TBase - una cartella clinica elettronica integrata e un database di ricerca per i riceventi di trapianto di rene
Summary
TBase combina una cartella clinica elettronica con un database di ricerca innovativo per i riceventi di trapianto di rene. TBase è costruito su una piattaforma di database in memoria, collegata a diversi sistemi ospedalieri e utilizzata per cure ambulatoriali regolari. Integra automaticamente tutti i dati clinici rilevanti, compresi i dati specifici del trapianto, creando un database di ricerca unico.
Abstract
TBase è una cartella clinica elettronica (EHR) per i riceventi di trapianto di rene (KTR) che combina l’inserimento automatico dei dati clinici chiave (ad esempio, valori di laboratorio, referti medici, dati di radiologia e patologia) tramite interfacce standardizzate con inserimento manuale dei dati durante il trattamento di routine (ad esempio, note cliniche, elenco dei farmaci e dati sui trapianti). In questo modo, viene creato un database completo per KTR con benefici per l’assistenza clinica di routine e la ricerca. Consente sia un facile utilizzo clinico quotidiano che un rapido accesso alle domande di ricerca con la massima qualità dei dati. Ciò si ottiene con il concetto di convalida dei dati nella routine clinica in cui gli utenti clinici e i pazienti devono fare affidamento su dati corretti per i piani di trattamento e farmaci e quindi convalidare e correggere i dati clinici nella loro pratica quotidiana. Questo EHR è su misura per le esigenze di cure ambulatoriali per trapianti e ha dimostrato la sua utilità clinica per oltre 20 anni presso Charité – Universitätsmedizin Berlin. Facilita un lavoro di routine efficiente con dati a lungo termine ben strutturati e completi e ne consente un facile utilizzo per la ricerca clinica. A questo punto, la sua funzionalità copre la trasmissione automatizzata di dati di routine tramite interfacce standardizzate da diversi sistemi informativi ospedalieri, la disponibilità di dati specifici per il trapianto, un elenco di farmaci con un controllo integrato per le interazioni farmaco-farmaco e la generazione semi-automatizzata di referti medici, tra gli altri. Gli elementi chiave dell’ultima reingegnerizzazione sono un solido concetto di privacy-by-design, modularità e quindi portabilità in altri contesti clinici, nonché usabilità e indipendenza dalla piattaforma abilitate dal responsive web design basato su HTML5 (Hypertext Markup Language). Ciò consente una scalabilità rapida e semplice in altre aree di malattia e in altri ospedali universitari. I set di dati completi a lungo termine sono la base per lo studio degli algoritmi di Machine Learning e la struttura modulare consente di implementarli rapidamente nell’assistenza clinica. I dati segnalati dai pazienti e i servizi di telemedicina sono integrati in TBase al fine di soddisfare le esigenze future dei pazienti. Queste nuove caratteristiche mirano a migliorare l’assistenza clinica e a creare nuove opzioni di ricerca e interventi terapeutici.
Introduction
Motivazione per una cartella clinica elettronica integrata e un database di ricerca
La ricerca clinica si basa sulla disponibilità di dati di alta qualità, indipendentemente dal fatto che per l’analisi vengano utilizzati metodi statistici classici o tecniche di Machine Learning (ML)1,2. Oltre ai dati di routine (ad esempio, dati demografici, di laboratorio e sui farmaci), sono richiesti dati specifici del dominio (ad esempio, dati rilevanti per il trapianto) con elevata granularità3,4. Tuttavia, l’assistenza di routine in molti ospedali universitari viene eseguita con sistemi informativi ospedalieri (HIS) che non consentono né la raccolta sistematica di dati specifici della ricerca né una facile estrazione dei dati di routine5,6,7. Di conseguenza, i ricercatori clinici creano database di ricerca specifici, che presentano una varietà di problemi tra cui il complesso processo di creazione di un database, l’immissione manuale dei dati, i problemi di protezione dei dati e la manutenzione a lungo termine (Tabella 1). La quantità limitata di dati, i dati mancanti e le incongruenze sono un problema importante per la ricerca clinica in generale e impediscono l’uso delle tecnologie ML8,9,10,11,12,13. Questi database di ricerca autonomi sono solitamente focalizzati su determinati aspetti della malattia o del paziente, non collegati ad altri database e spesso interrotti dopo un certo periodo, con conseguente “silos di dati” inaccessibili. In definitiva, i dati di alta qualità e a lungo termine su vari aspetti della malattia sono scarsi. Nell’era della medicina digitale vi è una crescente necessità di una cartella clinica elettronica completa (EHR)7,14,15, che consenta una facile documentazione dei dati specifici del dominio e la raccolta automatizzata di dati di routine dai sistemi di assistenza ospedaliera e ambulatoriale.
Queste considerazioni generali si applicano anche alla medicina dei trapianti16. Pertanto, una documentazione completa della storia medica del paziente, compresi tutti i trattamenti ospedalieri e ambulatoriali, i dati di routine clinica e i dati specifici del trapianto è necessaria per il successo delle cure di follow-up17,18. Poiché gli HIS ordinari sono statici e focalizzati sul trattamento ospedaliero, non possono integrare i dati specifici del trapianto, come i dati del donatore, i tempi di ischemia fredda e i dati sugli antigeni leucocitari umani (HLA). Tuttavia, questi dati sono un prerequisito di base per la ricerca sui trapianti19,20,21,22 e per l’assistenza clinica a lungo termine. Mentre la degenza ospedaliera iniziale di solito è di sole 1-2 settimane e i processi e gli esiti precoci dopo il trapianto di rene sono paragonabili tra molti centri di trapianto, l’assistenza post-trapianto per tutta la vita è complicata e manca di un approccio strutturato comune. Ciò motiva un EHR integrato e un database di ricerca per catturare il percorso del paziente post-trapianto per tutta la vita. 23 anni
Al fine di integrare queste funzionalità per la cura di routine e la ricerca di KTR, è stato sviluppato un EHR chiamato “TBase” con l’idea che l’uso di routine per la cura post-trapianto creerà un database di ricerca unico con la massima qualità dei dati (Tabella 2).
Design e Architettura
TBase si basa su una tipica architettura client-server. Per lo sviluppo sono stati utilizzati i componenti e gli strumenti di SAP High Performance Analytic Appliance extended application advanced (SAP HANA XSA). Basato sulle più recenti tecnologie web Hypertext Markup Language 5 (HTML5), l’EHR è stato sviluppato e testato per Google Chrome Engine. Questo motore web è utilizzato da Chrome e dal browser Microsoft Edge e consente di utilizzare l’EHR nei browser Web più utilizzati24 senza la necessità di installazione locale. La tecnologia applicata consente un responsive web design e permette di utilizzare l’EHR web-based su tutti i dispositivi (PC, tablet, smartphone). L’innovativa piattaforma di sviluppo ad alte prestazioni è composta da vari componenti (Web IDE, UI5 e HANA DB) e ci ha permesso di implementare rapidamente il progetto EHR TBase con strumenti software all’avanguardia (Figura 1).
Per la rappresentazione dei dati dei pazienti, è stata implementata una semplice struttura a tabella per un design intuitivo e autoesplicativo dell’EHR. Ad esempio, la tabella del paziente con il PatientID come chiave primaria si trova al centro della struttura della tabella. Quasi tutte le tabelle (ad eccezione delle singole sottotabelle) sono collegate a questa tabella centrale tramite PatientID (Figura 2).
La Figura 3 mostra parte della struttura della tabella di TBase e i tipi di dati utilizzati in modo più dettagliato. L’utente finale può accedere ai campi dati tramite interfaccia utente grafica (GUI), per la quale un esempio è mostrato nella Figura 4.
Questo EHR contiene tutti i dati attuali del paziente e viene utilizzato per le cure ambulatoriali di routine. Importanti dati clinici di routine (ad esempio, dati di laboratorio, risultati medici, radiologia, microbiologia, virologia e patologia, dati ospedalieri, ecc.) vengono importati direttamente in TBase tramite interfacce standardizzate (ad esempio, sulla base di Health Level Seven (HL7) – uno standard per la comunicazione digitale nel settore sanitario25). I dati specifici del trapianto come i tempi di ischemia fredda, i dati dei donatori, i dati HLA e le note di follow-up, i segni vitali, i referti medici e l’elenco dei farmaci vengono inseriti dagli utenti tramite GUI nell’EHR. Prima che i dati vengano trasferiti al database, viene eseguito un controllo di plausibilità automatizzato per il rilevamento tempestivo di un’immissione errata dei dati che fornisce la possibilità di correggere immediatamente. Inoltre, la convalida dei dati prende parte durante la routine clinica in cui gli utenti clinici scrivono regolarmente rapporti e lettere a pazienti e medici. Queste lettere devono fornire dati corretti (ad esempio, su farmaci, valori di laboratorio e osservazioni cliniche) per ulteriori piani di trattamento e farmaci. Di conseguenza, medici e pazienti convalidano e correggono costantemente i dati clinici nella loro pratica quotidiana, un processo che si traduce in un’elevata qualità dei dati. Se i dati vengono immessi tramite API (Application Programming Interface) o altre interfacce, i controlli di plausibilità vengono eseguiti nel back-end in modo simile ai controlli di plausibilità nel frontend.
Frontend (GUI)
Per implementare il frontend, viene utilizzato il framework UI5. Questo framework fornisce una vasta libreria per gli elementi frontend e una varietà di funzionalità aggiuntive come il multilinguismo e le librerie grafiche per la visualizzazione dei dati. Attualmente, gli elementi frontend TBase vengono visualizzati in inglese o tedesco a seconda dell’impostazione della lingua del browser.
Un’interfaccia master-detail viene utilizzata per il frontend per garantire una struttura della pagina semplice e intuitiva. La parte superiore della pagina di visualizzazione è costituita da singole schede per le pagine di dettaglio (dati di base, dati medici, dati di trapianto, ecc.). Questa parte master rimane invariata indipendentemente dalla pagina di dettaglio mostrata di seguito (Figura 4). La visualizzazione dettagliata di ogni pagina consente una facile panoramica sull’argomento della pagina.
Per la manipolazione dei dati, l’EHR ha diversi livelli di diritti utente (“lettura”, “scrittura”, “eliminazione” e “amministratore”). C’è un livello di “modifica” oltre al livello di “visualizzazione”, che può essere attivato solo da utenti con diritti superiori a “lettura”. Se l’utente ha il diritto di scrivere, tutti i campi di input per l’inserimento dei dati vengono attivati e possono essere compilati con i dati. Gli utenti con diritti di “eliminazione” possono eliminare i dati tramite un pulsante corrispondente, ma solo dopo la conferma attraverso una finestra pop-up.
Struttura e interfacce del database
Lo sviluppo di TBase viene eseguito nel database di sviluppo. Test approfonditi e dettagliati di tutte le modifiche al software, come le nuove funzionalità, vengono eseguiti nel database di garanzia della qualità. Gli aggiornamenti software che superano i controlli di qualità vengono trasferiti al sistema live. Ai fini della ricerca, il sistema live viene copiato nel database di replica, che può essere interrogato tramite interfacce standard ODBC (Open Database Connectivity) (ad esempio, tramite il software open source R Studio). Poiché non esiste una connessione diretta tra la replica e il sistema live, i dati nel sistema live sono protetti da danneggiamento, perdita o manipolazione dei dati. Questa struttura modulare e la netta separazione dei quattro database (sviluppo, garanzia della qualità, sistema live e database di replica), che sono adattati alle esigenze specifiche di sviluppatori, ricercatori e medici, facilita la manutenzione e la protezione dei dati dei dati sensibili dei pazienti.
L’EHR è completamente integrato nell’infrastruttura dati di Charité e si basa su diverse interfacce per l’importazione di dati da varie fonti di dati. L’interfaccia con l’HIS importa tutti i dati rilevanti come dati amministrativi, esami, farmaci, risultati di laboratorio e lettere di dimissione. Questa interfaccia collega entrambi i sistemi tramite un’area di staging. Qui, tutti i nuovi dati (delta dei dati) vengono trasferiti dall’HIS al TBase in tempo reale. I pazienti vengono identificati tramite un numero di paziente o un numero di caso e i dati corrispondenti dall’HIS vengono importati (se non già disponibili in TBase).
Per i pazienti ambulatoriali, il nostro partner di laboratorio fornisce i risultati di laboratorio tramite messaggi HL7. Questi vengono distribuiti in un’area condivisa nel sistema di laboratorio e prelevati tramite un’interfaccia HL7 e importati nell’EHR. Per la comunicazione bidirezionale e lo scambio di dati con KTR (tramite app per smartphone) e nefrologi domestici, è stata implementata un’interfaccia HL7 Fast Healthcare Interoperability Resource (HL7 FHIR)26. Questa interfaccia garantisce interoperabilità e flessibilità per uno scambio di dati sicuro con altre fonti di dati (ad esempio, Eurotransplant, app per i pazienti) in futuro.
Gestione degli utenti e protezione dei dati
TBase si basa sulla gestione degli utenti a livello di applicazione. Pertanto, l’utente può accedere solo al frontend dell’applicazione, ma non al database stesso. Come descritto sopra, è stato scelto un concetto di autorizzazione in quattro fasi, riservando la gestione degli utenti a coloro che dispongono di diritti amministrativi. Gli amministratori utilizzano un’applicazione “Identity Management Console” per aggiungere nuovi utenti dal pool di utenti Charité per l’applicazione TBase e per mantenere i relativi diritti utente (Figura 5). La maggior parte degli utenti può accedere a tutti i pazienti nel database. Tuttavia, è possibile limitare l’accesso per utenti specifici come i monitor dello studio a un gruppo di pazienti.
Utilizzando la piattaforma di database in memoria commerciale, viene utilizzata una tecnologia di database sicura che protegge i dati con strategie quali l’autorizzazione a livello di applicazione, il Single Sign-On (SSO), il protocollo MIT-Kerberos e il linguaggio SAML (Security Assertion Mark-up Language). La piattaforma protegge la comunicazione, l’archiviazione dei dati e i servizi applicativi utilizzando le più recenti tecniche di crittografia e test. Tutti gli sviluppi sul database sono controllati da autorizzazioni. Ciò garantisce la sicurezza dei dati fin dalla progettazione ad alto livello. Inoltre, tutti i dati sono conservati dietro il firewall certificato Charité. In conformità con l’ultimo regolamento generale sulla protezione dei dati dell’Unione europea (GDPR dell’UE) è stato implementato un solido concetto di protezione dei dati, inclusi diagrammi di flusso dei dati, valutazione del rischio di protezione dei dati (DSFA) e concetto di autorizzazione. Tutti i documenti sono redatti in un elenco delle procedure dell’Ufficio per la protezione dei dati charité.
Protocol
Representative Results
Discussion
TBase combina un EHR basato sul web per l’assistenza ambulatoriale specializzata di KTR con un database di ricerca, creando un database completo a lungo termine per i pazienti con malattie renali6,11,15,37. Per quanto riguarda la struttura organizzativa, ciò è reso possibile dall’implementazione di un moderno processo di progettazione del software come agente istituzionale e includendo oltre …
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
Lo sviluppo dell’EHR presentato è stato sostenuto negli ultimi 20 anni da finanziamenti interni alla ricerca e finanziamenti pubblici da diverse istituzioni e fondazioni.
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).
