nach oben

Die Innere Medizin

Erschienen in:

31.03.2020 | Triage | Schwerpunkt: Patientensicherheit

Informationstechnologie und E-Health zur Verbesserung der Patientensicherheit

verfasst von: Dr. med. Tobias Müller

Erschienen in: Die Innere Medizin | Ausgabe 5/2020

Einloggen, um Zugang zu erhalten

Zusammenfassung

Im Rahmen einer qualitativ hochwertigen Gesundheitsversorgung kommt der Patientensicherheit entscheidende Bedeutung zu. Die zunehmende Digitalisierung, neue E‑Health Anwendungen und datenbasierte Algorithmen haben ein hohes Potenzial, hierbei einen wichtigen Beitrag zu leisten. Im vorliegenden Beitrag sollen aktuelle technologische Entwicklungen entlang des vereinfachten Behandlungspfads dargestellt werden: von der notfallmedizinischen Triage über die Diagnostik und Therapie bis zur Nachsorge. Die technischen Maßnahmen sind äußerst vielfältig, jedoch überwiegend mit geringer Evidenz belegt, da sie mehrheitlich aus dem Kontext einzelner akademischer Projekte oder von Start-up-Unternehmen stammen. Zweifellos können Technologien wichtige Instrumente zur Verbesserung der Patientensicherheit sein, trotzdem bergen sie auch immer Risiken. Überdies müssen technische Maßnahmen immer in ein Gesamtkonzept organisatorischer Maßnahmen, adäquater Ausbildung und Lehre sowie begleitender Forschung eingebettet werden, mit dem Ziel eines bestmöglichen Nutzens bei gleichzeitig möglichst geringen Risiken.

Abimanyi-Ochom J, Bohingamu Mudiyanselage S, Catchpool M, Firipis M, Wanni Arachchige DS, Watts JJ (2019) Strategies to reduce diagnostic errors. A systematic review. BMC Med Inform Decis Mak 19(1):174. https://doi.org/10.1186/s12911-019-0901-1 CrossRefPubMedPubMedCentral

Agrawal A (2009) Medication errors. Prevention using information technology systems. Br J Clin Pharmacol 67(6):681–686. https://doi.org/10.1111/j.1365-2125.2009.03427.x CrossRefPubMedPubMedCentral

AiCure (2020) https://aicure.com/. Zugegriffen: 16. Jan. 2020

Aidoc (2020) https://www.aidoc.com/. Zugegriffen: 15. Jan. 2020

AliveCor (2020) https://www.alivecor.com/. Zugegriffen: 25. Jan. 2020

Ammenwerth E, Aly A‑F, Bürkle T, Christ P, Dormann H, Friesdorf W, Haas C, Haefeli WE, Jeske M, Kaltschmidt J, Menges K, Möller H, Neubert A, Rascher W, Reichert H, Schuler J, Schreier G, Schulz S, Seidling HM, Stühlinger W, Criegee-Rieck M (2014) Memorandum on the use of information technology to improve medication safety. Methods Inf Med 53(5):336–343. https://doi.org/10.3414/ME14-01-0040 CrossRefPubMed

Annarumma M, Withey SJ, Bakewell RJ, Pesce E, Goh V, Montana G (2019) Automated triaging of adult chest radiographs with deep artificial neural networks. Radiology 291(1):196–202. https://doi.org/10.1148/radiol.2018180921 CrossRefPubMedPubMedCentral

Balogh EP, Miller BT, Ball JR (Hrsg) (2015) Improving diagnosis in health care. National Academies Press, Washington (DC)

Bang JY, Varadarajulu S (2018) Stent Tracker app. Novel method to track patients with indwelling lumen-apposing metal stents. Endosc Ultrasound 7(1):69–70. https://doi.org/10.4103/eus.eus_50_17 CrossRefPubMedPubMedCentral

10.

Bansal A, Joshi R (2018) Portable out-of-hospital electrocardiography. A review of current technologies. J Arrhythm 34(2):129–138. https://doi.org/10.1002/joa3.12035 CrossRefPubMedPubMedCentral

11.

Bates DW, Leape LL, Cullen DJ, Laird N, Petersen LA, Teich JM, Burdick E, Hickey M, Kleefield S, Shea B, Vander Vliet M, Seger DL (1998) Effect of computerized physician order entry and a team intervention on prevention of serious medication errors. JAMA 280(15):1311–1316. https://doi.org/10.1001/jama.280.15.1311 CrossRefPubMed

12.

BioVigil (2020) https://www.biovigil.com/. Zugegriffen: 21. Jan. 2020

13.

Bisignani A, de Bonis S, Mancuso L, Ceravolo G, Bisignani G (2019) Implantable loop recorder in clinical practice. J Arrhythm 35(1):25–32. https://doi.org/10.1002/joa3.12142 CrossRefPubMed

14.

Bobb AM, Payne TH, Gross PA (2007) Controversies surrounding use of order sets for clinical decision support in computerized provider order entry. J Am Med Inform Assoc 14(1):41–47. https://doi.org/10.1197/jamia.M2184 CrossRefPubMedPubMedCentral

15.

Borchard A, Schwappach DLB, Barbir A, Bezzola P (2012) A systematic review of the effectiveness, compliance, and critical factors for implementation of safety checklists in surgery. Ann Surg 256(6):925–933. https://doi.org/10.1097/SLA.0b013e3182682f27 CrossRefPubMed

16.

CardioSecur (2020) https://www.cardiosecur.com/. Zugegriffen: 25. Jan. 2020

17.

Cawthra J, Daldos R, Littlefield K, Wang S, Weitzel D (2020) Securing telehealth remote patient monitoring ecosystem. https://www.nccoe.nist.gov/sites/default/files/library/project-descriptions/hit-th-project-description-final.pdf. Zugegriffen: 24. Jan. 2020

18.

Challen R, Denny J, Pitt M, Gompels L, Edwards T, Tsaneva-Atanasova K (2019) Artificial intelligence, bias and clinical safety. BMJ Qual Saf 28(3):231–237. https://doi.org/10.1136/bmjqs-2018-008370 CrossRefPubMedPubMedCentral

19.

Chambers D, Cantrell AJ, Johnson M, Preston L, Baxter SK, Booth A, Turner J (2019) Digital and online symptom checkers and health assessment/triage services for urgent health problems. Systematic review. Bmj Open 9(8):e27743. https://doi.org/10.1136/bmjopen-2018-027743 CrossRefPubMedPubMedCentral

20.

Christ M, Bingisser R, Nickel CH (2016) Bedeutung der Triage in der klinischen Notfallmedizin. Dtsch Med Wochenschr 141(5):329–335. https://doi.org/10.1055/s-0041-109126 CrossRefPubMed

21.

Deutscher Bundestag Enquete-Kommission Künstliche Intelligenz, Projektgruppe „KI und Gesundheit“ (2019) Zusammenfassung der vorläufigen Ergebnisse. Kommissionsdrucksache 19(27)94. https://www.bundestag.de/resource/blob/672950/fed938366dcf1b3f79c2ff177e0f86f5/PG-3-Projektgruppenbericht-data.pdf. Zugegriffen: 15. Jan. 2020

22.

Dormann H, Maas R, Eickhoff C, Müller U, Schulz M, Brell D, Thürmann PA (2018) Der bundeseinheitliche Medikationsplan in der Praxis. Die Pilotprojekte MetropolMediplan 2016, Modellregion Erfurt und PRIMA. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 61(9):1093–1102. https://doi.org/10.1007/s00103-018-2789-9 CrossRefPubMed

23.

Ely JW, Graber ML, Croskerry P (2011) Checklists to reduce diagnostic errors. Acad Med 86(3):307–313. https://doi.org/10.1097/ACM.0b013e31820824cd CrossRefPubMed

24.

Fleming NS, Ogola G, Ballard DJ (2009) Implementing a standardized order set for community-acquired pneumonia. Impact on mortality and cost. Joint Comm J Qual Patient Saf 35(8):414–421. https://doi.org/10.1016/S1553-7250(09)35058-8 CrossRef

25.

Goto T, Camargo CA, Faridi MK, Freishtat RJ, Hasegawa K (2019) Machine learning-based prediction of clinical outcomes for children during emergency department triage. JAMA Netw Open 2(1):e186937. https://doi.org/10.1001/jamanetworkopen.2018.6937 CrossRefPubMedPubMedCentral

26.

Graber ML (2013) The incidence of diagnostic error in medicine. BMJ Qual Saf 22(Suppl 2):ii21–ii27. https://doi.org/10.1136/bmjqs-2012-001615 CrossRefPubMedPubMedCentral

27.

Graber ML, Kissam S, Payne VL, Meyer AND, Sorensen A, Lenfestey N, Tant E, Henriksen K, Labresh K, Singh H (2012) Cognitive interventions to reduce diagnostic error. A narrative review. BMJ Qual Saf 21(7):535–557. https://doi.org/10.1136/bmjqs-2011-000149 CrossRefPubMed

28.

Graf von Stillfried D, Czihal T, Meer A (2019) Sachstandsbericht. Strukturierte medizinische Ersteinschätzung in Deutschland (SmED). Notfall Rettungsmed 22(7):578–588. https://doi.org/10.1007/s10049-019-0627-8 CrossRef

29.

Greenberg CC, Diaz-Flores R, Lipsitz SR, Regenbogen SE, Mulholland L, Mearn F, Rao S, Toidze T, Gawande AA (2008) Bar-coding surgical sponges to improve safety. A randomized controlled trial. Ann Surg 247(4):612–616. https://doi.org/10.1097/SLA.0b013e3181656cd5 CrossRefPubMed

30.

Grossmann FF, Zumbrunn T, Ciprian S, Stephan F‑P, Woy N, Bingisser R, Nickel CH (2014) Undertriage in older emergency department patients—tilting against windmills? Plos One. https://doi.org/10.1371/journal.pone.0106203 CrossRefPubMedPubMedCentral

31.

GWA Hygiene GmbH (2020) https://gwa-hygiene.de/. Zugegriffen: 21. Jan. 2020

32.

Hamm J, Money AG, Atwal A, Paraskevopoulos I (2016) Fall prevention intervention technologies. A conceptual framework and survey of the state of the art. J Biomed Inform 59:319–345. https://doi.org/10.1016/j.jbi.2015.12.013 CrossRefPubMed

33.

Haque A, Guo M, Alahi A, Yeung S, Luo Z, Rege A, Jopling J, Downing L, Beninati W, Singh A, Platchek T, Milstein A, Fei-Fei L (2017) Towards vision-based smart hospitals. A system for tracking and monitoring hand hygiene compliance. In: Doshi-Velez F, Fackler J, Kale D, Ranganath R, Wallace B, Wiens J (Hrsg) Proceedings of the 2nd machine learning for healthcare conference, Bd. 68. PMLR, Boston, S 75–87

34.

Haynes AB, Weiser TG, Berry WR, Lipsitz SR, Breizat A‑HS, Dellinger EP, Herbosa T, Joseph S, Kibatala PL, Lapitan MCM, Merry AF, Moorthy K, Reznick RK, Taylor B, Gawande AA (2009) A surgical safety checklist to reduce morbidity and mortality in a global population. N Engl J Med 360(5):491–499. https://doi.org/10.1056/NEJMsa0810119 CrossRefPubMed

35.

HygNova GmbH (2020) https://www.hygnova.com/. Zugegriffen: 21. Jan. 2020

36.

Kamel Boulos MN, Berry G (2012) Real-time locating systems (RTLS) in healthcare. A condensed primer. Int J Health Geogr 11:25. https://doi.org/10.1186/1476-072X-11-25 CrossRefPubMedPubMedCentral

37.

Klinger U, Dormann H (2019) Erstsichtung in der Notaufnahme – Status quo und Zukunftsperspektiven. Notfall Rettungsmed 22(7):589–597. https://doi.org/10.1007/s10049-019-0572-6 CrossRef

38.

Krive J, Shoolin JS, Zink SD (2015) Effectiveness of evidence-based pneumonia CPOE order sets measured by health outcomes. Online J Public Health Inform 7(2):e211. https://doi.org/10.5210/ojphi.v7i2.5527 CrossRefPubMedPubMedCentral

39.

Lagnado L (2019) Is it time for a better hospital ID bracelet? https://www.wsj.com/articles/is-it-time-for-a-better-hospital-i-d-bracelet-11550671282. Zugegriffen: 20. Jan. 2020

40.

Lee F, Teich JM, Spurr CD, Bates DW (1996) Implementation of physician order entry. User satisfaction and self-reported usage patterns. J Am Med Inform Assoc 3(1):42–55. https://doi.org/10.1136/jamia.1996.96342648 CrossRefPubMedPubMedCentral

41.

Levin S, Toerper M, Hamrock E, Hinson JS, Barnes S, Gardner H, Dugas A, Linton B, Kirsch T, Kelen G (2018) Machine-learning-based electronic triage more accurately differentiates patients with respect to clinical outcomes compared with the emergency severity index. Ann Emerg Med 71(5):565–574.e2. https://doi.org/10.1016/j.annemergmed.2017.08.005 CrossRefPubMed

42.

Liu X, Faes L, Kale AU, Wagner SK, Fu DJ, Bruynseels A, Mahendiran T, Moraes G, Shamdas M, Kern C, Ledsam JR, Schmid MK, Balaskas K, Topol EJ, Bachmann LM, Keane PA, Denniston AK (2019) A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging. A systematic review and meta-analysis. Lancet Digit Health 1(6):e271–e297. https://doi.org/10.1016/S2589-7500(19)30123-2 CrossRef

43.

Maier-Hein L, Vedula SS, Speidel S, Navab N, Kikinis R, Park A, Eisenmann M, Feussner H, Forestier G, Giannarou S, Hashizume M, Katic D, Kenngott H, Kranzfelder M, Malpani A, März K, Neumuth T, Padoy N, Pugh C, Schoch N, Stoyanov D, Taylor R, Wagner M, Hager GD, Jannin P (2017) Surgical data science for next-generation interventions. Nat Biomed Eng 1(9):691–696. https://doi.org/10.1038/s41551-017-0132-7 CrossRef

44.

Marra AR, Edmond MB (2014) New technologies to monitor healthcare worker hand hygiene. Clin Microbiol Infect 20(1):29–33. https://doi.org/10.1111/1469-0691.12458 CrossRefPubMed

45.

Mayorga CA, Rockey DC (2013) Clinical utility of a standardized electronic order set for the management of acute upper gastrointestinal hemorrhage in patients with cirrhosis. Clin Gastroenterol Hepatol 11(10):1342–1348. https://doi.org/10.1016/j.cgh.2013.04.021 CrossRefPubMed

46.

Medaware (2020) https://www.medaware.com/. Zugegriffen: 16. Jan. 2020

47.

Mokli Y, Pfaff J, dos Santos DP, Herweh C, Nagel S (2019) Computer-aided imaging analysis in acute ischemic stroke—background and clinical applications. Neurol Res Pract 1(1):1929. https://doi.org/10.1186/s42466-019-0028-y CrossRef

48.

Molina WR, Pessoa R, Donalisio da Silva R, Kenny MC, Gustafson D, Nogueira L, Leo ME, Yu MK, Kim FJ (2017) A new patient safety smartphone application for prevention of “forgotten” ureteral stents. Results from a clinical pilot study in 194 patients. Patient Saf Surg 11:10. https://doi.org/10.1186/s13037-017-0123-3 CrossRefPubMedPubMedCentral

49.

Müller T, Jerrentrup A, Fritsch H‑W, Schäfer J (2016) Software zur Unterstützung der Differenzialdiagnose in der Inneren Medizin – Auswirkungen auf die Qualität der Medizin. Klinikarzt 45(05):250–256. https://doi.org/10.1055/s-0042-106355 CrossRef

50.

Müller T, Jerrentrup A, Schäfer JR (2018) Computerunterstützte Diagnosefindung bei seltenen Erkrankungen. Internist 59(4):391–400. https://doi.org/10.1007/s00108-017-0218-z CrossRefPubMed

51.

Murphy DR, Wu L, Thomas EJ, Forjuoh SN, Meyer AND, Singh H (2015) Electronic trigger-based intervention to reduce delays in diagnostic evaluation for cancer. A cluster randomized controlled trial. J Clin Oncol 33(31):3560–3567. https://doi.org/10.1200/JCO.2015.61.1301 CrossRefPubMedPubMedCentral

52.

Murthi S, Varshney A (2018) How augmented reality will make surgery safer. Harvard Business Review. https://hbr.org/2018/03/how-augmented-reality-will-make-surgery-safer. Zugegriffen: 17. Jan. 2020

53.

Nagy P, George I, Bernstein W, Caban J, Klein R, Mezrich R, Park A (2006) Radio frequency identification systems technology in the surgical setting. Surg Innov 13(1):61–67. https://doi.org/10.1177/155335060601300110 CrossRefPubMed

54.

nGageIT Digital Health (2020) https://ngageittec.com/. Zugegriffen: 16. Jan. 2020

55.

Oh J, Makar M, Fusco C, McCaffrey R, Rao K, Ryan EE, Washer L, West LR, Young VB, Guttag J, Hooper DC, Shenoy ES, Wiens J (2018) A generalizable, data-driven approach to predict daily risk of clostridium difficile infection at two large academic health centers. Infect Control Hosp Epidemiol 39(4):425–433. https://doi.org/10.1017/ice.2018.16 CrossRefPubMedPubMedCentral

56.

Putha P, Tadepalli M, Reddy B, Raj T, Chiramal JA, Govil S, Sinha N, Reddivari S, Jagirdar A, Rao P, Warier P et al (2018) Can Artificial Intelligence Reliably Report Chest X‑Rays? Radiologist Validation of an Algorithm trained on 2.3 Million X‑Rays

57.

Qure.ai (2020) http://qure.ai/. Zugegriffen: 15. Jan. 2020

58.

Raita Y, Goto T, Faridi MK, Brown DFM, Camargo CA, Hasegawa K (2019) Emergency department triage prediction of clinical outcomes using machine learning models. Crit Care 23(1):64. https://doi.org/10.1186/s13054-019-2351-7 CrossRefPubMedPubMedCentral

59.

Riches N, Panagioti M, Alam R, Cheraghi-Sohi S, Campbell S, Esmail A, Bower P (2016) The effectiveness of electronic differential diagnoses (DDX) generators. A systematic review and meta-analysis. PLoS ONE 11(3):e148991. https://doi.org/10.1371/journal.pone.0148991 CrossRefPubMedPubMedCentral

60.

Rozenblum R, Rodriguez-Monguio R, Volk LA, Forsythe KJ, Myers S, McGurrin M, Williams DH, Bates DW, Schiff G, Seoane-Vazquez E (2020) Using a machine learning system to identify and prevent medication prescribing errors. A clinical and cost analysis evaluation. Jt Comm J Qual Patient Saf 46(1):3–10. https://doi.org/10.1016/j.jcjq.2019.09.008 CrossRefPubMed

61.

Scarlat A (2012) Electronic health record. A systems analysis of the medications domain. CRC Press, Boca RatonCrossRef

62.

Schiff GD, Volk LA, Volodarskaya M, Williams DH, Walsh L, Myers SG, Bates DW, Rozenblum R (2017) Screening for medication errors using an outlier detection system. J Am Med Inform Assoc 24(2):281–287. https://doi.org/10.1093/jamia/ocw171 CrossRefPubMed

63.

Schweitzer M, Hoerbst A (2016) Robotic assistance in medication management. Development and evaluation of a prototype. Stud Health Technol Inform 225:422–426PubMed

64.

Singh H, Graber ML, Kissam SM, Sorensen AV, Lenfestey NF, Tant EM, Henriksen K, LaBresh KA (2012) System related interventions to reduce diagnostic error. A narrative review. BMJ Qual Saf 21(2):160–170. https://doi.org/10.1136/bmjqs-2011-000150 CrossRefPubMed

65.

Singh H, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, Thomas EJ (2013) Types and origins of diagnostic errors in primary care settings. JAMA Intern Med 173(6):418–425. https://doi.org/10.1001/jamainternmed.2013.2777 CrossRefPubMedPubMedCentral

66.

Singh H, Meyer AND, Thomas EJ (2014) The frequency of diagnostic errors in outpatient care. Estimations from three large observational studies involving US adult populations. BMJ Qual Saf 23(9):727–731. https://doi.org/10.1136/bmjqs-2013-002627 CrossRefPubMedPubMedCentral

67.

Singh H, Onakpoya I, Thompson MJ, Graber ML, Schiff G (2016) Diagnostic errors. Technical series on safer primary care. World Health Organization, Geneva

68.

Singh H, Schiff GD, Graber ML, Onakpoya I, Thompson MJ (2017) The global burden of diagnostic errors in primary care. BMJ Qual Saf 26(6):484–494. https://doi.org/10.1136/bmjqs-2016-005401 CrossRefPubMed

69.

Singh R, Kalra MK, Nitiwarangkul C, Patti JA, Homayounieh F, Padole A, Rao P, Putha P, Muse VV, Sharma A, Digumarthy SR (2018) Deep learning in chest radiography. Detection of findings and presence of change. PLoS ONE 13(10):e204155. https://doi.org/10.1371/journal.pone.0204155 CrossRefPubMedPubMedCentral

70.

Strickland E (2018) Hospitals fight sepsis with AI. By predicting cases, sepsis watch could save lives—[News. IEEE Spectr 55(11):9–10. https://doi.org/10.1109/MSPEC.2018.8513768 CrossRef

71.

Suchodolski K, von Dincklage F, Lichtner G, Friesdorf W, Podtschaske B, Ragaller M (2019) Vergleich aktueller Patientendatenmanagementsysteme in der Intensivmedizin aus Sicht der klinischen Nutzer. Zusammenfassung der Ergebnisse einer deutschlandweiten Umfrage. Anaesthesist 68(7):436–443. https://doi.org/10.1007/s00101-019-0615-x CrossRefPubMed

72.

Tabi K, Randhawa AS, Choi F, Mithani Z, Albers F, Schnieder M, Nikoo M, Vigo D, Jang K, Demlova R, Krausz M (2019) Mobile Apps for medication management. Review and analysis. JMIR Mhealth Uhealth 7(9):e13608. https://doi.org/10.2196/13608 CrossRefPubMed

73.

Food US, Administration D (2012) Guidance for Industry and Food and Drug Administration Staff: Computer-Assisted Detection Devices Applied to Radiology Images and Radiology Device Data—Premarket Notification [510 (k)] Submissions. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/computer-assisted-detection-devices-applied-radiology-images-and-radiology-device-data-premarket. Zugegriffen: 14. Jan. 2020

74.

Vayena E, Blasimme A, Cohen IG (2018) Machine learning in medicine. Addressing ethical challenges. PLoS Med 15(11):e1002689. https://doi.org/10.1371/journal.pmed.1002689 CrossRefPubMedPubMedCentral

75.

Weber RJ, Moffat-Bruce S (2014) Medication reconcilliation error. In: Agrawal A (Hrsg) Patient safety. A case-based comprehensive guide. Springer, Dordrecht, S 115–127

76.

Winkel DJ, Heye T, Weikert TJ, Boll DT, Stieltjes B (2019) Evaluation of an AI-based detection software for acute findings in abdominal computed tomography scans. Toward an automated work list prioritization of routine CT examinations. Invest Radiol 54(1):55–59. https://doi.org/10.1097/RLI.0000000000000509 CrossRefPubMed

77.

Zebra Medical Vision (2020) https://www.zebra-med.com/. Zugegriffen: 15. Jan. 2020

Titel: Informationstechnologie und E-Health zur Verbesserung der Patientensicherheit
verfasst von: Dr. med. Tobias Müller
Publikationsdatum: 31.03.2020
Verlag: Springer Medizin
Schlagwort: Triage
Erschienen in: Die Innere Medizin / Ausgabe 5/2020
Print ISSN: 2731-7080
Elektronische ISSN: 2731-7099
DOI: https://doi.org/10.1007/s00108-020-00780-6

Leitlinien kompakt für die Innere Medizin

Mit medbee Pocketcards sicher entscheiden.

^{Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag}

Kostenlos registrieren

Neu im Fachgebiet Innere Medizin

25.04.2024 | Nierenkarzinom | Nachrichten

Update Innere Medizin

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Springer Medizin

Informationstechnologie und E-Health zur Verbesserung der Patientensicherheit

Zusammenfassung

Leitlinien kompakt für die Innere Medizin

Neu im Fachgebiet Innere Medizin

Adjuvante Immuntherapie verlängert Leben bei RCC

Alectinib verbessert krankheitsfreies Überleben bei ALK-positivem NSCLC

Metformin rückt in den Hintergrund

Myokarditis nach Infekt – richtig schwierig wird es bei Profisportlern

Update Innere Medizin

Springer Medizin

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 5/2020

Arzneimitteltherapie: Chancen und Risiken von Biosimilars

CME: Antibiotic Stewardship - Teil 2: Anwendung

Patientensicherheit schon im Studium vermitteln

Hämatochezie und rechtsseitiger Oberbauchschmerz nach Punktion eines Leberabszesses bei einem 75-Jährigen

Patientensicherheit – aktuelle Probleme und Herausforderungen

Kongresse des BDI

Leitlinien kompakt für die Innere Medizin

Neu im Fachgebiet Innere Medizin

Adjuvante Immuntherapie verlängert Leben bei RCC

Alectinib verbessert krankheitsfreies Überleben bei ALK-positivem NSCLC

Metformin rückt in den Hintergrund

Myokarditis nach Infekt – richtig schwierig wird es bei Profisportlern

Update Innere Medizin