BMFTR-gefördertes Projekt FEDORA
Federated network modeling of ecological complex dynamical patterns in post covid – FEDORA
Koordination, Differentialdiagnostik, Daten- und Analyse-Plattform
Post-Covid: Forschung für bessere Diagnose und Behandlung • healthcare-in-europe.com
Post-Covid: Forschung für bessere Diagnose und Behandlung
Long/Post Covid (engl. Post-COVID Conditions, PCC) fordert unsere Gesundheitssysteme heraus, sowohl die Diagnose also auch die Behandlung sind weiterhin schwierig.
FEDORA zielt darauf ab, Längsschnittprofile von PCC zu erstellen und weiterzuentwickeln und krankheitsspezifische somatische Muster zu identifizieren. Um PCC u.a. von anderen Erkrankungen unterscheiden und vorhersagen zu können, fokussiert FEDORA auf physiologische Daten, veränderten Schlaf, Herzfrequenz und körperliche Aktivität sowie auf subjektive Patient:innen-Bewertungen von Stress und Müdigkeit /Ermüdbarkeit und betrachtet diese Daten im Zusammenhang.
Umfangreiche zusätzliche epidemiologische Datensätze (aus PCC-Studien, Felddaten aus PC-Zentren, nicht-klinische Stressbedingungen, psychiatrische (Kontroll-)Kohorten des Deutschen Zentrums für Psychische Gesundheit (DZPG), Gesundheits-App) werden so nutzbar gemacht und mit neuen Methoden, u.a. selbstlernender künstlicher Intelligenz, analysiert. Lange hochaufgelöste Zeitreihen ermöglichen die Erstellung von klinischen Subgruppen und die Prüfung s.g. prognostischer dynamischer Marker. FEDORA wird neue klinische Datenmodalitäten entwickeln und Schnittstellen zu den deutschen Gesundheitszentren bieten. Aus der enormen Patient:innenpopulation sollen zudem speziell die Fälle identifiziert werden, die aufgrund eines erhöhten Risikos für negative Langzeitfolgen besondere Betreuung und Überwachung benötigen.
FEDORA nimmt Einfluss auf das Verständnis, die klinische Praxis, die Krankheitsprävention, Diagnose, Therapie und Rehabilitation von PCC. Körperliche und kognitive Ressourcen von Patient:innen sollen erhalten, wiederaufgebaut und gestärkt und einhergehende neuropsychiatrische Erkrankungen wie Depression, posttraumatische Belastungsstörungen, Angst- und Somatisierungsstörungen sowie Post-Exertionelle Malaise (PEM) minimiert und vermieden werden.
ges. Zuwendung (inkl. Projektpauschale): 1.227.321,89 €
Laufzeit: 01.11.2024 – 31.10.2026
Förderkennzeichen: 01EQ2403A
Anzahl involvierter Mitarbeiter:innen:
18 (+1)
Profession der Projektbeteiligten:
Psychiatrie und Psychotherapie, Neuropsychiatrie, Klinische Psychologie, Neurologie, Biologie komplexer Systeme, Künstliche Intelligenz, Management multimodaler, standortübergreifender Forschungsdaten und Föderierte maschinelle Lernansätze, (Digitale) Epidemiologie, Biometrie, Sportmedizin, Immunbiologie, Physiologie körperlicher Aktivität, Experimentelle und klinische sowie Computergestützte Neurowissenschaften, Neuroimaging, Sport- und Bewegungswissenschaft, Projektmanagement, Patient- and Public Involvement
PPI (Patient- and Public Involvement) Einbezug von Betroffenen, Angehörigen, Erfahrungsexpert:innen)
Wir stützen uns auf die im DZPG bestehenden Standards zu PPI. Während der Vorbereitung wurde der Projektvorschlag in unserem lokalen PPI-Board (Trialogischer Standortrat Halle-Jena-Magdeburg) und in einem Treffen mit Vertreter:innen von Long COVID Deutschland (LCD) während des letzten gemeinsamen Long COVID Kongresses am 24. und 25. November 2023 in Jena diskutiert. Zu unseren Sitzungen des Lenkungsausschusses werden LCD-Vertreter:innen eingeladen. Darüber hinaus werden wissenschaftliche Verbreitungsaktivitäten zusammen mit PPI- und LCD-Vertreter:innen geplant und Material für die Verbreitung in angemessener Sprache zusammen mit der PPI-Koordinatorin unseres DZPG-Standortes in Jena und einem Vertreter des nationalen Lenkungsausschusses des DZPG entwickelt. Darüber hinaus werden wir den Austausch zu Datenschutzaspekten mit dem Vorsitzenden des Bundesverbandes der Angehörigen psychisch erkrankter Menschen (BApK) e.V. Dr. Rüdiger Hannig, fortsetzen, der darüber hinaus Informatiker ist und sich auf mehreren nationalen Ebenen mit Aspekten der Datensouveränität befasst.
Für den Verlauf des Projektes werden keine neuen Proband:innen bzw. Patient:innen eingeschlossen, da das Studiendesign so angelegt ist, dass bereits bestehende Datenquellen mithilfe künstlicher Intelligenz analysiert werden, darunter Studien zu PCC, Felddaten aus spezialisierten Zentren und große epidemiologische Datensätze mit mehr als 250.000 gesunden und PCC-betroffenen Personen.