Header
 
Login
 

Privatsphäre-Einstellungen

Wir verwenden Cookies auf unserer Website. Einige von ihnen sind unerlässlich, während andere uns helfen, diese Website und Ihre Erfahrungen zu verbessern.

Notwendig Statistik Marketing
Auswahl bestätigen
Weitere Einstellungen

Hier finden Sie eine Übersicht aller verwendeten Cookies. Sie können ganzen Kategorien Ihre Zustimmung geben oder weitere Informationen anzeigen und bestimmte Cookies auswählen.

Alle auswählen
Auswahl bestätigen
Notwendig Cookies
Wesentliche Cookies ermöglichen grundlegende Funktionen und sind für die ordnungsgemäße Funktion der Website erforderlich.
Statistik Cookies
Statistik-Cookies sammeln anonym Informationen. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.
Marketing Cookies
Marketing-Cookies werden von Werbekunden oder Publishern von Drittanbietern verwendet, um personalisierte Anzeigen zu schalten. Sie tun dies, indem sie Besucher über Websites hinweg verfolgen
Zurück
    Merken
    Abbildung 1: Vom Datensee zur Datenbank (Quelle der Abbildung: Oracle Clinical 2020. Alle Abbildungen wurden in einem Vortrag des Autors auf dem XVII. Expertengespräch von SanaClis verwendet und sind abrufbar unter https://sanaclis.eu/events/xvii-expertengesprach-april-29-2022).

    Big Data und klinische Forschung

    Konkrete Anwendung in Screening und Feasibility

    Wissenschaft

    Definition und BeispieleVom Datensee zur DatenbankBig Data, Fallzahl- und PrüfzentrenplanungBig Data und Auswahl der LänderBig Data und Auswahl der Prüfzentren und PatientenBig Data und DatenschutzKritische Betrachtung
    Dr. Matthias KlüglichBiberach

    Big Data sind längst Teil des Alltags der klinischen Forschung. Der Zugriff auf elektronische Patientenakten, Gesundheitsinformationen aller Art, Charakteristika von Prüfzentren und operative Eckdaten weltweiter Entwicklungsprogramme ermöglicht eine datenbasierte Studienplanung. Zunächst unstrukturiert als „Data Lake“ vorliegende, multidimensionale Datensammlungen erfordern spezifisches Know-how und die Einbindung artifizieller Intelligenz, um sich in sinnvoll nutzbare Formate ordnen zu lassen. Big Data unterstützen bei der Auswahl von Ländern und Prüfzentren, helfen Ein- und Ausschlusskriterien zu optimieren, erlauben eine Prognose der