Ziel des Verbundes ist es, frühe Prädiktoren für die Entwicklung von Nahrungsmittelallergien bei Kindern zu identifizieren und digitale Anwendungen (Apps) zu entwickeln, um Fachpersonal und Eltern von Kindern mit einem hohen Allergie-Risiko zur Prävention und rechtzeitigen Toleranzentwicklung anzuleiten. Dazu werden einige der größten und gut charakterisierten deutschen Geburtskohortenstudien mit umfassenden, multimodalen Längsschnittdaten zu klinischen, demographischen, lebensstilbezogenen und psychosozialen Faktoren herangezogen. Mit Methoden des maschinellen Lernens wird ein Modell entwickelt das mit Hilfe von publizierter Evidenz geprüft wird, um das individuelle Risiko für frühe Nahrungsmittelallergien vorherzusagen. Diese Daten werden mit neu geschaffenen genomweiten epigenetischen Daten kombiniert um ein mechanistisches Verständnis der Rolle pränataler Stressoren zu erhalten. Mit Methoden des maschinellen Lernens werden so epigenetische Biomarker im Nabelschnurblut definiert, um das Vorhersagemodell mit diesen Biomarkern zu verbessern. Diese Ergebnisse werden zusammen mit Informationsmaterial in digitalen Gesundheitsapplikationen für Eltern und für Ärzte bereitgestellt um den Bedürfnissen von Kindern mit hohem Allergie-Risiko zu begegnen und die präventive Versorgung zu verbessern. Die App-Entwicklung wird durch Begleitforschung zu elterlichen und ärztlichen Bedürfnissen und Einstellungen zur digitalen Information bezüglich Nahrungsmittelallergien und zur Nutzbarkeit und Akzeptanz der Apps unterstützt. Das Vorhaben der Universität Regensburg-Klinikum beteiligt sich mit der KUNO Kids Gesundheitsstudie in Teilprojekt 1 (TP 1) und mit Studien zur Nutzerperspektive von Eltern und Gesundheitspersonal in Teilprojekt 4 (TP4).