Methoden-Hub (ECU)
Methoden-Hub (ECU)
Kontaktieren Sie uns gerne für eine kostenlose Erstberatung
Ziel des Methoden-Hubs (Epidemiology Core Unit, ECU) ist die Sicherstellung einer hohen methodischen Qualität der klinischen und klinisch-epidemiologischen Studien. Dabei bieten wir Beratungen von der Planung über die Durchführung bis zur Auswertung an. Dadurch ermöglichen wir:
- Die Sicherstellung einer soliden Planung der Studien
- Eine qualitativ hochwertige Durchführung der Studien
- Die methodisch saubere Auswertung der Studiendaten
- Eine effektive Nachnutzung der Studiendaten
Der Fokus liegt dabei auf nicht-regulierten Studien / klinisch-epidemiologischen Studien. Für Fragen rund um regulierte Studien wenden Sie sich bitte an das KKS-Netzwerk oder das lokale KKS/ZKS. Bei Adaptiven Studiendesigns kann NUKLEUS (APT-SU) unterstützen.
Epidemiologiekern (ECU)
Expertise im Epidemiologiekern
Wir unterstützen Sie mit einem interdisziplinären Team aus den Bereichen Biometrie, Epidemiologie, Medizininformatik, Gesundheitswissenschaften/Public Health und Pädiatrie mit komplementärer Fachexpertise an mehreren Standorten.
Expertisen
Outputs der Patient-Reported Outcomes (PROs) & Patient-Reported Outcome Measures (PROMs)
Kurzbeschreibung: Aufbau einer deutschen Registerinfrastruktur für Seltene Erkrankungen: Verknüpfung von krankheitsspezifischen Registern, klinischen Daten und PROMs von Patient:innen mit Seltenen Erkrankungen
Rolle NUM-MB: Methodische Beratung zur Erhebung, Harmonisierung und Verwendung von PROMs innerhalb von NUKLEUS
Der NUM Methoden- und Bioproben-Hub (NUM-MB) empfiehlt ein standardisiertes, modulares System zur Erhebung von Patient-Reported Outcomes (PROs) im NUM. Grundlage bildet ein erkrankungsübergreifendes Kernmodul auf Basis der PROMIS-Metrik, einem auf moderner Testtheorie basierenden und international anerkannten Messsystem. Ergänzt wird es um krankheits-, interventions- und kontextspezifische Zusatzmodule. Die Empfehlung richtet sich an alle NUM-Forschenden, die PROs in Studien, Registern, Kohorten oder Versorgungsprojekten künftig psychometrisch robust und über Fachgebiete hinweg harmonisiert erheben möchten.
Outputs der externen versorgungsnahen Daten (eVeDa)
Kurzbeschreibung: Aufbau einer deutschen Registerinfrastruktur für Seltene Erkrankungen; Anbindung des TREAT-Registers an NUM4Rare
Rolle NUM-MB: Beratung zum Linkage von externen Registerdaten aus dem medizinischen Register TREATgermany mit Krankenkassendaten
Rolle NUM-MB: Methodische Beratung zur Verlinkung mit Krankenkassendaten
Rolle NUM-MB: Beratung zur Anpassung von Patienteninformations-/ -einwilligungs- und Sekundärnutzungsunterlagen bzgl. Linkage Externe Daten (Krankenkassen, Krebsregister, ePA)
Pädiatriespezifische Methodenberatung für Forscher:innen innerhalb des NUM
- Mitarbeiter:innen des interdisziplinären Teams unterstützen bei:
- der individuellen Planung
- Durchführung und
- Auswertung von klinischen und epidemiologischen pädiatrischen Studien
- Das Team erstellt und entwickelt darüber hinaus:
- Tutorials z.B. zum Thema „Messen und Auswerten von PROs: Gesundheitsbezogene Lebensqualität bei Kindern und Jugendlichen“,
- Webinare zu pädiatriespezifischen Besonderheiten sowie
- Gesundheits-Apps für die Anwendung in der pädiatrischen Therapie und Versorgung
Methodentoolbox:
Umfangreicher Methoden- und Instrumenten-Werkzeugkasten mit international standardisierten und etablierten Screening- und Diagnoseinstrumenten für die Erfassung der Gesundheit und Krankheitsbildern bei Kindern und Jugendlichen.
LLM-basierte Klassifizierung
- Generative KI erlaubt gute, ressourcenschonende Strukturierung und Klassifizierung unstrukturierter Daten
- Anwendungsgebiete: Imputation, Kuration und Augmentation von Daten, Prozessautomatisierungen, Matching unterschiedlicher Daten, Metadatenkorrekturen
Datenauswertung mit maschinellem Lernen
- Maschinelles Lernen erlaubt die Identifikation nichtlinearer und komplexer Assoziationen in komplexen Modellen und kann bei ausreichender Datenmenge ohne Vorwissen („hypothesenfrei“) eingesetzt werden.
- Anwendungsgebiete: Klassifizierungs- und Prognosemodelle, kausale Inferenz
Unser Angebot
- Realistische Beratung bei Verwendung aktueller Methoden des maschinellen Lernens und generativer KI rund um klinische und klinisch-epidemiologische Daten
- Hilfe bei der Identifizierung geeigneter Projektpartner:innen
Outputs der Clinical Data Science (CDS)
Kurzbeschreibung: Untersuchung des unterstützenden Einsatzes von Large Language Models (LLMs) zur Teilautomatisierung systematischer Übersichtsarbeiten
Rolle NUM-MB: Expertise CDS
Kurzbeschreibung: Unterstützung der Durchführung eines systematischen Reviews („Systematisches Review zum Gender-Gap in der Versorgung von Patient:innen mit Impulskontrollstörung“) der Ruhr-Universität Bochum mittels mehrerer Large Language Models (LLMs)
Rolle NUM-MB: Expertise CDS
Kurzbeschreibung: Untersuchung des diagnostischen Potenzials von Large Language Models (LLMs) zur Unterstützung klinischer Differentialdiagnosen in der Infektiologie
Rolle NUM-MB: Expertise CDS
Kurzbeschreibung: LLM-basierte Prozesstreuhandstelle zur Verbesserung der Datensparsamkeit in der Prozessautomatisierung agentischer Workflows
Rolle NUM-MB: Expertise CDS