Räumlich-zeitliche Epidemiologie für neu auftretende Viruskrankheiten – Synergien zwischen Surveillance-Daten und Daten aus Internet-Plattformen, um Ausbreitung und Vorhersage von Epidemien zu verbessern

• Antragsteller: Dr. Thomas Jänisch; Professor Dr. Alexander Zipf
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 451956976

Die derzeitige SARS-CoV-2 Pandemie und die zurückliegenden Epidemien verursacht durch Zika und Ebola Virus unterstreichen die Notwendigkeit, die Gesundheitssysteme für neu auftretende Infektionskrankheiten vorzubereiten. Infektionskrankheiten breiten sich in Raum und Zeit aus und das Verständnis dieser Dynamik ist von großer Wichtigkeit, um Ausbreitung und Transmission zu verstehen und Voraussagen zu treffen. Bisher war die epidemiologische Vorhersage auf die räumliche Dimension begrenzt. Innovative und robuste quantitative Modelle sind nötig für einen integrativen Ansatz zur Detektion von Epidemien zum frühen Zeitpunkt. Bisher wurden Routine-Surveillance Daten von Krankenhäusern und Laboren benutzt, um diese Modelle zu erstellen. Obwohl diese Daten verlässlich und valide sind, gibt es Probleme mit der Heterogenität und der Verzögerung aufgrund der Erhebung. Daten aus bestimmten Netzwerken dagegen kann aus dem Internet in Echtzeit heruntergeladen werden, ist jedoch weit weniger verlässlich oder validiert, die geographische Abdeckung ist heterogen, und beeinflusst von den Störfaktoren durch Nutzerverhalten. Das Ziel dieses Projekts ist, die Vorteiler beider Methoden zu kombinieren, um neue Algorithmen zu entwickeln, die die Daten-Qualität verbessern und verlässlichere Aussagen über die räumlich-zeitliche Ausbreitung von Infektionskrankheiten ermöglichen. Um dies zu erreichen, werden wir 1) die Validität und Präzision von Internet-Plattform Daten mit Surveillance-Daten vergleichen, 2) räumlich-zeitliche Muster der Ausbreitung in beiden Datenquellen evaluieren, 3) die Effekte von Mobilitätsmustern, sozio-demographischen Variablen, und räumlich-zeitliche Ausbreitungsmuster integrieren auf lokaler Ebene (z.B. innerhalb einer urbanen Konglomeration), und 4) neuartige Visualisierungswerkzeuge entwickeln. Um diese Hypothesen und Werkzeuge zu testen, werden wir uns auf die folgenden Erreger fokussieren: SARS-CoV-2, Dengue Virus, Zika Virus, Chikungunya Virus, Ebola Virus. Unser Ansatz und die zu generierenden Daten besitzen das Potential, neuartige Frühwarnsysteme zu befördern, die für die Kontrolle und Surveillance von Infektionskrankheiten sehr wertvoll sein können.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Österreich
• Partnerorganisation: Fonds zur Förderung der wissenschaftlichen Forschung (FWF)
• Kooperationspartner: Professor Dr. Bernd Resch