Skip to main content
Hauptrubriken
CME Facharzt-Training Webinare Zeitschriften Bücher e.Medpedia Podcast
Service
Jobbörse Info & Hilfe
Fachgebiete
Anästhesiologie Allgemeinmedizin Arbeitsmedizin Augenheilkunde Chirurgie Dermatologie Gynäkologie und Geburtshilfe HNO Innere Medizin Kardiologie Neurologie Onkologie und Hämatologie Orthopädie und Unfallchirurgie Pädiatrie Pathologie Psychiatrie Radiologie Rechtsmedizin Urologie Zahnmedizin
Themen
Klimawandel und Gesundheit Neues aus dem Markt COVID-19 Praxis und Beruf Seltene Erkrankungen GOÄ & EBM Panorama
Sammlungen
Kasuistiken Algorithmen & Infografiken Blickdiagnosen Arthropedia FlapFinder (für Dermatochirurgen) Videos Kongressberichterstattung Medizin für Apothekerinnen und Apotheker Für Ärztinnen und Ärzte in Weiterbildung Für Medizinstudierende
Erweiterte Suche
Anmelden
nach oben
DNP – Die Neurologie & Psychiatrie
Erschienen in: DNP - Der Neurologe & Psychiater 6/2021

30.11.2021 | Multiple Sklerose | Fortbildung

Teil 13 - Datensammlung

Daten sammeln aus der Praxis: der Weg zum digitalen MS-Zwilling

verfasst von: M.A. Isabel Voigt, Prof. Dr. med. Tjalf Ziemssen

Erschienen in: DNP – Die Neurologie & Psychiatrie | Ausgabe 6/2021

Einloggen, um Zugang zu erhalten

Auszug

Durch den chronischen, inter- und intraindividuell unterschiedlichen Verlauf der Multiplen Sklerose und die steigende Zahl geeigneter Therapien kumulieren Langzeitdaten zu großen, multidimensionalen Datenmengen. Die Schwierigkeit besteht darin, diese Daten hochfrequent, standardisiert und strukturiert zu erheben und sie in geeigneten Datenbanken zu integrieren und sinnvoll auszuwerten, um sie für ein personalisiertes Krankheitsmanagement nutzen zu können. …
Literatur
1.
Reich DS, Lucchinetti CF, Calabresi PA. Multiple Sclerosis. New England Journal of Medicine 2018;378:169-80
2.
Ziemssen T, Kern R, Thomas K. Multiple sclerosis: clinical profiling and data collection as prerequisite for personalized medicine approach. BMC Neurol 2016;16:124
3.
Cohen JA, Trojano M, Mowry EM, Uitdehaag BMJ, Reingold SC et al. Leveraging real-world data to investigate multiple sclerosis disease behavior, prognosis, and treatment. Multiple Sclerosis Journal. 2019;26(1):23-37
4.
Inojosa H, Ziemssen T. Schübe und Progression der MS klinisch beurteilen. DNP - Der Neurologe & Psychiater 2020;21(1):23-6
5.
Ziemssen T, Piani-Meier D, Bennett B, Johnson C, Tinsley K, Trigg A et al. A Physician-Completed Digital Tool for Evaluating Disease Progression (Multiple Sclerosis Progression Discussion Tool): Validation Study. J Med Internet Res. 2020;22(2):e16932
6.
Konofalska U, Ziemssen T. Wie messe ich das Unsichtbare? DNP - Der Neurologe & Psychiater 2021;22(4):29-34
7.
Mückschel M, Ziemssen T, Beste C. Die Relevanz des Multitaskings. DNP - Der Neurologe & Psychiater 2021;22(3):32-5
8.
Trentzsch K, Weidemann ML, Inojosa H, Ziemssen T. Was die Schritte verraten. DNP - Der Neurologe & Psychiater 2020;21(3):32-5
9.
Dillenseger A, Ziemssen T. Miss alles, was sich messen lässt". DNP - Der Neurologe & Psychiater 2020;21(4):37-41
10.
Akgün K, Ziemssen T. MS-Monitoring mit molekularen Biomarkern - wo stehen wir? DNP - Der Neurologe & Psychiater 2021;22(1):35-9
11.
Ziemssen T, Akgün K, Brück W. Molecular biomarkers in multiple sclerosis. Journal of neuroinflammation 2019;16(1):272
12.
Akgün K, Kretschmann N, Haase R, Proschmann U, Kitzler HH, Reichmann H et al. Profiling individual clinical responses by high-frequency serum neurofilament assessment in MS. Neurology(R) neuroimmunology & neuroinflammation 2019;6(3):e555
13.
Sun YV, Hu Y-J. Integrative Analysis of Multi-omics Data for Discovery and Functional Studies of Complex Human Diseases. Adv Genet 2016;93:147-90
14.
Kitzler HH, Ziemssen T, Fischer S. Monitoring der subklinischen MS-Krankheitsaktivität. DNP - Der Neurologe & Psychiater 2020;21(1):26-31
15.
Proschmann U, Ziemssen F, Ziemssen T. Die Neurodegeneration an den Augen ablesen. DNP - Der Neurologe & Psychiater 2021;22(5):41-7
16.
Saak A, Ziemssen T. Evozierte Potenziale - noch up to date? DNP - Der Neurologe & Psychiater 2020;21(6):28-34
17.
D'Amico E, Haase R, Ziemssen T. Review: Patient-reported outcomes in multiple sclerosis care. Mult Scler Relat Disord 2019;33:61-6
18.
Haase R, Schriefer D, Ziemssen T. Der Patient als Experte. DNP - Der Neurologe & Psychiater 2020;21(5):33-6
19.
Ziemssen T, Phillips G, Shah R, Mathias A, Foley C, Coon C, et al. Development of the multiple sclerosis (MS) early mobility impairment questionnaire (EMIQ). J Neurol 2016;263(10):1969-83
20.
Flachenecker P, Muller G, Konig H, Meissner H, Toyka KV, Rieckmann P. Fatigue in multiple sclerosis. Development and and validation of the Wurzburger Fatigue Inventory for MS. Nervenarzt 2006;77:165-6, 8-70, 72-4
21.
Radloff LS. The use of the Center for Epidemiologic Studies Depression Scale in adolescents and young adults. Journal of youth and adolescence 1991;20(2):149-66
22.
Sharrack B, Hughes RA. The Guy's Neurological Disability Scale (GNDS): a new disability measure for multiple sclerosis. Mult Scler 1999;5(4):223-33
23.
Learmonth YC, Motl RW, Sandroff BM, Pula JH, Cadavid D. Validation of patient determined disease steps (PDDS) scale scores in persons with multiple sclerosis. BMC Neurology 2013;13(1):37
24.
EuroQol G. EuroQol - a new facility for the measurement of health-related quality of life. Health policy 1990;16(3):199-208
25.
Atkinson MJ, Sinha A, Hass SL, Colman SS, Kumar RN, Brod M, et al. Validation of a general measure of treatment satisfaction, the Treatment Satisfaction Questionnaire for Medication (TSQM), using a national panel study of chronic disease. Health and quality of life outcomes 2004;2:12
26.
Benson T. Measure what we want: a taxonomy of short generic person-reported outcome and experience measures (PROMs and PREMs). BMJ Open Quality 2020;9(1):e000789
27.
Scholz M, Haase R, Trentzsch K, Stölzer-Hutsch H, Ziemssen T. Improving Digital Patient Care: Lessons Learned from Patient-Reported and Expert-Reported Experience Measures for the Clinical Practice of Multidimensional Walking Assessment. Brain Sciences 2021;11(6):786
28.
D'Souza M, Papadopoulou A, Girardey C, Kappos L. Standardization and digitization of clinical data in multiple sclerosis. Nature reviews Neurology 2021
29.
Weidemann ML, Ziemssen T. Die Zukunft der Biomarker ist digital. DNP - Der Neurologe & Psychiater 2021;22(2):27-31
30.
Dorsey ER, Papapetropoulos S, Xiong M, Kieburtz K. The First Frontier: Digital Biomarkers for Neurodegenerative Disorders. Digital Biomarkers 2017;1(1):6-13
31.
Trentzsch K, Weidemann ML, Torp C, Inojosa H, Scholz M, Haase R et al. The Dresden Protocol for Multidimensional Walking Assessment (DMWA) in Clinical Practice. Frontiers in neuroscience 2020;14:582046
32.
Scholz M, Haase R, Schriefer D, Voigt I, Ziemssen T. Electronic Health Interventions in the Case of Multiple Sclerosis: From Theory to Practice. Brain Sci 2021;11(2)
33.
Marziniak M, Brichetto G, Feys P, Meyding-Lamade U, Vernon K, Meuth SG. The Use of Digital and Remote Communication Technologies as a Tool for Multiple Sclerosis Management: Narrative Review. JMIR Rehabil Assist Technol 2018;5(1):e5
34.
HL7 FHIR http://​hl7.​org/​fhir/​: HL7 FHIR Foundation; 2017 [updated 2019. Available from: http://hl7.org/fhir/
35.
Voigt I, Benedict M, Susky M, Scheplitz T, Frankowitz S, Kern R et al. A Digital Patient Portal for Patients With Multiple Sclerosis. Frontiers in Neurology 2020;11(400)
36.
Ziemssen T, Voigt I, Haase R. Kapitel 27 - eHealth-Lösungen für die MS. In: Schmidt RM, Hoffmann FA, Faiss JH, Köhler W, Zettl UK, Aktas O, et al., editors. Multiple Sklerose (Achte Ausgabe). München: Urban & Fischer; 2021. S. 453-66
37.
Benedict M, Schlieter H, Burwitz M, Scheplitz T, Susky M, Richter P et al. (Hrsg.) Patientenintegration durch Pfadsysteme. Wirtschaftsinformatik 2019; Siegen
38.
The Lancet N. Making EUReMS count for people with multiple sclerosis. The Lancet Neurology 2011;10(10):865
39.
Ziemssen T, Hillert J, Butzkueven H. The importance of collecting structured clinical information on multiple sclerosis. BMC Med 2016;14:81
40.
Eshaghi A, Young AL, Wijeratne PA, Prados F, Arnold DL, Narayanan S, et al. Identifying multiple sclerosis subtypes using unsupervised machine learning and MRI data. Nature Communications. 2021;12(1):2078
41.
Moazami F, Lefevre-Utile A, Papaloukas C, Soumelis V. Machine Learning Approaches in Study of Multiple Sclerosis Disease Through Magnetic Resonance Images. Frontiers in immunology. 2021;12(3205)
42.
Schnurr A-K, Eisele P, Rossmanith C, Hoffmann S, Gregori J, Dabringhaus A, et al., editors. Deep Voxel-Guided Morphometry (VGM): Learning Regional Brain Changes in Serial MRI2020; Cham: Springer International Publishing
43.
Voigt I, Inojosa H, Dillenseger A, Haase R, Akgün K, Ziemssen T. Digital Twins for Multiple Sclerosis. Frontiers in immunology. 2021;12(1556)
Metadaten
Titel
Teil 13 - Datensammlung
Daten sammeln aus der Praxis: der Weg zum digitalen MS-Zwilling
verfasst von
M.A. Isabel Voigt
Prof. Dr. med. Tjalf Ziemssen
Publikationsdatum
30.11.2021
Verlag
Springer Medizin
Schlagwort
Multiple Sklerose
Erschienen in
DNP – Die Neurologie & Psychiatrie / Ausgabe 6/2021
Print ISSN: 2731-8168
Elektronische ISSN: 2731-8176
DOI
https://doi.org/10.1007/s15202-021-4776-5

Weitere Artikel der Ausgabe 6/2021

DNP - Der Neurologe & Psychiater 6/2021 Zur Ausgabe

Literatur kompakt

Kognitive Leistungsfähigkeit erhalten bei sekundär chronisch progredienter MS

Literatur kompakt

B-Zell-Depletion zur Eigenanwendung

Editorial

Endlich da: die neue Leitlinie zur Akuttherapie des Schlaganfalls

Medizin aktuell

Neue Schlaganfall-Leitlinie im Überblick

Industrieforum

Neue Cannabissorte mit hohem THC-Gehalt

Medizin aktuell

Myasthenia gravis: Paradigmenwechsel in der Therapie in Sicht

Passend zum Thema

ANZEIGE
Service mit Mehrwert

Services in der MS-Therapie für Neurolog*innen und Betroffene

Diagnose und Therapie der MS können für Patient*innen und Neurolog*innen mit Herausforderungen einhergehen [1,2]. Mit umfangreichen Servicemaßnahmen klärt Biogen Ärztinnen und Ärzte über mögliche Therapieoptionen auf und unterstützt diese bei der Fortbildung sowie Betroffene im Alltag.

Bildnachweise