Zusammenfassung

Weltweit leiden ca. 10% der Bevölkerung an Migräne. Vor allem das Wetter wird oft als Auslöser genannt – wissenschaftlich nachgewiesen ist ein Zusammenhang jedoch noch nicht. Ziel des Projektes ist es daher, Auslöser von Migräneattacken besser zu verstehen. Dazu wurden in vier Jahren ca. 20 000 Attacken mit den zugehörigen Ortsdaten erfasst. Erste Analysen belegen, dass die Häufigkeit von Attacken statistisch signifikant zunimmt, wenn es in den drei Tagen vor einer Attacke zu Änderungen der absoluten Temperatur kam. In der ersten Ausbaustufe des Projektes gab es jedoch noch einige Limitationen. Da die Teilnahme vollständig anonym stattfand, war es nicht möglich, differenzierte Auslösemuster in Subgruppen von Patienten zu erkennen. Dies zu untersuchen, ist ein Ziel des Folgeprojektes. Durch eine anonyme Registrierung der Patienten sollen genauere und individualisierte Analysen möglich sein.

Ein verbessertes Verständnis von Migräne- triggern kann positive Auswirkungen auf die Edukation von Patienten haben, hierzu ist eine individuelle Analyse der Situation des Patienten hilfreich. Aktives Attackenmanagement könnte das bei Migräne-Patienten häufige Meiden von Triggern ablösen und zum erfolgreicheren Umgang mit der Erkrankung führen.

Summary

Approximately 10% of the human population suffers from migraine. In particular, weather is one of the most prominent triggers. However, a correlation between weather and migraine attacks is not proven yet. For this reason, our project aims to get a better understanding of migraine attack triggers. In order to achieve this, we collected about 20 000 attacks with corresponding location information within the last four years. First analyses show a significant increase in migraine frequency in the case of a change in absolute temperature within the three days before an attack. In the first phase of the project were still a few limitations. Since the participation of users was completely anonymous, the detection of differentiated trigger patterns in subgroups of patients was not possible. Therefore, one aim of our follow-up project is the search for such patterns. Allowing patients to register anonymously will lead to more precise and individualized analyses. Furthermore, a better understanding in migraine triggers may have a positive effect on patient education.

For this, an individualized analysis of the patients’ situation will be quite helpful. An active attack management may be able to replace the systematic avoidance of trigger factors, practiced by migraine patients, and thus can lead to a successful handling of the disease.

Das Schlagwort „Big Data“ verspricht die Gewinnung relevanter Informationen durch die automatisierte Erfassung und Analyse sehr großer Datenmengen für unterschiedliche Anwendungsbereiche. Damit lassen sich praktisch alle wesentlichen Informationen zur Bewertung einer komplexen Situation erfassen. Big-Data-Technologien können dann mit Hilfe geeigneter Indikatoren Situationen in Echtzeit bewerten und genaue Prognosen ermöglichen. Wesentlich für diese Technologien ist die Verarbeitung großer Datenmengen unter engen zeitlichen Rahmenbedingungen, um die Aktualität der Ergebnisse sicherzustellen. Existierende betriebliche Informationssysteme auf der Basis relationaler Datenbankmanagementsysteme erreichen dabei ihre Grenzen und können in der Regel die geforderten Antwortzeiten nicht mehr erfüllen. Neuere Datenbanktechnologien versprechen hier einen deutlichen Effizienzgewinn, so dass auch sehr große Datenmengen im Rahmen interaktiver Anwendungen verarbeitet und analysiert werden können. Dieses Kapitel gibt anhand eines Beispiels zur Erfassung und Auswertung von Daten einer Betriebsdatenerfassung einen Überblick über diese Technologien.

Mit der zunehmenden Menge textueller Daten im Web 2.0 wächst auch die Notwendigkeit der maschinellen Auswertung dieser Daten, beispielsweise um in Texten geäußerte Meinungen aufzuspüren (Opinion Mining). Im vorliegenden Beitrag wird das Aspect-based Opinion Mining – ein Verfahren mit sehr hohem Detaillierungsgrad – für deutschsprachige Texte anhand eines Projekts für die Versicherungswirtschaft vorgestellt. Es wird gezeigt, dass in Bewertungsplattformen geäußerte Meinungen zu Produkten und Services von Versicherungen mit einer Genauigkeit von etwa 90% und einer Vollständigkeit von ca. 80% für positive und ca. 60% für negative Meinungen erkannt werden können.