De afdeling Global Health heeft een positie beschikbaar voor een postdoctoraal onderzoeker met ervaring in het modelleren van biologische processen en/of infectieziekten.Als postdoc draag je bij aan onderzoek op het gebied van modelleren van
antimicrobiële resistentie (AMR) voor wereldwijde gezondheidsinterventies.
- Je zal een dynamisch mechanistisch model van AMR tijdens een infectie met gonococcen (gonorroe) verder ontwikkelen en toepassen.
- Daarnaast zal je meewerken aan de integratie van dit mechanistische model in een agent-based netwerkmodel van infectietransmissie met het doel om surveillance- en stewardshipscenario's te simuleren ter ondersteuning van de introductie van een first-in class antibioticum voor de behandeling van (multiresistente) gonorroe (JPI-AMR MAGICIAN consortium, in nauwe samenwerking met GARDP).
- Ook zal je als postdoc bijdragen aan de verdere ontwikkeling van strategieën voor prioritering van AMR-surveillance met behulp van modelleringbenaderingen (EU VEO-consortium).
Het werk omvat de co-supervisie van een promovendus. Er is financiering beschikbaar voor twee jaar met perspectief voor verdere ontwikkeling van het onderzoeksprogramma binnen de afdeling Global Health en het AIGHD.
Antimicrobiële resistentie (AMR) verhoogt wereldwijd de morbiditeit, mortaliteit en uitgaven voor gezondheidszorg. Bovendien ontstaat er na de introductie van nieuwe antimicrobiële middelen steeds sneller resistentie, waardoor de effectiviteit van antibiotica die als laatste redmiddel worden ingezet, snel afneemt. Surveillance van AMR is een eerste vereiste om het succes van AMR-stewardshipmaatregelen, infectiepreventie en -bestrijding en de effectiviteit van nieuwe therapeutische en diagnostische opties te beoordelen. AMR-surveillance is duur in termen van geld, infrastructuur en expertise. Vooral in lage- en middeninkomenslanden (LMIC) zijn zorgstelsels vaak niet in staat om dergelijk surveillance te faciliteren.
Bij de afdeling Global Health van de Amsterdam UMC en het Amsterdam Institute for Global Health and Development (AIGHD) gebruiken we modellering en data-analyse om verschillende (organisatorisch, geografisch, etc) AMR-surveillance- en stewardshipstrategieën te onderbouwen en surveillanceactiviteiten te prioriteren in LMIC waar gegevens schaars zijn. Op het individuele niveau schaal passen we mechanistische modelleringsbenaderingen toe om de dynamiek van infecties veroorzaakt door resistente bacteriën te begrijpen.