Filtern
Volltext vorhanden
- ja (475) (entfernen)
Gehört zur Bibliographie
- ja (475)
Erscheinungsjahr
- 2022 (475) (entfernen)
Dokumenttyp
- Dissertation (475) (entfernen)
Schlagworte
- Topologischer Isolator (8)
- Biomarker (7)
- Multiple Sklerose (6)
- Schlaganfall (6)
- Autoantikörper (5)
- Bor (5)
- HgTe (5)
- Quecksilbertellurid (5)
- T-Lymphozyt (5)
- Tissue Engineering (5)
Institut
- Graduate School of Life Sciences (101)
- Physikalisches Institut (23)
- Institut für Anorganische Chemie (22)
- Medizinische Klinik und Poliklinik I (22)
- Theodor-Boveri-Institut für Biowissenschaften (21)
- Neurologische Klinik und Poliklinik (18)
- Medizinische Klinik und Poliklinik II (17)
- Institut für Informatik (14)
- Institut für Organische Chemie (13)
- Institut für Psychologie (13)
Sonstige beteiligte Institutionen
- Fraunhofer-Institut für Silicatforschung ISC (3)
- Helmholtz Institute for RNA-based Infection Research (HIRI) (2)
- Abteilung Molekulare Innere Medizin (1)
- Bugando Medical Center in Mwanza, Tansania (1)
- CHC Würzburg (Comprehensive Hearing Center) (1)
- Catholic University of Health and Allied Sciences in Mwanza, Tansania (1)
- Comprehensive Hearing Center (1)
- Department of Cellular Therapies, University of Navarra, Pamplona, Spain (1)
- Department of X-ray Microscopy, University of Würzburg, Würzburg, Germany (1)
- Deutsches Klimaservice Zentrum (GERICS) (1)
EU-Projektnummer / Contract (GA) number
- 320377 (1)
The investigation of the Earth system and interplays between its components is of utmost importance to enhance the understanding of the impacts of global climate change on the Earth's land surface. In this context, Earth observation (EO) provides valuable long-term records covering an abundance of land surface variables and, thus, allowing for large-scale analyses to quantify and analyze land surface dynamics across various Earth system components. In view of this, the geographical entity of river basins was identified as particularly suitable for multivariate time series analyses of the land surface, as they naturally cover diverse spheres of the Earth. Many remote sensing missions with different characteristics are available to monitor and characterize the land surface. Yet, only a few spaceborne remote sensing missions enable the generation of spatio-temporally consistent time series with equidistant observations over large areas, such as the MODIS instrument.
In order to summarize available remote sensing-based analyses of land surface dynamics in large river basins, a detailed literature review of 287 studies was performed and several research gaps were identified. In this regard, it was found that studies rarely analyzed an entire river basin, but rather focused on study areas at subbasin or regional scale. In addition, it was found that transboundary river basins remained understudied and that studies largely focused on selected riparian countries. Moreover, the analysis of environmental change was generally conducted using a single EO-based land surface variable, whereas a joint exploration of multivariate land surface variables across spheres was found to be rarely performed.
To address these research gaps, a methodological framework enabling (1) the preprocessing and harmonization of multi-source time series as well as (2) the statistical analysis of a multivariate feature space was required. For development and testing of a methodological framework that is transferable in space and time, the transboundary river basins Indus, Ganges, Brahmaputra, and Meghna (IGBM) in South Asia were selected as study area, having a size equivalent to around eight times the size of Germany. These basins largely depend on water resources from monsoon rainfall and High Mountain Asia which holds the largest ice mass outside the polar regions. In total, over 1.1 billion people live in this region and in parts largely depend on these water resources which are indispensable for the world's largest connected irrigated croplands and further domestic needs as well. With highly heterogeneous geographical settings, these river basins allow for a detailed analysis of the interplays between multiple spheres, including the anthroposphere, biosphere, cryosphere, hydrosphere, lithosphere, and atmosphere.
In this thesis, land surface dynamics over the last two decades (December 2002 - November 2020) were analyzed using EO time series on vegetation condition, surface water area, and snow cover area being based on MODIS imagery, the DLR Global WaterPack and JRC Global Surface Water Layer, as well as the DLR Global SnowPack, respectively. These data were evaluated in combination with further climatic, hydrological, and anthropogenic variables to estimate their influence on the three EO land surface variables. The preprocessing and harmonization of the time series was conducted using the implemented framework. The resulting harmonized feature space was used to quantify and analyze land surface dynamics by means of several statistical time series analysis techniques which were integrated into the framework. In detail, these methods involved (1) the calculation of trends using the Mann-Kendall test in association with the Theil-Sen slope estimator, (2) the estimation of changes in phenological metrics using the Timesat tool, (3) the evaluation of driving variables using the causal discovery approach Peter and Clark Momentary Conditional Independence (PCMCI), and (4) additional correlation tests to analyze the human influence on vegetation condition and surface water area.
These analyses were performed at annual and seasonal temporal scale and for diverse spatial units, including grids, river basins and subbasins, land cover and land use classes, as well as elevation-dependent zones. The trend analyses of vegetation condition mostly revealed significant positive trends. Irrigated and rainfed croplands were found to contribute most to these trends. The trend magnitudes were particularly high in arid and semi-arid regions. Considering surface water area, significant positive trends were obtained at annual scale. At grid scale, regional and seasonal clusters with significant negative trends were found as well. Trends for snow cover area mostly remained stable at annual scale, but significant negative trends were observed in parts of the river basins during distinct seasons. Negative trends were also found for the elevation-dependent zones, particularly at high altitudes. Also, retreats in the seasonal duration of snow cover area were found in parts of the river basins. Furthermore, for the first time, the application of the causal discovery algorithm on a multivariate feature space at seasonal temporal scale revealed direct and indirect links between EO land surface variables and respective drivers. In general, vegetation was constrained by water availability, surface water area was largely influenced by river discharge and indirectly by precipitation, and snow cover area was largely controlled by precipitation and temperature with spatial and temporal variations. Additional analyses pointed towards positive human influences on increasing trends in vegetation greenness. The investigation of trends and interplays across spheres provided new and valuable insights into the past state and the evolution of the land surface as well as on relevant climatic and hydrological driving variables. Besides the investigated river basins in South Asia, these findings are of great value also for other river basins and geographical regions.
Breaking inversion symmetry in crystalline solids enables the formation of spin-polarized electronic states by spin-orbit coupling without the need for magnetism. A variety of interesting physical phenomena related to this effect have been intensively investigated in recent years, including the Rashba effect, topological insulators and Weyl semimetals. In this work, the interplay of inversion symmetry breaking and spin-orbit coupling and, in particular their general influence on the character of electronic states, i.e., on the spin and orbital degrees of freedom, is investigated experimentally. Two different types of suitable model systems are studied: two-dimensional surface states for which the Rashba effect arises from the inherently broken inversion symmetry at the surface, and a Weyl semimetal, for which inversion symmetry is broken in the three-dimensional crystal structure. Angle-resolved photoelectron spectroscopy provides momentum-resolved access to the spin polarization and the orbital composition of electronic states by means of photoelectron spin detection and dichroism with polarized light. The experimental results shown in this work are also complemented and supported by ab-initio density functional theory calculations and simple model considerations.
Altogether, it is shown that the breaking of inversion symmetry has a decisive influence on the Bloch wave function, namely, the formation of an orbital angular momentum. This mechanism is, in turn, of fundamental importance both for the physics of the surface Rashba effect and the topology of the Weyl semimetal TaAs.
In der vorliegenden Studie wurden QST, QSART, Hautbiopsien und Fragebögen
genutzt, um die Beteiligung kleiner Nervenfasern bei verschiedenen Formen der
Immunneuropathien zu untersuchen. Wir konnten hierbei eine signifikante
Beeinträchtigung der thermischen Reizleitung bei CIDP- und MADSAM-Patient/-innen
nachweisen sowie eine signifikant reduzierte Schweißproduktion am distalen
Unterschenkel bei MADSAM-Patient/-innen. Diese Ergebnisse belegen in allen drei
Untergruppen der immunvermittelten Neuropathien eine Beteiligung kleiner auch
unmyelinisierter Nervenfasertypen. MADSAM- und CIDP-Patient/-innen wiesen in der
QST ein ähnliches Schädigungsmuster auf. Dagegen unterschieden sie sich signifikant
in der QSART. Diese Ergebnisse können als weiterer Hinweis auf unterschiedliche
zugrundeliegende Pathomechanismen verstanden werden. MMN-Patient/-innen wiesen
insgesamt die geringste Small-Fiber-Beteiligung in den quantitativen Testungen auf.
Auch lagen bei MMN-Patient/-innen durchschnittlich die geringsten Schmerz-Scores und
autonomen Symptome vor. Es zeigten sich wenig signifikante Unterschiede zwischen
seropositiven und seronegativen Neuropathie-Patient/-innen. Diese jedoch bestätigten
unsere Hypothese einer etwas geringeren Small-Fiber-Beteiligung bei seropositiven
Patient/-innen. Bei der Vielzahl an unterschiedlichen Pathomechanismen innerhalb der
immunvermittelten Neuropathien erscheinen weitere Subklassifizierungen für eine
optimale Diagnosestellung und Therapie unabdingbar. Diese Arbeit konnte mit den oben
genannten Untersuchungen einen weiteren Beitrag zur Identifikation von klinischen und
quantitativen Unterschieden innerhalb dieser großen Erkrankungsgruppe leisten.
Künftige, größere Studien dieser Art können möglicherweise hier nur als Tendenzen
gesehene Erkenntnisse belegen und sollten durch zusätzliche Informationen wie
Korrelation zu Krankheitsdauer, Therapie, Laborchemie und elektrophysiologischen
Untersuchen weitere interessante Erkenntnisse liefern.
The importance of proactive and timely prediction of critical events is steadily increasing, whether in the manufacturing industry or in private life. In the past, machines in the manufacturing industry were often maintained based on a regular schedule or threshold violations, which is no longer competitive as it causes unnecessary costs and downtime. In contrast, the predictions of critical events in everyday life are often much more concealed and hardly noticeable to the private individual, unless the critical event occurs. For instance, our electricity provider has to ensure that we, as end users, are always supplied with sufficient electricity, or our favorite streaming service has to guarantee that we can watch our favorite series without interruptions. For this purpose, they have to constantly analyze what the current situation is, how it will develop in the near future, and how they have to react in order to cope with future conditions without causing power outages or video stalling.
In order to analyze the performance of a system, monitoring mechanisms are often integrated to observe characteristics that describe the workload and the state of the system and its environment. Reactive systems typically employ thresholds, utility functions, or models to determine the current state of the system. However, such reactive systems cannot proactively estimate future events, but only as they occur. In the case of critical events, reactive determination of the current system state is futile, whereas a proactive system could have predicted this event in advance and enabled timely countermeasures. To achieve proactivity, the system requires estimates of future system states. Given the gap between design time and runtime, it is typically not possible to use expert knowledge to a priori model all situations a system might encounter at runtime. Therefore, prediction methods must be integrated into the system. Depending on the available monitoring data and the complexity of the prediction task, either time series forecasting in combination with thresholding or more sophisticated machine and deep learning models have to be trained.
Although numerous forecasting methods have been proposed in the literature, these methods have their advantages and disadvantages depending on the characteristics of the time series under consideration. Therefore, expert knowledge is required to decide which forecasting method to choose. However, since the time series observed at runtime cannot be known at design time, such expert knowledge cannot be implemented in the system. In addition to selecting an appropriate forecasting method, several time series preprocessing steps are required to achieve satisfactory forecasting accuracy. In the literature, this preprocessing is often done manually, which is not practical for autonomous computing systems, such as Self-Aware Computing Systems. Several approaches have also been presented in the literature for predicting critical events based on multivariate monitoring data using machine and deep learning. However, these approaches are typically highly domain-specific, such as financial failures, bearing failures, or product failures. Therefore, they require in-depth expert knowledge. For this reason, these approaches cannot be fully automated and are not transferable to other use cases. Thus, the literature lacks generalizable end-to-end workflows for modeling, detecting, and predicting failures that require only little expert knowledge.
To overcome these shortcomings, this thesis presents a system model for meta-self-aware prediction of critical events based on the LRA-M loop of Self-Aware Computing Systems. Building upon this system model, this thesis provides six further contributions to critical event prediction. While the first two contributions address critical event prediction based on univariate data via time series forecasting, the three subsequent contributions address critical event prediction for multivariate monitoring data using machine and deep learning algorithms. Finally, the last contribution addresses the update procedure of the system model. Specifically, the seven main contributions of this thesis can be summarized as follows:
First, we present a system model for meta self-aware prediction of critical events. To handle both univariate and multivariate monitoring data, it offers univariate time series forecasting for use cases where a single observed variable is representative of the state of the system, and machine learning algorithms combined with various preprocessing techniques for use cases where a large number of variables are observed to characterize the system’s state. However, the two different modeling alternatives are not disjoint, as univariate time series forecasts can also be included to estimate future monitoring data as additional input to the machine learning models. Finally, a feedback loop is incorporated to monitor the achieved prediction quality and trigger model updates.
We propose a novel hybrid time series forecasting method for univariate, seasonal time series, called Telescope. To this end, Telescope automatically preprocesses the time series, performs a kind of divide-and-conquer technique to split the time series into multiple components, and derives additional categorical information. It then forecasts the components and categorical information separately using a specific state-of-the-art method for each component. Finally, Telescope recombines the individual predictions. As Telescope performs both preprocessing and forecasting automatically, it represents a complete end-to-end approach to univariate seasonal time series forecasting. Experimental results show that Telescope achieves enhanced forecast accuracy, more reliable forecasts, and a substantial speedup. Furthermore, we apply Telescope to the scenario of predicting critical events for virtual machine auto-scaling. Here, results show that Telescope considerably reduces the average response time and significantly reduces the number of service level objective violations.
For the automatic selection of a suitable forecasting method, we introduce two frameworks for recommending forecasting methods. The first framework extracts various time series characteristics to learn the relationship between them and forecast accuracy. In contrast, the other framework divides the historical observations into internal training and validation parts to estimate the most appropriate forecasting method. Moreover, this framework also includes time series preprocessing steps. Comparisons between the proposed forecasting method recommendation frameworks and the individual state-of-the-art forecasting methods and the state-of-the-art forecasting method recommendation approach show that the proposed frameworks considerably improve the forecast accuracy.
With regard to multivariate monitoring data, we first present an end-to-end workflow to detect critical events in technical systems in the form of anomalous machine states. The end-to-end design includes raw data processing, phase segmentation, data resampling, feature extraction, and machine tool anomaly detection. In addition, the workflow does not rely on profound domain knowledge or specific monitoring variables, but merely assumes standard machine monitoring data. We evaluate the end-to-end workflow using data from a real CNC machine. The results indicate that conventional frequency analysis does not detect the critical machine conditions well, while our workflow detects the critical events very well with an F1-score of almost 91%.
To predict critical events rather than merely detecting them, we compare different modeling alternatives for critical event prediction in the use case of time-to-failure prediction of hard disk drives. Given that failure records are typically significantly less frequent than instances representing the normal state, we employ different oversampling strategies. Next, we compare the prediction quality of binary class modeling with downscaled multi-class modeling. Furthermore, we integrate univariate time series forecasting into the feature generation process to estimate future monitoring data. Finally, we model the time-to-failure using not only classification models but also regression models. The results suggest that multi-class modeling provides the overall best prediction quality with respect to practical requirements. In addition, we prove that forecasting the features of the prediction model significantly improves the critical event prediction quality.
We propose an end-to-end workflow for predicting critical events of industrial machines. Again, this approach does not rely on expert knowledge except for the definition of monitoring data, and therefore represents a generalizable workflow for predicting critical events of industrial machines. The workflow includes feature extraction, feature handling, target class mapping, and model learning with integrated hyperparameter tuning via a grid-search technique. Drawing on the result of the previous contribution, the workflow models the time-to-failure prediction in terms of multiple classes, where we compare different labeling strategies for multi-class classification. The evaluation using real-world production data of an industrial press demonstrates that the workflow is capable of predicting six different time-to-failure windows with a macro F1-score of 90%. When scaling the time-to-failure classes down to a binary prediction of critical events, the F1-score increases to above 98%.
Finally, we present four update triggers to assess when critical event prediction models should be re-trained during on-line application. Such re-training is required, for instance, due to concept drift. The update triggers introduced in this thesis take into account the elapsed time since the last update, the prediction quality achieved on the current test data, and the prediction quality achieved on the preceding test data. We compare the different update strategies with each other and with the static baseline model. The results demonstrate the necessity of model updates during on-line application and suggest that the update triggers that consider both the prediction quality of the current and preceding test data achieve the best trade-off between prediction quality and number of updates required.
We are convinced that the contributions of this thesis constitute significant impulses for the academic research community as well as for practitioners. First of all, to the best of our knowledge, we are the first to propose a fully automated, end-to-end, hybrid, component-based forecasting method for seasonal time series that also includes time series preprocessing. Due to the combination of reliably high forecast accuracy and reliably low time-to-result, it offers many new opportunities in applications requiring accurate forecasts within a fixed time period in order to take timely countermeasures. In addition, the promising results of the forecasting method recommendation systems provide new opportunities to enhance forecasting performance for all types of time series, not just seasonal ones. Furthermore, we are the first to expose the deficiencies of the prior state-of-the-art forecasting method recommendation system.
Concerning the contributions to critical event prediction based on multivariate monitoring data, we have already collaborated closely with industrial partners, which supports the practical relevance of the contributions of this thesis. The automated end-to-end design of the proposed workflows that do not demand profound domain or expert knowledge represents a milestone in bridging the gap between academic theory and industrial application. Finally, the workflow for predicting critical events in industrial machines is currently being operationalized in a real production system, underscoring the practical impact of this thesis.
In der vorliegenden experimentellen Arbeit wurde in in-vitro-Modellen der Zusammenhang zwischen Expression der Tumorantigene MAGE-A (melanoma-associated antigenes) und der Wirksamkeit von Chemotherapeutika untersucht. Die MAGE-Antigene MAGE-A1 bis MAGE-A12 (ohne A7) kommen in diversen malignen Tumoren vor; neben Melanomen auch in Tumoren der Lunge, Brust, Prostata, Ovarien, Harnblase, des Gastrointestinal-Trakts und des Kopf-Hals-Bereichs. Bereits vielfach wurden Zusammenhänge zwischen MAGE-A-Tumorantigen-Expression und einer erhöhten Tumorinvasivität, Zellproliferation, Metastasierungsrate und kürzerem Überleben hergestellt. In dieser Arbeit gelang nun der erstmalige Nachweis, dass MAGE-A-Tumorantigene die chemotherapeutische Wirksamkeit beeinflussen. Zunächst gelang der Nachweis, dass die Expression von MAGE-A11 mit geringer Cisplatin-Wirksamkeit korreliert. Eine im Anschluss generierte MAGE-A11 überexprimierende Zelllinie zeigte ein durchschnittlich um 9 % schlechteres Ansprechen auf Cisplatin als die Kontrollzelllinie.
Although the field of fungal infections advanced tremendously, diagnosis of invasive pulmonary aspergillosis (IPA) in immunocompromised patients continues to be a challenge. Since IPA is a multifactorial disease, investigation from different aspects may provide new insights, helpful for improving IPA diagnosis. This work aimed to characterize the human immune response to Aspergillus fumigatus in a multilevel manner to identify characteristic molecular candidates and risk factors indicating IPA, which may in the future support already established diagnostic assays. We combined in vitro studies using myeloid cells infected with A. fumigatus and longitudinal case-control studies investigating patients post allogeneic stem cell transplantation (alloSCT) suffering from IPA and their match controls.
Characteristic miRNA and mRNA signatures indicating A. fumigatus-infected monocyte-derived dendritic cells (moDCs) demonstrated the potential to differentiate between A. fumigatus and Escherichia coli infection. Transcriptome and protein profiling of alloSCT patients suffering from IPA and their matched controls revealed a distinctive IPA signature consisting of MMP1 induction and LGAL2 repression in combination with elevated IL-8 and caspase-3 levels. Both, in vitro and case-control studies, suggested cytokines, matrix-metallopeptidases and galectins are important in the immune response to A. fumigatus. Identified IPA characteristic molecular candidates are involved in numerous processes, thus a combination of these in a distinctive signature may increase the specificity. Finally, low monocyte counts, severe GvHD of the gut (grade ≥ 2) and etanercept administration were significantly associated with IPA diagnosis post alloSCT. Etanercept in monocyte-derived macrophages (MDM) infected with A. fumigatus downregulates genes involved in the NF-κB and TNF-α pathway and affects the secretion of CXCL10.
Taken together, identified characteristic molecular signatures and risk factors indicating IPA may in the future in combination with established fungal biomarkers overcome current diagnostic challenges and help to establish tailored antifungal therapy. Therefore, further multicentre studies are encouraged to evaluate reported findings.
Das Ziel dieser Arbeit war neue Eingangsdaten für die Landoberflächenbeschreibung des regionalen Klimamodells REMO zu finden und ins Modell zu integrieren, um die Vorhersagequalität des Modells zu verbessern. Die neuen Daten wurden so in das Modell eingebaut, dass die bisherigen Daten weiterhin als Option verfügbar sind. Dadurch kann überprüft werden, ob und in welchem Umfang sich die von jedem Klimamodell benötigten Rahmendaten auf Modellergebnisse auswirken. Im Zuge der Arbeit wurden viele unterschiedliche Daten und Methoden zur Generierung neuer Parameter miteinander verglichen, denn neben dem Ersetzen der konstanten Eingangswerte für verschiedene Oberflächenparameter und den damit verbundenen Änderungen wurden als zusätzliche Verbesserung auch Veränderungen an der Parametrisierung des Bodens speziell in Hinblick auf die Bodentemperaturen in REMO vorgenommen. Im Rahmen dieser Arbeit wurden die durch die verschiedenen Änderungen ausgelösten Auswirkungen für das CORDEX-Gebiet EUR-44 mit einer Auflösung von ca. 50km und für das in dem darin eingebetteten neu definierten Deutschlandgebiet GER-11 mit einer Auflösung von ca. 12km getestet sowie alle Änderungen anhand von verschiedenen Beobachtungsdatensätzen validiert.
Die vorgenommenen Arbeiten gliederten sich in drei Hauptteile. Der erste Teil bestand in dem vom eigentlichen Klimamodell unabhängigen Vergleich der verschiedenen Eingangsdaten auf unterschiedlichen Auflösungen und deren Performanz in allen Teilen der Erde, wobei ein besonderer Fokus auf der Qualität in den späteren Modellgebieten lag. Unter Berücksichtigung der Faktoren, wie einer globalen Verfügbarkeit der Daten, einer verbesserten räumlichen Auflösung und einer kostenlosen Nutzung der Daten sowie verschiedener Validationsergebnissen von anderen Studien, wurden in dieser Arbeit vier neue Topographiedatensätze (SRTM, ALOS, TANDEM und ASTER) und drei neue Bodendatensätze (FAOn, Soilgrid und HWSD) für die Verwendung im Präprozess von REMO aufbereitet und miteinander sowie mit den bisher in REMO verwendeten Daten verglichen. Auf Grundlage dieser Vergleichsstudien schieden bei den Topographiedaten die verwendeten Datensatz-Versionen von SRTM, ALOS und TANDEM für die in dieser Arbeit durchgeführten REMO-Läufe aus. Bei den neuen Bodendatensätzen wurde ausgenutzt, dass diese verschiedenen Bodeneigenschaften für unterschiedliche Tiefen als Karten zur Verfügung stellen. In REMO wurden bisher alle benötigten Bodenparameter abhängig von fünf verschiedenen Bodentexturklassen und einer zusätzlichen Torfklasse ausgewiesen und als konstant über die gesamte Modellbodensäule (bis ca. 10m) angenommen. Im zweiten Teil wurden auf Basis der im ersten Teil ausgewählten neuen Datensätze und den neu verfügbaren Bodenvariablen verschiedene Sensitivitätsstudien über das Beispieljahr 2000 durchgeführt. Dabei wurden verschiedene neue Parametrisierungen für die bisher aus der Textur abgeleiteten Bodenvariablen und die Parametrisierung von weiteren hydrologischen und thermalen Bodeneigenschaften verglichen. Ferner wurde aufgrund der neuen nicht über die Tiefe konstanten Bodeneigenschaften eine neue numerische Methode zur Berechnung der Bodentemperaturen der fünf Schichten in REMO getestet, welche wiederum andere Anpassungen erforderte. Der Test und die Auswahl der verschiedenen Datensatz- und Parametrisierungsversionen auf die Modellperformanz wurde in drei Experimentpläne unterteilt. Im ersten Plan wurden die Auswirkungen der ausgewählten Topographie- und Bodendatensätze überprüft. Der zweite Plan behandelte die Unterschiede der verschiedenen Parametrisierungsarten der Bodenvariablen hinsichtlich der verwendeten Variablen zur Berechnung der Bodeneigenschaften, der über die Tiefe variablen oder konstanten Eigenschaften und der verwendeten Berechnungsmethode der Bodentemperaturänderungen. Durch die Erkenntnisse aus diesen beiden Experimentplänen, die für beide Untersuchungsgebiete durchgeführt wurden, ergaben sich im dritten Plan weitere Parametrisierungsänderungen. Alle Änderungen dieses dritten Experimentplans wurden sukzessiv getestet, sodass der paarweise Vergleich von zwei aufeinanderfolgenden Modellläufen die Auswirkungen der Neuerung im jeweils zweiten Lauf widerspiegelt. Der letzte Teil der Arbeit bestand aus der Analyse von fünf längeren Modellläufen (2000-2018), die zur Überprüfung der Ergebnisse aus den Sensitivitätsstudien sowie zur Einschätzung der Performanz in weiteren teilweise extremen atmosphärischen Bedingungen durchgeführt wurden. Hierfür wurden die bisherige Modellversion von REMO (id01) für die beiden Untersuchungsgebiete EUR-44 und GER-11 als Referenzläufe, zwei aufgrund der Vergleichsergebnisse von Experimentplan 3 selektierte Modellversionen (id06 und id15a für GER-11) sowie die finale Version (id18a für GER-11), die alle vorgenommenen Änderungen dieser Arbeit enthält, ausgewählt.
Es stellte sich heraus, dass sowohl die neuen Topographiedaten als auch die neuen Bodendaten große Differenzen zu den bisherigen Daten in REMO haben. Zudem änderten sich die von diesen konstanten Eingangsdaten abgeleiteten Hilfsvariablen je nach verwendeter Parametrisierung sehr deutlich. Dies war besonders gut anhand der Bodenparameter zu erkennen. Sowohl die räumliche Verteilung als auch der Wertebereich der verschiedenen Modellversionen unterschieden sich stark. Eine Einschätzung der Qualität der resultierenden Parameter wurde jedoch dadurch erschwert, dass auch die verschiedenen zur Validierung herangezogenen Bodendatensätze für diese Parameter deutlich voneinander abweichen. Die finale Modellversion id18a ähnelte trotz der umfassenden Änderungen in den meisten Variablen den Ergebnissen der bisherigen REMO-Version. Je nach zeitlicher und räumlicher Aggregation sowie unterschiedlichen Regionen und Jahreszeiten wurden leichte Verbesserungen, aber auch leichte Verschlechterungen im Vergleich zu den klimatologischen Validationsdaten festgestellt. Größere Veränderungen im Vergleich zur bisherigen Modellversion konnten in den tieferen Bodenschichten aufgezeigt werden, welche allerdings aufgrund von fehlenden Validationsdaten nicht beurteilt werden konnten. Für alle 2m-Temperaturen konnte eine tendenzielle leichte Erwärmung im Vergleich zum bisherigen Modelllauf beobachtet werden, was sich einerseits negativ auf die ohnehin durchschnittlich zu hohe Minimumtemperatur, aber andererseits positiv auf die bisher zu niedrige Maximumtemperatur des Modells in den betrachteten Gebieten auswirkte. Im Niederschlagssignal und in den 10m-Windvariablen konnten keine signifikanten Änderungen nachgewiesen werden, obwohl die neue Topographie an manchen Stellen im Modellgebiet deutlich von der bisherigen abweicht. Des Weiteren variierte das Ranking der verschiedenen Modellversionen jeweils nach dem angewendeten Qualitätsindex.
Um diese Ergebnisse besser einordnen zu können, muss berücksichtigt werden, dass die neuen Daten für Modellgebiete mit 50 bzw. 12km räumlicher Auflösung und der damit verbundenen hydrostatischen Modellversion getestet wurden. Zudem sind vor allem in Fall der Topographie die bisher enthaltenen GTOPO-Daten (1km Auflösung) für die Aggregation auf diese gröbere Modellauflösung geeignet. Die bisherigen Bodendaten stoßen jedoch mit 50km Auflösung bereits an ihre Grenzen. Zusätzlich ist zu beachten, dass nicht nur die Mittelwerte dieser Daten, sondern auch deren Subgrid-Variabilität als Variablen im Modell für verschiedene Parametrisierungen verwendet werden. Daher ist es essentiell, dass die Eingangsdaten eine deutlich höhere Auflösung bereitstellen als die zur Modellierung definierte Auflösung. Für lokale Klimasimulationen mit Auflösungen im niedrigen Kilometerbereich spielen auch die Vertikalbewegungen (nicht-hydrostatische Modellversion) eine wichtige Rolle, die stark von der Topographie sowie deren horizontaler und vertikaler Änderungsrate beeinflusst werden, was die in dieser Arbeit eingebauten wesentlich höher aufgelösten Daten für die zukünftige Weiterentwicklung von REMO wertvoll machen kann.
Es wird vermutet, dass das ösophageale Adenokarzinom (EAC) durch gastroosophagealen Reflux auf dem Boden des Barrett-Ösophagus (BE) entsteht. Bei der Tumorprogression könnten Matrix-Metalloproteasen eine wichtige Rolle spielen.
Die Expression von MMP-1 und MMP-13 wurde im Ösophaguskarziom (n=41 EAC mit BE, n=19 EAC ohne BE, n=10 Plattenepithelkarzinom, ESCC) sowie im nicht-dysplastischen BE (n=18) untersucht. Die Koexpression von MMP-1 und Cdx-2 (intestinale Metaplasie) und die Koexpression von MMP-1 und Ki-67 (Proliferation) wurde mittels Immunhistochemie und auf mRNA-Ebene untersucht. Die Ergebnisse wurde mit klinisch-pathologischen Eigenschaften korreliert.
Im gesunden Plattenepithel wurde weder MMP-1 noch MMP-13 exprimiert. In allen EAC ohne BE wurde MMP-1 exprimiert (100%). Im EAC mit BE, war in 95% MMP-1 im EAC nachweisbar. Die Expression von MMP-1 im BE ohne IN lag bei 56%. Das ESCC exprimierte in 60% MMP-1. Bei der quantitativen Analyse zeigten sich 48% MMP-1 positive Zellen im EAC mit BE und 35% im angrenzendem BE (p<0,05). Mit 44% MMP-1 positiver Zellen im EAC ohne BE, lag die Expression signifikant über der im BE mit EAC (p<0,05). Im ESCC (32% MMP-1 positiv) lag eine im Vergleich zu allen EACs signifikant geringere Expression vor. Im BE ohne IN waren 4% der Zellen MMP-1 positiv. Die RT-PCR bestätigte die Ergebnisse der IHC auf mRNA-Ebene. Eine Präparate waren negativ für MMP-13. Die Untersuchung der Koexpression von MMP-1 in Ki-67 positiven Zellen zeigte eine starke direkte Korrelation (r=0,943 für BE und r= 0,811 für EAC). Eine hohe MMP-1 Expression war mit einem positiven Lymphknotenstatus assoziiert aber nicht mit einem schlechterem Überleben (p=0,307). Die Ergebnisse zeigen, dass MMP-1 eine wichtige Rolle bei der Invasion und Metastasierung des Barrett assoziierten EAC spielen könnte. Die Assoziation eines positiven Lymphknotenstatus mit hoher MMP-1-Expression spricht dafür, dass MMP-1 ein wichtiger Faktor bei der malignen Progression sein könnte.
Im Rahmen des metabolischen Syndroms bei morbider Adipositas kommt es unter anderem zu Imbalancen im autonomen Nervensystem (ANS): ein Missverhältnis von Sympathikus und Parasympathikus (PS) führt zu einer Dysregulation von orexigenen und anorexigenen Hormonen und konsekutiv zu einer weiteren Gewichtszunahme.
Diese Arbeit untersucht die Auswirkung von bariatrischen Operationen auf das abdominale ANS anhand des parasympathisch regulierten PPP drei Monate nach Intervention. Die Veränderungen der Imbalance wurden mit Hilfe eines modifizierten Sham Feedings (MSF) ermittelt, bei dem nur die kephale Phase der Nahrungsaufnahme durchlaufen und die Mahlzeiten nicht geschluckt wird. Die PPP-Spiegel im Verlauf des MSF sind daher ausschließlich eine Darstellung des PS. Zusätzlich wurden die Verläufe der Insulin- und Glukosewerte bestimmt.
Die PPP-Spiegel der normalgewichtigen Kontrollgruppe sind signifikant höher als die der adipösen Patienten prä- und postoperativ. Die Kurvenverläufe des PPP sind aber zwischen den Gruppen vergleichbar. Somit ist die akute Reaktion des PS auf die Nahrungsaufnahme bei morbider Adipositas zwar unverändert, es zeigt sich aber keine Verbesserung der ANS-Dysfunktion kurz nach Intervention. Die Aufteilung der Patienten in Jüngere und Ältere (verglichen mit dem Durchschnittsalter der Studie) ergibt postoperativ absolut und relativ eine Zunahme der PPP-Spiegel bei den Älteren, während es bei den Jüngeren zu einem Abfall kommt. Bei halbierter Gruppegröße ist die Aussagekraft der Signifikanz jedoch eingeschränkt.
Auch ohne diabetische Stoffwechsellage gleichen sich die Insulin- und Glukosewerte der Patienten post-OP denen der Kontrollen an. Eine mögliche Ursache hierfür ist aber nicht nur eine primäre ANS-Verbesserung, denn vor allem in der ersten postoperativen Phase scheint die starke Nahrungsmittelrestriktion mehr Auswirkungen zu haben. Eine spätere Besserung der ANS-Imbalance durch z.B. Gewichtsverlust ist jedoch nicht ausgeschlossen.
Viele Studien weisen auf einen Zusammenhang zwischen einer verlängerten QTc-Zeit und dem Auftreten von Torsade-de-Pointes-Tachyarrhythmien und dem plötzlichen Herztod hin. Auch AV-Blockierungen und Schenkelblöcke
erhöhen das Risiko für kardiale Erkrankungen und Ereignisse deutlich. Eine direkte Beziehung zwischen Serumspiegeln der trizyklischen Antidepressiva
und der Verlängerung der PQ-, QRS- oder QTc-Zeit wurde bisher jedoch nicht untersucht.
Aus diesem Anlass wurde in dieser Arbeit nun versucht, eine Korrelation zwischen den Serumspiegeln der trizyklischen Antidepressiva Amitriptylin und
Doxepin bzw. ihrer Metabolite und einigen EKG-Parametern zu identifizieren und zu beschreiben. Hierfür wurden die Daten von 172 Patienten der Klinik und
Poliklinik für Psychiatrie, Psychosomatik und Psychotherapie untersucht, die eine Serumspiegelbestimmung des Talspiegels im Steady-State der TZA einen Tag vor, einen Tag nach oder am selben Tag einer EKG-Ableitung erhalten hatten und
keine pathologischen Elektrolytwerte vorwiesen.
In der Rangkorrelation zeigte sich ein signifikanter positiver Zusammenhang zwischen Nortriptylin-Spiegel und QTcB (r = 0,24; p < 0,05) sowie QTcH (r = 0,205;
p < 0,05), zwischen Nortriptylin und QTcF und QTcLC lag dieser Zusammenhang auf Trendniveau. Zwischen PQ-Zeit und Nortriptylin- (r = 0,226; p < 0,05) sowie
Summenkonzentration (r = 0,195; p < 0,05) zeigte sich ebenfalls ein signifikanter positiver Zusammenhang.
Im Mann-Whitney-U-Test waren die QTc-Zeiten der Patienten mit Summenspiegeln aus Amitriptylin und Nortriptylin jenseits der Warnschwelle
von 300 ng/ml signifikant länger als bei den Patienten mit niedrigeren Summenspiegeln (QTcB = 449 zu 432 ms; QTcF = 423 zu 410 ms; QTcH = 423 zu 410 ms; QTcLC = 421 zu 409 ms; p < 0,05) und auch die PQ-Zeit dieser Gruppe
war signifikant verlängert (PQ = 163 zu 179 ms; p < 0,05). Ähnliches galt für das Patientenkollektiv mit einem Nortriptylin-Spiegel oberhalb des Referenzbereichs von 170 ng/ml. Dieses zeigte signifikant längere
QTc-Zeiten nach allen Korrekturmethoden (QTcB = 457 zu 432 ms; QTcF = 430 zu 409 ms; QTcH = 429 zu 410 ms; QTcLC = 427 zu 409 ms; p < 0,01) und zudem
längere PQ- (164 zu 180 ms; p < 0,05) und QRS-Zeiten (98 zu 107 ms; p = 0,054).
Diese Ergebnisse machen deutlich, dass eine regelmäßige EKG-Kontrolle während der Einnahme von trizyklischen Antidepressiva notwendig ist, um kardiale Nebenwirkungen frühzeitig zu erkennen und diesen vorzubeugen.
Ebenso wichtig sind regelmäßige Serumspiegelbestimmungen, um das Risiko durch erhöhte Serumspiegel jenseits der Warnschwellen bzw. Referenzbereiche frühzeitig zu erkennen. Eine Beachtung der Tagesdosis allein reicht hier explizit nicht aus.