\n \n \n
\n
\n\n \n \n \n \n \n \n Sozioökonomische Benachteiligung als Risikofaktor für Krebserkrankungen – „closing the care gap“.\n \n \n \n \n\n\n \n Berger, J.; Engelhardt, M.; Möller, M.; Radeloff, K.; Seltmann, A.; and von Lilienfeld-Toal, M.\n\n\n \n\n\n\n
Forum, 37(5): 382–386. October 2022.\n
\n\n
\n\n
\n\n
\n\n \n \n ![\"Sozioökonomische](\"//bibbase.org/img/filetypes/link.svg\"\n\t "\\"Paper\\"\n\t")
Paper\n \n \n\n \n \n doi\n \n \n\n \n link\n \n \n\n bibtex\n \n\n \n \n \n abstract \n \n\n \n\n \n \n \n \n \n \n \n\n \n \n \n\n\n\n
\n
@article{berger_soziookonomische_2022,\n\ttitle = {Sozioökonomische {Benachteiligung} als {Risikofaktor} für {Krebserkrankungen} – „closing the care gap“},\n\tvolume = {37},\n\tcopyright = {All rights reserved},\n\tissn = {2190-9784},\n\turl = {https://doi.org/10.1007/s12312-022-01113-4},\n\tdoi = {10.1007/s12312-022-01113-4},\n\tabstract = {Armut ist ein Risikofaktor für Krebs. Menschen aus sozioökonomisch benachteiligten Gesellschaftsschichten erkranken häufiger und früher an Krebs, haben nach Diagnosestellung oftmals eine kürzere Lebenserwartung und profitieren hinsichtlich des Gesamtüberlebens weniger von der Therapie. Diese Beobachtung hat sich im Zuge der COVID-19-Pandemie weiter verschärft. Im vorliegenden Beitrag stellen wir zusammengefasst Ergebnisse für Deutschland dar, die diesen Zusammenhang illustrieren. Methodisch greifen wir dazu auf Erkenntnisse zurück, die sich auf individuelle Marker wie das individuelle Einkommen oder auf regionale Indizes sozialer Deprivation wie den German Index of Multiple Deprivation (GIMD) konzentrieren. Das Konzept der Klassenmedizin hinterfragt strukturelle Bedingungen, die dazu führen, dass das Versorgungssystem und die Behandler*innen selbst bestehende Unterschiede weiter fördern, anstatt diese auszugleichen. Faktoren der Ungleichheit in der Versorgung von Menschen gerade mit onkologischen Erkrankungen, seien sie sozioökonomischer, geschlechtsspezifischer oder ethnischer Art, müssen besser erfasst werden, um eine gerechte und gleichwertige Behandlung aller Menschen zu gewährleisten.},\n\tlanguage = {de},\n\tnumber = {5},\n\turldate = {2022-11-07},\n\tjournal = {Forum},\n\tauthor = {Berger, Johannes and Engelhardt, Monika and Möller, Mandy-Deborah and Radeloff, Katrin and Seltmann, Alva and von Lilienfeld-Toal, Marie},\n\tmonth = oct,\n\tyear = {2022},\n\tpages = {382--386},\n}\n\n\n\n\n
\n\n\n
\n Armut ist ein Risikofaktor für Krebs. Menschen aus sozioökonomisch benachteiligten Gesellschaftsschichten erkranken häufiger und früher an Krebs, haben nach Diagnosestellung oftmals eine kürzere Lebenserwartung und profitieren hinsichtlich des Gesamtüberlebens weniger von der Therapie. Diese Beobachtung hat sich im Zuge der COVID-19-Pandemie weiter verschärft. Im vorliegenden Beitrag stellen wir zusammengefasst Ergebnisse für Deutschland dar, die diesen Zusammenhang illustrieren. Methodisch greifen wir dazu auf Erkenntnisse zurück, die sich auf individuelle Marker wie das individuelle Einkommen oder auf regionale Indizes sozialer Deprivation wie den German Index of Multiple Deprivation (GIMD) konzentrieren. Das Konzept der Klassenmedizin hinterfragt strukturelle Bedingungen, die dazu führen, dass das Versorgungssystem und die Behandler*innen selbst bestehende Unterschiede weiter fördern, anstatt diese auszugleichen. Faktoren der Ungleichheit in der Versorgung von Menschen gerade mit onkologischen Erkrankungen, seien sie sozioökonomischer, geschlechtsspezifischer oder ethnischer Art, müssen besser erfasst werden, um eine gerechte und gleichwertige Behandlung aller Menschen zu gewährleisten.\n
\n\n\n
\n\n\n
\n
\n\n \n \n \n \n \n A new paradigm for fluorescence trace manipulation to reduce artifacts in FCS measurements.\n \n \n \n\n\n \n Seltmann, A.; Carravilla, P.; Reglinski, K.; Eggeling, C.; and Waithe, D.\n\n\n \n\n\n\n In Chalmers University of Technology, Gothenburg, Sweden, September 2022. \n
\n\n
\n\n
\n\n
\n\n \n\n \n\n \n link\n \n \n\n bibtex\n \n\n \n \n \n abstract \n \n\n \n\n \n \n \n \n \n \n \n\n \n \n \n\n\n\n
\n
@inproceedings{seltmann_new_2022,\n\taddress = {Chalmers University of Technology, Gothenburg, Sweden},\n\ttitle = {A new paradigm for fluorescence trace manipulation to reduce artifacts in {FCS} measurements},\n\tcopyright = {Creative Commons Attribution 4.0 International Licence (CC-BY)},\n\tabstract = {Fluorescence correlation spectroscopy (FCS) is a powerful technique to study molecular dynamics on the nanoscale, yet the experimental setup is prone to different artefacts. Therefore, the typical FCS analysis pipeline involves careful inspection of the autocorrelation function and the underlying fluorescence trace. If users detect severe intensity shifts due to e.g. photobleaching, detector dropout, or bright peaks, FCS guidelines commonly advise discarding these traces1,2. Here, we show a new approach to post-process fluorescence traces to reduce these artefacts and enable a meaningful FCS analysis. Established photon filtering methods work by giving artifactual photons lower weights3. We propose to remove the artifactual photons and shift the arrival times of the remaining photons as if the artifactual photons never arrived. We evaluate this "cut and shift" method on simulated fluorescence traces and experimental FCS data showing severe peak artefacts. It is applicable to FCS data consisting of binned count rates, as well as photon arrival times (TCSPC data). We characterize the limits of this approach, which depends on the length of measurement, the molecule speed, and the temporal resolution. Lastly, we show that combining this approach with neural network-based artefact prediction enables FCS users to automate peak artefact removal. In conclusion, optimizing FCS traces using the "cut and shift" approach makes previously discardable/useless FCS measurements possible. Therefore, it is a valuable extension for every FCS user's toolbox.},\n\tlanguage = {en},\n\tauthor = {Seltmann, Alva and Carravilla, Pablo and Reglinski, Katharina and Eggeling, Christian and Waithe, Dominic},\n\tmonth = sep,\n\tyear = {2022},\n}\n\n\n\n\n\n
\n\n\n
\n Fluorescence correlation spectroscopy (FCS) is a powerful technique to study molecular dynamics on the nanoscale, yet the experimental setup is prone to different artefacts. Therefore, the typical FCS analysis pipeline involves careful inspection of the autocorrelation function and the underlying fluorescence trace. If users detect severe intensity shifts due to e.g. photobleaching, detector dropout, or bright peaks, FCS guidelines commonly advise discarding these traces1,2. Here, we show a new approach to post-process fluorescence traces to reduce these artefacts and enable a meaningful FCS analysis. Established photon filtering methods work by giving artifactual photons lower weights3. We propose to remove the artifactual photons and shift the arrival times of the remaining photons as if the artifactual photons never arrived. We evaluate this \"cut and shift\" method on simulated fluorescence traces and experimental FCS data showing severe peak artefacts. It is applicable to FCS data consisting of binned count rates, as well as photon arrival times (TCSPC data). We characterize the limits of this approach, which depends on the length of measurement, the molecule speed, and the temporal resolution. Lastly, we show that combining this approach with neural network-based artefact prediction enables FCS users to automate peak artefact removal. In conclusion, optimizing FCS traces using the \"cut and shift\" approach makes previously discardable/useless FCS measurements possible. Therefore, it is a valuable extension for every FCS user's toolbox.\n
\n\n\n
\n\n\n\n\n\n
![\"Loading..\"](\"//bibbase.org/img/ajax-loader.gif\")
\n\n![\"bibbase.org\"\n](\"//bibbase.org/img/logo.svg\"\n "\\"BibBase")
\n \n