PuSH - Publikationsserver des Helmholtz Zentrums München

Jarasch, A.* ; Glaser, A.* ; Häring, H.-U. ; Roden, M.* ; Schürmann, A.* ; Solimena, M. ; Theis, F.J. ; Tschöp, M.H. ; Wess, G. ; Hrabě de Angelis, M.

Mit Big Data zur personalisierten Diabetesprävention.

Big data for personalized diabetes prevention.

Diabetologie 14, 486-492 (2018)
DOI
Open Access Green möglich sobald Postprint bei der ZB eingereicht worden ist.
Seit 1980 vervierfachte sich die Zahl der Menschen mit Diabetes weltweit. Allein in Deutschland leiden knapp 7 Mio. Menschen an dieser Stoffwechselerkrankung, und jedes Jahr erkranken bis zu 500.000 neu daran. Diese Zahlen machen deutlich, wie dringend neue wirksame Präventionsmaßnahmen und innovative Behandlungsformen benötigt werden. Die Digitalisierung ermöglicht es, die Volkskrankheit Diabetes in einer neuen Dimension zu erforschen, um sehr früh Subtypen dieser Stoffwechselerkrankung zu erkennen und geeignete personalisierte Präventionsmaßnahmen anzubieten. Mit dem Aufbau eines digitalen Diabetespräventionszentrums könnten Gesundheits- und Forschungsdaten aus unterschiedlichsten Quellen zusammengeführt und mit innovativen Informationstechnologien (IT: Informationstechnik) analysiert und ausgewertet werden, um unterschiedliche Diabetessubtypen identifizieren und spezifische Präventions- und Therapiemaßnahmen anbieten zu können, die durch die enge Zusammenarbeit mit der Bevölkerung direkt einsetzbar wären.
Since 1980, the number of people with diabetes has quadrupled worldwide. In Germany alone, almost 7million people suffer from this metabolic disease and every year, there are up to 500,000 new diagnoses. These numbers show the urgent need for new effective prevention measures and innovative forms of treatment. Digitalization makes it possible to explore the widespread disease of diabetes in anew dimension in order to identify subtypes of diabetes very early on and offer suitable personalized preventive measures. With the establishment of aDigital Diabetes Prevention Center, health and research data from awide variety of sources could be brought together, analysed and evaluated using innovative information technology (IT) capabilities to identify different diabetes subtypes and offer specific prevention and therapy measures that can be used directly through close cooperation with the population.
Altmetric
Weitere Metriken?
[➜Einloggen]
Zusatzinfos bearbeiten [➜Einloggen]
Publikationstyp Artikel: Journalartikel
Dokumenttyp Review
Korrespondenzautor
Schlagwörter Prediabetic State ; Subtypes ; Preventive Medicine ; Medical Informatics ; Artificial Intelligence
ISSN (print) / ISBN 2731-7447
e-ISSN 2731-7455
Zeitschrift Diabetologie, Die
Quellenangaben Band: 14, Heft: 7, Seiten: 486-492 Artikelnummer: , Supplement: ,
Verlag Springer
Verlagsort Tiergartenstrasse 17, D-69121 Heidelberg, Germany
Nichtpatentliteratur Publikationen
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Experimental Genetics (IEG)
Institute of Diabetes Research and Metabolic Diseases (IDM)
Institute for Pancreatic Beta Cell Research (IPI)
Institute of Computational Biology (ICB)
Institute of Diabetes and Obesity (IDO)