Fachgruppe Statistische Modellierung von Primärdaten
Die FG „Statistische Modellierung von Primärdaten“ ist Ansprechpartner bei allen Fragen, die sich auf die statistisch-methodischen Aspekte bei der Planung, Durchführung und Auswertung epidemiologischer Studien beziehen. Ziel dabei ist die biometrisch fundierte Konzeption der Projekte, die Adaption bzw. Entwicklung geeigneter analytischer Methoden sowie die statistische Weiterbildung der Mitarbeiter. Dies gilt sowohl für BIPS-interne Forschungsprojekte als auch für Studien, die außerhalb des BIPS angesiedelt sind und seitens derer eine Kooperation mit der FG nachgefragt wird. In erster Linie bezieht sich der von der FG geleistete Support auf Themen wie Stichprobenumfangsberechnung, die Auswahl entsprechender Auswertungsmethoden sowie die eigentliche Durchführung der Analysen, einschließlich einer geeigneten Darstellung und Interpretation der Ergebnisse. Die FG sieht ihre Aufgabe allerdings nicht in der routinemäßigen Erstellung von Standardauswertungen, sondern explizit in der Adaption und Weiterentwicklung innovativer und dem Design der jeweiligen Studien zugeschnittener Analyseverfahren. Besondere Schwerpunkte liegen diesbezüglich bei der statistischen Modellierung von Ernährungsdaten und der Erfassung urbaner Einflussfaktoren lebensstilbedingter Erkrankungen durch Geoinformationssysteme (GIS).
Aktuelle Projekte
Es werden nur momentan laufende Projekte angezeigt, zu denen noch Veröffentlichungen erstellt werden oder solche, die vor weniger als einem Jahr endeten. Die Einträge sind alphabetisch sortiert.
- Adaption und Wirksamkeitsstudie zum Healthy Dads, Healthy Kids [HDHK] Programm in Deutschland
- Einflussfaktoren auf das Ernährungsverhalten europäischer Kinder, Jugendlicher und ihrer Eltern (I.Family)
- Entwicklung und Bewertung 3-stufiger Verfahren zur Modellierung von Expositionsmustern in epidemiologischen Studien
- Gepoolte Analyse europäischer Fall-Kontrollstudien zur Untersuchung der Synkanzerogenese von beruflichen Karzinogenen bei der Entwicklung von Lungenkrebs
- GrowH! - Gesund aufwachsen: Zielgerichtete Adipositasprävention für kritische Übergangsphasen im jungen Lebensalter
- IDEFICS - Identification and prevention of dietary- and lifestyle-induced health effects in children and infants
- IDEFICS/I.Family Follow-up
- Körperliche Aktivität, Gerechtigkeit und Gesundheit: Primärprävention für gesundes Altern (AEQUIPA I)
- National Research Data Infrastructure for Personal Health Data
- NFDI4Health - Task Force COVID-19: Integration und Harmonisierung von Forschungsanstrengungen zum besseren Verständnis von COVID-19 und seinen Folgen
- Raum-zeitliche Untersuchung kleinräumiger Determinanten der Covid-19 Pandemie
- Studie zur Überprüfung der Messbarkeit der Nutzung von Steharbeitsplätzen im Setting Grundschule
- Wearable Sensoren für die Erfassung von Bewegungs- und Ernährungsverhalten
- Zusammenführung von Krebsregisterdaten und multimodalen, melderbasierten Diagnostikdaten zur Kl-basierten Biomarker-Detektion
Mitarbeiter:innen
Buck, Christoph, Dr. rer. nat.
Tel.: +49 (0)421 218-56944
Fax: +49 (0)421 218-56941
buck(at)leibniz-bips.de
Intemann, Timm, Dr. rer. nat.
Tel.: +49 (0)421 218-56984
Fax: +49 (0)421 218-56921
intemann(at)leibniz-bips.de
Mändle, Andreas, Dr. rer. nat.
maendle(at)leibniz-bips.de
Peters, Manuela
Tel.: +49 (0)421 218-56924
Fax: +49 (0)421 218-56941
mpeters(at)leibniz-bips.de
Pohlabeln, Hermann, Dr. rer. medic.
Tel.: +49 (0)421 218-56947
Fax: +49 (0)421 218-56941
pohlabeln(at)leibniz-bips.de
Swenne, Annika
Tel.: +49 (0)421 218-56943
Fax: +49 (0)421 218-56941
swenne(at)leibniz-bips.de

Hermann Pohlabeln
Fachgruppenleiter
Kontakt:
Dr. rer. medic.
Hermann Pohlabeln
Tel: +49 (0)421 218-56947
Fax: +49 (0)421 218-56941
Weitere Fach- und Forschungsgruppen
- Statistische Modellierung von Sekundär- und Registerdaten
- Statistische Methoden für die genetische und molekulare Epidemiologie
- IT, Datenmanagement und Medizinische Dokumentation
- Forschungsgruppe Statistische Methoden der Kausalen Inferenz
- Emmy Noether-Nachwuchsgruppe: Beyond Prediction - Statistical Inference with Machine Learning