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, Auswertung und Publikation 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 zusammen mit der FG durchgeführt werden. Zunehmend an Bedeutung gewinnt zudem die sogenannte föderierte Datenanalyse (Federated data analysis), bei der unter Wahrung von Datenschutz und Datensicherheit Analysecodes zu den Daten übermittelt werden und seitens der datenhaltenden Organisationen keine personenbezogenen Daten transferiert werden müssen.
Die FG sieht ihre eigentliche Aufgabe allerdings nicht in der routinemäßigen Erstellung von Standardauswertungen, sondern explizit in der Adaption und Weiterentwicklung innovativer Analyseverfahren. So werden beispielsweise, gemeinsam mit drei weiteren europäischen Studienzentren, Ansätze entwickelt, um mithilfe maschineller Lernverfahren die Klassifikation von objektiv gemessenem Bewegungs- und Essverhalten zu verbessern. In einem weiteren Projekt kommen ebenfalls Methoden der künstlichen Intelligenz zum Einsatz, um durch die Anreicherung von Krebsregisterdaten mit Diagnostikdaten aus der Pathologie optimale Diagnoseparameter (sogenannte Biomarker) abzuleiten, die dann die Basis für wirksamere Behandlungsmethoden sein könnten. Die Verbesserung der Datenqualität ist auch das Ziel eines von der DFG geförderten Projekts, in dem Werkzeuge entwickelt werden, die einer möglichst standardisierten Bewertung der Datenqualität epidemiologischer Studien dienen. Zudem soll es helfen, die Basis für die FAIR-Kriterien Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit zu stärken. Damit knüpft das Projekt nahtlos an die Ziele der NFDI4Health, einem interdisziplinären Forschungskonsortium, in das die FG ebenfalls eingebunden ist. Bei dieser Initiative geht es unter anderem darum, unter Beachtung der besonderen Datenschutzanforderungen personenbezogener Gesundheitsdaten einen zentralisierten Katalog gesundheitsforschungsrelevanter Studiendaten mit einem nutzerfreundlichen Datenzugangsmanagement zu entwickeln sowie die Verknüpfung von forschungsrelevanten Datenquellen in Deutschland zu verbessern. In diesem Zusammenhang entwickelt die FG ein interaktives Online-Auswertungstool zur Analyse bereits vorhandener Primärdaten und Software für den Einsatz verallgemeinerter additiver Modelle für Lage-, Skalen- und Formparameter (GAMLSS) unter Berücksichtigung der Problematik verteilt vorliegender Daten.
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.
- "INDEEP" - Intervention zu den Determinanten des Bewegungsverhaltens und der Kompetenz in diesem Bereich
- Adaption und Wirksamkeitsstudie zum Healthy Dads, Healthy Kids Programm in Deutschland
- Einflussfaktoren auf das Ernährungsverhalten europäischer Kinder, Jugendlicher und ihrer Eltern
- 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
- Gesund aufwachsen: Zielgerichtete Adipositasprävention für kritische Übergangsphasen im jungen Lebensalter
- Gesundheitsökonomische und krankheitsbedingte Auswirkungen nach bariatrischen Operationen
- Identification and prevention of dietary- and lifestyle-induced health effects in children and infants
- Monitoring von körperlicher Aktivität und Bewegungsförderung - Entwicklung von Indikatoren für das Präventionsindikatorensystem der Länder
- 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
- STB: Abteilungsübergreifendes Zentrum A: Forschungsdateninfrastruktur
- STB: Abteilungsübergreifendes Zentrum B: Data Science
- 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.
Tel.: +49 (0)421 218-56794
maendle(at)leibniz-bips.de
Peters, Manuela, Dr. rer. nat.
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