Mit Big Data zur personalisierten Diabetesprävention

Publikation: Beitrag in FachzeitschriftÜbersichtsartikel (Review)BeigetragenBegutachtung

Beitragende

  • A. Jarasch - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)
  • A. Glaser - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)
  • H. Häring - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt, Eberhard Karls Universität Tübingen (Autor:in)
  • M. Roden - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt, Deutsche Diabetes-Zentrum (DDZ) - Leibniz-Zentrum für Diabetes-Forschung (Autor:in)
  • A. Schürmann - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt, Deutsches Institut fur Ernahrungsforschung Potsdam-Rehbrucke (DIfE) (Autor:in)
  • M. Solimena - , Molekulare Diabetologie, Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt, Medizinische Fakultät Carl Gustav Carus Dresden (Autor:in)
  • F. Theiss - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)
  • M. Tschöp - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)
  • G. Wess - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)
  • M. Hrabe de Angelis - , Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (Autor:in)

Abstract

Since 1980, the number of people with diabetes has quadrupled worldwide. In Germany alone, almost 7 million 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 a new dimension in order to identify subtypes of diabetes very early on and offer suitable personalized preventive measures. With the establishment of a Digital Diabetes Prevention Center, health and research data from a wide 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.

Details

OriginalspracheDeutsch
Seiten (von - bis)486-492
Seitenumfang7
FachzeitschriftDiabetologe
Jahrgang14
Ausgabenummer7
PublikationsstatusVeröffentlicht - 1 Nov. 2018
Peer-Review-StatusJa

Schlagworte

Ziele für nachhaltige Entwicklung

Schlagwörter

  • Artificial intelligence, Medical informatics, Prediabetic state, Preventive medicine, Subtypes