Projektübersicht

Datennutzung mit dem DIZ Jena

Die nachfolgend beschriebenen Forschungsprojekte mit Nutzung der Daten von Behandelten des UKJ wurden bzw. werden am DIZ durchgeführt. Nicht aufgelistet sind zahlreiche weitere lokale Datennutzungs- und Serviceprojekte.

Für multizentrische Projekte beachten Sie bitte auch das übergreifende Projektregister des Forschungsdatenportals für Gesundheit.

LABKI2B2

Projektname: Laborbasierte Künstliche Intelligenz zur qualitätskontrollierten Extraktion klinischer Phänotyp-Informationen im Healthcare Integrated Biobanking

Projektkategorie: lokales Forschungsprojekt

Verantwortliche:

PD Dr. Dr. Michael Kiehntopf (Universitätsklinikum Jena)

Laufzeit und Status: 9.5.2025 – 8.5.2027, laufende Datennutzung

Bereitgestellte Datenarten: Falldaten, Diagnosen, Prozeduren, Laboruntersuchungen

Zusammenfassung:
Ziel des Projekts ist es, einen Healthcare Integrated Biobanking (HIB)-Algorithmus zu entwickeln, der die spezifischen Anforderungen unterschiedlicher Phenotypen im klinischen Umfeld adressiert und in den Arbeitsablauf eines Krankenhaussystems integriert werden kann. Ein erster spezifischer Anwendungsfall ist dabei unter anderem die Identifikation von fortgeschrittener chronischer Nierenerkrankung (CKD). Ein weiteres Ziel ist es, ressourcenschonende Methoden zur Detektion des Phänotypen-Status in großen Kohorten zu entwickeln. Dies soll zunächst auch am Beispiel CKD durch den Einsatz eines KI-basierten Algorithmus als Silberstandard zur Bestimmung des "wahren" CKD-Status, der als Referenz zur Validierung des HIB-Algorithmus dient, erfolgen. LABKI2B2 stellt eine Weiterentwicklung des abgeschlossenen STAKI2B2-Projekts dar und baut auf dessen Vorarbeiten und Ergebnissen auf.

Finanzierung: Eigenmittel

NutriScoPe

Projektname: Automatisierte Diagnostik von Mangelernährung (Nutricional Scoring) bei stationären Patient:innen

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

PD Dr. med. Haiko Schlögl (Universitätsklinikum Leipzig)

Laufzeit und Status: 1.11.2024 – 31.10.2025, laufende Datennutzung

Bereitgestellte Datenarten: u.a. Diagnosen und Prozeduren

Zusammenfassung:
Das Ziel dieser Studie besteht darin, die Gesamt-Prävalenz von Mangelernährung, die Verteilung auf die verschiedenen medizinischen Fachdisziplinen, sowie die Auswirkung, die eine automatisierte Erfassung von Mangelernährung auf deren Therapie im Klinikum und daraus folgend das Patienten-Outcome haben, zu eruieren. Dafür werden Daten aus zwei Universitätskliniken, Leipzig und Jena, beispielhaft untersucht. Ein weiteres Ziel ist es, Cluster von Mangelernährung bezogen auf die Einflüsse von Krankenhaushauptdiagnose, medizinische Fachabteilung in der eine stationäre Therapie erfolgt, Alter und Geschlecht zu bilden und die daraus folgenden medizinischen Konsequenzen in Bezug auf die Behandlungs- und Therapieerfolge zu untersuchen.

Link: Beschreibung des Projekts im Forschungsdatenportal für Gesundheit

PEDREF 2.0 – Rollout/DE

Projektname: Next-Generation Pediatric Reference Intervals – Rollout

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

PD Dr. med. habil. Jakob Zierk (Uniklinikum Erlangen)

Laufzeit und Status: 15.8.2024 – 14.8.2028, laufende Datennutzung

Bereitgestellte Datenarten: u.a. Laboruntersuchungen

Zusammenfassung:
In diesem Projekt wird der MII-Kerndatensatz multizentrisch ausgewertet, um spezifische Referenzintervalle für Frühgeborene zu ermitteln, Referenzintervalle für Spezialuntersuchungen zu bestimmen und die Genauigkeit von pädiatrischen Referenzintervallen zu verbessern. Die ermittelten Referenzintervalle werden genutzt, um moderne Strategien zur Interpretation von Laboruntersuchungen im Kindesalter zu implementieren. Dabei erfolgt die Integration von klinischen Kovariaten und mehreren Labortestergebnissen (mehrdimensionale Klassifikation) zur Prädiktion relevanter Endpunkte und zur Erhöhung des klinischen Nutzens von Labordiagnostik.

Link: PEDREF-Website

NUM-Dashboard

Projektname: Standortübergreifendes Dashboard der Universitätsklinika

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

PD Dr. med. Sven Zenker (Universitätsklinikum Bonn)
Prof. Dr. André Scherag (für das Universitätsklinikum Jena)

Laufzeit und Status: 27.1.2020 – 30.6.2025, laufende Datennutzung

Bereitgestellte Datenarten: aggregierte Informationen zu COVID-19-Fällen und weiteren Erkrankungen

Zusammenfassung:
Für eine Übersicht über relevante Parameter von COVID-19-Fällen an den Universitätsklinika wurde ein standortübergreifend mit aggregierten Daten befüllbares Web-Dashboard entwickelt. Mit den Krankenhaus- und ITS-Verweildauern enthält das Dashboard bereits aktuelle Daten, die sonst kaum verfügbar sind. Nach der Pandemie werden weiterhin öffentlich über alle Standorte kumulierte Daten der Universitätskliniken auch zur Behandlung anderer Erkrankungen präsentiert.

Finanzierung:
Dieses Vorhaben wird im Rahmen der Medizininformatik-Initiative (MII) und des Netzwerks Universitätsmedizin (NUM) mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) gefördert.

Link: NUM-Dashboard

RISK PRINCIPE

Projektname: RISK Prediction for Risk-stratified INfection Control and PrEvention

Projektkategorie: Use Case der Medizininformatik-Initiative

Verantwortliche:

Prof. Dr. med. Simone Scheithauer (Universitätsmedizin Göttingen)
Prof. Dr. med. Mathias Pletz (Universitätsklinikum Jena)
Prof. Dr. André Scherag (Universitätsklinikum Jena)
Prof. Dr. med Dr.-Ing. Michael Marschollek (Medizinische Hochschule Hannover)

Laufzeit und Status: 1.7.2023 – 30.6.2027, laufende Datennutzung

Bereitgestellte Datenarten: u.a. mikrobiologische Befunde

Zusammenfassung:
RISK PRINCIPE hat das Ziel der Entwicklung und Validierung einer automatisierten Datenerfassung zu Surveillancezwecken und einer routinedatenbasierten Risikovorhersage am Beispiel der Blutstrominfektionen mit anschließender Visualisierung für eine effektivere und effizientere Infektionsprävention und -kontrolle. RISK PRINCIPE könnte die Qualität der Krankenversorgung und insbesondere der Patientensicherheit verbessern, indem es dabei hilft, gezielt Gruppen von Risikopatientinnen und -patienten zu identifizieren, den Ressourcenaufwand der Surveillance zu reduzieren und die frühzeitige risikoadaptierte Infektionsprävention und -kontrolle zu erhöhen. Dies soll am Beispiel der im Krankenhaus auftretenden Bakteriämie erprobt werden. Um dieses Ziel zu erreichen, sollen verschiedene Datenquellen evaluiert und so Risikoprofile erstellt werden, welche dann getestet werden.

Finanzierung:
Dieses Vorhaben wird im Rahmen der Medizininformatik-Initiative (MII) mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) unter dem Förderkennzeichen (FKZ), hier standortspezifisches FKZ: 01ZZ2323B gefördert.

Link: Beschreibung des Projekts auf der Website der Medizininformatik-Initiative

INTERPOLAR

Projektname: INTERventional POLypharmacy – drug interActions – Risks

Projektkategorie: Use Case der Medizininformatik-Initiative

Verantwortliche:

Prof. Dr. med. Markus Löffler (Universität Leipzig)
Prof. Dr. med. Renke Maas (Friedrich-Alexander-Universität Erlangen-Nürnberg)
Prof. Dr. André Scherag (Universitätsklinikum Jena)

Laufzeit und Status: 1.1.2023 – 31.12.2026, laufende Datennutzung

Bereitgestellte Datenarten: u.a. Medikationsdaten

Zusammenfassung:
Der Use Case INTERPOLAR hat das Ziel, mit einem Algorithmus Krankenhauspatientinnen und -patienten zu identifizieren, die ein hohes Risiko für klinisch relevante und beeinflussbare Medikationsprobleme haben. Krankenhausapothekerinnen und -apotheker können sich so gezielt den Patientinnen und Patienten widmen, die von ihrer Beurteilung am meisten profitieren. Durch Expertinnen und Experten ausgewählte Risiko-Trigger unterstützen Krankenhausapothekerinnen und -apotheker dabei gezielt, Patientinnen und Patienten mit einem erhöhten Risiko für Medikationsprobleme zu finden. Damit kann die Risikoeinschätzung in der Routinebeurteilung beschleunigt und die Medikationsanalyse für gefährdete Patientinnen und Patienten fokussiert werden. Begleitende Studien sollen zeigen, dass die IT-gestützte Risikobewertung die Zahl der Arzneimittelzwischenfälle deutlich reduziert.

Link: Beschreibung des Projekts auf der Website der Medizininformatik-Initiative

WE-STORM

Projektname: Weather-based Stroke Event and Outcome Risk Modeling

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

Dr. med. Máté E. Maros MSc (Universitätsmedizin Mannheim)
PD Dr. med. Florian Rakers (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.3.2022 – 30.11.2022, Datennutzung abgeschlossen

Bereitgestellte Datenarten: Falldaten, Diagnosen, Prozeduren, Laboruntersuchungen und Medikationsgaben

Zusammenfassung:
Hitzewellen führen bekanntermaßen zu einer Häufung von Krankenhauseinweisungen. Im vorliegenden Projekt soll untersucht werden, wie groß der Einfluss der Hitze auf das Schlaganfallrisiko einer Person ist. Dafür wird im ersten Schritt ein Basisrisiko ermittelt, das Patientinnen und Patienten allgemein und in Abhängigkeit von ihrem Gesundheitszustand haben. Im zweiten Schritt wird ermittelt, wie sehr das Schlaganfallrisiko durch eine Hitzewelle in einer Region zunimmt. Dafür werden regionale Daten des Deutschen Wetterdienstes verwendet und gemeinsam mit den Daten zu Aufnahmen mit der Diagnose Schlaganfall aus vielen teilnehmenden Unikliniken analysiert.

Link: Beschreibung des Projekts im Forschungsdatenportal für Gesundheit

NT-proBNP

Projektname: NT-proBNP als Marker bei Vorhofflimmern

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

Prof. Dr. med. Markus Löffler (Universität Leipzig)
Prof. Dr. André Scherag (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.3.2022 – 31.8.2022, Datennutzung abgeschlossen

Bereitgestellte Datenarten: Falldaten, Diagnosen und Laboruntersuchungen

Zusammenfassung:
Es ist manchmal schwierig und langwierig Vorhofflimmern, eine meist chronische Herzrhythmusstörung, bei Patienten und Patientinnen zuverlässig zu diagnostizieren. In der Regel nutzt man dafür ein Langzeit-EKG (Elektrokardiogramm), also eine Messung der Herzströme. Im vorliegenden Projekt NT-proBNP soll nun festgestellt werden, ob man zusätzlich zum EKG auch die Messung des Biomarkers NT-proBNP als Anhaltspunkt für eine zuverlässige Diagnose nutzen kann. (Ein Biomarker ist ein biologisches Merkmal, das in Blut- oder Gewebeproben gemessen werden kann.) Dafür wird der Zusammenhang zwischen Vorhofflimmern und dem Auftreten des Biomarkers NT-proBNP an allen teilnehmenden Unikliniken analysiert.

Link: Beschreibung des Projekts im Forschungsdatenportal für Gesundheit

POLAR

Projektname: Polypharmazie – Arzneimittelwechselwirkungen – Risiken

Projektkategorie: Use Case der Medizininformatik-Initiative

Verantwortliche:

Prof. Dr. med. Markus Löffler (Universität Leipzig)
Prof. Dr. André Scherag (Universitätsklinikum Jena)

Laufzeit und Status: 1.2.2020 – 31.12.2022, Datennutzung abgeschlossen

Bereitgestellte Datenarten: u.a. Medikationsdaten

Zusammenfassung:
Im Projekt POLAR arbeiten Medizininformatiker, Biometriker, Epidemiologen, Pharmazeuten, klinische Pharmakologen und Gesundheitsforscher aus 21 Institutionen, darunter 13 Universitätsklinika, zusammen, um standortübergreifend Daten zu verordneten Medikamenten (z.B. Medikationspläne) sowie zu Verordnungen und Arzneimittelabgaben aus den Apotheken zu erfassen, Polymedikationen hinsichtlich Potenziell Inadäquater Medikation (PIM) sowie eine ausgewählte Bandbreite von Medikamenten als Hochrisikoverordnung zu klassifizieren, Scores zur Identifizierung von Hochrisikopatienten für arzneimittelbezogene Probleme digital abzubilden und das Auftreten von unerwünschten Arzneimittelwirkungen und deren Konsequenzen frühzeitig zu identifizieren oder ganz zu vermeiden.

Link: Beschreibung des Projekts auf der Website der Medizininformatik-Initiative

INDEED

Projektname: Inanspruchnahme und sektorenübergreifende Versorgungsmuster von Patienten in Notfallversorgungsstrukturen in Deutschland

Projektkategorie: standortübergreifendes Forschungsprojekt

Verantwortliche:

Dr. med. Martin Möckel (Charité Universitätsmedizin Berlin, für INDEED)
Felix Greiner, M.Sc. (Otto-von-Guericke-Universität Magdeburg, für die Betreuung der AKTIN-Modellkliniken)
Dr. med. Wilhelm Behringer (für das Universitätsklinikum Jena)
Dr. med. Martin J. Specht (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.5.2017 – 30.4.2020, Datennutzung abgeschlossen

Bereitgestellte Datenarten: Daten von Patientenbehandlungen in der zentralen Notaufnahme

Zusammenfassung:
In INDEED sollen Routinedaten der Patientenversorgung in der Notaufnahme mit Abrechnungsdaten der Kassenärztlichen Vereinigungen verknüpft werden. Ziel ist es, die Inanspruchnahme des ambulanten Gesundheitssektors wie auch der Notaufnahme als Schnittstelle zwischen ambulanter Versorgung und Krankenhaus überregional und sektorenübergreifend erforschen zu können.

Finanzierung: Dieses Projekt wird gefördert durch den Innovationsfonds beim G-BA, Förderkennzeichen 01VSF16044

Links:

Beschreibung des Förderprojekts auf der Website der Innovationsfonds-Projekte des G-BA

MII-Demonstratorstudie

Projektname: Demonstrator-Studie der Medizininformatik-Initiative mit konsortienübergreifenden Auswertungen zu Multimorbidität und seltenen Erkrankungen bei stationären und teilstationären Patienten in Deutschland in den Jahren 2015-2017

Projektkategorie: Datennutzungsprojekt

Verantwortliche:

Prof. Dr. med. Thomas Ganslandt (Universitätsmedizin Mannheim, für die MII-Demonstratorstudie)
Prof. Dr. André Scherag (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.4.2018 – 28.2.2019, Datennutzung abgeschlossen

Bereitgestellte Datenarten: Datensätze der Struktur gem. § 21 KHEntgG, InEK GmbH

Zusammenfassung:
Ziel der vorliegenden Studie sind retrospektive deskriptive Auswertungen zu den Themen Multimorbidität und seltene Erkrankungen auf Basis verfügbarer Abrechnungsdaten der teilnehmenden Uniklinikstandorte. Aus den Daten werden Komorbiditätsscores ermittelt und bereits publizierten Analysen gegenübergestellt. Unter Wahrung des Datenschutzes sollen außerdem für aggregierte seltene Erkrankungen mit Hilfe einer Geovisualisierung Aussagen zur Verteilung und Versorgungsentfernung zu den teilnehmenden Universitätskliniken beschrieben werden.

EMerGE-NeT

Projektname: Effectiveness of Infection Control Strategies against Intra- and Inter-hospital Transmission of MultidruG-resistant Enterobacteriaceae – Insights from a Multi-level Mathematical NeTwork model

Projektkategorie: standortübergreifendes Forschungsprojekt

Verantwortliche:

Prof. Dr. med. Rafael Mikolajczyk (Universitätsklinikum Halle (Saale), für EMerGE-NeT)
Prof. Dr. André Scherag (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.6.2017 – 1.5.2020, Datennutzung abgeschlossen

Bereitgestellte Datenarten: Patientenbewegungsdaten innerhalb des Klinikums

Zusammenfassung:
Ziel des Projektes ist die Erforschung der Übertragung von multiresistenten gastrointestinalen Pathogenen in Gesundheitssystemen ausgewählter Länder in Europa und in Israel. Dabei werden sowohl die Rolle der Patientenströme zwischen den Krankenhäusern und während der stationären Aufenthalte als auch die Eigenschaften unterschiedlicher gastrointestinaler Pathogene betrachtet. Hieraus wird ein generisches Netzwerkmodell entwickelt, in dem die Auswirkungen unterschiedlicher Präventionsstrategien untersucht werden.

Finanzierung:
Dieses Vorhaben ist Teil eines transnationalen Forschungsverbundes im Rahmen der Joint Programming Initiative zu antimikrobieller Resistenz (JPIAMR) und wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) unter dem Förderkennzeichen (FKZ) 01KI1704A-C gefördert.

Links:

Beschreibung des Förderprojekts auf der Webseite des BMBF

STAKI2B2

Projektname: Semantische Textanalyse zur qualitätskontrollierten Extraktion klinischer Phänotyp-Information im Healthcare-Integrated Biobanking

Projektkategorie: lokales Forschungsprojekt

Verantwortliche:

PD Dr. Dr. Michael Kiehntopf (Universitätsklinikum Jena)

Laufzeit und Status: 1.1.2016 – 31.7.2021, Datennutzung abgeschlossen

Bereitgestellte Datenarten: u.a. freitextliche Dokumentationen z.B. aus Arztbriefen

Zusammenfassung:
Im STAKI2B2-Projekt sollen zur verbesserten Anwendung neuer Marker aus Biomaterialien in klinischen Abläufen valide Phänotypdaten und weitere relevante Vergleichsinformationen mit Verfahren der automatischen Sprachverarbeitung aus klinischen Dokumenten maschinell extrahiert werden. Hierzu wird eine Textanalytik-Pipeline aufgebaut, die mit Verfahren des semi-überwachten Maschinellen Lernens relevante medizinische Entitäten und Beziehungen zwischen diesen Entitäten aus klinischen Dokumenten automatisch bestimmt.

Finanzierung: Deutsche Forschungsgemeinschaft (DFG), Projektnummer 315098900

Link: Beschreibung des Förderprojekts auf der Website der DFG

HELP

Projektname: A Hospital-wide EMR-based Computerized Decision Support System to Improve Outcomes of Patients with Bloodstream Infections

Projektkategorie: Use Case des SMITH-Konsortiums

Verantwortliche:

Prof. Dr. med. Mathias Pletz (Universitätsklinikum Jena)
Prof. Dr. André Scherag (Universitätsklinikum Jena)

Laufzeit und Status: 1.1.2018 – 31.12.2022, Datennutzung abgeschlossen

Bereitgestellte Datenarten: u.a. mikrobiologische Befunde

Zusammenfassung:
Im Use Case HELP entwickeln wir ein krankenhausweites computergestütztes Entscheidungsunterstützungssystem zur Verbesserung der Ergebnisse von Patienten mit Blutstrominfektionen. Dabei geht es um den zielgerichteten, leitliniengerechten Einsatz von Antibiotika zur Bekämpfung bakterieller Infektionen – insbesondere vor dem Hintergrund einer zu geringen Zahl an ausgebildeten Infektiologen in Deutschland. Der Use Case wird auf Normal- und Intensivstationen an den SMITH-Standorten Jena, Leipzig und Aachen sowie Halle und Essen implementiert und evaluiert.

Link: Beschreibung des Projekts im Deutschen Register Klinischer Studien (DRKS)

ASIC

Projektname: Algorithmic Surveillance of ICU Patients

Projektkategorie: Use Case des SMITH-Konsortiums

Verantwortliche:

Prof. Dr. med. Gernot Marx, FRCA (Uniklinik RWTH Aachen, für ASIC)
PD Dr. med. Frank Bloos (für das Universitätsklinikum Jena)

Laufzeit und Status: 1.1.2018 – 31.12.2022, Datennutzung abgeschlossen

Bereitgestellte Datenarten: u.a. intensivmedizinische Überwachungsdaten

Zusammenfassung:
Im Use Case ASIC soll auf Intensivstationen mittels kontinuierlicher Auswertungen u.a. aus dem Patientendatenmanagementsystem eine Algorithmen-basierte Überwachung des Zustandes kritisch kranker Patienten erfolgen. Damit wird die Voraussetzung für eine frühe Alarmierung bei akutem Lungenversagen (ARDS) geschaffen, die ein schnelles diagnostisches und therapeutisches Eingreifen ermöglichen soll. Diese Daten werden durch High-Performance-Computing analysiert und zur klinischen Entscheidungsunterstützung aufbereitet.

Link: Beschreibung des Projekts im Deutschen Register Klinischer Studien (DRKS)

…zurück zur DIZ-Homepage