TBase - गुर्दे प्रत्यारोपण प्राप्तकर्ताओं के लिए एक एकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और अनुसंधान डेटाबेस
Summary
TBase गुर्दे प्रत्यारोपण प्राप्तकर्ताओं के लिए एक अभिनव अनुसंधान डेटाबेस के साथ एक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड को जोड़ती है। TBase एक इन-मेमोरी डेटाबेस प्लेटफ़ॉर्म पर बनाया गया है, जो विभिन्न अस्पताल प्रणालियों से जुड़ा हुआ है, और नियमित आउट पेशेंट देखभाल के लिए उपयोग किया जाता है। यह स्वचालित रूप से एक अद्वितीय शोध डेटाबेस बनाने वाले प्रत्यारोपण-विशिष्ट डेटा सहित सभी प्रासंगिक नैदानिक डेटा को एकीकृत करता है।
Abstract
TBase गुर्दे के प्रत्यारोपण प्राप्तकर्ताओं (KTR) के लिए एक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) है जो नियमित उपचार के दौरान मैन्युअल डेटा प्रविष्टि के साथ मानकीकृत इंटरफेस के माध्यम से प्रमुख नैदानिक डेटा (जैसे, प्रयोगशाला मूल्यों, चिकित्सा रिपोर्ट, रेडियोलॉजी और पैथोलॉजी डेटा) के स्वचालित डेटा प्रविष्टि का संयोजन करता है (उदाहरण के लिए, नैदानिक नोट्स, दवा सूची और प्रत्यारोपण डेटा)। इस तरह से, केटीआर के लिए एक व्यापक डेटाबेस नियमित नैदानिक देखभाल और अनुसंधान के लिए लाभ के साथ बनाया गया है। यह उच्चतम डेटा गुणवत्ता के साथ अनुसंधान प्रश्नों के लिए आसान रोजमर्रा के नैदानिक उपयोग और त्वरित पहुंच दोनों को सक्षम बनाता है। यह नैदानिक दिनचर्या में डेटा सत्यापन की अवधारणा द्वारा प्राप्त किया जाता है जिसमें नैदानिक उपयोगकर्ताओं और रोगियों को उपचार और दवा योजनाओं के लिए सही डेटा पर भरोसा करना पड़ता है और इस तरह उनके दैनिक अभ्यास में नैदानिक डेटा को मान्य और सही करना पड़ता है। इस EHR प्रत्यारोपण आउट पेशेंट देखभाल की जरूरतों के लिए तैयार किया गया है और Charité – Universitätsmedizin बर्लिन में 20 से अधिक वर्षों के लिए अपनी नैदानिक उपयोगिता साबित कर दिया। यह अच्छी तरह से संरचित, व्यापक दीर्घकालिक डेटा के साथ कुशल नियमित कार्य की सुविधा प्रदान करता है और नैदानिक अनुसंधान के लिए उनके आसान उपयोग की अनुमति देता है। इस बिंदु पर, इसकी कार्यक्षमता में विभिन्न अस्पताल सूचना प्रणालियों से मानकीकृत इंटरफेस के माध्यम से नियमित डेटा के स्वचालित संचरण, प्रत्यारोपण-विशिष्ट डेटा की उपलब्धता, दवा-दवा इंटरैक्शन के लिए एक एकीकृत जांच के साथ एक दवा सूची, और दूसरों के बीच चिकित्सा रिपोर्टों की अर्ध-स्वचालित पीढ़ी शामिल है। नवीनतम reengineering के प्रमुख तत्वएक मजबूत गोपनीयता-दर-डिजाइन अवधारणा, मॉड्यूलरता, और इसलिए अन्य नैदानिक संदर्भों में पोर्टेबिलिटी के साथ-साथ HTML5 (हाइपरटेक्स्ट मार्कअप लैंग्वेज) आधारित उत्तरदायी वेब डिज़ाइन द्वारा सक्षम प्रयोज्य और प्लेटफ़ॉर्म स्वतंत्रता हैं। यह अन्य रोग क्षेत्रों और अन्य विश्वविद्यालय अस्पतालों में तेजी से और आसान स्केलेबिलिटी की अनुमति देता है। व्यापक दीर्घकालिक डेटासेट मशीन लर्निंग एल्गोरिदम की जांच के लिए आधार हैं, और मॉड्यूलर संरचना इन्हें नैदानिक देखभाल में तेजी से लागू करने की अनुमति देती है। रोगी रिपोर्ट किए गए डेटा और टेलीमेडिसिन सेवाओं को रोगियों की भविष्य की जरूरतों को पूरा करने के लिए TBase में एकीकृत किया जाता है। इन उपन्यास सुविधाओं का उद्देश्य नैदानिक देखभाल में सुधार के साथ-साथ नए शोध विकल्प और चिकित्सीय हस्तक्षेप बनाना है।
Introduction
एक एकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और अनुसंधान डेटाबेस के लिए प्रेरणा
नैदानिक अनुसंधान उच्च गुणवत्ता वाले डेटा की उपलब्धता पर आधारित है, भले ही शास्त्रीय सांख्यिकीय विधियों या मशीन लर्निंग (एमएल) तकनीकों का उपयोग विश्लेषण 1,2 के लिए किया जाता है या नहीं। नियमित डेटा (जैसे, जनसांख्यिकीय, प्रयोगशाला और दवा डेटा) के अलावा, डोमेन-विशिष्ट डेटा (उदाहरण के लिए, प्रत्यारोपण-प्रासंगिक डेटा) को उच्च ग्रैन्युलैरिटी 3,4 के साथ आवश्यक है। हालांकि, कई विश्वविद्यालय के अस्पतालों में नियमित देखभाल अस्पताल सूचना प्रणाली (एचआईएस) के साथ की जाती है जो न तो अनुसंधान-विशिष्ट डेटा के व्यवस्थित संग्रह की अनुमति देती है और न ही नियमित डेटा 5,6,7 के आसान डेटा निष्कर्षण के लिए। नतीजतन, नैदानिक शोधकर्ता विशिष्ट शोध डेटाबेस बनाते हैं, जिनमें डेटाबेस स्थापित करने की जटिल प्रक्रिया, मैनुअल डेटा प्रविष्टि, डेटा सुरक्षा के मुद्दे और दीर्घकालिक रखरखाव (तालिका 1) सहित विभिन्न प्रकार की समस्याएं होती हैं। सीमित मात्रा में डेटा, लापता डेटा, और विसंगतियां सामान्य रूप से नैदानिक अनुसंधान के लिए एक बड़ी समस्या हैं और एमएल प्रौद्योगिकियों के उपयोग में बाधा डालती हैं8,9,10,11,12,13। ये स्टैंडअलोन शोध डेटाबेस आमतौर पर कुछ रोग या रोगी पहलुओं पर केंद्रित होते हैं, जो अन्य डेटाबेस से जुड़े नहीं होते हैं, और अक्सर एक निश्चित अवधि के बाद बंद हो जाते हैं, जिसके परिणामस्वरूप दुर्गम “डेटा साइलो” होता है। आखिरकार, विभिन्न रोग पहलुओं पर उच्च गुणवत्ता वाले, दीर्घकालिक डेटा विरल हैं। डिजिटल चिकित्सा के युग में एक व्यापक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) 7,14,15 की बढ़ती आवश्यकता है, जो डोमेन-विशिष्ट डेटा के आसान प्रलेखन और इनपेशेंट और आउट पेशेंट देखभाल की प्रणालियों से नियमित डेटा के स्वचालित संग्रह को सक्षम बनाता है।
ये सामान्य विचार प्रत्यारोपण दवा के साथ-साथ 16 पर भी लागू होते हैं। इसलिए, रोगी के चिकित्सा इतिहास का एक पूरा प्रलेखन जिसमें सभी रोगी और आउट पेशेंट उपचार, नैदानिक नियमित डेटा के साथ-साथ प्रत्यारोपण-विशिष्ट डेटा भी शामिल हैं, सफल अनुवर्ती देखभाल के लिए आवश्यक है17,18। चूंकि साधारण एचआईएस स्थिर हैं और इनपेशेंट उपचार पर केंद्रित हैं, इसलिए वे प्रत्यारोपण-विशिष्ट डेटा को एकीकृत नहीं कर सकते हैं, जैसे कि दाता डेटा, ठंडे इस्केमिया समय, और मानव ल्यूकोसाइट एंटीजन (एचएलए) डेटा। हालांकि, ये डेटा प्रत्यारोपण अनुसंधान 19,20,21,22 के साथ-साथ दीर्घकालिक नैदानिक देखभाल के लिए एक बुनियादी शर्त हैं। जबकि प्रारंभिक अस्पताल में रहना आमतौर पर केवल 1-2 सप्ताह होता है और गुर्दे के प्रत्यारोपण के बाद प्रक्रियाओं के साथ-साथ शुरुआती परिणाम कई प्रत्यारोपण केंद्रों के बीच तुलनीय होते हैं, आजीवन पोस्ट-ट्रांसप्लांट देखभाल जटिल होती है और इसमें एक सामान्य संरचित दृष्टिकोण का अभाव होता है। यह एक एकीकृत ईएचआर और अनुसंधान डेटाबेस को आजीवन पोस्ट-ट्रांसप्लांट रोगी यात्रा पर कब्जा करने के लिए प्रेरित करता है। 23
केटीआर की नियमित देखभाल और अनुसंधान के लिए इन कार्यक्षमताओं को एकीकृत करने के लिए, “टीबेस” नामक एक ईएचआर को इस विचार के साथ विकसित किया गया था कि पोस्ट-ट्रांसप्लांट देखभाल के लिए नियमित उपयोग उच्चतम डेटा गुणवत्ता (तालिका 2) के साथ एक अद्वितीय शोध डेटाबेस बनाएगा।
डिजाइन और वास्तुकला
TBase एक विशिष्ट क्लाइंट-सर्वर आर्किटेक्चर पर आधारित है। विकास के लिए, SAP High Performance Analytic Appliance विस्तारित अनुप्रयोग उन्नत (SAP HANA XSA) के घटकों और उपकरणों का उपयोग किया गया था। नवीनतम हाइपरटेक्स्ट मार्कअप लैंग्वेज 5 (HTML5) वेब-प्रौद्योगिकियों के आधार पर EHR को Google Chrome इंजन के लिए विकसित और परीक्षण किया गया है। इस वेब इंजन का उपयोग Chrome और Microsoft Edge Browser द्वारा किया जाता है और स्थानीय स्थापना की आवश्यकता के बिना सबसे अधिक बार उपयोग किए जाने वाले वेब ब्राउज़र24 में EHR का उपयोग करने की अनुमति देता है। लागू प्रौद्योगिकी एक उत्तरदायी वेब डिजाइन को सक्षम बनाता है और वेब-आधारित ईएचआर को सभी उपकरणों (पीसी, टैबलेट, स्मार्टफोन) पर उपयोग करने की अनुमति देता है। अभिनव उच्च प्रदर्शन विकास मंच विभिन्न घटकों (वेब आईडीई, UI5 और HANA DB) से बना है और हमें तेजी से राज्य के अत्याधुनिक सॉफ्टवेयर उपकरणों (चित्रा 1) के साथ EHR परियोजना TBase को लागू करने में सक्षम बनाया है।
रोगी डेटा के प्रतिनिधित्व के लिए, ईएचआर के एक सहज और आत्म-व्याख्यात्मक डिजाइन के लिए एक सरल तालिका संरचना लागू की गई थी। उदाहरण के लिए, प्राथमिक कुंजी के रूप में PatientID के साथ रोगी तालिका तालिका संरचना के केंद्र में है। लगभग सभी तालिकाएं (अलग-अलग उप-तालिकाओं को छोड़कर) PatientID (चित्रा 2) के माध्यम से इस केंद्रीय तालिका से जुड़ी हुई हैं।
चित्रा 3 TBase की तालिका संरचना और अधिक विस्तार से उपयोग किए गए डेटा प्रकारों का हिस्सा दिखाता है। अंतिम उपयोगकर्ता ग्राफ़िकल यूजर इंटरफ़ेस (GUI) के माध्यम से डेटा फ़ील्ड तक पहुँच सकता है, जिसके लिए चित्र 4 में एक उदाहरण दिखाया गया है।
इस ईएचआर में सभी वर्तमान रोगी डेटा शामिल हैं और इसका उपयोग नियमित आउट पेशेंट देखभाल के लिए किया जाता है। महत्वपूर्ण नियमित नैदानिक डेटा (उदाहरण के लिए, प्रयोगशाला डेटा, चिकित्सा परिणाम, रेडियोलॉजी, माइक्रोबायोलॉजी, वायरोलॉजी और पैथोलॉजी डेटा, अस्पताल डेटा, आदि) को सीधे मानकीकृत इंटरफेस के माध्यम से टीबेस में आयात किया जाता है (उदाहरण के लिए, स्वास्थ्य स्तर सात (एचएल 7) के आधार पर – स्वास्थ्य सेवा क्षेत्र 25 में डिजिटल संचार के लिए एक मानक)। प्रत्यारोपण-विशिष्ट डेटा जैसे ठंडे ischemia समय, दाता डेटा, एचएलए डेटा के साथ-साथ अनुवर्ती नोट्स, महत्वपूर्ण संकेत, चिकित्सा रिपोर्ट और दवा सूची उपयोगकर्ताओं द्वारा ईएचआर में जीयूआई के माध्यम से दर्ज की जाती है। डेटा को डेटाबेस में स्थानांतरित करने से पहले, गलत डेटा प्रविष्टि का तुरंत सही करने का विकल्प प्रदान करने के लिए एक स्वचालित plausibility जांच की जाती है। इसके अलावा, डेटा सत्यापन नैदानिक दिनचर्या के दौरान भाग लेता है जिसमें नैदानिक उपयोगकर्ता नियमित रूप से रोगियों और चिकित्सकों को रिपोर्ट और पत्र लिखते हैं। इन पत्रों को आगे के उपचार और दवा योजनाओं के लिए सही डेटा (उदाहरण के लिए, दवा, प्रयोगशाला मूल्यों और नैदानिक टिप्पणियों पर) प्रदान करना चाहिए। नतीजतन, चिकित्सक और रोगी लगातार अपने दैनिक अभ्यास में नैदानिक डेटा को मान्य और सही करते हैं, एक प्रक्रिया जिसके परिणामस्वरूप उच्च डेटा की गुणवत्ता होती है। यदि डेटा एप्लिकेशन प्रोग्रामिंग इंटरफेस (एपीआई) या अन्य इंटरफेस के माध्यम से दर्ज किया जाता है, तो दृश्यपटल में plausibility जांच के समान बैकएंड में plausibility जांच की जाती है।
दृश्यपटल (GUI)
दृश्यपटल को कार्यान्वित करने के लिए, UI5 Framework का उपयोग किया जाता है। यह रूपरेखा दृश्यपटल तत्वों के साथ-साथ डेटा विज़ुअलाइज़ेशन के लिए बहुभाषावाद और ग्राफिकल लाइब्रेरीजैसी विभिन्न प्रकार की अतिरिक्त सुविधाओं के लिए एक व्यापक पुस्तकालय प्रदान करती है। वर्तमान में, TBase दृश्यपटल तत्व ब्राउज़र की भाषा सेटिंग के आधार पर या तो अंग्रेजी या जर्मन में प्रदर्शित होते हैं।
एक मास्टर-डिटेल इंटरफ़ेस का उपयोग दृश्यपटल के लिए एक सरल, सहज ज्ञान युक्त पृष्ठ संरचना सुनिश्चित करने के लिए किया जाता है। देखने वाले पृष्ठ के ऊपरी भाग में विवरण पृष्ठों (मूल डेटा, चिकित्सा डेटा, प्रत्यारोपण डेटा, आदि) के लिए अलग-अलग टैब होते हैं। यह मुख्य भाग अपरिवर्तित रहता है, भले ही नीचे दिए गए विवरण पृष्ठ को दिखाया गया हो (चित्र4)। प्रत्येक पृष्ठ का विवरण दृश्य पृष्ठ विषय पर एक आसान अवलोकन सक्षम बनाता है.
डेटा हेरफेर के लिए, EHR में उपयोगकर्ता अधिकारों के विभिन्न स्तर (“पढ़ें”, “लिखें”, “हटाएँ”, और “व्यवस्थापक”) हैं। “दृश्य” स्तर के अलावा एक “संपादन” स्तर है, जिसे केवल “पढ़ने” की तुलना में उच्च अधिकारों वाले उपयोगकर्ताओं द्वारा सक्रिय किया जा सकता है। यदि उपयोगकर्ता को लिखने का अधिकार है, तो डेटा प्रविष्टि के लिए सभी इनपुट फ़ील्ड सक्रिय हो जाते हैं और डेटा से भरे जा सकते हैं। “हटाएँ” अधिकार वाले उपयोगकर्ता एक संबंधित बटन के माध्यम से डेटा हटा सकते हैं, लेकिन केवल पॉप-अप विंडो के माध्यम से पुष्टि के बाद।
डेटाबेस संरचना और इंटरफेस
TBase का विकास विकास डेटाबेस में किया जाता है। गुणवत्ता आश्वासन डेटाबेस में सभी सॉफ़्टवेयर परिवर्तनों जैसे कि नई कार्यक्षमताओं का व्यापक और विस्तृत परीक्षण किया जाता है। गुणवत्ता नियंत्रण जाँच पास करने वाले सॉफ़्टवेयर अद्यतन लाइव सिस्टम में स्थानांतरित किए जाते हैं. अनुसंधान उद्देश्यों के लिए लाइव सिस्टम को प्रतिकृति डेटाबेस में कॉपी किया जाता है, जिसे मानक ओपन डेटाबेस कनेक्टिविटी (ODBC) इंटरफेस (उदाहरण के लिए, ओपन-सोर्स सॉफ़्टवेयर आर स्टूडियो के माध्यम से) के माध्यम से पूछताछ की जा सकती है। चूंकि प्रतिकृति और लाइव सिस्टम के बीच कोई सीधा संबंध नहीं है, इसलिए लाइव सिस्टम में डेटा को भ्रष्टाचार, हानि या डेटा के हेरफेर से संरक्षित किया जाता है। यह मॉड्यूलर संरचना और चार डेटाबेस (विकास, गुणवत्ता आश्वासन, लाइव सिस्टम और प्रतिकृति डेटाबेस) का स्पष्ट अलगाव, जो डेवलपर्स, शोधकर्ताओं और चिकित्सकों की विशिष्ट जरूरतों के अनुरूप हैं, संवेदनशील रोगी डेटा के रखरखाव और डेटा संरक्षण की सुविधा प्रदान करते हैं।
EHR पूरी तरह से Charité के डेटा इन्फ्रास्ट्रक्चर में एकीकृत है और विभिन्न डेटा स्रोतों से डेटा आयात के लिए विभिन्न इंटरफेस पर निर्भर करता है। एचआईएस के लिए इंटरफ़ेस प्रशासनिक डेटा, परीक्षाओं, दवाओं, प्रयोगशाला निष्कर्षों और निर्वहन पत्रों जैसे सभी प्रासंगिक डेटा आयात करता है। यह इंटरफ़ेस स्टेजिंग क्षेत्र के माध्यम से दोनों प्रणालियों को जोड़ता है। यहां, सभी नए डेटा (डेटा डेल्टा) को वास्तविक समय में HIS से TBase में स्थानांतरित कर दिया जाता है। रोगियों को एक रोगी संख्या या केस नंबर के माध्यम से पहचाना जाता है और एचआईएस से संबंधित डेटा आयात किया जाता है (यदि पहले से ही टीबेस में उपलब्ध नहीं है)।
बाह्य रोगियों के लिए, हमारे प्रयोगशाला साथी HL7 संदेशों के माध्यम से प्रयोगशाला परिणाम प्रदान करता है। इन्हें प्रयोगशाला प्रणाली में एक साझा क्षेत्र में तैनात किया जाता है और एक एचएल 7 इंटरफ़ेस के माध्यम से उठाया जाता है और ईएचआर में आयात किया जाता है। केटीआर (स्मार्टफोन ऐप्स के माध्यम से) और होम नेफ्रोलॉजिस्ट के साथ द्वि-दिशात्मक संचार और डेटा एक्सचेंज के लिए, एक एचएल 7 फास्ट हेल्थकेयर इंटरऑपरेबिलिटी रिसोर्स (एचएल 7 एफएचआईआर) इंटरफ़ेस को लागू किया गया था। यह इंटरफ़ेस भविष्य में अन्य डेटा स्रोतों (जैसे, Eurotransplant, रोगी ऐप्स) के साथ एक सुरक्षित डेटा एक्सचेंज के लिए इंटरऑपरेबिलिटी और लचीलापन प्रदान करता है।
उपयोगकर्ता प्रबंधन और डेटा सुरक्षा
TBase अनुप्रयोग स्तर पर उपयोगकर्ता प्रबंधन पर आधारित है। इस प्रकार, उपयोगकर्ता केवल एप्लिकेशन के दृश्यपटल तक पहुंच सकता है, लेकिन डेटाबेस ही नहीं। जैसा कि ऊपर वर्णित है, एक चार-चरण प्राधिकरण अवधारणा को चुना गया था, जो प्रशासनिक अधिकारों वाले लोगों के लिए उपयोगकर्ता प्रबंधन को आरक्षित करता है। व्यवस्थापक TBase अनुप्रयोग के लिए Charité उपयोगकर्ता पूल से नए उपयोगकर्ताओं को जोड़ने के लिए और उनके उपयोगकर्ता अधिकारों (चित्र5) को बनाए रखने के लिए एक “पहचान प्रबंधन कंसोल” अनुप्रयोग का उपयोग करें। अधिकांश उपयोगकर्ता डेटाबेस में सभी रोगियों तक पहुंच सकते हैं। हालांकि, रोगियों के एक समूह के लिए अध्ययन मॉनिटर जैसे विशिष्ट उपयोगकर्ताओं के लिए पहुंच को प्रतिबंधित करना संभव है।
वाणिज्यिक इन-मेमोरी डेटाबेस प्लेटफ़ॉर्म का उपयोग करके एक सुरक्षित डेटाबेस तकनीक जो एप्लिकेशन-लेवल प्राधिकरण, एकल साइन-ऑन (एसएसओ), एमआईटी-केर्बेरोस प्रोटोकॉल और सुरक्षा अभिकथन मार्क-अप लैंग्वेज (एसएएमएल) जैसी रणनीतियों के साथ डेटा की रक्षा करती है, का उपयोग किया जाता है। प्लेटफ़ॉर्म नवीनतम एन्क्रिप्शन और परीक्षण तकनीकों का उपयोग करके संचार, डेटा भंडारण और अनुप्रयोग सेवाओं को सुरक्षित करता है। डेटाबेस पर सभी विकास प्राधिकरणों द्वारा नियंत्रित किए जाते हैं। यह एक उच्च स्तर पर डिजाइन द्वारा डेटा की सुरक्षा सुनिश्चित करता है। इसके अलावा, सभी डेटा प्रमाणित Charité फ़ायरवॉल के पीछे रखा जाता है। नवीनतम यूरोपीय संघ जनरल डेटा प्रोटेक्शन रेगुलेशन (ईयू जीडीपीआर) के अनुपालन में एक मजबूत डेटा संरक्षण अवधारणा लागू की गई थी, जिसमें डेटा प्रवाह आरेख, डेटा सुरक्षा जोखिम मूल्यांकन (डीएसएफए) और प्राधिकरण अवधारणा शामिल थी। सभी दस्तावेज़ Charité डेटा सुरक्षा कार्यालय की एक प्रक्रिया निर्देशिका में निर्धारित किए जाते हैं।
Protocol
Representative Results
Discussion
TBase एक अनुसंधान डेटाबेस के साथ KTR के विशेष आउट पेशेंट देखभाल के लिए एक वेब-आधारित EHR को जोड़ती है, जिससे गुर्दे की बीमारी वाले रोगियों के लिए एक व्यापक दीर्घकालिक डेटाबेस बनाया जाता है6,11,15,37<sup class=…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
प्रस्तुत ईएचआर के विकास को पिछले 20 वर्षों में आंतरिक अनुसंधान वित्त पोषण और विभिन्न संस्थानों और नींव से सार्वजनिक वित्त पोषण द्वारा समर्थित किया गया था।
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 |
Riferimenti
- 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).
