Summary
TBase kombiniert eine elektronische Gesundheitsakte mit einer innovativen Forschungsdatenbank für Nierentransplantatempfänger. TBase basiert auf einer In-Memory-Datenbankplattform, die mit verschiedenen Krankenhaussystemen verbunden ist und für die regelmäßige ambulante Versorgung verwendet wird. Es integriert automatisch alle relevanten klinischen Daten, einschließlich transplantationsspezifischer Daten, und erstellt eine einzigartige Forschungsdatenbank.
Abstract
TBase ist eine elektronische Patientenakte (EHR) für Nierentransplantatempfänger (KTR), die die automatisierte Dateneingabe klinischer Schlüsseldaten (z. B. Laborwerte, medizinische Berichte, Radiologie- und Pathologiedaten) über standardisierte Schnittstellen mit manueller Dateneingabe während der Routinebehandlung (z. B. klinische Notizen, Medikationsliste und Transplantationsdaten) kombiniert. Auf diese Weise wird eine umfassende Datenbank für KTR mit Vorteilen für die routinemäßige klinische Versorgung und Forschung erstellt. Es ermöglicht sowohl den einfachen klinischen Alltag als auch den schnellen Zugriff auf Forschungsfragen mit höchster Datenqualität. Erreicht wird dies durch das Konzept der Datenvalidierung in der klinischen Routine, bei dem sich klinische Anwender und Patienten auf korrekte Daten für Behandlungs- und Medikationspläne verlassen und dadurch die klinischen Daten in ihrer täglichen Praxis validieren und korrigieren müssen. Diese EHR ist auf die Bedürfnisse der Transplantationsambulanz zugeschnitten und hat ihren klinischen Nutzen seit mehr als 20 Jahren an der Charité - Universitätsmedizin Berlin unter Beweis gestellt. Es ermöglicht effiziente Routinearbeiten mit gut strukturierten, umfassenden Langzeitdaten und ermöglicht deren einfache Nutzung für die klinische Forschung. Bis zu diesem Punkt umfasst die Funktionalität unter anderem die automatisierte Übertragung von Routinedaten über standardisierte Schnittstellen aus verschiedenen Krankenhausinformationssystemen, die Verfügbarkeit transplantationsspezifischer Daten, eine Medikationsliste mit integrierter Prüfung auf Arzneimittel-Arzneimittel-Wechselwirkungen und die halbautomatische Erstellung von medizinischen Berichten. Schlüsselelemente des neuesten Reengineerings sind ein robustes Privacy-by-Design-Konzept, Modularität und damit Portabilität in andere klinische Kontexte sowie Usability und Plattformunabhängigkeit, die durch HTML5 (Hypertext Markup Language) basiertes responsives Webdesign ermöglicht werden. Dies ermöglicht eine schnelle und einfache Skalierbarkeit in andere Krankheitsbereiche und andere Universitätskliniken. Die umfangreichen Langzeitdatensätze sind die Grundlage für die Untersuchung von Machine-Learning-Algorithmen, und der modulare Aufbau erlaubt es, diese schnell in die klinische Versorgung zu implementieren. Patientenberichtete Daten und telemedizinische Dienstleistungen werden in TBase integriert, um zukünftige Bedürfnisse der Patienten zu erfüllen. Diese neuartigen Merkmale zielen darauf ab, die klinische Versorgung zu verbessern sowie neue Forschungsoptionen und therapeutische Interventionen zu schaffen.
Introduction
Motivation für eine integrierte elektronische Patientenakte und Forschungsdatenbank
Klinische Forschung basiert auf der Verfügbarkeit qualitativ hochwertiger Daten, unabhängig davon, ob klassische statistische Methoden oder Machine Learning (ML) Techniken für die Analyse verwendet werden1,2. Neben Routinedaten (z.B. Demografie-, Labor- und Medikationsdaten) werden domänenspezifische Daten (z.B. transplantationsrelevante Daten) mit hoher Granularität benötigt3,4. Die Routineversorgung an vielen Universitätskliniken erfolgt jedoch mit Krankenhausinformationssystemen (KIS), die weder eine systematische Erfassung forschungsspezifischer Daten noch eine einfache Datenextraktion von Routinedaten ermöglichen5,6,7. Infolgedessen erstellen klinische Forscher spezifische Forschungsdatenbanken, die eine Vielzahl von Problemen aufweisen, einschließlich komplexer Prozesse der Einrichtung einer Datenbank, manueller Dateneingabe, Datenschutzfragen und langfristiger Wartung (Tabelle 1). Begrenzte Datenmengen, fehlende Daten und Inkonsistenzen sind ein großes Problem für die klinische Forschung im Allgemeinen und behindern den Einsatz von ML-Technologien8,9,10,11,12,13. Diese eigenständigen Forschungsdatenbanken konzentrieren sich in der Regel auf bestimmte Krankheits- oder Patientenaspekte, sind nicht mit anderen Datenbanken verbunden und werden oft nach einer gewissen Zeit eingestellt, was zu unzugänglichen "Datensilos" führt. Letztlich sind qualitativ hochwertige Langzeitdaten zu verschiedenen Krankheitsaspekten spärlich. Im Zeitalter der digitalen Medizin besteht ein zunehmender Bedarf an einer umfassenden elektronischen Patientenakte (EHR)7,14,15, die eine einfache Dokumentation domänenspezifischer Daten und eine automatisierte Erfassung von Routinedaten aus den Systemen der stationären und ambulanten Versorgung ermöglicht.
Diese allgemeinen Überlegungen gelten auch für die Transplantationsmedizin16. Daher ist für eine erfolgreiche Nachsorge eine lückenlose Dokumentation der Krankengeschichte des Patienten inklusive aller stationären und ambulanten Behandlungen, klinischer Routinedaten sowie transplantationsspezifischer Daten notwendig17,18. Da gewöhnliche KIS statisch sind und sich auf die stationäre Behandlung konzentrieren, können sie keine transplantationsspezifischen Daten wie Spenderdaten, Kaltischämiezeiten und Daten zu humanen Leukozytenantigenen (HLA) integrieren. Diese Daten sind jedoch eine Grundvoraussetzung für die Transplantationsforschung19,20,21,22 sowie aus der klinischen Langzeitversorgung. Während der anfängliche Krankenhausaufenthalt in der Regel nur 1-2 Wochen dauert und die Prozesse sowie die frühen Ergebnisse nach der Nierentransplantation zwischen vielen Transplantationszentren vergleichbar sind, ist die lebenslange Versorgung nach der Transplantation kompliziert und es fehlt ein gemeinsamer strukturierter Ansatz. Dies motiviert eine integrierte EHR- und Forschungsdatenbank, um die lebenslange Patientenreise nach der Transplantation zu erfassen. Nr. 23
Um diese Funktionalitäten für die Routineversorgung und Forschung von KTR zu integrieren, wurde eine EHR namens "TBase" mit der Idee entwickelt, dass der routinemäßige Einsatz für die Posttransplantationsversorgung eine einzigartige Forschungsdatenbank mit höchster Datenqualität schafft (Tabelle 2).
Design und Architektur
TBase basiert auf einer typischen Client-Server-Architektur. Für die Entwicklung wurden die Komponenten und Werkzeuge der SAP High Performance Analytic Appliance Extended Application Advanced (SAP HANA XSA) verwendet. Basierend auf den neuesten Hypertext Markup Language 5 (HTML5) Web-Technologien wurde die EHR für die Google Chrome Engine entwickelt und getestet. Diese Web-Engine wird von Chrome und dem Microsoft Edge Browser verwendet und ermöglicht die Verwendung der EHR in den am häufigsten verwendeten Webbrowsern24 ohne lokale Installation. Die eingesetzte Technologie ermöglicht ein responsives Webdesign und ermöglicht den Einsatz der webbasierten EHR auf allen Endgeräten (PC, Tablet, Smartphone). Die innovative Hochleistungs-Entwicklungsplattform setzt sich aus verschiedenen Komponenten (Web IDE, UI5 und HANA DB) zusammen und hat es uns ermöglicht, das EHR-Projekt TBase mit modernsten Softwaretools schnell umzusetzen (Abbildung 1).
Für die Darstellung von Patientendaten wurde eine einfache Tabellenstruktur für eine intuitive und selbsterklärende Gestaltung der EHR implementiert. Beispielsweise befindet sich die Patiententabelle mit der PatientID als Primärschlüssel in der Mitte der Tabellenstruktur. Fast alle Tabellen (mit Ausnahme einzelner Untertabellen) sind über PatientID mit dieser zentralen Tabelle verbunden (Abbildung 2).
Abbildung 3 zeigt einen Teil der Tabellenstruktur von TBase und die verwendeten Datentypen im Detail. Der Endbenutzer kann über eine grafische Benutzeroberfläche (GUI) auf die Datenfelder zugreifen, für die in Abbildung 4 ein Beispiel dargestellt ist.
Diese EHR enthält alle aktuellen Patientendaten und wird für die ambulante Routineversorgung verwendet. Wichtige klinische Routinedaten (z.B. Labordaten, medizinische Ergebnisse, Radiologie, Mikrobiologie, Virologie- und Pathologiedaten, Krankenhausdaten etc.) werden über standardisierte Schnittstellen direkt in TBase importiert (z.B. auf Basis von Health Level Seven (HL7) - einem Standard für digitale Kommunikation im Gesundheitswesen25). Transplantationsspezifische Daten wie Erkältungsischämiezeiten, Spenderdaten, HLA-Daten sowie Follow-up-Notizen, Vitalparameter, medizinische Berichte und die Medikamentenliste werden von den Anwendern per GUI in die EHR eingegeben. Vor der Übertragung der Daten in die Datenbank erfolgt eine automatisierte Plausibilitätsprüfung zur rechtzeitigen Erkennung fehlerhafter Dateneingaben, die die Möglichkeit bietet, sofort zu korrigieren. Darüber hinaus findet die Datenvalidierung während der klinischen Routine statt, in der klinische Anwender routinemäßig Berichte und Briefe an Patienten und Ärzte schreiben. Diese Briefe müssen korrekte Daten (z. B. zu Medikamenten, Laborwerten und klinischen Bemerkungen) für weitere Behandlungs- und Medikationspläne enthalten. In der Folge validieren und korrigieren Ärzte und Patienten die klinischen Daten in ihrer täglichen Praxis ständig, ein Prozess, der zu einer hohen Datenqualität führt. Werden Daten über Anwendungsprogrammierschnittstellen (API) oder andere Schnittstellen eingegeben, werden plausibilitätische Prüfungen im Backend ähnlich wie die Plausibilitätsprüfungen im Frontend durchgeführt.
Frontend (GUI)
Zur Implementierung des Frontends wird das UI5 Framework verwendet. Dieses Framework bietet eine umfangreiche Bibliothek für Frontend-Elemente sowie eine Vielzahl zusätzlicher Funktionen wie Mehrsprachigkeit und grafische Bibliotheken zur Datenvisualisierung. Derzeit werden TBase-Frontend-Elemente je nach Spracheinstellung des Browsers entweder in Englisch oder Deutsch angezeigt.
Für das Frontend wird eine Master-Detail-Oberfläche verwendet, um eine einfache, intuitive Seitenstruktur zu gewährleisten. Der obere Teil der Betrachtungsseite besteht aus einzelnen Registerkarten für die Detailseiten (Basisdaten, medizinische Daten, Transplantationsdaten, etc.). Dieses Master-Teil bleibt unverändert, unabhängig davon, welche Detailseite unten gezeigt wird (Abbildung 4). Die Detailansicht jeder Seite ermöglicht einen einfachen Überblick über das Seitenthema.
Für die Datenmanipulation verfügt die EHR über unterschiedliche Benutzerrechte ("Lesen", "Schreiben", "Löschen" und "Administrator"). Neben der Ebene "Ansicht" gibt es eine "Bearbeiten"-Ebene, die nur von Benutzern mit höheren Rechten als "Lesen" aktiviert werden kann. Wenn der Benutzer das Recht zum Schreiben hat, sind alle Eingabefelder zur Dateneingabe aktiviert und können mit Daten gefüllt werden. Nutzer mit "Löschrechten" können Daten über einen entsprechenden Button löschen, jedoch erst nach Bestätigung durch ein Pop-up-Fenster.
Datenbankstruktur und Schnittstellen
Die Entwicklung von TBase erfolgt in der Entwicklungsdatenbank. In der Qualitätssicherungsdatenbank werden umfangreiche und detaillierte Tests aller Softwareänderungen wie z.B. neuer Funktionalitäten durchgeführt. Software-Updates, die die Qualitätskontrollen bestehen, werden an das Live-System übertragen. Zu Recherchezwecken wird das Live-System in die Replikationsdatenbank kopiert, die über Standard-ODBC-Schnittstellen (Open Database Connectivity) (z.B. über die Open-Source-Software R Studio) abgefragt werden kann. Da es keine direkte Verbindung zwischen Replikation und Live-System gibt, sind die Daten im Live-System vor Beschädigung, Verlust oder Manipulation von Daten geschützt. Dieser modulare Aufbau und die klare Trennung der vier Datenbanken (Entwicklung, Qualitätssicherung, Live-System- und Replikationsdatenbank), die auf die spezifischen Bedürfnisse von Entwicklern, Forschern und Klinikern zugeschnitten sind, erleichtert die Pflege und den Datenschutz sensibler Patientendaten.
Das EHR ist vollständig in die Dateninfrastruktur der Charité integriert und setzt auf unterschiedliche Schnittstellen für den Datenimport aus verschiedenen Datenquellen. Die Schnittstelle zum KIS importiert alle relevanten Daten wie Verwaltungsdaten, Untersuchungen, Medikamente, Laborbefunde und Entlassungsbescheide. Diese Schnittstelle verbindet beide Systeme über einen Staging-Bereich. Hier werden alle neuen Daten (Datendelta) in Echtzeit vom KIS nach TBase übertragen. Die Patienten werden über eine Patientennummer oder Fallnummer identifiziert und die entsprechenden Daten aus dem KIS importiert (sofern nicht bereits in TBase vorhanden).
Für ambulante Patienten stellt unser Laborpartner die Laborergebnisse über HL7-Nachrichten zur Verfügung. Diese werden in einem gemeinsam genutzten Bereich im Laborsystem bereitgestellt und über eine HL7-Schnittstelle aufgenommen und in die EHR importiert. Für die bidirektionale Kommunikation und den Datenaustausch mit KTR (über Smartphone-Apps) und Heimnephrologen wurde eine HL7 Fast Healthcare Interoperability Resource (HL7 FHIR) Schnittstelle implementiert26. Diese Schnittstelle bietet Interoperabilität und Flexibilität für einen sicheren Datenaustausch mit anderen Datenquellen (z.B. Eurotransplant, Patienten-Apps) in der Zukunft.
Benutzerverwaltung und Datenschutz
TBase basiert auf der Benutzerverwaltung auf Anwendungsebene. Somit kann der Benutzer nur auf das Frontend der Anwendung zugreifen, nicht aber auf die Datenbank selbst. Wie oben beschrieben, wurde ein vierstufiges Berechtigungskonzept gewählt, das die Benutzerverwaltung für Personen mit Administratorrechten reserviert. Administratoren verwenden eine Anwendung "Identity Management Console", um neue Benutzer aus dem Charité-Benutzerpool für die TBase-Anwendung hinzuzufügen und ihre Benutzerrechte zu erhalten (Abbildung 5). Die meisten Benutzer können auf alle Patienten in der Datenbank zugreifen. Es ist jedoch möglich, den Zugriff für bestimmte Benutzer wie Studienmonitore auf eine Gruppe von Patienten zu beschränken.
Unter Verwendung der kommerziellen In-Memory-Datenbankplattform wird eine sichere Datenbanktechnologie verwendet, die Daten mit Strategien wie Autorisierung auf Anwendungsebene, Single Sign-On (SSO), MIT-Kerberos-Protokoll und Security Assertion Mark-up Language (SAML) schützt. Die Plattform sichert Kommunikation, Datenspeicherung und Anwendungsdienste mit den neuesten Verschlüsselungs- und Testtechniken. Alle Entwicklungen auf der Datenbank werden durch Berechtigungen gesteuert. Dies gewährleistet die Sicherheit von Daten durch Design auf hohem Niveau. Darüber hinaus werden alle Daten hinter der zertifizierten Charité-Firewall gespeichert. In Übereinstimmung mit der aktuellen Datenschutz-Grundverordnung der Europäischen Union (EU-DSGVO) wurde ein robustes Datenschutzkonzept implementiert, das Datenflussdiagramme, Datenschutzrisikobewertung (DSFA) und Berechtigungskonzept umfasst. Alle Unterlagen sind in einem Verfahrensverzeichnis des Datenschutzbeauftragten der Charité hinterlegt.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Das Protokoll demonstriert die Verwendung der elektronischen Gesundheitsakte TBase, wie Daten in die Datenbank aufgenommen und zu Forschungszwecken extrahiert werden. Alle Schritte richten sich nach den Richtlinien der Ethikkommission Humanforschung der Charité - Universitätsmedizin Berlin.
1. Registrieren Sie einen neuen Patienten und fügen Sie grundlegende Patientendaten in TBase hinzu
- Übertragen Sie bei der Registrierung die Stammdaten des Patienten (Name, Geburtsdatum und Krankenversicherungsdaten) von der Krankenversicherungskarte des Patienten in das Krankenhausinformationssystem. Während dieses Vorgangs wird eine neue eindeutige Fallnummer erstellt. Wenn der Patient noch nie an der Charité - Universitätsmedizin Berlin behandelt wurde, wird auch eine neue eindeutige Patientennummer erstellt, die diesen bestimmten Patienten im Krankenhaussystem eindeutig identifiziert.
- Holen Sie bei diesem Registrierungsprozess eine schriftliche Einwilligung des Patienten zur TBase-Datenverarbeitung durch die Charité - Universitätsmedizin Berlin und die Ambulanz der Charité (Ambulantes Gesundheitszentrum der Charité) gemäß EU-DSGVO ein.
- Lassen Sie einen Mitarbeiter mit entsprechender Berechtigung diesen neuen Patienten zu TBase hinzufügen. Melden Sie sich zunächst über die GUI bei TBase an. Geben Sie dazu "https://nephro.tbase.charite.de" in einen Chrome-Engine-basierten Webbrowser im Intranet der Charité ein. Geben Sie als Nächstes den Benutzernamen und das Kennwort ein, die vom TBase-Administrator zugewiesen wurden. Klicken Sie auf Anmelden.
- Klicken Sie anschließend auf die Schaltfläche Neuen Patienten hinzufügen unten im Patientenübersichtsrahmen auf der linken Seite. Anschließend erscheint eine Eingabemaske.
- Geben Sie den Namen des Patienten, das Geburtsdatum, die Patientennummer des Charité-Krankenhauses (siehe oben oder alternativ eine Charité-Krankenhausfallnummer) und die Informationen über die Einwilligung zur Verarbeitung von Patientendaten (sofern diese vom Patienten erteilt, nicht erteilt oder widerrufen wird) ein. Klicken Sie auf die Schaltfläche Speichern unten rechts, wenn die Dateneingabe abgeschlossen ist.
HINWEIS: Nun wurde ein neuer Patient zu TBase hinzugefügt und automatisch werden alle verfügbaren Patientendaten aus dem KIS in das TBase EHR-System übertragen.
2. Anzeigen und Hinzufügen von Daten zu einer Patientenakte in TBase in den Abschnitten: Stammdaten, Medizinische Daten, Ärzte, Diagnose, Verfahren, Transplantationsdaten, Krankenhaus
- Melden Sie sich wie in Schritt 1.3 beschrieben bei EHR an.
- Suchen Sie über das Suchfeld oben links über Name oder Geburtsdatum nach dem gewünschten Patienten. Klicken Sie auf die Suchschaltfläche rechts neben dem Suchfeld oder drücken Sie die Eingabetaste. Wählen Sie aus den Ergebnissen im Bereich Patientenübersicht auf der linken Seite den richtigen Patienten aus und klicken Sie auf den Namen. Es erscheint ein neuer Bildschirm mit den Stammdaten des ausgewählten Patienten.
- Nach der Suche nach einem Patienten wird standardmäßig die Anzeigeseite Stammdaten des Patienten angezeigt. Um von einer anderen Seite dorthin zu navigieren, klicken Sie oben links auf die Registerkarte Stammdaten .
- Um Stammdaten zu ändern, klicken Sie unten rechts auf die Schaltfläche Ändern . Eine neue Eingabemaske wird angezeigt.
- Ändern Sie nun Daten wie Telefonnummer des Patienten, Adresse, fügen Sie einen Identifikationscode hinzu oder korrigieren Sie ihn, indem Sie die neuen Informationen in die dafür vorgesehenen Eingabefelder eingeben. Nachdem die Dateneingabe abgeschlossen ist, übermitteln Sie die Änderungen, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nach der Weiterleitung auf die Anzeigeseite Stammdaten können Änderungen eingesehen und überprüft werden.
- Um medizinische Daten anzuzeigen und zu ändern, klicken Sie oben links auf die Registerkarte Medizinische Daten . Die Übersicht Medizinische Daten wird angezeigt und zeigt die vorhandenen medizinischen Daten an. Sie sind wie folgt aufgebaut: Größe des Patienten, Blutgruppe, Erstdialysedatum, Primärerkrankung, HLA, genetische Daten, Dialysedaten, Daten zu vorhandenen HLA-Antikörpern, Transfusionsdaten, Risikofaktoren, Allergien, strukturierte Anamnesedaten, Tod.
- Um einige der medizinischen Daten zu ändern, klicken Sie unten rechts auf die Schaltfläche Ändern . Eine neue Eingabemaske wird angezeigt.
- Fügen Sie beispielsweise eine Primärerkrankung zu den medizinischen Daten des Patienten hinzu, indem Sie auf Primärerkrankung klicken, um das Dateneingabeformular zu erweitern oder zu reduzieren. Auf der rechten Seite kann das Eingabefeld Für die Primärerkrankung verwendet werden, um eine Krankheit aus den bereits vorhandenen Vorschlägen auszuwählen (z. B. aus der Eurotransplant-Primärkrankheitstabelle) oder um eine neue Krankheit einzugeben. Zusätzlich können Informationen über das Diagnosedatum, die Gewissheit der Erkrankung (Biopsie-bewiesen oder nicht) und ein Kommentar eingegeben werden. Senden Sie nach der Dateneingabe, indem Sie auf die Schaltfläche Werte senden klicken.
- Nachdem alle Änderungen eingegeben und übermittelt wurden, speichern Sie die Änderungen, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nach der Weiterleitung auf die Anzeigeseite Medizinische Daten können alle Änderungen eingesehen werden und ob sie korrekt gespeichert wurden.
- Um Informationen über die behandelnden Ärzte anzuzeigen, klicken Sie auf die Registerkarte Ärzte . Die Seite Ärzteanzeige öffnet sich und zeigt die vorhandenen Daten über behandelnde Ärzte an. Sie gliedern sich wie folgt: Name und Adresse des Arztes, Spezialisierung, Typ (Facharzt, Hausarzt, Assistenzarzt), Arbeitsstätte (Dialysestation, Ambulanz etc.), Telefonnummer.
- Um einen neuen Arzt hinzuzufügen, klicken Sie unten rechts auf die Schaltfläche Neu . Eine neue Eingabemaske öffnet sich. Alternativ können Informationen über bestehende Ärzte geändert werden, indem Sie zuerst auf den Namen des Arztes und anschließend auf die Schaltfläche Ändern unten rechts klicken.
- Beispielsweise kann ein neuer Arzt zur EHR des Patienten hinzugefügt werden. Durchsuchen Sie die Liste der zuvor hinzugefügten Ärzte, indem Sie einen Namen in das Suchfeld eingeben und auf den rechten Eintrag aus den verschiedenen Vorschlägen klicken. Alternativ, wenn der gewünschte Arzt nicht in der Liste ist, geben Sie die Daten in das Eingabefeld unten ein, nachdem Sie zuerst Neuen Arzt hinzufügen ausgewählt haben .
- Nachdem alle Änderungen eingegeben wurden, speichern Sie die Änderungen, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nach der Weiterleitung auf die Anzeigeseite der Ärzte sind alle Änderungen sichtbar und der Benutzer kann überprüfen, ob die Änderungen korrekt übernommen wurden.
- Um Diagnosen anzuzeigen und zu ändern, klicken Sie oben links auf die Registerkarte Diagnose .
HINWEIS: Die meisten Diagnosen, Verfahren und Untersuchungen werden automatisch über vordefinierte Schnittstellen aus dem KIS über stationäre Behandlungsdaten importiert.- Geben Sie die in der Ambulanz gestellten Diagnosen ein, indem Sie unten rechts auf die Schaltfläche Neu klicken.
- Basierend auf der Internationalen Klassifikation der Krankheiten 10: Revision (ICD-10) kann eine neue Diagnose gestellt werden. Geben Sie den ICD-10-Code oder den Diagnosenamen in das Suchfeld in der Mitte des Bildschirms ein und wählen Sie den richtigen aus einer Vorschlagsliste aus, indem Sie darauf klicken. Definieren Sie als Nächstes ggf. das Start- und Enddatum und den Kontext, in dem die Diagnose gestellt wurde (stationär oder ambulant), indem Sie diese Daten in die dafür vorgesehenen Eingabefelder eingeben.
- Senden Sie die Daten, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nach der Weiterleitung auf die Diagnoseanzeigeseite werden die Änderungen sichtbar und der Benutzer kann sehen, ob die Dateneingabe korrekt war.
- Um Prozeduren anzuzeigen und zu ändern, klicken Sie oben auf die Registerkarte Prozeduren .
- Geben Sie zusätzliche Eingriffe ein, die in der Ambulanz durchgeführt wurden, indem Sie unten rechts auf die Schaltfläche Neu klicken.
- Basierend auf dem OPS-Code (deutsche Version der Codes der International Classification of Procedures in Medicine (ICPM) kann ein neues Verfahren eingegeben werden. Geben Sie den OPS-Code oder den Namen der Prozedur in das Suchfeld in der Mitte des Bildschirms ein und wählen Sie den rechten aus einer Vorschlagsliste aus, indem Sie darauf klicken. Definieren Sie als Nächstes die Lokalisierung (links, rechts, keine) und den Kontext, in dem der Eingriff durchgeführt wurde (stationär oder ambulant), indem Sie diese Daten in die dafür vorgesehenen Eingabefelder eingeben.
- Senden Sie die Daten, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nachdem Sie zur Seite Prozeduren weitergeleitet wurden, überprüfen Sie, ob die Änderungen korrekt übernommen wurden.
- Um Daten zu Untersuchungen anzuzeigen und zu ändern, klicken Sie oben auf die Registerkarte Untersuchungen .
HINWEIS: Da die meisten Berichte im KIS als Textdateien bereitgestellt werden, sind die meisten der entsprechenden Ergebnisse in der EHR ebenfalls textbasiert. Im Gegensatz dazu werden pathologische Berichte aus Nierentransplantationsbiopsien nach Banff-Klassifikation 201727,28 klassifiziert und die resultierenden diskreten Klassifikationsdaten in einer entsprechenden Tabelle in der EHR gespeichert.- Um die Ergebnisse einer bestimmten Untersuchung zu sehen, klicken Sie auf die rechte in der Liste unten oder verwenden Sie das Suchfeld oben, um sie aus der Vorschlagsliste auszuwählen.
- Geben Sie zusätzliche Untersuchungen ein, die in der Ambulanz durchgeführt wurden, indem Sie unten rechts auf die Schaltfläche Neu klicken.
- Geben Sie eine neue Untersuchung ein, indem Sie Datum, Typ (Ultraschall, Holter-Monitoring, etc.), beteiligtes Organ und die Befunde in die dafür vorgesehenen Eingabefelder eingeben.
- Senden Sie die Daten, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nachdem die Änderungen auf die Anzeigeseite " Untersuchungen " umgeleitet wurden, können sie vom Benutzer eingesehen und überprüft werden.
- Um Daten zu Krankenhausaufenthalten anzuzeigen und zu ändern, klicken Sie oben auf die Registerkarte Krankenhaus .
HINWEIS: Regelmäßig werden KTR, die an der Charité transplantiert wurden, wegen Folgekomplikationen im Transplantationszentrum hospitalisiert. Generierte Daten werden zunächst im KIS gespeichert und relevante Daten (z.B. Daten zur Aufnahme oder Entlassung, Arztberichte) über die HIS-Schnittstelle in die EHR importiert. Externe Krankenhausaufenthalte müssen manuell in die EHR eingegeben werden.- Die Daten zum Krankenhausaufenthalt sind wie folgt strukturiert: Aufnahme, Entlassung, medizinischer Bericht, falls verfügbar, Krankenhaus, Station und Grund für den Krankenhausaufenthalt. Um den medizinischen Bericht zu lesen, klicken Sie auf den rechten in der Liste oder verwenden Sie das Suchfeld oben, um ihn aus der Vorschlagsliste auszuwählen.
- Geben Sie einen zusätzlichen Krankenhausaufenthalt (z. B. einen externen Krankenhausaufenthalt) ein, indem Sie unten rechts auf die Schaltfläche Neu klicken.
- Geben Sie einen neuen Krankenhausaufenthalt ein, indem Sie die oben genannten Daten in die dafür vorgesehenen Eingabefelder eingeben.
- Senden Sie die Daten, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nach der Weiterleitung auf die Anzeigeseite des Krankenhauses , wo die Änderungen sichtbar werden und überprüft werden können.
- Um Transplantationsdaten anzuzeigen und zu ändern, klicken Sie oben rechts auf die Registerkarte Transplantation . Die Anzeigeseite Transplantation wird angezeigt und zeigt die vorhandenen Transplantationsdaten an. Navigieren Sie oben zwischen verschiedenen Transplantationen, indem Sie auf die entsprechende Schaltfläche klicken, wenn mehr als eine Transplantation durchgeführt wurde.
- Um Informationen über den Spender anzuzeigen oder zu ändern, klicken Sie auf die Schaltfläche Spender anzeigen unter dem entsprechenden Transplantationsdatum. Um Informationen über den Spender einzugeben oder zu ändern, klicken Sie auf die Schaltfläche Ändern unten rechts und geben Sie Daten in die dafür vorgesehenen Eingabefelder ein und speichern Sie die Änderungen, indem Sie anschließend unten rechts auf die Schaltfläche Speichern klicken.
- Um eine neue Transplantation zur EHR des Patienten hinzuzufügen, klicken Sie auf die Schaltfläche Neu unten rechts auf der Transplantationsanzeigeseite. Geben Sie transplantationsspezifische Daten gemäß den Eingabefeldern ein (einschließlich Informationen über Organtyp, Transplantationsdatum, Ischämiezeit, Verfahrenskomplikationen unter anderem). Speichern Sie die Daten in der EHR, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Der Benutzer wird dann zur Anzeigeseite Transplantation weitergeleitet, um zu sehen, ob die Änderungen korrekt gespeichert wurden.
- Um Informationen über eine bestehende Transplantation zu ändern, klicken Sie auf die Schaltfläche Ändern unten rechts auf der Anzeigeseite Transplantation , und ein neuer Eingabebildschirm wird angezeigt, in dem die vorhandenen Daten für die ausgewählte Transplantation angezeigt werden. Ändern Sie diese transplantationsspezifischen Daten entsprechend den Eingabefeldern (einschließlich Informationen über Organtyp, Transplantationsdatum, Ischämiezeit, Verfahrenskomplikationen unter anderem). Speichern Sie die neuen Eingabedaten in der EHR, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Nachdem Sie zur Anzeigeseite Transplantation weitergeleitet wurden, sehen Sie sich die Änderungen an und überprüfen Sie, ob die Änderungen korrekt eingegeben wurden.
3. Anzeigen und Auswählen von Labordaten
- Melden Sie sich bei TBase an und wählen Sie den gewünschten Patienten wie in 1.3 und 2.2 beschrieben aus.
- Um die Labordaten anzuzeigen, klicken Sie oben auf die Registerkarte Labor , und eine tabellarische Übersicht der neuesten Laborergebnisse erscheint. Oben sind alle Daten der letzten Untersuchung mit einem Dropdown-Menü zur Suche nach vorherigen Labordaten und einem Suchfeld daneben sichtbar, wo man nach bestimmten Laborwerten (z.B. Kreatinin) suchen kann.
ANMERKUNG: Die Laborwerte werden wie folgt angezeigt: Datum des Probeneingangs, Datum der Verarbeitung, Name des Laborwertes, Wert, Einheit, Referenzbereich, ein Kommentar (H ... hoch, L ... niedrig, N ... normal) und die beiden vorherigen historischen Laborwerte zum Vergleich. - Um ein Datum für die Ansicht einer historischen Laboruntersuchung zu ändern, klicken Sie auf das Dropdown-Menü oben links und wählen Sie das gewünschte Datum aus, indem Sie darauf klicken. Alle entsprechenden Laborwerte ab diesem Datum werden dann wie oben beschrieben angezeigt.
- Um einen bestimmten Laborwert wie Kreatinin auszuwählen und seinen Verlauf im Laufe der Zeit zu untersuchen, geben Sie seinen Namen in das Suchfeld oben ein und wählen Sie den richtigen aus der Vorschlagsliste aus. Nachdem Sie auf die Schaltfläche Arbeit anzeigen geklickt haben , wird jedes Ergebnis für den ausgewählten Wert dieses Patienten in der folgenden Tabelle angezeigt.
- Alternativ klicken Sie einfach auf den gewünschten Wert in der tabellarischen Erstdarstellung einer einzelnen Untersuchung. Dies zeigt wiederum alle bisherigen und aktuellen Ergebnisse zu diesem spezifischen Laborwert.
- Um den Verlauf eines Laborwerts zu plotten, klicken Sie auf das Plotsymbol neben dem gewünschten Wert. Dadurch wird automatisch ein Diagramm aller vorhandenen Ergebnisse für diesen Wert erstellt. Geben Sie bei Bedarf den Zeitraum für den Plot an, indem Sie in den Eingabefeldern oben rechts ein Start- und Enddatum auswählen, und fügen Sie dem Plot einen zweiten Wert hinzu, indem Sie ihn im dafür vorgesehenen Eingabefeld auswählen. Gehen Sie zurück zur Laboransichtsseite , indem Sie unten rechts auf die Schaltfläche Zurück klicken.
4. Medikamentendaten einsehen und ändern: Erstellung einer standardisierten Medikationsplan nach bundeseinheitlicher Medikationsplan
- Melden Sie sich bei TBase an und wählen Sie den gewünschten Patienten wie in 1.3 und 2.2 beschrieben aus.
- Um die Medikamentendaten anzuzeigen, klicken Sie oben auf die Registerkarte Medikation . Es erscheint eine tabellarische Übersicht über die aktuelle Medikation des Patienten. Die Medikationsdaten werden wie folgt dargestellt: Startdatum, Wirkstoff, Einzeldosis (z.B. in mg), Handelsname, Dosierungsschema, Tagesdosis, Darreichungsform, Meldung, Indikation, Art der Verschreibung (interner oder externer Arzt oder Selbstbehandlung durch den Patienten).
- Um ein neues Medikament hinzuzufügen, klicken Sie auf die Schaltfläche Neu unten rechts. Geben Sie den Namen des Stoffes (oder alternativ den Handelsnamen), das Dosierungsschema und das Startdatum ein, das automatisch auf das aktuelle Datum eingestellt wird, aber geändert werden kann, wenn das Startdatum in der Vergangenheit lag. Zusätzlich können Indizien und eine Anmerkung in die dafür vorgesehenen Eingabefelder eingefügt werden. Fügen Sie das Medikament der Liste hinzu, indem Sie unten rechts auf die Schaltfläche Speichern klicken.
- Um ein bestehendes Medikament zu ändern, klicken Sie auf den entsprechenden Punkt in der Medikamentenliste und anschließend auf die Schaltfläche Ändern unten rechts. Nun können Änderungen bezüglich der Dosierung, des Antragsformulars in die dafür vorgesehenen Eingabefelder eingegeben und die Änderungen durch Klicken auf die Schaltfläche Speichern unten rechts angewendet werden.
- Um ein Medikament abzusetzen, klicken Sie auf das angegebene Medikament und klicken Sie oben auf die Schaltfläche Absetzen .
- Um nach früheren Medikamenten zu suchen, geben Sie den Wirkstoff in das Suchfeld oben links ein und wählen Sie den rechten aus, indem Sie ihn aus der historischen Medikamentenliste anklicken. Es erscheint eine Tabelle mit allen bisherigen Medikamenten, die wie in 4.2 angegeben aufgebaut ist.
- Um eine standardisierte Medikamentenliste für den Patienten nach deutschen Vorschriften zu erstellen, klicken Sie oben rechts auf den Button Bundeseinheitlicher Medikationsplan . Eine PDF-Datei wird automatisch erstellt und zum Ausdrucken heruntergeladen.
5. Anzeigen und Hinzufügen von Einträgen zum Medizinstudium: Halbautomatische Erstellung eines medizinischen Berichts
- Melden Sie sich bei der EHR an und wählen Sie den gewünschten Patienten wie in 1.3 und 2.2 beschrieben aus.
- Um den medizinischen Kurs anzuzeigen, klicken Sie oben auf die Registerkarte Kurs . Es wird eine tabellarische Übersicht über die Dokumentation aus den vorherigen Terminen des Patienten bereitgestellt. Die Daten sind wie folgt aufgebaut: Datum des Termins, Datum des nächsten Termins, Blutdruck, Herzfrequenz, Temperatur, Gewicht, Body-Mass-Index, Urinvolumen und drei Textfelder unterteilt in öffentliche Beurteilung für den Patienten, interne Beurteilung für den Einsatz an der Charité und medizinische Beurteilung für andere Ärzte.
HINWEIS: Zusätzlich befindet sich unten ein Zusammenfassungsfeld, mit dem wichtige Informationen zur Krankengeschichte des Patienten zusammengefasst und auf den ersten Blick sichtbar gemacht werden. - Um einen neuen Eintrag zum Medizinkurs hinzuzufügen, klicken Sie unten rechts auf die Schaltfläche Neu . Geben Sie die ausgewerteten Informationen in die gewünschten Eingabefelder ein (z.B. Vitalparameter, behandelnder Arzt, interne Beurteilung oder öffentliche Beurteilung). Fügen Sie das Datum des nächsten Termins in das dafür vorgesehene Eingabefeld oben rechts ein. Senden Sie die Daten, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Die Benutzer werden dann zur Kursanzeigeseite weitergeleitet.
- Um einen bestehenden Eintrag zu ändern, klicken Sie auf den entsprechenden Eintrag und klicken Sie unten rechts daneben auf die Schaltfläche Ändern . Geben Sie nun zusätzliche Daten in die dafür vorgesehenen Eingabefelder ein oder ändern Sie vorhandene Daten. Ändern oder aktualisieren Sie Informationen im Benachrichtigungsfeld, indem Sie sie eingeben, und übermitteln Sie die Änderungen, indem Sie unten rechts auf die Schaltfläche Speichern klicken. Die Benutzer werden dann zur Kursanzeigeseite weitergeleitet.
- Um einen automatisierten medizinischen Bericht zu erstellen, klicken Sie unten rechts auf die Schaltfläche Medizinischer Bericht . Es erscheint ein neuer Bildschirm mit 18 verschiedenen Optionen (von Laborergebnissen bis hin zum vollständigen medizinischen Bericht).
- Erstellen Sie zum Beispiel mit wenigen Klicks einen medizinischen Bericht: Klicken Sie auf Ambulanter medizinischer Bericht. Der Patientenname, der behandelnde Arzt, das letzte Datum der Laborwerte und das letzte Datum des medizinischen Kurses werden automatisch ausgefüllt, können aber bei Bedarf geändert werden. Nach bestätigung durch klick auf OK wird eine korrekt formatierte word (.doc-) Dokumentdatei erstellt und zum Ausdruck mit den ausgewählten Informationen heruntergeladen.
6. Abmelden
- Um sich aktiv von TBase abzumelden, klicken Sie unten rechts auf die Schaltfläche Abmelden . Zusätzlich wird man nach 60 Minuten Inaktivität oder beim Schließen des Browsers automatisch abgemeldet.
7. Verwendung der erhobenen Daten
- Verwenden Sie zum Abfragen der gesammelten Daten den Replikationsserver (Abbildung 1), wie im Abschnitt Datenbankstruktur und Schnittstellen beschrieben. Für die Abfragen können beliebige Datenverarbeitungsprogramme verwendet werden, die sich über Open Database Connectivity (ODBC), Java Database Connectivity (JDBC) mit einer Datenbank verbinden können. Sobald die Verbindung zur Datenbank hergestellt ist, verwenden Sie die Open-Source-Software R Studio.
- Um eine ODBC-Datenbankverbindung einzurichten, z. B. im Windows-Betriebssystem, öffnen Sie das ODBC-Tool und klicken Sie unter Systemsteuerung und Sicherheitsverwaltung auf Hinzufügen für einen neuen Benutzerdatenquellennamen (DSN). Geben Sie dort die verfügbaren Verbindungsdaten in die Replikationsdatenbank ein. Geben Sie die folgenden Daten ein: "Treibername", "ODBC-Verbindungsname" (vom Benutzer festgelegt), "Hostname" und die SQL-Authentifizierungsdetails "Benutzername", "Kennwort" und "Datenbankname".
- Um eine sehr einfache Abfrage (z.B. Anzahl der Transplantationen geteilt nach Geschlecht in den Jahren 2000-2020) in der Open-Source-Software R Studio nach dem Aufbau der ODBC-Datenbankverbindung zu generieren, öffnen Sie Datei, Neue Datei in der Anwendung R Studio oben links und klicken Sie auf R Script. Der Beispielskriptcode (Code 1) wird in das sich öffnende leere Skriptfenster eingegeben.
- Klicken Sie oben im Skriptfenster auf die Schaltfläche Quelle und das Skript wird ausgeführt und generiert dann das im Skript definierte Balkendiagramm mit den Daten aus der verbundenen Datenbank (Abbildung 6).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
TBase wurde erstmals 1999 an der Charité Campus Mitte veröffentlicht und ist seitdem im Einsatz. Seit mehr als 20 Jahren sammelt die TBase-EHR prospektiv Daten von allen KTR. Ab 2001 nutzten auch die anderen Transplantationsprogramme der Charité TBase für die Routineversorgung von KTR- und Wartepatienten. Seit 2007 wird diese EHR für die Routineversorgung von Lebendspendern und allen Patienten in der Abteilung für Nephrologie eingesetzt.
Durch die Bereitstellung der TBase-Software mit ihren Funktionalitäten, die in den letzten Jahren zu einer modularen webbasierten Forschungsdatenbank mit moderner Softwarearchitektur weiterentwickelt wurde, wurden über einen Zeitraum von mehr als 20 Jahren insgesamt 6.317 Patienten mit 7.595 Nierentransplantationen dokumentiert. Insgesamt hat das KTR unter anderem 220.877 Diagnosen, 332.299 Verfahren, 1.033.941 Laborberichte, 24.478.441 Laborwerte, 539.922 Medikamentenepisoden, 324.339 Untersuchungen, 6.489 Spenderdaten und 54.350 Entlassungsbriefe (Tabelle 3).
Darüber hinaus wurden Daten von 20.724 Patienten gesammelt, darunter Patienten auf der Warteliste, Lebendspender und Patienten mit chronischer Nierenerkrankung. Diese Patienten haben insgesamt 232.783 Diagnosen, 408.857 Verfahren, 546.661 Laborberichte, 13.399.048 Laborwerte, 114.657 Medikamentenepisoden, 226.206 Untersuchungen und 70.278 Entlassungsbriefe.
Mehr als 50 wissenschaftliche Publikationen aus der TBase-Datenbank als Original Research in Peer-Review-Zeitschriften wurden in den letzten 10 Jahren veröffentlicht1,2,3,4,6,9,10,11,12,13,17,18,19,21, 29,30,31,32,33,34,35
,36. Eine gründliche Datenschutzbewertung wurde durchgeführt und beim Datenschutzbeauftragten festgelegt. TBase wird von einem Entwicklungsteam betreut, das aus vier vollzeitbeschäftigten Informatikern besteht, unterstützt von der IT-Abteilung und der Abteilung für Nephrologie.
| Nachteile von Krankenhausinformationssystemen (KIS) | Nachteile von eigenständigen Forschungsdatenbanken |
| Relevante Daten sind nicht vollständig verfügbar | Manuelle Dateneingabe, keine automatisierte Datenübertragung klinischer Routinedaten |
| Keine oder nur eingeschränkte Anpassung an domänenspezifische Bedürfnisse | Dateneingabe auf Schlüsselvariablen beschränkt, wodurch Machine-Learning-Anwendungen behindert werden |
| Konzipiert für die stationäre oder ambulante Versorgung | Datenvalidierung ist schwierig und zeitaufwendig |
| Schwierige Datenextraktion für Forschungszwecke | In der Regel nicht beschäftigungsfähig für neue Bedürfnisse. Somit wird eine neue Datenbank erstellt. |
| Ein Wechsel des KIS führt häufig zum Verlust früherer Daten. | Single-User-Standalone-Systeme führen oft zu kurzlebigen Datensilos. |
Tabelle 1: Probleme von klinischen Datenbanken und eigenständigen Forschungsdatenbanken. Diese Tabelle listet die Probleme von Krankenhausinformationssystemen (KIS) einerseits und spezifischen Forschungsdatenbanken mit einer Vielzahl von Problemen andererseits auf.
| Vorteile in der klinischen Praxis | Nutzen für die Forschung |
| Schnittstellen realisieren den automatischen Import von | Einfache Datenerhebung für klinische Beobachtungsstudien sowie für Fallberichte / Fallserien |
| · Klinische Berichte (Labor, Pathologie, Radiologie, Virologie, Mikrobiologie) | |
| · Krankenhausdaten | |
| · ET-Spenderdaten (in Bearbeitung) | |
| Dokumentationsfelder (teilweise mit Auswahllisten) ermöglichen die Aufnahme zahlreicher fachspezifischer Daten und deren Pflege durch die behandelnden Ärzte | Schneller Datenzugriff für die Dokumentation in klinischen Studien / Studien |
| · Demografische Daten, personenbezogene Daten (Adresse, Telefonnummer, E-Mail etc.), medizinische Basisdaten, Diagnosen, Anamnese, Verfahren, Labordaten, Medikamente, Untersuchungen, Krankenhausdaten, Transplantationsdaten, Spenderdaten, Ablehnungen | |
| Mehr als 20 Jahre Follow-up-Daten für einzelne Patienten durch kontinuierliche Weiterentwicklung derselben Datenbank | 100% Follow-up des Überlebens von Patienten und Transplantaten, vollständiger und validierter Datensatz für Laborwerte, Medikamentenlisten, Diagnosen, Verfahren und Untersuchungen, Spender- und Transplantationsdaten verfügbar |
| Einfacher Zugang in der Ambulanz, auf der medizinischen Station und in der Notaufnahme zu allen relevanten medizinischen Daten, einschließlich: | Einfache Datenextraktion für Forschungsprojekte mit anderen Forschenden zu verschiedenen Aspekten (z.B. Eurotransplant Senior Program, neue medikamentöse Therapien, Intensivaufenthalte, Patienten mit postoperativen Komplikationen) |
| · Transplantationsdaten | |
| · Untersuchungsergebnisse, Laborwerte, medizinische Berichte und Notizen | |
| · Medikamentenlisten (aktuell und historisch) | |
| · Telefonnummern und andere Kerndaten | |
| Halbautomatische Generierung von | Hohe Datenqualität durch kontinuierliche Datenvalidierung in der Routineversorgung durch klinische Anwender |
| · Medizinische Berichte für externe Ärzte | |
| · Medikationslisten und Laborwerte für Patienten | |
| Einhaltung der Datenschutzanforderungen der EU-DSGVO | Anbindung an verschiedene statistische Analysewerkzeuge (z.B. SPSS, R) über Standardschnittstellen |
| Grafische historische Datenanzeige (z. mehrere Laborwerte im Zeitverlauf und deren Korrelation in einem Diagramm mit wenigen Klicks möglich) | Einfache Datenextraktion aus unstrukturierten Daten (Notizen, Briefe, medizinische Berichte) durch den Einsatz moderner Text-Mining-Techniken |
| Anzeige des jährlichen GFR-Rückgangs (geplant) | |
| Monitoring Dashboard zur Echtzeitanzeige von Outcome-Parametern, Warteliste, speziellen Patientengruppen (geplant) | |
| Qualitätssicherung erleichtern | Analysen mit Methoden der Künstlichen Intelligenz ermöglichen die Entwicklung von Vorhersagemodellen |
| · Automatischer Export der relevanten Daten in das QS-Modul Krankenhaus (geplant) | |
| · Einfache Abfragen zur Qualitätskontrolle oder anderen Auswertungen | |
| Implementierung neuer Methoden in der klinischen Routine wie Telemedizin oder prädiktive KI-Modelle zur Identifizierung von Risikopatienten | Analyse neuer Datenquellen aus telemedizinischen und mobilen Activity Trackern |
Tabelle 2: Nutzen von TBase in der klinischen Versorgung und Forschung. Diese Tabelle listet die Vorteile einer integrierten EHR- und Forschungsdatenbank für klinische Anwendungen und Forschungen auf.
| Patienten mit Nierentransplantation | N = 6,317 |
| nierentransplantation | 7,595 |
| diagnosen | 2,20,877 |
| Verfahren | 3,32,299 |
| Labor | 10,33,941 |
| Laborwerte | 2,44,78,441 |
| Medikamente | 5,39,922 |
| untersuchungen | 3,24,339 |
| Entlassungsschreiben | 54,350 |
| Spenderdaten | 6,489 |
Tabelle 3: Anzahl der Patientenakten und Patientendaten. Seit mehr als 20 Jahren sammelt TBase prospektiv Daten von allen KTR. Ab 2001 nutzten auch die anderen Transplantationsprogramme der Charité TBase für die Routineversorgung von KTR- und Wartepatienten.
Abbildung 1 : TBase-Architektur. Die EHR TBase basiert auf vier verschiedenen Datenbanken mit dem Live-System im Kern, so dass verschiedene Gruppen von Agenten parallel arbeiten können. Klinische Anwender geben Daten über die grafische Benutzeroberfläche (GUI) ein und erhalten die hohe Datenqualität. Die meisten Informationen werden automatisch über Schnittstellen aus Krankenhausinformationssystemen, Laborpartnern und Drug-Drug-Interactions-Checkern importiert. Entwickler können neue Funktionalitäten implementieren, die vor der Integration in das Live-System auf der Qualitätsdatenbank getestet werden. Zu Forschungszwecken wird die Live-Datenbank regelmäßig repliziert, so dass bei Datenbankabfragen durch klinische Forscher kein Eingriff in das Live-System notwendig ist. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 2: TBase-Datentabellen. Für die Darstellung von Patientendaten wurde eine einfache Tabellenstruktur für eine intuitive und selbsterklärende Gestaltung implementiert. Beispielsweise befindet sich die Patiententabelle mit der PatientID als Primärschlüssel in der Mitte der Tischstruktur. Fast alle Tabellen (mit Ausnahme einzelner Untertabellen) sind über PatientID mit dieser zentralen Tabelle verbunden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 3: TBase-Datentypen. Um zu veranschaulichen, wie verschiedene klinische Schlüsseldaten in der TBase zugrunde liegenden Datenbank dargestellt werden, werden Teile der Tabellen Medikation, Patient und Transplantation mit den entsprechenden Datentypen angezeigt. Die Datenfelder werden in der TBase GUI dargestellt. Zum Beispiel ist die Tabelle Medikation in der Medikationsmaske typisiert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 4: TBase Screenshot. oben in der Master-Ansicht werden patientenname und verschiedene Tabs für verschiedene Detailmasken angezeigt, hier die Medikamentenmaske . Auf der linken Seite werden Arzneimittel-Arzneimittel-Wechselwirkungen durch Farbcodes angezeigt. In jeder Zeile werden Startdatum, Arzneimittel- und Handelsname, Dosierungsplan, mögliche Hinweise und die Indikation zur Verschreibung angezeigt. Zusätzliche Schaltflächen in der Maske und darunter zeigen verschiedene Funktionalitäten wie historische Suche, Beginn und Stopp der Medikation sowie Ausdruck des Medikationsplans für den Patienten an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 5: Berechtigungskonzept. Die EHR basiert auf der Benutzerverwaltung auf Anwendungsebene. Somit können Benutzer nur auf das Frontend der Anwendung zugreifen, nicht aber auf die Datenbank selbst. Es wurde ein vierstufiges Berechtigungskonzept gewählt, das die Benutzerverwaltung für Personen mit Administratorrechten reserviert. Administratoren verwenden eine Anwendung "Identity Management Console", um neue Benutzer aus dem Charité-Benutzerpool für die TBase-Anwendung hinzuzufügen und ihre Benutzerrechte zu erhalten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 6: Ergebnis einer sehr einfachen Datenbankabfrage. Die Verbindung der Datenbank kann über eine Datenbankschnittstelle (z.B. ODBC) erfolgen. Datenverarbeitungssoftware (z.B. die Open-Source-Software R Studio) kann einfach Abfragen an die Datenbank senden und grafische Ergebnisse können generiert werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 7: TBase auf einem professionellen, modernen In-Memory-Datenbanksystem. Der Einsatz des Entwicklungssystems ermöglicht die gleichzeitige Entwicklung von TBase-Anwendungen in verschiedenen Entwicklungscontainern für andere Benutzergruppen mit ihren individuellen Domänenanforderungen. Die spezifischen Container für verschiedene Benutzergruppen laufen parallel und werden über das TBase Master Template in das Live-System eingebracht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
TBase kombiniert eine webbasierte EHR für die spezialisierte ambulante Versorgung von KTR mit einer Forschungsdatenbank und schafft so eine umfassende Langzeitdatenbank für Patienten mit Nierenerkrankungen6,11,15,37. In Bezug auf die Organisationsstruktur wird dies durch die Implementierung eines modernen Software-Design-Prozesses als institutioneller Agent und die Einbeziehung von über 20 Jahren Erfahrung als Entwickler, klinische Anwender und Forscher zur Entwicklung der aktuellen Version ermöglicht. Darüber hinaus wird sie entsprechend den Bedürfnissen der klinischen Anwender ständig verbessert und aktualisiert, da sie die wichtigste ambulante Dokumentationssoftware für nephrologische Patienten an der Charité - Universitätsmedizin Berlin ist. Für den klinischen Anwender bietet diese EHR die automatisierte Integration aller relevanten Daten aus stationären und ambulanten Systemen und ermöglicht eine einfache und intuitive Dokumentation von transplantationsspezifischen Daten und langfristigen Patientenpfaden. Hinsichtlich der Medikationsdaten ist eine kommerziell verfügbare Datenbank an die EHR angebunden, die alle zwei Wochen über jedes in Deutschland zugelassene Arzneimittel informiert. Verschriebene Medikamente werden durch die Kooperation mit einem kommerziellen System der Klinik für Klinische Pharmakologie & Pharmakoepidemiologie des Universitätsklinikums Heidelberg über einen Wirkstoff auf Wechselwirkungen zwischen Arzneimitteln überprüft. Bei jedem Medikamentenwechsel in TBase werden die jeweiligen Medikationsdaten in pseudonymisierter Form an das System gesendet. Die Software identifiziert mögliche Arzneimittelwechselwirkungen der Wirkstoffe. Die Ergebnisse werden an die EHR zurückgesendet, wo sie gespeichert und in Echtzeit in der Medikamentenmaske angezeigt werden. Ein Farbcode kennzeichnet den Schweregrad potenzieller Interaktionen, und ein Popup-Fenster liefert detaillierte Informationen zur Art der Interaktionen (Abbildung 4). Der Patient kann im Rahmen eines teilautomatisierten medizinischen Berichts oder über Live-Updates auf dem Smartphone16 auf die gleichen Medikationsdaten wie auf eine standardisierte Medikationsliste zugreifen.
In Bezug auf seine Datenbankarchitektur basiert die EHR auf vier verschiedenen Datenbanken mit dem Live-System im Kern, so dass verschiedene Gruppen von Agenten parallel arbeiten können. Es ist praxistauglich, dass sich Entwicklung, Test und klinische Arbeit nicht gegenseitig behindern. Zu Forschungszwecken wird das Live-System wöchentlich, aber nicht automatisch repliziert, was verbessert werden soll, befindet sich in der Entwicklung. Am wichtigsten ist, dass das Live-System von Entwicklern und Forschern getrennt ist und ein Höchstmaß an Datenschutz für die sensiblen Patientendaten bietet. Darüber hinaus wird auf diese Weise die Datenmanipulation und -beschädigung begrenzt und die Datengültigkeit so weit wie möglich aufrechterhalten.
Technologisch basiert die EHR auf einer modernen In-Memory-Datenbanktechnologie, die aus verschiedenen Komponenten besteht und eine sichere Kommunikation und Datenspeicherung garantiert. Im Backend werden Patientendaten durch ein granulares Berechtigungskonzept geschützt. Dazu wird die Entwicklungsplattform vom Live-System getrennt und verschiedene Berechtigungsstufen eingesetzt. Zusätzlich werden alle Daten auf den Servern der Charité hinter der zertifizierten Firewall gespeichert, was den Datenschutz weiter erhöht.
Beim Frontend basiert die EHR auf der HTML5-Technologie, die ein responsives Webdesign ermöglicht und es ermöglicht, die webbasierte EHR auf allen Endgeräten an jedem Ort im Krankenhaus zu nutzen. Die Entwicklungsumgebung unterstützt zahlreiche Standard-Programmiersprachen wie Java, Javascript, PHP und Python und ermöglicht so eine einfache und erfolgreiche Rekrutierung von Entwicklern. Darüber hinaus stehen zahlreiche vorgefertigte Visualisierungsmöglichkeiten zur Verfügung, die Grafiken für den Verlauf der Laborparameter wie im Protokoll beschrieben erzeugen. In den nächsten Entwicklungsschritten wird die Echtzeitüberwachung von Patientendaten (z.B. Nierenfunktion, Vitalfunktionen) und wichtigen Endpunkten wie Patienten- und Transplantatüberleben integriert. Die automatisierte Anzeige von Wartelistenpatienten und deren aktuellem Status verbessert das Prozessmanagement bei der Organzuteilung von Eurotransplant. Dazu sind Schnittstellen zu externen Partnern (Ärzte, Dialysestationen, Eurotransplant) notwendig, wie im Folgenden erörtert wird.
Ein primäres Ziel bei der Erstellung von TBase war es, alle ambulanten und stationären Routinedaten in einer Datenbank zusammenzuführen. Ermöglicht wird dies durch APIs und selbst entwickelte Schnittstellen, die bis zu diesem Zeitpunkt verschiedene Arten von Laborergebnissen und anderen Untersuchungen aus der stationären und ambulanten Behandlung importieren, während neue Schnittstellen zu Eurotransplant und anderen externen Partnern in der Entwicklung sind. Bei Labordaten für ambulante Patienten stellt unser Laborpartner die Laborergebnisse über HL7-Meldungen zur Verfügung. Diese werden in einem gemeinsam genutzten Bereich im Laborsystem bereitgestellt und über eine HL7-Schnittstelle aufgenommen und in das TBase-System importiert. Da es sich um einen externen Anbieter handelt und keinen Zugriff auf das Krankenhausinformationssystem hat, können die Patientennummer oder Fallnummern der Charité nicht zur Patientenidentifikation verwendet werden. Bisher konnte auch die einzige andere Möglichkeit zur Identifizierung über Laborbestellnummern nicht genutzt werden, da die elektronischen Laboraufträge in einem separaten System generiert werden und die EHR keinen automatischen Zugriff auf diese hat. Aus diesem Grund können eingehende Daten nur anhand von Name, Vorname und Geburtsdatum automatisch identifiziert werden. Da die Rechtschreibung in den verschiedenen Systemen unterschiedlich sein kann, kommt es gelegentlich vor, dass Daten in TBase nicht automatisch abgeglichen werden können. Diese Beobachtungen werden in einer Warteschlange zwischengespeichert, bis sie von einem Benutzer manuell dem richtigen Patienten in der EHR zugewiesen werden. Die zugeordneten Patientenkennungen werden im System gespeichert und zukünftig zur automatischen Identifikation verwendet.
Ein wichtiges Anliegen beim Entwerfen klinischer Datenbanken ist die Veränderung der Datenqualität im Laufe der Zeit. Da die Auswirkungen von der Art der betrachteten Daten abhängen, überlegen wir dies für verschiedene Datentypen unabhängig voneinander, basierend auf den in Tabelle 3 genannten. Die meisten Daten in TBase sind Routinemäßige Labordaten. Während sich die Labormethoden geändert haben können, blieben die Parameter selbst im Laufe der Zeit gleich, wie Kreatinin, Harnstoff, Elektrolyte, Leberenzymtests, Gerinnungsparameter und Blutbild. Die Parameter und die entsprechenden Normalbereiche sind im Zeitverlauf vergleichbar, auch wenn sich letztere zwischen verschiedenen Assays leicht unterscheiden. In unserem Labor verwenden die meisten Labormessungen keine SI-Einheiten, sondern metrische Einheiten. Dies erfordert zwar die Implementierung von Umrechnungsfaktoren bei der Einbindung externer Daten, gewährleistet jedoch die Vergleichbarkeit der internen Labordaten der letzten 20 Jahre. Die zweitgrößte Gruppe sind Medikationsdaten. Trotz der Tatsache, dass sich die standardmäßigen immunsuppressiven Regime geändert haben, hat sich die Datenqualität über Medikamente im Laufe der Zeit nicht verändert. Die Verfahren sind als OPS-Codes kodiert, die die deutsche Adaption der International Classification of Procedures in Medicine (ICPM) darstellen und universell akzeptiert und verwendet werden, um eine kontinuierliche Datenqualität im Laufe der Zeit zu gewährleisten. Gleiches gilt für Diagnosedaten, die nach der ICD-10 kodiert sind, die seit dem Jahr 2000 für die ambulante Medizin in Deutschland verpflichtend ist. Eine weitere große Gruppe von Daten sind die über medizinische Untersuchungen. Bei der Nierentransplantation sind vor allem Daten über Nierentransplantationsbiopsien wichtig. Für pathologische Daten von Nierentransplantationsbiopsien wird derzeit die Banff 2017-Klassifikation verwendet, aber die Klassifizierung für Nierentransplantationsbiopsien hat sich in den letzten 20 Jahren mehrmals geändert. Wir haben uns daher entschlossen, alle an der Charité Berlin nach Banff 2017 durchgeführten Nierentransplantationsbiopsien neu zu klassifizieren, um die Datenqualität für Forschungszwecke deutlich zu erhöhen27,28. Andere medizinische Daten wie bildgebende Berichte oder solche aus Untersuchungen wie Koloskopie oder Bronchoskopie werden als Strings aufgezeichnet. Um diese Daten nach neuesten medizinischen Standards neu zu strukturieren und für Forschungszwecke zur Verfügung zu stellen, arbeiten wir derzeit daran, diese Daten retrospektiv zu kategorisieren. Gleiches gilt für Krankenakten. Ihre Formatierung und Struktur variieren zwischen verschiedenen Abteilungen und im Laufe der Zeit, so dass wir uns derzeit entschieden haben, sie als Strings aufzuzeichnen. Dies ermöglicht es uns, die eingearbeiteten Informationen in der Klinik und für Forschungszwecke zu nutzen. Die letzte Datengruppe sind Patientendaten wie Alter, Geschlecht, behandelnde Ärzte, aber auch allgemeine medizinische Daten wie Allergien, Dauer und Form der Dialyse. Diese haben sich in den letzten zwei Jahrzehnten nicht wesentlich verändert. Es gibt in der Tat eine Steigerung der Datenqualität über zugrunde liegende Nierenerkrankungen mit den größten Fortschritten bei der Erkennung genetischer Erkrankungen. Selten werden Patienten, die für eine zweite Transplantation registriert sind, auf genetische Erkrankungen getestet und ihre Diagnose wird anschließend korrigiert, aber für die meisten Patienten kann eine solche Korrektur nicht erreicht werden. Ebenso wurden Fortschritte bei den Transplantationsdaten erzielt. Insbesondere der Nachweis von spenderspezifischen Anti-HLA-Antikörpern ist ein hochdynamisches Forschungsgebiet, dessen Quelldaten aus HLA-Laboren ihre eigenen Datenbanken füllen. Es wird daher nur erfasst, wenn spenderspezifische HLA-Antikörper vorhanden sind. Daher werden Änderungen der Nachweismethode nicht berücksichtigt. Insgesamt stellen wir für die meisten Datentypen bereits eine homogene Datenqualität im Zeitverlauf sicher. In Zukunft werden wir Methoden wie Natural Language Processing implementieren, um relevante Informationen aus textbasierten Daten wie medizinischen Berichten oder Untersuchungsberichten zu extrahieren.
Ausblick - TBase User Group, Künstliche Intelligenz und Telemedizin
Da TBase modular aufgebaut ist, ist eine Skalierbarkeit in andere Transplantationszentren und auf verschiedene Ambulanzen in anderen Krankenhäusern möglich und in der aktuellen Entwicklung (Abbildung 1). Vor allem andere Transplantationszentren und Spezialisierte Ambulanzen der Charité setzen die EHR nun für ihre individuellen klinischen und Forschungszwecke ein. Für die Endokrinologie, Rheumatologie, Neurologie, Kardiologie und Gastroenterologie wird die Grundstruktur beibehalten und auf die individuellen Bedürfnisse zugeschnittene Erweiterungen programmiert. Ein wesentlicher Vorteil für die verschiedenen Fachbereiche ist die Integration von TBase in die IT-Landschaft der Charité mit einem state-of-the-art Datenschutzkonzept. Die verschiedenen TBase-Container wurden dank des modularen Aufbaus und der vorhandenen Schnittstellen in kurzer Zeit implementiert (Abbildung 7). Vor kurzem wurde auch eine Datenbank für die Nachsorge und klinische Forschung von COVID-19-Patienten auf Basis von TBase eingerichtet.
Die gemeinsame Nutzung und Entwicklung der integrierten Datenbank mit anderen Abteilungen und Krankenhäusern trägt dazu bei, eine nachhaltigere Forschungsplattform aufzubauen, die für andere Transplantationszentren offen ist. Ziel eines solchen Open-Source-Entwicklungsprozesses ist es, synergien über eine TBase User Group zu schaffen. Dies wirft neue Probleme unterschiedlicher Datenschutzmaßnahmen bei verschiedenen Institutionen auf, bietet aber die Möglichkeit, die Weiterentwicklung zu verbessern, indem auch andere institutionelle Akteure mit zusätzlichem Fachwissen einbezogen werden. Die Anwendergruppe kann ihre Kräfte bündeln und neue Module (z.B. für klinische Studien) oder Schnittstellen (z.B. für Eurotransplant, Qualitätssicherung, Transplantationsregister) implementieren. Eine weitere wichtige Perspektive für TBase ist die Zertifizierung als Medizinprodukt, die besser erreicht werden kann, wenn mehrere Partner zusammenarbeiten. Ziel der TBase User Group ist es, eine flexible Plattform zu schaffen, die jede Abteilung eigenständig nutzen kann, die aber auch für größere gemeinsame klinische Forschungsprojekte zur Verfügung steht.
Ein weiterer wichtiger Aspekt, der es wert ist, in Betracht gezogen zu werden, ist, dass die Integration von Algorithmen, insbesondere von Machine-Learning-Technologien, in medizinische Arbeitsabläufe am vielversprechendsten ist, wenn sie mit qualitativ hochwertigen Gesundheitsdaten durchgeführt wird16,38. TBase scheint für die Entwicklung sowie die Implementierung neuartiger KI-Methoden in der Nierentransplantation durch eine Vielzahl von erfassten Variablen, die Verfügbarkeit von strukturierten und unstrukturierten Daten sowie qualitativ hochwertigen Langzeitdaten gut geeignet zu sein. Zukünftige KI-basierte klinische Entscheidungsunterstützungssysteme können nahtlos in die grafische Benutzeroberfläche des EHR integriert werden. Bevor solche Systeme eingesetzt werden können, müssen klinische, technische, ethische und rechtliche Herausforderungen bewältigt werden. Zunächst muss der klinische Nutzen solcher KI-basierten Algorithmen nachgewiesen werden. Daher führen wir derzeit eine Studie durch, in der wir die Genauigkeit eines KI-basierten Algorithmus zur Vorhersage von Abstoßung, Transplantatversagen oder Infektion bei KTR testen. Der Algorithmus wurde vom Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) auf Basis von TBase-Daten unter Verwendung von Gradient Boosted Regression Trees entwickelt. Die Studie vergleicht die Fähigkeit erfahrener Ärzte, verschiedene Endpunkte mit und ohne Informationen des KI-Modells vorherzusagen. In einem nächsten Schritt werden wir Text Mining und Methoden aus dem Bereich Natural Language Processing anwenden. Hiermit wollen wir strukturierte Daten aus medizinischen Berichten und Untersuchungsberichten erstellen, um diese riesige Menge wertvoller Daten der Forschung und dem Kliniker zur Verfügung zu stellen. Dies wird später die Modellgenauigkeit von KI-basierten Vorhersagemodellen verbessern, die diese unstrukturierten Daten derzeit nicht einbeziehen. Über diese technischen und medizinischen Überlegungen hinaus müssen ethische und rechtliche Herausforderungen bewältigt werden. Daher untersuchen wir im oben genannten Experiment zusätzlich die Mensch-Maschine-Interaktion, um zu verstehen, welche Chancen, aber auch welche Risiken und Nachteile sich bei der Implementierung solcher Systeme aus ärztlicher Sicht ergeben. Daher führen wir strukturierte Interviews durch und untersuchen, wie der Einsatz solcher Entscheidungsunterstützungssysteme die Herangehensweise der Ärzte an die medizinische Entscheidungsfindung verändert hat.
Eine dritte zukunftsweisende modulare Erweiterung von TBase ist die Integration telemedizinischer Lösungen. Im Gegensatz zu vielen telemedizinischen Ansätzen, die nicht in die bestehende digitale Infrastruktur übertragen werden können, wurde die vollständige Integration aller eingehenden Patientendaten aus dem Telemedizinprojekt MACCS1,18,19,21,26,39 in diese EHR ermöglicht. Dazu wurde direkt in TBase ein telemedizinisches Dashboard aufgebaut, das über eine HL7 FHIR-Schnittstelle mit dem Smartphone des Patienten und des Heimnephrologen verbunden ist. Folglich hat der Telemediziner im Krankenhaus Zugang zu Vitalparametern, die der Patient zu Hause sammelt20. Die automatische Übermittlung relevanter Patientendaten (einschließlich Labordaten) vom Nephrologen zu Hause bietet einen zusätzlichen klinischen Nutzen für den Arzt und schafft eine umfassendere Datenbasis für die Forschung. Mit der Implementierung neuer Schnittstellen soll die EHR künftig in der Lage sein, Daten aus der Online-Patientenkommunikation (z.B. Chat), IoT-Geräten (z.B. mobile EKGs, Point-of-Care-Geräte) zu erfassen und alle eingehenden Daten in Echtzeit zu integrieren sowie risikobehaftete Patienten mit Hilfe von KI-Algorithmen darzustellen.
Schlussfolgerung
Zusammenfassend bietet TBase eine praxiserprobte und umfassende elektronische Patientenakte für KTR, die für forschungsorientierte Transplantationszentren optimiert ist. Es kann aufgrund seiner Modularität und Plattformunabhängigkeit leicht auf andere Transplantationszentren übertragen werden. Sein Design ermöglicht die Integration von Daten aus der Heimüberwachung und KI-gesteuerten Datenanalysen. Die TBase-Nutzergruppe wird ihre Weiterentwicklung vorantreiben mit dem Ziel, die Transplantationsforschung zu fördern.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die korrespondierenden Autoren haben nichts zu deklarieren.
Acknowledgments
Die Entwicklung der vorgestellten EHR wurde in den letzten 20 Jahren durch interne Forschungsförderung und öffentliche Förderung durch verschiedene Institutionen und Stiftungen unterstützt.
Materials
| Name | Company | Catalog Number | Comments |
| 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
- 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. , Vienna Austria. (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, Suppl 1 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). , Osaka, Japan. (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.
- 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.
- 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).
