Wir nehmen uns Zeit für Sie!

Im Rahmen einer unverbindlichen Erstbesprechung besprechen wir gemeinsam die nächsten Schritte in Ihrer medizinischen Studie, wie wir in Richtung Publikation Ihrer Forschungsergebnisse gehen.

Liegen die Daten bereits vor, bieten wir Ihnen professionelle Datenauswertungen Ihrer Forschungsfragen mit modernsten biostatistischen Verfahren an.

Dazu zählen neben der Datenauswertung, der Erstellung publikations- und druckreifer Figures, die Beschreibung der statistischen Methoden im paper, sowie die Verteidigung gegenüber Reviewer.

Bei der Planung der Studie inkl. Fallzahlplanungen, Ethikkommissionsanträge, Randomisierungen, usw stehen wir Ihnen ebenso gerne zur Verfügung.

Ziel ist dabei die Publikation Ihrer Forschungsergebnisse!

Bei all Ihren Fragen stehen wir gerne zur Verfügung!

Weitere Information zum Ablauf und Kontakt finden Sie auf unserer umfangreichen Webseite:

Kontakt:

PD MMag. Dr. Wolfgang Hitzl
Leiter Team Biostatistics und Publikation von medizinischen Studien
Auswertung medizinischer Studien/Machine learning

Forschungsmanagement & Technologietransfer, Paracelsus Medizinische Privatuniversität Salzburg
Strubergasse 16
A-5020 Salzburg

Tel.: +43 699 14420032
E-Mail: wolfgang.hitzl@pmu.ac.at

Sie benötigen eine Fallzahlplanung?

Und zwar so, sodass einerseits möglichst wenige Probanden in die Studie eingeschlossen werden sollen, andererseits die Studie auch genügend Power hat?

Im Rahmen einer Erstbesprechung besprechen wir gemeinsam die nächsten Schritte in Ihrer medizinischen Studie, wie wir dies erreichen können.

Zum Beispiel folgende Punkte:

• Moderne Fallzahlplanungen (a priori sample size computations)
• Diskussion möglicherer Kandidaten für primäre Endpunkte und Entwicklung mehrerer Szenarios für die Fallzahlen.
• Ethikkommissionsanträge (Einreichung, Ergänzung statistischer Teil)
• Randomisierungspläne, Matching von Studiengruppen.
• Beratung und Diskussion von professionellen Studiendesigns (z.B. adaptive Designs)

Ziel ist dabei gleich im Vorfeld die Studie so zu gestalten, damit die Hypothesen möglichst effizient nachgewiesen werden können.

Bei all Ihren Fragen stehen wir gerne zur Verfügung!

Weitere Information zum Ablauf und Kontakt finden Sie auf unserer umfangreichen Webseite:

Kontakt:

PD MMag. Dr. Wolfgang Hitzl
Leiter Team Biostatistics und Publikation/Planung von medizinischen Studien
Auswertung medizinischer Studien/Machine learning

Forschungsmanagement & Technologietransfer, Paracelsus Medizinische Privatuniversität Salzburg
Strubergasse 16
A-5020 Salzburg

Tel.: +43 699 14420032
E-Mail: wolfgang.hitzl@pmu.ac.at

Im medizinischen Bereich gibt es einen großen Datenschatz (Register, Untersuchungsgeräte, Gesundheits-Apps, etc.), der darauf wartet, gehoben zu werden – aber natürlich unter Beachtung methodischer Grundsätze und „good statistical practice“!  

Im Big-Data-Kontext (- aber nicht nur dort! -) werden häufig Methoden aus den Bereichen Machine Learning oder Artificial Intelligence verwendet. Moderne Algorithmen erzeugen bei "Machine learning/AI" ein statistisches Modell, das auf Trainingsdaten beruht und dann sorgfältig getestet wird. Idealerweise werden dabei Muster und Gesetzmäßigkeiten in den Daten erkannt. Diese Algorithmen können bei der Analyse von demographischen und klinischen Routinedaten, aber auch z.B. bei automatisierten Diagnoseverfahren für Bilddaten (z.B. "image classification/image regression") angewendet werden oder Strukturen in solchen Daten erkennen (z.B. "medical image segmentation"). Wir verwenden unterschiedliche moderne Verfahren aus den Bereichen „deep learning“ bzw. allgemeiner „machine learning“ (z.B. support vector machines, random forest models, Bayes classifiers, classification trees, uvm).

Dazu einige typische Beispiele aus der Praxis:

• Ophthalmologie: Entdeckungsraten für die Erkennung von Gefäßen, Exsudaten und Blutungen bei Patienten mit diabetischer Retinopathie mittels neuronaler Netze.
• Interne Medizin: Prognose von Lungenembolien und ventrikuläre Hypertrophie, Myokardinfarkt.
• Pneumologie/Lungenheilkunde: Prognose, ob ein Patient erfolgreich von der mechanischen Beatmung entwöhnt werden kann.
• Urologie: Prostatafrüherkennung.
• Dermatologie: neuronale Netze zur Prognose des Auftretens eines Melanoms.
• Vorhersage von epileptischen Anfällen oder algorithmen-gestützte automatisierte Epilepsie-Diagnostik
• Und viele mehr…

Die technischen Möglichkeiten sind enorm – uns geht es dabei jedoch wesentlich um eine methodisch fundierte und auf die klinischen Bedürfnisse Rücksicht nehmende Herangehensweise!

Kontakt: Georg Zimmermann (Leiter Biostatistics and Big Medical Data)

Sie sind in einem Forschungsgebiet aktiv, in dem Sie häufig mit bestimmten methodischen Herausforderungen konfrontiert sind und Sie folglich spezifische statistisch-methodische Expertise aufbauen möchten? Bekanntlich braucht man das Rad nicht jedes Mal neu zu erfinden. Aber mitunter gibt es scheinbar einfache Fragestellungen, bei denen sich jedoch nach eingehender methodischer Betrachtung herausstellt, dass neue (statistische) Methoden entwickelt werden müssen, um das Anwendungsproblem letztlich befriedigend lösen zu können.

Sie können nur schwer einschätzen, ob die konkrete Fragestellung in Ihrem medizinischen Forschungsfeld „interessant genug“ für eine solche methodische Untersuchung ist? Dann wenden Sie sich bitte an uns! Wir haben in der Vergangenheit schon mehrere derartige problembezogene Projekte durchgeführt (z.B. zu Lebenserwartungs-Vergleichen, oder Methoden für kleine Fallzahlen), sind aber ebenso offen für neue, spannende Problemstellungen aus Ihrem Anwendungsfeld!

Ebenso unterstützen wir Sie im Allgemeinen gerne bei Projekten, die eine umfangreiche, längerfristige methodisch fundierte Begleitung benötigen. Dies trifft insbesondere auch auf systematische Reviews und/oder Metaanalysen zu, bei denen wir basierend auf unserer Erfahrung (z.B. Partizipation in der Core Group Guideline Development im European Reference Network EpiCare) gerne methodische Unterstützung anbieten.

Kontakt: Georg Zimmermann (Leiter Biostatistics and Big Medical Data)