PuSH - Publication Server of Helmholtz Zentrum 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 as soon as Postprint is submitted to ZB.
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
Additional Metrics?
[➜Log in]
Edit extra informations Login
Publication type Article: Journal article
Document type Review
Corresponding Author
Keywords Prediabetic State ; Subtypes ; Preventive Medicine ; Medical Informatics ; Artificial Intelligence
ISSN (print) / ISBN 2731-7447
e-ISSN 2731-7455
Journal Diabetologie, Die
Quellenangaben Volume: 14, Issue: 7, Pages: 486-492 Article Number: , Supplement: ,
Publisher Springer
Publishing Place Tiergartenstrasse 17, D-69121 Heidelberg, Germany
Non-patent literature Publications
Reviewing status Peer reviewed
Institute(s) 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)