Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

TBase - गुर्दे प्रत्यारोपण प्राप्तकर्ताओं के लिए एक एकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और अनुसंधान डेटाबेस

Published: April 13, 2021 doi: 10.3791/61971
Automatic Translation
1, 2, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 2, 1, 1, 2
1Division IT, Charité - Universitätsmedizin Berlin, 2Department of Nephrology and Medical Intensive Care, Charité - Universitätsmedizin Berlin

Summary

TBase गुर्दे प्रत्यारोपण प्राप्तकर्ताओं के लिए एक अभिनव अनुसंधान डेटाबेस के साथ एक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड को जोड़ती है। TBase एक इन-मेमोरी डेटाबेस प्लेटफ़ॉर्म पर बनाया गया है, जो विभिन्न अस्पताल प्रणालियों से जुड़ा हुआ है, और नियमित आउट पेशेंट देखभाल के लिए उपयोग किया जाता है। यह स्वचालित रूप से एक अद्वितीय शोध डेटाबेस बनाने वाले प्रत्यारोपण-विशिष्ट डेटा सहित सभी प्रासंगिक नैदानिक डेटा को एकीकृत करता है।

Abstract

TBase गुर्दे के प्रत्यारोपण प्राप्तकर्ताओं (KTR) के लिए एक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) है जो नियमित उपचार के दौरान मैन्युअल डेटा प्रविष्टि के साथ मानकीकृत इंटरफेस के माध्यम से प्रमुख नैदानिक डेटा (जैसे, प्रयोगशाला मूल्यों, चिकित्सा रिपोर्ट, रेडियोलॉजी और पैथोलॉजी डेटा) के स्वचालित डेटा प्रविष्टि का संयोजन करता है (उदाहरण के लिए, नैदानिक नोट्स, दवा सूची और प्रत्यारोपण डेटा)। इस तरह से, केटीआर के लिए एक व्यापक डेटाबेस नियमित नैदानिक देखभाल और अनुसंधान के लिए लाभ के साथ बनाया गया है। यह उच्चतम डेटा गुणवत्ता के साथ अनुसंधान प्रश्नों के लिए आसान रोजमर्रा के नैदानिक उपयोग और त्वरित पहुंच दोनों को सक्षम बनाता है। यह नैदानिक दिनचर्या में डेटा सत्यापन की अवधारणा द्वारा प्राप्त किया जाता है जिसमें नैदानिक उपयोगकर्ताओं और रोगियों को उपचार और दवा योजनाओं के लिए सही डेटा पर भरोसा करना पड़ता है और इस तरह उनके दैनिक अभ्यास में नैदानिक डेटा को मान्य और सही करना पड़ता है। इस EHR प्रत्यारोपण आउट पेशेंट देखभाल की जरूरतों के लिए तैयार किया गया है और Charité - Universitätsmedizin बर्लिन में 20 से अधिक वर्षों के लिए अपनी नैदानिक उपयोगिता साबित कर दिया। यह अच्छी तरह से संरचित, व्यापक दीर्घकालिक डेटा के साथ कुशल नियमित कार्य की सुविधा प्रदान करता है और नैदानिक अनुसंधान के लिए उनके आसान उपयोग की अनुमति देता है। इस बिंदु पर, इसकी कार्यक्षमता में विभिन्न अस्पताल सूचना प्रणालियों से मानकीकृत इंटरफेस के माध्यम से नियमित डेटा के स्वचालित संचरण, प्रत्यारोपण-विशिष्ट डेटा की उपलब्धता, दवा-दवा इंटरैक्शन के लिए एक एकीकृत जांच के साथ एक दवा सूची, और दूसरों के बीच चिकित्सा रिपोर्टों की अर्ध-स्वचालित पीढ़ी शामिल है। नवीनतम reengineering के प्रमुख तत्वएक मजबूत गोपनीयता-दर-डिजाइन अवधारणा, मॉड्यूलरता, और इसलिए अन्य नैदानिक संदर्भों में पोर्टेबिलिटी के साथ-साथ HTML5 (हाइपरटेक्स्ट मार्कअप लैंग्वेज) आधारित उत्तरदायी वेब डिज़ाइन द्वारा सक्षम प्रयोज्य और प्लेटफ़ॉर्म स्वतंत्रता हैं। यह अन्य रोग क्षेत्रों और अन्य विश्वविद्यालय अस्पतालों में तेजी से और आसान स्केलेबिलिटी की अनुमति देता है। व्यापक दीर्घकालिक डेटासेट मशीन लर्निंग एल्गोरिदम की जांच के लिए आधार हैं, और मॉड्यूलर संरचना इन्हें नैदानिक देखभाल में तेजी से लागू करने की अनुमति देती है। रोगी रिपोर्ट किए गए डेटा और टेलीमेडिसिन सेवाओं को रोगियों की भविष्य की जरूरतों को पूरा करने के लिए TBase में एकीकृत किया जाता है। इन उपन्यास सुविधाओं का उद्देश्य नैदानिक देखभाल में सुधार के साथ-साथ नए शोध विकल्प और चिकित्सीय हस्तक्षेप बनाना है।

Introduction

एक एकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और अनुसंधान डेटाबेस के लिए प्रेरणा
नैदानिक अनुसंधान उच्च गुणवत्ता वाले डेटा की उपलब्धता पर आधारित है, भले ही शास्त्रीय सांख्यिकीय विधियों या मशीन लर्निंग (एमएल) तकनीकों का उपयोग विश्लेषण 1,2 के लिए किया जाता है या नहीं। नियमित डेटा (जैसे, जनसांख्यिकीय, प्रयोगशाला और दवा डेटा) के अलावा, डोमेन-विशिष्ट डेटा (उदाहरण के लिए, प्रत्यारोपण-प्रासंगिक डेटा) को उच्च ग्रैन्युलैरिटी 3,4 के साथ आवश्यक है। हालांकि, कई विश्वविद्यालय के अस्पतालों में नियमित देखभाल अस्पताल सूचना प्रणाली (एचआईएस) के साथ की जाती है जो न तो अनुसंधान-विशिष्ट डेटा के व्यवस्थित संग्रह की अनुमति देती है और न ही नियमित डेटा 5,6,7 के आसान डेटा निष्कर्षण के लिए। नतीजतन, नैदानिक शोधकर्ता विशिष्ट शोध डेटाबेस बनाते हैं, जिनमें डेटाबेस स्थापित करने की जटिल प्रक्रिया, मैनुअल डेटा प्रविष्टि, डेटा सुरक्षा के मुद्दे और दीर्घकालिक रखरखाव (तालिका 1) सहित विभिन्न प्रकार की समस्याएं होती हैं। सीमित मात्रा में डेटा, लापता डेटा, और विसंगतियां सामान्य रूप से नैदानिक अनुसंधान के लिए एक बड़ी समस्या हैं और एमएल प्रौद्योगिकियों के उपयोग में बाधा डालती हैं8,9,10,11,12,13। ये स्टैंडअलोन शोध डेटाबेस आमतौर पर कुछ रोग या रोगी पहलुओं पर केंद्रित होते हैं, जो अन्य डेटाबेस से जुड़े नहीं होते हैं, और अक्सर एक निश्चित अवधि के बाद बंद हो जाते हैं, जिसके परिणामस्वरूप दुर्गम "डेटा साइलो" होता है। आखिरकार, विभिन्न रोग पहलुओं पर उच्च गुणवत्ता वाले, दीर्घकालिक डेटा विरल हैं। डिजिटल चिकित्सा के युग में एक व्यापक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) 7,14,15 की बढ़ती आवश्यकता है, जो डोमेन-विशिष्ट डेटा के आसान प्रलेखन और इनपेशेंट और आउट पेशेंट देखभाल की प्रणालियों से नियमित डेटा के स्वचालित संग्रह को सक्षम बनाता है।

ये सामान्य विचार प्रत्यारोपण दवा के साथ-साथ 16 पर भी लागू होते हैं। इसलिए, रोगी के चिकित्सा इतिहास का एक पूरा प्रलेखन जिसमें सभी रोगी और आउट पेशेंट उपचार, नैदानिक नियमित डेटा के साथ-साथ प्रत्यारोपण-विशिष्ट डेटा भी शामिल हैं, सफल अनुवर्ती देखभाल के लिए आवश्यक है17,18। चूंकि साधारण एचआईएस स्थिर हैं और इनपेशेंट उपचार पर केंद्रित हैं, इसलिए वे प्रत्यारोपण-विशिष्ट डेटा को एकीकृत नहीं कर सकते हैं, जैसे कि दाता डेटा, ठंडे इस्केमिया समय, और मानव ल्यूकोसाइट एंटीजन (एचएलए) डेटा। हालांकि, ये डेटा प्रत्यारोपण अनुसंधान 19,20,21,22 के साथ-साथ दीर्घकालिक नैदानिक देखभाल के लिए एक बुनियादी शर्त हैं। जबकि प्रारंभिक अस्पताल में रहना आमतौर पर केवल 1-2 सप्ताह होता है और गुर्दे के प्रत्यारोपण के बाद प्रक्रियाओं के साथ-साथ शुरुआती परिणाम कई प्रत्यारोपण केंद्रों के बीच तुलनीय होते हैं, आजीवन पोस्ट-ट्रांसप्लांट देखभाल जटिल होती है और इसमें एक सामान्य संरचित दृष्टिकोण का अभाव होता है। यह एक एकीकृत ईएचआर और अनुसंधान डेटाबेस को आजीवन पोस्ट-ट्रांसप्लांट रोगी यात्रा पर कब्जा करने के लिए प्रेरित करता है। 23

केटीआर की नियमित देखभाल और अनुसंधान के लिए इन कार्यक्षमताओं को एकीकृत करने के लिए, "टीबेस" नामक एक ईएचआर को इस विचार के साथ विकसित किया गया था कि पोस्ट-ट्रांसप्लांट देखभाल के लिए नियमित उपयोग उच्चतम डेटा गुणवत्ता (तालिका 2) के साथ एक अद्वितीय शोध डेटाबेस बनाएगा।

डिजाइन और वास्तुकला
TBase एक विशिष्ट क्लाइंट-सर्वर आर्किटेक्चर पर आधारित है। विकास के लिए, SAP High Performance Analytic Appliance विस्तारित अनुप्रयोग उन्नत (SAP HANA XSA) के घटकों और उपकरणों का उपयोग किया गया था। नवीनतम हाइपरटेक्स्ट मार्कअप लैंग्वेज 5 (HTML5) वेब-प्रौद्योगिकियों के आधार पर EHR को Google Chrome इंजन के लिए विकसित और परीक्षण किया गया है। इस वेब इंजन का उपयोग Chrome और Microsoft Edge Browser द्वारा किया जाता है और स्थानीय स्थापना की आवश्यकता के बिना सबसे अधिक बार उपयोग किए जाने वाले वेब ब्राउज़र24 में EHR का उपयोग करने की अनुमति देता है। लागू प्रौद्योगिकी एक उत्तरदायी वेब डिजाइन को सक्षम बनाता है और वेब-आधारित ईएचआर को सभी उपकरणों (पीसी, टैबलेट, स्मार्टफोन) पर उपयोग करने की अनुमति देता है। अभिनव उच्च प्रदर्शन विकास मंच विभिन्न घटकों (वेब आईडीई, UI5 और HANA DB) से बना है और हमें तेजी से राज्य के अत्याधुनिक सॉफ्टवेयर उपकरणों (चित्रा 1) के साथ EHR परियोजना TBase को लागू करने में सक्षम बनाया है।

रोगी डेटा के प्रतिनिधित्व के लिए, ईएचआर के एक सहज और आत्म-व्याख्यात्मक डिजाइन के लिए एक सरल तालिका संरचना लागू की गई थी। उदाहरण के लिए, प्राथमिक कुंजी के रूप में PatientID के साथ रोगी तालिका तालिका संरचना के केंद्र में है। लगभग सभी तालिकाएं (अलग-अलग उप-तालिकाओं को छोड़कर) PatientID (चित्रा 2) के माध्यम से इस केंद्रीय तालिका से जुड़ी हुई हैं।

चित्रा 3 TBase की तालिका संरचना और अधिक विस्तार से उपयोग किए गए डेटा प्रकारों का हिस्सा दिखाता है। अंतिम उपयोगकर्ता ग्राफ़िकल यूजर इंटरफ़ेस (GUI) के माध्यम से डेटा फ़ील्ड तक पहुँच सकता है, जिसके लिए चित्र 4 में एक उदाहरण दिखाया गया है।

इस ईएचआर में सभी वर्तमान रोगी डेटा शामिल हैं और इसका उपयोग नियमित आउट पेशेंट देखभाल के लिए किया जाता है। महत्वपूर्ण नियमित नैदानिक डेटा (उदाहरण के लिए, प्रयोगशाला डेटा, चिकित्सा परिणाम, रेडियोलॉजी, माइक्रोबायोलॉजी, वायरोलॉजी और पैथोलॉजी डेटा, अस्पताल डेटा, आदि) को सीधे मानकीकृत इंटरफेस के माध्यम से टीबेस में आयात किया जाता है (उदाहरण के लिए, स्वास्थ्य स्तर सात (एचएल 7) के आधार पर - स्वास्थ्य सेवा क्षेत्र 25 में डिजिटल संचार के लिए एक मानक)। प्रत्यारोपण-विशिष्ट डेटा जैसे ठंडे ischemia समय, दाता डेटा, एचएलए डेटा के साथ-साथ अनुवर्ती नोट्स, महत्वपूर्ण संकेत, चिकित्सा रिपोर्ट और दवा सूची उपयोगकर्ताओं द्वारा ईएचआर में जीयूआई के माध्यम से दर्ज की जाती है। डेटा को डेटाबेस में स्थानांतरित करने से पहले, गलत डेटा प्रविष्टि का तुरंत सही करने का विकल्प प्रदान करने के लिए एक स्वचालित plausibility जांच की जाती है। इसके अलावा, डेटा सत्यापन नैदानिक दिनचर्या के दौरान भाग लेता है जिसमें नैदानिक उपयोगकर्ता नियमित रूप से रोगियों और चिकित्सकों को रिपोर्ट और पत्र लिखते हैं। इन पत्रों को आगे के उपचार और दवा योजनाओं के लिए सही डेटा (उदाहरण के लिए, दवा, प्रयोगशाला मूल्यों और नैदानिक टिप्पणियों पर) प्रदान करना चाहिए। नतीजतन, चिकित्सक और रोगी लगातार अपने दैनिक अभ्यास में नैदानिक डेटा को मान्य और सही करते हैं, एक प्रक्रिया जिसके परिणामस्वरूप उच्च डेटा की गुणवत्ता होती है। यदि डेटा एप्लिकेशन प्रोग्रामिंग इंटरफेस (एपीआई) या अन्य इंटरफेस के माध्यम से दर्ज किया जाता है, तो दृश्यपटल में plausibility जांच के समान बैकएंड में plausibility जांच की जाती है।

दृश्यपटल (GUI)
दृश्यपटल को कार्यान्वित करने के लिए, UI5 Framework का उपयोग किया जाता है। यह रूपरेखा दृश्यपटल तत्वों के साथ-साथ डेटा विज़ुअलाइज़ेशन के लिए बहुभाषावाद और ग्राफिकल लाइब्रेरीजैसी विभिन्न प्रकार की अतिरिक्त सुविधाओं के लिए एक व्यापक पुस्तकालय प्रदान करती है। वर्तमान में, TBase दृश्यपटल तत्व ब्राउज़र की भाषा सेटिंग के आधार पर या तो अंग्रेजी या जर्मन में प्रदर्शित होते हैं।

एक मास्टर-डिटेल इंटरफ़ेस का उपयोग दृश्यपटल के लिए एक सरल, सहज ज्ञान युक्त पृष्ठ संरचना सुनिश्चित करने के लिए किया जाता है। देखने वाले पृष्ठ के ऊपरी भाग में विवरण पृष्ठों (मूल डेटा, चिकित्सा डेटा, प्रत्यारोपण डेटा, आदि) के लिए अलग-अलग टैब होते हैं। यह मुख्य भाग अपरिवर्तित रहता है, भले ही नीचे दिए गए विवरण पृष्ठ को दिखाया गया हो (चित्र4)। प्रत्येक पृष्ठ का विवरण दृश्य पृष्ठ विषय पर एक आसान अवलोकन सक्षम बनाता है.

डेटा हेरफेर के लिए, EHR में उपयोगकर्ता अधिकारों के विभिन्न स्तर ("पढ़ें", "लिखें", "हटाएँ", और "व्यवस्थापक") हैं। "दृश्य" स्तर के अलावा एक "संपादन" स्तर है, जिसे केवल "पढ़ने" की तुलना में उच्च अधिकारों वाले उपयोगकर्ताओं द्वारा सक्रिय किया जा सकता है। यदि उपयोगकर्ता को लिखने का अधिकार है, तो डेटा प्रविष्टि के लिए सभी इनपुट फ़ील्ड सक्रिय हो जाते हैं और डेटा से भरे जा सकते हैं। "हटाएँ" अधिकार वाले उपयोगकर्ता एक संबंधित बटन के माध्यम से डेटा हटा सकते हैं, लेकिन केवल पॉप-अप विंडो के माध्यम से पुष्टि के बाद।

डेटाबेस संरचना और इंटरफेस
TBase का विकास विकास डेटाबेस में किया जाता है। गुणवत्ता आश्वासन डेटाबेस में सभी सॉफ़्टवेयर परिवर्तनों जैसे कि नई कार्यक्षमताओं का व्यापक और विस्तृत परीक्षण किया जाता है। गुणवत्ता नियंत्रण जाँच पास करने वाले सॉफ़्टवेयर अद्यतन लाइव सिस्टम में स्थानांतरित किए जाते हैं. अनुसंधान उद्देश्यों के लिए लाइव सिस्टम को प्रतिकृति डेटाबेस में कॉपी किया जाता है, जिसे मानक ओपन डेटाबेस कनेक्टिविटी (ODBC) इंटरफेस (उदाहरण के लिए, ओपन-सोर्स सॉफ़्टवेयर आर स्टूडियो के माध्यम से) के माध्यम से पूछताछ की जा सकती है। चूंकि प्रतिकृति और लाइव सिस्टम के बीच कोई सीधा संबंध नहीं है, इसलिए लाइव सिस्टम में डेटा को भ्रष्टाचार, हानि या डेटा के हेरफेर से संरक्षित किया जाता है। यह मॉड्यूलर संरचना और चार डेटाबेस (विकास, गुणवत्ता आश्वासन, लाइव सिस्टम और प्रतिकृति डेटाबेस) का स्पष्ट अलगाव, जो डेवलपर्स, शोधकर्ताओं और चिकित्सकों की विशिष्ट जरूरतों के अनुरूप हैं, संवेदनशील रोगी डेटा के रखरखाव और डेटा संरक्षण की सुविधा प्रदान करते हैं।

EHR पूरी तरह से Charité के डेटा इन्फ्रास्ट्रक्चर में एकीकृत है और विभिन्न डेटा स्रोतों से डेटा आयात के लिए विभिन्न इंटरफेस पर निर्भर करता है। एचआईएस के लिए इंटरफ़ेस प्रशासनिक डेटा, परीक्षाओं, दवाओं, प्रयोगशाला निष्कर्षों और निर्वहन पत्रों जैसे सभी प्रासंगिक डेटा आयात करता है। यह इंटरफ़ेस स्टेजिंग क्षेत्र के माध्यम से दोनों प्रणालियों को जोड़ता है। यहां, सभी नए डेटा (डेटा डेल्टा) को वास्तविक समय में HIS से TBase में स्थानांतरित कर दिया जाता है। रोगियों को एक रोगी संख्या या केस नंबर के माध्यम से पहचाना जाता है और एचआईएस से संबंधित डेटा आयात किया जाता है (यदि पहले से ही टीबेस में उपलब्ध नहीं है)।

बाह्य रोगियों के लिए, हमारे प्रयोगशाला साथी HL7 संदेशों के माध्यम से प्रयोगशाला परिणाम प्रदान करता है। इन्हें प्रयोगशाला प्रणाली में एक साझा क्षेत्र में तैनात किया जाता है और एक एचएल 7 इंटरफ़ेस के माध्यम से उठाया जाता है और ईएचआर में आयात किया जाता है। केटीआर (स्मार्टफोन ऐप्स के माध्यम से) और होम नेफ्रोलॉजिस्ट के साथ द्वि-दिशात्मक संचार और डेटा एक्सचेंज के लिए, एक एचएल 7 फास्ट हेल्थकेयर इंटरऑपरेबिलिटी रिसोर्स (एचएल 7 एफएचआईआर) इंटरफ़ेस को लागू किया गया था। यह इंटरफ़ेस भविष्य में अन्य डेटा स्रोतों (जैसे, Eurotransplant, रोगी ऐप्स) के साथ एक सुरक्षित डेटा एक्सचेंज के लिए इंटरऑपरेबिलिटी और लचीलापन प्रदान करता है।

उपयोगकर्ता प्रबंधन और डेटा सुरक्षा
TBase अनुप्रयोग स्तर पर उपयोगकर्ता प्रबंधन पर आधारित है। इस प्रकार, उपयोगकर्ता केवल एप्लिकेशन के दृश्यपटल तक पहुंच सकता है, लेकिन डेटाबेस ही नहीं। जैसा कि ऊपर वर्णित है, एक चार-चरण प्राधिकरण अवधारणा को चुना गया था, जो प्रशासनिक अधिकारों वाले लोगों के लिए उपयोगकर्ता प्रबंधन को आरक्षित करता है। व्यवस्थापक TBase अनुप्रयोग के लिए Charité उपयोगकर्ता पूल से नए उपयोगकर्ताओं को जोड़ने के लिए और उनके उपयोगकर्ता अधिकारों (चित्र5) को बनाए रखने के लिए एक "पहचान प्रबंधन कंसोल" अनुप्रयोग का उपयोग करें। अधिकांश उपयोगकर्ता डेटाबेस में सभी रोगियों तक पहुंच सकते हैं। हालांकि, रोगियों के एक समूह के लिए अध्ययन मॉनिटर जैसे विशिष्ट उपयोगकर्ताओं के लिए पहुंच को प्रतिबंधित करना संभव है।

वाणिज्यिक इन-मेमोरी डेटाबेस प्लेटफ़ॉर्म का उपयोग करके एक सुरक्षित डेटाबेस तकनीक जो एप्लिकेशन-लेवल प्राधिकरण, एकल साइन-ऑन (एसएसओ), एमआईटी-केर्बेरोस प्रोटोकॉल और सुरक्षा अभिकथन मार्क-अप लैंग्वेज (एसएएमएल) जैसी रणनीतियों के साथ डेटा की रक्षा करती है, का उपयोग किया जाता है। प्लेटफ़ॉर्म नवीनतम एन्क्रिप्शन और परीक्षण तकनीकों का उपयोग करके संचार, डेटा भंडारण और अनुप्रयोग सेवाओं को सुरक्षित करता है। डेटाबेस पर सभी विकास प्राधिकरणों द्वारा नियंत्रित किए जाते हैं। यह एक उच्च स्तर पर डिजाइन द्वारा डेटा की सुरक्षा सुनिश्चित करता है। इसके अलावा, सभी डेटा प्रमाणित Charité फ़ायरवॉल के पीछे रखा जाता है। नवीनतम यूरोपीय संघ जनरल डेटा प्रोटेक्शन रेगुलेशन (ईयू जीडीपीआर) के अनुपालन में एक मजबूत डेटा संरक्षण अवधारणा लागू की गई थी, जिसमें डेटा प्रवाह आरेख, डेटा सुरक्षा जोखिम मूल्यांकन (डीएसएफए) और प्राधिकरण अवधारणा शामिल थी। सभी दस्तावेज़ Charité डेटा सुरक्षा कार्यालय की एक प्रक्रिया निर्देशिका में निर्धारित किए जाते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

प्रोटोकॉल इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड TBase के उपयोग को प्रदर्शित करता है, डेटाबेस में डेटा कैसे जोड़ें, और अनुसंधान उद्देश्यों के लिए उन्हें कैसे निकालें। सभी कदम Charité की मानव अनुसंधान नैतिकता समिति के दिशानिर्देशों के अनुसार हैं - Universitätsmedizin बर्लिन।

1. एक नया रोगी पंजीकृत करें और TBase में बुनियादी रोगी डेटा जोड़ें

  1. पंजीकरण पर, रोगी के मूल डेटा (नाम, जन्म तिथि और स्वास्थ्य बीमा डेटा) को रोगी के स्वास्थ्य बीमा कार्ड से अस्पताल की सूचना प्रणाली में स्थानांतरित करें। इस प्रक्रिया के दौरान, एक नया अद्वितीय केस नंबर बनाया जाता है। यदि रोगी Charité में इलाज कभी नहीं किया गया है - Universitätsmedizin बर्लिन, एक नया अद्वितीय रोगी संख्या के रूप में अच्छी तरह से बनाया गया है, कि स्पष्ट रूप से अस्पताल प्रणाली में इस विशेष रोगी की पहचान करता है.
  2. इस पंजीकरण प्रक्रिया के दौरान, Charité द्वारा TBase डेटा प्रसंस्करण के लिए रोगी से लिखित सूचित सहमति प्राप्त करें - Universitätsmedizin बर्लिन और Charité के आउट पेशेंट क्लिनिक (Ambulantes Gesundheitszentrum der Charité) यूरोपीय संघ के GDPR के अनुसार।
  3. उपयुक्त अनुमति के साथ एक कर्मचारी TBase करने के लिए इस नए रोगी को जोड़ने है। सबसे पहले, जीयूआई के माध्यम से टीबेस में साइन इन करें। इसके लिए, Charité इंट्रानेट में Chrome-Engine आधारित वेब ब्राउज़र में "https://nephro.tbase.charite.de" दर्ज करें. अगला, TBase व्यवस्थापक द्वारा असाइन किया गया उपयोगकर्ता नाम और पासवर्ड दर्ज करें. लॉग ऑन करें क्लिक करें.
  4. इसके बाद, बाईं ओर रोगी अवलोकन फ्रेम के नीचे नया रोगी जोड़ें बटन पर क्लिक करें। उसके बाद, एक इनपुट स्क्रीन प्रकट होता है।
  5. रोगी का नाम, जन्म तिथि, Charité अस्पताल रोगी संख्या दर्ज करें (ऊपर देखें, या वैकल्पिक रूप से एक Charité अस्पताल केस नंबर), और रोगी डेटा प्रसंस्करण सहमति के बारे में जानकारी (यदि यह प्रदान की जाती है, तो रोगी द्वारा प्रदान नहीं की जाती है या रद्द नहीं की जाती है)। डेटा प्रविष्टि पूरी होने पर नीचे दाईं ओर सहेजें बटन पर क्लिक करें।
    नोट: अब, एक नया रोगी TBase करने के लिए जोड़ा गया है और स्वचालित रूप से सभी उपलब्ध रोगी डेटा अब TBase EHR प्रणाली में HIS से स्थानांतरित कर रहे हैं।

2. देखने और अनुभागों में TBase में एक रोगी रिकॉर्ड के लिए डेटा जोड़ने: मास्टर डेटा, चिकित्सा डेटा, डॉक्टरों, निदान, प्रक्रियाओं, प्रत्यारोपण डेटा, अस्पताल

  1. चरण 1.3 में वर्णित के रूप में EHR में लॉग इन करें।
  2. नाम या जन्म तिथि के माध्यम से शीर्ष बाईं ओर खोज क्षेत्र के माध्यम से वांछित रोगी के लिए खोज। खोज फ़ील्ड के दाईं ओर खोज बटन पर क्लिक करें या Enter दबाएं। बाईं ओर रोगी अवलोकन फ्रेम में परिणामों से, सही रोगी चुनें और नाम पर क्लिक करें। एक नई स्क्रीन दिखाई देती है, जो चयनित रोगी के मास्टर डेटा को दिखाती है।
  3. एक रोगी के लिए खोज करने के बाद, रोगी का मास्टर डेटा देखने वाला पृष्ठ डिफ़ॉल्ट रूप से प्रकट होता है। किसी अन्य पृष्ठ से वहां नेविगेट करने के लिए, ऊपर बाईं ओर मास्टर डेटा टैब पर क्लिक करें।
    1. मास्टर डेटा बदलने के लिए, नीचे दाईं ओर परिवर्तित करें बटन पर क्लिक करें। एक नई इनपुट स्क्रीन प्रकट होती है।
    2. अब, डेटा बदलें जैसे रोगी का फ़ोन नंबर, पता, निर्दिष्ट इनपुट फ़ील्ड में नई जानकारी लिखकर पहचान कोड जोड़ें या सही करें. डेटा प्रविष्टि पूरी होने के बाद, नीचे दाईं ओर सहेजें बटन पर क्लिक करके परिवर्तन सबमिट करें. मास्टर डेटा देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, परिवर्तनों को देखा और सत्यापित किया जा सकता है।
  4. मेडिकल डेटा देखने और बदलने के लिए, ऊपर बाईं ओर मेडिकल डेटा टैब पर क्लिक करें। मेडिकल डेटा अवलोकन प्रकट होता है और मौजूदा चिकित्सा डेटा दिखाता है। वे निम्नानुसार संरचित हैं: रोगी की ऊंचाई, रक्त प्रकार, पहली डायलिसिस तिथि, प्राथमिक रोग, एचएलए, आनुवंशिकी डेटा, डायलिसिस डेटा, मौजूदा एचएलए-एंटीबॉडी पर डेटा, आधान डेटा, जोखिम कारक, एलर्जी, संरचित एनामेनेसिस डेटा, मृत्यु।
    1. कुछ मेडिकल डेटा बदलने के लिए, नीचे दाईं ओर परिवर्तित करें बटन पर क्लिक करें। एक नई इनपुट स्क्रीन प्रकट होती है।
    2. उदाहरण के लिए, डेटा प्रविष्टि प्रपत्र का विस्तार या संक्षिप्त करने के लिए प्राथमिक रोग पर क्लिक करके रोगी के चिकित्सा डेटा में एक प्राथमिक रोग जोड़ें। दाईं ओर, प्राथमिक रोग इनपुट क्षेत्र का उपयोग पहले से मौजूद सुझावों में से एक बीमारी का चयन करने के लिए किया जा सकता है (उदाहरण के लिए, यूरोट्रांसप्लांट प्राथमिक रोग तालिका से) या एक नई बीमारी में प्रवेश करने के लिए। इसके अतिरिक्त, निदान की तारीख के बारे में जानकारी, बीमारी की निश्चितता (बायोप्सी-सिद्ध या नहीं) और एक टिप्पणी दर्ज की जा सकती है। डेटा प्रविष्टि के बाद, सबमिट मान बटन पर क्लिक करके सबमिट करें .
    3. सभी परिवर्तन दर्ज किए जाने और सबमिट किए जाने के बाद, नीचे दाईं ओर सहेजें बटन पर क्लिक करके परिवर्तनों को सहेजें। मेडिकल डेटा देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, सभी परिवर्तन देखे जा सकते हैं और क्या उन्हें सही ढंग से सहेजा गया है।
  5. इलाज करने वाले चिकित्सकों के बारे में जानकारी देखने के लिए, डॉक्टर टैब पर क्लिक करें। डॉक्टरों को देखने का पृष्ठ खुलता है और चिकित्सकों के इलाज के बारे में मौजूदा डेटा दिखाता है। वे निम्नानुसार संरचित हैं: चिकित्सक का नाम और पता, विशेषज्ञता, प्रकार (सलाहकार, सामान्य व्यवसायी, निवासी), काम करने की सुविधा (डायलिसिस वार्ड, आउट पेशेंट क्लिनिक, आदि), फोन नंबर।
    1. एक नया चिकित्सक जोड़ने के लिए, नीचे दाईं ओर नए बटन पर क्लिक करें। एक नई इनपुट स्क्रीन खुलती है। वैकल्पिक रूप से, मौजूदा चिकित्सकों के बारे में जानकारी को पहले चिकित्सक के नाम पर क्लिक करके संशोधित किया जा सकता है, और बाद में नीचे दाईं ओर परिवर्तन बटन पर क्लिक करके।
    2. उदाहरण के लिए, रोगी के ईएचआर में एक नया चिकित्सक जोड़ा जा सकता है। खोज क्षेत्र में एक नाम दर्ज करके और विभिन्न सुझावों से सही प्रविष्टि पर क्लिक करके पहले से जोड़े गए चिकित्सकों की सूची खोजें। वैकल्पिक रूप से, यदि वांछित चिकित्सक सूची में नहीं है, तो पहले नए चिकित्सक जोड़ें का चयन करने के बाद नीचे दिए गए इनपुट फ़ील्ड में डेटा दर्ज करें।
    3. सभी परिवर्तन दर्ज किए जाने के बाद, नीचे दाईं ओर सहेजें बटन पर क्लिक करके परिवर्तनों को सहेजें. डॉक्टर देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, सभी परिवर्तन दिखाई देते हैं और उपयोगकर्ता सत्यापित कर सकता है कि परिवर्तन सही ढंग से लागू किए गए हैं।
  6. निदान देखने और बदलने के लिए, ऊपर बाईं ओर निदान टैब पर क्लिक करें।
    नोट: अधिकांश निदान, प्रक्रियाओं और जांच स्वचालित रूप से INPATIENT उपचार डेटा के बारे में HIS से पूर्वनिर्धारित इंटरफेस के माध्यम से आयात किए जाते हैं।
    1. नीचे दाईं ओर नया बटन क्लिक करके आउट पेशेंट क्लिनिक में किए गए निदान दर्ज करें।
    2. बीमारियों के अंतर्राष्ट्रीय वर्गीकरण 10: संशोधन (आईसीडी -10) के आधार पर एक नया निदान दर्ज किया जा सकता है। ICD-10 कोड या निदान नाम स्क्रीन के केंद्र में खोज फ़ील्ड में दर्ज करें और उस पर क्लिक करके एक सुझाव सूची से सही एक का चयन करें। अगला, यदि लागू हो तो प्रारंभ और अंत की तारीख को परिभाषित करें और संदर्भ, जहां निदान (इनपेशेंट या आउट पेशेंट) इन डेटा को नामित इनपुट फ़ील्ड में टाइप करके किया गया था।
    3. नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा सबमिट करें. निदान देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, परिवर्तन दिखाई देते हैं और उपयोगकर्ता देख सकता है, कि क्या डेटा प्रविष्टि सही थी।
  7. कार्यविधियों को देखने और बदलने के लिए, शीर्ष पर कार्यविधियाँ टैब पर क्लिक करें.
    1. नीचे दाईं ओर नया बटन क्लिक करके आउट पेशेंट क्लिनिक में की गई अतिरिक्त प्रक्रियाएं दर्ज करें।
    2. एक नई प्रक्रिया दर्ज की जा सकती है, ओपीएस-कोड (चिकित्सा में प्रक्रियाओं के अंतर्राष्ट्रीय वर्गीकरण का जर्मन संस्करण (आईसीपीएम) कोड) के आधार पर। स्क्रीन के केंद्र में खोज फ़ील्ड में OPS-कोड या प्रक्रिया का नाम दर्ज करें और उस पर क्लिक करके किसी सुझाव सूची से सही का चयन करें। इसके बाद, स्थानीयकरण (बाएं, दाएं, कोई नहीं) और संदर्भ को परिभाषित करें, जहां इन डेटा को निर्दिष्ट इनपुट फ़ील्ड में टाइप करके प्रक्रिया (इनपेशेंट या आउट पेशेंट) की गई थी।
    3. नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा सबमिट करें. कार्यविधियाँ देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, सत्यापित करें कि परिवर्तन ठीक से लागू किए गए हैं.
  8. जांच पर डेटा देखने और बदलने के लिए, शीर्ष पर जांच टैब पर क्लिक करें।
    नोट:: चूंकि HIS में अधिकांश रिपोर्ट पाठ-फ़ाइलों के रूप में प्रदान की जाती हैं, इसलिए EHR में अधिकांश संबंधित परिणाम पाठ-आधारित भी होते हैं। इसके विपरीत, गुर्दे प्रत्यारोपण बायोप्सी से रोग संबंधी रिपोर्टों को Banff Classification 201727,28 के अनुसार वर्गीकृत किया जाता है और परिणामस्वरूप असतत वर्गीकरण डेटा को EHR में एक संबंधित तालिका में सहेजा जाता है।
    1. एक विशिष्ट जांच के निष्कर्षों को देखने के लिए नीचे दी गई सूची में दाईं ओर क्लिक करें या सुझाव सूची से इसे चुनने के लिए ऊपर दिए गए खोज फ़ील्ड का उपयोग करें।
    2. नीचे दाईं ओर नया बटन क्लिक करके आउट पेशेंट क्लिनिक में की गई अतिरिक्त जांच दर्ज करें।
    3. टाइपिंग दिनांक, प्रकार (अल्ट्रासाउंड, होल्टर-निगरानी, आदि) द्वारा एक नई जांच दर्ज करें, जिसमें अंग और निर्दिष्ट इनपुट फ़ील्ड में निष्कर्ष शामिल हैं।
    4. नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा सबमिट करें. जांच देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, परिवर्तनों को उपयोगकर्ता द्वारा देखा और सत्यापित किया जा सकता है।
  9. अस्पताल में भर्ती होने पर डेटा देखने और बदलने के लिए, शीर्ष पर अस्पताल टैब पर क्लिक करें।
    नोट: नियमित रूप से, केटीआर जो Charité में प्रत्यारोपित किया गया है, बाद की जटिलताओं के लिए प्रत्यारोपण केंद्र में अस्पताल में भर्ती कराया जाता है। जेनरेट किए गए डेटा को सबसे पहले HIS में संग्रहीत किया जाता है और प्रासंगिक डेटा (उदाहरण के लिए, प्रवेश या निर्वहन के बारे में डेटा, मेडिकल रिपोर्ट) को HIS इंटरफ़ेस के माध्यम से EHR में आयात किया जाता है। बाहरी अस्पताल में भर्ती को मैन्युअल रूप से ईएचआर में दर्ज किया जाना चाहिए।
    1. अस्पताल में भर्ती होने पर डेटा निम्नानुसार संरचित है: प्रवेश, छुट्टी, उपलब्ध होने पर चिकित्सा रिपोर्ट, अस्पताल, वार्ड और अस्पताल में भर्ती होने का कारण। मेडिकल रिपोर्ट पढ़ने के लिए, सूची में दाईं ओर क्लिक करें या सुझाव सूची से इसे चुनने के लिए ऊपर दिए गए खोज फ़ील्ड का उपयोग करें।
    2. नीचे दाईं ओर नया बटन क्लिक करके एक अतिरिक्त अस्पताल में भर्ती (जैसे, बाहरी अस्पताल में भर्ती) दर्ज करें।
    3. निर्दिष्ट इनपुट फ़ील्ड में उपर्युक्त डेटा टाइप करके एक नया अस्पताल में भर्ती दर्ज करें.
    4. नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा सबमिट करें. अस्पताल देखने वाले पृष्ठ पर पुनर्निर्देशित होने के बाद, जहां परिवर्तन दिखाई देते हैं और सत्यापित किए जा सकते हैं।
  10. प्रत्यारोपण डेटा देखने और बदलने के लिए, ऊपर दाईं ओर ट्रांसप्लांटेशन टैब पर क्लिक करें। प्रतिरोपण देखने वाला पृष्ठ प्रकट होता है और मौजूदा प्रतिरोपण डेटा दिखाता है. शीर्ष पर, संबंधित बटन पर क्लिक करके विभिन्न प्रत्यारोपणों के बीच नेविगेट करें, यदि एक से अधिक प्रत्यारोपण किए गए हैं।
    1. दाता के बारे में जानकारी देखने या बदलने के लिए, संबंधित प्रत्यारोपण दिनांक के नीचे देखें दाता बटन पर क्लिक करें. दाता के बारे में जानकारी दर्ज करने या बदलने के लिए, नीचे दाईं ओर परिवर्तित करें बटन पर क्लिक करें और निर्दिष्ट इनपुट फ़ील्ड में डेटा दर्ज करें और उसके बाद दाईं ओर नीचे सहेजें बटन पर क्लिक करके परिवर्तनों को सहेजें।
    2. रोगी के EHR में एक नया प्रत्यारोपण जोड़ने के लिए, प्रत्यारोपण देखने वाले पृष्ठ पर नीचे दाईं ओर नए बटन पर क्लिक करें। इनपुट फ़ील्ड के अनुसार प्रत्यारोपण विशिष्ट डेटा दर्ज करें (जिसमें अंग प्रकार, प्रत्यारोपण की तारीख, इस्किमिया समय, दूसरों के बीच प्रक्रियात्मक जटिलताओं के बारे में जानकारी शामिल है)। नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा को EHR में सहेजें. उपयोगकर्ता को तब यह देखने के लिए प्रतिरोपण देखने वाले पृष्ठ पर पुनर्निर्देशित किया जाता है कि क्या परिवर्तन ठीक से सहेजे गए हैं।
    3. किसी मौजूदा प्रतिरोपण के बारे में जानकारी परिवर्तित करने के लिए, प्रत्यारोपण देखने वाले पृष्ठ पर नीचे दाईं ओर परिवर्तित करें बटन पर क्लिक करें, और एक नई इनपुट स्क्रीन दिखाई देती है जहाँ चयनित प्रतिरोपण के लिए मौजूदा डेटा दिखाया गया है. इनपुट फ़ील्ड के अनुसार इन प्रत्यारोपण विशिष्ट डेटा को बदलें (जिसमें अंग प्रकार, प्रत्यारोपण की तारीख, इस्किमिया समय, दूसरों के बीच प्रक्रियात्मक जटिलताओं के बारे में जानकारी शामिल है)। नीचे दाईं ओर सहेजें बटन पर क्लिक करके EHR में नए प्रविष्टि डेटा को सहेजें. प्रतिरोपण देखने वाले पृष्ठ पर पुनर्निर्देशित किए जाने के बाद, परिवर्तन देखें और जाँचें कि क्या परिवर्तन सही ढंग से दर्ज किए गए हैं.

3. देखने और प्रयोगशाला डेटा का चयन

  1. TBase में लॉग इन करें और 1.3 और 2.2 में वर्णित वांछित रोगी का चयन करें।
  2. प्रयोगशाला डेटा देखने के लिए, शीर्ष पर प्रयोगशाला टैब पर क्लिक करें, और नवीनतम प्रयोगशाला परिणामों का एक सारणीबद्ध अवलोकन प्रकट होता है। शीर्ष पर, अंतिम जांच के सभी डेटा पिछले प्रयोगशाला डेटा और इसके बगल में एक खोज क्षेत्र की खोज के लिए एक ड्रॉप-डाउन मेनू के साथ दिखाई देते हैं, जहां कोई विशिष्ट प्रयोगशाला मूल्यों (जैसे, क्रिएटिनिन) की खोज कर सकता है।
    नोट: प्रयोगशाला मान निम्नानुसार प्रदर्शित किए जाते हैं: नमूना रसीद की तारीख, प्रसंस्करण की तारीख, प्रयोगशाला मूल्य का नाम, मूल्य, इकाई, संदर्भ सीमा, एक टिप्पणी (एच ... उच्च, एल ... कम, एन ... सामान्य), और तुलना के लिए पिछले दो ऐतिहासिक प्रयोगशाला मूल्यों।
  3. एक ऐतिहासिक प्रयोगशाला जांच के दृश्य के लिए एक तिथि बदलने के लिए, ऊपर बाईं ओर ड्रॉप-डाउन मेनू पर क्लिक करें और उस पर क्लिक करके वांछित तिथि का चयन करें। इस दिनांक से सभी संबंधित प्रयोगशाला मान तब ऊपर वर्णित के रूप में प्रदर्शित किया जाता है।
  4. क्रिएटिनिन जैसे किसी विशिष्ट प्रयोगशाला मान का चयन करने और समय के साथ इसके पाठ्यक्रम की जांच करने के लिए, शीर्ष पर खोज फ़ील्ड में इसका नाम लिखें और सुझाव सूची में से दाईं ओर का चयन करें। श्रम दिखाएँ बटन पर क्लिक करने के बाद, इस रोगी के चयनित मान के लिए प्रत्येक परिणाम नीचे दिए गए चार्ट में दिखाया गया है।
    1. वैकल्पिक रूप से, बस एक ही जांच की प्रारंभिक सारणीबद्ध प्रस्तुति में वांछित मूल्य पर क्लिक करें। यह फिर से इस विशिष्ट प्रयोगशाला मान के लिए सभी पिछले और वर्तमान परिणाम दिखाता है।
  5. किसी प्रयोगशाला मान के पाठ्यक्रम को प्लॉट करने के लिए, वांछित मान के बगल में प्लॉट प्रतीक पर क्लिक करें। यह स्वचालित रूप से इस मान के लिए सभी मौजूदा परिणामों का प्लॉट बनाता है। यदि आवश्यक हो, तो शीर्ष दाईं ओर इनपुट फ़ील्ड में एक प्रारंभ और अंत दिनांक का चयन करके प्लॉट के लिए समय सीमा निर्दिष्ट करें और निर्दिष्ट इनपुट फ़ील्ड में इसका चयन करके प्लॉट में दूसरा मान जोड़ें। नीचे दाईं ओर वापस बटन पर क्लिक करके प्रयोगशाला देखने वाले पृष्ठ पर वापस जाएं।

4. देखने और दवा डेटा बदलने: जर्मन नियमों के अनुसार एक मानकीकृत दवा सूची बनाने ("Bundeseinheitlicher Medikationsplan")

  1. TBase में लॉग इन करें और 1.3 और 2.2 में वर्णित वांछित रोगी का चयन करें।
  2. दवा डेटा देखने के लिए, शीर्ष पर दवा टैब पर क्लिक करें। रोगी की वर्तमान दवा के बारे में एक सारणीबद्ध अवलोकन प्रकट होता है। दवा डेटा को निम्नानुसार दिखाया गया है: शुरुआती तारीख, सक्रिय पदार्थ, एकल खुराक (उदाहरण के लिए, मिलीग्राम में), ट्रेडिंग नाम, खुराक योजना, दैनिक खुराक, खुराक रूप, अधिसूचना, संकेत, पर्चे के प्रकार (आंतरिक या बाहरी चिकित्सक, या रोगी द्वारा आत्म-उपचार)।
  3. एक नई दवा जोड़ने के लिए, नीचे दाईं ओर नए बटन पर क्लिक करें। पदार्थ का नाम दर्ज करें (या वैकल्पिक रूप से व्यापार नाम), खुराक योजना, और प्रारंभिक दिनांक, जो वर्तमान दिनांक पर स्वचालित रूप से सेट किया गया है, लेकिन यदि प्रारंभिक दिनांक अतीत में था तो बदला जा सकता है। इसके अतिरिक्त, संकेत और एक टिप्पणी निर्दिष्ट इनपुट फ़ील्ड में जोड़ा जा सकता है। नीचे दाईं ओर सहेजें बटन पर क्लिक करके सूची में दवा जोड़ें।
  4. किसी मौजूदा दवा को बदलने के लिए, दवा सूची में उपयुक्त आइटम पर क्लिक करें और बाद में नीचे दाईं ओर बदलें बटन पर क्लिक करें। अब, खुराक के बारे में परिवर्तन, आवेदन पत्र निर्दिष्ट इनपुट फ़ील्ड में टाइप किया जा सकता है और नीचे दाईं ओर सहेजें बटन पर क्लिक करके परिवर्तनों को लागू किया जा सकता है।
  5. एक दवा को बंद करने के लिए, निर्दिष्ट दवा पर क्लिक करें और शीर्ष पर बंद करें बटन पर क्लिक करें।
  6. पिछली दवा की खोज करने के लिए, शीर्ष बाईं ओर खोज क्षेत्र में सक्रिय पदार्थ दर्ज करें और ऐतिहासिक दवा सूची से उस पर क्लिक करके दाएं का चयन करें। सभी पिछली दवाओं के साथ एक चार्ट दिखाई देता है, जिसे संरचित किया जाता है जैसा कि 4.2 में कहा गया है।
  7. जर्मन नियमों के अनुसार रोगी के लिए एक मानकीकृत दवा सूची बनाने के लिए, बटन पर क्लिक करें Bundeseinheitlicher Medikationsplan शीर्ष दाईं ओर। एक पीडीएफ-फ़ाइल बनाई जाती है और प्रिंटआउट के लिए स्वचालित रूप से डाउनलोड की जाती है।

5. देखने और चिकित्सा पाठ्यक्रम के लिए प्रविष्टियों को जोड़ने: एक चिकित्सा रिपोर्ट अर्ध स्वचालित रूप से उत्पन्न

  1. EHR में लॉग इन करें और 1.3 और 2.2 में वर्णित वांछित रोगी का चयन करें।
  2. मेडिकल कोर्स देखने के लिए, शीर्ष पर कोर्स टैब पर क्लिक करें। रोगी की पिछली नियुक्तियों से प्रलेखन के बारे में एक सारणीबद्ध अवलोकन प्रदान किया जाता है। डेटा को निम्नानुसार संरचित किया जाता है: नियुक्ति की तारीख, अगली नियुक्ति की तारीख, रक्तचाप, हृदय गति, तापमान, वजन, बॉडी मास इंडेक्स, मूत्र की मात्रा और रोगी के लिए सार्वजनिक मूल्यांकन में विभाजित तीन पाठ क्षेत्र, Charité में उपयोग के लिए आंतरिक मूल्यांकन, और अन्य चिकित्सकों के लिए चिकित्सा मूल्यांकन।
    नोट: इसके अतिरिक्त, नीचे एक सारांश फ़ील्ड है, जिसका उपयोग रोगी के चिकित्सा इतिहास के बारे में महत्वपूर्ण जानकारी को संक्षेप में प्रस्तुत करने और इसे पहली नजर में दिखाई देने के लिए किया जाता है।
  3. मेडिकल कोर्स में एक नई प्रविष्टि जोड़ने के लिए, नीचे दाईं ओर नई बटन पर क्लिक करें। वांछित इनपुट क्षेत्रों में मूल्यांकन की गई जानकारी दर्ज करें (उदाहरण के लिए, महत्वपूर्ण संकेत, चिकित्सक का इलाज, आंतरिक मूल्यांकन या सार्वजनिक मूल्यांकन)। शीर्ष दाईं ओर निर्दिष्ट इनपुट फ़ील्ड में अगली अपॉइंटमेंट की दिनांक जोड़ें. नीचे दाईं ओर सहेजें बटन पर क्लिक करके डेटा सबमिट करें. उपयोगकर्ताओं को तब पाठ्यक्रम देखने वाले पृष्ठ पर पुनर्निर्देशित किया जाता है।
  4. किसी मौजूदा प्रविष्टि को बदलने के लिए, उपयुक्त प्रविष्टि पर क्लिक करें और नीचे दाईं ओर परिवर्तित करें बटन पर क्लिक करें. अब, निर्दिष्ट इनपुट फ़ील्ड में अतिरिक्त डेटा दर्ज करें या मौजूदा डेटा परिवर्तित करें. सूचना फ़ील्ड में जानकारी लिखकर उसे परिवर्तित या अद्यतन करें, और नीचे दाईं ओर सहेजें बटन पर क्लिक करके परिवर्तन सबमिट करें. उपयोगकर्ताओं को तब पाठ्यक्रम देखने वाले पृष्ठ पर पुनर्निर्देशित किया जाता है।
  5. एक स्वचालित चिकित्सा रिपोर्ट बनाने के लिए, नीचे दाईं ओर मेडिकल रिपोर्ट बटन पर क्लिक करें। एक नई स्क्रीन दिखाई देती है, जिसमें 18 अलग-अलग विकल्प होते हैं (प्रयोगशाला परिणामों से लेकर चिकित्सा रिपोर्ट को पूरा करने तक)।
    1. उदाहरण के लिए, कुछ क्लिक के साथ एक चिकित्सा रिपोर्ट बनाएं: आउट पेशेंट मेडिकल रिपोर्ट पर क्लिक करें। रोगी का नाम, इलाज करने वाला चिकित्सक, प्रयोगशाला मूल्यों की अंतिम तिथि और चिकित्सा पाठ्यक्रम की अंतिम तिथि स्वचालित रूप से भर जाती है, लेकिन यदि आवश्यक हो तो इसे बदला जा सकता है। OK पर क्लिक करके पुष्टिकरण के बाद, एक ठीक से स्वरूपित शब्द (.doc-) दस्तावेज़ फ़ाइल बनाई जाती है और चयनित जानकारी वाले प्रिंटआउट के लिए डाउनलोड की जाती है।

6. लॉग आउट

  1. TBase से सक्रिय रूप से लॉग आउट करने के लिए, नीचे दाईं ओर लॉग आउट बटन क्लिक करें. साथ ही, एक स्वचालित रूप से निष्क्रियता के 60 मिनट के बाद या ब्राउज़र बंद है, तो लॉग आउट है।

7. एकत्रित डेटा का उपयोग करना

  1. एकत्रित डेटा क्वेरी करने के लिए, डेटाबेस संरचना और इंटरफ़ेस अनुभाग में वर्णित प्रतिकृति सर्वर (चित्र1) का उपयोग करें। कोई भी डेटा प्रोसेसिंग प्रोग्राम जो ओपन डेटाबेस कनेक्टिविटी (ODBC), जावा डेटाबेस कनेक्टिविटी (JDBC) के माध्यम से डेटाबेस से कनेक्ट हो सकता है, का उपयोग क्वेरीज़ के लिए किया जा सकता है। एक बार डेटाबेस से कनेक्शन स्थापित हो जाने के बाद, ओपन-सोर्स सॉफ़्टवेयर R Studio का उपयोग करें।
  2. कोई ODBC डेटाबेस कनेक्शन सेट करने के लिए, उदाहरण के लिए, Windows ऑपरेटिंग सिस्टम में, ODBC उपकरण खोलें और नियंत्रण कक्ष और सुरक्षा प्रबंधन के अंतर्गत किसी नए उपयोगकर्ता डेटा स्रोत नाम (DSN) के लिए जोड़ें क्लिक करें. वहाँ, प्रतिकृति डेटाबेस के लिए उपलब्ध कनेक्शन डेटा दर्ज करें। निम्न डेटा दर्ज करें: "ड्राइवर नाम", "ODBC कनेक्शन नाम" (उपयोगकर्ता द्वारा सेट), "होस्टनाम" और SQL प्रमाणीकरण विवरण "उपयोगकर्ता नाम", "पासवर्ड" और "डेटाबेस नाम".
  3. ODBC डेटाबेस कनेक्शन स्थापित होने के बाद ओपन-सोर्स सॉफ़्टवेयर R Studio में एक बहुत ही सरल क्वेरी उत्पन्न करने के लिए (उदाहरण के लिए, वर्ष 2000-2020 में लिंग द्वारा विभाजित प्रत्यारोपण की संख्या) और R स्क्रिप्ट पर क्लिक करें। उदाहरण स्क्रिप्ट कोड (कोड 1) खोलता है जो रिक्त स्क्रिप्ट विंडो में दर्ज किया गया है।
  4. स्क्रिप्ट विंडो के शीर्ष पर स्रोत बटन पर क्लिक करें और स्क्रिप्ट चल रही है और फिर कनेक्टेड डेटाबेस (चित्रा 6) से डेटा के साथ स्क्रिप्ट में परिभाषित बार चार्ट उत्पन्न करता है।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

TBase पहली बार 1999 में Charité Campus Mitte में जारी किया गया था और तब से उपयोग में है। 20 से अधिक वर्षों के लिए TBase-EHR संभावित रूप से सभी KTR से डेटा एकत्र करता है। 2001 में शुरू, Charité में अन्य प्रत्यारोपण कार्यक्रमों ने KTR और प्रतीक्षा-सूचीबद्ध रोगियों की नियमित देखभाल के लिए TBase का उपयोग किया। 2007 के बाद से, यह ईएचआर जीवित दाताओं और नेफ्रोलॉजी विभाग में सभी रोगियों की नियमित देखभाल के लिए उपयोग में है।

TBase सॉफ़्टवेयर को इसकी कार्यक्षमताओं के साथ प्रदान करके, जिसे हाल के वर्षों में आधुनिक सॉफ़्टवेयर आर्किटेक्चर के साथ मॉड्यूलर वेब-आधारित अनुसंधान डेटाबेस में विकसित किया गया है, 7,595 गुर्दे प्रत्यारोपण वाले कुल 6,317 रोगियों को 20 से अधिक वर्षों की अवधि में प्रलेखित किया गया था। कुल मिलाकर केटीआर में 220,877 निदान, 332,299 प्रक्रियाएं, 1,033,941 प्रयोगशाला रिपोर्ट, 24,478,441 प्रयोगशाला मूल्य, 539,922 दवा एपिसोड, 324,339 जांच, 6,489 दाता डेटा और 54,350 डिस्चार्ज पत्र हैं (तालिका 3)।

इसके अलावा, प्रतीक्षा सूची में रोगियों, जीवित दाताओं और क्रोनिक किडनी रोग वाले रोगियों सहित 20,724 रोगियों के डेटा एकत्र किए गए थे। इन रोगियों में कुल 232,783 निदान, 408,857 प्रक्रियाएं, 546,661 प्रयोगशाला रिपोर्ट, 13,399,048 प्रयोगशाला मूल्य, 114,657 दवा एपिसोड, 226,206 जांच और 70,278 निर्वहन पत्र हैं।

सहकर्मी-समीक्षा की गई पत्रिकाओं में मूल शोध के रूप में TBase डेटाबेस से 50 से अधिक वैज्ञानिक प्रकाशन पिछले 10 वर्षों में प्रकाशित किए गए थे1,2,3,4,6,9,10,11,12,13,17,18,19,21, 29,30,31,32,33,34,35
,36। एक पूरी तरह से डेटा सुरक्षा मूल्यांकन किया गया था और डेटा संरक्षण अधिकारी पर निर्धारित किया गया था। TBase आईटी विभाग और नेफ्रोलॉजी विभाग के समर्थन के साथ चार पूर्णकालिक कंप्यूटर वैज्ञानिकों से मिलकर एक विकास टीम द्वारा पर्यवेक्षण किया जाता है।

अस्पताल सूचना प्रणाली के नुकसान (HIS) स्टैंडअलोन अनुसंधान डेटाबेस के नुकसान
प्रासंगिक डेटा पूरी तरह से उपलब्ध नहीं हैं मैनुअल डेटा प्रविष्टि, नियमित नैदानिक डेटा का कोई स्वचालित डेटा स्थानांतरण नहीं
डोमेन-विशिष्ट आवश्यकताओं के लिए कोई या सीमित अनुकूलन नहीं डेटा प्रविष्टि कुंजी चर तक सीमित है, इस प्रकार मशीन सीखने के अनुप्रयोगों को बाधित करती है
या तो inpatient या आउट पेशेंट देखभाल के लिए डिज़ाइन किया गया डेटा सत्यापन कठिन और समय लेने वाला है
अनुसंधान उद्देश्यों के लिए कठिन डेटा निष्कर्षण आमतौर पर नई जरूरतों के लिए बेरोजगार। इस प्रकार, एक नया डेटाबेस बनाया जाता है।
HIS को बदलने से अक्सर पिछले डेटा का नुकसान होता है। एकल उपयोगकर्ता स्टैंडअलोन सिस्टम अक्सर अल्पकालिक डेटा साइलो में परिणाम देते हैं।

तालिका 1: नैदानिक डेटाबेस और स्टैंडअलोन अनुसंधान डेटाबेस की समस्याएं। यह तालिका एक तरफ अस्पताल सूचना प्रणाली (एचआईएस) की समस्याओं और दूसरे हाथ की विभिन्न समस्याओं के साथ विशिष्ट शोध डेटाबेस को सूचीबद्ध करती है।

नैदानिक अभ्यास में लाभ अनुसंधान के लिए लाभ
इंटरफेस के स्वचालित आयात का एहसास नैदानिक अवलोकन अध्ययन के साथ-साथ मामले की रिपोर्ट / मामले की श्रृंखला के लिए आसान डेटा संग्रह
· नैदानिक रिपोर्ट (प्रयोगशाला, पैथोलॉजी, रेडियोलॉजी, विषाणु विज्ञान, माइक्रोबायोलॉजी)
· अस्पताल के डेटा
· ET दाता डेटा (प्रगति पर)
प्रलेखन फ़ील्ड (आंशिक रूप से चयन सूचियों के साथ) कई विषय-विशिष्ट डेटा को शामिल करने और इलाज करने वाले चिकित्सकों द्वारा उनके रखरखाव की अनुमति देते हैं नैदानिक परीक्षणों / अध्ययनों में प्रलेखन के लिए तेजी से डेटा पहुंच
· जनसांख्यिकीय डेटा, व्यक्तिगत डेटा (पता, टेलीफोन नंबर, ई-मेल आदि), बुनियादी चिकित्सा डेटा, निदान, इतिहास, प्रक्रियाएं, प्रयोगशाला डेटा, दवाएं, परीक्षाएं, अस्पताल डेटा, प्रत्यारोपण डेटा, दाता डेटा, अस्वीकृति
एक ही डेटाबेस के निरंतर विकास के माध्यम से व्यक्तिगत रोगियों के लिए अनुवर्ती डेटा के 20 से अधिक वर्षों के रोगी और प्रत्यारोपण उत्तरजीविता का 100% अनुवर्ती, प्रयोगशाला मूल्यों, दवा सूचियों, निदान, प्रक्रियाओं और परीक्षाओं, दाता और प्रत्यारोपण डेटा के लिए पूर्ण और मान्य डेटा सेट उपलब्ध है
आउट पेशेंट क्लिनिक, मेडिकल वार्ड और आपातकालीन कक्ष में सभी प्रासंगिक चिकित्सा डेटा तक आसान पहुंच सहित: विभिन्न पहलुओं के बारे में अन्य शोधकर्ताओं के साथ अनुसंधान परियोजनाओं के लिए सरल डेटा निष्कर्षण (उदाहरण के लिए, Eurotransplant वरिष्ठ कार्यक्रम, नई दवा उपचार, गहन देखभाल रहता है, पश्चात की जटिलताओं के साथ रोगियों)
·  ट्रांसप्लांट डेटा
· परीक्षा परिणाम, प्रयोगशाला मूल्यों, चिकित्सा रिपोर्ट और नोट्स
· दवा सूचियों (वर्तमान और ऐतिहासिक)
· फोन नंबर और अन्य कोर डेटा
अर्ध स्वचालित पीढ़ी की नैदानिक उपयोगकर्ताओं द्वारा नियमित देखभाल में निरंतर डेटा सत्यापन के कारण उच्च डेटा गुणवत्ता
· बाहरी चिकित्सकों के लिए चिकित्सा रिपोर्ट
· रोगियों के लिए दवा सूचियों और प्रयोगशाला मूल्यों
यूरोपीय संघ के GDPR डेटा सुरक्षा आवश्यकताओं के साथ अनुपालन मानक इंटरफेस के माध्यम से विभिन्न सांख्यिकीय विश्लेषण उपकरणों (जैसे SPSS, R) से कनेक्शन
ग्राफ़िकल ऐतिहासिक डेटा प्रदर्शन (उदा।  समय के साथ कई प्रयोगशाला मूल्यों और बस कुछ ही क्लिक संभव के साथ एक आरेख में उनके सहसंबंध) आधुनिक पाठ खनन तकनीकों का उपयोग करके असंरचित डेटा (नोट्स, पत्र, चिकित्सा रिपोर्ट) से आसान डेटा निष्कर्षण
वार्षिक GFR गिरावट का प्रदर्शन (नियोजित)
परिणाम पैरामीटर, प्रतीक्षा सूची, विशेष रोगी समूहों (नियोजित) के वास्तविक समय प्रदर्शन के लिए डैशबोर्ड की निगरानी
गुणवत्ता आश्वासन की सुविधा कृत्रिम बुद्धिमत्ता विधियों के साथ विश्लेषण भविष्यवाणी मॉडल के विकास को सक्षम करते हैं
· अस्पताल QA मॉड्यूल के लिए प्रासंगिक डेटा के स्वचालित निर्यात (नियोजित)
· गुणवत्ता नियंत्रण या अन्य मूल्यांकन के लिए आसान प्रश्नों
नैदानिक दिनचर्या में नए तरीकों का कार्यान्वयन जैसे कि टेलीमेडिसिन, या जोखिम वाले रोगियों की पहचान करने के लिए पूर्वानुमानित एआई मॉडल टेलीमेडिसिन और मोबाइल गतिविधि ट्रैकर्स से नए डेटा स्रोतों का विश्लेषण

तालिका 2: नैदानिक देखभाल और अनुसंधान में TBase के लाभ। यह तालिका नैदानिक उपयोगों और शोधों के लिए एक एकीकृत ईएचआर और अनुसंधान डेटाबेस के लाभों को सूचीबद्ध करती है।

गुर्दा प्रत्यारोपण के साथ रोगियों N = 6.317
गुर्दा प्रतिरोपण 7,595
निदान 2,20,877
प्रक्रिया 3,32,299
प्रयोगशाला 10,33,941
प्रयोगशाला मान 2,44,78,441
दवाओं 5,39,922
जांच 3,24,339
निर्वहन पत्र 54,350
दाता डेटा 6,489

तालिका 3: रोगी रिकॉर्ड और रोगी डेटा की संख्या। 20 से अधिक वर्षों के लिए TBase संभावित रूप से सभी KTR से डेटा एकत्र करता है। 2001 में शुरू, Charité में अन्य प्रत्यारोपण कार्यक्रमों ने KTR और प्रतीक्षा-सूचीबद्ध रोगियों की नियमित देखभाल के लिए TBase का उपयोग किया।

Figure 1
चित्रा 1 - TBase वास्तुकला. EHR TBase कोर पर लाइव सिस्टम के साथ चार अलग-अलग डेटाबेस पर आधारित है जो एजेंटों के विभिन्न समूहों को समानांतर में काम करने में सक्षम बनाता है। नैदानिक उपयोगकर्ता ग्राफिकल यूजर इंटरफेस (जीयूआई) के माध्यम से डेटा दर्ज करते हैं और उच्च डेटा गुणवत्ता बनाए रखते हैं। अधिकांश जानकारी स्वचालित रूप से अस्पताल सूचना प्रणालियों, प्रयोगशाला भागीदारों और दवा-दवा इंटरैक्शन चेकर्स से इंटरफेस के माध्यम से आयात की जाती है। डेवलपर्स नई कार्यक्षमताओं को लागू कर सकते हैं, जिन्हें लाइव सिस्टम में एकीकृत करने से पहले गुणवत्ता डेटाबेस पर परीक्षण किया जाता है। अनुसंधान उद्देश्यों के लिए लाइव डेटाबेस को नियमित रूप से दोहराया जाता है, ताकि नैदानिक शोधकर्ताओं द्वारा डेटाबेस प्रश्नों को निष्पादित किए जाने पर लाइव सिस्टम के साथ कोई हस्तक्षेप आवश्यक न हो। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्र 2: TBase डेटा तालिकाएँ. रोगी डेटा के प्रतिनिधित्व के लिए, एक सहज और आत्म-व्याख्यात्मक डिजाइन के लिए एक सरल तालिका संरचना लागू की गई थी। उदाहरण के लिए, प्राथमिक कुंजी के रूप में PatientID के साथ रोगी तालिका तालिका संरचना के केंद्र में है। लगभग सभी तालिकाएं (व्यक्तिगत उप-तालिकाओं को छोड़कर) PatientID के माध्यम से इस केंद्रीय तालिका से जुड़ी हुई हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्रा 3: TBase डेटा प्रकार. उदाहरण के लिए कि TBase अंतर्निहित डेटाबेस में विभिन्न कुंजी नैदानिक डेटा का प्रतिनिधित्व कैसे किया जाता है, संबंधित डेटा प्रकारों के साथ तालिकाओं दवा, रोगी और प्रत्यारोपण के कुछ हिस्सों को दिखाया गया है। डेटा फ़ील्ड TBase GUI में दर्शाए जाते हैं। उदाहरण के लिए दवा तालिका दवा मुखौटा में टाइप किया गया है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: TBase स्क्रीनशॉट. शीर्ष पर मास्टर दृश्य विभिन्न विवरण मास्क के लिए रोगी का नाम और विभिन्न टैब प्रदर्शित करता है, यहाँ दवा मुखौटा. बाईं ओर दवा-दवा इंटरैक्शन रंग कोड द्वारा प्रदर्शित किए जाते हैं। प्रत्येक पंक्ति में, प्रारंभ की तारीख, दवा और ट्रेडिंग नाम, खुराक अनुसूची, संभावित नोट्स और पर्चे के लिए संकेत दिखाए जाते हैं। मास्क और नीचे दिए गए अतिरिक्त बटन विभिन्न कार्यक्षमताओं को इंगित करते हैं जैसे कि ऐतिहासिक खोज, दवा की शुरुआत और रोक, साथ ही साथ रोगी के लिए दवा योजना का प्रिंट। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: प्राधिकरण अवधारणा. EHR अनुप्रयोग स्तर पर उपयोगकर्ता प्रबंधन पर आधारित है। इस प्रकार, उपयोगकर्ता केवल एप्लिकेशन के दृश्यपटल तक पहुंच सकते हैं, लेकिन डेटाबेस ही नहीं। प्रशासनिक अधिकारों वाले लोगों के लिए उपयोगकर्ता प्रबंधन को आरक्षित करने के लिए एक चार-चरण प्राधिकरण अवधारणा को चुना गया था। व्यवस्थापक TBase अनुप्रयोग के लिए Charité उपयोगकर्ता पूल से नए उपयोगकर्ताओं को जोड़ने के लिए और उनके उपयोगकर्ता अधिकारों को बनाए रखने के लिए एक "पहचान प्रबंधन कंसोल" अनुप्रयोग का उपयोग करें। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्रा 6: एक बहुत ही सरल डेटाबेस क्वेरी का परिणाम। डेटाबेस को डेटाबेस इंटरफ़ेस (जैसे, ODBC) के माध्यम से कनेक्ट किया जा सकता है। डेटा प्रोसेसिंग सॉफ़्टवेयर (उदाहरण के लिए, ओपन-सोर्स सॉफ़्टवेयर R Studio) को आसानी से डेटाबेस में क्वेरी भेजी जा सकती है और ग्राफिकल परिणाम उत्पन्न किए जा सकते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 7
चित्रा 7: एक पेशेवर आधुनिक इन-मेमोरी डेटाबेस सिस्टम पर TBase. विकास प्रणाली का उपयोग करने से उनकी अद्वितीय डोमेन आवश्यकताओं के साथ अन्य उपयोगकर्ता समूहों के लिए विभिन्न विकास कंटेनरों में TBase अनुप्रयोगों के एक साथ विकास की सुविधा मिलती है। विभिन्न उपयोगकर्ता समूहों के लिए विशिष्ट कंटेनर समानांतर में चलते हैं और TBase मास्टर टेम्पलेट के माध्यम से लाइव सिस्टम में लाए जाते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

TBase एक अनुसंधान डेटाबेस के साथ KTR के विशेष आउट पेशेंट देखभाल के लिए एक वेब-आधारित EHR को जोड़ती है, जिससे गुर्दे की बीमारी वाले रोगियों के लिए एक व्यापक दीर्घकालिक डेटाबेस बनाया जाता है6,11,15,37। संगठनात्मक संरचना के संबंध में, यह एक संस्थागत एजेंट के रूप में एक आधुनिक सॉफ़्टवेयर डिज़ाइन प्रक्रिया को लागू करके और वर्तमान संस्करण को विकसित करने के लिए डेवलपर्स, नैदानिक उपयोगकर्ताओं और शोधकर्ताओं के रूप में 20 से अधिक वर्षों के अनुभव को शामिल करके सक्षम किया गया है। इसके अतिरिक्त, यह लगातार सुधार और नैदानिक उपयोगकर्ताओं की जरूरतों के अनुसार अद्यतन किया जाता है, क्योंकि यह Charité में नेफ्रोलॉजिकल रोगियों के लिए मुख्य आउट पेशेंट प्रलेखन सॉफ्टवेयर है - Universitätsmedizin बर्लिन। नैदानिक उपयोगकर्ता के लिए, यह ईएचआर इनपेशेंट और आउट पेशेंट सिस्टम से सभी प्रासंगिक डेटा का स्वचालित एकीकरण प्रदान करता है और प्रत्यारोपण-विशिष्ट डेटा और दीर्घकालिक रोगी मार्गों के आसान और सहज ज्ञान युक्त प्रलेखन की अनुमति देता है। दवा डेटा के बारे में, एक व्यावसायिक रूप से उपलब्ध डेटाबेस ईएचआर से जुड़ा हुआ है, जो जर्मनी में अनुमोदित प्रत्येक दवा उत्पाद के बारे में जानकारी प्रदान करता है, जिसे हर दो सप्ताह में अपडेट किया जाता है। एक एपीआई के माध्यम से विश्वविद्यालय अस्पताल हीडलबर्ग में क्लिनिकल फार्माकोलॉजी और फार्माकोएपिडेमियोलॉजी विभाग से एक वाणिज्यिक प्रणाली के साथ सहयोग करके दवा-दवा इंटरैक्शन के लिए निर्धारित दवा की जांच की जाती है। TBase में प्रत्येक दवा परिवर्तन के साथ, संबंधित दवा डेटा को एक छद्म नाम के रूप में सिस्टम में भेजा जाता है। सॉफ्टवेयर सक्रिय एजेंटों की संभावित दवा-दवा इंटरैक्शन की पहचान करता है। परिणामों को ईएचआर में वापस भेज दिया जाता है, जहां उन्हें वास्तविक समय में दवा मुखौटा में संग्रहीत और प्रदर्शित किया जाता है। एक रंग कोड संभावित इंटरैक्शन की गंभीरता को चिह्नित करता है और एक पॉप-अप विंडो इंटरैक्शन के प्रकार पर विस्तृत जानकारी प्रदान करती है (चित्रा 4)। रोगी एक अर्ध-स्वचालित चिकित्सा रिपोर्ट के हिस्से के रूप में या स्मार्टफोन 16 पर लाइव अपडेट के माध्यम से एक मानकीकृत दवा सूची के रूप में एक ही दवा डेटा तक पहुंच सकता है।

अपने डेटाबेस आर्किटेक्चर के बारे में, ईएचआर कोर पर लाइव सिस्टम के साथ चार अलग-अलग डेटाबेस पर आधारित है, इसलिए एजेंटों के विभिन्न समूहों को समानांतर में काम करने में सक्षम बनाता है। यह अभ्यास-अनुमोदित है कि विकास, परीक्षण और नैदानिक कार्य एक-दूसरे को बाधित नहीं करते हैं। अनुसंधान उद्देश्यों के लिए लाइव सिस्टम को साप्ताहिक रूप से दोहराया जाता है लेकिन स्वचालित रूप से नहीं, जिसे सुधारना है, विकास के तहत है। सबसे महत्वपूर्ण बात, लाइव सिस्टम डेवलपर्स और शोधकर्ताओं से अलग है जो डिजाइन द्वारा समझदार रोगी डेटा के लिए उच्चतम स्तर की डेटा सुरक्षा प्रदान करते हैं। इसके अलावा, इस तरह से डेटा हेरफेर और भ्रष्टाचार सीमित है और डेटा वैधता को यथासंभव बनाए रखा जाता है।

तकनीकी रूप से, ईएचआर एक आधुनिक इन-मेमोरी डेटाबेस तकनीक पर आधारित है जिसमें विभिन्न घटक शामिल हैं और सुरक्षित संचार और डेटा भंडारण की गारंटी देते हैं। बैकएंड में, रोगी डेटा को दानेदार प्राधिकरण अवधारणा द्वारा संरक्षित किया जाता है। उस उद्देश्य के लिए, विकास मंच को लाइव सिस्टम से अलग किया जाता है और विभिन्न प्राधिकरण स्तरों को तैनात किया जाता है। इसके अतिरिक्त, सभी डेटा प्रमाणित फ़ायरवॉल के पीछे Charité सर्वर पर सहेजे जाते हैं, जिससे डेटा सुरक्षा और बढ़ जाती है।

दृश्यपटल के बारे में, ईएचआर एचटीएमएल 5 तकनीक पर आधारित है, जो उत्तरदायी वेब डिजाइन को सक्षम बनाता है और अस्पताल में किसी भी स्थान पर सभी अंत उपकरणों पर वेब-आधारित ईएचआर का उपयोग करने की अनुमति देता है। विकास वातावरण जावा, जावास्क्रिप्ट, PHP और पायथन जैसी कई मानक प्रोग्रामिंग भाषाओं का समर्थन करता है, इस प्रकार डेवलपर्स की आसान और सफल भर्ती को सक्षम करता है। इसके अलावा, कई पूर्व-डिज़ाइन किए गए विज़ुअलाइज़ेशन विकल्प उपलब्ध हैं, जो प्रोटोकॉल में वर्णित प्रयोगशाला मापदंडों के पाठ्यक्रम के लिए ग्राफिक्स उत्पन्न करते हैं। अगले विकासात्मक चरणों में रोगी डेटा (जैसे, गुर्दे के कार्य, महत्वपूर्ण संकेत) की वास्तविक समय की निगरानी और रोगी और ग्राफ्ट उत्तरजीविता जैसे महत्वपूर्ण परिणामों को एकीकृत किया जाएगा। प्रतीक्षा सूची वाले रोगियों का स्वचालित प्रदर्शन और उनकी वर्तमान स्थिति यूरोट्रांसप्लांट से अंग आवंटन के बारे में प्रक्रिया प्रबंधन में सुधार करेगी। इस उद्देश्य के लिए, बाहरी भागीदारों (चिकित्सकों, डायलिसिस वार्डों, Eurotransplant) के लिए इंटरफेस आवश्यक हैं, जैसा कि आगे चर्चा की गई है।

TBase बनाते समय एक प्राथमिक लक्ष्य सभी आउट पेशेंट और इनपेशेंट रूटीन डेटा को एक डेटाबेस में लाना था। यह एपीआई और स्व-विकसित इंटरफेस द्वारा सक्षम है, जो इस बिंदु पर, विभिन्न प्रकार के प्रयोगशाला परिणामों और इनपेशेंट और आउट पेशेंट उपचार से अन्य जांचों को आयात करते हैं, जबकि यूरोट्रांसप्लांट और अन्य बाहरी भागीदारों के लिए नए इंटरफेस विकास के अधीन हैं। बाह्य रोगियों के लिए प्रयोगशाला डेटा के बारे में, हमारा प्रयोगशाला भागीदार एचएल 7 संदेशों के माध्यम से प्रयोगशाला परिणाम प्रदान करता है। इन्हें प्रयोगशाला प्रणाली में एक साझा क्षेत्र में तैनात किया जाता है और एक एचएल 7 इंटरफ़ेस के माध्यम से उठाया जाता है और टीबेस सिस्टम में आयात किया जाता है। चूंकि यह एक बाहरी प्रदाता है और अस्पताल की सूचना प्रणाली तक पहुंच नहीं है, इसलिए Charité अस्पताल रोगी संख्या या केस नंबर का उपयोग रोगी की पहचान के लिए नहीं किया जा सकता है। अब तक, प्रयोगशाला आदेश संख्याओं के माध्यम से पहचान के लिए एकमात्र अन्य संभावना का उपयोग नहीं किया जा सकता है, क्योंकि इलेक्ट्रॉनिक प्रयोगशाला आदेश एक अलग प्रणाली में उत्पन्न होते हैं और ईएचआर के पास इन तक स्वचालित पहुंच नहीं होती है। इस कारण से, आने वाले डेटा को केवल नाम, पहले नाम और जन्म तिथि से स्वचालित रूप से पहचाना जा सकता है। चूंकि विभिन्न प्रणालियों में वर्तनी भिन्न हो सकती है, इसलिए कभी-कभी ऐसा होता है कि डेटा को स्वचालित रूप से TBase में मिलान नहीं किया जा सकता है। इन टिप्पणियों को एक कतार में कैश किया जाता है जब तक कि वे ईएचआर में सही रोगी को मैन्युअल रूप से उपयोगकर्ता द्वारा असाइन नहीं किए जाते हैं। असाइन किए गए रोगी पहचानकर्ता सिस्टम में संग्रहीत होते हैं और भविष्य में स्वचालित पहचान के लिए उपयोग किए जाएंगे।

नैदानिक डेटाबेस को डिजाइन करते समय एक महत्वपूर्ण चिंता समय के साथ डेटा की गुणवत्ता को बदल रही है। चूंकि प्रभाव विचार किए गए डेटा के प्रकार पर निर्भर करते हैं, इसलिए हम तालिका 3 में उल्लिखित लोगों के आधार पर स्वतंत्र रूप से विभिन्न डेटा प्रकारों के लिए इस पर विचार करते हैं। TBase में अधिकांश डेटा नियमित प्रयोगशाला डेटा हैं। जबकि प्रयोगशाला के तरीके बदल गए हो सकते हैं, पैरामीटर स्वयं पूरे समय समान रहे, जैसे क्रिएटिनिन, यूरिया, इलेक्ट्रोलाइट्स, यकृत एंजाइम एसेस, जमावट पैरामीटर और रक्त की गिनती। पैरामीटर और संबंधित सामान्य श्रेणियां समय के साथ तुलनीय हैं, भले ही उत्तरार्द्ध विभिन्न assays के बीच थोड़ा भिन्न हो। हमारी प्रयोगशाला में, अधिकांश प्रयोगशाला माप एसआई इकाइयों का उपयोग नहीं करते हैं, लेकिन मीट्रिक इकाइयों का उपयोग करते हैं। जबकि बाहरी डेटा को शामिल करते समय रूपांतरण कारकों को लागू करने की आवश्यकता होती है, यह पिछले 20 वर्षों में आंतरिक प्रयोगशाला डेटा की तुलनात्मकता सुनिश्चित करता है। दूसरा सबसे बड़ा समूह दवा डेटा है। इस तथ्य के बावजूद कि मानक immunosuppressive शासन बदल गए हैं, दवा के बारे में डेटा की गुणवत्ता समय के साथ नहीं बदली। प्रक्रियाओं को ओपीएस-कोड के रूप में एन्कोड किया जाता है, जो चिकित्सा में प्रक्रियाओं के अंतर्राष्ट्रीय वर्गीकरण (आईसीपीएम) के जर्मन अनुकूलन हैं और सार्वभौमिक रूप से स्वीकार किए जाते हैं और समय के साथ निरंतर डेटा गुणवत्ता सुनिश्चित करते हैं। निदान डेटा के लिए भी यही सच है, जो आईसीडी -10 के अनुसार एन्कोडेड हैं जो 2000 के बाद से जर्मनी में आउट पेशेंट दवा के लिए अनिवार्य है। डेटा का एक और बड़ा समूह चिकित्सा जांच के बारे में हैं। गुर्दा प्रतिरोपण में, विशेष रूप से गुर्दे के प्रत्यारोपण बायोप्सी के बारे में डेटा महत्वपूर्ण हैं। किडनी ट्रांसप्लांट बायोप्सी के पैथोलॉजी डेटा के लिए, वर्तमान में Banff 2017 वर्गीकरण का उपयोग किया जाता है, लेकिन पिछले 20 वर्षों में किडनी प्रत्यारोपण बायोप्सी के लिए वर्गीकरण कई बार बदल गया है। इसलिए हमने Banff 2017 के अनुसार Charité Berlin में किए गए सभी किडनी ट्रांसप्लांट बायोप्सी को फिर से वर्गीकृत करने का फैसला किया ताकि अनुसंधान उद्देश्यों के लिए डेटा की गुणवत्ता में उल्लेखनीय वृद्धि हो सके27,28। इमेजिंग रिपोर्ट या कोलोनोस्कोपी या ब्रोन्कोस्कोपी जैसी परीक्षाओं से अन्य चिकित्सा डेटा को स्ट्रिंग्स के रूप में दर्ज किया जाता है। नवीनतम चिकित्सा मानकों के अनुसार उन आंकड़ों का पुनर्गठन करने और इसे अनुसंधान उद्देश्यों के लिए उपलब्ध कराने के लिए, हम वर्तमान में इस तरह के डेटा को पूर्वव्यापी रूप से वर्गीकृत करने पर काम करते हैं। यही बात मेडिकल रिकॉर्ड पर भी लागू होती है। उनके स्वरूपण और संरचना विभिन्न विभागों के बीच और समय के साथ भिन्न होती है, इसलिए हमने वर्तमान में उन्हें स्ट्रिंग्स के रूप में रिकॉर्ड करने का फैसला किया। यह हमें क्लिनिक में और अनुसंधान उद्देश्यों के लिए शामिल जानकारी का उपयोग करने में सक्षम बनाता है। डेटा का अंतिम समूह, रोगी डेटा जैसे कि उम्र, लिंग, चिकित्सकों का इलाज कर रहे हैं, लेकिन एलर्जी, अवधि और डायलिसिस के रूप में सामान्य चिकित्सा डेटा भी हैं। पिछले दो दशकों में इनमें उल्लेखनीय बदलाव नहीं आया है। आनुवांशिक बीमारियों का पता लगाने में सबसे बड़ी प्रगति के साथ अंतर्निहित गुर्दे की बीमारियों के बारे में डेटा की गुणवत्ता में वास्तव में वृद्धि हुई है। शायद ही कभी, जो रोगी दूसरे प्रत्यारोपण के लिए पंजीकृत होते हैं, उनका आनुवंशिक रोगों के लिए परीक्षण किया जाता है और उनके निदान को बाद में ठीक किया जाता है, लेकिन अधिकांश रोगियों के लिए इस तरह के सुधार को प्राप्त नहीं किया जा सकता है। इसी प्रकार, प्रतिरोपण आंकड़ों के संबंध में प्रगति की गई है। विशेष रूप से दाता-विशिष्ट एंटी-एचएलए एंटीबॉडी का पता लगाना एचएलए-प्रयोगशालाओं से स्रोत डेटा के साथ अनुसंधान का एक अत्यधिक गतिशील क्षेत्र है जो अपने स्वयं के डेटाबेस को भरता है। इसलिए, यह केवल तभी दर्ज किया जाता है, जब दाता-विशिष्ट एचएलए-एंटीबॉडी मौजूद हों। इसलिए, पता लगाने विधि में परिवर्तन पर विचार नहीं किया जाता है। कुल मिलाकर, अधिकांश डेटा प्रकारों के लिए, हम पहले से ही समय के साथ समरूप डेटा गुणवत्ता सुनिश्चित करते हैं। भविष्य में, हम चिकित्सा रिपोर्ट या परीक्षा रिपोर्ट जैसे पाठ आधारित डेटा से प्रासंगिक जानकारी निकालने के लिए प्राकृतिक भाषा प्रसंस्करण जैसी विधियों को लागू करेंगे।

Outlook - TBase उपयोगकर्ता समूह, आर्टिफिशियल इंटेलिजेंस, और टेलीमेडिसिन
चूंकि टीबेस को मॉड्यूलर तरीके से डिज़ाइन किया गया है, इसलिए अन्य प्रत्यारोपण केंद्रों में और अन्य अस्पतालों में विभिन्न आउट पेशेंट क्लीनिकों में स्केलेबिलिटी संभव है और वर्तमान विकास के तहत (चित्रा 1)। विशेष रूप से अन्य प्रत्यारोपण केंद्रों और Charité के विशेष आउट पेशेंट क्लीनिक अब अपने व्यक्तिगत नैदानिक और अनुसंधान उद्देश्यों के लिए EHR को लागू कर रहे हैं। मूल संरचना को बनाए रखा जाता है और व्यक्तिगत जरूरतों के अनुरूप एक्सटेंशन एंडोक्रिनोलॉजी, रुमेटोलॉजी, न्यूरोलॉजी, कार्डियोलॉजी और गैस्ट्रोएंटरोलॉजी के लिए प्रोग्राम किए जाते हैं। विभिन्न विभागों के लिए एक मुख्य लाभ टीबेस का एकीकरण है जो एक अत्याधुनिक डेटा संरक्षण अवधारणा के साथ चारिटे के आईटी परिदृश्य में है। विभिन्न TBase कंटेनरों मॉड्यूलर संरचना और मौजूदा इंटरफेस (चित्रा 7) के लिए धन्यवाद एक कम समय में लागू किया गया था। हाल ही में, टीबेस पर आधारित कोविड -19 रोगियों के अनुवर्ती और नैदानिक अनुसंधान के लिए एक डेटाबेस भी स्थापित किया गया था।

अन्य विभागों और अस्पतालों के साथ एकीकृत डेटाबेस को साझा करना और विकसित करना एक अधिक टिकाऊ अनुसंधान मंच बनाने में मदद करता है जो अन्य प्रत्यारोपण केंद्रों के लिए खुला है। इस तरह के एक खुले स्रोत विकास प्रक्रिया का लक्ष्य एक TBase उपयोगकर्ता समूह के माध्यम से synergies बनाने के लिए है। यह विभिन्न संस्थानों में अलग-अलग डेटा संरक्षण उपायों की नई समस्याओं को उठाता है, लेकिन अतिरिक्त विशेषज्ञता के साथ अन्य संस्थागत एजेंटों को भी शामिल करके आगे के विकास को बढ़ाने की संभावना प्रदान करता है। उपयोगकर्ता समूह बलों में शामिल हो सकता है और नए मॉड्यूल (उदाहरण के लिए, नैदानिक परीक्षणों के लिए) या इंटरफेस (उदाहरण के लिए, यूरोट्रांसप्लांट, गुणवत्ता आश्वासन, प्रत्यारोपण रजिस्ट्री के लिए) को लागू कर सकता है। TBase के लिए एक और महत्वपूर्ण परिप्रेक्ष्य एक चिकित्सा उपकरण के रूप में प्रमाणन है, जो बेहतर हासिल किया जा सकता है यदि कई भागीदार एक साथ काम करते हैं। TBase User Group का उद्देश्य एक लचीला प्लेटफ़ॉर्म बनाना है जिसे प्रत्येक विभाग अपने दम पर उपयोग कर सकता है, लेकिन जो बड़ी सामान्य नैदानिक अनुसंधान परियोजनाओं के लिए भी उपलब्ध है।

विचार करने योग्य एक और महत्वपूर्ण पहलू यह है कि एल्गोरिदम, विशेष रूप से मशीन लर्निंग प्रौद्योगिकियों को चिकित्सा वर्कफ़्लो में एकीकृत करना सबसे आशाजनक है, जब उच्च गुणवत्ता वाले स्वास्थ्य डेटा 16,38 पर प्रदर्शन किया जाता है। TBase विकास के साथ-साथ विभिन्न प्रकार के कैप्चर किए गए चर, संरचित और असंरचित डेटा की उपलब्धता के साथ-साथ उच्च गुणवत्ता वाले दीर्घकालिक डेटा द्वारा गुर्दे के प्रत्यारोपण में उपन्यास एआई विधियों के कार्यान्वयन के लिए अच्छी तरह से अनुकूल लगता है। भविष्य के एआई-आधारित नैदानिक निर्णय समर्थन प्रणालियों को ईएचआर के ग्राफिकल यूजर इंटरफेस में मूल रूप से एकीकृत किया जा सकता है। इससे पहले कि ऐसी प्रणालियों को तैनात किया जा सके, नैदानिक, तकनीकी, नैतिक और कानूनी चुनौतियों को दूर किया जाना चाहिए। सबसे पहले, इस तरह के एआई-आधारित एल्गोरिदम की नैदानिक उपयोगिता को साबित किया जाना चाहिए। इसलिए, हम वर्तमान में एक अध्ययन करते हैं, जिसमें हम केटीआर में अस्वीकृति, प्रत्यारोपण ग्राफ्ट विफलता या संक्रमण की भविष्यवाणी करने के लिए एआई-आधारित एल्गोरिथ्म की सटीकता का परीक्षण करते हैं। एल्गोरिथ्म को जर्मन रिसर्च इंस्टीट्यूट फॉर आर्टिफिशियल इंटेलिजेंस (DFKI) द्वारा विकसित किया गया था, जो ग्रेडिएंट बूस्टेड रिग्रेशन ट्री का उपयोग करके TBase डेटा पर आधारित था। अध्ययन एआई-मॉडल द्वारा प्रदान की गई जानकारी के साथ और बिना विभिन्न समापन बिंदुओं की भविष्यवाणी करने के लिए अनुभवी चिकित्सकों की क्षमता की तुलना करेगा। अगले चरण में, हम प्राकृतिक भाषा प्रसंस्करण के क्षेत्र से पाठ खनन और विधियों को लागू करेंगे। इसके द्वारा, हम अनुसंधान और चिकित्सक के लिए उपलब्ध मूल्यवान डेटा के इस विशाल शरीर को बनाने के लिए चिकित्सा रिपोर्ट और परीक्षा रिपोर्ट से संरचित डेटा बनाने का लक्ष्य रखते हैं। यह बाद में एआई-आधारित पूर्वानुमान मॉडल की मॉडल सटीकता को बढ़ाएगा, जो वर्तमान में इन असंरचित डेटा को शामिल नहीं कर रहे हैं। उन तकनीकी और चिकित्सा विचारों से परे, नैतिक और कानूनी चुनौतियों का सामना करना होगा। इसलिए, हम उपर्युक्त प्रयोग में मानव-मशीन इंटरैक्शन की भी जांच करते हैं ताकि यह समझा जा सके कि कौन से अवसर हैं, लेकिन चिकित्सकों के परिप्रेक्ष्य से ऐसी प्रणालियों को लागू करते समय क्या जोखिम और नुकसान उत्पन्न होते हैं। इसलिए, हम संरचित साक्षात्कार आयोजित करते हैं और जांच करते हैं कि इस तरह के निर्णय समर्थन प्रणालियों के उपयोग ने चिकित्सा निर्णय लेने के लिए चिकित्सकों के दृष्टिकोण को कैसे बदल दिया।

TBase का एक तीसरा आगे देख मॉड्यूलर विस्तार टेलीमेडिसिन समाधान एकीकृत करने के लिए है। कई टेलीमेडिसिन दृष्टिकोणों के विपरीत, जिन्हें मौजूदा डिजिटल बुनियादी ढांचे में स्थानांतरित नहीं किया जा सकता है, टेलीमेडिसिन परियोजना MACCS1,18,19,21,26,39 से इन EHR में आने वाले सभी रोगी डेटा का पूर्ण एकीकरण सक्षम किया गया था। इस उद्देश्य के लिए, एक टेलीमेडिसिन डैशबोर्ड सीधे टीबेस में बनाया गया था, जो रोगी और होम नेफ्रोलॉजिस्ट के स्मार्टफोन से एचएल 7 एफएचआईआर इंटरफ़ेस के माध्यम से जुड़ा हुआ है। नतीजतन, अस्पताल में टेलीमेडिसिन चिकित्सक के पास होम 20 पर रोगी द्वारा एकत्र किए गए महत्वपूर्ण संकेतों तक पहुंच है। घर नेफ्रोलॉजिस्ट से प्रासंगिक रोगी डेटा (प्रयोगशाला डेटा सहित) का स्वचालित संचरण चिकित्सक के लिए एक अतिरिक्त नैदानिक लाभ प्रदान करता है और अनुसंधान के लिए एक अधिक व्यापक डेटाबेस बनाता है। भविष्य में, नए इंटरफेस को लागू करने के साथ, ईएचआर ऑनलाइन रोगी संचार (जैसे, चैट), आईओटी उपकरणों (जैसे, मोबाइल ईसीजी, देखभाल उपकरणों के बिंदु) से डेटा कैप्चर करने में सक्षम होगा, और वास्तविक समय में सभी आने वाले डेटा को एकीकृत करने के साथ-साथ एआई एल्गोरिदम की मदद से जोखिम वाले रोगियों को प्रदर्शित करने में सक्षम होगा।

समाप्ति
संक्षेप में, TBase अनुसंधान-उन्मुख प्रत्यारोपण केंद्रों के लिए अनुकूलित KTR के लिए एक अभ्यास-अनुमोदित और व्यापक इलेक्ट्रॉनिक रोगी रिकॉर्ड प्रदान करता है। यह आसानी से अपनी modularity और मंच स्वतंत्रता के कारण अन्य प्रत्यारोपण केंद्रों के लिए स्थानांतरित किया जा सकता है। इसका डिजाइन घर की निगरानी और एआई-संचालित डेटा विश्लेषण से डेटा के एकीकरण की अनुमति देता है। TBase उपयोगकर्ता समूह प्रत्यारोपण अनुसंधान को बढ़ावा देने के लक्ष्य के साथ अपने आगे के विकास को चलाएगा।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

संबंधित लेखकों के पास घोषणा करने के लिए कुछ भी नहीं है।

Acknowledgments

प्रस्तुत ईएचआर के विकास को पिछले 20 वर्षों में आंतरिक अनुसंधान वित्त पोषण और विभिन्न संस्थानों और नींव से सार्वजनिक वित्त पोषण द्वारा समर्थित किया गया था।

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

DOWNLOAD MATERIALS LIST

References

  1. Halleck, F., et al. Integrated care of renal transplant patients - Development of an electronic health care service platform. Dialyse aktuell. 20 (06), 285-290 (2016).
  2. Sonntag, D., et al. The Clinical Data Intelligence Project. Informatik-Spektrum. 39 (4), 290-300 (2016).
  3. Kara, E., et al. A Domain-adapted Dependency Parser for German Clinical Text. Proceedings of the 14th Conference on Natural Language Processing. , Vienna Austria. (2018).
  4. Maier, C., et al. Experiences of Transforming a Complex Nephrologic Care and Research Database into i2b2 Using the IDRT Tools. Journal of Healthcare Engineering. 2019, 5640685 (2019).
  5. Jensen, P. B., Jensen, L. J., Brunak, S. Mining electronic health records: towards better research applications and clinical care. Nature Reviews Genetics. 13 (6), 395-405 (2012).
  6. Schmidt, D., et al. A novel tool for the identification of correlations in medical data by faceted search. Computers in Biology and Medicine. 85, 98-105 (2017).
  7. Veit, K., Wessels, M., Deiters, W. Gesundheitsdaten und Digitalisierung - Neue Anforderungen an den Umgang mit Daten im Gesundheitswesen. Digitale Transformation von Dienstleistungen im Gesundheitswesen VI: Impulse für die Forschung. , 19-33 (2019).
  8. Ehrler, F., Geissbuhler, A., Jimeno, A., Ruch, P. Data-poor categorization and passage retrieval for gene ontology annotation in Swiss-Prot. BMC Bioinformatics. 6, Suppl 1 23 (2005).
  9. Esteban, C., Schmidt, D., Krompaß, D., Tresp, V. Predicting Sequences of Clinical Events by Using a Personalized Temporal Latent Embedding Model. 2015 International Conference on Healthcare Informatics. , 130-139 (2015).
  10. Roller, R., et al. Detecting Named Entities and Relations in German Clinical Reports. Language Technologies for the Challenges of the Digital Age. , 146-154 (2018).
  11. Roller, R., et al. A fine-grained corpus annotation schema of German nephrology records. Clinical Natural Language Processing Workshop (ClinicalNLP). , Osaka, Japan. (2016).
  12. Esteban, C., Staeck, O., Baier, S., Yang, Y., Tresp, V. Predicting Clinical Events by Combining Static and Dynamic Information Using Recurrent Neural Networks. IEEE International Conference on Healthcare Informatics (ICHI). , 93-101 (2016).
  13. Schmidt, D., Niemann, M., Trzebiatowski, G. L. v The Handling of Missing Values in Medical Domains with Respect to Pattern Mining Algorithms. Proceedings of the 24th International Workshop on Concurrency, Specification and Programming (CS&P 2015). 1492, 147-154 (2015).
  14. Burchardt, A., Uszkoreit, H. IT für soziale Inklusion: Digitalisierung - Künstliche Intelligenz - Zukunft für alle. De Gruyter. , (2018).
  15. Schroter, G., Lindemann, L. F. TBase2 - A Web-Based Electronic Patient Record. Fundamenta Informaticae. 43 (1-4), 343-353 (2000).
  16. Duettmann, W., et al. eHealth in Transplantation. Transplant International. , (2020).
  17. Durr, M., et al. Late Conversion to Belatacept After Kidney Transplantation: Outcome and Prognostic Factors. Transplantation Proceedings. 49 (8), 1747-1756 (2017).
  18. Halleck, F., et al. MHealth and digital management after kidney transplantation. Nieren- und Hochdruckkrankheiten. 46, 474-480 (2017).
  19. Düttmann-Rehnolt, W., et al. Neuartige Kommunikationswege und Strukturen zur Optimierung der häuslichen Versorgung am Beispiel von nierentransplantierten Patienten. Digitale Transformation von Dienstleistungen im Gesundheitswesen VI: Impulse für die Forschung. , 407-421 (2019).
  20. Hils, S., Bogatyreva, L., Hauschke, D., Pisarski, P. Telemedical Supported Aftercare as an Innovative Project-Study Improves the Quality of Life After Living Kidney Transplantation - A Single Center Experience. American Journal of Transplantation. 14 (3), 843 (2014).
  21. Schmidt, D., et al. Integrierte Versorgung chronisch kranker Patienten am Beispiel von MACSS: Digitalisierung - Künstliche Intelligenz - Zukunft für alle. IT für soziale Inklusion. , 41-50 (2018).
  22. Massie, A. B., Kucirka, L. M., Segev, D. L. Big data in organ transplantation: registries and administrative claims. American Journal of Transplantation. 14 (8), 1723-1730 (2014).
  23. McAdams-DeMarco, M. A., et al. Frailty, Length of Stay, and Mortality in Kidney Transplant Recipients: A National Registry and Prospective Cohort Study. Annals of surgery. 266 (6), 1084-1090 (2017).
  24. The Most Popular Browsers. w3schools.com. , Available from: https://www.w3schools.com/browsers/ (2020).
  25. H.L.S.I. HL7 International. , Available from: https://www.hl7.org/ (2020).
  26. Duettmann, W., et al. Digital home monitoring of patients after kidney transplantation: The MACCS platform. Journal of Visualized Experiments. , (2021).
  27. Haas, M., et al. The Banff 2017 Kidney Meeting Report: Revised diagnostic criteria for chronic active T cell-mediated rejection, antibody-mediated rejection, and prospects for integrative endpoints for next-generation clinical trials. American Journal of Transplantation. 18 (2), 293-307 (2018).
  28. Roufosse, C., et al. A 2018 Reference Guide to the Banff Classification of Renal Allograft Pathology. Transplantation. 102 (11), 1795-1814 (2018).
  29. Duerr, M., et al. Increased incidence of angioedema with ACE inhibitors in combination with mTOR inhibitors in kidney transplant recipients. Clinical Journal of the American Society of Nephrology. 5 (4), 703-708 (2010).
  30. Lachmann, N., et al. Invited letter in response to "Predicted indirectly recognizable HLA epitopes (PIRCHE): Only the tip of the iceberg?". American Journal of Transplantation. 18 (2), 523-524 (2018).
  31. Huber, L., Naik, M., Budde, K. Desensitization of HLA-incompatible kidney recipients. The New England Journal of Medicine. 365 (17), 1644-1645 (2011).
  32. Choi, M., et al. Low Seroprevalence of SARS-CoV-2 Antibodies during Systematic Antibody Screening and Serum Responses in Patients after COVID-19 in a German Transplant Center. Journal of Clinical Medicine. 9 (11), (2020).
  33. Lehner, L. J., et al. Analysis of Risk Factors and Long-Term Outcomes in Kidney Transplant Patients with Identified Lymphoceles. Journal of Clinical Medicine. 9 (9), (2020).
  34. Zhang, Q., et al. The relationship between proteinuria and allograft survival in patients with transplant glomerulopathy: a retrospective single-center cohort study. Transplant International. , (2020).
  35. Bissler, J., et al. Everolimus for angiomyolipoma associated with tuberous sclerosis complex or sporadic lymphangioleiomyomatosis (EXIST-2): A multicentre, randomised, double-blind, placebo-controlled trial. Lancet. 381, (2013).
  36. Budde, K., et al. Everolimus-based, calcineurin-inhibitor-free regimen in recipients of de-novo kidney transplants: an open-label, randomised, controlled trial. Lancet. 377 (9768), 837-847 (2011).
  37. Lindemann, G., Schröter, K., Schlaefer, A., Budde, K., Neumayer, H. H. Web-Based Patient Records - The Design of TBase2. New Aspects of High Technology in Medicine. , (2000).
  38. Big Data Project | BigMedilytics | The largest initiative to transform healthcare sector. BigMedilytics. , Available from: https://www.bigmedilytics.eu/big-data-project/ (2020).
  39. Duettmann, W., et al. Telemedizinische Betreuung von Patienten nach Nierentransplantation: Was beinhaltet MACCS. Nieren- und Hochdruckkrankheiten. 49, (2020).

Tags

चिकित्सा अंक 170 इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड चिकित्सा सूचना विज्ञान अनुप्रयोगों स्वास्थ्य सूचना प्रबंधन उपयोगकर्ता कंप्यूटर इंटरफ़ेस डेटा संग्रह विषय के रूप में डेटाबेस सॉफ्टवेयर डिजाइन गुर्दे प्रत्यारोपण
TBase - गुर्दे प्रत्यारोपण प्राप्तकर्ताओं के लिए एक एकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और अनुसंधान डेटाबेस
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Schmidt, D., Osmanodja, B.,… More

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter