Summary

TBase - 腎臓移植レシピエントのための統合された電子健康記録と研究データベース

Published: April 13, 2021
doi:

Summary

TBaseは、電子健康記録と腎臓移植レシピエントのための革新的な研究データベースを組み合わせたものです。TBaseは、メモリ内のデータベースプラットフォーム上に構築され、異なる病院システムに接続され、定期的な外来診療に使用されます。それは自動的に独特な研究データベースを作成する移植特有のデータを含むすべての関連する臨床データを統合する。

Abstract

TBaseは、腎臓移植レシピエント(KTR)の電子健康記録(EHR)で、ルーチン治療中の手動データ入力(臨床ノート、投薬リスト、移植データなど)を使用した標準化されたインターフェースを介して、主要な臨床データ(例えば、検査値、医療報告書、放射線学および病理データ)の自動データ入力を組み合わせた電子健康記録(KTR)です。この手段によって、KTRのための包括的なデータベースは、日常的な臨床ケアと研究のための利点を持って作成されます。それは最も高いデータの質の調査の質問のための容易な毎日の臨床使用および速いアクセスの両方を可能にする。これは、臨床ユーザーと患者が治療計画と投薬計画のために正しいデータに頼り、それによって毎日の実践における臨床データを検証し、修正しなければならない臨床ルーチンにおけるデータ検証の概念によって達成される。このEHRは、移植外来治療のニーズに合わせて調整され、シャリテ – ベルシテ大学ベルリンで20年以上にわたってその臨床有用性を証明しました。それは十分に構造化された、広範囲にわたる長期データとの効率的なルーチン作業を促進し、臨床研究のために彼らの容易な使用を可能にする。この時点で、その機能は、異なる病院情報システムからの標準化されたインターフェースを介したルーチンデータの自動送信、移植固有データの可用性、薬物と薬物相互作用の統合されたチェックを伴う投薬リスト、およびとりわけ医療報告書の半自動化された生成をカバーする。最新のリエンジニアリングの主な要素は、設計上の強固なプライバシー、モジュール性、その結果、他の臨床コンテキストへの移植性、およびHTML5(ハイパーテキストマークアップ言語)ベースのレスポンシブウェブデザインによって可能になる使いやすさとプラットフォームの独立性です。これにより、他の疾病領域や他の大学病院に迅速かつ容易に拡張性が可能になります。包括的な長期データセットは、機械学習アルゴリズムの調査の基礎であり、モジュラー構造は、臨床ケアにこれらを迅速に実装することができます。患者の報告データおよび遠隔医療サービスは患者の将来の必要性を満たすためにTBaseに統合される。これらの新しい特徴は、臨床ケアを改善するだけでなく、新しい研究オプションと治療介入を作成することを目的としています。

Introduction

統合された電子健康記録と研究データベースの動機
臨床研究は、古典的な統計手法や機械学習(ML)技術が分析に使用されるかどうかにかかわらず、高品質のデータの可用性に基づいています1,2。日常的なデータ(人口統計、検査、投薬データなど)に加えて、ドメイン固有のデータ(例えば、移植関連データ)は高い粒度で必要とされます3,4。しかし、多くの大学病院での日常的なケアは、研究固有データの体系的な収集やルーチンデータの容易なデータ抽出を可能にしない病院情報システム(HIS)で行われます5,6,7。その結果、臨床研究者は、データベースの設定の複雑なプロセス、手動データ入力、データ保護の問題、長期保守など、さまざまな問題を抱える特定の研究データベースを作成します(表1)。データ量の制限、データの欠落、不整合は、臨床研究全般にとって大きな問題であり、ML技術の使用を妨げる8,9,10,11,12,13です。これらの独立した研究データベースは、通常、特定の疾患または患者の側面に焦点を当て、他のデータベースに接続せず、しばしば一定期間後に中止され、アクセス不能な「データサイロ」をもたらす。最終的には、様々な疾患の側面に関する高品質で長期的なデータはまばらです。デジタル医療の時代には、包括的な電子健康記録(EHR)7,14,15の必要性が高まっており、これは、ドメイン固有のデータの簡単な文書化と、入院および外来診療システムからのルーチンデータの自動収集を可能にします。

これらの一般的な考慮事項は、移植医療にも適用されます16.したがって、すべての入院および外来治療、臨床ルーチンデータ、移植特異的データを含む患者の病歴の完全な文書化は、成功したフォローアップケア17,18に必要です。通常のHISは静的で入院治療に焦点を当てているため、ドナーデータ、冷間虚血時間、ヒト白血球抗原(HLA)データなどの移植特異的データを統合することはできません。しかし、これらのデータは、移植研究のための基本的な前提条件である19,20,21,22だけでなく、長期的な臨床ケアから。最初の入院期間は通常1〜2週間で、腎臓移植後の初期の結果は多くの移植センター間で同等であるが、生涯にわたる移植後のケアは複雑であり、共通の構造化されたアプローチを欠いている。これは、生涯移植後の患者の旅をキャプチャするために統合されたEHRと研究データベースを動機づけます。23

KTRの日常的なケアと研究のためにこれらの機能を統合するために、移植後のケアのための日常的な使用は、最高のデータ品質を持つユニークな研究データベースを作成するという考えで「TBase」という名前のEHRが開発されました(表2)。

設計とアーキテクチャ
TBase は、一般的なクライアント/サーバー アーキテクチャに基づいています。開発のために、SAP ハイパフォーマンス分析アプライアンス拡張アプリケーション(SAP HANA XSA)のコンポーネントとツールを使用しました。最新のハイパーテキストマークアップ言語5(HTML5)のウェブ技術に基づいて、EHRはGoogle Chromeエンジン用に開発され、テストされています。このウェブエンジンは、Chromeとマイクロソフトのエッジブラウザで使用され、ローカルインストールを必要とせずに、最も頻繁に使用されるWebブラウザ24 でEHRを使用することができます。応用技術はレスポンシブなWebデザインを可能にし、WebベースのEHRを全てのデバイス(PC、タブレット、スマートフォン)で使用することを可能にする。革新的な高性能開発プラットフォームは、さまざまなコンポーネント(Web IDE、UI5、HANA DB)で構成され、最先端のソフトウェアツールを使用してEHRプロジェクトTBaseを迅速に実装することができました(図1)。

患者データの表現のために、EHRの直感的で自明な設計のために簡単なテーブル構造が実装されました。たとえば、患者 ID をプライマリ キーとして持つ患者テーブルは、テーブル構造の中心にあります。ほぼすべてのテーブル (個々のサブテーブルを除く) は、PatientID を介してこの中央テーブルに接続されます (図 2)。

図 3 は 、TBase のテーブル構造の一部と、使用されるデータ型の詳細を示しています。エンド ユーザーは、 図 4 に示す例を示すグラフィカル ユーザー インターフェイス (GUI) を使用してデータ フィールドにアクセスできます。

このEHRは、現在のすべての患者データを含み、定期的な外来診療に使用されます。重要なルーチン臨床データ(例えば、検査データ、医療結果、放射線学、微生物学、ウイルス学および病理データ、病院データなど)は、標準化されたインターフェース(例えば、健康レベル7(HL7)に基づく)を介してTBaseに直接輸入される- ヘルスケア部門25におけるデジタル通信の標準である。冷たい虚血時間、ドナーデータ、HLAデータ、フォローアップノート、バイタルサイン、医療報告書、投薬リストなどの移植固有のデータは、GUIを介してユーザーによってEHRに入力されます。データがデータベースに転送される前に、自動妥当性検査を実行して、誤ったデータ入力の迅速な検出を行い、直ちに修正するオプションを提供します。さらに、データ検証は、臨床ユーザーが日常的に患者や医師にレポートや手紙を書く臨床ルーチンの間に参加します。これらの手紙は、さらなる治療および投薬計画のための正しいデータ(例えば、投薬、実験室の値および臨床発言)を提供しなければならない。その結果、医師と患者は日々の診療において臨床データを常に検証し、修正し、高いデータ品質をもたらすプロセスを行います。アプリケーション・プログラミング・インターフェース (API) またはその他のインターフェースを介してデータを入力する場合、フロントエンドの妥当性検査と同様に、妥当性検査がバックエンドで実行されます。

フロントエンド (GUI)
フロントエンドを実装するために、UI5 フレームワークが使用されます。このフレームワークは、フロントエンド要素の広範なライブラリと、データの視覚化のための多言語主義やグラフィカルライブラリなどのさまざまな追加機能を提供します。現在、TBase フロントエンド要素は、ブラウザの言語設定に応じて英語またはドイツ語で表示されます。

マスター/詳細インターフェイスは、シンプルで直感的なページ構造を確保するためにフロントエンドに使用されます。表示ページの上部は、詳細ページの個別タブ(基本データ、医療データ、移植データなど)で構成されています。このマスタ パーツは、次に示す詳細ページに関係なく変更されません(図 4)。各ページの詳細ビューを使用すると、ページ トピックの概要を簡単に確認できます。

データ操作の場合、EHR には異なるレベルのユーザー権利 (「読み取り」、「書き込み」、「削除」、「管理者」) があります。「ビュー」レベルに加えて「編集」レベルがあり、「読み取り」よりも高い権限を持つユーザーのみがアクティブ化できます。ユーザーが書き込む権限を持っている場合、データ入力のすべての入力フィールドがアクティブになり、データを入力できます。「削除」権限を持つユーザーは、対応するボタンを介してデータを削除できますが、ポップアップウィンドウを通じて確認した後にのみ行うことができます。

データベース構造とインターフェース
TBase の開発は、開発データベースで実行されます。新しい機能など、すべてのソフトウェア変更の広範かつ詳細なテストは、品質保証データベースで行われます。品質管理チェックに合格したソフトウェア更新は、ライブシステムに転送されます。研究目的のために、ライブシステムは、標準のオープンデータベース接続(ODBC)インターフェイス(例えば、オープンソースソフトウェアR Studioを介して)を介して照会することができるレプリケーションデータベースにコピーされます。レプリケーションとライブシステムの間に直接接続がないため、ライブシステムのデータはデータの破損、損失、または操作から保護されます。このモジュール構造と、開発者、研究者、臨床医の特定のニーズに合わせた4つのデータベース(開発、品質保証、ライブシステム、レプリケーションデータベース)の明確な分離により、機密患者データのメンテナンスとデータ保護を容易にします。

EHRは、シャリテのデータインフラストラクチャに完全に統合され、さまざまなデータソースからのデータインポートにさまざまなインターフェースに依存しています。HISへのインターフェースは、管理データ、検査、投薬、検査所見、排出物などのすべての関連データをインポートします。このインターフェイスは、ステージング領域を介して両方のシステムを接続します。ここでは、すべての新しいデータ(データデルタ)がリアルタイムでHISからTBaseに転送されます。患者番号または症例番号を介して患者が識別され、HISからの対応するデータがインポートされます(TBaseでまだ利用できない場合)。

外来患者のために、私達の実験室のパートナーはHL7のメッセージを通して実験室の結果を提供する。これらは、ラボシステムの共有領域に展開され、HL7インターフェイスを介してピックアップされ、EHRにインポートされます。KTR(スマートフォンアプリを介した)および家庭用腎臓学者との双方向通信とデータ交換のために、HL7高速医療相互運用性リソース(HL7 FHIR)インターフェイスが実装されました26。このインターフェイスは、将来の他のデータ ソース (ユーロ移植、患者のアプリなど) との安全なデータ交換のための相互運用性と柔軟性を提供します。

ユーザー管理とデータ保護
TBase は、アプリケーション レベルでのユーザー管理に基づいています。したがって、ユーザーはアプリケーションのフロントエンドにのみアクセスでき、データベース自体にはアクセスできません。前述のように、4 段階の承認の概念が選択され、管理者権限を持つユーザーのユーザー管理が予約されました。管理者は、”Id 管理コンソール” アプリケーションを使用して、TBase アプリケーションの Charité ユーザー プールから新しいユーザーを追加し、そのユーザーの権限を維持します (図 5)。ほとんどのユーザーは、データベース内のすべての患者にアクセスできます。しかし、研究モニターなどの特定のユーザーのアクセスを患者のグループに制限することは可能です。

商用インメモリ データベース プラットフォームを使用して、アプリケーション レベルの承認、シングル サインオン (SSO)、MIT-Kerberos プロトコル、セキュリティ アサーション マークアップ言語 (SAML) などの戦略でデータを保護するセキュリティで保護されたデータベース テクノロジを使用します。このプラットフォームは、最新の暗号化とテストの手法を使用して、通信、データストレージ、アプリケーションサービスを保護します。データベース上のすべての開発は、権限によって制御されます。これにより、設計上のデータのセキュリティが高いレベルで保証されます。さらに、すべてのデータは認定シャリテファイアウォールの後ろに保持されています。最新の欧州連合(EU)一般データ保護規則(EU GDPR)に準拠して、データフロー図、データ保護リスク評価(DSFA)、承認コンセプトなど、堅牢なデータ保護コンセプトが実装されました。すべての文書は、チャリテデータ保護事務所の手続きディレクトリに置かれています。

Protocol

このプロトコルは、電子健康記録 TBase の使用、データベースへのデータの追加方法、および調査目的で抽出する方法を示しています。すべてのステップは、チャリテの人間の研究倫理委員会のガイドラインに従っています – ベルリン大学。 1. 新しい患者を登録し、TBaseに基本的な患者データを追加する 登録時に、患者の健康保険証から病院情報システムに患者の…

Representative Results

TBaseは1999年にシャリテキャンパスミッテで初めてリリースされ、それ以来使用されています。20年以上にわたり、TBase-EHRは、すべてのKTRからデータを収集します。2001年から、シャリテの他の移植プログラムは、KTRと待機リストの患者の日常的なケアのためにTBaseを使用しました。2007年以来、このEHRは、生きているドナーと腎臓科のすべての患者の日常的なケアのために使用されています。…

Discussion

TBaseは、KTRの専門外来診療のためのウェブベースのEHRと研究データベースを組み合わせ、腎臓病患者のための包括的な長期データベースを作成します 6,11,15,37.組織構造に関しては、これは、機関エージェントとして近代的なソフトウェア設計プロセスを実装し、開発者、臨床ユーザー、および研?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

EHRの開発は、過去20年間に、さまざまな機関や財団からの内部研究資金と公的資金によって支えられました。

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

References

  1. 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).
  2. Sonntag, D., et al. The Clinical Data Intelligence Project. Informatik-Spektrum. 39 (4), 290-300 (2016).
  3. Kara, E., et al. A Domain-adapted Dependency Parser for German Clinical Text. Proceedings of the 14th Conference on Natural Language Processing. , (2018).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. Roller, R., et al. A fine-grained corpus annotation schema of German nephrology records. Clinical Natural Language Processing Workshop (ClinicalNLP). , (2016).
  12. 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).
  13. 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).
  14. Burchardt, A., Uszkoreit, H. IT für soziale Inklusion: Digitalisierung – Künstliche Intelligenz – Zukunft für alle. De Gruyter. , (2018).
  15. Schroter, G., Lindemann, L. F. TBase2 – A Web-Based Electronic Patient Record. Fundamenta Informaticae. 43 (1-4), 343-353 (2000).
  16. Duettmann, W., et al. eHealth in Transplantation. Transplant International. , (2020).
  17. Durr, M., et al. Late Conversion to Belatacept After Kidney Transplantation: Outcome and Prognostic Factors. Transplantation Proceedings. 49 (8), 1747-1756 (2017).
  18. Halleck, F., et al. MHealth and digital management after kidney transplantation. Nieren- und Hochdruckkrankheiten. 46, 474-480 (2017).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. The Most Popular Browsers. w3schools.com Available from: https://www.w3schools.com/browsers/ (2020)
  25. H.L.S.I. HL7 International Available from: https://www.hl7.org/ (2020)
  26. Duettmann, W., et al. Digital home monitoring of patients after kidney transplantation: The MACCS platform. Journal of Visualized Experiments. , (2021).
  27. 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).
  28. Roufosse, C., et al. A 2018 Reference Guide to the Banff Classification of Renal Allograft Pathology. Transplantation. 102 (11), 1795-1814 (2018).
  29. 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).
  30. 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).
  31. Huber, L., Naik, M., Budde, K. Desensitization of HLA-incompatible kidney recipients. The New England Journal of Medicine. 365 (17), 1644-1645 (2011).
  32. 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).
  33. 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).
  34. 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).
  35. 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).
  36. 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).
  37. 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).
  38. Big Data Project | BigMedilytics | The largest initiative to transform healthcare sector. BigMedilytics Available from: https://www.bigmedilytics.eu/big-data-project/ (2020)
  39. Duettmann, W., et al. Telemedizinische Betreuung von Patienten nach Nierentransplantation: Was beinhaltet MACCS. Nieren- und Hochdruckkrankheiten. 49, (2020).
check_url/kr/61971?article_type=t

Play Video

Cite This Article
Schmidt, D., Osmanodja, B., Pfefferkorn, M., Graf, V., Raschke, D., Duettmann, W., Naik, M. G., Gethmann, C. J., Mayrdorfer, M., Halleck, F., Liefeldt, L., Glander, P., Staeck, O., Mallach, M., Peuker, M., Budde, K. TBase – an Integrated Electronic Health Record and Research Database for Kidney Transplant Recipients. J. Vis. Exp. (170), e61971, doi:10.3791/61971 (2021).

View Video