drie tekstvelden verdeeld in openbare beoordeling voor de patiënt, interne beoordeling voor gebruik bij Charité en medische beoordeling voor andere artsen.
OPMERKING: Bovendien is er onderaan een samenvattingsveld, dat wordt gebruikt om belangrijke informatie over de medische geschiedenis van de patiënt samen te vatten en op het eerste gezicht zichtbaar te maken. - Om een nieuw item aan de medische cursus toe te voegen, klikt u op de knop Nieuw rechtsonder. Voer de beoordeelde informatie in de gewenste invoervelden in (bijv. Vitale functies, behandelend arts, interne beoordeling of openbare beoordeling). Voeg de datum van de volgende afspraak toe aan het aangegeven invoerveld rechtsboven. Verzend de gegevens door rechtsonder op de knop Opslaan te klikken. Gebruikers worden vervolgens omgeleid naar de pagina Cursusweergave .
- Om een bestaand item te wijzigen, klikt u op het juiste item en klikt u op de knop Wijzigen rechtsonder. Voer nu aanvullende gegevens in de aangewezen invoervelden in of wijzig bestaande gegevens. Wijzig of update informatie in het meldingsveld door erin te typen en dien de wijzigingen in door op de knop Opslaan rechtsonder te klikken. Gebruikers worden vervolgens omgeleid naar de pagina Cursusweergave .
- Om een geautomatiseerd medisch rapport aan te maken, klikt u op de knop Medisch rapport rechtsonder. Er verschijnt een nieuw scherm, met 18 verschillende opties (variërend van laboratoriumresultaten tot volledig medisch rapport).
- Maak bijvoorbeeld met een paar klikken een medisch rapport aan: Klik op Poliklinisch Medisch Rapport. De naam van de patiënt, de behandelend arts, de laatste datum van de laboratoriumwaarden en de laatste datum van de medische cursus worden automatisch ingevuld, maar kunnen indien nodig worden gewijzigd. Na bevestiging door op OK te klikken, wordt een correct opgemaakt woord (.doc-) documentbestand gemaakt en gedownload voor afdruk met de geselecteerde informatie.
6. Uitloggen
- Als u zich actief wilt afmelden bij TBase, klikt u op de knop Afmelden rechtsonder. Bovendien wordt er automatisch een uitgelogd na 60 minuten inactiviteit of als de browser is gesloten.
7. Gebruik van de verzamelde gegevens
- Als u een query wilt uitvoeren op de verzamelde gegevens, gebruikt u de replicatieserver (afbeelding 1) zoals beschreven in de sectie Databasestructuur en interfaces. Alle gegevensverwerkingsprogramma's die verbinding kunnen maken met een database via Open Database Connectivity (ODBC), Java Database Connectivity (JDBC) kunnen worden gebruikt voor de query's. Zodra de verbinding met de database tot stand is gebracht, gebruikt u de open-sourcesoftware R Studio.
- Als u bijvoorbeeld een ODBC-databaseverbinding wilt instellen in het Windows-besturingssysteem, opent u het HULPPROGRAMMA ODBC en klikt u op Toevoegen voor een nieuwe naam van een nieuwe gebruikersgegevensbron (DSN) onder Configuratiescherm en beveiligingsbeheer. Voer daar de beschikbare verbindingsgegevens in de replicatiedatabase in. Voer de volgende gegevens in: "Driver Name", "ODBC Connection Name" (ingesteld door de gebruiker), "Hostname" en de SQL-authenticatiegegevens "Gebruikersnaam", "Password" en "Database Name".
- Om een zeer eenvoudige query te genereren (bijvoorbeeld het aantal transplantaties gedeeld door geslacht in de jaren 2000-2020) in de open-source software R Studio nadat de ODBC-databaseverbinding is ingesteld, opent u Bestand, Nieuw bestand in de toepassing R Studio linksboven en klikt u op R Script. De voorbeeldscriptcode (code 1) wordt ingevoerd in het lege scriptvenster dat wordt geopend.
- Klik op de knop Bron bovenaan het scriptvenster en het script wordt uitgevoerd en genereert vervolgens het staafdiagram dat in het script is gedefinieerd met de gegevens uit de verbonden database (figuur 6).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
TBase werd voor het eerst uitgebracht in 1999 op Charité Campus Mitte en is sindsdien in gebruik. Al meer dan 20 jaar verzamelt de TBase-EHR prospectief gegevens van alle KTR. Vanaf 2001 gebruikten de andere transplantatieprogramma's bij Charité TBase ook voor de routinezorg van KTR en patiënten op de wachtlijst. Sinds 2007 wordt dit EPD gebruikt voor de routinematige zorg van levende donoren en alle patiënten op de afdeling nefrologie.
Door de TBase-software te voorzien van zijn functionaliteiten, die de afgelopen jaren verder is ontwikkeld tot een modulaire webgebaseerde onderzoeksdatabase met moderne softwarearchitectuur, werden in totaal 6.317 patiënten met 7.595 niertransplantaties gedocumenteerd over een periode van meer dan 20 jaar. In totaal heeft de KTR 220.877 diagnoses, 332.299 procedures, 1.033.941 laboratoriumrapporten, 24.478.441 laboratoriumwaarden, 539.922 medicatie-episodes, 324.339 onderzoeken, 6.489 donorgegevens en 54.350 ontslagbrieven (tabel 3).
Daarnaast werden gegevens verzameld van 20.724 patiënten, waaronder patiënten op de wachtlijst, levende donoren en patiënten met chronische nierziekte. Deze patiënten hebben in totaal 232.783 diagnoses, 408.857 procedures, 546.661 laboratoriumrapporten, 13.399.048 laboratoriumwaarden, 114.657 medicatie-episodes, 226.206 onderzoeken en 70.278 ontslagbrieven.
Meer dan 50 wetenschappelijke publicaties uit de TBase-database als origineel onderzoek in peer-reviewed tijdschriften werden gepubliceerd in de afgelopen 10 jaar1,2,3,4,6,9,10,11,12,13,17,18,19,21, 29,30,31,32,33,34,35
36. Er werd een grondige gegevensbeschermingsbeoordeling uitgevoerd en vastgelegd bij de functionaris voor gegevensbescherming. TBase wordt begeleid door een ontwikkelteam bestaande uit vier fulltime informatici met ondersteuning van de IT-afdeling en de afdeling Nefrologie.
| Nadelen van ziekenhuisinformatiesystemen (HIS) | Nadelen van standalone onderzoeksdatabases |
| Relevante gegevens zijn niet volledig beschikbaar | Handmatige gegevensinvoer, geen geautomatiseerde gegevensoverdracht van routinematige klinische gegevens |
| Geen of beperkte aanpassing aan domeinspecifieke behoeften | Gegevensinvoer beperkt tot belangrijke variabelen, waardoor machine learning-toepassingen worden belemmerd |
| Ontworpen voor intramurale of poliklinische zorg | Gegevensvalidatie is moeilijk en tijdrovend |
| Moeilijke gegevensextractie voor onderzoeksdoeleinden | Meestal werkloos voor nieuwe behoeften. Zo ontstaat een nieuwe database. |
| Het wijzigen van de HIS resulteert vaak in verlies van eerdere gegevens. | Standalone systemen voor één gebruiker resulteren vaak in kortstondige datasilo's. |
Tabel 1: Problemen van klinische databases en standalone onderzoeksdatabases. Deze tabel geeft een overzicht van de problemen van ziekenhuisinformatiesystemen (HIS) enerzijds en specifieke onderzoeksdatabanken met diverse problemen anderzijds.
| Voordelen in de klinische praktijk | Voordelen voor onderzoek |
| Interfaces realiseren de automatische import van | Eenvoudige gegevensverzameling voor klinische observationele studies en voor case reports / case series |
| · Klinische rapporten (laboratorium, pathologie, radiologie, virologie, microbiologie) | |
| · Ziekenhuisgegevens | |
| · ET-donorgegevens (in uitvoering) | |
| Documentatievelden (gedeeltelijk met selectielijsten) maken het mogelijk om tal van vakspecifieke gegevens op te nemen en deze door de behandelende artsen te onderhouden | Snelle toegang tot gegevens voor documentatie in klinische onderzoeken / studies |
| · Demografische gegevens, persoonsgegevens (adres, telefoonnummer, e-mail etc.), medische basisgegevens, diagnoses, geschiedenissen, procedures, laboratoriumgegevens, medicijnen, onderzoeken, ziekenhuisgegevens, transplantatiegegevens, donorgegevens, afwijzingen | |
| Meer dan 20 jaar follow-upgegevens voor individuele patiënten door continue ontwikkeling van dezelfde database | 100% follow-up van patiënt- en transplantatieoverleving, volledige en gevalideerde dataset voor laboratoriumwaarden, medicatielijsten, diagnoses, procedures en onderzoeken, donor- en transplantatiegegevens beschikbaar |
| Gemakkelijke toegang op polikliniek, medische afdeling en spoedeisende hulp tot alle relevante medische gegevens, waaronder: | Eenvoudige gegevensextractie voor onderzoeksprojecten met andere onderzoekers met betrekking tot verschillende aspecten (bijv. Eurotransplant Senior Program, nieuwe medicamenteuze therapieën, intensive care-verblijven, patiënten met postoperatieve complicaties) |
| · Transplantatiegegevens | |
| · Onderzoeksresultaten, laboratoriumwaarden, medische rapporten en notities | |
| · Medicatielijsten (actueel en historisch) | |
| · Telefoonnummers en andere kerngegevens | |
| Semi-geautomatiseerde generatie van | Hoge datakwaliteit door continue datavalidatie in routinezorg door klinische gebruikers |
| · Medische rapporten voor externe artsen | |
| · Medicatielijsten en laboratoriumwaarden voor patiënten | |
| Naleving van de EU GDPR-vereisten voor gegevensbescherming | Verbinding met verschillende statistische analysetools (bijv. SPSS, R) via standaardinterfaces |
| Grafische weergave van historische gegevens (bijv. meerdere laboratoriumwaarden in de loop van de tijd en hun correlatie in een diagram met slechts een paar klikken mogelijk) | Eenvoudige gegevensextractie uit ongestructureerde gegevens (notities, brieven, medische rapporten) met behulp van moderne text mining-technieken |
| Weergave van de jaarlijkse GFR-daling (gepland) | |
| Monitoring dashboard voor real-time weergave van uitkomstparameters, wachtlijst, speciale patiëntengroepen (gepland) | |
| Facilitering van kwaliteitsborging | Analyses met kunstmatige intelligentiemethoden maken de ontwikkeling van voorspellende modellen mogelijk |
| · Automatische export van de relevante gegevens naar de QA-module van het ziekenhuis (gepland) | |
| · Eenvoudige vragen voor kwaliteitscontrole of andere evaluaties | |
| Implementatie van nieuwe methoden in de klinische routine, zoals telegeneeskunde of voorspellende AI-modellen voor het identificeren van risicopatiënten | Analyse van nieuwe gegevensbronnen van telegeneeskunde en mobiele activity trackers |
Tabel 2: Voordelen van TBase in klinische zorg en onderzoek. Deze tabel geeft een overzicht van de voordelen van een geïntegreerde EPD- en onderzoeksdatabase voor klinisch gebruik en onderzoek.
| patiënten met niertransplantatie | N = 6,317 |
| niertransplantatie | 7,595 |
| Diagnoses | 2,20,877 |
| procedure | 3,32,299 |
| laboratorium | 10,33,941 |
| laboratoriumwaarden | 2,44,78,441 |
| Medicijnen | 5,39,922 |
| Onderzoeken | 3,24,339 |
| ontslagbrieven | 54,350 |
| donorgegevens | 6,489 |
Tabel 3: Aantal patiëntendossiers en patiëntgegevens. Al meer dan 20 jaar verzamelt TBase prospectief gegevens van alle KTR. Vanaf 2001 gebruikten de andere transplantatieprogramma's bij Charité TBase ook voor de routinezorg van KTR en patiënten op de wachtlijst.
Figuur 1 - TBase-architectuur. De EHR TBase is gebaseerd op vier verschillende databases met het live systeem als kern waardoor verschillende groepen agents parallel kunnen werken. Klinische gebruikers voeren gegevens in via de grafische gebruikersinterface (GUI) en behouden de hoge datakwaliteit. De meeste informatie wordt automatisch geïmporteerd via interfaces van ziekenhuisinformatiesystemen, laboratoriumpartners en controleurs van interacties tussen geneesmiddelen. Ontwikkelaars kunnen nieuwe functionaliteiten implementeren, die worden getest op de kwaliteitsdatabase voordat ze worden geïntegreerd in het live-systeem. Voor onderzoeksdoeleinden wordt de live database regelmatig gerepliceerd, zodat er geen interferentie met het live systeem nodig is wanneer databasequery's worden uitgevoerd door klinische onderzoekers. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2: TBase-gegevenstabellen. Voor de weergave van patiëntgegevens is een eenvoudige tabelstructuur geïmplementeerd voor een intuïtief en vanzelfsprekend ontwerp. De patiëntentafel met de PatientID als primaire sleutel bevindt zich bijvoorbeeld in het midden van de tafelstructuur. Bijna alle tabellen (behalve individuele subtabellen) zijn via PatientID verbonden met deze centrale tabel. Klik hier om een grotere versie van deze figuur te bekijken.
Afbeelding 3: TBase-gegevenstypen. Om te illustreren hoe verschillende belangrijke klinische gegevens worden weergegeven in de database die ten grondslag ligt aan TBase, worden delen van de tabellen Medicatie, patiënt en transplantatie met de bijbehorende gegevenstypen weergegeven. De gegevensvelden worden weergegeven in de TBase GUI. Zo wordt de Medicatietabel getypeerd in het Medicatiemasker . Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 4: TBase screenshot. bovenaan toont de hoofdweergave de naam van de patiënt en verschillende tabbladen voor verschillende detailmaskers , hier het medicatiemasker . Aan de linkerkant worden geneesmiddel-geneesmiddelinteracties weergegeven door kleurcodes. In elke regel worden startdatum, medicijn- en handelsnaam, doseringsschema, mogelijke notities en de indicatie voor recept weergegeven. Extra knoppen in het masker en hieronder geven verschillende functionaliteiten aan zoals historisch zoeken, starten en stoppen van medicatie, evenals afdrukken van medicatieplan voor de patiënt. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 5: Autorisatieconcept. Het EPD is gebaseerd op gebruikersbeheer op applicatieniveau. Gebruikers hebben dus alleen toegang tot de frontend van de applicatie, maar niet tot de database zelf. Er is gekozen voor een autorisatieconcept in vier fasen, waarbij gebruikersbeheer wordt gereserveerd voor mensen met beheerdersrechten. Beheerders gebruiken een "Identity Management Console"-toepassing om nieuwe gebruikers uit de Charité-gebruikersgroep toe te voegen voor de TBase-toepassing en om hun gebruikersrechten te behouden. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 6: Resultaat van een zeer eenvoudige databasequery. De database kan worden verbonden via een database-interface (bijv. ODBC). Gegevensverwerkingssoftware (bijv. de open-source software R Studio) kan eenvoudig query's naar de database worden verzonden en grafische resultaten kunnen worden gegenereerd. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 7: TBase op een professioneel modern in-memory databasesysteem. Het gebruik van het ontwikkelsysteem vergemakkelijkt de gelijktijdige ontwikkeling van TBase-applicaties in verschillende ontwikkelingscontainers voor andere gebruikersgroepen met hun unieke domeinvereisten. De specifieke containers voor verschillende gebruikersgroepen lopen parallel en worden via de TBase Master Template in het live systeem gebracht. Klik hier om een grotere versie van deze figuur te bekijken.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
TBase combineert een webgebaseerd EPD voor gespecialiseerde ambulante zorg van KTR met een onderzoeksdatabase, waardoor een uitgebreide langetermijndatabase ontstaat voor patiënten met een nierziekte6,11,15,37. Wat de organisatiestructuur betreft, wordt dit mogelijk gemaakt door het implementeren van een modern softwareontwerpproces als een institutionele agent en met meer dan 20 jaar ervaring als ontwikkelaars, klinische gebruikers en onderzoekers om de huidige versie te ontwikkelen. Bovendien wordt het voortdurend verbeterd en bijgewerkt volgens de behoeften van de klinische gebruikers, omdat het de belangrijkste poliklinische documentatiesoftware is voor nefrologische patiënten aan charité - Universitätsmedizin Berlin. Voor de klinische gebruiker biedt dit EPD geautomatiseerde integratie van alle relevante gegevens van intramurale en poliklinische systemen en maakt het eenvoudige en intuïtieve documentatie van transplantatiespecifieke gegevens en patiënttrajecten op lange termijn mogelijk. Met betrekking tot medicatiegegevens is een commercieel beschikbare database verbonden met het EPD, met informatie over elk farmaceutisch product dat in Duitsland is goedgekeurd en dat om de twee weken wordt bijgewerkt. Voorgeschreven medicatie wordt gecontroleerd op geneesmiddel-geneesmiddelinteracties door samen te werken met een commercieel systeem van de afdeling Klinische Farmacologie & Farmaco-epidemiologie van het Universitair Ziekenhuis Heidelberg via een API. Bij elke medicatiewijziging in TBase worden de betreffende medicatiegegevens in gepseudonimiseerde vorm naar het systeem gestuurd. De software identificeert potentiële geneesmiddel-geneesmiddelinteracties van de actieve stoffen. De resultaten worden teruggestuurd naar het EPD, waar ze in realtime worden opgeslagen en weergegeven in het medicatiemasker. Een kleurcode markeert de ernst van potentiële interacties en een pop-upvenster biedt gedetailleerde informatie over het type interacties (afbeelding 4). De patiënt heeft toegang tot dezelfde medicatiegegevens als een gestandaardiseerde medicatielijst als onderdeel van een semi-geautomatiseerd medisch rapport of via live updates op de smartphone16.
Wat de database-architectuur betreft, is het EPD gebaseerd op vier verschillende databases met het live-systeem als kern, waardoor verschillende groepen agenten parallel kunnen werken. Het is in de praktijk goedgekeurd dat ontwikkeling, testen en klinisch werk elkaar niet belemmeren. Voor onderzoeksdoeleinden wordt het live-systeem wekelijks gerepliceerd, maar niet automatisch, wat te verbeteren in ontwikkeling is. Het belangrijkste is dat het live-systeem gescheiden is van ontwikkelaars en onderzoekers en het hoogste niveau van gegevensbescherming biedt voor de verstandige patiëntgegevens door ontwerp. Bovendien wordt op deze manier gegevensmanipulatie en corruptie beperkt en wordt de geldigheid van gegevens zoveel mogelijk gehandhaafd.
Technologisch is het EPD gebaseerd op een moderne in-memory databasetechnologie die bestaat uit verschillende componenten en die veilige communicatie en gegevensopslag garandeert. In de backend worden patiëntgegevens beschermd door een granulair autorisatieconcept. Daarvoor wordt het ontwikkelplatform gescheiden van het live systeem en worden verschillende autorisatieniveaus ingezet. Bovendien worden alle gegevens opgeslagen op Charité-servers achter de gecertificeerde firewall, waardoor de gegevensbescherming verder wordt verhoogd.
Wat de frontend betreft, is het EPD gebaseerd op HTML5-technologie, die responsief webdesign mogelijk maakt en het mogelijk maakt om het webgebaseerde EPD op alle eindapparaten op elke plaats in het ziekenhuis te gebruiken. De ontwikkelomgeving ondersteunt tal van standaard programmeertalen zoals Java, Javascript, PHP en Python, waardoor eenvoudige en succesvolle werving van ontwikkelaars mogelijk is. Bovendien zijn er tal van vooraf ontworpen visualisatieopties beschikbaar, die afbeeldingen genereren voor het verloop van laboratoriumparameters zoals beschreven in het protocol. In de volgende ontwikkelingsstappen zal real-time monitoring van patiëntgegevens (bijv. Nierfunctie, vitale functies) en belangrijke uitkomsten zoals patiënt- en transplantaatoverleving worden geïntegreerd. Geautomatiseerde weergave van patiënten op de wachtlijst en hun huidige status zal het procesbeheer met betrekking tot orgaantoewijzing van Eurotransplant verbeteren. Hiervoor zijn interfaces met externe partners (artsen, dialyseafdelingen, Eurotransplant) nodig, zoals hierna besproken.
Een primair doel bij het maken van TBase was om alle poliklinische en intramurale routinegegevens in één database te brengen. Dit wordt mogelijk gemaakt door API's en zelfontwikkelde interfaces, die tot nu toe verschillende soorten laboratoriumresultaten en andere onderzoeken van intramurale en poliklinische behandeling importeren, terwijl nieuwe interfaces met Eurotransplant en andere externe partners in ontwikkeling zijn. Met betrekking tot laboratoriumgegevens voor poliklinische patiënten levert onze laboratoriumpartner de laboratoriumresultaten via HL7-berichten. Deze worden ingezet in een gedeelde ruimte in het laboratoriumsysteem en via een HL7-interface opgepikt en geïmporteerd in het TBase-systeem. Omdat het een externe aanbieder is en geen toegang heeft tot het ziekenhuisinformatiesysteem, kan het charité ziekenhuis patiëntnummer of zaaknummers niet worden gebruikt voor patiëntidentificatie. Tot nu toe kon de enige andere mogelijkheid voor identificatie via laboratoriumordernummers ook niet worden gebruikt, omdat de elektronische laboratoriumorders in een apart systeem worden gegenereerd en het EPD hier geen automatische toegang toe heeft. Om deze reden kunnen binnenkomende gegevens alleen automatisch worden geïdentificeerd op naam, voornaam en geboortedatum. Omdat de spelling in de verschillende systemen kan verschillen, komt het af en toe voor dat gegevens niet automatisch kunnen worden gematcht in TBase. Deze waarnemingen worden in een wachtrij opgeslagen totdat ze door een gebruiker handmatig worden toegewezen aan de juiste patiënt in het EPD. De toegewezen patiëntidentificaties worden opgeslagen in het systeem en zullen in de toekomst worden gebruikt voor automatische identificatie.
Een belangrijke zorg bij het ontwerpen van klinische databases is het veranderen van de gegevenskwaliteit in de loop van de tijd. Aangezien de effecten afhankelijk zijn van het type gegevens dat in aanmerking wordt genomen, overwegen we dit voor verschillende gegevenstypen onafhankelijk van elkaar, op basis van de gegevens die in tabel 3 worden vermeld. De meeste gegevens in TBase zijn routinematige laboratoriumgegevens. Hoewel laboratoriummethoden mogelijk zijn veranderd, bleven de parameters zelf gedurende de tijd hetzelfde, zoals creatinine, ureum, elektrolyten, leverenzymtests, stollingsparameters en bloedbeeld. De parameters en de overeenkomstige normale bereiken zijn in de loop van de tijd vergelijkbaar, zelfs als deze laatste enigszins verschillen tussen verschillende assays. In ons laboratorium maken de meeste laboratoriummetingen geen gebruik van SI-eenheden, maar metrische eenheden. Hoewel dit vereist dat conversiefactoren worden geïmplementeerd bij het opnemen van externe gegevens, zorgt het voor vergelijkbaarheid van interne laboratoriumgegevens over de afgelopen 20 jaar. De op een na grootste groep zijn medicatiegegevens. Ondanks het feit dat standaard immunosuppressieve regimes zijn veranderd, veranderde de gegevenskwaliteit over medicatie niet in de loop van de tijd. Procedures worden gecodeerd als OPS-codes, die de Duitse aanpassing zijn van de International Classification of Procedures in Medicine (ICPM) en universeel worden geaccepteerd en gebruikt om een continue gegevenskwaliteit in de loop van de tijd te garanderen. Hetzelfde geldt voor diagnosegegevens, die zijn gecodeerd volgens ICD-10 die sinds 2000 verplicht is voor poliklinische geneeskunde in Duitsland. Een andere grote groep gegevens zijn die over medische onderzoeken. Bij niertransplantatie zijn vooral gegevens over niertransplantatiebiopten belangrijk. Voor pathologiegegevens van niertransplantatiebiopten wordt momenteel de Banff 2017-classificatie gebruikt, maar de classificatie voor niertransplantatiebiopten is de afgelopen 20 jaar meerdere keren veranderd. We hebben daarom besloten om alle niertransplantatiebiopten gemaakt in Charité Berlin opnieuw te classificeren volgens Banff 2017 om de gegevenskwaliteit voor onderzoeksdoeleinden aanzienlijk te verhogen27,28. Andere medische gegevens zoals beeldvormingsrapporten of die van onderzoeken zoals colonoscopie of bronchoscopie worden geregistreerd als strings. Om die gegevens te herstructureren volgens de nieuwste medische normen en beschikbaar te maken voor onderzoeksdoeleinden, werken we momenteel aan het retrospectief categoriseren van dergelijke gegevens. Hetzelfde geldt voor medische dossiers. Hun opmaak en structuur variëren tussen verschillende afdelingen en in de loop van de tijd, dus we hebben momenteel besloten om ze als strings op te nemen. Dit stelt ons in staat om de opgenomen informatie in de kliniek en voor onderzoeksdoeleinden te gebruiken. De laatste groep gegevens zijn patiëntgegevens zoals leeftijd, geslacht, behandelende artsen, maar ook algemene medische gegevens zoals allergieën, duur en vorm van dialyse. Deze zijn de afgelopen twee decennia niet opmerkelijk veranderd. Er is inderdaad een toename van de gegevenskwaliteit over onderliggende nierziekten met de grootste vooruitgang in de detectie van genetische ziekten. Zelden worden patiënten die zijn geregistreerd voor een tweede transplantatie getest op genetische ziekten en wordt hun diagnose vervolgens gecorrigeerd, maar voor de meeste patiënten kan een dergelijke correctie niet worden bereikt. Ook is er vooruitgang geboekt met betrekking tot transplantatiegegevens. Vooral detectie van donorspecifieke anti-HLA-antilichamen is een zeer dynamisch onderzoeksgebied met brongegevens van HLA-laboratoria die hun eigen databases vullen. Daarom wordt het alleen geregistreerd als donorspecifieke HLA-antilichamen aanwezig zijn. Daarom worden wijzigingen in de detectiemethode niet in overweging genomen. Over het algemeen zorgen we voor de meeste gegevenstypen al voor een homogene gegevenskwaliteit in de loop van de tijd. In de toekomst zullen we methoden zoals Natural Language Processing implementeren om relevante informatie te extraheren uit op tekst gebaseerde gegevens zoals medische rapporten of onderzoeksrapporten.
Outlook - TBase User Group, Kunstmatige Intelligentie en Telegeneeskunde
Omdat TBase modulair is ontworpen, is schaalbaarheid naar andere transplantatiecentra en naar verschillende poliklinieken in andere ziekenhuizen mogelijk en in ontwikkeling (figuur 1). Vooral andere transplantatiecentra en gespecialiseerde poliklinieken van Charité implementeren nu het EPD voor hun individuele klinische en onderzoeksdoeleinden. De basisstructuur wordt gehandhaafd en uitbreidingen op maat van de individuele behoeften worden geprogrammeerd voor endocrinologie, reumatologie, neurologie, cardiologie en gastro-enterologie. Een belangrijk voordeel voor de verschillende afdelingen is de integratie van TBase in het IT-landschap van Charité met een state-of-the-art gegevensbeschermingsconcept. De verschillende TBase-containers werden in korte tijd geïmplementeerd dankzij de modulaire opbouw en de bestaande interfaces (figuur 7). Onlangs is ook een database voor follow-up en klinisch onderzoek van COVID-19-patiënten op basis van TBase opgezet.
Het delen en ontwikkelen van de geïntegreerde database met andere afdelingen en ziekenhuizen helpt om een duurzamer onderzoeksplatform te bouwen dat openstaat voor andere transplantatiecentra. Het doel van zo'n open source ontwikkelproces is het creëren van synergieën via een TBase User Group. Dit roept nieuwe problemen op van uiteenlopende gegevensbeschermingsmaatregelen bij verschillende instellingen, maar biedt de mogelijkheid om de verdere ontwikkeling te bevorderen door ook andere institutionele functionarissen met extra expertise op te nemen. De gebruikersgroep kan de krachten bundelen en nieuwe modules (bijv. voor klinische proeven) of interfaces (bijv. voor Eurotransplant, kwaliteitsborging, transplantatieregister) implementeren. Een ander belangrijk perspectief voor TBase is de certificering als medisch hulpmiddel, die beter kan worden behaald als meerdere partners samenwerken. Het doel van de TBase User Group is om een flexibel platform te creëren dat elke afdeling zelfstandig kan gebruiken, maar dat ook beschikbaar is voor grotere gemeenschappelijke klinische onderzoeksprojecten.
Een ander belangrijk aspect dat het overwegen waard is, is dat het integreren van algoritmen, met name Machine Learning-technologieën, in medische workflows het meest veelbelovend is, wanneer het wordt uitgevoerd op gezondheidsgegevens van hoge kwaliteit16,38. TBase lijkt zeer geschikt voor de ontwikkeling en implementatie van nieuwe AI-methoden bij niertransplantatie door een verscheidenheid aan vastgelegde variabelen, de beschikbaarheid van gestructureerde en ongestructureerde gegevens en hoogwaardige langetermijngegevens. Toekomstige op AI gebaseerde klinische beslissingsondersteunende systemen kunnen naadloos worden geïntegreerd in de grafische gebruikersinterface van het EPD. Voordat dergelijke systemen kunnen worden ingezet, moeten klinische, technische, ethische en juridische uitdagingen worden overwonnen. Allereerst moet het klinische nut van dergelijke op AI gebaseerde algoritmen worden bewezen. Daarom voeren we momenteel een onderzoek uit, waarin we de nauwkeurigheid testen van een op AI gebaseerd algoritme voor het voorspellen van afstoting, transplantaatfalen of infectie in KTR. Het algoritme is ontwikkeld door het Duitse onderzoeksinstituut voor kunstmatige intelligentie (DFKI) op basis van TBase-gegevens met behulp van Gradient Boosted Regression Trees. De studie zal het vermogen van ervaren artsen vergelijken om verschillende eindpunten te voorspellen met en zonder informatie die door het AI-model wordt verstrekt. In een volgende stap zullen we text mining en methoden op het gebied van Natural Language Processing toepassen. Hierbij willen we gestructureerde gegevens maken van medische rapporten en onderzoeksrapporten om deze enorme hoeveelheid waardevolle gegevens beschikbaar te maken voor onderzoek en de clinicus. Dit zal later de modelnauwkeurigheid van op AI gebaseerde voorspellingsmodellen verbeteren, die momenteel deze ongestructureerde gegevens niet bevatten. Naast deze technische en medische overwegingen moeten ethische en juridische uitdagingen worden aangegaan. Daarom onderzoeken we daarnaast de interactie tussen mens en machine in het bovengenoemde experiment om te begrijpen welke kansen, maar ook welke risico's en nadelen zich voordoen bij het implementeren van dergelijke systemen vanuit het perspectief van de artsen. Daarom voeren we gestructureerde interviews uit en onderzoeken we hoe het gebruik van dergelijke beslissingsondersteunende systemen de benadering van artsen van medische besluitvorming heeft veranderd.
Een derde toekomstgerichte modulaire uitbreiding van TBase is de integratie van telegeneeskunde-oplossingen. In tegenstelling tot veel telegeneeskundebenaderingen, die niet kunnen worden overgedragen naar de bestaande digitale infrastructuur, werd volledige integratie van alle binnenkomende patiëntgegevens van het telegeneeskundeproject MACCS1,18,19,21,26,39 in dit EPD mogelijk gemaakt. Hiervoor is direct in TBase een telegeneeskundedashboard gebouwd, dat via een HL7 FHIR-interface is verbonden met de smartphone van de patiënt en de thuisnefroloog. Bijgevolg heeft de telegeneeskundearts in het ziekenhuis toegang tot vitale functies die door de patiënt thuis worden verzameld20. De automatische overdracht van relevante patiëntgegevens (inclusief laboratoriumgegevens) van de thuisnefroloog biedt een extra klinisch voordeel voor de arts en creëert een uitgebreidere database voor onderzoek. In de toekomst zal het EPD met de implementatie van nieuwe interfaces in staat zijn om gegevens vast te leggen van online patiëntcommunicatie (bijv. chat), IoT-apparaten (bijv. mobiele ECG's, point-of-care-apparaten) en om alle binnenkomende gegevens in realtime te integreren en patiënten in gevaar te tonen met behulp van AI-algoritmen.
Conclusie
Samenvattend biedt TBase een door de praktijk goedgekeurd en uitgebreid elektronisch patiëntendossier voor KTR, geoptimaliseerd voor onderzoeksgerichte transplantatiecentra. Het kan gemakkelijk worden overgebracht naar andere transplantatiecentra vanwege de modulariteit en platformonafhankelijkheid. Het ontwerp maakt de integratie van gegevens uit thuismonitoring en AI-gestuurde gegevensanalyses mogelijk. De TBase-gebruikersgroep zal de verdere ontwikkeling stimuleren met als doel transplantatieonderzoek te bevorderen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De corresponderende auteurs hebben niets te melden.
Acknowledgments
De ontwikkeling van het gepresenteerde EPD werd de afgelopen 20 jaar ondersteund door interne onderzoeksfinanciering en publieke financiering van verschillende instellingen en stichtingen.
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).
