Fachgruppe Statistische Modellierung von Sekundär- und Registerdaten
Im Fokus der Fachgruppe „Statistische Modellierung von Sekundär- und Registerdaten“ stehen statistische Methoden zur Schätzung des Gebrauchs, der Effekte und der Risiken von Arzneimitteln auf Basis von Sekundärdaten und zur Schätzung des Verlaufs und des Überlebens von Krebserkrankungen. Die Fachgruppe bietet statistische Expertise für Studien basierend auf der am BIPS aufgebauten Pharmakoepidemiologischen Forschungsdatenbank und basierend auf dem epidemiologischen Krebsregister Bremen. Eine wichtige Rolle spielen dabei Methoden und Verfahren, die die Besonderheiten dieser Datenquellen berücksichtigen, wie den longitudinalen Charakter der Daten, die Größe der Population, die Vielzahl möglicher Kovariablen, das Problem ungemessener Confounder und die Stärken sowie Schwächen von Sekundärdaten bzw. Registerdaten. Dementsprechend liegen die Forschungsschwerpunkte auf Methoden zur Confounder-Adjustierung und Auswertungsstrategien für verlinkte Datenquellen:
- Zwei-Phasen Designs,
- Instrumental Variable Methoden zur Berücksichtigung ungemessener Störgrößen,
- Marginal Structural Models zum Umgang mit zeitabhängigem Confounding
- Neue statistische Methoden für Comparative Effectiveness und Arzneimittelrisiko-Studien.
Die Fachgruppe unterstützt die Abteilung Klinische Epidemiologie bei der Planung, Durchführung und Auswertung pharmakoepidemiologischer Studien und beteiligt sich am Ausbau und an der Pflege der pharmakoepidemiologischen Forschungsdatenbank und des epidemiologischen Krebsregisters Bremen und ist außerdem Mitglied im Kompetenznetz Sekundär- und Registerdaten der Nationalen Kohorte.
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.
- Cross-generational adverse drug effects
- Evaluierung eines indirekten Linkage-Ansatzes anhand einer Beispielstudie zum Risiko einer Krebsneuerkrankung und der Krebsmortalität bei Patienten und Patientinnen mit Typ-2-Diabetes unter Behandlung mit verschiedenen Antidiabetika
- Fehlversorgung bzgl. Kontroll-Koloskopien in Deutschland: Ausmaß, Determinanten und Konzipierung von Lösungsansätzen
- Health effects of cardiac fluoroscopy and modern radiotherapy in paediatrics
- Multimodale Therapie der ADHS in GKV-Abrechnungsdaten
- Nutzung von Routinedaten zur Pharmakovigilanz in Deutschland: Methodenentwicklung und erste Anwendungen
- Studie zur Analyse der regionalen Unterschiede bei der Antibiotika- Verordnung (SARA)
- Untersuchungen zur Arzneimitteltherapiesicherheit in der Schwangerschaft basierend auf Routinedaten in Deutschland
Mitarbeiter:innen
Braitmaier, Malte
Tel.: +49 (0)421 218-56983
Fax: +49 (0)421 218-56941
braitmaier(at)leibniz-bips.de
Gabbert, Anja
Tel.: +49 (0)421 218-56934
Fax: +49 (0)421 218-56941
gabbert(at)leibniz-bips.de
Gesing, Nils Fabian
Tel.: +49 (0)421 218-56935
Fax: +49 (0)421 218-56941
gesing(at)leibniz-bips.de
Kollhorst, Bianca, Dr. rer. nat.
Tel.: +49 (0)421 218-56980
Fax: +49 (0)421 218-56941
kollhorst(at)leibniz-bips.de
Ludewig, Alina
Tel.: +49 (0)421 218-56882
Fax: +49 (0)421 218-56941
ludewig(at)leibniz-bips.de
Niemeyer, Marieke
Tel.: +49 (0)421 218-56876
Fax: +49 (0)421 218-56941
niemeyer(at)leibniz-bips.de
Schaffer, Inga
Tel.: +49 (0)421 218-56871
Fax: +49 (0)421 218-56941
schaffer(at)leibniz-bips.de
Viebrock, Jost
Tel.: +49 (0)421 218-56951
Fax: +49 (0)421 218-56941
viebrock(at)leibniz-bips.de
Volkmar, Philipp Alexander
Tel.: +49 (0)421 218-56948
Fax: +49 (0)421 218-56941
volkmar(at)leibniz-bips.de

Bianca Kollhorst
Fachgruppenleiterin
Kontakt:
Dr. rer. nat.
Bianca Kollhorst
Tel: +49 (0)421 218-56980
Fax: +49 (0)421 218-56941
Weitere Fach- und Forschungsgruppen
- Statistische Modellierung von Primärdaten
- 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