Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
D
Grundlagen der Medizin und Prinzipien der medizinischen Entscheidungsfindung in Diagnostik und Therapie +
Darstellung und Modellierung medizinischer Informationen und medizinischen Wissens (inkl. Ontologien) +
Daten spielen in der Medizin eine wichtige Rolle: Die Intensivmedizin ist auf Monitore angewiesen, die Patientendaten in Echtzeit darstellen und auswerten, die medizinische Bildgebung ist zu einer Domäne der massiven Datenverarbeitung geworden, die Diagnostik ist auf Labordaten angewiesen und die Bedeutung von Daten nimmt immer mehr zu: Wearable-Sensoren, mobile Kommunikationsgeräte und entsprechende Apps werden Datenströme produzieren, die präventive Maßnahmen bei Gesunden unterstützen oder ein Screening als Basis für datenbasierte Prävention von Krankheiten ermöglichen. Last but not least: Die Molekularbiologie (z. B. durch Gensequenzierung und Genexpressionsanalyse) führt neue Biomarker ein, die neue minimal-invasive Diagnostik und Ansätze für maßgeschneiderte Behandlungen auf Basis individueller Merkmale von Patient/innen (Präzisionsmedizin) ermöglichen - was ohne ausgeklügelte Verarbeitung riesiger Datenmengen niemals möglich wäre. Die medizinische Entscheidungsfindung im Allgemeinen wird durch Datenverarbeitung und Datenanalytik deutlich beeinflusst werden. Es ist also zu erwarten, dass die datengetriebene Medizin in naher Zukunft an Dynamik gewinnen wird. Dieser Kurs bietet eine projektorientierte, multidisziplinäre Einführung in die Grundlagen der datengetriebenen Medizin. Orientierung, grundlegende Konzepte und methodische Ansätze werden durch Vorträge vermittelt. Darüber hinaus bilden die Teilnehmenden kleine interdisziplinäre Teams aus Informatik- und Medizinstudierenden, um ein eigenes Projekt zu planen und umzusetzen, das die Vorhersage oder Entscheidungsunterstützung aus medizinischen Daten zum Ziel hat. +
'''Inhalt''' Die Vorlesung „Data Warehouses für medizinische Versorgung und Forschung“ vermittelt die Grundlagen der Datengewinnung, des Datenzugriffs und der Datenanalyse von primären und sekundären Datenquellen in der klinischen Studienforschung und der Versorgung. Es werden gängige Methoden und Werkzeuge eingeführt (Electronic Data Capture, Anforderungsanalyse, Konzeption und Validierung von Studiendatenbanken, Biomaterialdatenbanken, Data Dictionaries, Standard Operating Procedures, automatische Generierung von Reports, Data Mining in klinischen Anwendungssystemen). Während der Übungen werden die Inhalte aus den Vorlesungen an konkreten Applikationen und praxisnahen Szenarien angewandt. Dabei werden die jeweiligen Softwarewerkzeuge zuerst näher vorgestellt und anhand komplexer Beispiele demonstriert. Im Anschluss lösen die Studenten selbstständig Aufgaben, wie sie typischerweise an Medizininformatiker herangetragen werden. Die vollständige Lösung der Aufgaben ist Teil des Selbststudiums.<br/>'''Qualifikationsziele'''· Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management, (FAIR Prinzipien) erläutern. · Die Studierenden können bei gängigen Datenbanken Abfragen durchführen. · Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) nennen / erklären. · Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinischen Studien an EDC (Electronic Data Capture) nennen / erklären, z.B. aus Registern (deutsches Krebsregister). +