Summary

TBase - en integrert elektronisk helsejournal og forskningsdatabase for nyretransplantasjonsmottakere

Published: April 13, 2021
doi:

Summary

TBase kombinerer en elektronisk helsejournal med en innovativ forskningsdatabase for nyretransplantasjonsmottakere. TBase er bygget på en databaseplattform i minnet, koblet til forskjellige sykehussystemer og brukes til regelmessig poliklinisk behandling. Den integrerer automatisk alle relevante kliniske data, inkludert transplantasjonsspesifikke data som skaper en unik forskningsdatabase.

Abstract

TBase er en elektronisk helsejournal (EHR) for nyretransplantasjonsmottakere (KTR) som kombinerer automatisert dataregistrering av viktige kliniske data (f.eks. laboratorieverdier, medisinske rapporter, radiologi og patologidata) via standardiserte grensesnitt med manuell dataregistrering under rutinemessig behandling (f.eks. kliniske notater, legemiddelliste og transplantasjonsdata). På denne måten opprettes en omfattende database for KTR med fordeler for rutinemessig klinisk behandling og forskning. Det gir både enkel daglig klinisk bruk og rask tilgang til forskningsspørsmål med høyeste datakvalitet. Dette oppnås ved begrepet datavalidering i klinisk rutine der kliniske brukere og pasienter må stole på riktige data for behandling og medisineringsplaner og dermed validere og korrigere kliniske data i sin daglige praksis. Denne EHR er skreddersydd for behovene til transplantasjonspoliklinikk og beviste sin kliniske nytte i mer enn 20 år på Charité – Universitätsmedizin Berlin. Det legger til rette for effektivt rutinearbeid med godt strukturerte, omfattende langsiktige data og gjør det enkelt å bruke dem til klinisk forskning. Til dette punktet dekker funksjonaliteten automatisert overføring av rutinedata via standardiserte grensesnitt fra forskjellige sykehusinformasjonssystemer, tilgjengeligheten av transplantasjonsspesifikke data, en legemiddelliste med en integrert sjekk for legemiddelinteraksjoner og halvautomatisk generering av medisinske rapporter blant andre. Viktige elementer i den nyeste reengineering er et robust personvern-for-design-konsept, modularitet, og dermed bærbarhet i andre kliniske sammenhenger, samt brukervennlighet og plattformuavhengighet aktivert av HTML5 (Hypertext Markup Language) basert responsiv webdesign. Dette gir rask og enkel skalerbarhet inn i andre sykdomsområder og andre universitetssykehus. De omfattende langsiktige datasettene er grunnlaget for undersøkelsen av maskinlæringsalgoritmer, og den modulære strukturen gjør det mulig å raskt implementere disse i klinisk behandling. Pasientrapporterte data og telemedisinske tjenester er integrert i TBase for å møte pasientenes fremtidige behov. Disse nye funksjonene tar sikte på å forbedre klinisk behandling samt å skape nye forskningsalternativer og terapeutiske intervensjoner.

Introduction

Motivasjon for integrert elektronisk helsejournal og forskningsdatabase
Klinisk forskning er basert på tilgjengeligheten av data av høy kvalitet, uavhengig av om klassiske statistiske metoder eller maskinlæringsteknikker (ML) brukes til analyse1,2. I tillegg til rutinedata (f.eks. demografiske data, laboratoriedata og legemiddeldata), kreves domenespesifikke data (f.eks. transplantasjons-relevante data) med høy detaljnivå3,4. Rutinemessig behandling ved mange universitetssykehus utføres imidlertid med sykehusinformasjonssystemer (HIS) som verken åpner for systematisk innsamling av forskningsspesifikke data eller for enkel datautvinning av rutinemessige data5,6,7. Som et resultat oppretter kliniske forskere spesifikke forskningsdatabaser, som har en rekke problemer, inkludert kompleks prosess for å sette opp en database, manuell dataregistrering, databeskyttelsesproblemer og langsiktig vedlikehold (tabell 1). Begrenset mengde data, manglende data og inkonsekvenser er et stort problem for klinisk forskning generelt og hindrer bruken av ML-teknologier8,9,10,11,12,13. Disse frittstående forskningsdatabasene er vanligvis fokusert på visse sykdoms- eller pasientaspekter, ikke koblet til andre databaser, og avvikles ofte etter en viss periode, noe som resulterer i utilgjengelige “datasiloer”. Til syvende og sist er langsiktige data av høy kvalitet om ulike sykdomsaspekter sparsommelige. I en tid med digital medisin er det et økende behov for en omfattende elektronisk helsejournal (EHR)7,14,15, som muliggjør enkel dokumentasjon av domenespesifikke data og automatisert innsamling av rutinedata fra systemene for innleggelse og poliklinisk behandling.

Disse generelle hensynene gjelder også for transplantasjonsmedisin16. Derfor er det nødvendig med en fullstendig dokumentasjon av pasientens medisinske historie, inkludert alle innleggelses- og polikliniske behandlinger, kliniske rutinedata samt transplantasjonsspesifikke data for vellykket oppfølging av omsorg17,18. Siden vanlige HIS er statiske og fokusert på innleggelsesbehandling, kan de ikke integrere transplantasjonsspesifikke data, for eksempel donordata, kalde iskemitider og humane leukocyttantigener (HLA) data. Disse dataene er imidlertid en grunnleggende forutsetning for transplantasjonsforskning19,20,21,22 samt fra langsiktig klinisk behandling. Mens det første sykehusoppholdet vanligvis bare er 1-2 uker og prosesser samt tidlige resultater etter nyretransplantasjon er sammenlignbare mellom mange transplantasjonssentre, er livslang posttransplantasjonspleie komplisert og mangler en felles strukturert tilnærming. Dette motiverer en integrert EHR- og forskningsdatabase for å fange opp den livslange pasientreisen etter transplantasjonen. 23

For å integrere disse funksjonene for rutinemessig pleie og forskning av KTR, ble en EHR kalt “TBase” utviklet med ideen om at rutinemessig bruk for posttransplantasjonspleie vil skape en unik forskningsdatabase med høyeste datakvalitet (tabell 2).

Design og arkitektur
TBase er basert på en vanlig klient/server-arkitektur. For utvikling ble komponentene og verktøyene til SAP High Performance Analytic Appliance utvidet applikasjonen avansert (SAP HANA XSA) brukt. Basert på den nyeste webteknologien Hypertext Markup Language 5 (HTML5) er EHR utviklet og testet for Google Chrome Engine. Denne nettmotoren brukes av Chrome og Microsoft Edge Browser og gjør det mulig å bruke EHR i de mest brukte nettleserne24 uten behov for lokal installasjon. Den anvendte teknologien muliggjør en responsiv webdesign og gjør at den nettbaserte EHR kan brukes på alle enheter (PC, nettbrett, smarttelefon). Den innovative utviklingsplattformen med høy ytelse består av ulike komponenter (Web IDE, UI5 og HANA DB) og har gjort det mulig for oss å raskt implementere EHR-prosjektet TBase med toppmoderne programvareverktøy (figur 1).

For representasjon av pasientdata ble en enkel tabellstruktur implementert for en intuitiv og selvforklarende design av EHR. For eksempel er pasienttabellen med PasientID som primærnøkkel midt i tabellstrukturen. Nesten alle tabeller (unntatt individuelle undertabeller) er koblet til denne sentrale tabellen via PasientID (figur 2).

Figur 3 viser en del av TBases tabellstruktur og datatypene som brukes mer detaljert. Sluttbrukeren kan få tilgang til datafeltene via grafisk brukergrensesnitt (GUI), som et eksempel vises i figur 4.

Denne EHR inneholder alle aktuelle pasientdata og brukes til rutinemessig poliklinisk behandling. Viktige rutinemessige kliniske data (f.eks. laboratoriedata, medisinske resultater, radiologi, mikrobiologi, virologi og patologidata, sykehusdata, etc.) importeres direkte til TBase via standardiserte grensesnitt (f.eks. på grunnlag av Helsenivå Syv (HL7) – en standard for digital kommunikasjon i helsesektoren25). Transplantasjonsspesifikke data som kald iskemitider, donordata, HLA-data samt oppfølgingsnotater, vitale tegn, medisinske rapporter og legemiddellisten legges inn av brukerne via GUI i EHR. Før data overføres til databasen, utføres en automatisk plausibilitetskontroll for rask gjenkjenning av feilaktig dataregistrering, noe som gir muligheten til å korrigere umiddelbart. I tillegg deltar datavalidering under klinisk rutine der kliniske brukere rutinemessig skriver rapporter og brev til pasienter og leger. Disse brevene må gi korrekte data (f.eks. om medisinering, laboratorieverdier og kliniske bemerkninger) for videre behandling og medisineringsplaner. Som en konsekvens av dette validerer og korrigerer leger og pasienter kontinuerlig de kliniske dataene i sin daglige praksis, en prosess som resulterer i høy datakvalitet. Hvis data registreres via API (Application Programming Interfaces) eller andre grensesnitt, utføres plausibility-kontroller i bakendet på samme måte som plausibility-kontrollene i fronten.

Frontend (GUI)
Ui5 Framework brukes til å implementere frontend. Dette rammeverket gir et omfattende bibliotek for frontend-elementer, samt en rekke tilleggsfunksjoner som flerspråklighet og grafiske biblioteker for datavisualisering. For øyeblikket vises TBase-frontend-elementer enten på engelsk eller tysk, avhengig av språkinnstillingen i nettleseren.

Et master-detail grensesnitt brukes til frontend for å sikre en enkel, intuitiv sidestruktur. Den øvre delen av visningssiden består av individuelle faner for detaljsidene (grunnleggende data, medisinske data, transplantasjonsdata, etc.). Denne maldelen forblir uendret uansett hvilken detaljside som vises nedenfor (figur 4). Detaljvisningen av hver side gir en enkel oversikt over sideemnet.

For datamanipulering har EHR forskjellige nivåer av brukerrettigheter (“lese”, “skrive”, “slette” og “administrator”). Det er et “rediger” -nivå i tillegg til “vis” -nivået, som bare kan aktiveres av brukere med høyere rettigheter enn “lese”. Hvis brukeren har rett til å skrive, aktiveres alle inndatafelt for dataregistrering og kan fylles med data. Brukere med “slette” rettigheter kan slette data via en tilsvarende knapp, men bare etter bekreftelse gjennom et popup-vindu.

Databasestruktur og grensesnitt
Utviklingen av TBase utføres i utviklingsdatabasen. Omfattende og detaljert testing av alle programvareendringer som nye funksjoner utføres i kvalitetssikringsdatabasen. Programvareoppdateringer som består kvalitetskontrollkontrollene, overføres til det direkte systemet. For forskningsformål kopieres det direkte systemet til replikeringsdatabasen, som kan spørres via standard ODBC-grensesnitt (Open Database Connectivity) (f.eks. via programvare med åpen kildekode R Studio). Siden det ikke er noen direkte forbindelse mellom replikering og live-system, er dataene i det direkte systemet beskyttet mot korrupsjon, tap eller manipulering av data. Denne modulære strukturen og den klare separasjonen av de fire databasene (utvikling, kvalitetssikring, live system og replikeringsdatabase), som er skreddersydd til de spesifikke behovene til utviklere, forskere og klinikere, letter vedlikehold og databeskyttelse av sensitive pasientdata.

EHR er fullt integrert i Data Infrastructure of Charité og er avhengig av forskjellige grensesnitt for dataimport fra ulike datakilder. Grensesnittet til HIS importerer alle relevante data som administrative data, undersøkelser, medisiner, laboratoriefunn og utslippsbrev. Dette grensesnittet kobler sammen begge systemene via et oppsamlingsområde. Her overføres alle nye data (datadelta) fra HIS til TBase i sanntid. Pasienter identifiseres via et pasientnummer eller saksnummer, og de tilsvarende dataene fra HIS importeres (hvis de ikke allerede er tilgjengelige i TBase).

For polikliniske pasienter gir vår laboratoriepartner laboratorieresultatene via HL7-meldinger. Disse distribueres til et delt område i laboratoriesystemet og hentes via et HL7-grensesnitt og importeres til EHR. For toveis kommunikasjon og datautveksling med KTR (via smarttelefonapper) og hjemmenefrologer ble et HL7 Fast Healthcare Interoperability Resource (HL7 FHIR)-grensesnitt implementert26. Dette grensesnittet gir interoperabilitet og fleksibilitet for sikker datautveksling med andre datakilder (f.eks. Eurotransplant, pasientapper) i fremtiden.

Brukeradministrasjon og databeskyttelse
TBase er basert på brukeradministrasjon på programnivå. Dermed kan brukeren bare få tilgang til frontend av programmet, men ikke selve databasen. Som beskrevet ovenfor ble det valgt et firetrinns autorisasjonskonsept som reserverte brukeradministrasjon for de med administrative rettigheter. Administratorer bruker et “Identity Management Console”-program til å legge til nye brukere fra Charité-brukerutvalget for TBase-programmet og for å opprettholde brukerrettighetene (figur 5). De fleste brukere har tilgang til alle pasientene i databasen. Det er imidlertid mulig å begrense tilgangen for bestemte brukere, for eksempel studiemonitorer, til en gruppe pasienter.

Ved hjelp av den kommersielle databaseplattformen i minnet brukes en sikker databaseteknologi som beskytter data med strategier som godkjenning på programnivå, enkel pålogging (SSO), MIT-Kerberos-protokoll og SECURITY Assertion Mark-up Language (SAML). Plattformen sikrer kommunikasjon, datalagring og applikasjonstjenester ved hjelp av de nyeste krypterings- og testteknikkene. Alle utviklingene i databasen styres av autorisasjoner. Dette sikrer sikkerheten til data ved utforming på et høyt nivå. I tillegg oppbevarer alle data bak den sertifiserte Charité-brannmuren. I samsvar med den nyeste EUs personvernforordning (EU GDPR) ble det implementert et robust databeskyttelseskonsept, inkludert dataflytdiagrammer, risikovurdering av databeskyttelse (DSFA) og autorisasjonskonsept. Alle dokumenter er satt opp i en prosedyrekatalog i Charité Data Protection Office.

Protocol

Protokollen demonstrerer bruken av den elektroniske helsejournalen TBase, hvordan du legger til data i databasen, og hvordan du trekker dem ut til forskningsformål. Alle trinnene er i samsvar med retningslinjene til Den menneskelige forskningsetiske komitéen i Charité – Universitätsmedizin Berlin. 1. Registrer en ny pasient og legg til grunnleggende pasientdata i TBase Ved registrering overføres pasientens grunnleggende data (navn, fødselsdato og helseforsikringsdata) fra pasie…

Representative Results

TBase ble først utgitt i 1999 på Charité Campus Mitte og er i bruk siden den gang. I mer enn 20 år samler TBase-EHR potensielt inn data fra alle KTR. Fra og med 2001 brukte de andre transplantasjonsprogrammene på Charité TBase til rutinemessig behandling av KTR og ventelistede pasienter også. Siden 2007 er denne EHR i bruk for rutinemessig pleie av levende givere og alle pasienter i avdelingen for nefrologi. Ved å gi TBase-programvaren sine funksjoner, som de siste årene har blitt vid…

Discussion

TBase kombinerer en nettbasert EHR for spesialisert poliklinisk behandling av KTR med en forskningsdatabase, og oppretter en omfattende langsiktig database for pasienter med nyresykdom6,11,15,37. Når det gjelder organisasjonsstruktur, aktiveres dette ved å implementere en moderne programvaredesignprosess som institusjonell agent og inkludert over 20 års erfaring som utviklere, kliniske bruke…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Utviklingen av den presenterte EHR ble støttet de siste 20 årene av intern forskningsfinansiering og offentlig finansiering fra ulike institusjoner og stiftelser.

Materials

Developer platform SAP Web IDE SAP SE
GUI Toolbox SAPUI5 SAP SE
In-memory database SAP-HANA SAP SE
Interface Standard HL7 Health Level Seven International
Interface Standard HL7 FHIR Health Level Seven International
RStudio RStudio Inc.
TBase – Electronic Health Record Charité – Universitätsmedizin Berlin
Webserver SAP-HANA XSA SAP SE

References

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

Play Video

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

View Video