Das Ziel des Teilprojekts am Standort Göttingen besteht darin, die Leitung des Kernteams und die Projektkoordination zu übernehmen und dadurch die abgestimmte Forschung und Entwicklung sowie deren Evaluation zu leiten. Göttingen übernimmt in zwei Arbeitspaketen die (Co-)Leitung und arbeitet gemeinsam mit anderen Partnern an der Erstellung des Algorithmus zur Risikoprädiktion. Dazu führt Göttingen eine systematische Literaturrecherche durch, bereitet die standardisierte Infektionssurveillance vor und validiert die ersten Ergebnisse einschließlich der Anforderungsanalyse und dem Rollout des Prototyps. Der Standort Göttingen trägt somit zur Gesamtverantwortung des Projekts bei und unterstützt die Erreichung des Projektziels.

Am Standort Jena werden u. a. Datenmodelle zur Verfügung gestellt, ein Risikomodell zur individuellen Risikoanalyse und prädiktiven Modellierung auf Basis des ALERTS Datensatzes berechnet, sowie die explorative Datenanalyse umgesetzt und bei der Implementierung der Risikovisualisierung und Surveillancesvisualisierung unterstützt.

Die MHH wird die Analyse der Daten und die Identifikation der prädiktiven Parameter für im Krankenhaus erworbene Infektionen übernehmen. Dafür werden der ALERTS Datensatz und erste Daten aus den Datenintegrationszentren herangezogen. Die MHH wird diese Prädiktionsalgorithmen in die Entwicklung der digitalen Demonstrator-App zur Risikoanalyse und Vorhersage einbringen.

Ziel des Teilvorhabens ist die prototypische automatisierte Surveillance und datengetriebene Risikoanalyse und -vorhersage mit dem Endpunkt einer individualisierten, risikostratifizierten Infektionskontrolle und -prävention ("RISK Prediction for Risk-stratified INfection Control and PrEvention"). In der automatisierten Surveillance soll ein digitaler Prototyp für Überwachung und ein Algorithmus zur Erkennung von nosokomialen Bakteriämien entwickelt werden. In der Risikoanalyse und -vorhersage für Blutstrominfektionen in Krankenhäusern sollen Risikofaktoren für eine Blutstrominfektion identifiziert werden und Algorithmen zur Vorhersage entwickelt werden.

Ziel dieses Teilvorhabens ist die Entwicklung und Erprobung eines (semi-)automatisierten Surveillanceverfahrens, sowie dessen Verwendung im Rahmen eines digitalen Prototyps in Verbindung mit dem MII-Kerndatensatz. Zudem beteiligt sich die Charité an der Datenmodellierung, der Anbindung der Datenintegrationszentren und der Entwicklung von Visualisierungskomponenten.

Die Ziele des Teilprojekts Dresden sind dabei eng verknüpft mit den übergeordneten Zielen des Verbundprojekts. Dresden wird sich hierfür im Arbeitspaket 1 (Koordination, Governance, Vernetzung und Bewertung) sowie im Arbeitspaket 8 als Roll-Out-Partner unter Einbindung der Fachexpertinnen und -experten aus der klinischen Infektiologie sowie der Medizinischen Informatik aktiv einbringen und damit zur Erreichung der Gesamtziele des Verbundprojektes beitragen.

Ziel des Teilvorhabens sind die Entwicklung und Verbreitung einer Demonstratoranwendung für die Risikoanalyse und -vorhersage, welche u. a. auf früheren infektionsmedizinischen Use Cases wie dem Smart Infection Control System (SmICS) aufbaut und die Erstellung eines Electronic Data Capturing (EDC) Systems für die Patienten-zentrierten Interventionen.

Ziel des Teilvorhabens ist die Implementierung von RISK PRINCIPE am Standort Heidelberg im Rahmen der Rolloutphase mit Entwicklung, Validierung und Betrieb von ETL-Strecken, um die für das Projekt erforderlichen Daten aus vorhandenen Datenquellen im UKHD zu extrahieren und zu transformieren. Weiterhin wird klinisch-infektiologische Expertise genutzt, um eine im Alltag anwendbare Software zu entwickeln und die medizinischen Randbedingungen von Risikovorhersagen zu definieren und zu berücksichtigen.

Ziel des Teilvorhabens ist es, neue Visualisierung für effektive und effiziente Infektionsprävention zu entwickeln. Sie sollte sowohl automatische Überwachung von Infektionen als auch Risikovorhersage unterstützen.

Das übergeordnete Ziel besteht darin, eine datengestützte Risikobewertung zu entwickeln und umzusetzen, die das individuelle, patientenzentrierte Prognosesystem fördert. Im Fokus des Standortes München TUM stehen vornehmlich die Entwicklung von Methoden individueller Risikoanalyse und Vorhersagemodellierung, Entwicklung von Prototypen vom digitalen Demonstrator für Risikoanalyse/-vorhersage und halb-automatische Überwachung in Krankenhäusern. Ferner werden Methoden der Datenvisualisierung sowie Datenmodell für patientenzentrierte Reaktionen und Intervention entwickeln. Des Weiteren setzen wir Akzente auf Datenintegration und dem Roll-Out der im Verbund entwickelten Technologie.

Ziel des Teilvorhabens ist, erstens in einem Pilotprojekt zusätzliche Daten aus Gesamtgenomsequenzierungen der Infektionserreger zu integrieren, um die Risikobewertung weiter zu verbessern. Zweitens sollen Möglichkeiten der Detektion nosokomialer Blutstrominfektionen theoretisch evaluiert werden und in der Folge gemeinsam mit den Erfahrungen der Projektpartner in eine Softwareapplikation einfließen. Diese Softwareapplikation soll schließlich als Roll-out-Partner im Hinblick auf die Detektion nosokomialer Infektionen und ihre Nutzerfreundlichkeit für das Hygienepersonal evaluiert werden.

Der Partner "Carl von Ossietzky Universität Oldenburg" (UOL) strebt in leitender Rolle die Entwicklung einer digitalen Demonstrator-App für Risikoanalyse und -prognose an und wird die Leitung des Arbeitopakets 4 übernehmen, da UOL aus HiGHmed-Vorarbeiten und weiteren Projekten über Erfahrungen im Zusammenhang mit klinischen Entscheidungsunterstützungssystemen verfügt. Mit der Expertise als technischer Co-Lead für das Design des Smart Infection Control System (HiGHmed) wird UOL in RISK_PRINCIPE den Entwicklungszyklus für die prototypische Anwendung konzipieren und managen sowie den interdisziplinären iterativen Content- Design-Prozesses leiten. Außerdem intendiert UOL die Integration der anwendungsfallspezifischen Daten in das Datenintegrationszentrum und die lokale Etablierung der Use Case Lösungen.

Das Kernziel des UKW in Bezug auf die Teilnahme an RISK-PRINCIPE ist die Integration der anwendungsfallspezifischen Daten in das lokale medizinische Datenintegrationszentrum und die Implementierung der entwickelten Lösungen des klinischen Anwendungsfalls vor Ort am UKW.