publish.UP (Univ. Potsdam)
Not a member yet
61492 research outputs found
Sort by
Multicomponent rehabilitation to improve independence and functioning in elderly patients with common age-associated diseases
No full textObjective: Multicomponent rehabilitation (MR) could restore functioning in elderly patients after hospitalisation, even beyond geriatrics, but specific evidence seems lacking. This review mapped the evidence on MR in elderly patients following hospitalisation for age-related conditions regarding functioning-related outcomes.
Design: Scoping review.
Data sources: PubMed, Cochrane Library, International Clinical Trials Registry Platform and ClinicalTrials.gov (searched through 24 June 2024).
Eligibility criteria: We included randomised controlled trials (RCT) and controlled cohort studies (CCS) comparing centre-based MR with usual care (medical care excluding exercise training) in patients ≥75 years, hospitalised for age-related cardiac, neurological, oncological and orthopaedic diseases. MR was defined as exercise training and at least one additional component (eg, nutritional counselling), starting within 3 months after hospital discharge. RCTs and CCS were included from inception, without language restriction. Care dependency, physical function, health-related quality of life (HRQL) and activities of daily living (ADL) after ≥6 months follow-up were the outcomes of interest.
Data extraction and synthesis: Four reviewers independently screened titles, abstracts and full texts for inclusion and extracted data. MR components and the typology of outcome assessments used were mapped at the final data synthesis level.
Results: Out of 20 409 records, nine studies were investigated in the final data synthesis. Throughout these studies, disease education was the most frequent MR component besides exercise training, while physical function, HRQL and ADL were commonly assessed outcomes. One RCT (cardiac rehabilitation, 80±0.3 years, MR/usual care n=24/23) fully met the inclusion criteria and reported improvements in physical function (2 months) and in HRQL (2, 8, 14 months post intervention) in MR patients.
Conclusions: Evidence on MR regarding functioning-related outcomes in ≥75-year-old patients is sparse beyond geriatrics. There is an essential need for studies investigating the capabilities of MR in this growing and under-represented patient population.
Trial registration number: OSF (https://doi.org/10.17605/OSF.IO/GFK5C)
Das Thema ‚Migration‘ im fremdsprachlichen Literaturunterricht anhand von Graphic Novels verhandeln
No full textAuthentische Medien wie Literatur, Film und Musik werden häufig im Sprachunterricht verwendet. Comics und Graphic Novels sind jedoch oft nur zweite Wahl oder nicht Teil des Unterrichts. Der Artikel zeigt, wie Graphic Novels im modernen Sprachunterricht verwendet werden können, um komplexe Themen wie ‚Migration‘ auf ansprechendere Weise zu unterrichten. Durch die Kombination von Text und Bildern bieten Graphic Novels einen Zugang zu einem vertieften Textverständnis. Sie ermutigen die Leser:innen durch literarische Räume zwischen den Panels eigene Bedeutungen zu schaffen. Das Thema Migration bietet zudem eine Gelegenheit für interkulturelles und transkulturelles Lernen. Durch Kenntnisse von historischen Ereignissen sowie emotionaler Teilhabe können Schüler:innen Empathie und Toleranz gegenüber anderen Kulturen entwickeln.Authentic media such as literature, film, and music are commonly used in language education, but comics and graphic novels are often second choices or not part of the lessons at all. This article demonstrates how graphic novels can be used in the modern language classroom to teach complex topics such as ‘migration’ in a more engaging way. By combining text and images, graphic novels can provide an approach to a deeper understanding of the text and encourage readers to create their own meaning through the spaces between panels. This aspect, along with others discussed in the article, makes graphic novels a unique and valuable medium for language learners. The topic of migration also offers an opportunity for intercultural and transcultural learning. By learning about historical events and emotional responses, students can develop empathy and tolerance towards other cultures
Entwicklung, Erprobung und Evaluation einer digitalen Lernumgebung zur chemischen Bindung und Formelsprache
No full textExploring global exposure to large landslides
No full textLandslides have significantly contributed to a tenfold increase in global disasters since 1960. These landslides are defined by movements of a mass of rock, debris, or earth down a slope that can culminate in failure or collapse. Currently, half of the global population resides in cities that have expanded onto steeper slopes and into landslide-prone terrain. These growing communities may overlook landslides beneath their settlements and may bring modifications to hillslopes that could increase magnitude and frequency of slope failures. Hence, this raises the risk of landslides for 39 million people worldwide who are exposed to fatal landslides that claim approximately 4,500 lives per year.
In the 21st century, large landslides have claimed hundreds to thousands of lives within a matter of minutes. These landslides are the most devastating form of fatal landslides as they catastrophically fail and involve at least 1 million cubic meters of volume in material or a!ect 0.1 square kilometers in area. However, large landslides are more rare across databases and an atypical focus in landslide research. Hence, a global overview of large landslide exposure has remained elusive.
In three studies, this dissertation reports the first estimates of the current levels of exposure to large landslides and explores how this exposure can change in the future. The three chapters of this dissertation investigate how exposure can be influenced by basin characteristics (i.e. steepness, urbanization and flooding), temporal population trends in mountain regions surrounding metropolitan cities, and the landslide types that form complex landslides.
First, this thesis estimates the exposure of towns and villages established on active and large slow-moving landslides, as of 2015. This first study intersects a new global database of 7,764 reported large slow-moving landslides with human settlement footprint data from 2015 to identify 563 inhabited landslides. These landslides are located in basins across nine regions assessed by the Intergovernmental Panel on Climate Change (IPCC) to contain mountain regions facing future landslide and flood risk. Furthermore, the influence of urbanization, steepness, and flooding on landslide exposure was explored using hierarchical Bayesian regression models for each IPCC region. Approximately one in ten slow-moving landslides could be inhabited in a given basin and built-up areas of human settlements occupy 12% of inhabited slow-moving landslides, on average. Across most IPCC regions, landslide exposure increases with sprawling urbanized areas and flooding may have driven communities to settle on unstable slopes. Furthermore, this chapter shows how communities in mountain regions facing increasing future landslide and flood risk have the least certain insight on slow-moving landslide exposure and their drivers.
Second, this thesis explores temporal trends of large landslide exposure across metropolitan cities (with more than 50,000 inhabitants). The second study shows that built-up areas on 1,085 large landslides have nearly doubled over 30 years using human settlement footprint data from 1985-2015. At least half a million people in cities could be living on large landslides in 129 metropolitan cities across 11 countries. Trends learned from hierarchical Bayesian regression models show that rising large landslide exposure influenced by mountain regions undergoing population growth or rural-urban migration has outpaced growing landslide exposure in urban areas. Furthermore, densely inhabited informal settlements exposed to landslides were found to have grown in mountain cities constrained by steep terrain. Metropolitan cities could continue sprawling onto steeper terrain exposing communities and their assets to large landslides. Overall, the globally rising urban large landslide exposure following pressure from mountain populations should addressed in disaster risk management and climate change adaptation policy for expanding metropolitan cities.
Third, this thesis demonstrates how a topological-based approach can identify landslide types forming complex landslides and contemplates potential for this approach to aid in developing future assessments of landslide exposure. In the third study, random forest classifications models were informed by topological characteristics derived from threedimensional representations of landslide shapes intersected with terrain information from high-resolution digital elevation models. The results of this approach show that topology-based classification models can identify landslide movements with 80-94% accuracy. Furthermore, results show an ability of this approach to identify the landslides types forming complex landslides in the US Pacific Northwestern region. Large landslide areas are frequently mapped without information on their states of activity or a characterization of the hazard formed by complex landslides on their surface. Hence, the simple data required with this approach can improve landslide regional assessments of hazard zones in data-scarce regions. They can also improve the quality of inventories with incomplete, inconsistent, or missing landslide types recorded. The results of this study build towards better input data for scenario-based hazard zone assessments for large complex landslides. Thus, this can enhance our capabilities to improve regional assessments of populations exposed to specific slope failures from particular landslide types within complex landslides in order to prescribe the appropriate protective measures.
The outcome of this thesis addresses tan absent overview of large landslide exposure and demonstrates a path forward to better assess this exposure. I emphasize that integrating zones of hazard specific to landslide failure types can enable better estimates of landslide exposure. I reflect on how rising exposure, if overlooked and underrated in both urban and rural settings, could deepen inequalities that follow from a collapse of even a single landslide. In a world of evolving risks, active intervention measures and policy to address landslide exposure of more vulnerable segments of society are crucial to temper the rise of unequal disaster risk.
I highlight that it is crucial for future research to better connect the disaster risk management and climate change adaptation research communities to manage and inform millions of people of their potential exposure to large landslides. As cities face rising populations that may be exposed to more landslides, deepening our understanding of what may be bringing people into landslide-prone areas will be critical to mitigate future disaster risk and the impacts of global environmental change.Erdrutsche haben erheblich dazu beigetragen, dass sich die Zahl der weltweiten Katastrophen seit 1960 verzehnfacht hat. Bei Erdrutschen bewegen sich Fels-, Schutt- oder Erdmassen einen Hang hinunter, was zu einem Hangversagen oder Einsturz führen kann. Die Hälfte der Weltbevölkerung wohnt in Städten, die sich auf steilere Hänge und in erdrutschgefährdetes Gelände ausgedehnt haben. Wachsende Gemeinden können Erdrutsche unter ihren Siedlungen übersehen und Veränderungen an den Hängen bewirken, die das Ausmaß und die Häufigkeit von Hangrutschen erhöhen können. Dies erhöht das Risiko von Erdrutschen für 39 Millionen Menschen weltweit; sie sind tödlichen Erdrutschen ausgesetzt, die jedes Jahr etwa 4 500 Menschenleben fordern.
Im 21. Jahrhundert haben große Erdrutsche innerhalb weniger Minuten Hunderte bis Tausende von Menschenleben gefordert. Diese Erdrutsche sind die verheerendste Form von tödlichen Erdrutschen, da sie katastrophale Ausmaße annehmen und mindestens 1 Million Kubikmeter an Material umfassen oder eine Fläche von 0,1 Quadratkilometern betre!en. Große Erdrutsche sind jedoch in den Datenbanken seltener zu finden und sind als Schwerpunkt in der Erdrutschforschung unüblich. Daher ist ein globaler Überblick über die Gefährdung durch große Erdrutsche bisher nicht möglich gewesen.
In dieser Dissertation wird in drei Studien eine erste Schätzung des derzeitigen Ausmaßes der Gefährdung durch große Erdrutsche vorgenommen und untersucht, wie sich diese Gefährdung in Zukunft verändern kann. In den drei Kapiteln dieser Dissertation wird untersucht, wie die Gefährdung durch folgende Gebietseigenschaften beeinflusst werden kann: Merkmale des Einzugsgebiets (d. h. Steilheit, Verstädterung und Überschwemmungen), die zeitliche Bevölkerungsentwicklung in den Bergregionen rund um die Großstädte und die Arten von Erdrutschen, die komplexe Erdrutsche bilden.
Zunächst wird in dieser Arbeit die derzeitige, nahezu weltweite Exposition von Städten und Dörfern gegenüber aktiven und großen,
langsam fortschreitenden Erdrutschen geschätzt. In dieser ersten Studie wird eine neue globale Datenbank mit 7.764 gemeldeten großen, sich langsam bewegenden Erdrutschen mit Daten zu Siedlungsflächen aus dem Jahr 2015 verknüpft, um 563 bewohnte Erdrutsche zu identifizieren. Diese Erdrutsche befinden sich in Einzugsgebieten in neun Regionen, die vom Zwischenstaatlichen Ausschuss für Klimaänderungen (IPCC) als Bergregionen mit künftigem Erdrutsch- und Hochwasserrisiko eingestuft wurden. Darüber hinaus wurde der Einfluss von Verstädterung, Steilheit und Überschwemmungen auf die Gefährdung durch Erdrutsche mithilfe hierarchischer Bayes’scher Regressionsmodelle für jede Region untersucht. Etwa einer von zehn langsam fortschreitenden Erdrutschen könnte in einem bestimmten Einzugsgebiet bewohnt sein, und bebaute Siedlungsgebiete machen im Durchschnitt 12% der bewohnten langsam fortschreitenden Erdrutsche aus. In den meisten IPCC-Regionen nimmt die Gefährdung durch Erdrutsche mit zunehmender Verstädterung zu, und Überschwemmungen können Gemeinden dazu veranlasst haben, sich an instabilen Hängen niederzulassen. Darüber hinaus zeigt dieses Kapitel, dass Gemeinden in Bergregionen, die in Zukunft einem zunehmenden Erdrutsch- und Überschwemmungsrisiko ausgesetzt sind, die am wenigsten gesicherten Erkenntnisse über die Gefährdung durch langsam verlaufende Erdrutsche und deren Ursachen haben.
Zweitens werden in dieser Arbeit zeitliche Trends der Gefährdung durch große Erdrutsche in Großstädten (mit mehr als 50.000 Einwohnern) untersucht. Die zweite Studie zeigt, dass sich die bebaute Fläche von 1,085 großen Erdrutschen in den letzten 30 Jahren fast verdoppelt hat, wenn man die Daten zur Siedlungsfläche von 1985 bis 2015 zugrunde legt. Mindestens eine halbe Million Menschen in Städten leben auf großen Erdrutschen in 129 Großstädten in 11 Ländern. Aus hierarchischen Bayes’schen Regressionsmodellen ermittelte Trends zeigen, dass die steigende Gefährdung durch Erdrutsche unter dem Einfluss von Bergregionen, die ein Bevölkerungswachstum oder eine Land-Stadt-Migration erleben, die wachsende Gefährdung in städtischen Gebieten übertri!t. Darüber hinaus wurde festgestellt, dass dicht bewohnte informelle Siedlungen, die von Erdrutschen bedroht sind, in Bergstädten in steilem Gelände gewachsen sind. Großstädte könnten sich weiter in steileres Gelände ausdehnen und Gemeinden und ihre Vermögenswerte großen Erdrutschen aussetzen. Insgesamt kann die global zunehmende Gefährdung durch große Erdrutsche in Städten infolge des Drucks der Bergbevölkerung durch Katastrophenrisikomanagement und eine Politik zur Anpassung an den Klimawandel für expandierende Großstädte angegangen werden.
Drittens zeigt diese Arbeit, wie ein auf Topologie basierender Ansatz Erdrutschtypen identifizieren kann, die komplexe Erdrutsche bilden, und stellt Überlegungen an, wie dieser Ansatz bei der Entwicklung künftiger Bewertungen der Erdrutschgefährdung helfen kann. In der dritten Studie wurden Random-Forest-Klassifizierungsmodelle durch topologische Merkmale informiert, die aus dreidimensionalen Darstellungen von Erdrutschformen abgeleitet und mit Geländeinformationen aus hochauflösenden digitalen Höhenmodellen verschnitten wurden. Die Ergebnisse dieses Ansatzes zeigen, dass topologiebasierte Klassifizierungsmodelle Erdrutschbewegungen mit einer Genauigkeit von 80-94% identifizieren können. Darüber hinaus zeigen die Ergebnisse, dass dieser Ansatz in der Lage ist, die Typen von Erdrutschen zu identifizieren, die komplexe Erdrutsche in der nordwestlichen Pazifikregion der USA bilden. Große Erdrutschgebiete werden häufig ohne Informationen über ihren Aktivitätszustand oder eine Charakterisierung der von komplexen Erdrutschen auf ihrer Oberfläche ausgehenden Gefahr kartiert. Daher können die einfachen Daten, die für diesen Ansatz erforderlich sind, die regionale Bewertung von Erdrutschgebieten in Regionen mit geringem Datenbestand verbessern. Außerdem können sie die Qualität von Verzeichnissen verbessern, in denen unvollständige, inkonsistente oder fehlende Erdrutschtypen erfasst sind. Die Ergebnisse dieser Studie tragen zu besseren Eingangsdaten für szenarienbasierte Bewertungen von Gefahrenzonen für große, komplexe Erdrutsche bei. Dadurch können wir unsere Möglichkeiten erweitern, die regionale Bewertung der Bevölkerung zu verbessern, die durch bestimmte Hangrutschungen innerhalb komplexer Erdrutsche gefährdet ist, um geeignete Schutzmaßnahmen zu verordnen.
Das Ergebnis dieser Arbeit befasst sich mit dem fehlenden Überblick über die Gefährdung durch große Erdrutsche und zeigt einen Weg auf, wie diese Gefährdung besser bewertet werden kann. Ich betone, dass die Integration von Gefahrenzonen, die für die verschiedenen Arten von Erdrutschen spezifisch sind, zu besseren Schätzungen der Gefährdung durch Erdrutsche führen kann. Ich reflektiere darüber, wie die zunehmende Gefährdung, wenn sie sowohl in städtischen als auch in ländlichen Gebieten übersehen und unterschätzt wird, die Ungleichheiten innerhalb der Bevölkerung vertiefen könnte, die aus dem Zusammenbruch auch nur eines einzigen Erdrutsches folgen. In einer Welt der sich entwickelnden Risiken sind aktive Interventionsmaßnahmen und eine Politik, die sich mit der Erdrutschgefährdung von vulnerablen Bevölkerungsgruppen befasst, von entscheidender Bedeutung, um den Anstieg des ungleich verteilten Katastrophenrisikos einzudämmen.
Ich betone, dass es für die künftige Forschung von entscheidender Bedeutung ist, die Forschungsgemeinschaften für Katastrophenrisikomanagement und Anpassung an den Klimawandel besser miteinander zu verbinden, um Millionen von Menschen über ihre potenzielle Gefährdung durch große Erdrutsche zu informieren. Da die Städte mit einer wachsenden Bevölkerung konfrontiert sind, die möglicherweise mehr Erdrutschen ausgesetzt ist, ist ein tieferes Verständnis dessen, was die Menschen in erdrutschgefährdete Gebiete bringt, von entscheidender Bedeutung, um das künftige Katastrophenrisiko und die Auswirkungen der globalen Umweltveränderung zu mindern
Index-Theorie für geometrische elliptische Differentialoperatoren erster Ordnung
No full textThis thesis investigates the Local Index Theorem and the Atiyah-Patodi-Singer Index Theorem for geometric elliptic operators of first order beyond the classical Dirac-type operators.
Chiral geometric operators are introduced as first-order elliptic differential operators whose principal symbols are determined by universal elliptic symbols. The chirality condition ensures that the orientation of a manifold induces a ℤ₂-grading on the bundle upon which the operator acts, rendering the operator odd with respect to this grading. The class of chiral geometric operators includes both the Dirac operator and the Rarita-Schwinger operator.
The Local Index Theorem for chiral geometric operators is then established, demonstrating that the supertrace of the heat kernel converges to a characteristic form as time approaches zero. This characteristic form is determined by the Atiyah-Singer Index Theorem, and the result is achieved by adapting invariance theory methods developed by Gilkey and by Atiyah, Bott, and Patodi.
Furthermore, the thesis demonstrates the equality between the APS index as formulated by Bär and Bandara and the APS index in the -calculus setting. Specifically, it is shown that the APS index, in the sense of Bär and Bandara, coincides with the index of the operator extended to a manifold with a cylindrical end attached to each boundary component. The index of these extended operators can then be calculated using index formulas from the -calculus, providing an APS index formula for general first-order elliptic differential operators that are of product type near the boundary.
Additionally, for chiral geometric operators, the product structure assumption near the boundary can be removed by introducing a boundary integral involving the transgression form. An algorithm is presented for calculating transgression forms of characteristic classes, expressing them in terms of the second fundamental form and the Riemannian curvature tensor.Diese Arbeit untersucht den lokalen Indexsatz und den Atiyah-Patodi-Singer Indexsatz für elliptische geometrische Operatoren erster Ordnung, die über die klassischen Dirac-Operatoren hinausgehen. Chirale geometrische Operatoren werden als elliptische Differentialoperatoren erster Ordnung eingeführt, deren Hauptsymbole durch universelle elliptische Symbole definiert sind. Die Chiralitätsbedingung stellt sicher, dass die Orientierung einer Mannigfaltigkeit eine ℤ₂-Wirkung auf dem Bündel induziert, auf dem der Operator wirkt, wodurch der Operator bezüglich dieser Wirkung ungerade wird. Die Klasse der chiralen geometrischen Operatoren umfasst sowohl den Dirac-Operator als auch den Rarita-Schwinger-Operator. Anschließend wird der lokale Indexsatz für chirale geometrische Operatoren bewiesen, indem gezeigt wird, dass die Superspur des Wärmekerns gegen eine charakteristische Differentialform konvergiert, wenn die Zeit gegen Null geht. Diese charakteristische Differentialform wird durch den Atiyah-Singer-Indexsatz bestimmt, und das Ergebnis wird durch Anpassung der von Gilkey sowie von Atiyah, Bott und Patodi entwickelten Methoden der Invariantentheorie erreicht. Darüber hinaus zeigt die Arbeit die Gleichheit zwischen dem APS-Index, wie er von Bär und Bandara formuliert wurde, und dem APS-Index im b-Kalkül. Insbesondere wird gezeigt, dass der APS-Index im Sinne von Bär und Bandara mit dem Index des Operators übereinstimmt, der zu einer Mannigfaltigkeit mit einem zylindrischen Ende an jeder Randkomponente erweitert wurde. Der Index dieser erweiterten Operatoren kann dann mit Hilfe von Indexformeln aus dem b-Kalkül berechnet werden. Dies liefert eine APS-Indexformel für allgemeine elliptische Differentialoperatoren erster Ordnung, die nahe am Rand vom Produkttyp sind. Zusätzlich kann durch die Einführung eines Randintegrals über die Transgressionsform die Annahme einer produktartigen Struktur nahe dem Rand für chirale geometrische Operatoren aufgegeben werden. Ein Algorithmus zur Berechnung von Transgressionsformen charakteristischer Klassen wird vorgestellt, wobei diese in Bezug auf die zweite Fundamentalform und den Riemannschen Krümmungstensor ausgedrückt werden
Von extremen Niederschlägen zu Sturzfluten – Fortschritte in der Gefahrenbewertung mit abwärtsgerichteten kontrafaktischen Szenarien
No full textFlash floods, characterized by sudden and intense flooding, represent a significant natural hazard in many regions worldwide. Primarily triggered by extreme rainfall, their frequency and magnitude are expected to increase due to climate change. This combined with the small scale and rarity of these floods, challenges conventional methods for assessing flash flood hazards in disaster risk management.
This thesis introduces alternative methods which aim to enhance the quantification of hazards from extreme rainfall and flash floods in Germany. In this context, the availability of more than 20 years of radar data is a true ”game changer” in flash flood research: radar-based precipitation estimates capture the detailed spatio-temporal structure of rainfall events at scales relevant to flash floods.
As a groundwork for flash flood hazard assessment, we first developed a new index (xWEI) which quantifies the extremeness of an rainfall event in regard to its potential to trigger a flood. This index was used to create a comprehensive catalog of extreme precipitation events in Germany, which were extracted from 22 years of weather radar data.
Based on the question: What would happen, if an extreme rainfall event had occurred somewhere else?, we systematically transposed the events from our catalog across Germany and modelled the consequent runoff response. This way we are able to identify ”worst-case” flood scenarios (downward counterfactuals) for small-scale catchments. These hypothetical scenarios demonstrate the range of possible flood peaks, which can aid decision makers to anticipate flash flood hazard. The advantage of this method is that it does not rely on historical streamflow records, which are often scarce, especially for small-scale catchments.
The key point of this approach is the plausibility of the downward counterfactual scenarios: Are these hypothetical scenarios realistic? Could they really happen like this? Downward counterfactual hazard assessment can only be useful for disaster risk management, if the counterfactual scenarios are credible. For this reason, we further researched the influence of the selection of downward counterfactuals on the outcome of a downward counterfactual hazard assessment. Our results imply that counterfactuals might be a suitable tool to estimate flood peaks that are ”extreme”, which could be highly relevant for flood risk management.
In this thesis, we demonstrate the value of weather radar data and advance the methods used to assess extreme rainfall events and estimate flash flood hazards. All data and software for this research are open source, following the principles of open science. Our methods and the hydrological model are published as open repositories. This way, the results of this thesis can be reproduced and, hopefully, improved and re-used in the future by the scientific community.Sturzfluten, plötzliche und intensive Hochwasser, stellen in vielen Regionen weltweit eine erhebliche Naturgefahr dar. Sie werden in erster Linie durch extreme Niederschläge ausgelöst, und es wird erwartet, dass ihre Häufigkeit und Intensität aufgrund des Klimawandels zunimmt. In Kombination mit der kleinskaligen Ausdehnung und Seltenheit dieser Fluten stellt dies eine Herausforderung für herkömmliche Methoden zur Bewertung von Sturzflutgefahren im Katastrophenrisikomanagement dar.
Diese Arbeit stellt alternative Methoden vor, die darauf abzielen, die Quantifizierung von Gefahren durch extreme Niederschläge und Sturzfluten zu verbessern. Die Verfügbarkeit von über 20 Jahren Wetter-Radardaten ist in diesem Kontext ein wahrer ”Game Changer” in der Sturzflutforschung: Radarbasierte Niederschlagsschätzungen erfassen die detaillierte raum-zeitliche Struktur von Niederschlagsereignissen in einem für Sturzfluten relevanten Maßstab.
Als Grundlage für die Bewertung von Sturzflutgefahren wurde zunächst ein neuer Index (xWEI) entwickelt, welcher die Extremität eines Niederschlagsereignisses in Bezug auf sein Potenzial zur Auslösung einer Flut quantifiziert. Dieser Index wurde verwendet, um einen umfassenden Katalog extremer Niederschlagsereignisse in Deutschland zu erstellen, die aus 22 Jahren Wetter-Radardaten extrahiert wurden. Dieser Katalog bildet die Basis für eine systematische Sturzflut-Gefahrenbewertung.
Basierend auf der Frage: Was wäre passiert, wenn ein extremes Niederschlagsereignis an einem anderen Ort aufgetreten wäre?, wurden dann die Regenereignisse aus dem Niederschlagsereignis-Katalog systematisch über Deutschland transponiert und die daraus resultierende Abflussreaktion modelliert. Auf diese Weise wurden ”Worst-Case”- Flutszenarien (Downward Counterfactuals) für kleinräumige Einzugsgebiete identifiziert. Diese hypothetischen Szenarien zeigen die Bandbreite möglicher Hochwasserspitzen auf und können Entscheidungsträgern helfen, die Gefährdung durch Sturzfluten besser einzuschätzen. Der Vorteil dieser Methode besteht darin, dass sie nicht auf historische Abflussdaten angewiesen ist, die insbesondere für kleinräumige Einzugsgebiete nur selten vorhanden sind.
Der zentrale Punkt dieses Ansatzes ist die Plausibilität der Downward Counterfactual-Szenarien: Sind diese hypothetischen Szenarien realistisch? Könnten sie wirklich so eintreten? Downward Counterfactuals als Werkzeug für die Gefahrenbewertung können nur dann nützlich sein, wenn die kontrafaktischen Szenarien glaubwürdig sind. Aus diesem Grund wurde der Einfluss der Auswahl der Downward Counterfactuals auf das Ergebnis einer solchen Gefahrenbewertung weitergehend untersucht. Die Ergebnisse deuten darauf hin, dass Downward-Counterfactuals ein geeignetes Werkzeug zur Schätzung ”extremer” Hochwasserspitzen sein könnten und daher einen hohen Nutzen für das Hochwasserrisikomanagement hätten.
In dieser Arbeit zeigen wir den Wert von Wetterradardaten auf und verbessern die Methoden zur Bewertung extremer Niederschlagsereignisse und Abschätzung von Sturzflutgefahren. Alle Daten und Software, die für diese Forschung verwendet wurden, sind Open Source und folgen den ”Open Science”-Prinzipien. Wir haben unsere Methoden und das hydrologische Modell als offene Repositorien veröffentlicht. Auf diese Weise können die Ergebnisse dieser Arbeit reproduziert, verbessert und hoffentlich in der Zukunft von der wissenschaftlichen Gemeinschaft weiterverwendet werden
Maschinelles Lernen zur Früherkennung, Behandlung und Prognose von Bluthochdruck
No full textHypertension, or high blood pressure, is a major risk factor for cardiovascular disease, and early detection and management of hypertension is crucial for reducing the risk of complications. Machine and deep learning techniques have the potential to improve the prediction and management of hypertension by analyzing large amounts of patient data and identifying patterns that may not be apparent to human experts. In addition, these techniques can also be used to develop personalized treatment plans for hypertension, by analyzing patient data and identifying the most effective interventions for each individual. Overall, the use of machine and deep learning in hypertension prediction and management has the potential to improve the timeliness of hypertension diagnosis, facilitate regular monitoring of blood pressure (BP), predict future complications and optimize treatment strategies for patients. However, artificial intelligence in hypertension and cardiovascular medicine is still in its nascent stages and realizing its potential requires numerous challenges to be overcome. While there has been a surge of machine learning applications on electronic health records (EHRs) during the last decade, extracting specific disease cohorts and relevant features that can feed into the models still remain a cumbersome process as it requires deep-ranging knowledge of the underlying EHR data model, its entities, and their relationships. As a result, retrospective and fully data-driven studies for predicting the onset and complications of hypertension in large-scale real-world EHR databases are still scarce. Evidence suggests that apart from risk prediction models, continuous blood pressure monitoring plays a crucial role in identifying, managing, and treating hypertension. However, the capability to measure blood pressure in this manner is presently constrained. Fortunately, machine learning models applied to photoplethysmography (PPG) signals have shown encouraging results for non-invasive, continuous measurement of BP. Nevertheless, further evaluation is crucial to validate this approach, especially on datasets that are collected in a non-controlled environment, a setting in which hardly any previous work has been carried out. In order to address these challenges, in this thesis, I have made the following contributions: 1) designed and developed a Python framework tailored to specific needs of clinical modeling domain that enable flexible generation of modeling-ready cohorts, 2) leveraging this framework, I developed and evaluated a set of models based on machine learning (ML) and deep learning (DL) to predict the onset and complications of hypertension leveraging large-scale longitudinal EHR data, and 3) evaluated to what extent the models proposed in recent literature can estimate BP based on PPG data in a non-controlled environment, i.e., during day-to-day activities. In conclusion, I argue that appropriate tooling for cohort extraction, models that leverage large-scale longitudinal EHR data, and evaluation of these models on diverse datasets are key concerns if artificial intelligence is to achieve its full potential in diagnosis and management of hypertension.Hypertonie, oder hoher Blutdruck, ist ein entscheidender Risikofaktor für Herz-Kreislauf-Erkrankungen. Die frühzeitige Erkennung und Behandlung von Hypertonie sind entscheidend, um das Risiko von Komplikationen zu verringern. Maschinelles Lernen und Deep-Learning-Techniken haben das Potenzial, die Vorhersage und Behandlung von Hypertonie zu verbessern, indem sie große Mengen an Patientendaten analysieren und Muster erkennen, die für Experten möglicherweise schwierig zu erkennen sind. Darüber hinaus können diese Techniken auch zur Entwicklung personalisierter Behandlungspläne eingesetzt werden, wodurch wirksame Interventionsmöglichkeiten für jeden Einzelnen identifiziert werden können. Insgesamt kann der Einsatz von maschinellem Lernen und Deep Learning die zeitnahe Vorhersage und Behandlung von Hypertonie verbessern, die regelmäßige Überwachung des Blutdrucks erleichtern, zukünftige Komplikationen vorhersagen und Behandlungsstrategien für Patienten optimieren. Der Einsatz von künstlicher Intelligenz in der Hypertonie- und kardiovaskulären Medizin befindet sich jedoch noch in den Anfängen. Um ihr volles Potenzial auszuschöpfen, müssen zahlreiche Herausforderungen bewältigt werden. Während in den letzten zehn Jahren eine Vielzahl von Anwendungen des maschinellen Lernens in elektronischen Gesundheitsdaten (EHRs) entwickelt wurde, bleibt die Extraktion spezifischer Krankheitskohorten und relevanter Merkmale, die in die Modelle einfließen können, nach wie vor ein mühsamer Prozess. Dieser erfordert tiefgreifende Kenntnisse des zugrunde liegenden EHR-Datenmodells, seiner Entitäten und ihrer Beziehungen. Daher sind retrospektive und vollständig datengetriebene Studien zur Vorhersage des Beginns und der Komplikationen von Hypertonie in groß angelegten EHR-Datenbanken noch immer selten. Studien belegen, dass neben Risikovorhersagemodellen die kontinuierliche Überwachung des Blutdrucks integraler Bestandteil der Erkennung, Kontrolle und Behandlung von Hypertonie ist. Allerdings ist die Fähigkeit, den Blutdruck auf diese Weise zu messen, derzeit begrenzt. Glücklicherweise haben maschinelle Lernmodelle, die auf Photoplethysmographie (PPG)-Signalen angewendet werden, vielversprechende Ergebnisse für eine nicht-invasive, kontinuierliche Messung des Blutdrucks gezeigt. Dennoch bedarf es weiterer Evaluation, insbesondere anhand von Datensätzen in einer nicht-kontrollierten Umgebung, einem Bereich, in dem bisher kaum Forschungsarbeiten durchgeführt wurden. Um diese Herausforderungen anzugehen, habe ich in dieser Arbeit folgende Beiträge geleistet: 1) Entwicklung eines Python-Frameworks, das speziell auf die Bedürfnisse des klinischen Modellierungsbereichs zugeschnitten ist und die flexible Erzeugung von modellierungsbereiten Kohorten ermöglicht; 2) unter Verwendung dieses Frameworks habe ich eine Reihe von Modellen auf Basis von maschinellem Lernen und Deep Learning entwickelt und evaluiert, um den Beginn und die Komplikationen von Hypertonie unter Verwendung von groß angelegten longitudinalen EHR-Daten vorherzusagen; und 3) Bewertung, inwieweit die in jüngerer Vergangenheit veröffentlichten Modelle, anhand von PPG-Daten in einer nicht-kontrollierten Umgebung, d.h. während der alltäglichen Aktivitäten, den Blutdruck vorhersagen können. Zusammenfassend argumentiere ich, dass angemessene Werkzeuge zur Kohortenextraktion, Modelle, die auf groß angelegten longitudinalen EHR-Daten basieren, und die Evaluation dieser Modelle anhand verschiedener Datensätze entscheidende Aspekte sind, um das volle Potenzial der künstlichen Intelligenz bei der Diagnose und Behandlung von Hypertonie zu nutzen
Einfluss von Microcystin auf die Plastizität des zentralen Kohlenstoffstoffwechsels bei der Cyanobakterie Microcystis aeruginosa
No full textOur research delved into the adaptive plasticity of cyanobacterium Microcystis aeruginosa, particularly focusing on how hepatotoxin microcystin (MC) aids in responses to temperature fluctuations, a key concern in the context of global warming. M. aeruginosa, known for its ability to produce harmful algal blooms (HABs) that jeopardise freshwater ecosystems, exhibits a high degree of adaptability, owing to its genotypic and phenotypic plasticity, enabling it to dominate a wide range of aquatic environments. To explore this plasticity, we conducted a comprehensive series of experiments, including temperature-variable time-course growth studies, proteomics, metabolomics, gene expression analyses, biochemical assays, intracellular localisation studies, examining how rising temperatures influence Microcystis growth, secondary metabolite production, and the intracellular distribution of RubisCO in both an MC-producing wild-type strain and a non-MC-producing mutant strain. All experiments were conducted under low-light conditions to minimise oxidative stress, allowing us to isolate the effects of temperature changes on cellular dynamics.
Our growth experiments with wild-type and mutant strains revealed that in optimal growth temperature, the non-MC-producing mutant outcompetes the wild-type, while at non-optimum conditions (20°C and 35°C), the MC-producing wild-type grows relatively well, indicating the crucial role MC plays in the adaptation of M. aeruginosa. Through short-term temperature-shift experiments, we observed that the mutant strain demonstrated increased production of secondary metabolites such as cyanopeptolins and cyanobactins, while the wild-type strain exhibited temperature-dependent shifts in MC levels and its congener ratio, suggesting differential role of MC congeners in the intracellular and extracellular pools. Additionally, our study identified a temperature-sensitive threshold between 20°C and 25°C, impacting MC and RubisCO condensation and intracellular protein profiles in Microcystis. At 20°C, MC showed a diffused cytosolic distribution while RubisCO formed smaller cytosolic condensates, while at 25°C, both formed larger condensates near the cell membrane. This shift suggests that temperature more significantly influences the aggregation of MC and RubisCO than its overall concentration, possibly via liquid-liquid phase separation (LLPS). Our findings underscore temperature as a critical factor driving MC condensation behaviour, revealing a non-gradual, threshold-dependent physiological response.
We further observed a pronounced condensation effect in intracellular protein profiles of wild-type Microcystis at 20°C, distinctly different from higher temperatures. This unique protein pattern, absent in the MC-deficient mutant, suggests that MC binding enhances protein condensation under low-temperature stress. Increased cytosolic MC may serve as an adaptive response, potentially involving liquid-liquid phase separation, highlighting a temperature-sensitive threshold between 20°C and 25°C.
Our Metabolomic analysis revealed that temperature fluctuations significantly alter central carbon metabolism between genotypes. Compatible solutes, such as sucrose, were observed in higher quantities in the wild-type compared to the mutant at 20°C, supporting the role of MC in stress regulation. Patterns in metabolite abundance suggest that MC enhances metabolic plasticity, helping the wild-type adapt more effectively across temperatures. Our data show that 20°C favours elevated metabolite production, particularly in amino acid and carbohydrate metabolism, glycolysis, the Calvin-Benson-Bassham (CBB) cycle, pentose phosphate pathway, and TCA cycle, compared to higher temperatures. These results suggest MC and related metabolites modulate cellular function, extending their role beyond simple toxin production. We observed that RubisCO’s carboxylation and oxygenation products varied by genotype and temperature. At lower temperatures, RubisCO was more frequently found in cytosolic patches, especially in both wild-type and mutant strains, indicating reduced confinement within carboxysomes. This cytosolic exposure likely led to increased oxygenation, as evidenced by higher 2-PG levels observed in both metabolomics data and in vitro assays. These results suggest that RubisCO, when outside the carboxysomes, may engage more readily in oxygenation reactions due to its interaction with dissolved cytosolic O₂. Our LC-MS analysis further identified three microcyclamides; Aerucyclamides A, B, and C that potentially bind with RubisCO.
Our study, therefore, offers an insightful view of how Microcystis adapts to temperature changes at molecular, cellular, and metabolic levels, highlighting the role of MC in enabling rapid responses to environmental stress. These insights enhance our understanding of M. aeruginosa resilience and have important implications for predicting the influence of higher temperatures due to global warming on harmful algal blooms in freshwater ecosystems.Unsere Forschung untersuchte, wie das Cyanobakterium Microcystis aeruginosa, das für schädliche Algenblüten (HABs) in Süßwasser verantwortlich ist, auf Temperaturveränderungen reagiert, insbesondere im Hinblick auf den Klimawandel. Dieser Organismus hat die bemerkenswerte Fähigkeit, in verschiedenen aquatischen Umgebungen zu überleben und zu gedeihen, dank seiner genetischen und biologischen Flexibilität. Ein wichtiger Faktor, der Microcystis hilft, zu überleben, ist die Produktion eines Toxins namens Microcystin (MC), das eine Rolle bei der Reaktion auf Umweltstress wie Temperaturschwankungen spielt.
Um zu verstehen, wie die Temperatur Microcystis beeinflusst, führten wir eine Reihe von Experimenten durch, bei denen wir sowohl einen Wildtyp-Stamm (der MC produziert) als auch einen Mutanten-Stamm (der kein MC produziert) unterschiedlichen Temperaturen aussetzten. Wir untersuchten, wie diese Temperaturveränderungen das Wachstum von Microcystis, die Produktion von Sekundärmetaboliten (wie MC) und das Verhalten wichtiger Proteine in der Zelle, insbesondere RubisCO, einem Enzym, das an der Photosynthese beteiligt ist, beeinflussten.
Unsere Ergebnisse zeigten, dass der Mutantstamm bei optimalen Temperaturen besser wuchs als der Wildtyp. Bei zu niedrigen (20°C) oder zu hohen Temperaturen (35°C) schnitt der Wildtyp jedoch besser ab, was darauf hindeutet, dass MC eine wichtige Rolle dabei spielt, Microcystis bei extremen Bedingungen zu unterstützen. Wir beobachteten auch, dass die MC-Menge und deren Formen (sogenannte Congener) sich je nach Temperatur änderten, was möglicherweise die Art und Weise beeinflusst, wie MC in der Zelle wirkt.
Wir entdeckten einen temperatursensiblen Punkt zwischen 20°C und 25°C, an dem sowohl MC als auch RubisCO Veränderungen in ihrem Verhalten innerhalb der Zellen zeigten. Bei 20°C war MC über die Zelle verteilt, während RubisCO kleinere Ansammlungen bildete. Bei einer Erhöhung der Temperatur auf 25°C bildeten sowohl MC als auch RubisCO größere Ansammlungen in der Nähe der Zellmembran. Dies deutet darauf hin, dass die Temperatur eine größere Rolle bei der Aggregation (oder "Zusammenballung") dieser Moleküle spielt als die tatsächliche Menge an MC in der Zelle.
Darüber hinaus fanden wir heraus, dass Temperaturveränderungen einen großen Einfluss auf den gesamten Stoffwechsel von Microcystis hatten. Bei niedrigeren Temperaturen produzierte der Wildtyp mehr kompatible Solute (wie Saccharose), die der Zelle helfen, mit Stress umzugehen. Diese Ergebnisse legen nahe, dass MC nicht nur ein Toxin ist, sondern eine wichtige Rolle bei der Regulierung der Zellreaktion auf Temperaturveränderungen spielt. Wir beobachteten auch, dass RubisCO bei niedrigeren Temperaturen anders agierte, indem es aus den Carboxysomen (Zellkompartimenten) heraustrat und mit Sauerstoff im Zytoplasma interagierte, was die chemischen Reaktionen beeinflusste, die es durchführte.
Abschließend entdeckten wir, dass mehrere Microcyclamid-Verbindungen, die mit MC verwandt sind, möglicherweise an RubisCO binden und dessen Funktionsweise beeinflussen.
Zusammenfassend bietet unsere Studie wichtige Einblicke darin, wie Microcystis auf Temperaturveränderungen reagiert. Durch das Verständnis, wie MC dem Organismus hilft, auf Umweltstress zu reagieren, können wir besser vorhersagen, wie sich schädliche Algenblüten bei wärmeren Temperaturen verhalten könnten, was entscheidend für das Management der Auswirkungen dieser Blüten auf Süßwasserökosysteme ist