JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

TBase将电子健康记录与肾脏移植受者的创新研究数据库相结合。TBase建立在内存数据库平台上,连接到不同的医院系统,并用于常规门诊护理。它自动集成所有相关的临床数据,包括移植特定数据,创建一个独特的研究数据库。

摘要

TBase是用于肾移植受者(KTR)的电子健康记录(EHR),通过标准化接口与常规治疗期间的手动数据输入(例如,临床记录,药物清单和移植数据)相结合,自动输入关键临床数据(例如,实验室值,医疗报告,放射学和病理学数据)。通过这种方式,KTR创建了一个全面的数据库,对常规临床护理和研究有好处。它既可以方便地进行日常临床使用,也可以快速访问具有最高数据质量的研究问题。这是通过临床常规中的数据验证概念实现的,其中临床用户和患者必须依靠正确的数据进行治疗和药物治疗计划,从而在日常实践中验证和纠正临床数据。该EHR是为移植门诊护理的需求量身定制的,并在柏林Charité - Universitätsmedizin证明了其20多年的临床效用。它通过结构良好、全面的长期数据促进高效的日常工作,并允许其轻松用于临床研究。到目前为止,其功能包括通过来自不同医院信息系统的标准化接口自动传输常规数据,移植特定数据的可用性,具有药物间相互作用集成检查的药物列表以及半自动生成医疗报告等。最新重新设计的关键要素是强大的隐私设计概念,模块化,因此可移植到其他临床环境中,以及基于HTML5(超文本标记语言)的响应式网页设计实现的可用性和平台独立性。这允许快速轻松地扩展到其他疾病领域和其他大学医院。全面的长期数据集是机器学习算法研究的基础,模块化结构允许将这些算法快速实施到临床护理中。患者报告的数据和远程医疗服务被集成到TBase中,以满足患者的未来需求。这些新颖的功能旨在改善临床护理,并创造新的研究选择和治疗干预措施。

引言

建立集成电子健康记录和研究数据库的动机
临床研究基于高质量数据的可用性,无论是否使用经典统计方法或机器学习(ML)技术进行分析12。除了常规数据(例如,人口统计学、实验室和药物数据)外,还需要具有高粒度的领域特定数据(例如,移植相关数据)34。然而,许多大学医院的常规护理都是使用医院信息系统(HIS)进行的,该系统既不允许系统地收集研究特定数据,也不允许轻松提取常规数据567。因此,临床研究人员创建了特定的研究数据库,这些数据库存在各种问题,包括建立数据库的复杂过程,手动数据输入,数据保护问题和长期维护(表1)。有限的数据量,缺失的数据和不一致是临床研究的主要问题,并阻碍了ML技术的使用8910111213。这些独立的研究数据库通常专注于某些疾病或患者方面,不与其他数据库连接,并且通常在一段时间后停止使用,导致无法访问的"数据孤岛"。最终,关于各种疾病方面的高质量、长期数据很少。在数字医学时代,对综合电子健康记录(EHR)71415的需求日益增加,这使得可以轻松记录特定领域的数据,并从住院和门诊护理系统自动收集常规数据。

这些一般考虑因素也适用于移植医学16。因此,患者病史的完整记录,包括所有住院和门诊治疗,临床常规数据以及移植特异性数据对于成功的随访护理是必要的1718。由于普通HIS是静态的,并且专注于住院治疗,因此它们无法整合移植特异性数据,例如供体数据,冷缺血时间和人白细胞抗原(HLA)数据。然而,这些数据是移植研究的基本先决条件19202122 以及长期临床护理。虽然最初的住院时间通常只有1-2周,肾移植后的过程和早期结果在许多移植中心之间是可比的,但移植后的终身护理很复杂,缺乏一种通用的结构化方法。这激发了一个集成的EHR和研究数据库,以捕捉移植后患者的终身旅程。22

为了将这些功能整合到KTR的常规护理和研究中,开发了一个名为"TBase"的EHR,其想法是移植后护理的常规使用将创建一个具有最高数据质量的独特研究数据库(表2)。

设计与建筑
TBase 基于典型的客户端-服务器体系结构。在开发过程中,使用了 SAP 高性能分析设备扩展应用程序高级 (SAP HANA XSA) 的组件和工具。基于最新的超文本标记语言5(HTML5)网络技术,EHR已经针对Google Chrome引擎进行了开发和测试。此 Web 引擎由 Chrome 和 Microsoft Edge 浏览器使用,并允许在最常用的 Web 浏览器24 中使用 EHR,而无需本地安装。应用的技术可实现响应式网页设计,并允许在所有设备(PC,平板电脑,智能手机)上使用基于Web的EHR。创新的高性能开发平台由各种组件(Web IDE、UI5 和 HANA DB)组成,使我们能够使用最先进的软件工具快速实现 EHR 项目 TBase(图 1)。

对于患者数据的表示,实现了简单的表结构,以实现EHR的直观且不言自明的设计。例如,以 Patient ID 为主键的患者表位于表结构的中心。几乎所有表(单个子表除外)都通过 PatientID 连接到此中央表(图 2)。

图 3 显示了 TBase 表结构的一部分以及更详细地使用的数据类型。最终用户可以通过图形用户界面 (GUI) 访问数据字段, 图 4 显示了一个示例。

此 EHR 包含所有当前患者数据,用于常规门诊护理。重要的常规临床数据(例如,实验室数据、医疗结果、放射学、微生物学、病毒学和病理学数据、医院数据等)通过标准化接口(例如,基于健康七级(HL7) - 医疗保健领域数字通信标准)直接导入TBase25)。移植特异性数据,如感冒缺血时间,供体数据,HLA数据以及随访记录,生命体征,医疗报告和药物清单由用户通过GUI输入到EHR中。在将数据传输到数据库之前,将执行自动合理性检查,以及时检测错误数据输入,并提供立即更正的选项。此外,数据验证在临床常规期间参与,临床用户定期向患者和医生撰写报告和信件。这些信件必须提供正确的数据(例如,关于药物,实验室价值和临床备注),以便进一步治疗和用药计划。因此,医生和患者在日常实践中不断验证和纠正临床数据,这一过程导致高数据质量。如果通过应用程序编程接口 (API) 或其他接口输入数据,则在后端执行合理性检查,类似于在前端执行合理性检查。

前端 (图形界面)
为了实现前端,使用 UI5 框架。该框架为前端元素提供了一个广泛的库,以及各种附加功能,例如多语言和用于数据可视化的图形库。目前,TBase 前端元素以英语或德语显示,具体取决于浏览器的语言设置。

前端使用大纲-细节界面,以确保简单直观的页面结构。查看页面的上半部分由详细信息页面(基本数据、医疗数据、移植数据等)的各个选项卡组成。无论下面显示哪个详细信息页面,此主部件都保持不变(图 4)。每个页面的详细信息视图都可以轻松概览页面主题。

对于数据操作,EHR 具有不同级别的用户权限("读取"、"写入"、"删除"和"管理员")。除了"查看"级别之外,还有一个"编辑"级别,该级别只能由具有高于"读取"权限的用户激活。如果用户具有写入权限,则用于数据输入的所有输入字段都将被激活,并且可以用数据填充。具有"删除"权限的用户可以通过相应的按钮删除数据,但只有在通过弹出窗口确认后才能删除数据。

数据库结构和接口
TBase 的开发在开发数据库中执行。在质量保证数据库中对所有软件更改(如新功能)进行广泛而详细的测试。通过质量控制检查的软件更新将传输到实时系统。出于研究目的,实时系统被复制到复制数据库中,可以通过标准的开放数据库连接(ODBC)接口(例如,通过开源软件R Studio)进行查询。由于复制和实时系统之间没有直接连接,因此实时系统中的数据可以防止数据损坏、丢失或操纵。这种模块化结构和四个数据库(开发、质量保证、实时系统和复制数据库)的明确分离,这些数据库是根据开发人员、研究人员和临床医生的特定需求量身定制的,有助于敏感患者数据的维护和数据保护。

EHR完全集成到Charité的数据基础设施中,并依靠不同的接口从各种数据源导入数据。HIS的界面导入所有相关数据,例如行政数据,检查,药物,实验室调查结果和出院信。此接口通过暂存区连接两个系统。在这里,所有新数据(数据增量)都实时从HIS传输到TBase。通过患者编号或病例编号识别患者,并导入来自HIS的相应数据(如果TBase中尚不可用)。

对于门诊患者,我们的实验室合作伙伴通过HL7消息提供实验室结果。这些被部署到实验室系统中的共享区域,并通过HL7接口拾取并导入EHR。为了与KTR(通过智能手机应用程序)和家庭肾脏科医生进行双向通信和数据交换,实现了HL7快速医疗保健互操作性资源(HL7 FHIR)接口26。该接口为将来与其他数据源(例如,Eurotransplant,患者应用程序)的安全数据交换提供了互操作性和灵活性。

用户管理和数据保护
TBase 基于应用程序级别的用户管理。因此,用户只能访问应用程序的前端,而不能访问数据库本身。如上所述,选择了四阶段授权概念,为具有管理权限的用户保留用户管理。管理员使用"身份管理控制台"应用程序从 TBase 应用程序的 Charité 用户池添加新用户,并维护其用户权限(图 5)。大多数用户可以访问数据库中的所有患者。但是,可以将特定用户的访问(例如研究监视器)限制为一组患者。

使用商用内存数据库平台,使用安全数据库技术,该技术使用应用程序级授权、单点登录 (SSO)、MIT-Kerberos 协议和安全断言标记语言 (SAML) 等策略来保护数据。该平台使用最新的加密和测试技术保护通信、数据存储和应用程序服务。数据库的所有开发都由授权控制。这确保了高级别设计的数据安全性。此外,所有数据都保存在经过认证的Charité防火墙后面。根据最新的欧盟通用数据保护条例(EU GDPR),实施了强大的数据保护概念,包括数据流图,数据保护风险评估(DSFA)和授权概念。所有文件都列在Charité数据保护办公室的程序目录中。

研究方案

该协议演示了电子健康记录TBase的使用,如何将数据添加到数据库中,以及如何提取它们用于研究目的。所有步骤均符合柏林慈善大学人类研究伦理委员会的指导方针。

1. 注册新患者并将基本患者数据添加到 TBase 中

  1. 注册后,将患者的基本数据(姓名,出生日期和健康保险数据)从患者的健康保险卡传输到医院信息系统。在此过程中,将创建一个新的唯一案例编号。如果患者从未在柏林慈善大学接受过治疗,则还会创建一个新的唯一患者编号,以清楚地识别医院系统中的特定患者。
  2. 在此注册过程中,根据欧盟GDPR,获得患者对柏林慈善大学和夏里特门诊诊所(Ambulantes Gesundheitszentrum der Charité)进行TBase数据处理的书面知情同意。
  3. 让具有适当权限的员工将此新患者添加到 TBase。首先,通过 GUI 登录到 TBase。为此,请在Charité Intranet中基于Chrome引擎的Web浏览器中输入"https://nephro.tbase.charite.de"。接下来,输入 TBase 管理员分配的用户名和密码。单击"登录"。
  4. 接下来,单击左侧 "患者 概述"框底部的"添加新 患者 "按钮。然后,将出现一个输入屏幕。
  5. 输入患者的姓名、出生日期、Charité 医院患者编号(见上文,或者 Charité 医院病例编号)以及有关患者数据处理同意的信息(如果患者已授予、未授予或撤销)。数据输入完成后,单击右下角的" 保存 "按钮。
    注意:现在,一名新患者已被添加到TBase中,并且所有可用的患者数据现在自动从HIS传输到TBase EHR系统中。

2. 在 TBase 中查看数据并将其添加到患者记录中:主数据、医疗数据、医生、诊断、程序、移植数据、医院

  1. 按步骤 1.3 中所述登录到 EHR。
  2. 通过左上角的搜索字段通过姓名或出生日期搜索所需的患者。单击搜索字段右侧的搜索按钮或按 Enter。从左侧 "患者 概述"框架中的结果中,选择正确的患者,然后单击名称。将出现一个新屏幕,显示所选患者的 主数据
  3. 搜索患者后,默认情况下会显示患者的 主数据 查看页面。要从另一个页面导航到该页面,请单击左上角的主 数据 选项卡。
    1. 要更改 主数据,请单击右下角的 更改 按钮。将出现一个新的输入屏幕。
    2. 现在,通过在指定的输入字段中键入新信息来更改患者电话号码,地址,添加或更正识别码等数据。数据输入完成后,通过单击右下角的" 保存 "按钮提交更改。重定向到 主数据 查看页面后,可以查看并验证更改。
  4. 要查看和更改 医疗数据,请单击左上角的" 医疗数据 "选项卡。此时将显示 "医疗数据 "概述,并显示现有的医疗数据。它们的结构如下:患者的身高,血型,首次透析日期,原发性疾病,HLA,遗传学数据,透析数据,现有HLA抗体数据,输血数据,危险因素,过敏,结构化病史数据,死亡。
    1. 要更改某些医疗数据,请单击右下角的" 更改 "按钮。将出现一个新的输入屏幕。
    2. 例如,通过单击"原发性疾病"以展开或折叠数据输入表单,将 原发性疾病 添加到患者的医疗数据中。在右侧, 原发性疾病 输入字段可用于从先前存在的建议中选择一种疾病(例如,从 Eurotransplant 原发性疾病表中)或输入新疾病。此外,还可以输入有关诊断日期,疾病确定性(活检是否经过活检证实)和注释的信息。输入数据后,单击" 提交值"按钮进行提交
    3. 输入并提交所有更改后,单击右下角的" 保存 "按钮保存更改。重定向到 "医疗数据 "查看页面后,可以看到所有更改以及是否已正确保存。
  5. 要查看有关主治医生的信息,请单击" 医生 "选项卡。 医生查看 页面打开,并显示有关治疗医生的现有数据。它们的结构如下:医生的姓名和地址,专业,类型(顾问,全科医生,住院医师),工作设施(透析病房,门诊诊所等),电话号码。
    1. 要添加新的医生,请单击右下角的" "按钮。将打开一个新的输入屏幕。或者,可以通过先单击医生的姓名,然后单击右下角的" 更改 "按钮来修改有关现有医生的信息。
    2. 例如,可以将新医生添加到患者的EHR中。通过在搜索字段中输入姓名并单击不同建议中的正确条目来搜索以前添加的医生列表。或者,如果所需的医生不在列表中,请在选择"添加新 医生 "后,在下面的输入字段中输入数据。
    3. 输入所有更改后,通过单击右下角的"保存"按钮 保存 更改。重定向到 "医生 "查看页面后,所有更改都可见,用户可以验证更改是否已正确应用。
  6. 要查看和更改诊断,请单击左上角的" 诊断 "选项卡。
    注意:大多数诊断、程序和检查都是通过预定义的接口从 HIS 中自动导入的关于住院治疗数据的。
    1. 通过单击右下角的" 新建 "按钮输入门诊诊所的诊断。
    2. 可以根据《国际疾病分类10:修订版》(ICD-10)输入新的诊断。在屏幕中央的搜索字段中输入ICD-10代码或诊断名称,然后单击建议列表中选择正确的代码或诊断名称。接下来,通过将这些数据键入指定的输入字段,定义开始日期和结束日期以及进行诊断(住院或门诊)的上下文。
    3. 通过单击右下角的 "保存" 按钮提交数据。重定向到 "诊断" 查看页后,更改将变为可见,用户可以查看数据输入是否正确。
  7. 要查看和更改过程,请单击顶部的" 过程 "选项卡。
    1. 通过单击右下角的" 新建 "按钮,输入在门诊诊所执行的其他程序。
    2. 可以根据OPS代码(国际医学程序分类(ICPM)代码的德语版本)输入新程序。在屏幕中央的搜索字段中输入 OPS 代码或过程名称,然后单击建议列表中的右侧代码或过程名称。接下来,通过将这些数据键入指定的输入字段,定义本地化(左、右、无)和执行过程(住院或门诊)的上下文。
    3. 通过单击右下角的 "保存" 按钮提交数据。重定向到" 过程 "查看页后,验证是否已正确应用更改。
  8. 要查看和更改有关调查的数据,请单击顶部的" 调查 "选项卡。
    注意:由于HIS中的大多数报告都是以文本文件的形式提供的,因此EHR中的大多数相应结果也是基于文本的。相比之下,肾移植活检的病理报告根据Banff Classification 201727,28进行分类并将得到的离散分类数据保存到EHR中的相应表中。
    1. 要查看特定调查的结果,请单击下面列表中的右侧,或使用上面的搜索字段从建议列表中选择它。
    2. 通过单击右下角的" 新建 "按钮输入在门诊诊所进行的其他检查。
    3. 通过输入日期,类型(超声波,动态心电图监测等),涉及的器官和结果输入指定的输入字段来输入新的调查。
    4. 通过单击右下角的 "保存" 按钮提交数据。重定向到" 调查 "查看页面后,用户可以查看并验证更改。
  9. 要查看和更改有关住院的数据,请单击顶部的" 医院 "选项卡。
    注意:通常,在Charité移植的KTR在移植中心住院治疗后续并发症。生成的数据首先存储在HIS中,相关数据(例如,有关入院或出院的数据,医疗报告)通过HIS接口导入EHR。外部住院治疗必须手动输入EHR。
    1. 住院数据的结构如下:入院,出院,医疗报告(如果有的话),医院,病房和住院原因。要阅读医疗报告,请单击列表中右侧的报告,或使用上面的搜索字段从建议列表中选择它。
    2. 点击右下角 的新建 按钮,输入其他住院治疗(例如,外部住院治疗)。
    3. 通过在指定的输入字段中输入上述数据来输入新的住院治疗。
    4. 通过单击右下角的 "保存" 按钮提交数据。重定向到 医院 查看页面后,更改将变为可见并可以验证。
  10. 要查看和更改移植数据,请单击右上角的" 移植 "选项卡。此时将显示 "移植 "查看页面,并显示现有的移植数据。在顶部,如果已经进行了多次移植,请单击相应的按钮在不同的移植之间导航。
    1. 要查看或更改有关捐赠者的信息,请单击相应移植日期下方的 "查看捐赠者 "按钮。要输入或更改有关捐赠者的信息,请单击右下角的" 更改 "按钮,然后在指定的输入字段中输入数据,然后单击右下角的" 保存 "按钮保存更改。
    2. 要将新的移植添加到患者的EHR中,请单击"移植"查看页面上右下角的"新建"按钮。根据输入字段输入移植特定数据(包括有关器官类型,移植日期,缺血时间,手术并发症等的信息)。通过单击右下角的"保存"按钮将数据保存到EHR。然后,用户将被重定向到"移植"查看页面,以查看更改是否已正确保存。
    3. 要更改有关现有移植的信息,请单击"移植"查看页面上右下角的"更改"按钮,此时将显示所选移植的现有数据的新输入屏幕。根据输入字段更改这些移植特定数据(包括有关器官类型,移植日期,缺血时间,手术并发症等的信息)。通过单击右下角的"保存"按钮,将新的条目数据保存在EHR中。重定向到移植查看页面后,查看更改并检查更改是否正确输入。

3. 查看和选择实验室数据

  1. 登录到 TBase 并按 1.3 和 2.2 中所述选择所需的患者。
  2. 要查看实验室数据,请单击顶部的" 实验室 "选项卡,将显示最新实验室结果的表格概述。在顶部,可以看到上次调查的所有数据,下拉菜单用于搜索以前的实验室数据,并在其旁边显示一个搜索字段,可以在其中搜索特定的实验室值(例如肌酐)。
    注:实验室值显示如下:样品接收日期,处理日期,实验室值名称,值,单位,参考范围,注释(H ...高,L ...低,N ...正常),以及前两个历史实验室值进行比较。
  3. 要更改查看历史实验室调查的日期,请单击左上角的下拉菜单,然后单击它以选择所需的日期。然后,将显示此日期以来的所有相应实验室值,如上所述。
  4. 要选择特定的实验室值(如肌酐)并检查其随时间推移的过程,请在顶部的搜索字段中输入其名称,然后从建议列表中选择正确的名称。单击" 显示人工 "按钮后,该患者的选定值的每个结果都显示在下图中。
    1. 或者,只需在单个调查的初始表格显示中单击所需值即可。这再次显示了此特定实验室值的所有先前和当前结果。
  5. 要绘制实验室值的过程,请单击所需值旁边的绘图符号。这将自动创建此值的所有现有结果的图解。如果需要,通过在右上角的输入字段中选择开始日期和结束日期来指定绘图的时间范围,并通过在指定的输入字段中选择该值来向绘图添加第二个值。通过单击右下角的"返回"按钮返回实验室查看页面。

4. 查看和更改用药数据:根据德国法规("Bundeseinheitlicher Medikationsplan")创建标准化的用药清单

  1. 登录到 TBase 并按 1.3 和 2.2 中所述选择所需的患者。
  2. 要查看药物数据,请单击顶部的" 药物 "选项卡。将显示有关患者当前药物的表格概述。药物数据显示如下:开始日期,活性物质,单剂量(例如,以mg为单位),交易名称,剂量方案,日剂量,剂型,通知,适应症,处方类型(内部或外部医生,或患者的自我治疗)。
  3. 要添加新的药物,请单击右下角的" 新建 "按钮。输入物质的名称(或者商品名称)、加样方案和开始日期,这些日期在当前日期自动设置,但如果开始日期是过去的,则可以更改。此外,指示和备注可以添加到指定的输入字段中。通过单击右下角的" 保存 "按钮将药物添加到列表中。
  4. 要更改现有药物,请单击药物列表中的相应项目,然后单击右下角的" 更改 "按钮。现在,有关剂量,申请表的更改可以输入到指定的输入字段中,并且可以通过单击右下角的 "保存 "按钮来应用更改。
  5. 要停用药物,请单击指定的药物,然后单击顶部的 "停止" 按钮。
  6. 要搜索以前的药物,请在左上角的搜索字段中输入活性物质,然后通过从历史药物列表中单击它来选择右侧的药物。将出现包含以前所有药物的图表,其结构如4.2中所述。
  7. 要根据德国法规为患者创建标准化的药物清单,请单击右上角的 "联邦医疗计划 "按钮。PDF 文件会自动创建并下载以进行打印输出。

5. 查看和添加医疗课程条目:半自动生成医疗报告

  1. 登录到 EHR 并按照 1.3 和 2.2 中所述选择所需的患者。
  2. 要查看医学课程,请单击 顶部的课程 选项卡。提供了有关患者以前预约文档的表格概述。数据结构如下:预约日期,下次预约日期,血压,心率,体温,体重,体重指数,尿量和三个文本字段,分为对患者的公开评估,在Charité使用的内部评估和其他医生的医疗评估。
    注意:此外,底部有一个摘要字段,用于汇总有关患者病史的重要信息,并使其一见钟情。
  3. 要向医学课程添加新条目,请单击右下角的" 新建 "按钮。将评估的信息输入到所需的输入字段中(例如,生命体征、治疗医生、内部评估或公共评估)。将下一个约会的日期添加到右上角的指定输入字段中。通过单击右下角的 "保存" 按钮提交数据。然后,用户将被重定向到 课程 查看页面。
  4. 要更改现有条目,请单击相应的条目,然后单击右下角的" 更改 "按钮。现在,在指定的输入字段中输入其他数据或更改现有数据。通过键入通知字段中的信息来更改或更新通知字段中的信息,然后单击右下角的" 保存 "按钮提交更改。然后,用户将被重定向到 课程 查看页面。
  5. 要创建自动医疗报告,请单击右下角的 "医疗报告 "按钮。将出现一个新屏幕,其中包含18个不同的选项(从实验室结果到完整的医疗报告)。
    1. 例如,只需单击几下即可创建医疗报告:单击门 诊医疗报告。患者姓名,治疗医生,实验室值的最后日期和医疗课程的最后日期会自动填写,但如果需要,可以更改。单击" 确定"进行确认后,将创建并下载格式正确的单词(.doc-)文档文件,以便打印出包含所选信息的文档。

6. 注销

  1. 要主动注销 TBase,请单击右下角的 注销 按钮。此外,一个在不活动 60 分钟后或浏览器关闭后自动注销。

7. 使用收集的数据

  1. 若要查询收集的数据,请使用复制服务器(图 1),如数据库结构和接口部分所述。任何可以通过开放式数据库连接 (ODBC)、Java 数据库连接 (JDBC) 连接到数据库的数据处理程序都可用于查询。建立与数据库的连接后,请使用开源软件 R Studio。
  2. 例如,若要设置 ODBC 数据库连接,请在 Windows 操作系统中打开 ODBC 工具,然后单击"控制面板和安全管理"下的新用户数据源名称 (DSN) 的" 添加 "。在此处,输入到复制数据库的可用连接数据。输入以下数据:"驱动程序名称"、"ODBC 连接名称"(由用户设置)、"主机名"和 SQL 身份验证详细信息"用户名"、"密码"和"数据库名称"。
  3. 为了在建立ODBC数据库连接后在开源软件R Studio中生成非常简单的查询(例如,2000-2020年按性别划分的移植数量),请在左上角的应用程序R Studio中打开File,New File,然后单击R Script。示例脚本代码(代码 1)在打开的空脚本窗口中输入。
  4. 单击脚本窗口顶部的" "按钮,脚本正在运行,然后使用连接数据库中的数据生成脚本中定义的条形图(图 6)。

结果

TBase于1999年在Charité Campus Mitte首次发布,并一直沿用至今。20多年来,TBase-EHR前瞻性地从所有KTR收集数据。从2001年开始,Charité的其他移植项目也使用TBase对KTR和候补患者进行常规护理。自2007年以来,该EHR用于活体捐赠者和肾脏病科所有患者的常规护理。

通过为TBase软件提供其功能,近年来已进一步发展为具有现代软件架构的模块化基于Web的研究数据库,在20多年的时间里,?...

讨论

TBase将KTR专业门诊护理的基于网络的EHR与研究数据库相结合,为肾脏疾病患者创建了一个全面的长期数据库6111537。关于组织结构,这是通过作为机构代理实施现代软件设计流程来实现的,并且包括作为开发人员,临床用户和研究人员的20多年经验来开发当前版本。此外,它根据临床用户的需求?...

披露声明

通讯作者无需声明。

致谢

在过去的20年中,所提交的EHR的发展得到了内部研究资金以及来自不同机构和基金会的公共资金的支持。

材料

NameCompanyCatalog NumberComments
Developer platform SAP Web IDESAP SE
GUI Toolbox SAPUI5SAP SE
In-memory database SAP-HANASAP SE
Interface Standard HL7Health Level Seven International
Interface Standard HL7 FHIRHealth Level Seven International
RStudioRStudio Inc.
TBase - Electronic Health RecordCharité - Universitätsmedizin Berlin
Webserver SAP-HANA XSASAP SE

参考文献

  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).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

170

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。