TBase - سجل صحي إلكتروني متكامل وقاعدة بيانات بحثية لمتلقي زرع الكلى
Summary
تجمع TBase بين سجل صحي إلكتروني وقاعدة بيانات بحثية مبتكرة لمتلقي زراعة الكلى. تم بناء TBase على منصة قاعدة بيانات في الذاكرة ، متصلة بأنظمة مستشفيات مختلفة ، وتستخدم للرعاية العادية للمرضى الخارجيين. فهو يدمج تلقائيا جميع البيانات السريرية ذات الصلة بما في ذلك البيانات الخاصة بالزرع التي تنشئ قاعدة بيانات بحثية فريدة من نوعها.
Abstract
TBase هو سجل صحي إلكتروني (EHR) لمتلقي زراعة الكلى (KTR) يجمع بين إدخال البيانات الآلي للبيانات السريرية الرئيسية (على سبيل المثال ، القيم المختبرية والتقارير الطبية والأشعة وبيانات علم الأمراض) عبر واجهات موحدة مع إدخال البيانات اليدوية أثناء العلاج الروتيني (على سبيل المثال ، الملاحظات السريرية ، وقائمة الأدوية ، وبيانات الزرع). وبهذه الوسيلة، يتم إنشاء قاعدة بيانات شاملة لKTR مع فوائد للرعاية السريرية الروتينية والبحوث. فهو يتيح الاستخدام السريري اليومي السهل والوصول السريع لأسئلة البحث مع أعلى جودة للبيانات. ويتحقق ذلك من خلال مفهوم التحقق من صحة البيانات في الروتين السريري حيث يتعين على المستخدمين السريريين والمرضى الاعتماد على البيانات الصحيحة لخطط العلاج والأدوية وبالتالي التحقق من صحة وتصحيح البيانات السريرية في ممارستهم اليومية. تم تصميم هذا EHR لتلبية احتياجات رعاية العيادات الخارجية زرع وأثبت فائدته السريرية لأكثر من 20 عاما في شاريتيه – جامعة برلين. فهو يسهل العمل الروتيني الفعال مع بيانات طويلة الأجل شاملة ومنظمة تنظيما جيدا ويسمح باستخدامها بسهولة للأبحاث السريرية. وحتى هذه اللحظة، تغطي وظائفها النقل الآلي للبيانات الروتينية عبر واجهات موحدة من أنظمة معلومات المستشفيات المختلفة، وتوافر البيانات الخاصة بزراعة الأعضاء، وقائمة الأدوية مع فحص متكامل للتفاعلات بين الأدوية والأدوية، وتوليد شبه آلي للتقارير الطبية من بين أمور أخرى. العناصر الرئيسية لإعادة الهندسة الأخيرة هي مفهوم الخصوصية والتصميم القوي ، والوحدات ، وبالتالي قابلية النقل إلى سياقات سريرية أخرى بالإضافة إلى قابلية الاستخدام واستقلال المنصة التي تتيحها HTML5 (لغة ترميز النص التشعبي) المستندة إلى تصميم الويب المتجاوب. وهذا يسمح بالتوسع السريع والسهل في مناطق الأمراض الأخرى والمستشفيات الجامعية الأخرى. مجموعات البيانات الشاملة على المدى الطويل هي الأساس للتحقيق في خوارزميات التعلم الآلي ، والهيكل المعياري يسمح بتنفيذها بسرعة في الرعاية السريرية. يتم دمج البيانات المبلغ عنها المريض وخدمات التطبيب عن بعد في TBase من أجل تلبية الاحتياجات المستقبلية للمرضى. تهدف هذه الميزات الجديدة إلى تحسين الرعاية السريرية وكذلك إنشاء خيارات بحثية جديدة وتدخلات علاجية.
Introduction
الدافع إلى إنشاء سجل صحي إلكتروني متكامل وقاعدة بيانات بحثية
تستند الأبحاث السريرية على توافر بيانات عالية الجودة، بغض النظر عما إذا كانت الأساليب الإحصائية التقليدية أو تقنيات التعلم الآلي (ML) تستخدم للتحليل1،2. بالإضافة إلى البيانات الروتينية (مثل البيانات الديموغرافية والمعملية والأدوية)، يلزم وجود بيانات خاصة بالمجال (مثل البيانات المتعلقة بالزرع) مع دقة عالية3,4. ومع ذلك، يتم إجراء الرعاية الروتينية في العديد من المستشفيات الجامعية من خلال أنظمة معلومات المستشفيات (HIS) التي لا تسمح بجمع منهجي للبيانات الخاصة بالأبحاث ولا باستخراج البيانات بسهولة من البيانات الروتينية5،6،7. ونتيجة لذلك، يقوم الباحثون السريريون بإنشاء قواعد بيانات بحثية محددة، والتي تواجه مجموعة متنوعة من المشاكل بما في ذلك العملية المعقدة لإنشاء قاعدة بيانات، وإدخال البيانات اليدوية، وقضايا حماية البيانات، والصيانة طويلة الأجل (الجدول 1). كمية محدودة من البيانات، والبيانات المفقودة، والتناقضات هي مشكلة رئيسية للبحوث السريرية بشكل عام وتعيق استخدام تقنيات ML8،9،10،11،12،13. وعادة ما تركز قواعد البيانات البحثية المستقلة هذه على بعض جوانب المرض أو المريض، ولا ترتبط بقواعد بيانات أخرى، وغالبا ما تتوقف بعد فترة معينة، مما يؤدي إلى “صوامع بيانات” لا يمكن الوصول إليها. وفي نهاية المطاف، فإن البيانات العالية الجودة والطويلة الأجل عن مختلف جوانب المرض متناثرة. في عصر الطب الرقمي هناك حاجة متزايدة لسجل صحي إلكتروني شامل (EHR)7,14,15، مما يتيح سهولة توثيق البيانات الخاصة بالمجال وجمع البيانات الروتينية الآلية من أنظمة الرعاية للمرضى الداخليين والخارجيين.
تنطبق هذه الاعتبارات العامة على طب الزرع أيضا16. وبالتالي ، فإن التوثيق الكامل للتاريخ الطبي للمريض بما في ذلك جميع علاجات المرضى الداخليين والخارجيين ، والبيانات الروتينية السريرية وكذلك البيانات الخاصة بالزرع ضروري لنجاح متابعة الرعاية17،18. وبما أن HIS العادية ثابتة وتركز على علاج المرضى الداخليين ، فإنها لا تستطيع دمج البيانات الخاصة بالزرع ، مثل بيانات المتبرعين ، وأوقات نقص التروية الباردة ، وبيانات مستضدات الكريات البيض البشرية (HLA). ومع ذلك، فإن هذه البيانات هي شرط أساسي لأبحاث زرع الأعضاء19,20,21,22 وكذلك من الرعاية السريرية طويلة الأجل. في حين أن الإقامة الأولية في المستشفى عادة ما تكون 1-2 أسابيع فقط والعمليات وكذلك النتائج المبكرة بعد زرع الكلى قابلة للمقارنة بين العديد من مراكز زرع الأعضاء ، فإن الرعاية بعد زراعة الأعضاء مدى الحياة معقدة وتفتقر إلى نهج منظم مشترك. وهذا يحفز قاعدة بيانات EHR والبحوث المتكاملة لالتقاط رحلة المريض بعد زرع مدى الحياة. 23
من أجل دمج هذه الوظائف للرعاية الروتينية والبحوث من KTR، تم تطوير EHR اسمه “TBase” مع فكرة أن الاستخدام الروتيني للرعاية بعد زرع سوف تخلق قاعدة بيانات بحثية فريدة من نوعها مع أعلى جودة البيانات (الجدول 2).
التصميم والهندسة المعمارية
يستند TBase على بنية عميل-ملقم نموذجي. للتطوير، تم استخدام مكونات وأدوات SAP عالية الأداء الأجهزة التحليلية تطبيق الموسعة المتقدمة (ساب هانا XSA). استنادا إلى أحدث تقنيات تقنية ترميز النص التشعبي 5 (HTML5) على الويب، تم تطوير واختبار EHR لمحرك Google Chrome. يستخدم محرك الويب هذا من قبل Chrome ومتصفح Microsoft Edge ويسمح باستخدام EHR في متصفحات الويب الأكثر استخداما24 دون الحاجة إلى التثبيت المحلي. التكنولوجيا التطبيقية تمكن تصميم الويب استجابة ويسمح EHR على شبكة الإنترنت لاستخدامها على جميع الأجهزة (الكمبيوتر، الكمبيوتر اللوحي، الهاتف الذكي). تتكون منصة التطوير المبتكرة عالية الأداء من مكونات مختلفة (Web IDE و UI5 و HANA DB) وقد مكنتنا من التنفيذ السريع لمشروع EHR TBase باستخدام أحدث أدوات البرامج (الشكل 1).
من أجل تمثيل بيانات المرضى، تم تنفيذ هيكل جدول بسيط لتصميم بديهية وذات تفسيرية لEHR. على سبيل المثال، جدول المريض مع PatientID كمفتاح أساسي في مركز بنية الجدول. ترتبط جميع الجداول تقريبا (باستثناء الجداول الفرعية الفردية) بهذا الجدول المركزي من خلال PatientID (الشكل 2).
يوضح الشكل 3 جزءا من بنية جدول TBase وأنواع البيانات المستخدمة بمزيد من التفصيل. يمكن للمستخدم الوصول إلى حقول البيانات عبر واجهة المستخدم الرسومية (GUI)، التي يظهر مثال لها في الشكل 4.
يحتوي هذا EHR على جميع بيانات المرضى الحالية ويستخدم للرعاية الروتينية للمرضى الخارجيين. يتم استيراد البيانات السريرية الروتينية الهامة (على سبيل المثال، البيانات المختبرية والنتائج الطبية والأشعة وعلم الأحياء المجهرية وعلم الفيروسات وبيانات الأمراض وبيانات المستشفيات وما إلى ذلك) مباشرة إلى TBase عبر واجهات موحدة (على سبيل المثال، على أساس المستوى الصحي السابع (HL7) – وهو معيار للاتصال الرقمي في قطاع الرعاية الصحية25). يتم إدخال البيانات الخاصة بزراعة الأعضاء مثل أوقات نقص التروية الباردة وبيانات المتبرعين وبيانات HLA بالإضافة إلى ملاحظات المتابعة والعلامات الحيوية والتقارير الطبية وقائمة الأدوية من قبل المستخدمين عبر واجهة المستخدم الرسومية في EHR. قبل نقل البيانات إلى قاعدة البيانات، يتم إجراء فحص معقولية تلقائي للكشف الفوري عن إدخال البيانات الخاطئة التي توفر خيار التصحيح فورا. بالإضافة إلى ذلك ، يشارك التحقق من صحة البيانات خلال الروتين السريري الذي يكتب فيه المستخدمون السريريون تقارير ورسائل بشكل روتيني إلى المرضى والأطباء. يجب أن توفر هذه الرسائل بيانات صحيحة (على سبيل المثال، حول الأدوية والقيم المخبرية والملاحظات السريرية) لمزيد من خطط العلاج والأدوية. ونتيجة لذلك، فإن الأطباء والمرضى يتحققون باستمرار من صحة البيانات السريرية وتصحيحها في ممارستهم اليومية، وهي عملية تؤدي إلى جودة عالية للبيانات. إذا تم إدخال البيانات عبر واجهات برمجة التطبيقات (API) أو واجهات أخرى، يتم تنفيذ عمليات التحقق من المعقولية في الخلفية على نحو مماثل للتحقق من المعقولية في الواجهة الأمامية.
الواجهة الأمامية (GUI)
لتطبيق الواجهة الأمامية، يتم استخدام إطار عمل UI5. يوفر هذا الإطار مكتبة واسعة للعناصر الأمامية بالإضافة إلى مجموعة متنوعة من الميزات الإضافية مثل تعدد اللغات والمكتبات الرسومية لعرض البيانات. حاليا، يتم عرض عناصر الواجهة الأمامية TBase إما باللغة الإنجليزية أو الألمانية اعتمادا على إعداد اللغة للمستعرض.
يتم استخدام واجهة التفاصيل الرئيسية للواجهة الأمامية لضمان بنية صفحة بسيطة وبديهية. الجزء العلوي من صفحة المشاهدة يتكون من علامات تبويب فردية لصفحات التفاصيل (البيانات الأساسية والبيانات الطبية وبيانات الزرع وما إلى ذلك). يبقى هذا الجزء الرئيسي دون تغيير بغض النظر عن صفحة التفاصيل الموضحة أدناه (الشكل 4). تتيح طريقة عرض التفاصيل لكل صفحة نظرة عامة سهلة على موضوع الصفحة.
بالنسبة إلى معالجة البيانات، لدى EHR مستويات مختلفة من حقوق المستخدم (“قراءة” و”كتابة” و”حذف” و”مسؤول”). هناك مستوى “تحرير” بالإضافة إلى مستوى “العرض” ، والذي لا يمكن تنشيطه إلا من قبل المستخدمين الذين لديهم حقوق أعلى من “القراءة”. إذا كان للمستخدم الحق في الكتابة، يتم تنشيط كافة حقول الإدخال لإدخال البيانات ويمكن تعبئتها بالبيانات. يمكن للمستخدمين الذين لديهم حقوق “حذف” حذف البيانات عبر زر مقابل ، ولكن فقط بعد التأكيد من خلال نافذة منبثقة.
بنية قاعدة البيانات والواجهات
يتم تنفيذ تطوير TBase في قاعدة بيانات التطوير. يتم إجراء اختبارات شاملة ومفصلة لجميع التغييرات البرمجية مثل الوظائف الجديدة في قاعدة بيانات ضمان الجودة. يتم نقل تحديثات البرامج التي تمر اختبارات مراقبة الجودة إلى نظام مباشر. لأغراض البحث يتم نسخ النظام المباشر في قاعدة بيانات النسخ المتماثل، والتي يمكن الاستعلام عنها عبر واجهات اتصال قاعدة البيانات المفتوحة القياسية (ODBC) (على سبيل المثال، عبر برنامج R Studio مفتوح المصدر). كما لا يوجد اتصال مباشر بين النسخ المتماثل ونظام العيش البيانات في نظام العيش محمية من الفساد وفقدان أو معالجة البيانات. هذا الهيكل المعياري والفصل الواضح لقواعد البيانات الأربع (التطوير وضمان الجودة والنظام الحي وقاعدة بيانات النسخ المتماثل) ، والتي تم تصميمها وفقا للاحتياجات المحددة للمطورين والباحثين والأطباء تسهل الحفاظ على بيانات المرضى الحساسة وحمايتها.
يتم دمج EHR بالكامل في البنية التحتية للبيانات في شاريتيه ويعتمد على واجهات مختلفة لاستيراد البيانات من مصادر البيانات المختلفة. تستورد واجهة نظام المعلومات الإدارية جميع البيانات ذات الصلة مثل البيانات الإدارية والفحوصات والأدوية والنتائج المختبرية وخطابات التفريغ. تربط هذه الواجهة كلا النظامين عبر منطقة التدريج. هنا، يتم نقل كافة البيانات الجديدة (دلتا البيانات) من HIS إلى TBase في الوقت الحقيقي. يتم التعرف على المرضى عن طريق رقم المريض أو رقم الحالة ويتم استيراد البيانات المقابلة من HIS (إذا لم تكن متوفرة بالفعل في TBase).
بالنسبة للمرضى الخارجيين، يقدم شريك المختبر نتائج المختبر عبر رسائل HL7. ويتم نشر هذه الرسائل في منطقة مشتركة في نظام المختبر ويتم التقاطها عبر واجهة HL7 ويتم استيرادها إلى EHR. للاتصال ثنائي الاتجاه وتبادل البيانات مع KTR (عبر تطبيقات الهاتف الذكي) وعلماء الكلى المنزليين ، تم تنفيذ واجهة HL7 Fast Healthcare Interoperability Resource (HL7 FHIR). تمنح هذه الواجهة إمكانية التشغيل البيني والمرونة لتبادل البيانات بأمان مع مصادر البيانات الأخرى (على سبيل المثال، Eurotransplant، تطبيقات المرضى) في المستقبل.
إدارة المستخدم وحماية البيانات
يستند TBase على إدارة المستخدم على مستوى التطبيق. وهكذا، يمكن للمستخدم الوصول إلى واجهة التطبيق فقط، ولكن ليس قاعدة البيانات نفسها. 10- وكما هو موضح أعلاه، اختير مفهوم للتخويل من أربع مراحل، مع الاحتفاظ بإدارة المستعملين لمن لديهم حقوق إدارية. يستخدم المسؤولون تطبيق “وحدة التحكم بإدارة الهوية” لإضافة مستخدمين جدد من تجمع المستخدمين Charité لتطبيق TBase والحفاظ على حقوق المستخدم الخاصة بهم (الشكل 5). يمكن لمعظم المستخدمين الوصول إلى جميع المرضى في قاعدة البيانات. ومع ذلك، فمن الممكن تقييد وصول مستخدمين معينين مثل مراقبي الدراسة إلى مجموعة من المرضى.
استخدام النظام الأساسي قاعدة بيانات تجارية في الذاكرة تقنية قاعدة بيانات آمنة تحمي البيانات مع استراتيجيات مثل التخويل على مستوى التطبيق تسجيل الدخول الأحادي (SSO) بروتوكول MIT Kerberos و لغة علامة تأكيد الأمان (SAML) يتم استخدام. تؤمن المنصة خدمات الاتصالات وتخزين البيانات والتطبيقات باستخدام أحدث تقنيات التشفير والاختبار. يتم التحكم في كافة التطورات على قاعدة البيانات بواسطة التخويلات. وهذا يضمن أمن البيانات حسب التصميم على مستوى عال. بالإضافة إلى ذلك، يتم الاحتفاظ بجميع البيانات خلف جدار الحماية Charité المعتمد. وامتثالا لأحدث لائحة عامة لحماية البيانات للاتحاد الأوروبي، تم تنفيذ مفهوم قوي لحماية البيانات، بما في ذلك الرسوم البيانية لتدفق البيانات، وتقييم مخاطر حماية البيانات (DSFA) ومفهوم الترخيص. وترد جميع الوثائق في دليل الإجراءات لمكتب حماية البيانات Charité.
Protocol
Representative Results
Discussion
تجمع TBase بين EHR على شبكة الإنترنت للرعاية المتخصصة في العيادات الخارجية ل KTR مع قاعدة بيانات بحثية ، مما يخلق قاعدة بيانات شاملة طويلة الأجل للمرضى الذين يعانون من أمراض الكلى 6،11،15،37. وفيما يتعلق بالهيكل التنظيمي، يتم ت…
Declarações
The authors have nothing to disclose.
Acknowledgements
وقد تم دعم تطوير EHR المقدم على مدى السنوات العشرين الماضية من خلال تمويل البحوث الداخلية والتمويل العام من مختلف المؤسسات والمؤسسات.
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 |
Referências
- 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).
