Hauptziel des COMPANION-Projekts: Modellierung der Folgen von HOBSI mittels KI-gestützter Kausalmodelle, Simulation von Zielstudien und Daten aus der realen Versorgungspraxis.

Das Projekt konzentriert sich auf die Entwicklung von prädiktiven Modellen, die auf das deutsche Gesundheitssystem zugeschnitten sind. Ziel ist die Verbesserung von Therapiestrategien und die Stärkung der Resilienz des Systems gegenüber nosokomialen Infektionen und multiresistenten Erregern (MDROS).

1. Datenbasierte Prognose: Mithilfe von KISS-Überwachungsdaten werden Zeitreihenprognosen erstellt, um zukünftige Trends bei nosokomialen Infektionen und MDROS vorherzusagen. Dies ermöglicht es Krankenhäusern, Infektionsspitzen frühzeitig zu erkennen, die Ressourcenzuteilung (z. B. Intensivbetten, Personal) zu steuern und sich auf potenzielle Ausbrüche vorzubereiten. Die Modelle berücksichtigen räumlich-zeitliche und saisonale Muster, wie beispielsweise den Anstieg von Atemwegsinfektionen in den Wintermonaten, und ermöglichen ein proaktives Krankenhausmanagement.

2. Evaluation therapeutischer Interventionen: Die Emulation von Zielstudien simuliert randomisierte Studien anhand von Beobachtungsdaten, um robuste Kausalzusammenhänge therapeutischer Interventionen abzuschätzen. Diese Modelle ermöglichen es Gesundheitsdienstleistern, Infektionstrends vorherzusagen und Ressourcen zu optimieren, wodurch die Resilienz gegenüber nosokomialen Infektionen gestärkt wird.

3. Mathematische Modellierung hypothetischer Interventionsszenarien: Es werden mathematische Modelle entwickelt, um die hypothetischen Auswirkungen verschiedener therapeutischer Interventionen auf nosokomiale Blutstrominfektionen (HOBSI) und multiresistente Erreger (MDRS) zu simulieren. Dieser Ansatz basiert auf geschätzten Parametern aus vorangegangenen Teilprojekten und dient der Entscheidungsfindung durch die Bewertung der Kosteneffektivität therapeutischer Interventionen, wie z. B. neuer Antibiotika und Dekolonisationstherapien.

Themen:

• Populations- und raumzeitliche Modellierung von KISS-Überwachungsdaten
• Mathematische Modellierung hypothetischer Interventionsszenarien
• Entwicklung kausaler Strategien des maschinellen Lernens
• Anwendung kausaler Modellierung in Proof-of-Concept-Kohortenstudien
• Simulation von Zielstudien mit routinemäßig erhobenen NUM-DIC-Daten