Förderkennzeichen: | 01KI1728B |
Fördersumme: | 282.551 EUR |
Förderzeitraum: | 2017 - 2020 |
Projektleitung: | Dr. Wiebke Hellenbrand |
Adresse: |
Robert Koch-Institut (RKI) Nordufer 20 13353 Berlin |
In Deutschland werden rund 300 Frühsommer-Meningoenzephalitis (FSME)-Erkrankungen /Jahr nach Infektionsschutzgesetz erfasst, zunehmend auch aus bisher nichtendemischen Regionen. Die FSME verläuft häufig schwerwiegend; Kenntnisse zu akuten und langfristigen Effekten auf die Lebensqualität fehlen. Daten zur langfristigen FSME-Impfeffektivität sind notwendig, um Auffrischungsintervalle genauer zu definieren. Schließlich sind Determinanten für die starken zeitlichen Schwankungen der FSME-Inzidenz unzureichend bekannt. Daher sind die Ziele dieses Projektes: 1) Beschreibung der FSME-bedingten akuten und ggf. chronischen Manifestationen, klinischen Befunde und Komplikationen, inklusive Auswirkungen auf die Lebensqualität mittels fragebogengestützten Erhebungen bei FSME-Patienten und Ärzten; 2) Untersuchung des Zusammenhangs zwischen dem Schweregrad der akuten Erkrankung und Krankheitsfolgen; 3) Kleinräumige Beschreibung des FSME-Erkrankungsrisikos im Kontext der Ergebnisse aus den TP2-4 zu ökologischen und vektorbiologischen Untersuchungen an den identifizierten Infektionsorten. So wird z. B. untersucht, ob die FSME-Virus Prävalenz in Zecken und der Seroprävalenz in Wirtstieren mit der humanen FSME-Inzidenz korreliert; 4) Vergleich der Virulenz der ggf. an den Infektionsorten isolierten Viren in TP7-9 mit dem Schweregrad der Krankheit bei Patienten, die sich an den Fundorten der Zecken infiziert hatten, um mögliche regionale Unterschiede in der FSME-Virulenz zu identifizieren; 5) Schätzung der FSME-Impfeffektivität (inkl. Schutzdauer) mittels eines Fall-Kohortenansatzes unter Verwendung von Impfstatusdaten der Studienteilnehmer (Fälle) und gesetzlich Versicherter (Kohorte). 6) Identifizierung von Risikoverhalten und Gründen für einen fehlenden Impfschutz bei FSME-Erkrankten; 7) Untersuchung des Zusammenhangs zwischen der FSME-Inzidenz mit meteorologischen und vektor-biologischen Daten im zeitlichen Verlauf mittels Time Series Analysis, um Muster für ein erhöhtes FSME-Risiko zu identifizieren.