CALM-QE

Chronisch obstruktive Lungenerkrankung (COPD) und Asthma bronchiale (BA) sind die häufigsten nicht übertragbaren Lungenkrankheiten mit erheblichen sozioökonomischen Auswirkungen.

Entstehung, Schweregrad und Exazerbationen sind das Ergebnis komplexer Wechselwirkungen zwischen Genen und Umwelt. Jüngste Forschungsarbeiten haben eine große Heterogenität in Bezug auf Phäno- und Endotypen mit einer gewissen Überschneidung zwischen COPD und BA ergeben. Dieses neue Konzept geht einher mit der Entwicklung spezifischerer Medikamente, was die Herausforderung mit sich bringt, Patienten für diesen Ansatz der Präzisionsmedizin zu stratifizieren.
Die größte Herausforderung auf dem Gebiet der COPD und der BA besteht darin, diesen Ansatz zur Behandlung von Merkmalen auf den einzelnen Patienten zu übertragen. Das Ziel von CALM-QE ist, Vorhersagemodelle für klinische Ergebnisse zu entwickeln, zu trainieren und zu testen, die auf multidimensionalen „Real-World-Datensätzen“ für COPDund BA-Patienten über sektorale Grenzen hinweg basieren. Dazu gehören der bereits etablierte klinische Kerndatensatz, die Erweiterung um Lungenfunktion, Medikation, Thoraxbildgebung, die Hinzufügung lokaler Klima- und Luftschadstoffdaten sowie Biosignale, die über Wearbles gewonnen werden. Zudem werden wir als ersten Proof of Concept Daten aus Forschungsstudien einbeziehen, darunter Längsschnittdaten aus der deutschen COPD-Kohorte. Da sowohl COPD als auch BA ihren Ursprung in der Vergangenheit haben, werden Lebensläufe modelliert. Hierfür wurde ein Team aus Experten der Kinder und Erwachsenenmedizin, der Epidemiologie und der medizinischen Informatik gebildet.
Zusammenfassend lässt sich sagen, dass die neuartigen Vorhersagemodelle, die im Rahmen des Projekts aus multidimensionalen großen Datensätzen für klinisch relevante Endpunkte erstellt werden, dem 4PMedizinansatz (personalisiert, partizipativ, prädiktiv und präventiv) dienen werden. Die Vorhabenbeschreibung des Gesamtverbunds enthält eine detaillierte Beschreibung der Arbeitspakete und Tasks aller Partner. Das UKGi ist an den Arbeitspaketen 1, 6 und 7 beteiligt und übernimmt die folgenden Aufgaben, die in der Anlage bzgl. Aufgaben und Ressourcen detailliert beschrieben sind.
In AP1 wird der Grundstein für eine umfassende klinische und diagnostische multidimensionale Datenbewertung von COPD- und Asthma-Patienten gelegt. Darüber hinaus werden klinische Daten mit Daten aus einer der größten prospektiven forschungsgestützten COPD-Kohorten (Cosyconet) verglichen. Es wird ein multidimensionales Vorhersagemodell erstellt, um das Risiko für wichtige klinische Ergebnisparameter vorherzusagen.
1. Entwicklung eines klinischen und diagnostischen Datensatzes für stationäre Patienten mit COPD und Asthma
2. Ausweitung des Datensatz auf ambulante Patienten der Universitätskliniken
3. Vergleich von klinischen Daten mit Daten aus der Forschungskohorte, Identifizierung von (neuartigen) Phäno- und Endotypen.
4. Definition von klinisch relevanten Phäno- und Endotypen

In AP 6 werden CT-Bilddaten, die während einer akuten Exazerbation aufgenommen wurden, für das Vorhersagemodell zugänglich. Die Rolle der CT bei der Diagnose und Prognose einer akuten Exazerbation ist noch unbekannt.
1. Harmonisierte Datenerfassung an allen Standorten
2. Sammlung von Daten und Definition der „Bildgebungssignatur“ für eine Exazerbation
3. Analyse von CT-Befunden und Prognosen
4. Integration der Daten in das Risikovorhersagemodell

In AP 7 erfolgt die Integration der CALM-QE-Anforderungen mit den MII-Standards und -Schnittstellen.
1. Datenmanagement gemäß FAIR-Leitprinzipien
2. Angleichung der CALM-QE-Datenstrukturen an den MII-Kerndatensatz
3. Integration ambulanter Praxisdaten
4. Harmonisierte Integration von CALM-QE-Daten an DIC-Standorten
5. Einrichtung eines eCRF-Systems
6. Angleichung der Datenintegration und Analyseentwicklung durch Projektathons