The disease and treatment of patients with head and neck cancer can lead to multiple late and long-term sequelae. Especially pain, psychosocial problems, and voice issues can have a high impact on patients’ health-related quality of life. The aim was to show the feasibility of implementing an electronic Patient-Reported Outcome Measure (PROM) in patients with head and neck cancer (HNC). Driven by our department’s intention to assess Patient-Reported Outcomes (PRO) based on the International Classification of Functioning during tumor aftercare, the program “OncoFunction” has been implemented and continuously refined in everyday practice. The new version of “OncoFunction” was evaluated by 20 head and neck surgeons and radiation oncologists in an interview. From 7/2013 until 7/2017, 846 patients completed the PROM during 2,833 of 3,610 total visits (78.5%). The latest software version implemented newly developed add-ins and increased the already high approval ratings in the evaluation as the number of errors and the time required decreased (6 vs. 0 errors, 1.35 vs. 0.95 min; p<0.01). Notably, patients had different requests using PRO in homecare use. An additional examination shows that only 59% of HNC patients use the world wide web. Using OncoFunction for online-recording and interpretation of PROM improved data acquisition in daily HNC patients’ follow-up. An accessory timeline grants access to former consultations and their visualization supported and simplified structured examinations. This provides an easy-to-use representation of the patient’s functional outcome supporting comprehensive aftercare, considering all aspects of the patient’s life.

Miniaturized vectorial beam steering mirrors are required in numerous applications like (i) LIDAR, (ii) diagnostic imaging or (iii) miniaturized therapeutic laser systems. To increase simultaneously static tilt angle (≥ ±5°) and mirror aperture (≥ 3mm) electro-dynamic driven MEMS vector scanners, actuated by moving magnet drives, were developed. Here, Fraunhofer IPMS uses a hybrid MEMS concept combining its experience in the fabrication of monolithic silicon 2D MEMS scanning mirrors with existing know-how in MEMS micro-assembly technologies. Two designs of electro-magnetic driven vectorial 2D MEMS scanners are presented, (i) a non-gimbaled 2D vector scanner with 8 mm mirror aperture and ≥ ±2° quasi-static tilt angle and (ii) a 2D vector scanner with gimble suspended moving magnet drive. The gimbaled electro-magnetic MEMS scanner has a 5 mm large aperture and enables large quasi-static tilt angles of ±13° on both scan axis. Eigenfrequencies are 142 Hz (X) and 124 Hz (Y) allowing non-resonant vectorial scanning with speeds up to 100…400°/s. A step response time < 10 ms is achieved in closed loop control for both axes. This hybrid electro-magnetic MEMS approach significantly expands the parameter space of the previous monolithic electro-static scanners.

No abstract

Zusammenfassung Einleitung Komorbidität beeinflusst die für die kurative Therapie von Kopf-Hals-Karzinomen (HNC) verfügbaren Optionen. Das manuelle Zusammentragen der Nebenerkrankungen vor der Anmeldung im interdisziplinären Tumorboard (TB) ist zeitintensiv und oft unvollständig. Eine automatisierte Erfassung von nach ICD-10 kodierten Komorbiditätsdaten und deren Darstellung könnte die therapeutische Entscheidungsfindung im TB verbessern sowie bestehenden Informationsbedarf aufzeigen. Material und Methoden Die ICD-10-Codes unserer Patienten wurden aus 4 Datenbanken (hospital-information-system (HIS*-MED), der klinikinternen Tumordatenbank, OncoFlow® und OncoFunction®) extrahiert. Nach der Datensatzverknüpfung mittels der Python-Programmbibliotheken Pandas und Record Linkage wurden die ICD-10-Codes bezüglich des Charlson-Scores gewichtet und für die Implementierung in OncoFlow visualisiert. Die Kodierqualität wurde am Beispiel Diabetes an einer 1:1 gematchten Stichprobe von 240 Patienten überprüft. Ergebnisse 29 073 ICD-10-Codes von 2087 Patienten mit HNC wurden extrahiert. Die Anmeldung eines Patienten im TB triggert die sofortige automatische Erfassung und Visualisierung der Daten als Piktogramm in OncoFlow. Dies ermöglicht die schnelle Erfassung und Bewertung der Komorbidität sowie erforderlicher Diagnostik zur Komplettierung der Daten. Die klinikinterne Validationsstudie ergab eine Präzision der durch Datenimport verfügbaren Information zu Diabetes von 95,0 %. Diskussion Patienten mit HNC weisen häufig für die Therapieentscheidung relevante Nebenerkrankungen auf. Die automatisierte Erfassung der Komorbidität aus administrativen Daten und deren intuitive Darstellung ist ressourcen- und kostengünstig möglich. Voraussetzung ist eine präzise, vollständige Verschlüsselung der Krankheitsdiagnosen.

Zusammenfassung Einleitung Komorbidität beeinflusst die für die kurative Therapie von Kopf-Hals-Karzinomen (HNC) verfügbaren Optionen. Das manuelle Zusammentragen der Nebenerkrankungen vor der Anmeldung im interdisziplinären Tumorboard (TB) ist zeitintensiv und oft unvollständig. Eine automatisierte Erfassung von nach ICD-10 kodierten Komorbiditätsdaten und deren Darstellung könnte die therapeutische Entscheidungsfindung im TB verbessern sowie bestehenden Informationsbedarf aufzeigen. Material und Methoden Die ICD-10-Codes unserer Patienten wurden aus 4 Datenbanken (hospital-information-system (HIS*-MED), der klinikinternen Tumordatenbank, OncoFlow® und OncoFunction®) extrahiert. Nach der Datensatzverknüpfung mittels der Python-Programmbibliotheken Pandas und Record Linkage wurden die ICD-10-Codes bezüglich des Charlson-Scores gewichtet und für die Implementierung in OncoFlow visualisiert. Die Kodierqualität wurde am Beispiel Diabetes an einer 1:1 gematchten Stichprobe von 240 Patienten überprüft. Ergebnisse 29 073 ICD-10-Codes von 2087 Patienten mit HNC wurden extrahiert. Die Anmeldung eines Patienten im TB triggert die sofortige automatische Erfassung und Visualisierung der Daten als Piktogramm in OncoFlow. Dies ermöglicht die schnelle Erfassung und Bewertung der Komorbidität sowie erforderlicher Diagnostik zur Komplettierung der Daten. Die klinikinterne Validationsstudie ergab eine Präzision der durch Datenimport verfügbaren Information zu Diabetes von 95,0 %. Diskussion Patienten mit HNC weisen häufig für die Therapieentscheidung relevante Nebenerkrankungen auf. Die automatisierte Erfassung der Komorbidität aus administrativen Daten und deren intuitive Darstellung ist ressourcen- und kostengünstig möglich. Voraussetzung ist eine präzise, vollständige Verschlüsselung der Krankheitsdiagnosen.