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 derzeit neun Standorten.
Expertisen
Projekt NUM4Rare
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
Outcomes der externen versorgungsnahen Daten (eVeDa)
NUM4Rare, Teilprojekt NUMlinkTREAT
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.
NAPKON-POP-Follow-up
Rolle NUM-MB:
Methodische Beratung zur Verlinkung mit Krankenversicherungsdaten
NUM-MB EC
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 klinisch epidemiologischen pädiatrischen Studien
- Das Team erstellt und entwickelt darüber hinaus:
- Tutorials und 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.
- Generative KI erlaubt gute, ressourcenschonende Strukturierung und Klassifizierung unstrukturierter Daten
- Anwendungsgebiete: Imputation, Kuration und Augmentation von Daten, Prozessautomatisierungen, Matching unterschiedlicher Daten, Metadatenkorrekturen
- 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
- 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
Outcomes der Clinical Data Science
| Projekt | Kurzbeschreibung | Rolle NUM-MB | Link |
|---|---|---|---|
| Systematic Review with LLMs | Untersuchung des unterstützenden Einsatzes von Large Language Models (LLMs) zur Teilautomatisierung systematischer Übersichtsarbeiten | Expertise CDS | |
| GENIOBA | 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) | Expertise CDS | |
| Dr. LLM | Untersuchung des diagnostischen Potenzials von Large Language Models (LLMs) zur Unterstützung klinischer Differentialdiagnosen in der Infektiologie | Expertise CDS | |
| Mignomat | LLM-basierte Prozesstreuhandstelle zur Verbesserung der Datensparsamkeit in der Prozessautomatisierung agentischer Workflows | Expertise CDS |