Veranstaltungen und Termine

Wir organisieren regelmäßige Vorträge und Veranstaltungen, um eine stetige wissenschaftliche Weiterbildung zu unterstützen. Diese Veranstaltungen sind öffentlich. Wir freuen uns auf Ihr Kommen.

Gerne können Sie sich auch in unseren Verteiler eintragen lassen und werden dann direkt über neue Termine informiert :

IMBE Sekretariat Frau Petra Hasselberg ( )

Seminarreihe Epidemiologie und Biostatistik

Die Seminarreihe Epidemiologie und Biostatistik ist eine fortlaufende Veranstaltung. Einmal pro Monat laden wir herausragende externe Wissenschaftler aus den Bereichen Epidemiologie und Biometrie zu uns ein.


20.09.2018 10:00h
Campus Lehre N55, Seminarraum 210 / 211

Control of the „population-wise error rate“
in clinical trials with multiple populations

Prof. Dr. Werner Brannath
Kompetenzzentrum für Klinische Studien, Bremen

Werner Brannath*1, Kornelius Rohmeyer1 und Charlie Hillner1 1

Kompetenzzentrum für Klinische Studien Bremen (KKSB) und Institut für Statistik (IfS),
FB 03 Mathematik/Informatik, Universität Bremer, Linzer Str. 4, 28359 Bremen

In confirmatory clinical trials in which several populations are investigated simultaneously, control of the multiple type I error rate is usually considered necessary. However, if a treatment or a treatment strategy is tested in several disjoint populations, each population is effected by only a single hypothesis test. Hence, multiple testing adjustments appear unnecessarily conservative in this case. This observation leads us to define a new and more liberal concept of multiple type error control that accounts for the actual risk of the individual populations by any of the trials false rejections. The new concept should lead to an almost unadjusted testing when the population overlaps are small. To this end we suggest to control the risk for a randomly chosen, future patient to belong to a population that is exposed to an inefficient treatment by the trials final test decisions. We call this the ``population-wise’’ error rate. We will introduce single stage and sequential two-stage multiple test procedures with control of the ``population-wise’’ error rate and will investigate their utility in comparison to more traditional approaches by examples and simulations.


09.10.2018 14:00h
Campus FORSCHUNG N27 Raum 14

Prenatal Exposure to Air Pollution and Adverse Birth Outcomes

Amy Padula, PhD, MSc, University of California, San Francisco


Air pollution is known to cause a wide array of health effects including cardiovascular and respiratory disease. However, the relationship between air pollution and birth outcomes is less well-established. My research investigates traffic-related air pollution exposure and adverse birth outcomes in the San Joaquin Valley of California, which has some of the highest air pollution in the U.S. and approximately 60,000 births per year. We examined prenatal exposures to carbon monoxide, nitrogen dioxide, nitrogen oxide, ozone, particulate matter, polycyclic aromatic hydrocarbons, and traffic density based on geocoded maternal residence. The birth outcomes under study include preterm birth, term low birth weight, neural tube defects, cleft lip and/or cleft palate, gastroschisis, 27 congenital heart defects and 26 additional birth defect phenotypes. We found air pollution exposures during pregnancy significantly increases the risk of preterm birth and neural tube defects. These effects are more pronounced for subjects living in poor neighborhoods. In addition, I investigated gene-environment interactions between air pollution exposures and gene variants in biotransformation enzyme pathways and risk of spina bifida. The results indicate that the combination of several gene variants in metabolic enzymes with high levels of air pollution increase a woman’s risk of having a fetus with spina bifida. These results suggest that based on their genetic background some individuals may be more susceptible to the adverse effects of pollution.

Frühere Veranstaltungen

  • Seminar

    28.06.2018 14:00h
    Campus Lehre N55, Seminarraum 310 / 311

    Parametrische Überlebenszeitmodelle oder
    "Wer braucht eigentlich noch das Cox-Modell"?

    Prof. Dr. Oliver Kuß
    Deutsches Diabetes-Zentrum (DDZ), Heinrich-Heine-Universität, Düsseldorf

    Regressionsmodelle für stetige, binäre, ordinale und nominale Zielgrößen werden in Biostatistik und Epidemiologie ohne wesentliche Bedenken und zurecht mit parametrischen Annahmen berechnet. Es ist bemerkenswert, dass dieses Prinzip nicht auch für Regressionsmodelle für Überlebenszeiten gilt, wo nahezu ausschließlich ein semiparametrisches Modell, das Proportional Hazard- oder Cox-Modell, verwendet wird. Dies ist umso erstaunlicher, da die Liste der Nachteile (Erschwerte Kommunizierbarkeit des Hazard Ratios, impliziter Selektionsbias sogar in randomisierten Studien, Non-Collapsibility, Interpretation auf einer Wahrscheinlichkeits- und nicht auf der eigentlich interessierenden Zeitskala) des Cox-Modells lang ist. Gänzlich mysteriös wird die Angelegenheit dadurch, dass es parametrische Überlebenszeitmodelle sogar schon vor dem Cox-Modell gab, diese nicht schwerer zu verstehen oder zu berechnen sind und, vor allem, die genannten Nachteile nicht haben.

    Im Vortrag werden die Nachteile des Cox-Modells und die Vorteile der parametrischen Überlebenszeitmodelle gegenübergestellt und diskutiert.

  • Seminar

    14.06.2018 16:15h
    Campus Forschung N27, Seminarraum 14 /EG

    The Ulm Birth Cohort Studies: recruitment, results, and reflections

    PD Dr. med. Jon Genuneit, MSc, Universität Ulm

    The Ulm Birth Cohort Study (UBCS) and the Ulm SPATZ Health Study, two methodologically similar birth cohort studies recruited live newborns and their mothers from the general population shortly after delivery in the University Medical Center Ulm, Southern Germany, from 11/2000–11/2001 and 04/2012–05/2013, respectively. Exclusion criteria were outpatient delivery, maternal age < 18 years, transfer of the newborn or the mother to intensive care immediately after delivery, and/or insufficient knowledge of the German (UBCS and SPATZ), Turkish, or Russian (both UBCS only) language. At baseline, the UBCS and SPATZ cohorts respectively included 1090 newborns of 1066 mothers (67% of all 1593 eligible families) and 1006 newborns of 970 mothers (49% of all 1999 eligible families). Currently, the 17-year and the 6-year follow-ups are ongoing in UBCS and SPATZ, respectively. This presentation will highlight similarities and differences in study design and content. Published results as well as ongoing research will be discussed covering topics like gestational weight gain, fetal and child growth, inflammatory biomarkers, breastfeeding and breastmilk composition, family psychosocial stress, parental and child sleep as well as child atopic dermatitis.

  • Seminar

    05.06.2018 11:00h
    W34-EG re, Konferenzraum 11/12

    A systematic approach to initial data analysis

    Professor Marianne Hübner, PhD,
    Department of Statistics and Probability, Michigan State University

    The main aim of Initial Data Analysis (IDA) is seen in providingreliable knowledge about the data to enable responsible statisticalanalyses and interpretation.IDAconsists of all steps performed on the data of a study between the end of the data collection/entry and start of those statistical analyses that address research questions. If IDA is performed in an informal or unstructured way, this may have a large and non-transparent impact on results and conclusions presented in publications and contributes to (non-)reproducibility issues. In this talk I will discuss a framework that suggests to divide IDA into six steps. While the focus is on primary-data collections, where data are obtained to address a predefined set of research questions, with an analysis plan, IDA is often performed in more complex studies raising additional issues such as an implementation of IDA processes during ongoing data collections to detect data issues while they are potentially remediable.

  • Seminar

    28.11.2017 14:00h
    Campus Lehre N55, Raum 210/211

    Developments for the statistical analysis of high-throughput sequencing data in infection research

    Dr. Jochen Kruppa, Hannover

    Jochen Kruppa and Klaus Jung
    Institute for Animal Breeding and Genetics, University of Veterinary Medicine Hannover

    The analysis of high-throughput data has become more and more important in genomic research. Here, we want to present two developments for the analysis of high-throughput data in infection research. Both approaches using high-throughput data generated by next generation sequencing, which has become the state of the art for the analysis of genomic samples. The ?rst one, the gemPlot method concentrates on high-throughput expression data, while the second one, a detection pipeline for viral sequences in reference free host organisms, uses high-throughput sequencing data.

    The gemPlot [KJ17] as the 3-dimensional extension of the 1-dimensional boxplot and the 2-dimensional bagplot [RRW99] is a tool for automated outlier detection in molecular high-throughput expression data. Bagplots or gemplots can be applied, separately to the data of each study group, after dimension reduction by principal component analysis. Bagplots and gemplots surround the regular observations with convex hulls and observations outside these hulls are regarded as outliers. The convex hulls are determined separately for the observations of each experimental group while the observations of all groups can be displayed in the same subspace of principal components. The applicability of our method to multigroup data is a clear advantage over other available methods. We provide an implementation of the gemPlot in the R-package `gemPlot' available from GitHub (

    The viral detection pipeline is based on raw sequencing reads. The unavailability of a hosts' reference genome is in many cases is a specialty of the infection research in the ?eld of zoonoses. Therefore, reads deriving from the host can not be distinguished from the viral reads by direct mapping against the host reference genome. Here, we present an arti?cial viral genome approach to circumvent this limitation and ignore the ?ltering step of the host reads. Further, we use a peptide translated viral reference genome to map the translated DNA reads to achieve a second layer of certainty. Finally, a decoy approach is used to determine the falsely mapped reads and to estimate parameters to judge the correctness of the detection.


    [KJ17] Jochen Kruppa and Klaus Jung. Automated multigroup outlier identi?cation in molecular high-throughput data using bagplots and gemplots. BMC Bioinformatics, 18(1), may 2017.

    [RRW99] P J Rousseeuw, I Ruts, and Tukey J W. The Bagplot: A Bivariate Boxplot. Am Stat, 53(4), 1999.

  • Seminar

    05.09.2017 14:00h
    Campus Lehre N55, seminar room 210/211


    Prof. Dr. Lisa Berkman Harvard University, USA


  • Seminar

    25.07.2017 12:00h
    Seminarraum 11/12, Gebäude W34 EG rechts

    Nutzung von Sekundärdaten für die pharmakoepidemiologische Forschung:
    Lassen sich Limitationen der Daten durch moderne statistische Verfahren oder Datenlinkage ausgleichen?

    Prof. Dr. Iris Pigeot
    Direktorin des Leibniz-Instituts für Präventionsforschung
    und Epidemiologie - BIPS, Bremen

    Iris Pigeot, Vanessa Didelez, Dirk Enders, Bianca Kollhorst

    Leibniz-Institut für Präventionsforschung und Epidemiologie – BIPS, Achterstraße 30, 28359 Bremen

    Im Idealfall werden zur Beantwortung epidemiologischer Fragestellungen Daten im Rahmen von Studien erhoben, die speziell auf die jeweilige Fragestellung zugeschnitten sind. Die qualitätsgesicherte Erhebung von Primärdaten ist aber mit erheblichem Kosten- und Zeitaufwand verbunden und hat zudem mit Schwierigkeiten zu kämpfen, die sich z.B. aus Erinnerungsfehlern der Probanden, einer hohen Non-response oder einer hohen Drop-out Rate ergeben. Daher lohnt es sich u.U., für die Beantwortung bestimmter Fragestellungen bereits existierende Datenquellen, sogenannte Sekundärdaten, zu nutzen. Speziell in der Pharmakoepidemiologie sind zur Untersuchung von seltenen Arzneimittelrisiken oder zum Monitoring eines Arzneimittels nach Marktzulassung sehr große Datensätze erforderlich, um statistisch valide Aussagen treffen zu können, so dass in solchen Fällen häufig auf Sekundärdaten wie z.B. Abrechnungsdaten der Krankenkassen zurückgegriffen wird. Da diese Daten jedoch ursprünglich nicht zu Forschungszwecken erhoben worden sind, sind typischerweise nicht alle notwendigen Informationen in den jeweiligen Datensätzen vorhanden oder sie liegen nur in eingeschränkter Qualität vor.

    In diesem Vortrag werden anhand der am BIPS seit 2004 aufgebauten deutschen pharmakoepidemiologischen Forschungsdatenbank GePaRD mit Abrechnungsdaten von vier gesetzlichen Krankenversicherungen mit insgesamt ca. 20 Millionen Versicherten Limitationen dieser Daten und mögliche Ansätze zum Umgang mit diesen Limitationen in praktischen Beispielen aufgezeigt. Dabei werden zum einen statistische Lösungsansätze vorgestellt, aber auch Möglichkeiten diskutiert, fehlende oder nur lückenhaft vorhandene Informationen durch die Verlinkung mit anderen Datenbanken oder mit Primärdaten aufzufüllen. Es wird jedoch nicht nur gezeigt, wie z.B. Primärdaten Lücken in Sekundärdaten füllen können, sondern auch am Beispiel der NAKO Gesundheitsstudie das Potenzial von Sekundärdaten demonstriert, Primärdaten sinnvoll zu ergänzen.

  • Seminar

    11.07.2017 14:00h
    in N55 , Raum 310/311

    „Conditional Survival“ and Dynamic Prediction in Clinical/EpidemiologicalStudies: Concepts, Applications, Pitfalls

    Prof. Dr. Martin Schumacher, Freiburg

    „Conditional Survival“(CS) ist definiert als die Wahrscheinlichkeit, weitere t Jahre zu überleben,
    gegeben ein Patient hat bereits s Jahre seit der Diagnose einer chronischen Erkrankung überlebt.
    Diese Grösse hat in den vergangenen Jahren insbesondere in der Onkologie an Popularität gewonnen
    und zwar in absoluter oder auch in relativer Form. Letztere basiert auf einem Vergleich mit einer
    altersadjustierten Normalbevölkerung und ist aus der Public Health‐Perspektive relevant; in einem
    klinischen Kontext ist die absolute Grösse von primärem Interesse. In einer klinischen Kohorte, z.B.
    von Patienten mit einem bestimmten Tumor, kann CS geschätzt werden durch bedingte Kaplan‐
    Meier Schätzer in vorgegebenen Strata oder mittels einer bedingten Version des Cox‘schen oder
    eines anderen Regressionsmodells für Ereigniszeitdaten. CS kann zusammenfassend dargestellt
    werden als Funktion des Prädiktionszeitpunkts ?? und erlaubt so eine Einschätzung, inwieweit sich die
    Prognose von Patienten, die bereits eine bestimmte Anzahl von Jahren überlebt haben, im Laufe der
    Zeit verändert.
    CS stellt somit die einfachste Form einer sogenannten dynamischen Prognose dar, die
    verallgemeinert werden kann, indem Ereignisse im Krankheitsverlauf wie Auftreten eines Rezidivs
    oder einer Progression der Erkrankung sowie longitudinale Biomarker‐Messungen bis zum
    Prädiktionszeitpunkt ?? mit berücksichtigt werden. Dies kann z.B. in sogenannten „Landmark‐
    Analysen“ erfolgen, die dann auch einen Vergleich von dynamischen Prädiktionen mit denen, die nur
    auf Baseline‐Werten basieren, erlauben. Dies stellt einen Startpunkt für Untersuchungen dar mit
    dem Ziel, Faktoren zu identifizieren, die mit dem Langzeitüberleben von Patienten assoziiert sind. Im
    Vortrag werden die Konzepte von CS und dynamischer Prädiktion illustriert mit einer klinischen
    Kohorte von Patienten mit Multiplem Myelom. Die Daten dieser Kohorte dienen auch dazu, zu
    zeigen, welche Anforderungen erfüllt sein müssen um derartige Untersuchungen durchzuführen.
    Zusätzlich werden eine Reihe von Beispielen aus der aktuellen klinischen und epidemiologischen
    Literatur vorgestellt, die Möglichkeiten, Grenzen und häufige Fehlerquellen sowie daraus
    resultierende Fehlschlüsse aufzeigen.
    Hieke S, Kleber M, König C, Engelhardt M, Schumacher M: Conditional Survival: A Useful Concept to Provide Information on How Prognosis Evolves over Time. Clin Cancer Res, 2015; 21: 1530‐1536.
    Van Houwelingen HC, Putter H. Dynamic Prediction in Clinical Survival Analysis. Boca Raton (FL): CRC Press;

  • Vortragsreihe 2017 des Gleichstellungsreferat der Medizinischen Fakultät

    27.06.2017 17:00-18:30 h
    in N55 (Campus Lehre), Raum 312

    Prof. Dr. rer. nat. Geraldine Rauch

    Kombinierte Endpunkte in klinischen Studien –
    geeignet, um den Erfolg von Therapien zu bewerten?

    Prof. Dr. rer. nat. Geraldine Rauch, Institut für Medizinische Biometrie und Epidemiologie, UKE

    Kombinierte Endpunkte (englisch „composite endpoints“) fassen mehrere
    klinische Ereignis- oder Ereigniszeit-Variablen in einer einzigen Zielgröße
    zusammen. Hierdurch wird die erwartete Zahl der Einzelereignisse erhöht
    und somit ein Powergewinn angestrebt. Gerade in klinischen Studien der
    Onkologie und der Kardiologie entsprechen die interessierenden Zielvariablen,
    wie z. B. Tod, Tumorprogress oder Herzinfarkt, oft vergleichsweise selten
    auftretenden Ereignissen. Aus statistischer Sicht stellt dies ein Problem dar,
    da in solchen Fällen sehr viele Patienten benötigt werden, um einen Behandlungseffekt
    nachzuweisen. Dadurch kann die Durchführbarkeit der gesamten
    Studie gefährdet werden. Mit der Verwendung eines kombinierten Endpunkts
    wird die Zahl der erwarteten Ereignisse erhöht, so dass ein Behandlungseffekt
    auch mit einer kleineren Patientenzahl aufgedeckt werden kann.
    Durch die Kombination verschiedener Ereignisvariablen, welche häufig unterschiedlich
    relevant für die klinische Fragestellung sind, kann es aber auch zu
    erheblichen Interpretationsschwierigkeiten kommen, etwa wenn nicht alle
    Komponenten in die gleiche Richtung beeinflusst werden. Darüber hinaus
    ist eine valide Fallzahlplanung für Studien mit kombinierten Endpunkten oft
    eine besondere Herausforderung, da hierfür zuverlässige Parameter-Annahmen
    für alle Komponenten benötigt werden, deren Schätzung jedoch meist
    mit einer hohen Unsicherheit verbunden ist.
    Im Rahmen dieses Vortrags sollen neue statistische Lösungsansätze präsentiert
    werden, die einerseits den hohen Planungsunsicherheiten von klinischen
    Studien mit kombinierten Endpunkten gerecht werden und andererseits
    sicherstellen, dass das Studienergebnis sinnvoll interpretiert werden
    kann. Außerdem soll die wichtige Frage beantwortet

    Einladung zur Vortragsreihe mit Prof. Dr. Geraldine Rauch als PDF

  • Seminar

    13.06.2017 14:00h
    in N55 , Raum 210/211

    Identification of Biomarkers for Gallbladder Cancer Risk Prediction in Europe and Latin America

    PD Dr. Justo Lorenzo Bermejo, Heidelberg

    Gallbladder cancer (GBC) is an aggressive malignancy which kills around 10,000 Europeans every year ( Early symptoms are vague, GBC often spreads to the liver and adjacent organs, and less than 20% of patients are diagnosed when complete surgical resection is possible. This translates into a 5-year survival rate of 5%, which has not improved in the last 50 years. In some areas of high prevalence, surgical removal of the gallbladder (cholecystectomy) is offered to gallstone patients to prevent GBC. Cholecystectomy also offers the potential for cure of GBC confined to the mucosa. Unfortunately, a reliable test to predict or early detect GBC is not available yet.

    During this talk, I will introduce two research projects, one in Europe andanother one in Chile, where we aim to identify biomarkers for GBC risk prediction.
    The European project includes environmental, metabolite and genome-wide genotype data of GBC case-control pairs from eight large European prospective cohorts (Estonian Genome Project, European Prospective Investigation into Cancer and Nutrition (EPIC), Health 2000, Janus Biobank, the National FINRISK Study, The Nord-Trøndelag Health Study, The Swedish Twin Registry and the Lifelines Study).
    Chileans are heterogeneous regarding the type of Native American ancestry, and consideration of specific associations with common diseases may lead tosubstantial advances in disease prevention.
    We conducted an aggregate-datastudy based on genome-wide genotype data from 1805 admixed Chileans, and validated an identified association with GBC relying on individual data from64 patients, with and without a family history, and 170 healthy controls. In particular, each 1% increase in the Mapuche proportion represented a 3.7% increased mortality GBC risk (95%CI 3.1-4.3%, P = 6×10–27). I will conclude the talk with a summary of novel methods and epidemiological results which could be considered in future studies on human health.

  • Seminar

    09.05.2017 14:00h
    in N55 , Raum 210/211

    „New bridges over troubled water“ – Simon’s optimales Design reloaded

    Prof. Dr. Meinhard Kieser, Heidelberg

    Link zu der Profilseite

    Eine kürzlich erschienene Übersichtsarbeit zu den Charakteristiken von Phase-II-Studien in der Onkologie, deren Ergebnisse in den Jahren 2005, 2010 und 2014 publiziert wurden, zeigte, dass der überwiegende Anteil dieser Studien einarmig durchgeführt wurde, und dass das von Simon vorgeschlagene optimale Design (Simon, 1989) das weitaus am häufigsten angewendete Zwei-Stufen-Design war (Ivanova et al., 2016). Im Vortrag wird zunächst die Rolle von einarmigen Designs in der onkologischen Forschung und speziell Simon‘s optimalem Design beleuchtet, und es werden verschiedene Optimalitätskriterien zur Konstruktion derartiger Designs vorgestellt. Bei diesen „klassischen“ Designs sind die Fallzahlen für die beiden Studienteile vor und nach der Zwischenauswertung ebenso wie die Entscheidungsregeln für den Hypothesentest fix. Es wird gezeigt, wie diese Designs verbessert werden können, indem die Fallzahl für die zweite Stufe entsprechend einer prä-spezifizierten Regel abhängig vom Ergebnis der ersten Stufe gewählt wird (Kunzmann und Kieser, 2016). Die Flexibilität wurde durch die Entwicklung spezifischer adaptiver Designs, die auf den vorliegenden Studientyp zugeschnitten sind, weiter erhöht (Englert und Kieser, 2012). Hier ist die Anwendung beliebiger Fallzahl-Rekalkulationsstrategien für den zweiten Studienteil unter Einhaltung der vorgegebenen Wahrscheinlichkeit für einen Fehler 1. Art möglich. Ein solches Vorgehen erscheint insbesondere dann sinnvoll, wenn sich im Studienverlauf herausstellt, dass die Planungsannahmen nicht korrekt waren und das gewählte Design auf der Basis akkumulierter Daten „optimiert“ werden soll. Angesichts dieser Vielfalt an Optionen stellt sich die Frage, welche Designvariante letztlich „optimal“ ist. Am Beispiel einarmiger Studien mit binärem Endpunkt wird ein allgemeiner Rahmen zur Konstruktion von Studiendesigns vorgeschlagen, der die Aspekte „Planung unter Unsicherheit“, „Adaptivität“ und „Optimalität“ simultan berücksichtigt. Der Ansatz wird anhand von Beispielen illustriert.

  • Seminar

    04.04.2017 15:00h
    in W34 , Raum 11/12

    Bluthochdruck und Verkehrslärm - eine Diskussion der Ergebnisse der sekundärdatenbasierten NORAH Fall-Kontrollstudie

    Prof. Dr. Hajo Zeeb, Bremen

  • Seminar im Rahmen der UCCH-Seminarserie "Topics in Cancer Research (topCaRe)"

    Donnerstag, den 30.03.2017, 16:00 Uhr,
    Campus Forschung (N27), Raum 14

    "Cancer mortality of migrants in Germany"

    Prof. Dr. Heiko Becher

  • Vortrag

    07.03.2017 14:00h
    in N55 (Campus Lehre), Raum 210/11

    Missing Values in Multi-arm Trials with Multiple Endpoints
    Mehrarmige Studien mit multiplen Endpunkten und fehlenden Werten

    PD Dr. Mario Hasler, Christian-Albrechts-Universität zu Kiel

    Dieser Vortrag stellt eine Erweiterung multipler Kontrasttests für multiple Endpunkte vor für den Fall fehlender Werte. Mehrere multivariate t-Verteilungen mit endpunktspezifischen Freiheitsgraden werden verwendet zur Berechnung adjustierter p-Werte oder kritischer Werte. Im Unterschied zu konkurrierenden Methoden wird der Gesamtfehler 1. Art im strengen Sinne eingehalten und das Problem unterschiedlicher marginaler Fehler 1. Art vermieden. Die Information aller Messwerte wird verwertet, was zu einem Gütegewinn im Vergleich zu einer Complete Case Analysis führt.

  • Informationsveranstaltung

    07.03.2017 17:00 -18:30 Uhr
    in N55 (Campus Lehre), Raum 210/11

    Die BMBF Ausschreibung „Klinische Studien mit hoher Relevanz für die Patientenversorgung“ - Wissenswertes rund um die Antragstellung

    Das BMBF hat erneut die jährliche Ausschreibung „Klinische Studien mit hoher Relevanz für die Patientenversorgung“ herausgegeben ( Gefördert werden akademisch initiierte, multizentrische, interventionelle, konfirmatorische Studien. Die Ausschreibung ist themenoffen und nicht auf spezielle Krankheiten oder Populationen beschränkt.

    Das Verfahren ist zweistufig. Bis zum 11. April. 2017 können 6-seitige Studienskizzen eingereicht.

    Dieser Vortrag informiert über die genauen Ausschreibungsbedingungen und die notwendigen Schritte in der Planungsphase. Da es sich um ein hoch kompetitives Förderprogramm handelt, ist eine sorgfältige Planung für eine erfolgreiche Antragstellung unerlässlich. So sind an einer erfolgreichen Studienskizze viele Projektpartner und Institutionen beteiligt. Neben den verschiedenen Studienzentren sind z.B. die Medizinische Biometrie, das Projektmanagement, das Datenmanagement und das Monitoring von zentraler Bedeutung. Das Institut für Medizinische Biometrie und Epidemiologie verfügt über umfangreiche Projekterfahrung in diesem Programm und kann Ihnen bei der Antragstellung mit Rat und Tat zur Seite stehen.

    Ich freue mich auf Ihr Kommen,

    Prof. Dr. Geraldine Rauch

    Einladung zur Informationsveranstaltung von Prof. Dr. Geraldine Rauch als PDF

  • 22. November 2016, 16:00h
    Seminarraum 11/12, Gebäude W34, UKE

    Statistische Inferenz in Abstracts von medizinischen und epidemiologischen Fachzeitschriften der Jahre 1975 - 2014. Ein systematischer Review.

    Prof. Dr. Andreas Stang, Essen

    Interessierte sind herzlich eingeladen! Weitere Infos im PDF.

    Einladung zum Seminar Prof. Dr. Stang (PDF)

  • 25. Oktober 2016, 16:00h
    Seminarraum 11/12, Gebäude W34, UKE

    On variable selection and shrinkage strategies to derive multivariable regression models

    Prof. Dr. Willi Sauerbrei, Freiburg

    Interessierte sind herzlich eingeladen! Weitere Infos im PDF.

    Einladung zum Seminar Prof. Dr. W. Sauerbrei (PDF)

  • 23. Juni 2016, 16:00 h
    Seminarraum 213 , Gebäude N55, UKE

    Building stable multivariable risk scores in GWAS consortia with partially overlapping SNP data

    Anne-Sophie Stöhlker, Universität Freiburg

    Interessierte sind herzlich eingeladen! Weitere Infos im PDF

    Einladung zum Seminar Anne-Sophie Stöhlker (PDF)

  • 21. Juni 2016, 14:00 h
    Seminarraum 11/12, Gebäude W34, UKE

    Vernachlässigte Tropenkrankheiten in Brasilien:
    Ein Überblick

    Prof. Jörg Heukelbach, Bundesuniversität von Ceará, Brasilien

    Interessierte sinf herzlich eingeladen! Weitere Infos im PDF

    Einladung zum Seminar Jörg Heukelbach (PDF)

  • 02. Juni 2016, 14:00h
    Seminarraum 11/12, Gebäude W34, UKE

    The INDEPTH Network - potentials for research
    collaboration in epidemiology and clinical research

    Prof. Dr. Osman Sankoh, Accra, Ghana

    Interessierte sind herzlich eingeladen! Weitere Infos im PDF

    Einladung zum Seminar Osman Sankoh (PDF)

  • 7. April, 2016, 16:00h
    in N55 (Campus Lehre), Raum 210/11

    Prof. Dr. Oliver Razum
    AG Epidemiologie & International Public Health Fakultät für Gesundheitswissenschaften,
    Universität Bielefeld

    Migration und Gesundheit

    Interessierte sind herzlich eingeladen! Weitere Infos im PDF

    Einladung zum Seminar Oliver Razum (PDF)