Nettsider med emneord «Biostatistikk»

Ved hjelp av biomarkører i CSF for immunaktivering og degenerasjon, vil vi studere microgliaaktiveringsprofil og des bidrag til sykdomsutviklingen ved Parkinsons sykdom.

I DIGMINE-prosjektet utvikler vi ny metoder for å generere normalverdier. Vi bruker maskinlæring og nye statistiske metoder utviklet av klimaforskere. Prosjektet har et innovasjonsaspekt og vi har industrielle partnere som skal sørge for at metodene vi utvikler kan tas i bruk over hele verden.

Selvmordsatferd er komplisert og kan påvirkes av mange faktorer i livet. Storskala befolkningsstudier kan få kunnskap som grunnlag for utvikling av effektive strategier for forebygging.

Årlig rammes over 30 000 personer av kreftsykdom. Rundt femti prosent som får diagnosen er mellom 20 og 65 år og dermed i yrkesliv alder. Diagnosen gir vanligvis lange sykefraværsperioder på grunn av medisinske behandlinger og funksjonsbegrensninger. Nye og mer effektive behandlings metoder innebærer at flere overlever kreft. Samtidig øker omfanget av seneffekter/langtids­virkninger som f.eks. psykiske reaksjoner, fatigue­/utmattelse, fysiske skader/utfordringer og spredning. Å fortsette i arbeid har positive effekter på den enkeltes økonomi og øker produksjonen i samfunnet generelt. Å komme tilbake til hverdagen og delta i et sosialt fellesskap med kollegaer kan bidra til at man overkommer negative bivirkninger av kreftsykdom og behandling, både for kreftpasienter og de som er erklært friske.

Immunterapi har gitt store fremskritt i kreftbehandling de siste årene. En hovedutfordring er at vi mangler metoder for å persontilpasse behandlingen og forutsi hvem som får effekt.

Sosioøkonomisk status er en risikofaktor for en rekke sykdommer, men er det sosiale ulikheter i risiko for beinskjørhet og brudd i Norge? Har kroppsmasseindeks betydning for denne sammenhengen?

Mange pasienter med kroniske betennelsessykdommer får ikke tilfredsstillende behandling. Vi vet ikke hvem som vil ha god effekt av dagens medikamenter eller hvordan vi skal behandle dem som ikke får god respons. I dette prosjektet skal vi sammenligne aktiveringsprofiler på enkeltcellenivå hos pasienter før og etter behandling.

Vi utvikler metoder i statistisk maskinlæring for å integrere multi-omics og andre data, f.eks. klinisk og farmakologisk informasjon, for å predikere pasientens prognose eller terapirespons.