Über OCDM

Die zunehmende Komplexität der Medizin in Diagnostik und Therapie wird im derzeitigen Gesundheitssystem durch verschiedene Entwicklung Rechnung getragen:

- Zunehmende Spezialisierung
- Wachsende Zahl von Behandlungsfällen an spezialisierten Zentren
- Einrichtung von interdisziplinäre Tumorboards oder Behandlungszentren
- Einrichtung von „Comprehensive Cancer Center“

Zwei Entwicklungen in der Medizintheorie trägt dieser Entwicklung Rechnung. Die Beschreibung eines Krankheitsbildes in seiner ganzen Komplexität wird dabei unter dem Begriff der personalisierten Medizin Rechnung getragen. Eine zweite Entwicklungslinie ist unter dem Begriff der „shared decision making“ (zwischen Arzt und Patient) zusammengefasst. Beide Entwicklungen setzen die Einbeziehung einer großen Zahl von Variablen in eine ja/nein Entscheidungsfindung voraus. Beide Begrifflichkeiten können nicht mehr ohne den Einsatz von ausgefeilten statistischen Methoden in die praktische Medizin umgesetzt werden.

Zur Demo
Statistische Auswertungen
moderen interaktive Grafiken
Subgruppenanalyse
Kaplan-Meier-Analyse
Kennzahlen und Kreuztabellen
Hazardkurven
Cox-Regression
Bedienung
keine lokale Installation notwendig (Server-basiert)
die Bedienung erfolgt über einen modernen Webbrowser
individualisierbare Zugriffsrechte
die Datensicherheit wird gewährleistet
Export
Export der Grafiken ins png-, pdf- und tiff-Format
Tabellen- und Grafikexport nach MS Excel / Word
Modularität
modularer Aufbau der Software
kundenspezifische Erweiterungen möglich
Integration
Tumordatenbanken: GTDS , Onkostrar
Importmöglichkeit: SAS, SPSS, Excel, CSV,…

Subgruppen Analyse

Im Rahmen der Tumordokumentation werden in zahlreichen Einrichtungen die Daten von Krebspatienten gesammelt. Diese werden in regelmäßigen Abständen statistisch ausgewertet und den beteiligten Ärzten zur Verfügung gestellt. Dieser langwierige und aufwändige Prozess entspricht nicht mehr dem Stand der Technik und soll durch ein modernes und einfach zu bedienendes Online Clinical Data Mining (OCDM) System ergänzt werden, mit dessen Hilfe sollen Mediziner die Daten ihres Krebsregisters statistisch analysieren und sofort alle gängigen statistischen Kennzahlen berechnen können. Dies dient zum einen der explorativen Analyse der Daten, der Hypothesengenerierung für neue medizinische Forschungsvorhaben, für das Benchmarking, den Vergleich zwischen Kliniken und Therapieformen, wie auch für das Suchen nach ähnlichen Fällen („Case Based Reasoning“).

Ähnliche Fälle

Eines der Ziele der medizinischen Statistik und dem medizinischen Data Mining liegt in der Bereitstellung Fallbasierter Statistiken, welche eine Vorhersage der Überlebenszeit eines Patienten erlauben. Die Problemstellung hierbei wird klarer, wenn man den Fall betrachtet, bei dem ein Arzt statistische Informationen, wie Überlebensprognosen, für einen spezifischen Patienten haben möchte. Da dies praktisch nicht möglich ist, sucht der Arzt nach Fällen, die möglichst ähnlich zu dem aktuellen sind. Bei Brustkrebs beispielsweise existieren viele Millionen verschiedene Arten, aber meist nur Daten von wenigen tausend Patienten. Damit ist es beinahe unmöglich genügend viele identische Fälle zu finden, welche man für eine aussagekräftige statistische Analyse benötigen würde. Um dieses Problem zu lösen haben wir ein Verfahren, beruhend auf einem regressions-basiertem Abstandsmaß, entwickelt und implementiert. Unser Ziel dabei war, eine Überlebensprognose für ein Individuum durch die Betrachtung ähnlicher Patienten zur Verfügung zu stellen. Dieses Fallbasierte Schließen („Case Based Reasoning“) ist in dieser Form beispiellos für medizinische Daten. Das OCDM System ist daher das einzige System, welches tatsächlich personalisierte Statistiken für Tumorpatienten ermöglicht.

Aktuelles

Alle Meldungen

Team

Simon Müller

Dr. Simon Müller

Diplom-und Doktor in Mathematik, beide an der Universität Stuttgart, Deutschland. Seit 2009 arbeitet Herr Müller als unabhängiger statistischer Berater. Er ist Mitglied der American Statistical Association, der Gesellschaft für Klassifikation und der Mars Society. Herr Müller setzt den mathematische Publikationen in ausführbaren Code um (heart of our research apps) und steht Rede und Antwort zu allen Fragen, was Event Studies betrifft. Von 2012 – 2013 arbeitete er als Statistiker am Dr. Margarete Fischer-Bosch-Institut für klinische Pharmakologie.

Jürgen Dippon

PD Dr. Jürgen Dippon

Studium der Mathematik und Physik an der Universität Stuttgart (Dipl.-Math.) und Medizinstatistik an der Universität Heidelberg (M.Sc.). Promotion und Habilitation in Mathematik. Lehrt seit 1998 als Privatdozent am Fachbereich Mathematik der Universität Stuttgart. Sein besonderes Interesse gilt biostatistischen Fragestellungen, der Theorie stochastischer Prozesse und dem Statistical Computing. Zahlreiche statistische Beratungsprojekte mit Partnern aus Industrie und Medizin.

Partner

Gefördert durch

Kunden

Kontakt

Gern beraten wir Sie in einem persönlichen Gespräch! Eine E-Mail oder ein Anruf genügen, um mit uns in Kontakt zu treten!

Adresse
TTI GmbH (an der Universität Stuttgart) – TGU MUON-STAT, Georg-Schinbain-Straße 65, 88400 Biberach an der Riß
KONTAKT
E-Mail: info@muon-stat.com Telefon: +49 (0) 160 6393 263

Name (Pflichtfeld)

E-Mail-Adresse (Pflichtfeld)

Betreff

Nachricht

Top