TBase - מאגר מידע משולב על בריאות אלקטרונית ומחקר עבור מושתלי כליה
Summary
TBase משלבת שיא בריאות אלקטרוני עם מסד נתונים מחקרי חדשני עבור מושתלי כליה. TBase בנויה על פלטפורמת מסד נתונים בזיכרון, המחוברת למערכות בתי חולים שונות ומשמשת לטיפול באשפוז רגיל. הוא משלב באופן אוטומטי את כל הנתונים הקליניים הרלוונטיים, כולל נתונים ספציפיים להשתלה ויוצר מסד נתונים מחקרי ייחודי.
Abstract
TBase הוא שיא בריאות אלקטרוני (EHR) עבור מושתלי כליה (KTR) המשלב הזנת נתונים אוטומטית של נתונים קליניים מרכזיים (לדוגמה, ערכי מעבדה, דוחות רפואיים, נתוני רדיולוגיה ופתולוגיה) באמצעות ממשקים מתוקננים עם הזנת נתונים ידנית במהלך טיפול שגרתי (לדוגמה, הערות קליניות, רשימת תרופות ונתוני השתלה). באמצעות זה, מסד נתונים מקיף עבור KTR נוצר עם יתרונות לטיפול קליני שגרתי ומחקר. הוא מאפשר הן שימוש קליני יומיומי קל והן גישה מהירה לשאלות מחקר עם איכות הנתונים הגבוהה ביותר. זה מושג על ידי הרעיון של אימות נתונים בשגרה קלינית שבה משתמשים קליניים וחולים צריכים להסתמך על נתונים נכונים עבור תוכניות טיפול ותרופות ובכך לאמת ולתקן את הנתונים הקליניים בתרגול היומי שלהם. EHR זה מותאם לצרכים של אשפוז השתלה והוכיח את התועלת הקלינית שלה במשך יותר מ -20 שנה ב Charité – Universitätsmedizin ברלין. היא מאפשרת עבודה שגרתית יעילה עם נתונים מובנים ומקיפים לטווח ארוך ומאפשרת את השימוש הקל שלהם במחקר קליני. עד כה, הפונקציונליות שלה מכסה שידור אוטומטי של נתונים שגרתיים באמצעות ממשקים סטנדרטיים ממערכות מידע שונות של בתי חולים, זמינות של נתונים ספציפיים להשתלה, רשימת תרופות עם בדיקה משולבת לאינטראקציות בין תרופות, ודור אוטומטי למחצה של דוחות רפואיים בין היתר. מרכיבים מרכזיים של ההנדסה מחדש האחרונה הם מושג חזק של פרטיות על-ידי עיצוב, מודולריות, ומכאן ניידות להקשרים קליניים אחרים, כמו גם שימושיות ועצמאות פלטפורמה מופעל על ידי HTML5 (שפת סימון היפרטקסט) מבוסס עיצוב אתרים רספונסיביים. זה מאפשר מדרגיות מהירה וקלה לאזורי מחלות אחרים ובתי חולים אוניברסיטאיים אחרים. ערכות הנתונים המקיפות לטווח ארוך הן הבסיס לחקירה של אלגוריתמים של למידת מכונה, והמבנה המודולרי מאפשר ליישם אותם במהירות לטיפול קליני. נתונים מדווחים של מטופל ושירותי טלרפואה משולבים ב- TBase על מנת לענות על הצרכים העתידיים של המטופלים. תכונות חדשניות אלה שואפות לשפר את הטיפול הקליני, כמו גם ליצור אפשרויות מחקר חדשות והתערבויות טיפוליות.
Introduction
מוטיבציה לרשומה משולבת של בריאות אלקטרונית ומאגר מחקר
מחקר קליני מבוסס על זמינות של נתונים באיכות גבוהה, ללא קשר אם שיטות סטטיסטיות קלאסיות או טכניקות למידת מכונה (ML) משמשות לניתוח1,2. בנוסף לנתונים שגרתיים (למשל נתונים דמוגרפיים, מעבדה ותרופות), נדרשים נתונים ספציפיים לתחום (למשל, נתונים רלוונטיים להשתלה) עם פירוט גבוה3,4. עם זאת, הטיפול השגרתי בבתי חולים אוניברסיטאיים רבים מתבצע באמצעות מערכות מידע של בתי חולים (HIS) שאינן מאפשרות איסוף שיטתי של נתונים ספציפיים למחקר ולא להפקת נתונים קלים של נתונים שגרתיים5,6,7. כתוצאה מכך, חוקרים קליניים יוצרים מסדי נתונים מחקריים ספציפיים, אשר יש מגוון רחב של בעיות כולל תהליך מורכב של הקמת מסד נתונים, הזנת נתונים ידנית, בעיות הגנה על נתונים ותחזוקה לטווח ארוך (טבלה 1). כמות מוגבלת של נתונים, נתונים חסרים וחוסר עקביות הם בעיה מרכזית למחקר קליני בכלל ומעכבים את השימוש בטכנולוגיות ML8,9,10,11,12,13. מסדי נתונים אלה של מחקר עצמאי מתמקדים בדרך כלל בהיבטים מסוימים של מחלות או מטופלים, שאינם מחוברים למאגרי מידע אחרים, ולעתים קרובות הופסקו לאחר תקופה מסוימת, וכתוצאה מכך “מאגרי נתונים” בלתי נגישים. בסופו של דבר, נתונים איכותיים וארוכי טווח על היבטי מחלה שונים הם דלילים. בעידן הרפואה הדיגיטלית גובר הצורך ברשומת בריאות אלקטרונית מקיפה (EHR)7,14,15, המאפשרת תיעוד קל של נתונים ספציפיים לתחום ואיסוף אוטומטי של נתונים שגרתיים ממערכות האשפוז והאשפוז.
שיקולים כלליים אלה חלים גם על רפואת השתלות 16. לפיכך, יש צורך בתיעוד מלא של ההיסטוריה הרפואית של המטופל, לרבות כל טיפולי האשפוז והאשפוז, נתונים שגרתיים קליניים וכן נתונים ספציפיים להשתלה לצורך טיפול מעקב מוצלח17,18. מאחר ש- HIS הרגילים הם סטטיים ומתמקדים בטיפול באשפוז, הם אינם יכולים לשלב נתונים ספציפיים להשתלה, כגון נתוני תורמים, זמני איסכמיה קרה ונתונים של אנטיגנים לויקוציטים אנושיים (HLA). עם זאת, נתונים אלה הם תנאי בסיסי למחקר השתלה19,20,21,22, כמו גם מטיפול קליני ארוך טווח. בעוד שהשהות הראשונית בבית החולים היא בדרך כלל רק 1-2 שבועות ותהליכים, כמו גם תוצאות מוקדמות לאחר השתלת כליה דומים בין מרכזי השתלות רבים, טיפול לאחר ההשתלה לכל החיים הוא מסובך וחסר גישה מובנית משותפת. זה מניע EHR משולב מסד נתונים מחקר כדי ללכוד את המסע החולה לאחר ההשתלה לכל החיים. 23
על מנת לשלב פונקציות אלה לטיפול ומחקר שגרתיים של KTR, פותח EHR בשם “TBase” מתוך תחושה שהשימוש השגרתי לטיפול לאחר ההשתלה ייצור מסד נתונים מחקרי ייחודי עם איכות הנתונים הגבוהה ביותר (טבלה 2).
עיצוב ואדריכלות
TBase מבוסס על ארכיטקטורת שרת לקוח טיפוסית. לפיתוח, נעשה שימוש ברכיבים ובכלים של ה- SAP High Analytic Appliance מתקדם (SAP HANA XSA). בהתבסס על טכנולוגיות האינטרנט העדכניות ביותר של שפת סימון היפרטקסט 5 (HTML5), ה- EHR פותח ונבדק עבור מנוע כרום של Google. מנוע אינטרנט זה משמש את Chrome ואת דפדפן Microsoft Edge ומאפשר להשתמש ב- EHR בדפדפני האינטרנט הנפוצים ביותר24 ללא צורך בהתקנה מקומית. הטכנולוגיה היישומית מאפשרת עיצוב אתרים רספונסיבי ומאפשרת להשתמש ב- EHR מבוסס האינטרנט בכל המכשירים (מחשב, טאבלט, טלפון חכם). פלטפורמת הפיתוח החדשנית בעלת הביצועים הגבוהים מורכבת מרכיבים שונים (Web IDE, UI5 ו-HANA DB) ואפשרה לנו ליישם במהירות את פרויקט EHR TBase עם כלי תוכנה חדשניים (איור 1).
לייצוג של נתוני מטופלים, יושם מבנה טבלה פשוט לעיצוב אינטואיטיבי ומסביר את עצמו של ה- EHR. לדוגמה, טבלת המטופלים עם PatientID כמפתח הראשי נמצאת במרכז מבנה הטבלה. כמעט כל הטבלאות (למעט טבלאות משנה בודדות) מחוברות לטבלה מרכזית זו באמצעות PatientID (איור 2).
איור 3 מציג חלק ממבנה הטבלה של TBase וסוגי הנתונים המשמשים בפירוט רב יותר. משתמש הקצה יכול לגשת לשדות הנתונים באמצעות ממשק משתמש גרפי (GUI), שעבורו מוצגת דוגמה באיור 4.
EHR זה מכיל את כל נתוני המטופל הנוכחי ומשמש לטיפול באשפוז שגרתי. נתונים קליניים שגרתיים חשובים (למשל, נתוני מעבדה, תוצאות רפואיות, רדיולוגיה, מיקרוביולוגיה, נתוני וירולוגיה ופתולוגיה, נתוני בית חולים וכו ‘) מיובאים ישירות ל- TBase באמצעות ממשקים סטנדרטיים (למשל, על בסיס רמת בריאות שבע (HL7) – תקן לתקשורת דיגיטלית בתחום הבריאות25). נתונים ספציפיים להשתלה כגון זמני איסכמיה קרה, נתוני תורמים, נתוני HLA, כמו גם הערות מעקב, סימנים חיוניים, דוחות רפואיים ורשימת התרופות מוזנים על ידי המשתמשים באמצעות GUI לתוך EHR. לפני העברת הנתונים למסד הנתונים, מתבצעת בדיקת סבירות אוטומטית לאיתור מיידי של הזנת נתונים שגויה המספקת אפשרות לתקן באופן מיידי. בנוסף, אימות נתונים משתתף במהלך שגרה קלינית שבה משתמשים קליניים כותבים באופן שגרתי דוחות ומכתבים לחולים ורופאים. מכתבים אלה חייבים לספק נתונים נכונים (למשל, על תרופות, ערכי מעבדה והערים קליניים) להמשך טיפול ותוכניות תרופות. כתוצאה מכך רופאים וחולים כל הזמן לאמת ולתקן את הנתונים הקליניים בתרגול היומי שלהם, תהליך וכתוצאה מכך איכות נתונים גבוהה. אם נתונים מוזנים באמצעות ממשקי תכנות יישומים (API) או ממשקים אחרים, בדיקות סבירות מבוצעות בחלק האחורי באופן דומה לבדיקות הסבירות בחזית.
Frontend (GUI)
כדי ליישם את החזית, נעשה שימוש במסגרת UI5. מסגרת זו מספקת ספריה נרחבת עבור רכיבים חזיתיים וכן מגוון תכונות נוספות כגון רב לשוניות וספריות גרפיות להמחשה חזותית של נתונים. נכון לעכשיו, רכיבי החזית של TBase מוצגים באנגלית או בגרמנית בהתאם להגדרת השפה של הדפדפן.
ממשק פרטי אב משמש עבור החזית כדי להבטיח מבנה דף פשוט ואינטואיטיבי. החלק העליון של דף הצפייה מורכב מכרטיסיות בודדות לדפי הפרטים (נתונים בסיסיים, נתונים רפואיים, נתוני השתלה וכו ‘). חלק בסיס זה נותר ללא שינוי ללא קשר לדף הפירוט המוצג להלן (איור 4). תצוגת הפרטים של כל דף מאפשרת סקירה כללית קלה בנושא הדף.
עבור מניפולציה בנתונים, ל- EHR יש רמות שונות של זכויות משתמש (“קרא”, “כתיבה”, “מחק” ו-“administrator”). קיימת רמת “עריכה” בנוסף לרמת “תצוגה”, אשר ניתן להפעיל רק על ידי משתמשים עם זכויות גבוהות יותר מאשר “לקרוא”. אם למשתמש יש זכות לכתוב, כל שדות הקלט להזנת נתונים מופעלים וניתן למלאם בנתונים. משתמשים בעלי זכויות “מחק” יכולים למחוק נתונים באמצעות לחצן מתאים, אך רק לאחר אישור דרך חלון מוקפץ.
מבנה מסד נתונים וממשקים
הפיתוח של TBase מתבצע במסד הנתונים לפיתוח. בדיקה מקיפה ומפורטת של כל שינויי התוכנה כגון פונקציות חדשות מתבצעת במסד הנתונים של אבטחת איכות. עדכוני תוכנה העוברים את בדיקות בקרת האיכות מועברים למערכת החיה. למטרות מחקר המערכת החיה מועתקת למסד הנתונים של השכפול, אשר ניתן לשאול באמצעות ממשקים סטנדרטיים של קישוריות מסד נתונים פתוחה (ODBC) (למשל, באמצעות תוכנת קוד פתוח R Studio). מכיוון שאין קשר ישיר בין שכפול למערכת חיה, הנתונים במערכת החיה מוגנים מפני השחתה, אובדן או מניפולציה של נתונים. מבנה מודולרי זה והפרדה ברורה של ארבעת מאגרי המידע (פיתוח, אבטחת איכות, מערכת חיה ומאגר מידע שכפול), המותאמים לצרכים הספציפיים של מפתחים, חוקרים ורופאים מאפשרים תחזוקה והגנה על נתונים של מטופלים רגישים.
ה- EHR משולב באופן מלא בתשתית הנתונים של Charité ונשען על ממשקים שונים לייבוא נתונים ממקורות נתונים שונים. הממשק ל-HIS מייבא את כל הנתונים הרלוונטיים כגון נתונים אדמיניסטרטיביים, בדיקות, תרופות, ממצאי מעבדה ומכתבי פריקה. ממשק זה מחבר את שתי המערכות באמצעות אזור אחסון זמני. כאן, כל הנתונים החדשים (דלתא נתונים) מועברים מן HIS ל- TBase בזמן אמת. חולים מזוהים באמצעות מספר חולה או מספר מקרה והנתונים המתאימים מ- HIS מיובאים (אם אינם זמינים כבר ב- TBase).
עבור אשפוזים, שותף המעבדה שלנו מספק את תוצאות המעבדה באמצעות הודעות HL7. אלה פרוסים באזור משותף במערכת המעבדה ונאספים באמצעות ממשק HL7 ומיובאים ל- EHR. עבור תקשורת דו-כיוונית והחלפת נתונים עם KTR (באמצעות אפליקציות סמארטפון) ונפרולוגים ביתיים, יושם ממשק משאב יכולת יכולת שיתוף הדדית של HL7 Healthcare (HL7 FHIR). ממשק זה מעניק יכולת פעולה הדדית וגמישות לחילופי נתונים בטוחים עם מקורות נתונים אחרים (לדוגמה, Eurotransplant, אפליקציות מטופלים) בעתיד.
ניהול משתמשים והגנה על נתונים
TBase מבוסס על ניהול משתמשים ברמת היישום. לכן, המשתמש יכול לגשת רק לחזית היישום, אך לא למסד הנתונים עצמו. כפי שתואר לעיל, נבחר מושג הרשאה לארבעה שלבים, תוך שמירת ניהול משתמשים לבעלי זכויות ניהול. מנהלי מערכת משתמשים ביישום “מסוף ניהול הזהויות” כדי להוסיף משתמשים חדשים ממאגר המשתמשים Charité עבור יישום TBase ולשמור על זכויות המשתמש שלהם (איור 5). רוב המשתמשים יכולים לגשת לכל המטופלים במסד הנתונים. עם זאת, ניתן להגביל את הגישה למשתמשים ספציפיים כגון צגי מחקר לקבוצת חולים.
באמצעות פלטפורמת מסד הנתונים המסחרית בזיכרון, נעשה שימוש בטכנולוגיית מסד נתונים מאובטחת המגנה על נתונים באמצעות אסטרטגיות כגון הרשאה ברמת היישום, כניסה יחידה (SSO), פרוטוקול MIT-Kerberos ושפת סימון של קביעת אבטחה (SAML). הפלטפורמה מאבטחת שירותי תקשורת, אחסון נתונים ויישומים באמצעות טכניקות ההצפנה והבדיקה העדכניות ביותר. כל ההתפתחויות במסד הנתונים נשלטות על ידי הרשאות. הדבר מבטיח את אבטחת הנתונים לפי עיצוב ברמה גבוהה. בנוסף, כל הנתונים נשמרים מאחורי חומת האש המאושרת Charité. בהתאם לתקנה הכללית האחרונה להגנה על נתונים של האיחוד האירופי (GDPR) של האיחוד האירופי, יושם מושג חזק להגנה על נתונים, כולל דיאגרמות זרימת נתונים, הערכת סיכוני הגנה על נתונים (DSFA) ותפיסת הרשאה. כל המסמכים מונחים בספריית נהלים של המשרד להגנת נתונים Charité.
Protocol
Representative Results
Discussion
TBase משלבת EHR מבוסס אינטרנט לטיפול מיוחד באשפוז של KTR עם מסד נתונים מחקרי, ויוצרת מסד נתונים מקיף לטווח ארוך עבור חולים עם מחלת כליות6,11,15,37. לגבי המבנה הארגוני, הדבר מתאפשר על ידי יישום תהליך עיצוב תוכנה מודרני כסוכן מוסדי …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
הפיתוח של EHR המוצג נתמך במהלך 20 השנים האחרונות על ידי מימון מחקר פנימי ומימון ציבורי ממוסדות וקרנות שונות.
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).
