View
212
Download
0
Category
Preview:
Citation preview
Aus der Augenklinik
der Friedrich-Alexander-Universität Erlangen-Nürnberg
Direktor: Prof. Dr. med. Friedrich E. Kruse
Aufbau eines digitalen Managementsystems für
Gewebeproben (Biobank)
Der Medizinischen Fakultät
der Friedrich-Alexander-Universität
Erlangen-Nürnberg
zur
Erlangung des Doktorgrades Dr. med. dent.
vorgelegt von
Jacqueline Kreißel
aus Suhl
-2014-
Als Dissertation genehmigt von der
Medizinischen Fakultät der Friedrich-Alexander-Universität
Erlangen-Nürnberg
Vorsitzender des Promotionsorgans: Prof. Dr. med. Dr. h.c. J. Schüttler
Gutachter: Prof. Dr. med. A. Jünemann
Gutachterin: Prof. Dr. rer. nat. U. Schlötzer-Schrehardt
Tag der mündlichen Prüfung: 25. Juli 2014
3
gewidmet meiner Familie
4
Inhaltsverzeichnis
1. Zusammenfassung _____________________________________________ 5
1.1. Hintergrund und Ziele ______________________________________ 5
1.2. Methoden ________________________________________________ 5
1.3. Ergebnisse________________________________________________ 6
1.4. Schlussfolgerungen_________________________________________ 6
2. English Summary ______________________________________________ 7
2.1. Backround and objectives____________________________________ 7
2.2. Methods _________________________________________________ 7
2.3. Results __________________________________________________ 8
2.4. Conclusion _______________________________________________ 8
3. Einleitung ____________________________________________________ 9
4. Problemstellung ______________________________________________ 12
5. Material und Methoden ________________________________________ 13
5.1. Definition und Eigenschaften von Datenbanken _________________ 13
5.2. Gewähltes Datenbank-Managementsystem _____________________ 14
5.3. Projektspezifische Anwendung des Datenbankmanagementsystems _ 17
5.4. Anleitung für die Erstellung einer projektspezifischen Abfragetabelle 22
6. Ergebnisse __________________________________________________ 26
7. Diskussion __________________________________________________ 29
8. Literaturverzeichnis ___________________________________________ 31
9. Anhang _____________________________________________________ 33
10. Danksagung ________________________________________________ 34
5
1. Zusammenfassung
1.1. Hintergrund und Ziele
Für die Bearbeitung wissenschaftlicher Fragestellungen an operativ gewonnenem
Patientenmaterial mussten bisher geeignete Gewebeproben per Hand aus den in
Listen archivierten Probendaten herausgesucht und nach Aktenstudium die
klinischen Daten hinzugefügt werden. Der zeitaufwändige Prozess der Aktensuche
im laufenden Aktenpool oder im Archiv der Augenklinik führte bei fehlenden
Akten zu einem Ausschluss der Proben aus der Analyse.
Das Ziel dieser Arbeit war daher der Aufbau einer digitalen Datenbank für
Gewebeproben (Biobank) für den schnellen und gezielten Überblick und die
automatisierte Abfrage verfügbarer Proben sowie deren Verknüpfung mit den
relevanten klinischen Patientendaten, um den zusätzlichen Rückgriff auf die Akte
zu erübrigen.
1.2. Methoden
Im ersten Schritt wurde unter Verwendung des Computerprogramms Microsoft
Access 2010 die Datenbankstruktur erstellt. Die allgemeinen Parameter umfassten
Name, Alter, Labornummer, Art und Anzahl der Gewebeproben und Augenseite.
Klinisch relevante spezifische Parameter, wie Allgemeinerkrankungen, Diagnosen,
Medikamente, Operationen, Operationsarten und Anamnesedaten, wurden
zusätzlich in Form von 6 Tabellen in der Datenbank erfasst (Untergruppen). Die
Implementierung von Abfrage-Algorithmen ermöglicht die automatische
Probensuche in Abhängigkeit von der Fragestellung. Im zweiten Schritt wurden die
Daten von 1677 vorhandenen Gewebeproben (Trabekelmaschenwerk, Iris,
Linsenkapsel, Kammerwasser), die im Rahmen ophthalmochirurgischer Eingriffe
von 2008 bis 2010 gewonnen wurden, digitalisiert und die spezifischen
Informationen aus den zugehörigen Patientenakten entsprechend den Parametern
der Datenbank ausgewertet und in das Programm Access 2010 übertragen.
6
1.3. Ergebnisse
Zu den 1677 Gewebeproben konnten nur 1072 zugehörige Patientenakten (63,9%)
gefunden und digitalisiert werden. Dabei wurden folgende statistische Ergebnisse
erhoben: 544-mal war das linke, 518-mal das rechte Auge und 10-mal beide Augen
betroffen. Allgemeinerkrankungen umfassten: Diabetes Mellitus 258 (24,1%),
Hypertonie 721 (67,3%), Kombination Diabetes Mellitus und Bluthochdruck 212
(19,8%), kardiovaskuläre Erkrankungen 348 (32,5%), neurologische Erkrankungen
89 (8,3%), Morbus Alzheimer 36 (3,4%), Morbus Parkinson 24 (2,2%),
Krebserkrankungen 77 (7,2%), Lebererkrankungen 22 (2,1%), Nierenerkrankungen
98 (9,1%), Lungenerkrankungen 117 (11,0%), Magen-Darm-Erkrankungen 24
(2,2%), infektiöse Erkrankungen 7 (0,7%). Augenerkrankungen umfassten:
Pseudoexfoliationssyndrom (PEX) 267 (24,9%), Katarakt 893 (83,3%), davon
corticalis 359 (33,5%), nuclearis 357 (33,3%) und corticonuclearis 479 (44,7%),
Pseudophakie 53 (4,9%), Glaukomerkrankungen 370 (34,5%), davon primäres
Offenwinkelglaukom 203 (18,9%), altersbedingte Makuladegenerationen (AMD)
111 (10,3%), Hornhauterkrankungen 49 (4,6%), Iriserkrankungen 7 (0,7%), hintere
Synechien 32 (3,0%), Rubeosis iridis 7 (0,7%), Retinopathia diabetica 37 (3,5%),
und andere Netzhauterkrankungen 94 (8,8%).
1.4. Schlussfolgerungen
Die vorliegende Arbeit hat gezeigt, dass ein Drittel der Gewebeproben einer nicht
elektronisch erfassten Biobank auf Grund fehlender klinischer Daten für
Auswertungen nicht zur Verfügung stehen. Die Digitalisierung mit
Implementierung der klinischen Daten steigert die Effizienz des wissenschaftlichen
Arbeitens signifikant. Die Abfrage-Algorithmen erlauben eine Bereitstellung der
Gewebeproben entsprechend der jeweiligen wissenschaftlichen Fragestellung.
Darüber hinaus liegen die Qualitäten dieser Datenbank neben der schnellen
Zugreifbarkeit in der Erweiterbarkeit der Datensätze.
7
2. English Summary
2.1. Backround and objectives
Up to now, the conventional way to handle tissue materials obtained by surgical
interventions was based on the manual pick up of the samples from archived data
lists. After subsequent investigation and analysis of the tissue samples, the obtained
clinical data has to be completed in the data system. Since this process requires a
time-consuming file search within the current file pool as well as in the archive of
the ophthalmological clinics, important data may be excluded from the research due
to missing information in the system of stored data. As such lack of information
affects the scientific work drastically, a new database has to be established.
The aim of this study was the buildup of a digital data base for tissue materials
“Biobank” to offer a rapid and systematic overview of the data list in the stored
system. Moreover, an automatically generated query of samples being available for
investigation and their direct connection to relevant clinical patient data was
established in order to avoid any further manual integration on the files.
2.2. Methods
In a first step, a database structure was created using Microsoft Access 2010 with
the general parameters including name, age, sex, laboratory number as well as type
and number of the tissue samples and the eye side. Clinically relevant specific
parameters, such as systemic diseases, diagnoses, medications, surgery, types of
surgery and medical history data were captured in the form of six tables in the
database within subgroups. Following implementation of querying algorithms
enabled the automatic sample search, which depend on the research criteria.
In a second step, the data of 1677 existing tissue samples (trabecular meshwork,
iris, lens capsule and aqueous humor), which were obtained from
ophthalmosurgical intervention in the time period between 2008 and 2010, were
digitized and analyzed concerning their specific information from the relevant
patient records. The analysis was carried out according to the specific parameters
established in the database and subsequently transferred to the Access 2010
program.
8
2.3. Results
Form a total amount of 1677 tissue samples, an amount of 1072, which corresponds
to 63.9% of the data content could be correlated to patient data and added to a digital
system. Thereby following statistical results were obtained: 544 times the left, 518
times affected the right eye and 10 times both eyes. Systemic diseases included:
diabetes mellitus 258 (24.1%), hypertension 721 (67.3%), combination of diabetes
mellitus and hypertension 212 (19.8%), cardiovascular disease 348 (32.5%),
neurological disorders 89 (8.3%), Alzheimer's disease 36 (3.4%), Parkinson's
disease 24 (2.2%), 77 cancer (7.2%), liver disease 22 (2.1%), kidney disease 98
(9.1%), lung disease 117 (11.0%), gastrointestinal diseases 24 (2.2%), infectious
diseases 7 (0.7%). Eye diseases included: Pseudoexfoliation (PEX) 267 (24.9%),
cataract 893 (83.3%), including cortical 359 (33.5%), nuclearis 357 (33.3%) and
corticonuclearis 479 (44.7%), pseudophakic 53 (4,9%), glaucoma 370 (34.5%), of
primary open-angle glaucoma, 203 (18.9%), age-related macular degeneration
(AMD) 111 (10.3%), corneal diseases 49 (4.6%), Iris diseases 7 (0.7%), posterior
synechiae 32 (3.0%), rubeosis iridis 7 (0.7%), diabetic retinopathy 37 (3.5%) and
other retinal disorders 94 (8.8%).
2.4. Conclusion
It could be demonstrated that in a non-electronic documented “Biobank”, a third of
the existing tissue material samples are not available for investigation due to
missing clinical data and correlation to the patient. Therefore a digital
implementation of the data leads to a significant increase of the scientific effect due
to reliable as well as complete data bank. The query algorithms are able to provide
tissue samples in respect to the specific scientific question and research criteria.
Moreover, the creation of the presented data base offers on the one hand a high
potential for a rapid access to the stored data and on the other hand it permits a
permanent expandability of the data sets. It can be concluded, that a digital
“Biobank” represents an essential time-saving and innovative technique for an
efficient scientific work.
9
3. Einleitung
„Der Zugriff auf und die Verwaltung von Information spielt eine immer wichtiger
werdende Rolle in der heutigen Gesellschaft - sei es für Unternehmen, Politiker,
Wissenschaftler, Verwaltungen, etc. Es wird geschätzt, dass sich die
„Informationsmenge“ derzeit alle 5 Jahre verdoppelt […]. Während in früheren
Zeiten der Großteil der Information auf Papier abgelegt war, werden wir heute von
einer elektronischen Informationsflut „überrollt“. Deshalb gewinnen
Datenbankverwaltungssysteme (engl. database management systems, abgek.
DBMS) eine immer größere Bedeutung. Heute findet sich kaum noch eine größere
Organisation oder ein größeres Unternehmen, das nicht ein DBMS für die
Informationsverwaltung einsetzt. Man denke etwa an Banken, Versicherungen,
Flugunternehmen und Universitätsverwaltungen […].“ [13]. Das oben genannte
Zitat verdeutlicht die Relevanz der vorgelegten Arbeit, indem es die Notwendigkeit
der Speicherung und Verwaltung von Informationen aufzeigt. Zudem kann mit
dieser Arbeit getestet werden, ob auch zukünftig erhobene Datenmengen der
medizinischen Forschung in digitaler Form gespeichert werden sollten. Ein
weiteres Ziel war es, bereits erhobene und in Papierform gesammelte
Patienteninformationen der Augenklinik unter, im Vorfeld festgelegten Parametern
zusammenzutragen zu digitalisieren und zu katalogisieren. Es sollte möglich sein,
jederzeit den Ist-Zustand der vorhandenen Gewebeproben des
Universitätsklinikums abzurufen. Aus diesen Umständen entstand jenes
Pilotprojekt, bei dem ausgewählte Informationen einer kleinen Datenbank unter
Zuhilfenahme des Programmes Access 2010 von Microsoft zugeführt wurden. Die
sechs Tabellen, die miteinander verknüpft sind, enthalten Informationen über
Name, Vorname, Geburtsdatum von Patienten, Allgemeinerkrankungen,
Operationen der Augen, Medikamente und die Diagnosen. Um die Diagnosen
besser einordnen zu können, werden im Folgenden die Hauptdiagnosen kurz
umrissen. Da es in der medizinischen Fachrichtung der Ophthalmologie viele
mögliche Differentialdiagnosen gibt, wird hier nur die kleine Auswahl der für die
Datenbank relevanten Diagnosen erläutert. Als eines der aktuellen Themen in der
modernen Forschung der Augenheilkunde ist das Pseudoexfoliationssyndrom
(PEX) in der Literatur zu finden. Eine Pseudoexfoliation liegt vor, wenn fibrilläre
Basalmembranproteine im vorderen Augenabschnitt zu finden sind. Es kommt so
zu Veränderungen der Linse (z.B. Katarakt, Subluxation der Linse) und/oder zu
10
Irisveränderungen (weißliche Flocken am Pupillarsaum). Circa 60% der Augen mit
PEX entwickeln ein Glaukom. Durch Verlegung des Trabekelwerks mit
Pseudoexfoliationsmaterial steigt der Augeninnendruck und führt zu einer
Schädigung des Auges [1]. Bei der Katarakt, im Volksmund auch `grauer Star`
genannt handelt es sich um eine Linsentrübung. Ein grauer Star liegt vor, wenn das
Sehen des Patienten in einer hinderlichen Weise herabgesetzt ist. Katarakt kann als
physiologischer Prozess im Alter angesehen werden. Seine Pathogenese ist noch
nicht vollständig geklärt. Die Symptome umfassen z.B. Sehverschlechterung,
Kontrastabschwächung und reduzierte Farbwahrnehmung. Man kann Katarakt zum
Beispiel bezüglich der Ätiologie einteilen. Man unterscheidet den Altersstar
(Cataracta senilis) von Katarakt bei Allgemeinerkrankungen (häufig Diabetes), bei
Augenerkrankungen (Cataracta complicata), nach intraokularen Operationen, durch
Verletzungen (Cataracta traumatica), durch Medikamente oder physikalisch
bedingten Katarakt sowie kongenitalen und konnatalen Katarakt. Eine weitere
Einteilung ist bezüglich der Lokalisation der Trübung möglich. Man differenziert
Rindenstar (Cataracta corticalis), subkapsuläre hintere Rindentrübung (Cataracta
subcapsularis posterior), Kernstar (Cataracta nuclearis), Schichtstar (Cataracta
zonularis) und Kranzstar (Cataracta coronaria). Eine dritte Einteilung richtet sich
nach dem Entwicklungsstadium der Krankheit,zum Beispiel: Cataracta incipiens
(geringe Linsentrübung), Cataracta provecta (fortgeschrittene Linsentrübung),
Cataracta praematura (trotz Trübung ist zurückfallendes Licht der Aderhaut
erkennbar), Cataracta matura (völlig getrübte Linse), Cataracta hypermatura (Kern
in der verflüssigten Linse abgesackt) und Cataracta intumescens (durch
Wasseraufnahme vergrößerte Linse) [6]. Das Glaukom wird umgangssprachlich als
`grüner Star` betitelt. Es bezeichnet mehrere Krankheiten verschiedener Ätiologie,
die alle eine Schädigung des Sehnervs und des Gesichtsfeldes verbindet. Man
unterscheidet primäre Glaukome, die spontan auftreten, von sekundären
Glaukomen, welche Folge anderer Augenerkrankungen oder
Allgemeinerkrankungen sein können. Ein gemeinsamer pathogenetischer
Risikofaktor ist der erhöhte Augeninnendruck. Dieser entsteht durch eine
Abflussbehinderung des Kammerwassers im Trabekelwerk und kann die
Optikusfasern schädigen [7]. Es werden drei Formen des Glaukoms unterschieden.
Die kongenitalen Glaukomformen umfassen die dysgenetischen Glaukome sowie
Glaukome bei systemischen Fehlbildungen. Die Offenwinkelglaukome werden
11
unterteilt in primäre und sekundäre Glaukome. Die primären Offenwinkelglaukome
(POWG) kommen sehr häufig vor (>90%). Zu den sekundären
Offenwinkelglaukomen (SOWG) zählen unter anderem das
Pseudoexfoliationsglaukom und das Pigmentdispersionsglaukom. Die dritte
Gruppe der Glaukome stellen die Engwinkelglaukome dar. Auch sie werden in
primäre und sekundäre Glaukome differenziert. Bei den primären Glaukomen
handelt es sich um einen akuten Winkelblock oder einen sogenannten
Glaukomanfall. Zu den sekundären zählt ein Winkelblock mit oder ohne
Pupillarblock [9]. Eine weitere Hauptgruppe der Diagnosen sind die altersbedingten
Makuladegenerationen (AMD). Bei dieser Erkrankung wird das Netzhautzentrum
durch eine Ansammlung von Stoffwechselprodukten zerstört [8]. Sowohl Drusen,
retinale Pigmentepithelverschiebung, geographische Atrophie des retinalen
Pigmentepithels als auch die choroidale Neovaskularisation zählen zu dieser
Gruppe. Außerdem wurden in die Tabelle der Diagnosen auch Erkrankungen der
Hornhaut (z.B.: hereditäre Hornhautdystrophie), der Netzhaut (z.B.: Amotio
retinae) und der Iris aufgenommen. Des Weiteren wurden auch Abfragen zu
hinteren Synechien, Rubeosis Iridis, Retinopathia Diabetica und zu Pseudophakie
eingefügt.
12
4. Problemstellung
Die Aufgabe der Erstellung einer biometrischen Datenbank erforderte im Vorfeld
eine detaillierte Planung und Vorbereitung der theoretischen Anforderungen an
solch eine Datenbank. Zuerst musste ein theoretischer Grundstock für die
enthaltenen Parameter der Datensammlung erstellt werden, der den Anforderungen
der künftigen Nutzer gerecht wird. Diese Planung übernahm Prof. Dr. A. Jünemann.
Die technische Umsetzung dieser Arbeit wurde von den Diplominformatikern
Herrn Frank Lauterwald und Herrn Alexander Wege übernommen. Es wurden 6
Tabellen erstellt, die miteinander in Beziehung stehen. Diese setzen sich aus einer
Tabelle für die Patienten (Name, Vorname, Geburtsdatum), für die
Allgemeinerkrankungen, die Diagnose, die Medikamente, die Operationsmethode
zusammen sowie aus einer, welche die entnommenen Gewebeproben näher
bestimmt. Während der Sichtung der angestrebten 1677 Akten stellte sich die
Auffindbarkeit der Patientenakten als limitierendes Problem dar. Lediglich 1072
Karteien konnten zusammengetragen und ausgewertet werden. Die restlichen
Akten waren trotz intensiver Suche nicht auffindbar. Um einen solchen Verlust von
ca. 36,1% zu vermeiden, bietet sich eine elektronische Datenbank als geforderte
Lösung an. Ziel dieser Arbeit war es, einen effizienten Weg zu finden,
Patientenakten zu digitalisieren, also auch zu katalogisieren, um auf dieses Archiv
schnell und gezielt zugreifen zu können
13
5. Material und Methoden
5.1. Definition und Eigenschaften von Datenbanken
In Datenbanken sollten die zu erfassenden Informationen in einer strukturierten und
„durchsuchbaren“ Form elektronisch gespeichert werden. Eine Datenbank muss die
Möglichkeit bieten, Informationen, also interpretierte Daten zu erfassen,
auszuwerten und zu verwalten. Als interpretierte Daten werden verwendete Werte
in Feldern der Tabellen bezeichnet, welche kodiert sind (z.B. als Zahlen). Es muss
dabei jedem Feld eine bestimmte Aussage zugeordnet werden (z.B. Art der
Diagnose), die bekannt sein muss, um die jeweilige Information entnehmen zu
können (z.B. Katarakt). Eine biometrische Datenbank dient der Erfassung und
Auswertung spezifischer Werte zu einzelnen Probanden oder Patienten. Die
Schwierigkeit bei der Speicherung biometrischer Daten liegt in den verschieden
ausgeprägten Datenmengen und deren Relationen zueinander. Beispielsweise
können einem Patient mehrere Operationen und damit mehrere entnommene
Proben zugeordnet werden. Als Abbildung dieser verschiedenen Datenmengen und
Datenbeziehungen ist eine einzelne, isolierte Tabellenstruktur nicht geeignet. Zur
Speicherung der Daten müsste eine Tabelle die maximal mögliche Menge an
Operationen als Spalten enthalten. Allerdings lässt sich die maximale Menge an
Eingriffen (bis zu „n“ OP´s) bei Beginn der Dateneingabe nicht abschätzen. Die
Tabelle müsste, bei jedem Patienten mit einer größeren Menge an Operationen als
bisher erfasst, angepasst werden.
Pat
ien
t
Geb
. D
atu
m
Lab
orn
um
mer
1
Lab
orn
um
mer
2
Lab
orn
um
mer
3
…
Lab
orn
um
mer
7
Dia
gn
ose
1
…
Dia
gn
ose
5
Patient 1 01.12.56 12376 15678 16668 17890
Patient 2 23.02.86 11564 12358 14673 16542
Tabelle 1: Bsp. Datenablage in einer Tabelle
Zur Datenablage ist eine relationale Datenbank geeignet. „Eine Datenbank ist eine
Sammlung von Daten, die einen Ausschnitt der realen Welt beschreiben. Unter
14
Daten verstehen wir bekannte Tatsachen, die aufgezeichnet werden können und
eine implizite Bedeutung haben.“ [4]
Eine Datenbank hat folgende Eigenschaften:
• „Eine Datenbank stellt Aspekte [bzw. einen Ausschnitt] der realen Welt dar,
die auch als Miniwelt oder Universe of Disclosure (UoD) bezeichnet wird.
Änderungen in der Miniwelt spiegeln sich in der Datenbank wieder.
• Eine Datenbank ist eine logisch zusammenhängende Sammlung von Daten
mit einer bestimmten inhärenten Bedeutung. […]
• Eine Datenbank wird für einen bestimmten Zweck entworfen, entwickelt
und mit Daten gefüllt. Sie wird von einer bestimmten Benutzergruppe in
zweckbezogenen Anwendungen verwendet, an denen eben diese Benutzer
interessiert sind.“ [4] „Unter einer relationalen Datenbank wird eine bestimmte
Zuordnung von Werten zu Eigenschaften der Anwendung verstanden. Diese
Zuordnungen können in Tabellen besonders günstig dargestellt werden.“ [3] „Eine
Datenbank kann manuell oder computergestützt erzeugt oder gepflegt werden.
[…].“ [5] Die biometrische Datenbank der Augenklinik soll computergestützt
erstellt werden, um eine einfache Dateneingabe und Suche zu gewährleisten. „Eine
computergestützte Datenbank kann […] mit Hilfe eines
Datenbankmanagementsystems (DBMS) erstellt und gepflegt werden.“ [5] „Die
Hauptaufgabe eines DBMS besteht darin, seinen Anwendern die Möglichkeit zu
geben,
• Daten in die Datenbank einfügen,
• Daten aus der Datenbank zu löschen,
• Daten in der Datenbank zu ändern und
• Daten in der Datenbank zu suchen“ [14]
5.2. Gewähltes Datenbank-Managementsystem
Für die Realisierung der biometrischen Datenbank wurde als
Datenbankmanagementsystem das Produkt Access der Firma Microsoft verwendet.
„Access 2010 ist ein Tool zu Entwurf und Bereitstellung von
Datenbankanwendungen, […].“ [11], das zum einfachen und schnellen Entwickeln
von relationalen Datenbankanwendungen dienen kann, die […] beim Verwalten
von Informationen unterstützen. [Man kann] eine Datenbank erstellen, um […]
beim Nachverfolgen nahezu jeder Art von Informationen zu unterstützen, z. B.
15
Lagerbestände, [...] oder Geschäftsprozesse. Access umfasst von vornherein eine
Reihe von Vorlagen, die [verwendet werden] können, um auf der Stelle mit dem
Erfassen einer Vielzahl von Informationen zu beginnen, was auch Einsteigern die
ersten Schritte erleichtert.“ [10] „Access enthält […] das DBMS (Microsoft Jet
Engine), das die in separaten Dateien mit der Endung .accbd (.mdb in der Version
2003) hinterlegten Daten verwaltet. Es enthält jedoch auch Werkzeuge zum
Erstellen der grafischen Benutzeroberfläche mit entsprechenden Fenstern zum
Bearbeiten der Daten.“ [16] Der Programmcode für diese grafische
Benutzeroberfläche ist ebenfalls in den .accbd Dateien enthalten. Microsoft Access
übernimmt also nicht nur die Funktionalitäten eines DBMS (Daten einfügen,
ändern, löschen, suchen), sondern auch das Anzeigen der jeweils für die Funktionen
generierten grafischen Oberfläche. Es gibt unterschiedliche grafische Oberflächen
für:
• Maske zur Dateneingabe,
• Maske zur Datenausgabe,
• Maske zum Suchen von Informationen.
Die meisten anderen am Markt befindlichen Datenbanksysteme (Oracle DB,
Microsoft SQL Server, IBM DB2, MySQL) bieten lediglich die Funktionalitäten
eines DBMS ohne Unterstützung für die Erstellung von grafischen
Benutzeroberflächen. Für diese Datenbanksysteme müssen die grafischen
Oberflächen und die dazugehörige Anwendungslogik separat mit Hilfe einer
Programmiersprache entwickelt werden. Es werden einzelne beliebige
Informationen in Tabellen zusammengefasst. Jedes Thema sollte in einer neuen
Tabelle angelegt werden, um eine Datenredundanz (Mehrfach-Einträge) zu
vermeiden. Um später gezielt nach Informationen suchen zu können, sollte jedes
Feld einer Tabelle nur eine Art von Information beinhalten [12]. Es werden
sogenannte Schlüssel benötigt, um mehrere Tabellen sinnvoll miteinander zu
verknüpfen. „Für die Arbeit mit Tabellen ist es essentiell, dass jede Tabellenzeile
von allen anderen Zeilen unterschieden werden kann, oder mit anderen Worten:
Eine einzelne Tabellenzeile muss eindeutig identifizierbar sein, eine eigene
Identität besitzen. Andernfalls werden Aktualisierungs- oder Löschoperationen für
einzelne definierte Tabellenzeilen nicht möglich sein, da eine Selektion der für
diese Operationen erforderlichen Zeilen unmöglich ist. Eine Zeilenidentität für eine
Tabelle wird durch die Vergabe eines Primärschlüssels für diese Tabelle eingeführt.
16
Ein solcher Primärschlüssel besteht letztlich aus einer Aneinanderreihung von
Spalten, die zusammengenommen eine Tabellenzeile als eindeutig kennzeichnen.“
[15] „Wenn eine Tabelle ein Feld enthält, das dem Primärschlüssel einer (anderen)
Tabelle entspricht, wird dieses Feld als Fremdschlüssel bezeichnet. Der
Unterschied zwischen einem Primär- und einem Fremdschlüssel besteht darin, dass
ein Fremdschlüssel nicht eindeutig sein muss. Verschiedene Datensätze einer
Tabelle dürfen im Fremdschlüssel gleiche Werte speichern. Das Zusammenpassen
des Primärschlüssels und des Fremdschlüssels stellt die Beziehung in einer
relationalen Datenbank dar. In einer 1:n-Beziehung zwischen zwei Tabellen wird
auf der einen Seite der Primärschlüssel als das zu verbindende Feld verwendet. In
der Tabelle der n-Seite wird dann dasselbe Feld eingefügt, dessen Inhalt aber nun
natürlich nicht mehr eindeutig ist, sondern mehrfach vorkommen kann. Dieses Feld
in der Tabelle der n-Seite heißt Fremdschlüssel.“ [2] Bei der vorliegenden
biometrischen Datenbank wird die 1:n Verknüpfung verwendet. Beispielsweise
kann man einem Patienten mehrere Diagnosen oder auch mehrere Labornummern
zuordnen, da eventuell in verschiedenen Operationen unterschiedliche Proben bei
einem Patienten entnommen wurden. Das bedeutet, dass genau einem bestimmten
Datensatz aus der ersten Tabelle mehrere (also n) verschiedene Datensätze aus
weiteren Tabellen zugeordnet werden können. Dies geschieht wie oben
beschrieben, indem die Fremdschlüssel jeder Tabelle auf den einen Primärschlüssel
der ersten Tabelle verweisen und so die Verbindung hergestellt wird. Access bietet
die Vorteile der Verwaltung und Speicherung großer Datenmengen in bereits
vorhandenen Datenbanken sowie der selbständigen Erstellung einer Datenbank.
Weiterhin können beliebig enthaltene Daten der Bank bearbeitet, entfernt und
hinzugefügt werden. Außerdem besteht die Möglichkeit der Sortierung, Filterung
und Auswertung der Daten nach gewünschten Kriterien. Jedes Datenbanksystem ist
individuell unterschiedlich aufgebaut oder trägt verschiedene Bezeichnungen.
Diese Individualität findet bei Access 2010 Ausdruck in spezifischen Objekten. Es
sind Tabellen, Abfragen, Formulare, Berichte, Module und Makros vorhanden,
wobei die letzten vier Bezeichnungen nur bei Microsoft Access verwendet werden.
17
5.3. Projektspezifische Anwendung des
Datenbankmanagementsystems
Die erstellte Biodatenbank enthält sechs Tabellen, kurz „tbl“, die die
Themengruppen Allgemeinerkrankungen, Diagnosen, Medikamente, Operationen,
Operationsarten und anamnestische Informationen über den Patienten umfassen.
Auf der Startmaske der Datenbank wählt der Benutzer zwischen den Aktionen
`Patienten verwalten`, `Labornummer suchen` und `Beenden`. Mit dem Button
`Patienten verwalten` gelangt man zu den gesammelten Datensätzen behandelter
Patienten. Wird nach bestimmten Patienten oder deren entnommenen Bioproben
gesucht, wählt man `Labornummer suchen`. (Vgl. Abb. 1)
Abbildung 1: Screenshot der Haupteingabemaske von Microsoft Access 2010
Abbildung 2: Screenshot der Patienteneingabemaske von Microsoft Access 2010
18
In jede der Tabellen der erstellten Datenbank wurden die relevanten und
vorhandenen Datensätze manuell eingegeben. Attribute, die Patientennamen und
deren Geburtsdatum enthalten, finden sich in der Patiententabelle. (Vgl. Abb. 2)
Die sogenannten Attribute der Tabelle Allgemeinerkrankungen umfassen Diabetes
Mellitus, Hypertonus, kardiovaskuläre Erkrankungen, neurologische
Erkrankungen, Demenz mit Alzheimer, Parkinson oder nicht näher bezeichnet,
Tumorleiden, immunologische Erkrankungen, Lebererkrankungen,
Nierenerkrankungen, Lungenerkrankungen, Magen-Darm-Erkrankungen und eine
Infektiösität des Patienten. (Vgl. Abb. 3)
Abbildung 3: Screenshot der Anamnesemaske von Microsoft Access 2010
Die Attribute der Diagnosetabelle beinhalten allgemeine Informationen wie die
Labornummer der einzelnen Patienten, das Operationsdatum und die operierte
Augenseite. Außerdem sind mögliche Diagnosen erfasst wie PEX
(Pseudoexfoliationssyndrom), Katarakt und dessen Subformen ( Bsp.: C. nuclearis,
C. corticalis, C. complicata, C. brunescens, C. matura, C. congenita und
Mischformen), Glaukom mit entsprechenden Subformen ( Bsp.: primäres
Offenwinkelglaukom, sekundäres Offenwinkelglaukom
(Pseudoexfoliationsglaukom), Engwinkelglaukom, Winkelblockglaukom) und
nähere Beschreibungen der glaukomatösen Erkrankung. Des Weiteren enthält die
Diagnosetabelle die Attribute altersbedingte Maculadegenerationen, kurz „AMD“
(Bsp.: Drusen, Verschiebungen des retinalen Pigmentepithels, geographische
Atrophie des retinalen Pigmentepithels, choroidale Neovaskularisation und
19
andere), Zustand nach Verletzung, Hornhauterkrankungen, Iriserkrankungen,
hintere Synechien, Rubeosis iridis, Retinopathia diabetica, Netzhauterkrankungen,
Zustand nach Operation und Pseudophakie. (Vgl. Abb. 4 / Abb. 5 / Abb. 6)
Abbildung 4: Screenshot der Diagnosemaske von Microsoft Access 210 1/3
Abbildung 5: Screenshot der Diagnosemaske von Microsoft Access 2010 2/3
20
Abbildung 6: Screenshot der Diagnosemaske von Microsoft Access 2010 3/3
In der Tabelle der Medikamente finden sich folgende Attribute:
Prostaglandinderivate, A2-Agonisten, CAI, Pilocarbin, Beta-Blocker, Steroide,
NSAID, Antibiotika, Nahrungsergänzungen und sonstige Medikamente. (Vgl. Abb.
7)
Abbildung 7: Screenshot der Medikamentenmaske von Microsoft Access 2010
Die Tabelle der Operationen enthält Daten wie die Labornummer, die operierte
Augenseite, das Datum der Operation sowie Informationen über entnommene
Proben von Iris, Kammerwasser, Trabekelwerk, Tenon, Bindehaut, Linsenkapsel,
Glaskörper und Blut/EDTA. In der Tabelle mit den Operationsarten lässt sich
zwischen Katarakt, Glaukom (Trabekulektomie, Trabekulotomie, tiefe
Sklerektomie, Sinusotomie, Laser, andere), Vitrektomie, retinale Argon-
21
Laserkoagulation, Kanaloplastik, Viskokanalostomie, endoskopische
Zyklophotokoagulation und Andere wählen. (Vgl. Abb. 8 / Abb. 9)
Abbildung 8: Screenshot der Operationsmaske von Microsoft Access 2010 1/2
Abbildung 9: Screenshot der Operationsmaske von Microsoft Access 2010 2/2
22
5.4. Anleitung für die Erstellung einer projektspezifischen
Abfragetabelle
Die vorgestellte Datenbank verfügt über die gesammelten und eingefügten Daten.
Da nun aber nicht jede der vorhandenen Informationen für geplante Studien
benötigt wird, ist es notwendig, gezielt Informationen aus der Datenbank filtern zu
können. Dies wird mithilfe eines Abfrageeditors realisiert. Dieser Editor ermöglicht
es, Abfragetabellen individuell zusammenzustellen und so nur benötigte
Informationen zu erhalten. Im Folgenden soll erklärt werden, wie dieser Tool
anzuwenden ist, um selbständig die gewünschte Abfrage generieren zu können. In
das vorhandene Programm Access 2010 wurde bereits eine Basistabelle
(qryOperationenBasis) eingefügt. Da diese Tabelle alle vorhandenen Datensätze
bereits beinhaltet, stellt sie den Ausgangspunkt jeder neu zu erstellenden
Abfragetabelle dar und ist unter den Access-Objekten „Abfragen“ am linken
Bildschirmrand zu finden. Um nun die gewünschte Abfragetabelle zu erstellen,
muss man in der Startleiste am oberen Bildschirmrand unter der Rubrik „Erstellen“
den Tool „Abfrageentwurf“ wählen. (Vgl. Abb. 10)
Abbildung 10: Screenshot der Erstellungsmaske von Microsoft Access 2010 1/2
Daraufhin wird gefragt, welche Tabelle angezeigt werden soll. Hier wählt man
immer die Basistabelle (qryOperationenBasis), wenn man aus der gesamten
Datenbank filtern möchte. Unter dem Tool „Abfragen“ ist dann die Basistabelle
auszuwählen und hinzuzufügen. Anschließend wird das Fenster geschlossen. (Vgl.
Abb. 11)
23
Abbildung 11: Screenshot der Erstellungsmaske von Microsoft Access 2010 2/2
Jetzt kann die gewünschte Abfrage erstellt werden. Aus dem geöffneten
Auswahlfenster sollte immer zuerst „*“ der Abfragetabelle hinzugefügt werden, da
dieses Zeichen alle Informationen der Tabelle in sich vereint und aus eben diesen
Informationen alle Folgenden gefiltert werden sollen. Im Folgenden werden zwei
Beispiele zur Erstellung einer individuellen Abfragetabelle vorgestellt.
Beispiel 1.:
Geforderte Abfragekriterien: Gesucht werden alle Patienten mit nicht
ausdifferenzierter Glaukomdiagnose. Sie sollen zum Zeitpunkt der OP über 50
Jahre alt sein und weder die Diagnose Diabetes Mellitus noch Hypertonie
aufweisen.
Vorgehen: Nachdem die Basistabelle gewählt und „*“ mit Doppelklick zur Abfrage
hinzugefügt wurde, werden nun die anderen Kriterien hinzugefügt. Also wird die
Abfrage „Glaukom“, „Alter bei OP“, „Diabetes Mellitus“ und „Hypertonie“ mit
Doppelklick zugefügt.
24
Abbildung 12: Screenshot der Auswahlmaske von Microsoft Access 2010 1/2
Alle Patienten sollen eine Glaukomdiagnose aufweisen, wobei hier die Diagnose
nicht näher beschrieben werden soll. Deshalb wird „Glaukom“ ausgewählt und in
die Abfragetabelle mit Doppelklick hinzugefügt. Wichtig ist, dass das Kriterium in
diesem Fall mit „wahr“ angegeben wird, da alle Patienten einen Haken bei dem
Diagnosefeld Glaukom haben sollen. Da nun aber Diabetes und Hypertonie nicht
erwünscht sind, muss in die Zeile „Kriterien“ das Wort „falsch“ eingefügt werden,
um festzulegen, dass diese Kriterien für keine der Datensätze gelten sollen. Da alle
Patienten über 50 Jahre alt sein sollen, muss bei „Kriterium“ die Prämisse „>=50“
eingetragen werden. (Vgl. Abb. 12) Sind alle Voraussetzungen erfüllt, kann der
Suchlauf mit dem Button „Ausführen“ in der linken oberen Ecke gestartet werden.
Beispiel 2.:
Geforderte Abfragekriterien: Gesucht werden alle Patienten, die einen Cataracta
nuclearis aufweisen und zusätzlich Prostaglandinderivate einnehmen.
Vorgehen: Zunächst wie oben beschrieben. Die Basistabelle muss ausgewählt und
„*“ hinzugefügt werden. Anschließend werden die individuellen Kriterien
ausgewählt.
25
Abbildung 13: Screenshot der Auswahlmaske von Mircosoft Access 2010 2/2
Es wird „Cataract“ ausgewählt und als „wahr“ markiert, ebenso wie
„Prostaglandinderivate“. Die „Cataractform“ soll nun das Kriterium „corticalis“
aufweisen. (Vgl. Abb. 13) Wenn alle gesuchten Kriterien vorhanden sind, wird der
Suchlauf mit dem Button „Ausführen“ gestartet.
26
6. Ergebnisse
Zunächst wurde mit der Datenerfassung der Patienten, die in der Augenklinik der
Universität Erlangen-Nürnberg behandelt wurden, begonnen. Eigentlich sollten
1677 Akten in die biometrische Datenbank aufgenommen werden, jedoch wurden
lediglich 1072 Akten, also 63,9% aufgefunden. Dabei fiel auf, dass manche Akten
gut sortiert im Kardex der Anmeldung der Poliklinik aufbewahrt wurden und ältere
Karteien im Archiv im Keller der Augenklinik. Viele Akten (36,1%) allerdings
waren nicht auffindbar, unvollständig oder leer. Mit dieser statistischen und
elektronischen Datenerfassung mithilfe von Microsoft Access 2010 sollte eine
erweiterbare und übersichtliche Sammlung von bereits erhobenen Datensätzen der
Augenklinik erstellt werden. Durch die Arbeit an der biometrischen Datenbank sind
einige Aspekte klar geworden. Zunächst wäre da die Tatsache, dass es von großem
Vorteil ist diese Art der Datenbank anzuwenden, da man so die Möglichkeit besitzt,
mithilfe einer Online-Vernetzung der Universitätskliniken Erlangen-Nürnberg die
jeweils erhobenen Daten zwischen den verschiedenen Abteilungen der Universität
auszutauschen. Weiterhin könnte zum Beispiel die Beschaffung von Daten für
klinische Studien vereinfacht werden, indem ein schneller Zugriff auf
entsprechende Datensätze möglich wäre. Während der Arbeit an diesem Projekt
wurden stichpunktartig die Zeiten notiert, die für das Auffinden der einzelnen
Akten nötig waren. Wie schon erwähnt werden Patientenakten an verschiedenen
Orten verwahrt, je nach Datum des letzten Besuches des Patienten in der
Augenklinik. Zunächst wurden die Karteikarten der Jahre 2008 bis 2010 im
Aktenpool der Poliklinik gesucht, da dort die aktuellen Unterlagen der jeweiligen
letzten zwei Jahre aufbewahrt werden. Im Schnitt dauerte die Suche 2,17 Minuten
pro Kartei, sowohl für die Akten, die dort gelagert wurden, als auch für jene, die
nicht ausfindig zu machen waren. Die benötigte Zeit wurde stichprobenartig an
verschiedenen Tagen 89-mal gemessen, gemittelt und so die Durchschnittszeit von
2,17 Minuten errechnet. Das bedeutet, dass ca. 60,65 Stunden (1677x2,17 min)
damit zugebracht wurden, die Akten an nur einem der möglichen Orte zu suchen.
Da etwa 40% der Akten (671 Akten) der Gesamtanzahl der Karteien in der
Ambulanz gefunden wurden, verringerte sich auch die Zeit, die für den Rest der
Akten im Archiv im Keller der Klinik benötigt wurde. Hier waren es im Mittel 2,51
Minuten, die für die Suche errechnet werden konnte. Die Zeit, die im Archiv im
Keller aufgewendet wurde, betrug 42,08 Stunden (1006x2,51 min). Weiterhin ist
27
zu erwähnen, dass sich die benötigte Zeit pro Akte auch im Laufe der Arbeit
verringerte, da ich zunehmend Einblick in das System der Kartenarchivierung der
Universität gewann. Nichtsdestotrotz wurden von 1677 nur 1072 Patientenakten
gefunden. Das ergibt einen Zeitverlust von 23,59 Stunden (605x2,34 min), die für
Akten, die nicht auffindbar waren, aufgewendet werden mussten. Im Vergleich
hierzu ist das Suchen nach Informationen mithilfe der Datenbank sehr viel
komfortabler und schneller. Es dauert maximal einige Sekunden, den Namen oder
die Labornummer des gesuchten Patienten in die Suchmaske einzugeben und die
Ergebnisse zu entnehmen. Die statistischen Ergebnisse der Datenbank sind im
Folgenden tabellarisch aufgeführt.
Patientenanzahl
Allgemein:
Mittleres Alter
Linke Augenseite
Rechte Augenseite
Beide Augen
Ca. 70
544
518
10
Allgemeinerkrankungen:
Diabetes Mellitus
Hypertonus
Kardiovaskuläre Erkrankungen
Neurologische Erkrankungen
Demenz-Alzheimer
Demenz-Parkinson
Tumorleiden
Immunologische Störung
Lebererkrankungen
Nierenerkrankungen
Lungenerkrankungen
Magen-Darm-Erkrankungen
Infektiös
258
721
348
89
36
24
77
1
22
98
117
24
7
Entnommene Gewebeproben:
Kammerwasser
Iris
Trabekelwerk
Tenon
Bindehaut
1012
43
5
2
1
28
Linsenkapsel
Glaskörper
Blut/EDTA
5
135
2
Diagnosen:
PEX
Catarakt insgesamt
Bsp.: Catarakta nuclearis
Catarakta corticalis
Catarakta corticonuclearis
Glaukom insgesamt
Bsp.: Primäres Offenwinkelglaukom
Sekundäres Offenwinkelglaukom
Winkelblockglaukom
Altersbedingt. Makuladegeneration insgesamt
Bsp.: Drusen
Retinale Pigmentepithelverschiebung
Geograph. Atrophie d. retinal. Pigmentepithels
Choronoidale Neovaskularisation
Andere
Hornhauterkrankungen
Iriserkrankungen
Hintere Synechien
Retinopathia Diabetica
Rubeosis Iridis
Netzhauterkrankungen
Pseudophakie
267
893
357
359
479
370
203
25
10
111
61
43
1
6
2
49
7
32
37
7
94
53
Medikamente:
Prostaglandinderivate
A2-Agonisten
Beta-Blocker
CAI
Pilocarbin
Steroide
NSAID
Antibiotika
211
97
221
181
23
80
2
6
Tabelle 2. Statistische Ergebnisse der Datenbank
29
7. Diskussion
In der vorliegenden Arbeit wurde eine biometrische Datenbank erstellt. Die
Datenbank erlaubt die Erhebung, Speicherung und Verarbeitung von Informationen
der Patienten (Probanden). Darüber hinaus sind einige Probleme aufgetreten. Es
besteht die Möglichkeit, dass sich, trotz wiederholter Kontrolle und Sorgfalt,
vereinzelt Fehler in die Datenbank integriert haben. Dieses Problem könnte man
durch eine doppelblinde mehrfache Eingabe der Daten minimieren. Wenn zwei
oder mehr Personen die Datenlage erfassen würden, könnte man die entstandenen
Versionen der Datenbanken vergleichen und die nicht übereinstimmende
Schnittmenge kontrollieren, korrigieren und somit Fehlerquellen auf ein Minimum
reduzieren. Um dieser Forderung allerdings nachzukommen, ist Personal und ein
hoher Aufwand erforderlich. Würde man diese Fehlerquellen nicht eliminieren und
Dritte würden verschiedene Daten der Sammlung entnehmen, um anderweitige
Studien zu betreiben, würden sich eventuelle Fehler potenzieren und so auch
weitere, fortführende Studien unbrauchbar machen. Ein Vorteil dieser
biometrischen Datenbank gegenüber der jetzigen Methode liegt in der
Erweiterbarkeit der Technik. Zum einen ist die Patientenliste erweiterbar und zum
anderen könnte man beispielsweise bestimmte Suchoptionen einfügen, die für
zukünftige Studien von Bedeutung sein können. Man kann Suchoptionen so
generieren, dass sie die Patientendaten filtern, die z.B. eine gewünschte Diagnose
und ein zusätzlich verwendetes Medikament enthalten. Positiv zu erwähnen wäre
auch, dass zukünftig geführte Studien mithilfe dieser Datenbank anonymisiert
durchgeführt werden können, indem nur die jeweiligen Labornummern der
Patienten verwendet werden. So kann der erforderliche Datenschutz gewahrt
werden. Mit dieser Datenbank ist man außerdem in der Lage, großangelegte
Studien, die das Sammeln vieler Patientendaten erfordern, in einer Zeit zu
bewältigen, die mit den bisherigen Methoden nicht zu schaffen ist. Es ist eine
effiziente, schnelle Suche nach Datensätzen möglich geworden, die es erlaubt,
riesige Datenmengen in kurzer Zeit zusammenzutragen und zu speichern. Wie oben
bereits erwähnt, wurden von 1677 ca. 1072 Patientenakten gefunden und
eingegeben. Die größten Probleme waren hierbei die Beschaffung sowie die
Auffindbarkeit etlicher Patientenakten. Schnell wurde deutlich, dass viele dieser
Akten nicht in den entsprechenden Ablagesystemen der Universitätsklinik zu
finden waren. Eine weitere Schwierigkeit war weiterhin die relative oder absolute
30
Unvollständigkeit mancher Akten, welche die Realisierung der Studie erschwerten.
Aufgrund dieser Tatsache kann die Notwendigkeit der Digitalisierung von Daten in
der heutigen Zeit deutlich gemacht werden. Wenn man die Patientendaten sofort
elektronisch erfassen würde, würden weniger Daten verloren gehen und man könnte
jederzeit darauf zurückgreifen. Die Informationen könnten in großen Datenbanken
gespeichert, bearbeitet sowie erweitert werden und klinikintern verfügbar sein.
Dieser Umstand könnte wissenschaftlichen Mitarbeitern und autorisierten Personen
der Uniklinik den Zugang zu entsprechend benötigten Patienteninformationen
erleichtern. So müssten beispielsweise künftige Doktoranden nicht jede Kartei
eigenhändig in den Archiven suchen, sondern könnten die benötigten Daten einfach
aus der erstellten Datenbank entnehmen. So könnte wissenschaftliches Arbeiten
effizienter gestaltet werden. Der Nutzen dieser Arbeit liegt in der schnellen
Verfügbarkeit der gesammelten Datensätze sowie der Möglichkeit, einzelne
Informationen zu selektieren und aufzuarbeiten. Ein anderer Aspekt, der für solch
eine Datenbank spricht, wäre die Tatsache, dass bestimmte Bezeichnungen
vereinheitlicht werden könnten. Diese Vereinheitlichung würde auch der exakteren
Dokumentation der Patientenfälle entgegenkommen. Es könnte entweder der
Markenname oder der Wirkstoff von Medikamenten verwendet werden. Was
allerdings in einer neuprogrammierten Tabelle festgelegt werden müsste. So
könnten beispielsweise auch pharmakologische Studien unterstützt werden. Ein
weiteres Problem der handschriftlich geführten Patientenakten war die teilweise
vorkommende unleserliche Handschrift mancher Klinikmitarbeiter. Daraus
ergaben sich teilweise massive inhaltliche Probleme die Daten überhaupt korrekt in
die Datenbank eingeben zu können. Würde man die Patientendaten elektronisch
erfassen und eingeben, wäre auch dieses Problem gelöst.
31
8. Literaturverzeichnis
[1] Augustin, A. J., Augenheilkunde – Begründet von J. F. Collins, 2.Auflage,
Springer Verlag Berlin Heidelberg, 2001, S.300-301
[2] Bauder, I., Microsoft SQL-Server 2008 für Administratoren, Carl Hanser Verlag
München, 2008, S.241
[3] Eirund, H., Kohl, U., Datenbanken - leicht gemacht: Ein Arbeitsbuch für Nicht-
Informatiker, 3. Auflage, Vieweg+Teubner GWV Fachverlage GmbH, Wiesbaden,
2010, S.10
[4] Elmasri, R. A., Navathe, S. B., Grundlagen von Datenbanksystemen, 3.Auflag,
Pearson Studium, München, 2009, S.18
[5] Elmasri, R. A., Navathe, S. B., Grundlagen von Datenbanksystemen, 3.Auflage,
Pearson Studium, München, 2009, S.19
[6] Grehn, F., Augenheilkunde, 31. Auflage, Springer Verlag Berlin Heidelberg,
2012, S.155-157
[7] Grehn, F., Augenheilkunde, 31. Auflage, Springer Verlag Berlin Heidelberg,
2012, S.316
[8] Grehn, F., Augenheilkunde, 30. Auflage, Springer Verlag Berlin Heidelberg,
2008, S.242
[9] Hahn, G., Kurzlehrbuch Augenheilkunde, Georg Thieme Verlag KG Stuttgart,
2012, S.162
[10] http://office.microsoft.com/de-de/access-help/grundlegende-aufgaben-in-
access-2010-HA101829991.aspx#_Toc254780070 „Relationale Datenbanken in
Access“, Microsoft 2012 (Zugriff am 8.April 2012)
32
[11] http://office.microsoft.com/de-de/access-help/grundlegende-aufgaben-in-
access-2010-HA101829991.aspx#_Toc254780070 „Was ist Access?“, Microsoft
2012 (Zugriff am 8.April 2012)
[12] http://www.teialehrbuch.de/Kostenlose-Kurse/Access-2002/13621-Regeln-
zum-Aufbau-von-Tabellen.html (Zugriff am 28. Juli 2013)
[13] Kemper, A., Eickler A., Datenbanksysteme: Eine Einführung, 6. Auflage,
Oldenbourg Wissenschaftsverlag GmbH, München, 2006, S.17
[14] Piepmeyer, L., Grundkurs Datenbanksysteme - Von den Konzepten bis zur
Anwendungsentwicklung, Carl Hanser Verlag, München, 2011, S.4
[15] Schmeling, H., Datenbankentwicklung mit dem Microsoft SQL-Server 2005,
Carl Hanser Verlag München, 2007, S.95
[16] Stern A., Keine Angst vor Access!: Datenbanken verstehen, entwerfen und
entwickeln für Access 2003 bis 2010. O'Reilly, Köln, 2011, S.24
33
9. Anhang
Tabellenverzeichnis
Tabelle 1: Bsp. Datenablage in einer Tabelle……………………………………..4
Tabelle 2: Statistische Ergebnisse der Datenbank……………………………….28
Abbildungsverzeichnis
Abbildung 1: Screenshot der Haupteingabemaske von Microsoft Access 2010 .. 17
Abbildung 2: Screenshot der Patienteneingabemaske von Microsoft Access 2010
....................................................................................................................... 17
Abbildung 3: Screenshot der Anamnesemaske von Microsoft Access 2010 ........ 18
Abbildung 4: Screenshot der Diagnosemaske von Microsoft Access 210 1/3 ..... 19
Abbildung 5: Screenshot der Diagnosemaske von Microsoft Access 2010 2/3 ... 19
Abbildung 6: Screenshot der Diagnosemaske von Microsoft Access 2010 3/3 ... 20
Abbildung 7: Screenshot der Medikamentenmaske von Microsoft Access 2010 . 20
Abbildung 8: Screenshot der Operationsmaske von Microsoft Access 2010 1/2 . 21
Abbildung 9: Screenshot der Operationsmaske von Microsoft Access 2010 2/2 . 21
Abbildung 10: Screenshot der Erstellungsmaske von Microsoft Access 2010 1/2
....................................................................................................................... 22
Abbildung 11: Screenshot der Erstellungsmaske von Microsoft Access 2010 2/2
....................................................................................................................... 23
Abbildung 12: Screenshot der Auswahlmaske von Microsoft Access 2010 1/2 .. 24
Abbildung 13: Screenshot der Auswahlmaske von Mircosoft Access 2010 2/2 .. 25
34
10. Danksagung
Frau Prof. Dr. rer. nat. U. Schlötzer-Schrehardt danke ich für die Möglichkeit, die
vorliegende Dissertationsarbeit in der Augenklinik der Friedrich-Alexander-
Universität Erlangen/ Nürnberg durchführen zu können.
Meinem Doktorvater, Herrn Professor Dr. A. Jünemann, möchte ich ganz herzlich
für die Bereitstellung des Themas und die hervorragende Betreuung meiner Arbeit
danken.
Herrn F. Lauterwald und Herrn A. Wege danke ich für die Hilfe bei der
Programmierung der biometrischen Datenbank.
Mein persönlicher Dank gilt meinem Mann, der mich jederzeit unterstützt und
motiviert hat.
Recommended