Record #988744 - RWTH Publications

DFG project G:(GEPRIS)546970303

Multimodale Überwachung zur Steuerung des Blut- und Hirnperfusionsdrucks bei aneurysmatischer Subarachnoidalblutung - eine prospektive multizentrische Beobachtungskohortenstudie.

Coordinator	Privatdozent Michael Veldeman Ph.D.
Grant period	2024 - 2025
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)546970303

Note: Dieses Projekt zielt darauf ab, einen prospektiv gesammelten Datensatz physiologischer Informationen zu analysieren, der während der intensivmedizinischen Behandlung von Patienten mit aneurysmatischer Subarachnoidalblutung (SAH) erhoben wurde. Die Datenerhebung erfolgte am Universitätsklinikum der RWTH Aachen, am Universitätsspital Zürich und am Addenbrooke’s Hospital in Cambridge. Basierend auf metabolischen und zerebrovaskulären Messungen im Gehirngewebe der Patienten ist das Ziel, die Pathophysiologie hinter der verzögerten zerebralen Ischämie (DCI) nach SAH besser zu verstehen. Bislang wurden physiologische Messwerte, wie der Partialdruck von Gehirngewebe-Sauerstoff oder die interstitiellen Konzentrationen von Glukose und Laktat, auf Basis fester Schwellenwerte interpretiert. Allerdings könnte die zeitliche Veränderungsrate in eine ungünstige Richtung ein schnellerer und zuverlässigerer Prädiktor für eine verzögerte zerebrale Ischämie sein. Für die zu analysierende Patientenkohorte liegen Daten zu zerebralen Autoregulationsindizes (PRx, CPPopt), mikrodialysegemessenen Metabolitkonzentrationen und Gehirngewebe-Sauerstoffwerten vor. Die komplexe Wechselwirkung zwischen autoregulatorischer Dysfunktion und metabolischer Entgleisung in Bezug auf DCI ist bisher wenig verstanden. Die Analyse von Längsschnitt- oder Zeitreihendaten ist anspruchsvoll, da konventionelle statistische Regressionsmodelle den Faktor Zeit und zeitliche Veränderungen über bestimmte Intervalle nicht ausreichend berücksichtigen. Um diese Daten angemessen zu analysieren, muss der Antragsteller neue Kenntnisse in datenanalytischen Techniken erwerben. Diese Fähigkeiten umfassen vor allem die statistische Programmierung in R, die die Anwendung von gemischten Effektmodellen ermöglicht, sowie die Programmierung in Python, die den Einsatz autoregressiver integrierter gleitender Durchschnittsmodelle (ARIMA) unterstützt. Dieses Fachwissen ist an der Einrichtung, an der die Analysen durchgeführt werden, vorhanden. Um diese Techniken jedoch zu beherrschen und selbstständig anwenden zu können, ist zusätzliche Zeit erforderlich.