GebFra-Preis 2020: Konzept zu App-basiertem Anti-Stress-Programm für Schwangere und Übersicht zur Genforschung bei erblichem Brustkrebs ausgezeichnet

Ein App-basiertes Achtsamkeitstraining könnte dabei helfen, das Stressniveau von Schwangeren zu senken und gesundheitsbewusstes Verhalten zu fördern. In einem Kooperationsprojekt der Frauenklinik, der Psychiatrischen und Psychotherapeutischen Klinik und der Kinder- und Jugendabteilung für Psychische Gesundheit der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und des Universitätsklinikums Erlangen untersuchen Forscher derzeit, wie sich die Nutzung einer Achtsamkeits-App auf den Schwangerschafts- und Geburtsverlauf sowie die Entwicklung des Kindes auswirkt. Grundlagen und Ablauf dieser sogenannten Mindful/PMI-Studie sind in der „GebFra“ erschienen. Der Erstautor Prof. Dr. med. Bernd Lenz hat dafür den GebFra-Preis 2020 in der Kategorie „Original Article“ erhalten. Darüber hinaus haben die Thieme Gruppe und die Deutsche Gesellschaft für Gynäkologie und Geburtshilfe e. V. (DGGG) Dr. med. Marius Wunderle in der Kategorie „Review“ ausgezeichnet. Der stellvertretende Oberarzt an der Frauenklinik des Universitätsklinikums Erlangen fasst darin den aktuellen Forschungsstand zu groß angelegten genomischen Studien in Bezug auf erblichen Brustkrebs zusammen. Dabei zeigt er auf, wie neue Erkenntnisse bei der individuellen Risikoeinschätzung, der Prognose sowie der Prävention von Brustkrebs helfen könnten. Die Preisverleihung erfolgte am 10. Oktober 2020, im Rahmen des 63. Kongresses der DGGG in München.

Publication History

Article published online:
06 November 2020

• Literatur

• 1 Lenz B, Eichler A, Schwenke E. et al. Mindfulness-based Stress Reduction in Pregnancy: an App-Based Programme to Improve the Health of Mothers and Children (MINDFUL/PMI Study). Geburtshilfe Frauenheilkd 2018; 78: 1283-1291 doi:10.1055/a-0677-2630
• 2 Wunderle M, Olmes G, Nabieva N. et al. Risk, Prediction and Prevention of Hereditary Breast Cancer – Large-Scale Genomic Studies in Times of Big and Smart Data. Geburtshilfe Frauenheilkd 2018; 78: 481-492 doi:10.1055/a-0603-4350