Modellierung von nosokomialen Infektionen unter Verwendung von individuellen Patientendaten

• Antragsteller: Professor Dr. Martin Wolkewitz
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2011 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 195110653

Das generelle Ziel in diesem Projekt ist die Anwendung von innovativen statistischen Modellen und adäquaten Studiendesigns auf diverse zeitliche Dynamiken, die bei nosokomialen Infektionen auftreten. Mithilfe Daten aus einem Spanischen Netzwerk (109,216 Patientenzugänge aus 159 Intensivstationen) hat das bisherige Projekt folgende Dinge behandelt. Konkurrierende Ereignisse (Tod und Entlassung) spielen eine wichtige Rolle, wenn man das Risiko von NIs schätzen möchte. Wir zeigen, wie man häufige Verzerrungen vermeidet (time-dependent and length bias). Des weiteren haben wir den Einfluss von multiplen Zeitskalen (Zeit von der Aufnahme und Kalendarzeit) auf das Auftreten von NIs studiert. Da die Daten der Patienten innerhalb der Intensivstationen korreliert sind, haben wir komplexe mehrstufige Modelle studiert, um zwischen Patienten-individuellen Faktoren und sogenannte Gruppenlevel-Faktoren unterscheiden zu können, die von der Intensivstation kommen. Außerdem haben wir das bekannte Fall-Kontroll Studiendesign für Situationen mit konkurrierenden Ereignisse angepasst. Letztlich haben wir diverse Studiendesign verglichen, die für Interventionsstudien in Frage kommen.Im Fortsetzungsantrag wollen wir uns mit drei weiteren Themen bzgl. NI beschäftigen. Erstens wollen wir den Wert von Prävalenzstudien für Patienten-individuelle Risikofaktorenanalysen untersuchen. Dazu werden wir die Zusammenhänge zwischen den Zusammenhangsmaßen (Prävalenz-, Inzidenz- und Risikoverhältnis) mathematisch beschreiben und dies an reellen Daten praktisch darstellen. Zweitens planen wir die Zusammenhänge zwischen der Dauer von invasiven Hilfsmittel (z.B. künstliche Beatmung) und dem Auftreten von NIs (z.B. Pneumonie) in geeigneten Multistadienmodellen zu beschreiben. Drittens planen wir das Fall-Kohorten Design zu untersuchen, um möglichst alle zeitlichen Aspekte, die bei der Analyse von NIs auftreten können, in einem reduzierten Datensatz modellieren zu können.Alle Themen sind durch aktuelle Publikationen motiviert (z.B. aus Lancet, Lancet Infect Dis, Lancet Resp Med, JAMA und NEJM) und werden sowohl mathematisch als auch anhand reeller Daten studiert. Um Transparenz zu gewährleisten, wird der statistische Code verfügbar gemacht.

• DFG-Verfahren: Sachbeihilfen