Medical Systems Biology
CoCoV
Ziel dieses Projekts ist es, die Verträglichkeit der neuen Corona-Impfstoffe und mögliche Nebenwirkungen zu erfassen und langfristig gesehen die freiwillige Impfbereitschaft der Bevölkerung zu verbessern.
Neue Impfstoffe werden vor ihrer Zulassung auf ihre Effektivität und Sicherheit in randomisierten klinischen Studien getestet. So auch jeder der neu zugelassenen Corona-Impfstoffe. Aufgrund der immer noch relativ kleinen und homogenen Stichprobenanzahl (gesehen auf die gesamte Weltbevölkerung) können seltene Nebenwirkungen unentdeckt bleiben. Um eine bessere Übersicht über die Verträglichkeit und mögliche noch unerkannte oder selten auftretende Symptome zu erhalten, wurde die CoCoV ("Contra Corona Vaccine") Smartphone-App in enger Zusammenarbeit zwischen dem Institut für Medizinische Systembiologie und der Klinik für Innere Medizin I (Prof. Seufferlein) des Universitätsklinikums Ulm entwickelt.
Die CoCoV-App beinhaltet einen Fragenkatalog zu häufig auftretenden Nebenwirkungen bei Impfungen mit vorgegebenen Antwortmöglichkeiten. Zusätzlich besteht die Möglichkeit über ein Freitextfeld von dem Fragenkatalog nicht abgedeckte, jedoch aufgetretene Symptome zu protokollieren. Hierbei ist zu betonen, dass CoCoV in erster Linie eine App zur tagesgenauen Selbstdokumentation der Verträglichkeit der erhaltenen Corona-Impfung ist. Zusätzlich ermöglicht das Teilen der dokumentierten Nebenwirkungen in anonymisierter Form und die gemeinsame Auswertung aller übermittelter Daten ein besseres Verständnis zur Verträglichkeit zu erhalten.
Wo kann man die App bekommen?
Diese QR-Codes führen Sie zu den jeweiligen App-Stores:
iOS |
Android |
 |
 |
https://tinyurl.com/cocovios |
https://tinyurl.com/cocovandroid |
Folgendes PDF beinhaltet die Anleitung und die Downloadlinks für die App:
Wer kann die App nutzen?
Jeder der gegen Corona geimpft wurde, kann die CoCoV-App nutzen, um seine Verträglichkeit zu dokumentieren. Dabei spielt es keine Rolle, ob Sie die erste oder zweite Impfdosis erhalten haben.
Wie kann die App genutzt werden?
Möchten Sie ihre Verträglichkeit der Corona-Impfung dokumentieren, so können Sie sich die CoCoV-App kostenlos aus dem Google-Play Store oder dem iOS App-Store herunterladen. Die CoCoV-App is für alle Android-Geräte (Smartphone oder Tablet) mit einer Android-Version von 6.0 oder neuer verfügbar. Auch werden alle iOS-Geräte (iPhone und iPad) ab einer iOS-Version von 11 oder neuer unterstützt.
Welcher Nutzen ergibt sich für Sie persönlich?
CoCoV ist in erster Linie eine App zur tagesgenauen Selbstdokumentation der Verträglichkeit der Corona-Impfung. Hierfür steht Ihnen das Symptom-Tagebuch zur Verfügung, dessen Einträge Sie anhand zweier Darstellungen einsehen können. Zum einen können Sie alle aufgetretenen Symptome zusammengefasst einsehen. Des Weiteren können Sie alle Ihre dokumentierten Nebenwirkungen tagesaktuell einsehen.
Welchen Nutzen hat die App für unsere Gesellschaft?
Durch das Teilen Ihrer dokumentierten Nebenwirkungen tragen Sie zu einem besseren Verständnis der Verträglichkeit der neuen Corona-Impfstoffe bei. Hierdurch erhoffen wir uns, eine noch größere freiwillige Impfbereitschaft der Bevölkerung. Da sich einige der Impfstoffe in ihrem zugrunde liegenden Wirkprinzip unterscheiden, ermöglicht Ihre Beteiligung auch eine Untersuchung, ob sich einer der Impfstoffe für bestimmte Personengruppen wie beispielsweise ältere Menschen oder Personen unter Berücksichtigung ihrer Begleiterkrankungen besser eignen. Um diese Fragestellung zu beantworten werden bei der Initialisierung der CoCoV-App neben Daten zu Alter, Geschlecht und erhaltenen Impfstoff auch Begleiterkrankungen abgefragt. Sollten Sie trotz all dieser Vorteile beschließen, Ihre geteilten Nebenwirkungen zurückzuziehen und nicht mehr der Forschung zur Verfügung zu stellen, ist dies auch jederzeit ohne Angaben von Gründen in der CoCoV-App möglich.
Wie werden meine Daten geschützt?
Die Übermittlung der Daten erfolgt ausschließlich in anonymisierter Form über eine verschlüsselte Verbindung, d.h. es findet keinerlei Zuordnung der übermittelten Daten zu einer Person statt. Geteilte Daten werden auf einem verschlüsselten und zugangsbeschränkten Server des Instituts für Medizinische Systembiologie der Universität Ulm gespeichert.
Source Code zu CoCoV
Der Quelltext für die CoCoV App liegt frei unter der GNU Public License v3 auf GitHub https://github.com/sysbio-bioinf/CoCoV
Job Openings
Wissenschaftlicher Mitarbeiter (m/w/d)
Latest News
Our paper "Sparse keypoint segmentation of lung fissures: efficient geometric deep learning for abstracting volumetric images" has been published in the International Journal of Computer Assisted Radiology and Surgery. Please find electronical supplementary material here.
- "Hydra has mammal-like mutation rates facilitating fast adaptation despite its nonaging phenotype" has been published in Genome Research.
Our paper "Boolean network modeling and its integration with experimental read-outs: An interdiscipliary presentation using a leukemia model" has been published online first in Pathologie.
-
"Combined analysis of a serum mRNA/miRNA marker signature and CA 19-9 for timely and accurate diagnosis of recurrence after resection of pancreatic ductal adenocarcinoma: A prospective multicenter cohort study" has been published online first in the United European Gastroenterology Journal.
"Identifications of Similarity Metrics for Patients With Cancer: Protocol for a Scoping Review" has been published in JMIR Research Protocols.
"Recent Trends and Future Challenges in Learning from Data" has been published with Springer.
Our paper "Permutation-invariant linear classifiers" has been published in Machine Learning.
Our paper "Prediction of resistance to bevacizumab plus FOLFOX in metastatic colorectal cancer-Results of the prospective multicenter PERMAD trial" has been published in PLoS One.
- "Introducing a machine learning algorithm for delirium prediction—the Supporting SURgery with GEriatric Co-Management and AI project (SURGE-Ahead)" has been published in Age and Ageing.
Our paper "Segmentation-based cardiomegaly detection based on semi-supervised estimation of cardiothoracic ratio" has been published in Scientific Reports.
"Prospective study validating a multidimensional treatment decision score predicting the 24-month outcome in untreated patients with clinically isolated syndrome and early relapsing–remitting multiple sclerosis, the ProVal-MS study" has been published in Neurological Research and Practice.
Our paper "GatekeepR: an R shiny application for the identification of nodes with high dynamic impact in boolean networks" has been published online first in Bioinformatics.
Our paper "The Necessity of Interoperability to Uncover the Full Potential of Digital Health Devices" has been published in JMIR Medical Informatics.
"Multicentric pilot study to standardize clinical whole exome sequencing (WES) for cancer patients" has been published in npj Precision Oncology.
Our paper "AMBAR-interactive alteration annotations for molecular tumor boards" has been published in Computer Methods and Programs in Biomedicine.
"A protocol for the use of cloud-based quantum computers for logical network analysis of biological systems" has been published in STAR Protocols.
Our paper "A systems biology approach to define mechanisms, phenotypes, and drivers in PanNETs with a personalized perspective" has been published in npj systems biology and applications.
"Supporting SURgery with GEriatric Co-Management and AI (SURGE-Ahead): A study protocol for the development of a digital geriatrician" has been published in PLoS One.
"Self-Assessment of Having COVID-19 With the Corona Check Mhealth App" has been published in IEEE Journal of Biomedical and Health Informatics.
Our first quantum computing paper "Leveraging quantum computing for dynamic analyses of logical networks in systems biology" has been published in Patterns.