researchPageHeading

{DE}Das Projekt AlPaCa (Algorithms in Patient Care - Wissenschaftliche Begleitung eines infektiologischen Konsildienstes in der Versorgung von neutropenischen Patient:innen mit Fieber unbekannter Genese in der Abteilung für Hämatologie und medizinische Onkologie der Medizinischen Klinik 2 am Universitätsklinikum Frankfurt) erarbeitet innerhalb der Medizinischen Klinik II der Universitätsklinik Frankfurt einen Algorithmus zur Identifikation von hämato-onkologischen Patient:innen, die eine lebensbedrohliche febrile Neutropenie unklarer Herkunft (Fever of Unknown Origin, FUO) entwickeln. Ziel ist die schnelle und qualitätsgesicherte Identifikation der Patient:innen, um eine leitliniengerechte Behandlung sicherzustellen und ggf. weitere diagnostische und therapeutische Schritte einzuleiten. Der Algorithmus basiert sowohl auf klinikinternen als auch nationalen Leitlinien und soll das routinemäßige ärztliche Screening von Patient:innen beschleunigen. Der Algorithmus wird basierend auf retrospektiven Patient:innendaten entwickelt und im Anschluss mit prospektiven Fällen evaluiert und implementiert, um die klinische Versorgung zu unterstützen. Das Projekt wird durch das IDMKD geleitet und gefördert aus Mitteln des Innovations- und Strukturentwicklungsbudgets des Landes Hessen, im Rahmen des Antrags zur Schaffung eines „Comprehensive Cancer Center (CCC) Hessen“.{/DE}

{EN}The project AlPaCa (Algorithms in Patient Care) is creating an algorithm within the Medical Clinic II of the University Hospital Frankfurt for the identification of hemato-oncology patients who develop life-threatening febrile neutropenia of unknown origin (FUO). The aim is the rapid and quality-assured identification of patients in order to ensure guideline-compliant treatment and, if necessary, to initiate further diagnostic and therapeutic steps. The algorithm is based on both internal and national guidelines and is intended to speed up the routine screening of patients. The algorithm will be developed based on retrospective patient data and then evaluated and implemented with prospective cases, in order to support clinical care. The project is led by the Institute and funded by the innovation and structural development budget of the state of Hessen (Germany) as part of the application for the creation of a “Comprehensive Cancer Center (CCC) Hessen”.{/EN}

{DE}Die CELESTIAL-Studie ist eine multizentrische retrospektive Studie in Deutschland, die klinischen Erfahrungen mit Letermovir zur CMV-Prophylaxe bei hämatologischen und onkologischen Patient:innen untersucht, die eine allogene hämatopoetische  Stammzelltransplantation zwischen den Jahren 2018 bis 2021 erhalten haben. Klinische sowie gesundheitsökonomische Parameter werden in einem 48-wöchigen Follow-up zwischen den Zeiträumen vor und nach der Zulassung von Letermovir im Jahr 2018 verglichen. Das Studienzentrum in Frankfurt war an der Studie beteiligt; die Hauptverantwortung für das Projekt lag jedoch bei der Uniklinik Köln.

Diese Studie wird von MSD Sharp & Dohme GmbH (Deutschland) gefördert.{/DE}

{EN}The CELESTIAL study is a multicentre, retrospective study in Germany that investigates clinical experience with letermovir for CMV prophylaxis in hematology and oncology patients who underwent allogeneic hematopoietic cell transplantation between 2018 and 2021. Clinical as well as health-economic parameters are compared within a 48-week follow-up between the periods before and after the approval of letermovir in 2018. The study center in Frankfurt participated in the trial, while overall responsibility for the project was hold by the University Hospital Cologne.

This study is supported by an unrestricted research grant from MSD Sharp & Dohme GmbH (Germany).{/EN}

{DE} DigiONE I3: ERDF I3-Funded DIGItal Infrastructure for ONcology in Europe

Das Projekt DigiONE I3 baut auf der im DigiONE-Pilotprojekt geschaffenen Infrastruktur auf und erweitert diese durch die Teilnahme weiterer Zentren. Sie verknüpft Daten aus der klinisch-onkologischen Versorgungsroutine mit Informationen aus der Diagnostik und Behandlungsergebnissen. Durch erweiterten Datenschutz, DSGVO-Konformität und Automatisierung sollen Versorgungsqualität und digitale onkologische Forschung gestärkt werden, etwa durch pragmatic Trials und die Generierung von Real-World-Evidence (RWE). Ziel ist die europaweite Interoperabilität klinischer Krebsdaten, die Etablierung von MEDOC (Minimum Essential description of Cancer) als gemeinsamen Forschungsdatensatz, der Aufbau einer DSGVO-konformen Auswertungsinfrastruktur für sensible Patient:innendaten sowie die Stärkung nachhaltiger Forschungsstrukturen. An dem von DigiCore koordinierten Projekt beteiligen sich 15 Krankenhäuser, acht Technologieanbieter und eine Non-Profit-Organisation aus insgesamt neun EU-Ländern.

Art der Beteiligung: Am Standort Frankfurt beteiligt sich das IDMKD in enger Zusammenarbeit mit dem Universitären Centrum für Tumorerkrankungen (UCT) und dem Institut für Medizininformatik (IMI).
Förderstatus: Gefördert durch den Europäischen Fonds für regionale Entwicklung
Projektlaufzeit: November 2023 – April 2026 (30 Monate) {/DE}

{EN} DigiONE I3: ERDF I3-funded DIGItal Infrastructure for ONcology in Europe

The DigiONE I3 project builds on the infrastructure established in the DigiONE pilot project and expands it through the participation of additional centres into a federated European platform. It connects routine clinical care records with extended diagnostics and outcomes data. With enhanced privacy safeguards, GDPR compliance, and automation, its primary aim is to strengthen care quality and digital oncology research through pragmatic precision medicine trials and real-world evidence (RWE) generation. The project aims to achieve Europe-wide interoperability of oncology data, establish MEDOC (Minimum Essential Description of Cancer) as a common research dataset, build a GDPR-compliant infrastructure for sensitive patient data, and strengthen sustainable research capacities and business models. The project is coordinated by DigiCore and involves 15 hospitals, 8 technology vendors, and 1 non-profit organisation across 9 EU countries.

Type of participation: In Frankfurt, the institute participates in close collaboration with the University Cancer Center (UCT) and the Institute of Medical Informatics (IMI).
Funding status: Funded by the European Regional Development Fund
Project duration: November 2023 – April 2026 (30 months) {/EN}

{DE} Das Projekt DigiONE (DIGItal Oncology Network for Europe) ist ein industrie-finanziertes Pilotprojekt mit dem Ziel, ein föderiertes digitales Forschungsnetzwerk aufzubauen. Es verbindet qualitativ hochwertige klinische Routinedaten mit molekularen Routinedaten aus sechs führenden Krebszentren in Europa: Frankfurt, Leeds, Maastricht, Oslo, San Raffaele (Mailand) und Saint-Luc (Brüssel).

Die digitale Infrastruktur basiert auf dem internationalen Konsens Minimal Essential Description of Cancer (MEDOC), der eine standardisierte Beschreibung von Diagnosen, Biomarkern, Therapien und Outcomes in nahezu Echtzeit ermöglicht. MEDOC deckt den gesamten Patientenpfad von der Diagnose bis zum Behandlungsergebnis ab und berücksichtigt alle wichtigen Ein- und Ausschlusskriterien. So entsteht eine einzigartige Ressource für hochwertige Real-World-Evidence (RWE) und Versorgungsqualitätsmanagement.

Zur Harmonisierung und Analyse werden Interoperabilitätsstandards und -werkzeuge der Observational Health Data Sciences and Informatics (OHDSI) Community genutzt. Die datenschutzkonforme Auswertung erfolgt föderiert mit Vantage6, sodass klinische Forschungsfragen im großen Maßstab beantwortet werden können, ohne sensible Patientendaten zentral zusammenzuführen.

In Frankfurt wird das Projekt in Zusammenarbeit mit dem Universitären Centrum für Tumorerkrankungen (UCT), dem Institut für Medizinische Informatik (IMI) und dem Institut für Digitale Medizin und Klinische Datenwissenschaften (IDMKD) durchgeführt.

Art der Beteiligung: Projektbeteiligung (Projektleitung: DigiCore Europe).
Förderung: Industrie-finanziertes Pilotprojekt, unterstützt durch IQVIA und Illumina.
{/DE}

{EN}
The project DigiONE (DIGItal Oncology Network for Europe) is an industry-funded pilot project aiming to build a federated digital research network. It links high-quality routine clinical data with molecular data from six leading cancer centres in Europe: Frankfurt, Leeds, Maastricht, Oslo, San Raffaele (Milan), and Saint-Luc (Brussels).

The digital infrastructure is based on the international Minimal Essential Description of Cancer (MEDOC) consensus, providing near real-time standardized descriptions of diagnoses, biomarkers, treatments, and outcomes. MEDOC covers the full patient journey from diagnosis to outcome and includes all major inclusion and exclusion criteria, creating a unique resource for high-quality real-world evidence (RWE) and care quality management.

For harmonisation and analysis, interoperability standards and tools from the Observational Health Data Sciences and Informatics (OHDSI) community are applied. Privacy-preserving analysis is performed in a federated way using Vantage6, enabling large-scale clinical research without centralising sensitive patient data.

In Frankfurt, the project is conducted in collaboration with the University Cancer Center (UCT), the Institute of Medical Informatics (IMI), and the Institute of Digital Medicine and Clinical Data Science (IDMKD).

Type of participation: Project participation (Project lead: DigiCore Europe).
Funding: Industry-funded pilot project, supported by IQVIA and Illumina.
{/EN}

{DE}Die Studie Dr. LLM untersucht das diagnostische Potenzial von Large Language Modellen (LLMs) zur Unterstützung klinischer Differentialdiagnosen in der Infektiologie. Anonymisierte und transformierte Fallbeispiele werden in LLMs eingegeben und eine Liste des Differentialdiagnosen-Output mit ärztlichen Einschätzungen verglichen. Zudem werden Einflussfaktoren unterschiedlicher Modelle und Modell-Parameter sowie Falltextgestaltung analysiert, um Empfehlungen für den klinischen Einsatz abzuleiten.{/DE}

{EN}The Dr. LLM study evaluates the diagnostic potential of large language models (LLMs) in infectious disease medicine, focusing on accuracy, reliability, and effectiveness. Anonymized, transformed clinical cases are prompted into LLMs to generate a differential diagnoses list, which is then compared to those made by physicians. The study also examines how factors such as different models, prompt parameters and case text structure influence outcomes, aiming to develop practical recommendations for LLM use in clinical settings.{/EN}

{DE}
Die Arbeitsgruppe Forschungs-IT arbeitet an der Harmonisierung von Prozessen und IT-Systemen zwischen den Deutschen Zentren der Gesundheitsforschung (DZG). Hierbei sollen Daten nach dem FAIR-Prinzip (Findability - Auffindbarkeit, Accessibility - Zugänglichkeit, Interoprability - Interoperabilität, Reusability - Wiederverwendbarkeit) erfasst werden. In diesem Projekt werden dabei die Aufgaben und Anteile des Deutschen Zentrum für Infektionsforschung (DZIF) geplant und umgesetzt.
{/DE}

{EN}
The Research IT working group is working on harmonizing processes and IT systems between the German Centers for Health Research (DZG). The aim is to collect data in accordance with the FAIR principle (Findability, Accessibility, Interoperability, Reusability). In this project, the tasks and contributions of the German Center for Infection Research (DZIF) are being planned and implemented.
{/EN}

{DE} Um die Impfstoffbereitschaft und Reaktionsfähigkeit Europas im Falle einer Pandemie sicherzustellen, wird der European Vaccine Hub (EVH) geschaffen, indem bestehende national finanzierte Investitionen in die Impfstoffforschung und -entwicklung in einem Kooperationsnetzwerk für die durchgängige Impfstoffbereitstellung gebündelt werden. Das Projekt bringt führende EU-Organisationen zusammen, die direkt an der Impfstoffentwicklung beteiligt sind und in ihren jeweiligen Ländern für die Pandemievorsorge zuständig sind: Biotecnopolo, Institut Pasteur, Vaccinopolis (UAntwerpen), DZIF und ZEPAI.

Das IDMKD beschäftigt sich als Teil des WP3 mit dem Datenmanagement und dem Aufbau der technischen Projektinfrastruktur für Dokumentenmanagement, Kommunikation und (automatisierten) Datenanalysen. Außerdem soll den Wissenschaftler:innen eine Plattform geboten werden, in der selbstständig Analysen durchgeführt und ausgewerten werden können. {/DE}

{EN}

To ensure Europe's vaccine readiness and responsiveness in the event of a pandemic, the European Vaccine Hub (EVH) is being created by pooling existing nationally funded investments in vaccine research and development into a collaborative network for end-to-end vaccine delivery. The project brings together leading EU organizations directly involved in vaccine development and responsible for pandemic preparedness in their respective countries: Biotecnopolo, Institut Pasteur, Vaccinopolis (UAntwerp), DZIF, and ZEPAI.

As part of WP3, the IDMKD is responsible for data management and setting up the technical project infrastructure. Document management, communication, and (automated) data analysis are part of our Tasks. In addition, scientists will be provided with a platform where they can independently perform and evaluate their data.

{/EN}

{DE} Das Fachnetzwerk Infektionen ist der erste Anwendungsfall im NUM Studiennetzwerk des Netzwerks Universitätsmedizin (NUM) und stärkt gezielt die klinische und klinisch-epidemiologische Forschung im Bereich der Infektionsmedizin.

Ziel ist der Aufbau einer leistungsfähigen Rekrutierungsplattform für drei Kategorien von Studien:

• Seit Mai 2025: Interne Studien wie die Basiskohorte des Fachnetzwerks, die Patient:innen aus den Modulen Atemwegserkrankungen, Blutstrominfektionen, Magen-Darm-Erkrankungen, Infektionen des zentralen Nervensystems und neu auftretende Infektionskrankheiten rekrutiert, sowie die internationale Plattformstudie SNAP und RAPID-REVIVE

• Ab Februar 2026: Weitere NUM-finanzierte Studien: sWITCH-VO, PENGUIN, FOSFO-SNAP, CanTEN, PRÄVENTIV, ELAPSE

• Geplant: Extern finanzierte akademische und kommerzielle Studien

Ein zentrales Element ist die Etablierung leistungsfähiger Prescreening-Programme, die mit automatisierten Werkzeugen Patient:innen an den Studienzentren zuverlässig identifizieren. Dies unterstützt Machbarkeitsanalysen, erhöht die Teilnahmequote und ermöglicht eine frühzeitige Erkennung veränderter Krankheitsmuster mit Relevanz für die Pandemiebewertung.

Die im Fachnetzwerk erhobenen Daten und Bioproben stehen nach Antragstellung der wissenschaftlichen Gemeinschaft zur Verfügung und bilden eine solide Basis für weiterführende Forschung zur Verbesserung von Diagnostik, Therapie und Prävention in der Infektionsmedizin.

Förderung: Gefördert durch das Netzwerk Universitätsmedizin (NUM) und das Bundesministerium für Bildung, Forschung, Technologie und Raumfahrt (BMFTR)

Laufzeit: Juli 2024 – Juni 2030

Projektleitung: Prof. Dr. Janne Vehreschild (wissenschaftliche Leitung) und Dr. Margarete Scherer (operative Leitung)

Website: sn.netzwerk-universitaetsmedizin.de

{/DE}

{EN} The Study Network Infectious Diseases (SNID) is the first use case within the NUM Study Network of the Network University Medicine (NUM) and is specifically designed to strengthen clinical and clinical-epidemiological research in infectious diseases.

Its aim is to establish a high-performance recruitment platform for three categories of studies:

• Since May 2025: Internal studies such as the SNID basic cohort, which recruits patients from the modules respiratory infections, bloodstream infections, gastrointestinal infections, central nervous system infections, and emerging infectious diseases, as well as the international platform study SNAP and RAPID-REVIVE

• From February 2026: Additional NUM-funded studies, including sWITCH-VO, PENGUIN, FOSFO-SNAP, CanTEN, PRÄVENTIV, and ELAPSE

• Planned: Externally funded academic and commercial studies

A key element is the development of prescreening programmes using automated tools to reliably identify patients at study sites. These programmes support feasibility assessments, increase participation rates, and enable early detection of shifts in disease patterns relevant for pandemic monitoring.

Data and biosamples collected within SNID will be made available to the scientific community upon request, providing a robust basis for further research to improve diagnostics, therapy, and prevention in infectious diseases.

Duration: July 2024 – June 2030

Funding: Funded by the Network University Medicine (NUM) and the German Federal Ministry of Education, Research, Technology and Space (BMFTR)

Duration: July 2024 – June 2030

Project Leads: Prof. Dr. Janne Vehreschild (Scientific Lead) and Dr. Margarete Scherer (Operational Lead)

Website: sn.netzwerk-universitaetsmedizin.de

{/EN}

{DE}Das Fidaxomicin-Register ist eine multizentrische retrospektive Studie in Deutschland zum Einsatz von Fidaxomicin vs. Vancomycin bei immunsupprimierten Patient:innen mit einer rekurrenten/refraktären Clostridioides difficile Infektion zwischen den Jahren 2013 und 2023. Es werden sowohl klinische als gesundheitsökonomische Parameter in einem 90 Tage Follow-up analysiert. Das Studienzentrum in Frankfurt war an der Studie beteiligt; die Hauptverantwortung für das Projekt lag jedoch bei der Uniklinik Köln.

Diese Studie wird von Tillotts Pharma GmbH (Deutschland) gefördert.{/DE}

{EN}The Fidaxomicin Registry is a multicentre, retrospective study in Germany comparing the use of fidaxomicin vs. vancomycin in immunocompromised patients with recurrent/refractory Clostridioides difficile infection between the years 2013 and 2023. The aim is to analyse the clinical and health economic parameters and outcomes in a 90-day follow-up. The study center in Frankfurt participated in the trial, while overall responsibility for the project was hold by the University Hospital Cologne.

This study is supported by an unrestricted research grant from Tillotts Pharma GmbH (Germany).{/EN}

{DE}FREDA ist eine R-Package-Suite zur Kuration und Augmentierung klinisch-onkologischer Routinedaten, die im Rahmen des DataSHIELD-Frameworks entwickelt wurde. Die Software vereinfacht und standardisiert Prozesse der Datenharmonisierung, -kuration und -aumentierung in einer föderierten Analyseumgebung und kommt derzeit in Analyseprojekten der Clinical Data Science Group der Clinical Communication Platform des Deutschen Konsortiums für Translationale Krebsforschung (DKTK) zum Einsatz.

FREDA ist ein umfassendes Framework, das aus drei R-Packages besteht: dsFreda, das auf der Server-Seite zu Einsatz kommt; dsFredaClient, mit dem man von Client-Seite die Ausführung serverseitiger Funktionen gesteuert werden kann und der FredaApp, einer R-Shiny Anwendung, die als visuelle Unterstützung zum Monitoring der angestoßenen Prozesse fungiert.

Das langfristige Ziel von FREDA ist es, in föderierten Analysestrukturen einen Standard zur Datenharmonisierung, -kuration und -agumentierung zu etablieren, der für klinische Daten unterschiedlicher Provenienz eingesetzt werden kann.

Das Projekt wird von Bastian Reiter geleitet.{/DE}

{EN}FREDA is an R package suite for curating and augmenting routine clinical oncology data, developed as part of the DataSHIELD framework. The software simplifies and standardizes data harmonization, curation, and augmentation processes in a federated analysis environment and is currently used in analysis projects by the Clinical Data Science Group of the Clinical Communication Platform of the German Consortium for Translational Cancer Research (DKTK).

FREDA is a comprehensive framework consisting of three R packages: dsFreda, which is used on the server side; dsFredaClient, which can be used to control the execution of server-side functions from the client side; and FredaApp, an R Shiny application that provides visual support for monitoring the initiated processes.

The long-term goal of FREDA is to establish a standard for data harmonization, curation, and augmentation in federated analysis structures that can be used for clinical data from different sources.

The project is led by Bastian Reiter.

{/EN}

{DE}Im Projekt GENIOBA unterstützt das IDMKD die Durchführung eines systematischer Reviews („Systematisches Review zum Gender-Gap in der Versorgung von Patient:innen mit Impulskontrollstörung“) der Ruhr-Universität Bochum mittels mehrerer Large Language Models (LLMs). Diese werden gezielt für das Titel- und Abstract-Screening eingesetzt, um einen großen Textkorpus effizient nach definierten Ein- und Ausschlusskriterien zu screenen. Ziel ist die Realisierung eines LLM-gestützten Co-Screenings, das die menschliche Arbeit ergänzt und die Evaluation und das Benchmarking verschiedener LLMs in diesem Prozess.

BMFTR Förderkennzeichen: 01GN2513

{/DE}

{EN}In the GENIOBA project, the IDMKD supports the implementation of a systematic review (“Systematic Review on the Gender Gap in the Treatment of Patients with Impulse Control Disorders”) conducted by Ruhr University Bochum using multiple Large Language Models (LLMs). These models are specifically applied for title and abstract screening to efficiently process a large text corpus according to predefined inclusion and exclusion criteria. The goal is to implement LLM-assisted co-screening that complements human efforts, while also enabling the evaluation and benchmarking of various LLMs within this process.

BMFTR funding identifier: 01GN2513

{/EN}

{DE} Das Projekt untersucht die Epidemiologie und stationäre Versorgung von Patient*innen mit HIV-Infektion und maligner Tumorerkrankung. Verwendet werden Meldedaten nach §21 KHEntgG um die standortspezifische Inzidenz von AIDS-definierendden (AD), nicht-AIDS-definierenden Virus-assoziierten (Virus-NAD) und nicht-AIDS-definierenden Tumorerkrankungen und deren stationäre Versorgung zu untersuchen. Studienzentren: Universitätsklinikum Frankfurt, Universitätsklinik Freiburg, Klinikum der LMU München.{/DE}

{EN} The projects investigates the clinical epidemiology and stationary care of patients with cancer and HIV infection. We use clinical claims data to infere the site-specific incidence patterns and longitudinal trajectories of AIDS defining and virus-associated malignancies as well as the situation of care. Study sites are the university hospitals in Frankfurt, Freiburg and the LMU in Munich.{/EN}

{DE}
Das Ziel dieses Projekts ist die Präsentation des Instituts für Digitale Medizin und Klinische Datenwissenschaften als eigenständigen Internetauftritt über https://idmcd.de. Die Website ist gleichzeitig Teil des Fachbereichszentrums für Digitale Gesundheit und über diese Einrichtung in das Gesamtangebot der Goethe-Universität Frankfurt (Fachbereich 16/Medizin) integriert >> https://www.uni-frankfurt.de

Inhaltlich liegt der Fokus auf dem IDMKD Team, den Forschungsprojekten und wissenschaftlichen Publikationen – zudem wird das Institut selbst sowohl aus struktureller Sicht (Organisationsstruktur) als auch im Hinblick auf die Historie, Philosophie, Vision/Mission und Werte vorgestellt.
{/DE}
{EN}
The aim of this project is to present the Institute for Digital Medicine and Clinical Data Sciences as an independent online presence at https://idmcd.de. The website is also part of the Centre for Digital Health and is integrated into the overall offerings of Goethe University Frankfurt (Faculty of Medicine, Department 16) through this institution >> https://www.uni-frankfurt.de

The content focuses on the IDMCD team, research projects, and scientific publications – in addition, the institute will be presented from both a structural perspective (organisational structure) and in terms of its history, philosophy, vision/mission, and values.
{/EN}

{DE}Infektiopedia ist ein von der Deutschen Gesellschaft für Infektiologie (DGI) initiiertes Projekt, das als web-basierte, unabhängige Wissensdatenbank eine übersichtliche Vermittlung von Infektiologischen Leitlinien ermöglichen soll. Über 100 freiwillige Autor:innen tragen qualitätsgesicherte und umfassende Informationen zusammen und verfassen Open-Access Beiträge. Infektiopedia soll es Ärzt:innen vereinfachen, informierte, evidenzbasierte und damit optimierte Entscheidungen bzgl.z. B. der Therapie von infektiösen Erkrankungen ihrer Patient:innen zu treffen. Die Webseite ist unter https://infektiopedia.de abrufbar.

Infektiopedia wird gefördert von der Deutschen Gesellschaft für Infektiologie (DGI).

{/DE}

{EN}Infektiopedia, an initiative of the German Society for Infectiology (DGI), is a web-based, independent knowledge database designed to provide a clear and comprehensive overview of infectious disease guidelines. Over 100 volunteer authors contribute quality-assured, open-access content, compiling extensive information. Infektiopedia aims to empower physicians to make informed, evidence-based, and optimized decisions regarding patient care, particularly concerning the treatment of infectious diseases. The website is accessible at https://infektiopedia.de.

Infektiopedia is sponsored by the German Society for Infectious Diseases (DGI).

{/EN}

{DE}Das Isavuconazol-Register ist eine multizentrische, retrospektive Studie in Deutschland, die den Einsatz von Isavuconazol vs. Voriconazole und/ oder Liposomales Amphotericin B bei möglicher, wahrscheinlicher und gesicherter invasiver Aspergillose (IA) und Mucormykose (IM) untersucht. Eingeschlossen wurden Patient:innen mit hämatologischen/onkologischen Grunderkrankungen, die zwischen den Jahren 2016 und 2021 aufgrund einer IA oder IM behandelt wurden. Ziel ist es, neben epidemiologischen Faktoren auch gesundheitsökonomische Aspekte im realen Versorgungssetting zu analysieren. Das Studienzentrum in Frankfurt war an der Studie beteiligt; die Hauptverantwortung für das Projekt lag jedoch bei der Uniklinik Köln.

Die Studie wird von der Pfizer Pharma GmbH (Deutschland) gefördert.{/DE}

{EN}The isavuconazole registry is a multicentre, retrospective study in Germany investigating the use of isavuconazole vs. voriconazole and/or liposomal amphotericin B in possible, probable and proven invasive aspergillosis (IA) and mucormycosis (IM). Patients with underlying haematological/oncological diseases who were treated for IA or IM between 2016 and 2021 were included. The aim is to analyse epidemiological factors as well as health economic aspects in the real-world setting. The study center in Frankfurt participated in the trial, while overall responsibility for the project was hold by the University Hospital Cologne.

This study is supported by an unrestricted research grant from Pfizer Pharma GmbH (Germany).{/EN}

{DE} Die Studie „Prävalenz und Verteilung von Komorbiditäten bei Patient:innen mit kolorektalem Karzinom: Eine multizentrische, retrospektive Beobachtungsstudie” wird im Rahmen der Clinical Data Science Group zusammen mit der Clinical Communication Platform (CCP) des Deutschen Konsortiums für Translationale Krebsforschung (DKTK) an vier klinischen Standorten (Frankfurt, Hannover, München, Mannheim) durchgeführt.

Das Ziel der Studie ist es die Verteilung, Last und Profile von Begleiterkrankungen (Komorbiditäten) bei Patient:innen mit kolorektalem Karzinom (CRC) und deren Auswirkungen auf Therapien und Outcomes ()insb. Gesamtüberleben) zu untersuchen. Obwohl die Komorbiditäten häufig vorliegen, existieren dazu in Deutschland nur wenige Daten. Um das Projekt durchzuführen, werden verschiedene Datenquellen (Tumordokumentationsdaten und Leistungsabrechnungsdaten nach §21 KEntG) miteinander verlinkt und über die Infrastruktur der CCP einer föderierten Analyse zugeführt. Die Untersuchung erfolgt stratifiziert nach Alters- und Geschlechtergruppen sowie nach Tumorstadium zum Zeitpunkt der Diagnosestellung.

Die Studie wird von Dr. Daniel Maier (Frankfurt) gemeinsam mit PD Dr. Karin Berger-Thürmel (München LMU) geleitet. Weitere beteiligte Standortpartner sind Selina Becht (München LMU), Prof. Dr. Tianzuo Zhan (Mannheim) sowie Dr. Fabian Ecke (Hannover).{/DE}

{EN} The study “Prevalence and distribution of comorbidities in patients with colorectal cancer: A multicenter, retrospective observational study” is conducted with support of the DKTK Clinical Data Science Group in collaboration with the Clinical Communication Platform (CCP) of the German Cancer Consortium (DKTK). Four German university hospitals participate (Frankfurt, Hanover, Munich LMU and Mannheim).

The aim of the study is to investigate the distribution, burden, and profiles of comorbidities in patients with colorectal cancer (CRC) and their impact on therapies and outcomes (especially overall survival). Although comorbidities are common in patients with CRC, there is little data available in Germany. To carry out the project, two different data sources (tumor documentation data and service billing data according to §21 KEntG) are linked and fed into a federated analysis via the CCP infrastructure. The analysis will be stratified along age groups, sex and tumor stage at the time of diagnosis.

The study is led by Dr. Daniel Maier (Frankfurt) together with PD Dr. Karin Berger-Thürmel (Munich LMU). Other participating site partners are Selina Becht (Munich LMU), Prof. Dr. Tianzuo Zhan (Mannheim), and Dr. Fabian Ecke (Hanover).{/EN}

{DE}Ziel des Nationalen Post-COVID Datensatzes (NAPCODE) ist es die umfangreichen Daten, die im Rahmen der COVID-19-Pandemie erhoben wurden und die für die Forschung der Post-COVID Condition (PCC) hilfreich sind zusammenzufassen aufzubereiten und für die Forschung zu Verfügung zu stellen. NAPCODE entwickelt hierfür einen speziell zugeschnittenen Datensatz aus bestehenden Studiendaten und kann dadurch die PCC Forschung beschleunigen. Basis des Projekts sind die Daten des Nationalen Pandemie Kohorten-Netzes (NAPKON), einer deutschlandweiten Kohortenstudie mit drei Studienpopulationen. In einem ersten Schritt werden relevante Variablen durch eine Literaturrecherche sowie den Austausch mit Expert:innen, Betroffenen und deren Angehörigen identifiziert. Anschließend wird ein pseudonymisierter Datensatz erstellt der über ein Use and-Access-Verfahren beantrage werden kann. Zusätzlich werden zwei öffentlich verfügbare Varianten entwickelt: eine anonymisierte und eine synthetische Version.

BMFTR Förderkennzeichen: 01EQ2406A

Projektlaufzeit: 01.01.2025-31.12.2026{/DE}

{EN}The aim of the National Post-COVID Data Set (NAPCODE) is to summarize the extensive data collected during the COVID-19 pandemic, which is helpful for research into the post-COVID condition (PCC), and to make it available for research. NAPCODE is developing a specially tailored data set from existing study data for this purpose and can thus accelerate PCC research. The project is based on data from the National Pandemic Cohort Network (NAPKON), a Germany-wide cohort study with three study populations. In a first step, relevant variables are identified through a literature search and an exchange with experts, affected persons and their relatives. Subsequently, a pseudonymized data set will be created that can be applied for via a use and access procedure. In addition, two publicly available variants will be developed: an anonymized and a synthetic version.

BMFTR grant No.: 01EQ2406A

Project duration: 01.01.2025-31.12.2026{/EN}

Das Nationale Pandemie Kohorten Netz (NAPKON) schafft gemeinsam mit weiteren Komponenten des Netzwerks Universitätsmedizin (NUM) grundlegende Infrastrukturen für das erfolgreiche Verständnis und damit für die Bekämpfung von Pandemien am Beispiel der Coronavirus-Krankheit-2019 (COVID-19).

https://napkon.de/

{DE}Das Arbeitspaket Koordinationseinheit Dynamisches Use & Access (DUA) ist Teil der Forschungsinfrastruktur NUM Klinische Epidemiologie- und Studienplattform (NUKLEUS) im Netzwerk Universitätsmedizin (NUM) und wird durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert. Die wissenschaftliche Leitung obliegt Prof. Dr. Janne Vehreschild, während Shimita Raquib die Leitung der operativen Ebene übernimmt. Unterstützt wird das Team durch Patricia Wagner und Tom-Robin Raja.

Ursprünglich als Untereinheit des Arbeitspakets ICU (Interaktionskern) während der NUM 2.0 Förderphase (Förderkennzeichen: 01KX2121) entwickelt, wird der DUA seit Beginn der NUM 3.0 Förderphase als eigenständiges Arbeitspaket weitergeführt und ausgeweitet.

NUKLEUS DUA zielt darauf ab, durch eine digitale Plattformlösung einen qualitätsgesicherten und transparenten Zugang zu Forschungsdaten, Bioproben, Bilddaten und weiteren Datenarten im NUM zu schaffen, wobei die Koordinationseinheit die zentrale Kommunikations- und Koordinationsaufgaben übernimmt und die Entscheidungsgremien, bestehend aus den Vertreter:innen der Projekte, der Fach- und Organspezifischen Arbeitsgruppen (FOSA), methodischer und ethischer Expertise, Patient:innenvertretung sowie weiteren Mitgliedern der NUM Community dynamisch eingebunden werden.

Das Verfahren stellt sicher, dass Daten nachhaltig und effizient für die Forschung nutzbar gemacht werden. Es unterstützt zugleich die Umsetzung der FAIR-Prinzipien, insbesondere im Hinblick auf Zugänglichkeit (Accessibility) und Wiederverwendbarkeit (Reusability).{/DE}

{EN}The Dynamic Use & Access Coordination Unit (DUA) is a work package of the infrastructure NUM Clinical Epidemiology and Study Platform (NUKLEUS) within the Network University Medicine (NUM) and is funded by the Federal Ministry of Research, Technology and Space (BMFTR). 

The scientific lead is Prof. Dr. Janne Vehreschild, while Shimita Raquib coordinates the operational level. The team is further supported by Patricia Wagner, and Tom-Robin Raja.

Originally developed as a subunit of the NUKLEUS work package Interaction Core Unit (ICU) in the second funding phase of NUM (grant no. 01KX2121), the DUA has been continued and expanded as an independent work package since the beginning of the NUM 3.0 funding phase in 07/25.

The aim of NUKLEUS DUA is to establish a quality-assured and transparent process to ensure access to data, biosamples, imaging data and other data types within NUM through a digital platform solution. The coordination unit is responsible for the central communication and coordination tasks, while decision-making entities, consisting of representatives of the data-providing projects, the organ specific work-groups (FOSA), methodological and ethical experts, patient representatives, and further members of the NUM Community are dynamically involved.

The procedure ensures that data are made available for research in a sustainable and efficient way. At the same time, it supports the implementation of the FAIR principles, particularly regarding Accessibility and Reusability.{/EN}

{DE}Die Aufwands- und Leistungserfassungseinheit (RPA) stellt ein Arbeitspaket vom Netzwerk Universitätsmedizin (NUM) Teilprojekt NUM Klinische Epidemiologie- und Studienplattform (NUKLEUS) dar und wird seit Juli 2025 vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert. Die wissenschaftliche Leitung der RPA unterliegt Prof. Dr. Janne Vehreschild und die operative Ebene wird von Dr. Susana Nunes de Miranda geleitet, wobei die RPA in zwei Teams aufgeteilt ist. Das Abrechnungsteam wird von Dr. Susana Nunes de Miranda geleitet und zum Team gehören ‘Branson’ Chin Huang Lee, Markus Katharina Brechtel, Patricia Wagner. Das Lighthouse Team wird von Dr. Meta Bönniger geleitet und zum Team gehören Samia Goraya und ‘Branson’ Chin Huang Lee.

In der aktuellen NUM 3.0 Förderphase führt die NUKLEUS RPA die Aufgaben des NUKLEUS 2.0 Interaktionskern (ICU) Abrechnungsteams fort und optimiert diese. Dazu zählen 1) die transparente Kostenkalkulation von Aufwandspauschalen und Infrastrukturleistungen mit unserem neu entwickelten Softwaretool NUM Studienplaner, um eine effizientere Planbarkeit von neuen Studien zu erreichen, 2) die zeitnahe Durchführung von produktiven bzw. virtuellen Abrechnungsläufe mit unserem entwickelten generischen Abrechnungstool, um eine aufwandsgenaue Validierung von aktuell erbrachten Studienleistungen zu ermöglichen, 3) die transparente Messung der erreichten Qualität und Leistung der beteiligten Studienzentren, anhand definierten Qualitäts- und Leistungsindikatoren, sowie 4) die Darstellung der Abrechnungs- und Leistungsergebnisse mit unserer neu entwickelten Benutzeroberfläche NUM Lighthouse, damit eine zeitnahe Einsicht und die regelmäßige Überwachung der Studienleistungsergebnisse seitens der jeweiligen Studienzentren und Projektkoordination gewährleistet wird.{/DE}

{EN}The Resource Utilization and Performance Assessment Unit (RPA) represents one of the work packages of the Network University Medicine (NUM) subproject NUM Clinical Epidemiology and Study Plattform (NUKLEUS) and has been funded by the Federal Ministry of Research, Technology  and Space (BMFTR) since July 2025. Prof. Dr. Janne Vehreschild is the scientific lead of RPA and Dr. Susana Nunes de Miranda coordinates the operational level, where the RPA has been divided into two teams. The Accounting Team is led by Dr. Susana Nunes de Miranda, with Chin ‘Branson’ Huang Lee, Markus Katharina Brechtel, and Patricia Wagner beeing part of the team. The Lighthouse Team is led by Dr. Meta Bönniger, with Samia Goraya, and ‘Branson’ Chin Huang Lee belonging to the team.

During the current NUM 3.0 funding phase, the NUKLEUS RPA continues and optimizes the tasks of the NUKLEUS 2.0 Interaction Unit (ICU) Accounting Unit. These include 1) transparent cost calculation of case fees and infrastructure services using our new developed software tool NUM Study Planner, in order to enable a more efficient planning of new studies, 2) timely execution of productive or virtual accounting runs using our developed generic Accounting Tool, enabling an accurate validation of current study achievements, 3) transparent measurement of the quality and performance attained by the participating study centres, based on defined quality and performance indicators, and 4) display of the accounting and performance results using our new developed web interface NUM Lighthouse, in order to ensure a timely insight and regular monitoring of study achievement results by the respective study centres and project coordination.{/EN}

{DE}Im Arbeitspaket 5 vom NUM 3.0 Begleitprojekt werden die erfolgreichen Komponenten des NUKLEUS 2.0 Interaktionskerns im Kontext des NUM gesetzt. Dazu gehören die etablierten Plattformen NUM Hub und NUM Community Plattform, als auch der Querschnittskonzept Use & Access und die Softwareplattform und Entwicklungskonzept Resource Utilization and Performance Assessment, die beide konzeptionell weiterentwickelt werden sollen.{/DE}

{EN}In work package 5 of the NUM 3.0 Accompanying Project, the successful components of the NUKLEUS 2.0 Interaction Core Unit will be set in the context of NUM. These include the established platforms NUM Hub and NUM Community Platform, as well as the Cross-Sectional Concept for Use & Access, and the Software Platform and Development Concept for Resource Utilization and Performance Assessment, both of which are to be further developed conceptually.{/EN}

{DE}Die NUM Community besteht aus Kliniker:innen, Wissenschaftler:innen und Patient:innen, die ihre Expertise ehrenamtlich in das NUM einfließen lassen. Herzstück der Community Plattform sind die Fach- und Organspezifischen Arbeitsgruppen (FOSA). Sie wählen den Fachbeirat, der NUM Teilprojekte berät, interdisziplinäre Forschungsideen entwickelt und Teil zentraler Entscheidungsgremien im NUM ist.

Mitarbeitende der NUM Community Plattform unterstützen diese wichtige Arbeit durch Administration, Projektmanagement, und strategische Arbeiten, wie beispielsweise durch die Vor- und Nachbereitung von Sitzungen, die Organisation von Wahlen und Veranstaltungen und die Weiterentwicklung von Prozessen zur Beteiligung der Community im NUM.{/DE}

{EN}The NUM Community consists of clinicians, scientists, and patients who volunteer their expertise for the NUM. The "Fach- und Organspezifischen Arbeitsgruppen" (FOSA), specialty and organ specific work-groups, are the heart of the NUM Community Platform. They vote in the "Fachbeirat", an expert advisory committee that consults sub-projects within the network, develops interdisciplinary research ideas, and partakes in central governing bodies of the NUM.

The staff of the NUM Community Platform supports this important work through administration, project management, and strategic work, such as the preparation of and follow-up for meetings, the organization of elections and events, and the further development of processes for community participation within the NUM.{/EN}

{DE} Der Querschnittsbereich Methoden Hub und Bioproben Hub (NUM MB) stellt eine Beratungs- und Unterstützungseinheit im Netzwerk Universitätsmedizin (NUM) dar und dient der methodischen Beratung über alle NUM Forschungsinfrastrukturen (FIS) hinweg. Ziel ist es qualitativ hochwertige Daten und Bioproben für die wissenschaftliche NUM Gemeinschaft in Übereinstimmung mit gesetzlichen Bestimmungen und ethischen Grundsätzen zu generieren. Im NUM MB stellt das IDMKD die Expertiseeinheit "Clinical Data Science" und unterstützt zu Fragen der Verwendung von Maschinellem Lernen bei der Analyse von Daten aus der klinischen Routineversorgung. Der NUM MB wird gefördert durch das Netzwerk Universitätsmedizin.{/DE}

{EN} The cross-sectional area Methods Hub and Biosamples Hub (NUM MB) is a consulting and support unit within the University Medicine Network (NUM) and provides methodological advice across all NUM research infrastructures (FIS). The aim is to generate high-quality data and biosamples for the scientific NUM community in accordance with legal requirements and ethical principles. Within NUM MB, IDMKD provides expertise in clinical data science and offers support on issues relating to the use of machine learning in the analysis of data from routine clinical care. NUM MB is funded by the University Medicine Network.{/EN}

{DE}Das NUM Studiennetzwerk ist eine Forschungsinfrastruktur innerhalb des Netzwerk Universitätsmedizin (NUM), welches sich der Aufgabe widmet, die klinische und klinisch-epidemiologische Forschung in Deutschland zu verbessern. Es wurde ins Leben gerufen, um die Zusammenarbeit zwischen universitären und außeruniversitären Standorten zu stärken. Das wichtigste Ziel des NUM Studiennetzwerks besteht darin, eine standardisierte, effiziente Umgebung für die Durchführung von hochqualitativen klinischen Studien zu schaffen, auch durch seine Fachnetzwerke, die verschiedene Forschungsfelder umfassen.

Die Förderung des NUM 2.0 durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) ermöglichte den Aufbau des NUM Studiennetzwerks und seines ersten Fachnetzwerks, dem Fachnetzwerk Infektionen. Diese Pilotierungsphase dauerte von Juli 2024 bis Juli 2025, während derer die Grundstruktur des Netzwerks entwickelt und auch getestet wurde, als Vorbereitung auf seine langfristige Implementierung.

Eine fünfjährige Folgeförderung unter NUM 3.0 schließt sich nun an, sie startete im August 2025. Seitdem werden das NUM Studiennetzwerk und seine derzeitigen und zukünftigen Fachnetzwerke unter separaten Projektbeschreibungen gefördert, was ihre spezifischen Aufgaben und Strukturen innerhalb des NUM-Gesamtrahmens widerspiegelt.

Die Förderung ermöglicht es dem NUM Studiennetzwerk, eine nachhaltige und wettbewerbsfähige nationale Infrastruktur für klinische und klinisch-epidemiologische Forschung in Deutschland zu schaffen.

NUM 2.0 Förderkennzeichen: 01KX2121
NUM 3.0 Förderkennzeichen: 01KX2524{/DE}

{EN} The NUM Study Network is a research infrastructure within the Network of University Medicine (NUM), dedicated to enhancing clinical and clinical-epidemiological research across Germany. It was established to foster collaboration among university and non-university sites. The central aim of the NUM Study Network consists in creating a standardized, efficient environment for conducting high-quality clinical studies, also through its specialty networks that cover various research fields.

The establishment of the NUM Study Network and its first specialty network, the Specialty Network Infectious Diseases, was supported as part of the NUM 2.0 funding period, enabled by the German Federal Ministry of Research, Technology and Space (BMFTR). This initial pilot phase ran from July 2024 to July 2025, during which the basic network structure was developed and also tested in preparation for the network’s long-term implementation.

A subsequent five-year funding period under NUM 3.0 was granted and started in August 2025. Since then, the NUM Study Network and the associated current and future specialty networks are funded under separate project descriptions, reflecting their specific roles and structures within the overall NUM framework.

This funding enables the NUM Study Network to establish a sustainable and competitive national infrastructure for clinical and clinical-epidemiological research in Germany.

NUM 2.0 grant No.: 01KX2121
NUM 3.0 grant No.: 01KX2524{/EN}

{DE} Krebsforschungsdatenzentrum - KI-gestützte Evidenzgenerierung aus versorgungsnahen Daten Klinischer Krebsregister, GKV-Routinedaten, Klinikdaten und deren Linkage (onkoFDZ)

Im Projekt wird geprüft, wie Evidenzlücken unter Nutzung versorgungsnaher Daten (VeDa) von Klinischen Krebsregistern (KKR), durch die Deutsche Krebsgesellschaft zertifizierten Zentren, onkologischen Spitzenzentren und gesetzlichen Krankenkassen geschlossen werden können. Der Fokus liegt auf der Weiterentwicklung und Pilotierung von Verfahren zum datenschutzkonformen Linkage sowie der Nutzung und Auswertung von verlinkten Daten mit statistischen und KI-gestützten Methoden.

Das Projekt wird gefördert vom Bundesministerium für Gesundheit im Handlungsfeld „Digitalisierung“, Forschungsschwerpunkt „Krebsregisterdaten zusammenführen und intelligent nutzen“ (Förderkennzeichen: ZMI5-2522DAT14A-O).

Das IDMKD ist beteiligt als Leitung der Arbeitsarbeitsgruppe KI. Die Projektleitung übernehmen Prof. Dr. med. Monika Klinkhammer-Schalke, Arbeitsgemeinschaft Deutscher Tumorzentren e.V., und Prof. Dr. med. Jochen Schmitt, MPH, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der TU Dresden, Zentrum für Evidenzbasierte Gesundheitsversorgung (ZEGV). {/DE}

{EN} This project aims to close evidence gaps by using real-world data (RWD), known in German as versorgungsnahe Daten (VeDa), from Clinical Cancer Registries (KKR), certified centers of the German Cancer Society, comprehensive cancer centers, and statutory health insurance providers. The project focuses on advancing and piloting procedures for privacy-preserving data linkage, in addition to the application and analysis of linked data through statistical and AI-driven methods.

The Cancer Research Data Center project is funded by the German Federal Ministry of Health (Bundesministerium für Gesundheit) under the thematic field "Digitalization" and the research priority "Consolidating and Intelligently Using Cancer Registry Data" (Grant number: ZMI5-2522DAT14A-O).

The IDMKD participates by leading the working group on AI. The project is co-directed by Prof. Dr. med. Monika Klinkhammer-Schalke from the Association of German Cancer Centers (Arbeitsgemeinschaft Deutscher Tumorzentren e.V.) and Prof. Dr. med. Jochen Schmitt, MPH, from the University Hospital and Faculty of Medicine Carl Gustav Carus, TU Dresden, Center for Evidence-Based Healthcare (ZEGV). {EN}

{DE}ORCHESTRA ist ein internationales Forschungsprojekt zur Bekämpfung der COVID-19 Pandemie, das von der Universität Verona geleitet wurde und an dem 26 Partner aus 15 Ländern beteiligt waren. Das Projekt wurde im Rahmen des Forschungs- und Innovationsprogramms Horizon 2020 der Europäischen Union finanziert und erfolgreich abgeschlossen. Wir tragen weiterhin zur IT-Infrastruktur bei, insbesondere zum Hosting und der Pflege der Website, für Aktivitäten im Zusammenhang mit der Verbreitung und Nutzung der Ergebnisse aus ORCHESTRA. Die nachhaltige Fortführung von ORCHESTRA ist das Datenportal, das unter https://orchestra-cohort.eu/ verfügbar ist.

EU Horizon 2020 Förderkennzeichen: 101016167

{/DE}

{EN}ORCHESTRA is an international research project aimed at tackling the Coronavirus pandemic, led by the University of Verona and involving 26 partners from 15 countries. The project was funded by the European Union’s Horizon 2020 research and innovation programme and was successfully concluded. We are continuing to contribute to the IT infrastructure, particularly hosting and maintaining the website, for activities related to the dissemination and exploitation of the ORCHESTRA results. The sustainable follow-up of ORCHESTRA is the Data Portal: available at https://orchestra-cohort.eu/.

EU Horizon 2020 Grant Agreement number: 101016167

{/EN}

Keine Beschreibung verfügbar.

{DE}PILGRIM ist eine umfassende, multinationale, multizentrische klinische Studie, die den Einfluss unangemessener antibakterieller Verordnungen auf die intestinale Dominanz durch EPE oder VRE bzw. auf Infektionen mit C. difficile untersuchen soll. Um dieses Ziel zu erreichen, wird die Studie den Verlauf von der erstmaligen Besiedlung mit resistenten Erregern bis hin zur Infektion mit diesen Bakterien auf individueller Patientenebene engmaschig verfolgen.

Teilnehmende Länder: Deutschland, Schweden, Norwegen, Israel, Kanada, Lettland

Studienkoordination: Frankfurt/Köln{/DE}
{EN}PILGRIM is a comprehensive, multinational, multi-centre clinical study aiming to assess the impact of inappropriate antibacterial prescription on intestinal domination by EPE or VRE or infection with C. difficile. To achieve this goal, the study will closely follow the progression from first acquisition of drug-resistant organisms to infection with these bacteria at an individual patient level.

Countries participating: Germany, Sweden, Norway, Israel, Canada, Latvia

Study coordination: Frankfurt/Cologne{/EN}

{DE} Das Projekt PM4Onco (Personalisierte Medizin für die Onkologie) hat das Ziel die Arbeit Molekularer Tumorboards dabei zu unterstützen, die bestmöglichen Behandlungsoptionen für onkologische Patient:innen auffindbar zu machen. Zu diesem Zweck benötigen Ärzt:innen und Forscher:innen eine große Menge spezifischer Daten aus der Diagnostik, sowie der Versorgung. Diese Daten liegen in deutschen Universitätskliniken oft in unterschiedlichen Einreichtungen und unterschiedlichen Formaten vor. Das Projekt hat sich zum Ziel gesetzen, die erforderlichen Daten zusammenzuführen, zu harmonisieren und für die Versorgung nutzbar zu machen.

Insgesamt haben sich 25 Verbundpartner im PM⁴Onco-Konsortium zusammengeschlossen, darunter 22 Universitätskliniken, um das Projektziel zu erreichen. PM⁴Onco versucht dabei eine nachhaltige Infrastruktur aufzubauen, um die Nutzung und den Austausch klinischer und biomedizinischer Daten für die standardisierte Verwendung in Molekularen Tumorboards zu etablieren.

Das Konsortium wird von Prof. Dr. Dr. Melanie Börries (Universitätsklinikum Freiburg), Prof. Dr. Benedikr Brors (DKFZ Heidelberg) und Prof. Dr. Oliver Kohlbacher (Universität Tübingen) geileitet. Am Standort Frankfurt beteiligt sich unser Institut zusammen mit dem Universitären Centrum für Tumorerkrankungen (UCT, Direktor: Prof. Dr. Christian Brandts), dem Institut für Medizininformatik (Direktor: Prof. Dr. Holger Storf) und dem Dr. Senkenbergischen Institut für Pathologie (Direktor: Prof. Dr. Peter Wild) an insgesamt vier Arbeitspaketen des Projektes.{/DE}

{EN} Personalized medicine for oncology (PM⁴Onco) aims to support molecular tumor boards in finding the best available treatment options for oncological patients. To achieve this and to make informed treatment planning decisions, physicians and researchers require access to a large amounts of data. While the required data often scattered across various sources in different formats, the digitalization presents an opportunity to integrate, harmonize and use the required data. 

A total of 25 project partners from across Germany have joined the PM⁴Onco consortium, including 22 university medical centers, to collaboratively develop a viable and usable solution. PM⁴Onco aims to establish an infrastructure for the use and exchange of data from clinical and biomedical research.

The project consortium is led by Prof. Dr. Dr. Melanie Börries (University Medical Center Freiburg), Prof. Dr. Benedikt Brors (German Cancer Research Center, Heidelberg), and Prof. Dr. Oliver Kohlbacher (University of Tübingen). At the Frankfurt site, our institute is involved in four of the project’s work packages, in collaboration with the University Cancer Center (UCT, Director: Prof. Dr. Christian Brandts), the Institute of Medical Informatics (Director: Prof. Dr. Holger Storf), and the Dr. Senckenberg Institute of Pathology (Director: Prof. Dr. Peter Wild).{/EN}

{DE} Für onkologische Behandlungsleitlinien geben meist klare, evidenzbasierte Empfehlungen für die erste und zweite Therapielinie. Dies ist jedoch ab der dritten und den darauffolgenden Therapielinien oft nicht mehr der Fall. Auch für das nicht-kleinzellige Lungenzellkarzinom (NSCLC) und das kolorektale Karzinom (CRC) liegen für spätere Therapielinien keine Empfehlungen mehr vor.

Das Ziel der Studie „Machine-Learning-basierte Prädiktion von Überlebens-Outcomes bei Patient:innen mit Lungen- und Kolorektalkarzinomen in späten Therapielinien“ besteht in der Prädiktion des Gesamt- und progressionfreien Überlebens bei Patient:innen mit NSCLC- und CRC ab der dritten Therapielinie. Dabei werden systemische Therapien fokussiert. Ebenso soll die Heterogenität der verwendeten Substanzen und Regime ab der dritten Therapielinie exploriert werden.

Für die Studie werden bundesweite Krebsregisterdaten des Zentrums für Krebsregisterdaten (ZfKD) beantragt. Diese umfassen Informationen zu Diagnosen, Stadium, Krankheitsverlauf, Therapien und Outcomes. Diese werden am Standort Frankfurt ausgewertet, mit dem Ziel aus den Ergebnissen Leitlinien-Empfehlungen abzuleiten und zur Verbesserung der klinischen Versorgung im Rahmen späterer systemischer Therapielinien beizutragen. {/DE} 

{EN} Treatment guidelines typically provide clear recommendations for first- and second-line therapies across most cancer types. However, these guidelines are often lacking recommendations for third- or later-line treatments. This also holds for non-small cell lung cancer (NSCLC) and colorectal cancer (CRC), where no standardized recommendations are currently available for later lines of therapy.

The study aim is to use machine learning to predict overall survival and disease progression (including the development of metastases) in NSCLC and CRC patients undergoing third-line or later systemic therapy. The focus is on systemic treatments. The study will also explore the heterogeneity of therapies used in later lines and targets to identify common treatments sequences and patterns to predict their impact on survival.

The study will use nationwide cancer registry data from the center for cancer registry data, which includes comprehensive information on cancer diagnoses, staging, therapies and outcomes. This data will be analyzed in Frankfurt, with the aim of deriving guideline recommendations and thereby contributing to improved clinical care in the context of later line systemic anti-cancer treatment. {/EN}

{DE} Die retrospektive, multizentrische Studie zum Rezidivrisiko von Patient:innen mit lokalisiertem Nierenzellkarzinom wird im Rahmen der Clinical Data Science Group der Clinical Communication Platform (CCP) des Deutschen Konsortiums für Translationale Krebsforschung (DKTK) an sechs Standorten (Essen, Dresden, Frankfurt, Freiburg, Mainz, TU München) durchgeführt.

Die Studie fokussiert Patient:innen mit lokalisiertem Nierenzellkarzinom. Ziel der Studie ist es das Risiko des Wiederauftretens des Tumors bei dieser Patientengruppe auf Basis klinischer Routinedaten abzuschätzen. Zur Bestimmung des Rückfallrisikos werden das krankheitsfreie Überleben sowie das Gesamtüberleben vom Zeitpunkt einer Operation bis zum Wiederauftreten des Tumors bzw. Versterben herangezogen. Die Analysen werden differenziert nach der Morphologie des Tumorgewebes, dem Tumorstadium bei Diagnose und dem Ergebnis der Resektion durchgeführt. Dabei werden Daten aus den Tumordokumentationsabteilungen der beteilgten Standorte einer föderierten Datenanalyse zugeführt. 

Als Studienleitung fungiert Prof. Dr. Viktor Grünwald (Essen), während der Standort Frankfurt an der Durchführung, insbesondere der Analysen, beteiligt ist. Weitere Standortpartner sind Dr. Sherif Mehralivand (Dresden), Dr. Markus Grabbert (Freiburg), Dr. Rene Mager (Mainz) und Dr. Lilly Schmalbrock (TU München). {/DE}

{EN} The retrospective, multicenter study on the risk of diesease recurrence in patients with localized renal cell carcinoma is conducted with support of the Clinical Data Science Group using the infrastructure of the German Cancer Consortium's (DKTK) Clinical Communication Platform (CCP). Six university medical centers participate in this project (Essen, Dresden, Frankfurt, Freiburg, Mainz, TU Munich).

The study focuses on patients with localized renal cell carcinoma. The aim of the study is to estimate the risk of tumor recurrence in this patient group based on routine clinical data. To determine the risk of recurrence, disease-free survival and overall survival from the time of surgery to tumor recurrence or death are used. The analyses are differentiated according to the morphology of the tumor tissue, the tumor stage at diagnosis, and the outcome of the resection. Therefore, data from the tumor documentation departments of the participating sites are fed into a federated data analysis.

Prof. Dr. Viktor Grünwald (Essen) is the principal investigator, while the Frankfurt team is involved in the implementation, particularly the analyses. Other site partners are Dr. Sherif Mehralivand (Dresden), Dr. Markus Grabbert (Freiburg), Dr. Rene Mager (Mainz), and Dr. Lilly Schmalbrock (TU Munich).{/EN}

{DE}Vorhabensziel des RISK Prediction for Risk-stratified INfection Control and PrEvention (Risk Principe) Projekts ist die automatisierte Überwachung und datengetriebene Risikoanalyse & -vorhersage mit dem Endpunkt einer individualisierten, risikostratifizierten Infektionskontrolle und -prävention.

• Implementierung der neu erstellten Vorhersagemodelle & Visualisierung in einer interoperablen Anwendung (Erweiterung von SmICS “Smart Infection Control System”), die die Routinedatensätze der medizinischen Datenintegrationszentren (MeDICs) an jedem beteiligten Standort wiederverwendet.

• Aufbau einer Anwendung, die standardisierte Schnittstellen für den Datenzugriff nutzt und auf standardisierten und vereinbarten interoperablen Datenmodellen (MII-Kerndatensatz) basiert.

Hauptaufgaben des Instituts:

• Anforderungsanalyse für die medizinische Mikrobiologie und Identifizierung von Primärquellen an DIC-Standorten

• Implementierung eines spezifischen Vorhersagemodells

• Begleitung des Roll-Out-Prozesses

Projektlaufzeit: 01.07.2023-30.06.2027{/DE}

{EN}The aim of the RISK Prediction for Risk-stratified INfection Control and PrEvention (Risk Principe) project is automated surveillance and data-driven risk analysis & prediction with the endpoint of individualized, risk-stratified infection control and prevention.

• Implementation of the newly created prediction models & visualization in an interoperable application (extension of SmICS “Smart Infection Control System”) that reuses the routine data sets of the Medical Data Integration Centers (MeDICs) at each participating site.

• Development of an application that uses standardized interfaces for data access and is based on standardized and agreed interoperable data models (MII core dataset).

Main tasks of the institute:

• Requirements analysis for medical microbiology and identification of primary sources at DIC sites

• Implementation of a specific prediction model

• Support of the roll-out process

Projektlaufzeit: 01.07.2023-30.06.2027{/EN}

{EN}
The Research Project Suite (RPS), as comes from its name, is a collection of tools for managing research projects. The goal is to provide a collection of practical tools to give a level-up for your research environment. Although our solution is highly customizable, it is already pre-configured by default and all you need to start using it is to deploy it with a few simple steps.

Repository: https://gitlab.com/idcohorts/rps/rps-portal
{/EN}

{DE}
Research Project Suite (RPS) ist eine Sammlung von Werkzeugen zur Verwaltung von Forschungsprojekten. Ziel ist es, eine praktische Werkzeug­sammlung bereitzustellen, die Ihrer Forschungsumgebung einen deutlichen Mehrwert verleiht. Obwohl unsere Lösung hochgradig anpassbar ist, ist sie bereits standardmäßig vorkonfiguriert – alles, was Sie zum Start benötigen, ist eine Bereitstellung in nur wenigen einfachen Schritten.

Repository: https://gitlab.com/idcohorts/rps/rps-portal
{/DE}

{DE}Ziele des Projekts: Entwicklung eines Dienstes, der mehrere Endpunkte bereitstellt, die jeweils für separate, unabhängige Webanwendungen ausgelegt sind:

• RPS Groups Interface (Groups) App

• RPS Header App

• RPS Infosite App

Ausgeschriebener Titel: RPS UI Packages
Art der Beteiligung (Koordination/Leitung versus Beteiligung; falls Beteiligung: Nennung der Projektleitung): ?
Hierarchie der Förderer (z.B. NUM und BMFTR): ?

Link: https://gitlab.com/idcohorts/rps/rps-astro-packages

{/DE}

{EN}Project objectives: development of a service that provides multiple endpoints that are designed to serve separate independent web apps:

• RPS Groups Interface (Groups) App

• RPS Header App

• RPS Infosite App

Advertised title: RPS UI Packages
Type of participation (coordination/management versus participation; if participation: name of project leader): ?
Hierarchy of funding bodies: ?

Link: https://gitlab.com/idcohorts/rps/rps-astro-packages

{/EN}

{DE}Diese Studie untersucht die Machbarkeit des Einsatzes von Large Language Models (LLMs) zur Automatisierung systematischer Übersichtsarbeiten. Basierend auf einem veröffentlichten Systematic Review zu prognostischen COVID-19 Scores verfolgt das Projekt zwei Ziele: Zum einen werden die Ergebnisse einer LLM-gestützten Replikation, einschließlich Bewertung hinsichtlich des Einschlusses und der Datenextraktion, mit menschlichen Referenzdaten verglichen. Zum anderen wird ein LLM-basiertes Framework gemäß etablierter Leitlinien entwickelt, das den Zugang zur Nutzung von LLMs für Wissenschaftler:innen erleichtern soll. Die Studie beabsichtigt zu zeigen, dass LLMs das Potenzial haben, den manuellen Aufwand zu reduzieren und die Effizienz systematischer Reviews zu steigern.{/DE}

{EN}This study investigates the feasibility of using Large Language Models (LLMs) to automate systematic reviews. Based on a published systematic review on COVID-19 prognostic scores, it pursues two main objectives: first, to compare the results of an LLM-based replication, including inclusion decision and data extraction, with human reference data. Second, an LLM-based framework will be developed in accordance with established guidelines to facilitate access and use of LLMs for researchers. The study aims to demonstrate  that LLMs obtain the potential of to reduce manual effort and improve the efficiency of systematic reviews.{/EN}

{DE} Temporal and Regional Trends in Curative and Palliative Systemic Anticancer Treatments for Aging Populations: A Transatlantic Analysis of the Ten Most Incident Solid Cancers

Das Projekt untersucht systemische Krebstherapien bei älteren Patient:innen im transatlantischen Vergleich zwischen Deutschland und den USA. Ziel ist es, Sequenzen kurativer und palliativer Therapien bei den zehn häufigsten soliden Tumoren (Lunge, Prostata, Brust, Kolorektal, Blase, Pankreas, Niere, Magen, Ösophagus, Gebärmutterkörper) in Real-World-Daten (RWD) zu analysieren. Untersucht werden Unterschiede und Gemeinsamkeiten in Behandlungsmustern, eingesetzten Regimen und klinischen Outcomes, um Strategien zur Optimierung der Versorgung älterer Patient:innen zu entwickeln.

In Deutschland werden multizentrische Daten über die Clinical Communication Platform (CCP) des DKTK genutzt. Mithilfe der föderierten Analyse-Software DataSHIELD erfolgt die Auswertung datenschutzkonform, ohne dass Patientendaten transferiert werden. Zwischen den Ländern werden ausschließlich aggregierte Ergebnisse verglichen.

Art der Beteiligung: Projektleitung in Deutschland

Förderstatus: Keine externe Förderung. {/DE}

{EN} This project investigates systemic anticancer therapies in older adults through a transatlantic comparison between Germany and the United States. The aim is to analyse treatment sequences for curative and palliative therapies in the ten most incident solid cancers (lung, prostate, breast, colorectal, bladder, pancreatic, kidney, gastric, oesophageal, and endometrial) using real-world data (RWD). Differences and similarities in treatment patterns, drug regimens, and clinical outcomes will be examined to generate insights for optimising care strategies for ageing populations.

In Germany, a multicentre approach is applied: tumour documentation data are accessed via the Clinical Communication Platform (CCP) of the German Cancer Consortium (DKTK). Analyses are conducted with the federated software DataSHIELD, ensuring that patient data remain within each centre. Only aggregated results are compared across countries.

Type of participation: Overall coordination and project lead in Germany

Funding status: No external funding. {/EN}

{DE}Das Therapielinien-Konzept wird in der Onkologie häufig bei der Entscheidungsfindung in Tumorboards und bei der klinischen Behandlung berücksichtigt. Jedoch fehlt eine einheitliche, fachübergreifende Definition. Die Komplexität und Heterogenität bösartiger Erkrankungen und Behandlungsmodalitäten tragen zu einem uneinheitlichen Verständnis von Therapielinien bei. In einer qualitativen Teilstudie wurde das Verständnis des Konzepts aus der Perspektive von Ärzt:innen verschiedener onkologischer Disziplinen mittels Expert:innen-Interviews untersucht. Die meisten Befragten waren sich einig, dass keine einheitliche Definition zu Therapielinien gegeben ist und gaben an, dass sie bereits auf Missverständnisse in Bezug auf Therapielinien gestoßen waren. Uneinigkeit herrschte über die Rolle von Erhaltungstherapie, Behandlungsabsicht, dem Wechsel der Arzneimittel und Therapiepausen. Die Befragten hielten überwiegend die gleichen Kriterien für die Definition für entscheidend wie für einen Therapielinien-Wechsel (z. B. das Auftreten eines Progress oder eines Tumorrezidivs).
Basierend auf den Erkenntnissen der qualitativen Teilstudie wurde in einem quantitativen Survey das Verständnis, die Relevanz sowie potentielle Ereignisse und Maßnahmen für einen Therapielinien-Wechsel bei einer größeren Stichprobe an ärztlichen Expert:innen untersucht. Sechzig Ärzte beantworteten die Umfrage, wobei die meisten Befragten angaben ständige Mitglieder eines onkologischen Tumorboards zu sein. Progression, Rezidiv, Auftreten von Metastasen oder schwere Nebenwirkungen wurden als Indikatoren für einen Therapielinien-Wechsel angesehen. Die Berücksichtigung lokaler therapeutischer Interventionen wie z. B. Operationen als unabhängige Therapielinie war unter den Befragten umstritten.{/DE}

{EN}The concept of lines of therapy (LoT) is frequently used term in oncology which is of critical importance when decisions in tumor boards are discussed for further treatment. However, there is no uniform, interdisciplinary definition. The complexity and heterogeneity of malignant diseases and treatment modalities contribute to an inconsistent understanding of LoT. In a qualitative study, the understanding of the concept from the perspective of physicians from various oncological disciplines was examined by means of expert interviews. Most respondents agreed that there is no uniform definition of LoT and stated that they had already encountered misunderstandings. There was notable disagreement about the role of maintenance therapy, treatment intent, change of drug regimen, and treatment breaks. The majority of respondents considered the same criteria to be decisive for the definition as for a change in treatment lines (e.g., the occurrence of progression or tumor recurrence). Based on the findings of the qualitative study, a quantitative survey was conducted to examine the understanding, relevance, and potential events and measures for a change in LoT in a larger sample of physicians. Sixty physicians responded to the survey, with most respondents indicating that they were permanent members of a tumor board. Progression, recurrence, the occurrence of metastases, or severe side effects were considered indicators for a change in treatment line. The consideration of local therapeutic interventions, such as surgery, as an independent treatment line was controversial among the respondents.{/EN}

{DE}Die TIARA-Studie ist eine nationale, multizentrische, krankenhausbasierte, prospektive Beobachtungsstudie. Die Patientenrekrutierung wird an acht deutschen Universitätskliniken erfolgen. Im Verlauf der Studie wird eine Kohorte von 1.200 Patienten mit komplexen chirurgischen Eingriffen, die sich einer offenen Pankreas-Duodenektomie oder einer offenen Rektum-/Kolonresektion unterziehen, aufgebaut, einschließlich einer eingehenden Datenerfassung und Biomaterialprobenahme an verschiedenen Körperstellen zu unterschiedlichen Zeitpunkten vor und nach der Operation. 
Darüber hinaus wird ein nationales Antimicrobial Stewardship (AMS)-Gremium, das sich aus AMS-Experten und/oder Spezialisten für Infektionskrankheiten aus allen Partnereinrichtungen zusammensetzt, die Qualität der diagnostischen und therapeutischen Maßnahmen im Zusammenhang mit den antiinfektiven Behandlungen der Studienpatienten bewerten. 
Langfristige Ergebnisparameter werden bis zu zwei Jahre nach dem Eingriff bewertet. In einer optionalen Teilstudie wird die Lebensqualität der eingeschlossenen Patienten zu verschiedenen Zeitpunkten untersucht.{/DE}

{EN}The TIARA study is a national, multi-centre, hospital-based, prospective, observational study. Patient recruitment will take place at eight German university hospitals. Throughout the study, a cohort of 1,200 complex surgical patients undergoing open pancreaticoduodenectomy or open rectum/colon resection will be established including in-depth data collection and biomaterial sampling from different body sites at different timepoints pre- and post-surgery. 
Moreover, a national Antimicrobial Stewardship (AMS) Board, consisting of AMS experts and/or Infectious Disease (ID) specialists from all partner sites, will rate the quality of diagnostic and therapeutic measures related to the anti-infective treatments of study patients. 
Long-term outcome parameters will be assessed up to two years following the surgery. As an optional substudy, the quality of life will be assessed in included patients at different time points.{/EN}

{DE}Die TI BBD ist die Translationale Infrastruktur (TI) für Bioressourcen, Biodaten und digitale Gesundheit (BBD) des Deutschen Zentrums für Infektionsforschung (DZIF), die eine umfassende biomedizinische Dienstleistungsstruktur im DZIF aufbaut. Ziel ist es, biometrische Daten zu standardisieren und Datenbanksysteme interoperabel zu gestalten, um die translationale Forschung im DZIF noch ressourcenschonender, wissenschaftlich hochwertig und effizient zu ermöglichen. 

Fokus:

• Daten- und IT-Infrastrukturausbau für verbesserten Informationsfluss

• Unterstützung von DZIF-Wissenschaftler:innen bei der Datenanalyse

• Vermittlung von Schlüsselkompetenzen und Kapazitätsaufbau durch Schulung und Beratung

• Entwicklung und Bereitstellung digitaler Werkzeuge und Dienste durch spezielle Projekte{/DE}

{EN}The TI BBD is the Translational Infrastructure (TI) for Bioresources, Biodata and Digital Health (BBD) of the German Center for Infection Research (DZIF), which is establishing a comprehensive biomedical service structure at the DZIF. The aim is to standardize biometric data and make database systems interoperable in order to enable translational research at the DZIF to be even more resource-efficient, scientifically high-quality and efficient.

Focus:

• Data and IT infrastructure expansion for improved information flow

• Support for DZIF scientists in data analysis

• Teaching key skills and capacity building through training and consulting

• Development and provision of digital tools and services through special projects{/EN}