Docliv
Forschung Klinik Forschung Klinik

Forschung

Mehr als ein Jahrzehnt Arbeit für eine sicherere, präzisere Arzneimitteltherapie. Von der Forschung mit Universitäten und Versicherern bis zur Software am Point of Care.

Universitätsspital Zürich

2009 bis 2013

An der Klinik für Klinische Pharmakologie und Toxikologie begannen wir dort, wo Arzneimittelschäden sichtbar werden: in den Spitaldaten. Wir verglichen, wie gut verschiedene Datenquellen unerwünschte Arzneimittelereignisse erkennen, und entwickelten ein transparentes Modell zur Bewertung von Wechselwirkungen.

Performance of different data sources in identifying adverse drug events in hospitalized patients
Egbring M, Far E, Knuth A, Roos M, Kirch W, Kullak-Ublick GA. European Journal of Clinical Pharmacology. 2011;67(9):909-918.
DOI 10.1007/s00228-011-1020-9 · PMID 21394526

Validation of a transparent decision model to rate drug interactions
Far E, Curkovic I, Byrne K, Roos M, Egloff I, Dietrich M, Kirch W, Kullak-Ublick GA, Egbring M. BMC Pharmacology and Toxicology. 2012;13(1):7.
DOI 10.1186/2050-6511-13-7 · PMID 22950884

Innovationspreis der Schweizer Versicherer

2014

Unser Projekt Sanitas TeleHealth wurde unter der Schirmherrschaft von Otto Bitterli mit dem Innovationspreis der Schweizer Versicherer ausgezeichnet. Es bot Menschen, die mehrere Medikamente einnehmen, eine persönliche telemedizinische Betreuung, um Sicherheit, Therapietreue und klinische Ergebnisse zu verbessern.

Helsana Innovationsfonds

2014 bis 2017

Gemeinsam mit der Universität Zürich, der ETH Zürich und der Helsana und unter der Schirmherrschaft von Prof. Dr. med. Thomas Szucs erforschten wir die Arzneimittelsicherheit. Wir entwickelten prädiktive Modelle für Arzneimittel-Arzneimittel-Gen-Interaktionen, die neue Massstäbe in der Risikovorhersage setzten.

Umfangreiche Datenanalysen identifizierten Risikopatienten und zeigten, dass gefährliche Wechselwirkungen früh erkannt werden können. Sie zeigten auch die Grenze: Im Praxisalltag lassen sich die Fallzahlen nur mit klinischer Intelligenz im Moment der Verschreibung bewältigen, direkt im Arbeitsablauf von Ärztinnen, Ärzten und Apothekern.

Analysis of drug-drug interactions in Swiss claims data using tizanidine and ciprofloxacin as a prototypical contraindicated combination
Jödicke AM, Curkovic I, Zellweger U, Tomka IT, Neuer T, Kullak-Ublick GA, Roos M, Egbring M. Annals of Pharmacotherapy. 2018;52(10):983-991.
DOI 10.1177/1060028018775914 · PMID 29749261

Prediction of health care expenditure increase: how does pharmacotherapy contribute?
Jödicke AM, Zellweger U, Tomka IT, Neuer T, Curkovic I, Roos M, Kullak-Ublick GA, Sargsyan H, Egbring M. BMC Health Services Research. 2019;19(1):953.
DOI 10.1186/s12913-019-4616-x · PMID 31829224

Medication as a risk factor for hospitalization due to heart failure and shock: a series of case-crossover studies in Swiss claims data
Jödicke AM, Burden AM, Zellweger U, Tomka IT, Neuer T, Roos M, Kullak-Ublick GA, Curkovic I, Egbring M. European Journal of Clinical Pharmacology. 2020;76(7):979-989.
DOI 10.1007/s00228-020-02835-x · PMID 32270213

Vermeidbare Patientenschäden Big-Data-Analyse Fallmanagement Risikopatienten Partner Technologieübersicht Verordnungsansicht Interaktionsmatrix Wechselwirkungen in 3D Klinische Intelligenz, 2011 bis 2021 Rezeptor in 3D

Lohfert-Preis

2017

Der Lohfert-Preis ging an die mobile App, die das Team der Klinischen Pharmakologie und Toxikologie des Universitätsspitals Zürich gemeinsam mit dem Schweizer Tumor Institut unter der Schirmherrschaft von Prof. Andreas Trojan entwickelt hat. Sie erfasst Symptome und Nebenwirkungen während einer Krebstherapie.

A mobile app to stabilize daily functional activity of breast cancer patients in collaboration with the physician: a randomized controlled clinical trial
Egbring M, Far E, Roos M, Dietrich M, Brauchbar M, Kullak-Ublick GA, Trojan A. Journal of Medical Internet Research. 2016;18(9):e238.
DOI 10.2196/jmir.6414 · PMID 27601354

Effect of collaborative review of electronic patient-reported outcomes for shared reporting in breast cancer patients: descriptive comparative study
Trojan A, Bättig B, Mannhart M, Seifert B, Brauchbar MN, Egbring M. JMIR Cancer. 2021;7(1):e26950.
DOI 10.2196/26950 · PMID 33729162

epha.health

2017 bis 2021

Vollständig eigenfinanziert entwickelten wir einen digitalen Assistenten, der Sprachmodelle mit mechanistischen Simulationen verbindet, um das Risiko von Arzneimittel-Arzneimittel-Gen-Interaktionen vorherzusagen. Mit epha.health erreichten wir 2021 die Top 10 der Swiss Innovation Challenge, unter mehr als 100 Innovationen aus allen Branchen.

Finanziert wurde diese Arbeit durch unsere medizinischen Dienstleistungen. So blieben wir unabhängig und in direktem Kontakt mit den Menschen, die unsere Reviews täglich nutzen: Ärztinnen, Ärzte und Apotheker.

Prädiktive Arzneimittelsicherheit, 2021 Marktbekanntheit Webzugriffe, 2022 Statisches mechanistisches Modell Modellcode Generalisierung des Modells Leistung für Arzneimittel und Gene Mechanistische statische Modelle für Zulassungsverfahren Team

Klinische Konsultationen

Seit 2022

Heute erreicht unsere Forschung Patientinnen und Patienten direkt. Wir prüfen komplexe Medikationspläne, bewerten Wechselwirkungen, geben Zweitmeinungen zur Arzneimitteltherapie und klären, wann ein pharmakogenetischer Test hilft und was sein Ergebnis für die Behandlung bedeutet.

In der Schweiz werden unsere Konsultationen von der Krankenversicherung vergütet. Privat versicherte Patientinnen und Patienten erreichen uns von überall auf der Welt.

Ein Jahrzehnt Forschung, für jeden einzelnen Menschen.

Klinische Frage stellen →

Docliv © 2026 · Zürich · v1.0.3
LinkedIn

Gestalten Sie mit, was kommt · support@docliv.com

Datenschutz Impressum LinkedIn