CORDIS - Forschungsergebnisse der EU
CORDIS

MOnitoring Outbreak events for Disease surveillance in a data science context

Projektbeschreibung

Bedrohungen für die öffentliche Gesundheit leichter und schneller beobachten – dank Big Data

Mitarbeitende der Gesundheitsämter, die mit dem Schutz der Bevölkerung vor dem Ausbruch von Infektionskrankheiten betraut sind, verlassen sich in der Regel auf Berichte von Gesundheitsdienstleistern zu bestimmten Erkrankungen (indikatorgestützte Überwachung). In letzter Zeit stützen sie sich jedoch zunehmend auf die ereignisbasierte Überwachung, wobei sie Berichte, Artikel, Gerüchte und andere Informationen nutzen, die über formelle und informelle Kanäle, wie Blogs, Hotlines und soziale Medien, übermittelt werden. Der Vorteil der ereignisbasierten Überwachung liegt in ihrer Aktualität. Dadurch lassen sich Vorkommnisse bereits erkennen, bevor viele Patientinnen und Patienten Gesundheitsdienstleister aufgesucht oder ein positives Testergebnis erhalten haben. Im Rahmen des EU-finanzierten Projekts MOOD soll der Nutzen dieser Art von Überwachung durch Data Mining und Big Data gesteigert werden. Ergänzt wird dieses Vorhaben selbstverständlich durch eine Online-Plattform, welche die routinemäßige Nutzung anregen, Echtzeitanalysen ermöglichen sowie die Datenerhebung und -auswertung verbessern soll.

Ziel

The detection of infectious disease emergence relies on reporting cases, i.e. indicator-based surveillance (IBS). This method lacks sensitivity, due to non or delayed reporting of cases. In a changing environment due to climate change, animal and human mobility, population growth and urbanization, there is an increased risk of emergence of new and exotic pathogens, which may pass undetected with IBS. Hence, the need to detect signals of disease emergence using informal, multiple sources, i.e. event-based surveillance (EBS). The MOOD project aims at harness the data mining and analytical techniques to the big data originating from multiple sources to improve detection, monitoring, and assessment of emerging diseases in Europe. To this end, MOOD will establish a framework and visualisation platform allowing real-time analysis and interpretation of epidemiological and genetic data in combination with environmental and socio-economic covariates in an integrated inter-sectorial, interdisciplinary, One health approach:
1)Data mining methods for collecting and combining heterogeneous Big data,
2)A network of disease experts to define drivers of disease emergence,
3)Data analysis methods applied to the Big data to model disease emergence and spread,
4)Ready-to-use online platform destined to end users, i.e. national and international human and veterinary public health organizations, tailored to their needs, complimented with capacity building and network of disease experts to facilitate risk assessment of detected signals.
MOOD output will be designed and developed with end users to assure their routine use during and beyond MOOD. They will be tested and fine-tuned on air-borne, vector-borne, water-borne model diseases, including anti-microbial resistance. Extensive consultations with end users, studies into the barriers to data sharing, dissemination and training activities and studies on the cost-effectiveness of MOOD output will support future sustainable user uptake

Aufforderung zur Vorschlagseinreichung

H2020-SC1-BHC-2018-2020

Andere Projekte für diesen Aufruf anzeigen

Unterauftrag

H2020-SC1-2019-Single-Stage-RTD

Koordinator

CENTRE DE COOPERATION INTERNATIONALE EN RECHERCHE AGRONOMIQUE POUR LEDEVELOPPEMENT - C.I.R.A.D. EPIC
Netto-EU-Beitrag
€ 2 662 355,90
Adresse
RUE SCHEFFER 42
75016 Paris
Frankreich

Auf der Karte ansehen

Region
Ile-de-France Ile-de-France Paris
Aktivitätstyp
Research Organisations
Links
Gesamtkosten
€ 2 836 969,25

Beteiligte (26)