Medizinische Universität Graz - Research portal
Selected Publication:
Ostermann, D.
Die Rolle von Biomarkern bei der Vorhersage der Schwere und des Verlaufs von Sepsis: Ein systematischer Review
Studium für die Gleichwertigkeit; Humanmedizin; [ Diplomarbeit ] Medizinische Universität Graz; 2025. pp. 78
[OPEN ACCESS]
FullText
- Authors Med Uni Graz:
- Advisor:
- Bornemann-Cimenti Helmar
- Altmetrics:
- Abstract:
- Die vorliegende Diplomarbeit befasst sich mit der Bedeutung von Biomarkern für die Prognose und Verlaufsbeurteilung bei Sepsis. Im Rahmen einer systematischen Übersichtsarbeit wurde der aktuelle Forschungsstand zu verschiedenen Biomarkern um- fassend analysiert und bewertet. Die Arbeit verfolgt mehrere zentrale Zielsetzungen. Zum einen erfolgt eine umfassende Bewertung sowohl etablierter als auch neuer Biomarker für die Sepsisdiagnostik. Dabei wird insbesondere deren diagnostische und prognostische Wertigkeit evaluiert. Ein weiterer Schwerpunkt liegt auf der Analyse von Kombinationsansätzen verschiedener Biomarker sowie der Identifikation vielversprechender neuer Biomarker- Kandidaten. Die Ergebnisse der Analyse zeigen mehrere bedeutsame Entwicklungen auf. Im Bereich der etablierten Biomarker erwies sich Presepsin als besonders aussagekräftig, mit signifikant höheren Werten bei Nicht-Überlebenden. Die klassischen Marker CRP und Procalcitonin behalten ihre Bedeutung als wichtige Standardmarker bei, während Laktat sich weiterhin als zuverlässiger Indikator für die Schwere der Sepsis bestätigt. Bei den neu entwickelten Biomarkern zeigen insbesondere Angiopoietin-1 und -2 viel- versprechende prognostische Eigenschaften. Der lösliche Urokinase-Typ-Plasminogen-Aktivator-Rezeptor (suPAR) zeichnet sich durch eine hohe prognostische Aussagekraft aus. Auch metabolische Biomarker demonstrieren ein bedeutendes Potential für die frühe Erkennung der Sepsis. Ein besonders zukunftsweisender Ansatz liegt in der Kombination verschiedener Biomarker. Multi-Marker-Panels zeigen eine deutlich bessere Vorhersagegenauigkeit als einzelne Biomarker. Die Integration dieser Panels mit klinischen Scores führt zu einer weiteren Verbesserung der Prognosefähigkeit. Moderne Machine Learning-Ansätze ermöglichen dabei eine noch präzisere Mustererkennung. Die klinische Bedeutung dieser Erkenntnisse ist weitreichend. Durch den Einsatz von Biomarkern wird eine frühere Diagnosestellung und bessere Risikostratifizierung möglich. Dies ermöglicht zunehmend personalisierte Therapieansätze und eine optimierte Therapiesteuerung durch kontinuierliches Biomarker-Monitoring.