Ontology type: schema:ScholarlyArticle
2018-10
AUTHORS ABSTRACTDer wissenschaftliche Fortschritt in der Onkologie ist immens und hat zahlreiche Implikationen für die zukünftige Krebsforschung und die Patientenversorgung. Eine wesentliche Herausforderung besteht in der Verknüpfung von klinischen und genomischen Daten aus der Forschung und Routineversorgung über Sektoren hinweg zur Schaffung von „real-world evidence“. Das Ziel muss sein, Informationen und somit Wissen aus der Versorgungsrealität für zukünftige Therapien zu gewinnen, um nicht zuletzt innovative Medikamente und Verfahren rasch in die Regelversorgung zu transferieren. Bestehende Kompetenz- und Versorgungsstrukturen in der Onkologie wurden analysiert sowie Instrumentarien und Faktoren zur Förderung evaluiert. Eine wichtige Netzwerkplattform bieten Studiengruppen und Kompetenzzentren in der Onkologie, v. a. im Bereich der Hämatologie. Ein Ziel dieser Netzwerke ist die kontinuierliche Verbesserung von Therapien durch den Transfer aktueller Forschungsergebnisse in die Patientenversorgung. Patientenverlaufsdaten werden dabei in Registerdatenbanken dokumentiert und bieten die Grundlage für den Erkenntnisgewinn. Die Förderung von Kompetenz- und Netzwerkzentren in der Onkologie ist essenziell zur Weiterentwicklung von innovativen Therapie- und Behandlungsmethoden. Dabei werden digitale Instrumente zur Datenaggregation und -analyse angesichts steigender Datenmengen v. a. im Bereich der personalisierten Medizin immer wichtiger. Digitale Informations- und Kommunikationstechnologien im Gesundheitswesen werden dabei helfen, Schnittstellen zwischen bestehenden Krankenhausinformationssystemen und Datenbanken von dezentralen Netzwerkpartnern effizient zu verbinden. Investitionen der Krankenhäuser und Netzwerke in diesem Bereich sind unumgänglich. More... »
PAGES345-350
http://scigraph.springernature.com/pub.10.1007/s12312-018-0471-7
DOIhttp://dx.doi.org/10.1007/s12312-018-0471-7
DIMENSIONShttps://app.dimensions.ai/details/publication/pub.1107553496
JSON-LD is the canonical representation for SciGraph data.
TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT
[
{
"@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json",
"author": [
{
"affiliation": {
"alternateName": "University Hospital Cologne",
"id": "https://www.grid.ac/institutes/grid.411097.a",
"name": [
"Klinik\u00a0I f\u00fcr Innere Medizin, Universit\u00e4tsklinikum K\u00f6ln, Kerpener Str.\u00a062, 50937, K\u00f6ln, Deutschland"
],
"type": "Organization"
},
"familyName": "Kron",
"givenName": "F.",
"id": "sg:person.01061237641.41",
"sameAs": [
"https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01061237641.41"
],
"type": "Person"
},
{
"affiliation": {
"alternateName": "University Hospital Cologne",
"id": "https://www.grid.ac/institutes/grid.411097.a",
"name": [
"Klinik\u00a0I f\u00fcr Innere Medizin, Universit\u00e4tsklinikum K\u00f6ln, Kerpener Str.\u00a062, 50937, K\u00f6ln, Deutschland"
],
"type": "Organization"
},
"familyName": "Hallek",
"givenName": "M.",
"id": "sg:person.01025161256.58",
"sameAs": [
"https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01025161256.58"
],
"type": "Person"
}
],
"citation": [
{
"id": "sg:pub.10.1007/s00103-016-2316-9",
"sameAs": [
"https://app.dimensions.ai/details/publication/pub.1013183508",
"https://doi.org/10.1007/s00103-016-2316-9"
],
"type": "CreativeWork"
},
{
"id": "sg:pub.10.1007/978-3-662-49012-9_2",
"sameAs": [
"https://app.dimensions.ai/details/publication/pub.1034116250",
"https://doi.org/10.1007/978-3-662-49012-9_2"
],
"type": "CreativeWork"
},
{
"id": "sg:pub.10.1007/s00761-017-0283-x",
"sameAs": [
"https://app.dimensions.ai/details/publication/pub.1091294461",
"https://doi.org/10.1007/s00761-017-0283-x"
],
"type": "CreativeWork"
},
{
"id": "sg:pub.10.1007/s00761-017-0283-x",
"sameAs": [
"https://app.dimensions.ai/details/publication/pub.1091294461",
"https://doi.org/10.1007/s00761-017-0283-x"
],
"type": "CreativeWork"
}
],
"datePublished": "2018-10",
"datePublishedReg": "2018-10-01",
"description": "Der wissenschaftliche Fortschritt in der Onkologie ist immens und hat zahlreiche Implikationen f\u00fcr die zuk\u00fcnftige Krebsforschung und die Patientenversorgung. Eine wesentliche Herausforderung besteht in der Verkn\u00fcpfung von klinischen und genomischen Daten aus der Forschung und Routineversorgung \u00fcber Sektoren hinweg zur Schaffung von \u201ereal-world evidence\u201c. Das Ziel muss sein, Informationen und somit Wissen aus der Versorgungsrealit\u00e4t f\u00fcr zuk\u00fcnftige Therapien zu gewinnen, um nicht zuletzt innovative Medikamente und Verfahren rasch in die Regelversorgung zu transferieren. Bestehende Kompetenz- und Versorgungsstrukturen in der Onkologie wurden analysiert sowie Instrumentarien und Faktoren zur F\u00f6rderung evaluiert. Eine wichtige Netzwerkplattform bieten Studiengruppen und Kompetenzzentren in der Onkologie, v.\u202fa. im Bereich der H\u00e4matologie. Ein Ziel dieser Netzwerke ist die kontinuierliche Verbesserung von Therapien durch den Transfer aktueller Forschungsergebnisse in die Patientenversorgung. Patientenverlaufsdaten werden dabei in Registerdatenbanken dokumentiert und bieten die Grundlage f\u00fcr den Erkenntnisgewinn. Die F\u00f6rderung von Kompetenz- und Netzwerkzentren in der Onkologie ist essenziell zur Weiterentwicklung von innovativen Therapie- und Behandlungsmethoden. Dabei werden digitale Instrumente zur Datenaggregation und -analyse angesichts steigender Datenmengen v.\u202fa. im Bereich der personalisierten Medizin immer wichtiger. Digitale Informations- und Kommunikationstechnologien im Gesundheitswesen werden dabei helfen, Schnittstellen zwischen bestehenden Krankenhausinformationssystemen und Datenbanken von dezentralen Netzwerkpartnern effizient zu verbinden. Investitionen der Krankenh\u00e4user und Netzwerke in diesem Bereich sind unumg\u00e4nglich.",
"genre": "research_article",
"id": "sg:pub.10.1007/s12312-018-0471-7",
"inLanguage": [
"de"
],
"isAccessibleForFree": false,
"isPartOf": [
{
"id": "sg:journal.1327789",
"issn": [
"0947-0255",
"2190-9784"
],
"name": "Forum",
"type": "Periodical"
},
{
"issueNumber": "5",
"type": "PublicationIssue"
},
{
"type": "PublicationVolume",
"volumeNumber": "33"
}
],
"name": "Wissen generierende Versorgung in der Onkologie",
"pagination": "345-350",
"productId": [
{
"name": "readcube_id",
"type": "PropertyValue",
"value": [
"e8f32cdc9ce29f95942134001fc037b53df08e43f18bcbffc2f93c875061e59b"
]
},
{
"name": "doi",
"type": "PropertyValue",
"value": [
"10.1007/s12312-018-0471-7"
]
},
{
"name": "dimensions_id",
"type": "PropertyValue",
"value": [
"pub.1107553496"
]
}
],
"sameAs": [
"https://doi.org/10.1007/s12312-018-0471-7",
"https://app.dimensions.ai/details/publication/pub.1107553496"
],
"sdDataset": "articles",
"sdDatePublished": "2019-04-10T19:16",
"sdLicense": "https://scigraph.springernature.com/explorer/license/",
"sdPublisher": {
"name": "Springer Nature - SN SciGraph project",
"type": "Organization"
},
"sdSource": "s3://com-uberresearch-data-dimensions-target-20181106-alternative/cleanup/v134/2549eaecd7973599484d7c17b260dba0a4ecb94b/merge/v9/a6c9fde33151104705d4d7ff012ea9563521a3ce/jats-lookup/v90/0000000001_0000000264/records_8678_00000560.jsonl",
"type": "ScholarlyArticle",
"url": "https://link.springer.com/10.1007%2Fs12312-018-0471-7"
}
]
Download the RDF metadata as: json-ld nt turtle xml License info
JSON-LD is a popular format for linked data which is fully compatible with JSON.
curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/s12312-018-0471-7'
N-Triples is a line-based linked data format ideal for batch operations.
curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/s12312-018-0471-7'
Turtle is a human-readable linked data format.
curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/s12312-018-0471-7'
RDF/XML is a standard XML format for linked data.
curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/s12312-018-0471-7'
This table displays all metadata directly associated to this object as RDF triples.
72 TRIPLES
20 PREDICATES
28 URIs
19 LITERALS
7 BLANK NODES