Eval. digit. Gesundheitsinterventionen mit komplexen Designs

Digitale Technologien wie Wearables, Gesundheits-Apps oder mobile Sensoren helfen dabei, Daten von Patientinnen und Patienten zu sammeln, z. B. zu Herzfrequenz, Bewegung oder Blutdruck. Besonders in der Prävention und Behandlung von Herz-Kreislauf-Erkrankungen bieten sie großes Potenzial: durch kontinuierliche Datenerfassung ermöglichen sie eine individuellere, patientenzentrierte Betreuung. Doch die Analyse dieser Daten stellt die Forschung vor enorme Herausforderungen: hohe Datenkomplexität, Ausreißer, fehlende Werte oder geringe Fallzahlen, wie sie etwa bei seltenen Krankheiten auftreten. Eleonora Carrozzo widmet sich deshalb der Entwicklung neuer statistischer Methoden, die speziell für solche herausfordernden Gesundheitsdaten ausgelegt sind. Ziel meiner Arbeit ist, mit kleinen Fallzahlen, hoher Datenkomplexität oder fehlerhaften Werten trotzdem zu statistisch fundierten und klinisch relevanten Aussagen zu kommen, sagt Eleonora Carrozzo von Salzburg Research. Ziel von Carrozzos Forschungsarbeit ist es, innovative Analyseverfahren zu schaffen, die auf sogenannten nichtparametrischen Methoden basieren. Diese kommen ohne strikte Annahmen über die Verteilung der Daten aus und eignen sich daher besonders für digitale Gesundheitsdaten, die lückenhaft, hochdimensional, unregelmäßig oder stark individualisiert sind. Carrozzo will damit bestehende methodische Lücken schließen und insbesondere medizinisches Fachpersonal unterstützen: Die neuen Werkzeuge sollen helfen, digitale Gesundheitsmaßnahmen fundiert zu bewerten und klinisch sinnvoll einzusetzen. Ein besonderer Fokus liegt auf der praktischen Umsetzung: Die entwickelten Methoden werden in Form leicht nutzbarer Softwarepakete (R-Pakete) zur Verfügung gestellt. Diese sollen nicht nur in der Forschung, sondern auch in der klinischen Praxis oder in Evaluationsstudien zum Einsatz kommen. Auch komplexe Studiendesigns etwa mit mehreren Gruppen oder sehr kleinen Stichproben, vielen Messzeitpunkten oder hochdimensionalen Daten lassen sich mit den neuen Verfahren besser abbilden. So werden fundierte Entscheidungen auch dann möglich, wenn klassische statistische Verfahren aufgrund einer dünnen Datenlage versagen würden. Anna Eleonora Carrozzo ist Postdoktorandin bei der Salzburg Research Forschungsgesellschaft und an der Paris Lodron Universität Salzburg im gemeinsamen Programm EXDIGIT (gefördert vom Land Salzburg im Rahmen des Programms WISS2030). Zuvor war sie am Ludwig Boltzmann Institut für Digitale Gesundheit und Prävention in Salzburg tätig. Anna Eleonora Carrozzo promovierte 2016 an der Universität Padua im Bereich Management und Ingenieurwesen. Zuvor erwarb sie dort einen Masterabschluss in Statistik. Ihre Forschungsschwerpunkte liegen in den Bereichen Biostatistik, nichtparametrischen Statistik, statistischen Methoden in der medizinischen Forschung und der Datenwissenschaft im Bereich der digitalen Gesundheit.