Derzeit ist es gängige Praxis, die Chemotherapie entsprechend der Körperoberfläche des Patienten zu dosieren. Diese Praxis ist jedoch nicht ideal, da es Patienten gibt, die starke Nebenwirkungen haben und andere, die kaum Nebenwirkungen aufweisen. Damit intelligentere Dosierungsschemata entwickelt werden können und prophylaktische Maßnahmen zum Verhindern von Therapienebenwirkungen besser geplant werden können, ist die Kenntnis der Faktoren erforderlich, welche die Nebenwirkungen verursachen. Die hämatologischen Nebenwirkungen der Chemotherapie sind dabei am stärksten ausgeprägt und führen oft zu Dosiserosionen, Zeitverschiebungen zwischen den Chemotherapiezyklen oder sogar zu einem Abbruch der Therapie. Das hat wiederum negative Auswirkungen auf den Therapieerfolg. In dieser Arbeit wurden daher Prognosemodelle für chemotherapieinduzierte hämatologische Nebenwirkungen aufgebaut. Die Daten von 1399 Patienten mit aggressivem Non-Hodgkin-Lymphom und einem breiten Altersspektrum von 18-75 Jahren aus der NHL-B1/B2-Studie (Pfreundschuh et al. 2004a und b) gingen in die Analyse ein. Es wurden für die jüngeren (<= 60 Jahre) und die älteren Patienten (> 60 Jahre) multivariate Proportionale Odds Regressionsmodelle für die drei hämatopoetischen Linien der Leukozytopenie, Thrombozytopenie und Anämie gerechnet und an zwei unabhängigen Datensätzen, auch unter Rituximab-haltigen Chemotherapieschemata, validiert. Die hier entwickelten Modelle konnten ein breites Heterogenitätsspektrum für die hämatologischen Nebenwirkungen erklären. Bemerkenswert ist, dass einige der Faktoren für hämatologische Nebenwirkungen gleichzeitig auch Faktoren des Internationalen Prognostischen Index für das Therapieergebnis sind. Die im ersten Chemotherapiezyklus beobachtete Nebenwirkung war der stärkste prognostische Faktor. Mit einigen der Modelle konnte die kumulative Nebenwirkung über die Chemotherapiezyklen hinweg gezeigt werden. Die Demonstration des Zusammenhangs zwischen den für Leukozytopenie ermittelten Risikogruppen und den klinisch relevanten Größen Infektion, Antibiotikagabe, Hospitalisierungstage und therapieassoziierte Todesfälle ist ein sehr wichtiges Ergebnis der Arbeit. Es wurde eine Internetseite (www.toxcalculator.com) entwickelt, welche den Ärzten die Möglichkeit bietet, die bei dem Patienten vorliegenden Prognosefaktoren einzugeben und dann die Modellvorhersagen für die zu erwartenden hämatologischen Nebenwirkungen zu erhalten. Die Ergebnisse der Arbeit wurden in der hochrangigen Zeitschrift ‚Annals of Oncology‘ publiziert (Ziepert et al. 2008).

Derzeit ist es gängige Praxis, die Chemotherapie entsprechend der Körperoberfläche des Patienten zu dosieren. Diese Praxis ist jedoch nicht ideal, da es Patienten gibt, die starke Nebenwirkungen haben und andere, die kaum Nebenwirkungen aufweisen. Damit intelligentere Dosierungsschemata entwickelt werden können und prophylaktische Maßnahmen zum Verhindern von Therapienebenwirkungen besser geplant werden können, ist die Kenntnis der Faktoren erforderlich, welche die Nebenwirkungen verursachen. Die hämatologischen Nebenwirkungen der Chemotherapie sind dabei am stärksten ausgeprägt und führen oft zu Dosiserosionen, Zeitverschiebungen zwischen den Chemotherapiezyklen oder sogar zu einem Abbruch der Therapie. Das hat wiederum negative Auswirkungen auf den Therapieerfolg. In dieser Arbeit wurden daher Prognosemodelle für chemotherapieinduzierte hämatologische Nebenwirkungen aufgebaut. Die Daten von 1399 Patienten mit aggressivem Non-Hodgkin-Lymphom und einem breiten Altersspektrum von 18-75 Jahren aus der NHL-B1/B2-Studie (Pfreundschuh et al. 2004a und b) gingen in die Analyse ein. Es wurden für die jüngeren (<= 60 Jahre) und die älteren Patienten (> 60 Jahre) multivariate Proportionale Odds Regressionsmodelle für die drei hämatopoetischen Linien der Leukozytopenie, Thrombozytopenie und Anämie gerechnet und an zwei unabhängigen Datensätzen, auch unter Rituximab-haltigen Chemotherapieschemata, validiert. Die hier entwickelten Modelle konnten ein breites Heterogenitätsspektrum für die hämatologischen Nebenwirkungen erklären. Bemerkenswert ist, dass einige der Faktoren für hämatologische Nebenwirkungen gleichzeitig auch Faktoren des Internationalen Prognostischen Index für das Therapieergebnis sind. Die im ersten Chemotherapiezyklus beobachtete Nebenwirkung war der stärkste prognostische Faktor. Mit einigen der Modelle konnte die kumulative Nebenwirkung über die Chemotherapiezyklen hinweg gezeigt werden. Die Demonstration des Zusammenhangs zwischen den für Leukozytopenie ermittelten Risikogruppen und den klinisch relevanten Größen Infektion, Antibiotikagabe, Hospitalisierungstage und therapieassoziierte Todesfälle ist ein sehr wichtiges Ergebnis der Arbeit. Es wurde eine Internetseite (www.toxcalculator.com) entwickelt, welche den Ärzten die Möglichkeit bietet, die bei dem Patienten vorliegenden Prognosefaktoren einzugeben und dann die Modellvorhersagen für die zu erwartenden hämatologischen Nebenwirkungen zu erhalten. Die Ergebnisse der Arbeit wurden in der hochrangigen Zeitschrift ‚Annals of Oncology‘ publiziert (Ziepert et al. 2008).

Forecasts are important to decision-making and risk assessment in many domains. There has been recent interest in integrating forecast queries inside a DBMS. Answering a forecast query requires the creation of forecast models. Creating a forecast model is an expensive process and may require several scans over the base data as well as expensive operations to estimate model parameters. However, if forecast queries are issued repeatedly, answer times can be reduced significantly if forecast models are reused. Due to the possibly high number of forecast queries, existing models need to be found quickly. Therefore, we propose a model index that efficiently stores forecast models and allows for the efficient reuse of existing ones. Our experiments illustrate that the model index shows a negligible overhead for update transactions, but it yields significant improvements during query execution.