Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Dazu werden einige der größten und gut charakterisierten deutschen Geburtskohortenstudien mit umfassenden, multimodalen Längsschnittdaten zu klinischen, demographischen, lebensstilbezogenen und psychosozialen Faktoren herangezogen. Mit Methoden des maschinellen Lernens wird ein Modell entwickelt das mit Hilfe von publizierter Evidenz geprüft wird, um das individuelle Risiko für frühe Nahrungsmittelallergien vorherzusagen. Diese Daten werden mit neu geschaffenen genomweiten epigenetischen Daten kombiniert um ein mechanistisches Verständnis der Rolle pränataler Stressoren zu erhalten. Mit Methoden des maschinellen Lernens werden so epigenetische Biomarker im Nabelschnurblut definiert, um das Vorhersagemodell mit diesen Biomarkern zu verbessern. Diese Ergebnisse werden zusammen mit Informationsmaterial in digitalen Gesundheitsapplikationen für Eltern und für Ärzte bereitgestellt um den Bedürfnissen von Kindern mit hohem Allergie-Risiko zu begegnen und die präventive Versorgung zu verbessern. Die App-Entwicklung wird durch Begleitforschung zu elterlichen und ärztlichen Bedürfnissen und Einstellungen zur digitalen Information bezüglich Nahrungsmittelallergien und zur Nutzbarkeit und Akzeptanz der Apps unterstützt. Der Standort Leipzig koordiniert den Verbund (Teilprojekt TP 5) und befasst sich in TP 1 mit der Harmonisierung und Auswertung von umfassenden Daten zu frühen Prädiktoren und relevanten Phänotypen der Nahrungsmittelallergie aus vier großen Geburtskohortenstudien sowie der Literatursynthese zur Erstellung eines theoriegeleiteten Modells zu Ursachen der Nahrungsmittelallergie.

Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Dazu werden einige der größten und gut charakterisierten deutschen Geburtskohortenstudien mit umfassenden, multimodalen Längsschnittdaten zu klinischen, demographischen, lebensstilbezogenen und psychosozialen Faktoren herangezogen. Mit Methoden des maschinellen Lernens wird ein Modell entwickelt das mit Hilfe von publizierter Evidenz geprüft wird, um das individuelle Risiko für frühe Nahrungsmittelallergien vorherzusagen. Diese Daten werden mit neu geschaffenen genomweiten epigenetischen Daten kombiniert um ein mechanistisches Verständnis der Rolle pränataler Stressoren zu erhalten. Mit Methoden des maschinellen Lernens werden so epigenetische Biomarker im Nabelschnurblut definiert, um das Vorhersagemodell mit diesen Biomarkern zu verbessern. Diese Ergebnisse werden zusammen mit Informationsmaterial in digitalen Gesundheitsapplikationen für Eltern und für Ärzte bereitgestellt um den Bedürfnissen von Kindern mit hohem Allergie-Risiko zu begegnen und die präventive Versorgung zu verbessern. Die App-Entwicklung wird durch Begleitforschung zu elterlichen und ärztlichen Bedürfnissen und Einstellungen zur digitalen Information bezüglich Nahrungsmittelallergien und zur Nutzbarkeit und Akzeptanz der Apps unterstützt. Das Vorhaben der Universität Regensburg-Klinikum beteiligt sich mit der KUNO Kids Gesundheitsstudie in Teilprojekt 1 (TP 1) und mit Studien zur Nutzerperspektive von Eltern und Gesundheitspersonal in Teilprojekt 4 (TP4).

Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Noch immer ist wenig über eine mögliche genetische Veranlagung, über nicht-genetische Risikofaktoren sowie epigenetische Mechanismen bekannt, die für die frühe Entstehung der Nahrungsmittel-Allergien ausschlaggebend sind. Eine mögliche Hypothese ist, dass eine frühe Fehlregulation der Immunantwort zu einem Versagen bei der Entwicklung von oraler Toleranz führen könnte. Untersuchungen von Nabelschnurblutzellen bei Kindern, die später eine Nahrungsmittel-Allergie entwickelten, deuten darauf hin, dass immunregulatorische Mechanismen, die normalerweise die Toleranzentwicklung vermitteln, durch Gen-Umwelt-Interaktionen während der Schwangerschaft verändert werden. In diesem Zusammenhang wird dem Epigenom als Bindeglied zwischen Umweltreizen und veränderter Genfunktion eine wesentliche Rolle zugeschrieben. Die an NAMIBIO beteiligten Arbeitsgruppen an der Charité koordinieren das Teilprojekt (TP) 2 "Epigenomik & Mechanismen". In diesem TP werden genomweite epigenetische Modifikationen im Nabelschnurblut von Kindern systematisch untersucht und durch Methoden des Maschinellen Lernens analysiert, um eine prädiktive DNA-Methylierungssignatur zu identifizieren. Das daraus abzuleitende Biomarker-Set ist ein wesentlicher Baustein für die Entwicklung des Vorhersagemodells für Nahrungsmittel-Allergien.

Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Das Vorhaben der Universität Magdeburg trägt zum Gesamtziel mit der Durchführung von Studien zur Nutzerperspektive von Eltern und Gesundheitspersonal in Teilprojekt 4 (TP 4) bei. Ziel dieses Teilprojektes ist, die Wahrnehmung von Eltern und Gesundheitspersonal (GP) bezüglich der digitalen Informationsumgebung zu Prävention und Prädiktion von Lebensmittelallergien zu erforschen. Daraus werden Empfehlungen für die Entwicklung von digitalen Gesundheits-Apps für Eltern und Gesundheitspersonal abgeleitet und schließlich werden die neu entwickelten Apps evaluiert. Ziel 1: Erforschen und Verstehen der elterlichen Informationsbedarfe und -suche (Studie "ELTERN"); Ziel 2: Erforschen und Verstehen der Inanspruchnahme von Gesundheitsversorgung und der Perspektive des Gesundheitspersonals (Studie "GP"); Ziel 3: Erforschen und Verstehen der digitalen Informationsumgebung (Studie "DIGITALE INFORMATIONEN"); Ziel 4: Triangulation der Ergebnisse der Studien "ELTERN", "GP" und "DIGITALE INFORMATIONEN" und Integration der Ergebnisse und Entwicklung von Empfehlungen (Studie "EMPFEHLUNGEN") sowie Ziel 5: Iterative Evaluation der Apps hinsichtlich der Nutzerfreundlichkeit und Akzeptanz (Studie "EVALUATION").

Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Dazu werden einige der größten und gut charakterisierten deutschen Geburtskohortenstudien mit umfassenden, multimodalen Längsschnittdaten zu klinischen, demographischen, lebensstilbezogenen und psychosozialen Faktoren herangezogen. Mit Methoden des maschinellen Lernens wird ein Modell entwickelt das mit Hilfe von publizierter Evidenz geprüft wird, um das individuelle Risiko für frühe Nahrungsmittelallergie vorherzusagen. Diese Daten werden mit neu geschaffenen genomweiten epigenetischen Daten kombiniert, um ein mechanistisches Verständnis der Rolle pränataler Stressoren zu erhalten. Mit Methoden des maschinellen Lernens werden so epigenetische Biomarker im Nabelschnurblut definiert, um das Vorhersagemodell mit diesen Biomarkern zu verbessern. Diese Ergebnisse werden zusammen mit Informationsmaterial in digitalen Gesundheitsapplikationen für Eltern und für Ärzte bereitgestellt, um den Bedürfnissen von Kindern mit hohem Allergie-Risiko zu begegnen und die präventive Versorgung zu verbessern. NeoPrediX trägt in Teilprojekt 3 zu diesem Gesamtziel bei, indem sie die Analyse der Datensätze aus vier aktuellen Geburtskohortenstudien mittels Künstlicher Intelligenz und pharmakometrischen Methoden unterstützt sowie die Entwicklung der drei Apps durchführt: Pilot App, Eltern App und Ärzte-App (NAMIBIO-Apps). Ziel ist nicht nur die Ursachen von Nahrungsmittelallergien in der frühen Kindheit zu erforschen, sondern entsprechend der Bedürfnisse von Eltern und Ärzten mittels der NAMIBIO-App eine Prädiktion und Prävention von Nahrungsmittelallergien bei Kindern signifikant zu verbessern.