Die Hypothese, die in dieser Arbeit behandelt werden soll, lautet: Inwiefern bietet Big Data Chancen, die Ausbreitung von infektiösen Erkrankungen zu überwachen und wo liegen die Grenzen dieser Anwendung. Das Hauptaugenmerk soll folglich auf Überwachungssystemen liegen und deren Generierung von Daten sowie dem Nutzen dieser zu anderen Zwecken.
Hierfür werden zunächst die Grundlagen zu Big Data und Infektionskrankheiten kurz erläutert. Anschließend werden die Chancen und Grenzen von Big Data aufgezeigt und diskutiert, durch welche Faktoren zukünftig Verbesserungen ermöglicht werden können. Die Anwendung von Big Data wird anhand von drei infektiösen Erkrankungen (HIV, Ebola und MRSA) dargestellt und zum Schluss wird ein Fazit gezogen.
Infektiöse Erkrankungen waren bis Ende des 19. Jahrhunderts die führende Ursache für das Ableben von Menschen in Europa. Durch Änderungen der Lebensverhältnisse verbesserte sich die Situation in Europa und den entwickelten Staaten weltweit. Nicht zuletzt durch die Generierung von neuen Impfstoffen und der Entdeckung von Antibiotika wurden vormals tödliche Krankheiten heilbar und verschwanden gänzlich aus der Bevölkerung.
Allerdings zeigen sich heutzutage weltweit unterschiedliche Trends. Europa weist gegenüber dem Rest der Welt seltener infektiöse Erkrankungen auf. Jedoch hat auch hier die Sterblichkeit aufgrund von parasitären und infektiösen Krankheiten in den letzten 20 Jahren wieder zugenommen. Im Gegensatz zu Europa und den anderen Industrieländern fällt die Todesursachenstatistik in Entwicklungsländern hingegen deutlich höher aus.
Für die Zukunft werden viele Aspekte genannt, die die Ausbreitung von infektiösen Erkrankungen fördern könnten. Hierzu gehören Faktoren wie das zunehmende weltweite Bevölkerungswachstum und die damit einhergehende Trinkwasserknappheit, übermäßiger Antibiotikagebrauch und somit steigende Antibiotikaresistenzen, oder auch Bio-Terrorismus, zum Beispiel durch Anthrax-Attacken.
Um diesen Gefahren entgegenzuwirken wurden vielerorts Überwachungssysteme eingerichtet, die Daten aus vielen unterschiedlichen wissenschaftlichen Bereichen und zum Teil auch aus sozialen Medien sammeln und auswerten, was im Allgemeinen als „Big Data“ bezeichnet wird. Ein Beispiel hierfür ist das europäische Überwachungssystem TESSy (The European Surveillance System), welches als Frühwarnsystem für infektiöse Erkrankungen in Europa dient und in den Jahren 1998 bis 2003 eingeführt wurde.
Inhaltsverzeichnis
1. Thematische Einleitung
2. Theoretische Grundlagen
2.1. Grundlagen zu Big Data
2.2. Grundlagen zu infektiösen Krankheiten
3. Anwendung von Big Data bei Infektionskrankheiten
3.1. Chancen von Big Data zur Überwachung infektiöser Erkrankungen
3.2. Grenzen von Big Data bei der Anwendung zur Überwachung infektiöser Erkrankungen
3.3. Diskussion und Verbesserungsvorschläge
3.4. Praktische Anwendungsbeispiele
3.4.1. Anwendung von Big Data bei HIV
3.4.2. Anwendung von Big Data bei Ebola
3.4.1. Anwendung von Big Data bei nosokomialen Infektionen am Beispiel MRSA
4. Fazit zur Anwendung von Big Data bei infektiösen Krankheiten
Zielsetzung & Themen
Die Arbeit untersucht das Potenzial und die Herausforderungen von Big Data im Kontext der epidemiologischen Überwachung von Infektionskrankheiten. Dabei wird analysiert, wie digitale Datenquellen die Früherkennung und Bekämpfung von Ausbrüchen unterstützen können und wo systemische sowie rechtliche Grenzen den Einsatz erschweren.
- Grundlagen und Charakteristika von Big Data
- Möglichkeiten der Echtzeit-Überwachung von Infektionskrankheiten
- Ethische und datenschutzrechtliche Hürden
- Qualitative Mängel und statistische Verzerrungen bei der Datennutzung
- Fallstudien zu HIV, Ebola und MRSA
Auszug aus dem Buch
3.1. Chancen von Big Data zur Überwachung infektiöser Erkrankungen
Für die Epidemiologie, also jene wissenschaftliche Disziplin, die sich mit der Ausbreitung von Krankheiten in der Bevölkerung beschäftigt, sind effiziente und verlässliche Überwachungssysteme existenziell wichtig, um Trends und Ausbrüche von Krankheiten zu dokumentieren und zu analysieren. Hier bietet sich Big Data als neue Quelle für Überwachungssysteme an. Digitale Quellen, wie beispielsweise medizinische Anforderungen von Patienten, Telefongesprächsdaten und per GPS geographisch festgelegte Tweets via Twitter, Facebook oder anderer sozialen Medien sind mittlerweile in der Forschung etabliert. Sie dienen vor allem dem Ziel, für die relevanten Fragestellungen der Epidemiologie, die Chance auf Antworten zu erhöhen. So muss zum Beispiel herausgefunden werden, in welcher Population ein größeres Krankheitsrisiko vorherrscht, wo der Ursprung eines Krankheitsausbruches liegt und an welchen Orten zukünftig weitere Krankheitsausbrüche erwartet werden können.
Durch den Zugang zu den digitalen Quellen, können unabhängig von Raum und Zeit Daten über das persönliche Verhalten, Glauben und den Gesundheitszustand von Individuen erhoben werden. Neue Technologien, wie Handys, Smartphones oder das Internet ermöglichen diese Ressourcen. Ein Handy besitzt heutzutage fast jeder. Bis Ende des Jahres 2015 wurden weltweit über 7 Mrd. Handyverträge abgeschlossen. Handys haben die Vorteile, dass sie selbst in abgelegenen Gebieten funktionieren und die SMS-Funktion auch ohne Internet-Konnektivität möglich ist.
Zusammenfassung der Kapitel
1. Thematische Einleitung: Die Einleitung beleuchtet den historischen Rückgang von Infektionskrankheiten und stellt die aktuelle Problematik zunehmender Resistenzen sowie die wachsende Bedeutung globaler Vernetzung für die Erregerverbreitung dar.
2. Theoretische Grundlagen: Dieses Kapitel definiert Big Data anhand der drei V's (Volume, Velocity, Variety) und erläutert die verschiedenen Kategorien infektiöser Erkrankungen sowie deren Übertragungswege.
3. Anwendung von Big Data bei Infektionskrankheiten: Der Hauptteil analysiert die Chancen und Grenzen von Big Data für die Epidemiologie, diskutiert infrastrukturelle sowie datenschutzrechtliche Verbesserungsansätze und illustriert die Anwendung an Fallbeispielen zu HIV, Ebola und MRSA.
4. Fazit zur Anwendung von Big Data bei infektiösen Krankheiten: Das Fazit resümiert, dass Big Data trotz bestehender Barrieren ein erhebliches Zukunftspotenzial zur Optimierung der öffentlichen Gesundheitsversorgung besitzt, sofern manuelle und digitale Ansätze sinnvoll kombiniert werden.
Schlüsselwörter
Big Data, Epidemiologie, Infektionskrankheiten, Überwachungssysteme, Gesundheitsökonomie, Antibiotikaresistenz, HIV, Ebola, MRSA, Datenschutz, Public Health, Risikolandkarten, SORMAS, nosokomiale Infektionen, Prävention.
Häufig gestellte Fragen
Worum geht es in der vorliegenden Arbeit im Kern?
Die Arbeit analysiert, inwieweit die Nutzung großer Datenmengen (Big Data) die Möglichkeiten der Epidemiologie zur Überwachung und Prävention von Infektionskrankheiten erweitern kann.
Welche Rolle spielt die Digitalisierung für die Epidemiologie?
Die Digitalisierung ermöglicht durch Quellen wie soziale Medien und mobile Kommunikation eine schnellere Datenerfassung in Echtzeit, was die Reaktionsfähigkeit bei Krankheitsausbrüchen signifikant erhöht.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, das Spannungsfeld zwischen den technischen Chancen von Big Data und den praktischen Grenzen durch Datenschutz, Datenqualität und unzureichende Infrastruktur aufzuzeigen.
Welche wissenschaftlichen Methoden werden angewandt?
Die Arbeit basiert auf einer Literaturanalyse sowie dem Vergleich bestehender Überwachungssysteme und praxisbezogener Fallstudien zu verschiedenen Krankheitsbildern.
Welche inhaltlichen Schwerpunkte bilden den Hauptteil?
Der Hauptteil behandelt die Funktionsweise von Überwachungssystemen, die Hürden bei der Datengewinnung, Verbesserungsvorschläge für die internationale Zusammenarbeit sowie spezifische Anwendungen bei HIV, Ebola und nosokomialen Infektionen.
Durch welche Schlüsselwörter lässt sich die Arbeit am besten charakterisieren?
Die Arbeit lässt sich durch Begriffe wie Big Data, Infektionssurveillance, Global Health, Datenschutz und epidemiologische Modellierung zusammenfassen.
Was genau ist das SORMAS-System im Kontext von Ebola?
SORMAS ist ein IT-gestütztes Pilotprojekt, das mit GPS-Unterstützung den Datenaustausch zwischen lokalem Personal und zentralen Notfallstellen koordiniert, um Ebola-Ausbrüche effizienter in Echtzeit zu verfolgen.
Warum ist die Datenqualität bei Big Data-Analysen oft problematisch?
Probleme entstehen durch inkompatible Kodierungsstandards, Selektions-Biases bei der Datenstichprobe und die manuelle Fehleranfälligkeit bei der Erhebung medizinischer Gesundheitsdaten.
- Quote paper
- Julian Torlutter (Author), 2016, "Big Data". Chancen und Grenzen im Bereich der Infektionserkrankungen, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/457892
