TBase - 肾移植受者的综合电子健康记录和研究数据库
Summary
TBase将电子健康记录与肾脏移植受者的创新研究数据库相结合。TBase建立在内存数据库平台上，连接到不同的医院系统，并用于常规门诊护理。它自动集成所有相关的临床数据，包括移植特定数据，创建一个独特的研究数据库。
Abstract
TBase是用于肾移植受者（KTR）的电子健康记录（EHR），通过标准化接口与常规治疗期间的手动数据输入（例如，临床记录，药物清单和移植数据）相结合，自动输入关键临床数据（例如，实验室值，医疗报告，放射学和病理学数据）。通过这种方式，KTR创建了一个全面的数据库，对常规临床护理和研究有好处。它既可以方便地进行日常临床使用，也可以快速访问具有最高数据质量的研究问题。这是通过临床常规中的数据验证概念实现的，其中临床用户和患者必须依靠正确的数据进行治疗和药物治疗计划，从而在日常实践中验证和纠正临床数据。该EHR是为移植门诊护理的需求量身定制的，并在柏林Charité – Universitätsmedizin证明了其20多年的临床效用。它通过结构良好、全面的长期数据促进高效的日常工作，并允许其轻松用于临床研究。到目前为止，其功能包括通过来自不同医院信息系统的标准化接口自动传输常规数据，移植特定数据的可用性，具有药物间相互作用集成检查的药物列表以及半自动生成医疗报告等。最新重新设计的关键要素是强大的隐私设计概念，模块化，因此可移植到其他临床环境中，以及基于HTML5（超文本标记语言）的响应式网页设计实现的可用性和平台独立性。这允许快速轻松地扩展到其他疾病领域和其他大学医院。全面的长期数据集是机器学习算法研究的基础，模块化结构允许将这些算法快速实施到临床护理中。患者报告的数据和远程医疗服务被集成到TBase中，以满足患者的未来需求。这些新颖的功能旨在改善临床护理，并创造新的研究选择和治疗干预措施。
Introduction
建立集成电子健康记录和研究数据库的动机
临床研究基于高质量数据的可用性，无论是否使用经典统计方法或机器学习（ML）技术进行分析1，2。除了常规数据（例如，人口统计学、实验室和药物数据）外，还需要具有高粒度的领域特定数据（例如，移植相关数据）3，4。然而，许多大学医院的常规护理都是使用医院信息系统（HIS）进行的，该系统既不允许系统地收集研究特定数据，也不允许轻松提取常规数据5，6，7。因此，临床研究人员创建了特定的研究数据库，这些数据库存在各种问题，包括建立数据库的复杂过程，手动数据输入，数据保护问题和长期维护（表1）。有限的数据量，缺失的数据和不一致是临床研究的主要问题，并阻碍了ML技术的使用8，9，10，11，12，13。这些独立的研究数据库通常专注于某些疾病或患者方面，不与其他数据库连接，并且通常在一段时间后停止使用，导致无法访问的”数据孤岛”。最终，关于各种疾病方面的高质量、长期数据很少。在数字医学时代，对综合电子健康记录（EHR）7，14，15的需求日益增加，这使得可以轻松记录特定领域的数据，并从住院和门诊护理系统自动收集常规数据。
这些一般考虑因素也适用于移植医学16。因此，患者病史的完整记录，包括所有住院和门诊治疗，临床常规数据以及移植特异性数据对于成功的随访护理是必要的17，18。由于普通HIS是静态的，并且专注于住院治疗，因此它们无法整合移植特异性数据，例如供体数据，冷缺血时间和人白细胞抗原（HLA）数据。然而，这些数据是移植研究的基本先决条件19，20，21，22 以及长期临床护理。虽然最初的住院时间通常只有1-2周，肾移植后的过程和早期结果在许多移植中心之间是可比的，但移植后的终身护理很复杂，缺乏一种通用的结构化方法。这激发了一个集成的EHR和研究数据库，以捕捉移植后患者的终身旅程。22
为了将这些功能整合到KTR的常规护理和研究中，开发了一个名为”TBase”的EHR，其想法是移植后护理的常规使用将创建一个具有最高数据质量的独特研究数据库（表2）。
设计与建筑
TBase 基于典型的客户端-服务器体系结构。在开发过程中，使用了 SAP 高性能分析设备扩展应用程序高级 （SAP HANA XSA） 的组件和工具。基于最新的超文本标记语言5（HTML5）网络技术，EHR已经针对Google Chrome引擎进行了开发和测试。此 Web 引擎由 Chrome 和 Microsoft Edge 浏览器使用，并允许在最常用的 Web 浏览器24 中使用 EHR，而无需本地安装。应用的技术可实现响应式网页设计，并允许在所有设备（PC，平板电脑，智能手机）上使用基于Web的EHR。创新的高性能开发平台由各种组件（Web IDE、UI5 和 HANA DB）组成，使我们能够使用最先进的软件工具快速实现 EHR 项目 TBase（图 1）。
对于患者数据的表示，实现了简单的表结构，以实现EHR的直观且不言自明的设计。例如，以 Patient ID 为主键的患者表位于表结构的中心。几乎所有表（单个子表除外）都通过 PatientID 连接到此中央表（图 2）。
图 3 显示了 TBase 表结构的一部分以及更详细地使用的数据类型。最终用户可以通过图形用户界面 （GUI） 访问数据字段， 图 4 显示了一个示例。
此 EHR 包含所有当前患者数据，用于常规门诊护理。重要的常规临床数据（例如，实验室数据、医疗结果、放射学、微生物学、病毒学和病理学数据、医院数据等）通过标准化接口（例如，基于健康七级（HL7） – 医疗保健领域数字通信标准）直接导入TBase25）。移植特异性数据，如感冒缺血时间，供体数据，HLA数据以及随访记录，生命体征，医疗报告和药物清单由用户通过GUI输入到EHR中。在将数据传输到数据库之前，将执行自动合理性检查，以及时检测错误数据输入，并提供立即更正的选项。此外，数据验证在临床常规期间参与，临床用户定期向患者和医生撰写报告和信件。这些信件必须提供正确的数据（例如，关于药物，实验室价值和临床备注），以便进一步治疗和用药计划。因此，医生和患者在日常实践中不断验证和纠正临床数据，这一过程导致高数据质量。如果通过应用程序编程接口 （API） 或其他接口输入数据，则在后端执行合理性检查，类似于在前端执行合理性检查。
前端 （图形界面）
为了实现前端，使用 UI5 框架。该框架为前端元素提供了一个广泛的库，以及各种附加功能，例如多语言和用于数据可视化的图形库。目前，TBase 前端元素以英语或德语显示，具体取决于浏览器的语言设置。
前端使用大纲-细节界面，以确保简单直观的页面结构。查看页面的上半部分由详细信息页面（基本数据、医疗数据、移植数据等）的各个选项卡组成。无论下面显示哪个详细信息页面，此主部件都保持不变（图 4）。每个页面的详细信息视图都可以轻松概览页面主题。
对于数据操作，EHR 具有不同级别的用户权限（”读取”、”写入”、”删除”和”管理员”）。除了”查看”级别之外，还有一个”编辑”级别，该级别只能由具有高于”读取”权限的用户激活。如果用户具有写入权限，则用于数据输入的所有输入字段都将被激活，并且可以用数据填充。具有”删除”权限的用户可以通过相应的按钮删除数据，但只有在通过弹出窗口确认后才能删除数据。
数据库结构和接口
TBase 的开发在开发数据库中执行。在质量保证数据库中对所有软件更改（如新功能）进行广泛而详细的测试。通过质量控制检查的软件更新将传输到实时系统。出于研究目的，实时系统被复制到复制数据库中，可以通过标准的开放数据库连接（ODBC）接口（例如，通过开源软件R Studio）进行查询。由于复制和实时系统之间没有直接连接，因此实时系统中的数据可以防止数据损坏、丢失或操纵。这种模块化结构和四个数据库（开发、质量保证、实时系统和复制数据库）的明确分离，这些数据库是根据开发人员、研究人员和临床医生的特定需求量身定制的，有助于敏感患者数据的维护和数据保护。
EHR完全集成到Charité的数据基础设施中，并依靠不同的接口从各种数据源导入数据。HIS的界面导入所有相关数据，例如行政数据，检查，药物，实验室调查结果和出院信。此接口通过暂存区连接两个系统。在这里，所有新数据（数据增量）都实时从HIS传输到TBase。通过患者编号或病例编号识别患者，并导入来自HIS的相应数据（如果TBase中尚不可用）。
对于门诊患者，我们的实验室合作伙伴通过HL7消息提供实验室结果。这些被部署到实验室系统中的共享区域，并通过HL7接口拾取并导入EHR。为了与KTR（通过智能手机应用程序）和家庭肾脏科医生进行双向通信和数据交换，实现了HL7快速医疗保健互操作性资源（HL7 FHIR）接口26。该接口为将来与其他数据源（例如，Eurotransplant，患者应用程序）的安全数据交换提供了互操作性和灵活性。
用户管理和数据保护
TBase 基于应用程序级别的用户管理。因此，用户只能访问应用程序的前端，而不能访问数据库本身。如上所述，选择了四阶段授权概念，为具有管理权限的用户保留用户管理。管理员使用”身份管理控制台”应用程序从 TBase 应用程序的 Charité 用户池添加新用户，并维护其用户权限（图 5）。大多数用户可以访问数据库中的所有患者。但是，可以将特定用户的访问（例如研究监视器）限制为一组患者。
使用商用内存数据库平台，使用安全数据库技术，该技术使用应用程序级授权、单点登录 （SSO）、MIT-Kerberos 协议和安全断言标记语言 （SAML） 等策略来保护数据。该平台使用最新的加密和测试技术保护通信、数据存储和应用程序服务。数据库的所有开发都由授权控制。这确保了高级别设计的数据安全性。此外，所有数据都保存在经过认证的Charité防火墙后面。根据最新的欧盟通用数据保护条例（EU GDPR），实施了强大的数据保护概念，包括数据流图，数据保护风险评估（DSFA）和授权概念。所有文件都列在Charité数据保护办公室的程序目录中。
Protocol
Representative Results
Discussion
TBase将KTR专业门诊护理的基于网络的EHR与研究数据库相结合，为肾脏疾病患者创建了一个全面的长期数据库6，11，15，37。关于组织结构，这是通过作为机构代理实施现代软件设计流程来实现的，并且包括作为开发人员，临床用户和研究人员的20多年经验来开发当前版本。此外，它根据临床用户的需求?…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
在过去的20年中，所提交的EHR的发展得到了内部研究资金以及来自不同机构和基金会的公共资金的支持。
Materials
| 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 |
Referenzen
- 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. , (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, 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). , (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. eHealth in Transplantation. Transplant International. , (2020).
- 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. Desensitization of HLA-incompatible kidney recipients. The New England Journal of Medicine. 365 (17), 1644-1645 (2011).
- 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).
