TBase - Böbrek Nakli Alıcıları için Entegre Elektronik Sağlık Kaydı ve Araştırma Veritabanı
Summary
TBase, elektronik sağlık kaydını böbrek nakli alıcıları için yenilikçi bir araştırma veritabanıyla birleştirir. TBase, farklı hastane sistemlerine bağlı ve düzenli ayakta bakım için kullanılan bir bellek içi veritabanı platformu üzerine inşa edilir. Transplantasyona özgü veriler de dahil olmak üzere ilgili tüm klinik verileri otomatik olarak entegre ederek benzersiz bir araştırma veritabanı oluşturur.
Abstract
TBase, böbrek nakli alıcıları (KTR) için, rutin tedavi sırasında manuel veri girişi ile standartlaştırılmış arayüzler aracılığıyla temel klinik verilerin (örneğin laboratuvar değerleri, tıbbi raporlar, radyoloji ve patoloji verileri) otomatik veri girişini birleştiren bir elektronik sağlık kaydıdır (örneğin, klinik notlar, ilaç listesi ve transplantasyon verileri). Bu şekilde, rutin klinik bakım ve araştırma için faydalarla KTR için kapsamlı bir veritabanı oluşturulur. Hem günlük klinik kullanımı kolaylaştırır hem de en yüksek veri kalitesine sahip araştırma sorularına hızlı erişim sağlar. Bu, klinik kullanıcıların ve hastaların tedavi ve ilaç planları için doğru verilere güvenmek ve böylece günlük pratiklerinde klinik verileri doğrulamak ve düzeltmek zorunda olduğu klinik rutinde veri doğrulama kavramı ile elde edilir. Bu EHR, nakil poliklinik bakımı ihtiyaçlarına göre uyarlanmıştır ve Charité – Universitätsmedizin Berlin’de 20 yıldan fazla bir süredir klinik yararını kanıtlamıştır. İyi yapılandırılmış, kapsamlı uzun vadeli verilerle verimli rutin işleri kolaylaştırır ve klinik araştırmalar için kolay kullanımlarını sağlar. Bu noktada işlevselliği, rutin verilerin farklı hastane bilgi sistemlerinden standartlaştırılmış arayüzler aracılığıyla otomatik olarak iletilmeyi, nakile özgü verilerin kullanılabilirliğini, ilaç-ilaç etkileşimleri için entegre bir kontrole sahip bir ilaç listesini ve diğerleri arasında yarı otomatik tıbbi rapor oluşturmayı kapsamaktadır. En son yeniden yapılanma temel unsurları, html5 (Köprü Metni Biçimlendirme Dili) tabanlı duyarlı web tasarımının etkinleştirdiği kullanılabilirlik ve platform bağımsızlığının yanı sıra, tasarıma göre sağlam bir gizlilik konsepti, modülerlik ve dolayısıyla taşınabilirliktir. Bu, diğer hastalık alanlarına ve diğer üniversite hastanelerine hızlı ve kolay ölçeklenebilirlik sağlar. Kapsamlı uzun vadeli veri kümeleri, Makine Öğrenimi algoritmalarının araştırılmasının temelidir ve modüler yapı bunları klinik bakıma hızla uygulamaya izin verir. Hasta rapor edilen veriler ve teletıp hizmetleri, hastaların gelecekteki ihtiyaçlarını karşılamak için TBase’e entegre edilmiştir. Bu yeni özellikler klinik bakımı geliştirmenin yanı sıra yeni araştırma seçenekleri ve terapötik müdahaleler yaratmayı amaçlamaktadır.
Introduction
Entegre elektronik sağlık kaydı ve araştırma veritabanı için motivasyon
Klinik araştırmalar, analiz için klasik istatistiksel yöntemlerin veya Makine Öğrenimi (ML) tekniklerinin kullanılıp kullanılmadığına bakılmaksızın yüksek kaliteli verilerin mevcudiyetine dayanmaktadır1,2. Rutin verilere (örneğin, demografik, laboratuvar ve ilaç verileri) ek olarak, etki alanına özgü veriler (örneğin, transplantasyonla ilgili veriler) yüksek tanelilik ile gereklidir3,4. Bununla birlikte, birçok üniversite hastanesinde rutin bakım, ne araştırmaya özgü verilerin sistematik olarak toplanmasına ne de rutin verilerin kolay veri çıkarılmasına izin veren hastane bilgi sistemleri (HIS) ile gerçekleştirilir5,6,7. Sonuç olarak, klinik araştırmacılar, karmaşık veritabanı kurma süreci, manuel veri girişi, veri koruma sorunları ve uzun süreli bakım dahil olmak üzere çeşitli sorunları olan belirli araştırma veritabanları oluştururlar (Tablo 1). Sınırlı miktarda veri, eksik veri ve tutarsızlıklar genel olarak klinik araştırmalar için önemli bir sorundur ve ML teknolojilerinin kullanımını engeller8,9,10,11,12,13. Bu bağımsız araştırma veritabanları genellikle belirli hastalık veya hasta yönlerine odaklanır, diğer veritabanlarına bağlı değildir ve genellikle belirli bir süre sonra kesilir ve erişilemez “veri siloları” ile sonuçlanır. Sonuçta, çeşitli hastalık yönleriyle ilgili yüksek kaliteli, uzun vadeli veriler seyrektir. Dijital tıp çağında, etki alanına özgü verilerin kolay bir şekilde belgelenmesine ve yataklı ve ayakta bakım sistemlerinden rutin verilerin otomatik olarak toplanmasına olanak sağlayan kapsamlı bir elektronik sağlık kaydına (EHR) (EHR) ihtiyaç artmaktadır.
Bu genel hususlar transplantasyon tıbbı için de geçerlidir16. Bu nedenle, başarılı takip bakımı için hastanın tüm yatarak ve ayakta tedaviler, klinik rutin veriler ve transplantasyona özgü veriler dahil olmak üzere tıbbi geçmişinin eksiksiz bir şekilde belgelenmesi gerekmektedir17,18. Sıradan HIS statik olduğundan ve yatarak tedaviye odaklandığından, donör verileri, soğuk iskemi süreleri ve insan lökosit antijenleri (HLA) verileri gibi transplantasyona özgü verileri entegre edemezler. Ancak bu veriler transplantasyon araştırmaları için temel bir ön koşuldur19,20,21,22 yanı sıra uzun süreli klinik bakımdan. İlk hastanede kalış süresi genellikle sadece 1-2 hafta iken ve böbrek nakli sonrası süreçler ve erken sonuçlar birçok nakil merkezi arasında karşılaştırılabilirken, yaşam boyu nakil sonrası bakım karmaşıktır ve ortak yapılandırılmış bir yaklaşımdan yoksundur. Bu, nakil sonrası hasta yolculuğunu yakalamak için entegre bir EHR ve araştırma veritabanını motive eder. 23
Ktr’nin rutin bakımı ve araştırması için bu işlevleri entegre etmek amacıyla, nakil sonrası bakım için rutin kullanımın en yüksek veri kalitesine sahip benzersiz bir araştırma veritabanı oluşturacağı düşüncesiyle “TBase” adlı bir EHR geliştirilmiştir (Tablo 2).
Tasarım ve Mimarlık
TBase tipik bir istemci-sunucu mimarisini temel alır. Geliştirme için SAP Yüksek Performanslı Analitik Cihaz genişletilmiş uygulama gelişmiş (SAP HANA XSA) bileşenleri ve araçları kullanılmıştır. En son Köprü Metni Biçimlendirme Dili 5 (HTML5) web teknolojilerine dayanan EHR, Google Chrome Engine için geliştirilmiş ve test edilmiştir. Bu web motoru Chrome ve Microsoft Edge Browser tarafından kullanılır ve EHR’yi yerel kuruluma gerek kalmadan en sık kullanılan web tarayıcılarında24’te kullanmaya izin verir. Uygulanan teknoloji duyarlı bir web tasarımı sağlar ve web tabanlı EHR’nin tüm cihazlarda (PC, tablet, akıllı telefon) kullanılmasına izin verir. Yenilikçi yüksek performanslı geliştirme platformu çeşitli bileşenlerden (Web IDE, UI5 ve HANA DB) oluşmaktadır ve EHR projesi TBase’i son teknoloji yazılım araçlarıyla hızla uygulamamızı sağlamıştır (Şekil 1).
Hasta verilerinin temsili için, EHR’nin sezgisel ve açıklayıcı bir tasarımı için basit bir tablo yapısı uygulanmıştır. Örneğin, birincil anahtar olarak PatientID olan hasta tablosu tablo yapısının merkezindedir. Hemen hemen tüm tablolar (tek tek alt tablolar hariç) PatientID aracılığıyla bu merkezi tabloya bağlanır (Şekil 2).
Şekil 3 , TBase’in tablo yapısının bir bölümünü ve kullanılan veri türlerini daha ayrıntılı olarak gösterir. Son kullanıcı, şekil 4’te bir örneğin gösterildiği grafik kullanıcı arabirimi (GUI) aracılığıyla veri alanlarına erişebilir.
Bu EHR tüm güncel hasta verilerini içerir ve rutin ayakta tedavi için kullanılır. Önemli rutin klinik veriler (örneğin, laboratuvar verileri, tıbbi sonuçlar, radyoloji, mikrobiyoloji, viroloji ve patoloji verileri, hastane verileri vb.) standartlaştırılmış arayüzler aracılığıyla doğrudan TBase’e ithal edilir (örneğin, Sağlık Sektöründe dijital iletişim için bir standart olan Sağlık Düzeyi Yedi (HL7) temelinde25). Soğuk iskemi süreleri, donör verileri, HLA verileri gibi nakillere özgü veriler, takip notları, yaşamsal belirtiler, tıbbi raporlar ve ilaç listesi kullanıcılar tarafından GUI aracılığıyla EHR’ye girilir. Veriler veritabanına aktarılmadan önce, hemen düzeltme seçeneği sağlayan hatalı veri girişinin hızlı tespiti için otomatik bir makullük denetimi gerçekleştirilir. Buna ek olarak, veri doğrulama, klinik kullanıcıların hastalara ve hekimlere rutin olarak rapor ve mektup yazdıkları klinik rutin sırasında yer alır. Bu mektuplar, daha fazla tedavi ve ilaç planı için doğru veriler (örneğin, ilaç, laboratuvar değerleri ve klinik açıklamalar) sağlamalıdır. Sonuç olarak, hekimler ve hastalar günlük pratiklerinde klinik verileri sürekli olarak doğrular ve düzelterler, bu da yüksek veri kalitesi ile sonuçlanan bir süreçtir. Veriler uygulama programlama arabirimleri (API) veya diğer arabirimler aracılığıyla girilirse, arka uçta, ön uçtaki makullik denetimlerine benzer şekilde inandırıcılık denetimleri gerçekleştirilir.
Ön Uç (GUI)
Ön ucu uygulamak için UI5 Framework kullanılır. Bu çerçeve, ön uç öğeleri için kapsamlı bir kitaplığın yanı sıra çok dillilik ve veri görselleştirme için grafik kitaplıklar gibi çeşitli ek özellikler sağlar. Şu anda, TBase ön uç öğeleri tarayıcının dil ayarına bağlı olarak İngilizce veya Almanca olarak görüntülenir.
Basit, sezgisel bir sayfa yapısı sağlamak için ön uç için ana ayrıntı arayüzü kullanılır. Görüntüleme sayfasının üst kısmı, ayrıntı sayfaları (temel veriler, tıbbi veriler, transplantasyon verileri vb.) için ayrı sekmelerden oluşur. Bu ana bölüm, aşağıda hangi ayrıntı sayfasının gösterildiğine bakılmaksızın değişmeden kalır (Şekil 4). Her sayfanın ayrıntı görünümü, sayfa konusuna kolay bir genel bakış sağlar.
Veri işleme için, EHR farklı kullanıcı hakları düzeylerine sahiptir (“okuma”, “yazma”, “silme” ve “yönetici”). “Görünüm” seviyesine ek olarak, yalnızca “okuma” dan daha yüksek haklara sahip kullanıcılar tarafından etkinleştirilebilen bir “düzenleme” düzeyi vardır. Kullanıcının yazma hakkı varsa, veri girişi için tüm giriş alanları etkinleştirilir ve verilerle doldurulabilir. “Silme” haklarına sahip kullanıcılar, ilgili bir düğme aracılığıyla, ancak yalnızca bir açılır pencereden onay aldıktan sonra verileri silebilir.
Veritabanı yapısı ve arabirimleri
TBase’in geliştirilmesi geliştirme veritabanında gerçekleştirilir. Yeni işlevler gibi tüm yazılım değişikliklerinin kapsamlı ve ayrıntılı testleri kalite güvence veritabanında gerçekleştirilir. Kalite kontrol kontrollerini geçen yazılım güncellemeleri canlı sisteme aktarılır. Araştırma amacıyla canlı sistem, standart Açık Veritabanı Bağlantısı (ODBC) arabirimleri (örneğin, açık kaynaklı yazılım R Studio aracılığıyla) aracılığıyla sorgulanabilen çoğaltma veritabanına kopyalanır. Çoğaltma ve canlı sistem arasında doğrudan bir bağlantı olmadığından, canlı sistemdeki veriler verilerin bozulmasına, kaybolmasına veya manipülesine karşı korunur. Bu modüler yapı ve geliştiricilerin, araştırmacıların ve klinisyenlerin özel ihtiyaçlarına göre uyarlanmış dört veritabanının (geliştirme, kalite güvencesi, canlı sistem ve çoğaltma veritabanı) net bir şekilde ayrılması, hassas hasta verilerinin bakımını ve veri korumasını kolaylaştırır.
EHR, Charité’nin Veri Altyapısına tamamen entegre edilmiştir ve çeşitli veri kaynaklarından veri almak için farklı arayüzlere dayanır. HIS’nin arayüzü, idari veriler, muayeneler, ilaçlar, laboratuvar bulguları ve taburcu mektupları gibi ilgili tüm verileri içe aktarır. Bu arabirim her iki sistemi de bir hazırlama alanı üzerinden bağlar. Burada, tüm yeni veriler (veri deltası) HIS’den TBase’e gerçek zamanlı olarak aktarılır. Hastalar bir hasta numarası veya vaka numarası ile tanımlanır ve HIS’den ilgili veriler içe aktarılır (TBase’de mevcut değilse).
Ayakta tedaviler için laboratuvar partnerimiz laboratuvar sonuçlarını HL7 mesajları ile sağlamaktadır. Bunlar laboratuvar sistemindeki ortak bir alana konuşlandırıldı ve bir HL7 arayüzü ile alındı ve EHR’ye ithal edildi. KTR (akıllı telefon uygulamaları aracılığıyla) ve ev nefrologları ile çift yönlü iletişim ve veri alışverişi için HL7 Hızlı Sağlık Hizmetleri Birlikte Çalışabilirlik Kaynağı (HL7 FHIR) arayüzü uygulandı26. Bu arayüz, gelecekte diğer veri kaynaklarıyla (örneğin, Eurotransplant, hasta uygulamaları) güvenli bir veri alışverişi için birlikte çalışabilirlik ve esneklik sağlar.
Kullanıcı Yönetimi ve Veri Koruması
TBase, uygulama düzeyinde kullanıcı yönetimini temel alır. Bu nedenle, kullanıcı yalnızca uygulamanın ön ucuna erişebilir, ancak veritabanının kendisine erişemez. Yukarıda açıklandığı gibi, yönetim haklarına sahip olanlar için kullanıcı yönetimini rezerve eden dört aşamalı bir yetkilendirme konsepti seçildi. Yöneticiler, TBase uygulaması için Charité kullanıcı havuzundan yeni kullanıcılar eklemek ve kullanıcı haklarını korumak için bir “Kimlik Yönetim Konsolu” uygulaması kullanır (Şekil 5). Çoğu kullanıcı veritabanındaki tüm hastalara erişebilir. Bununla birlikte, çalışma monitörleri gibi belirli kullanıcıların erişimini bir grup hastayla sınırlamak mümkündür.
Ticari bellek içi veritabanı platformu kullanılarak, uygulama düzeyi yetkilendirme, çoklu oturum açma (SSO), MIT-Kerberos protokolü ve Güvenlik Onaylama İşaretleme Dili (SAML) gibi stratejilerle verileri koruyan güvenli bir veritabanı teknolojisi kullanılır. Platform, en son şifreleme ve test tekniklerini kullanarak iletişim, veri depolama ve uygulama hizmetlerini güvence altına alıp güvenli hale getirir. Veritabanındaki tüm gelişmeler yetkilendirmeler tarafından kontrol edilir. Bu, verilerin tasarım gereği güvenliğini yüksek düzeyde sağlar. Ayrıca, tüm veriler sertifikalı Charité güvenlik duvarının arkasında tutulur. En son Avrupa Birliği Genel Veri Koruma Yönetmeliği (AB GDPR) ile uyumlu olarak, veri akışı diyagramları, veri koruma risk değerlendirmesi (DSFA) ve yetkilendirme konsepti de dahil olmak üzere sağlam bir veri koruma konsepti uygulanmıştır. Tüm belgeler Charité Veri Koruma Ofisi’nin bir yordam dizinine yerleştirilir.
Protocol
Representative Results
Discussion
TBase, KTR’nin özel ayakta bakımı için web tabanlı bir EHR’yi bir araştırma veritabanıyla birleştirerek böbrek hastalığı olan hastalar için kapsamlı bir uzun vadeli veritabanı oluşturur6,11,15,37. Organizasyon yapısı ile ilgili olarak, bu, kurumsal bir ajan olarak modern bir yazılım tasarım süreci uygulanarak ve mevcut sürümü geliştirmek için geliştiriciler, klinik …
Declarações
The authors have nothing to disclose.
Acknowledgements
Sunulan EHR’nin geliştirilmesi, son 20 yılda iç araştırma fonları ve farklı kurum ve vakıflardan kamu finansmanı ile desteklenmiştir.
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).
