T5.4 “Use case ‘Klinische Studien’”

T5.4 “Use case ‘Klinische Studien’”

(Universität Leipzig, IMISE (Leitung), Universität Leipzig, ZKS (Leitung), KKSN, Participants: Zentren für Klinische Studien)

Hintergrund

Für die Planung einer klinischen Studie (einschließlich Design und Fallzahlschätzung) werden Informationen über die Krankheit, die Zielpopulation und die biometrischen Eigenschaften der verwendeten Endpunkte benötigt. Die Planung einer klinischen Studie sollte sich auf die besten verfügbaren Erkenntnisse stützen. In vielen Fällen liegen veröffentlichte Ergebnisse früherer ähnlicher Studien vor, die jedoch nicht alle relevanten Details enthalten. Beispiele für solche Informationen sind statistische Eigenschaften bestimmter Variablen in einer Zielpopulation von Patienten, der zeitliche Verlauf von Responsevariablen, statistische Eigenschaften von Vorher-Nachher-Unterschieden, Effektgrößen von Behandlungsunterschieden bei Studienendpunkten, die Verteilung prognostischer Faktoren in der Zielpopulation, die Häufigkeit von Bedingungen, die in der geplanten Studie als Ausschlusskriterien gelten, und vieles mehr.

Klinische Studien erheben prospektiv Daten auf der Grundlage eines vordefinierten Dokumentationskonzepts, das sich aus dem Studienprotokoll ableitet und oft mehrere hundert Variablen in strukturierten Dokumentationsbögen umfasst. Es werden große Anstrengungen unternommen, um Qualitätskriterien für jedes Datenelement festzulegen und durchzusetzen (z. B. Pflichtfelder, Formatierungsanforderungen, Maßeinheiten, Referenzintervalle, konditionale Bedingungen). Während die lokalen Forscher durch das Studienprotokoll, durch Kenntnisse der lokalen Prozesse oder Standardarbeitsanweisungen (SOPs) die genaue Bedeutung der Variablen und Messmethoden kennen, ist es für externe Forscher aufgrund fehlender oder begrenzter Beschreibungen schwierig, die genaue Bedeutung zu verstehen. Eine detaillierte Beschreibung inkl. Begriffen aus medizinischen Terminologien, Plausibilitätsprüfungen und Angaben zur Herkunft der Daten (erhoben/gemessen/berechnet/aus Sekundärsystem übernommen), würde die Qualität der Dokumentationskonzepte erhöhen und die Wiederverwendung der Daten unterstützen. Langfristig ist eine Harmonisierung und Standardisierung von Datenelementen klinischer Studien sowohl bei der Erstellung neuer Studienkonzepte (da man sich auf Goldstandard-Datenelemente beziehen könnte) als auch bei Meta-Analysen zum Vergleich von Studien zum gleichen Thema hilfreich.

Die Klinischen Studienzentren (ZKS/KKS) an deutschen medizinischen Fakultäten unterstützen ein breites Spektrum an akademischen, öffentlich finanzierten klinischen Studien. Jährlich werden in Deutschland etwa 400 akademische klinische Studien gestartet. Sobald eine klinische Studie abgeschlossen ist und ihre Ergebnisse veröffentlicht wurden, sollten die Daten für die wissenschaftliche Weiterverwendung zur Verfügung gestellt werden. Dies wird von öffentlichen Geldgebern für klinische Studien wie der DFG oder dem BMBF nachdrücklich gefordert. Derzeit gibt es keine Infrastruktur, die die gemeinsame Nutzung von Daten aus klinischen Studien im Hinblick auf Auffindbarkeit, Zugänglichkeit und Wiederverwendbarkeit und in Übereinstimmung mit den gesetzlichen und regulatorischen Anforderungen für personenbezogene medizinische Daten unterstützt.

Planung von klinischen Studien
Um diese Einschränkungen zu überwinden, wird in diesem Anwendungsfall zunächst in Zusammenarbeit mit T2.1 und T2.2 ein Katalog typischer Merkmale klinischer Datensätze entwickelt (z. B. Krankheitsgebiet, Art der klinischen Studie, eindeutige Kennung der Studie, Merkmale des Studiendesigns, Art der Intervention, Volltextsuche in der Studiensynopse, Zielpopulation, Ergebnisvariable, Art der Therapie). Die Merkmale werden als durchsuchbare und filterbare Facetten in T3.1 implementiert. Gemeinsam mit TA6 werden Konzepte für unterschiedliche Nutzungs- und Zugriffsmechanismen entwickelt und somit in T3.4 bzw. als verteilte Analyse in T3.7 implementiert. Im Rahmen dieser Aktivität werden die implementierten Dienste und ihre Orchestrierung in realen Szenarien in einem ZKS/KKS evaluiert.
Harmonisierung von Datenelementen aus klinischen Studien
Zweitens werden klinische Studiendaten, Metadaten und Datensatzbeschreibungen sowie zusätzliche Dokumente (z.B. das Protokoll der klinischen Studie einschließlich aller Änderungen und Einverständniserklärungen der Patienten) in die bestehende Infrastruktur von NFDI4Health hochgeladen (T3.5). Um die gemeinsame Nutzung von klinischen Studiendaten zu ermöglichen, werden wir einen Arbeitsablauf einrichten, der die folgenden Schritte umfasst: Genehmigung des Hauptprüfers (PI) und/oder des Sponsors, Bewertung der Einverständniserklärungen (T6.2), Anonymisierung (falls erforderlich), Festlegung der Zugangsmodalitäten (T6.1). Nach erfolgreichem Abschluss all dieser Governance-Aufgaben erfolgt der eigentliche Upload der Daten und Dokumente. Der gesamte Arbeitsablauf wird von mindestens zwei ZKS/KKS mit jeweils zehn klinischen Studien paradigmatisch getestet. Die Ergebnisse werden dokumentiert, um eine genauere Einschätzung des Aufwands für künftige Uploads zu ermöglichen.
Verfügbarmachung von Daten aus klinischen Studien
Drittens wird ein Metadatenkatalog für die 750 am häufigsten verwendeten Datenelemente in typischen akademischen klinischen Studien erstellt und abgestimmt. Hierfür werden mindestens zwei ZKS/KKS die annotierten CRFs - vorzugsweise in einem maschinenlesbaren Format wie CDISC ODM - für jeweils zehn verschiedene Studien zur Verfügung stellen. Die Metadatendefinitionen werden in Zusammenarbeit mit T2.2 als Empfehlungen für die Erstellung von Data Dictionaries extrahiert. Anschließend wird die Metadatendefinition auf der Grundlage der von T2.2 spezifizierten Best Practices unter Verwendung von T3.2 kuratiert und vervollständigt. Auf der Grundlage der in T2.2 definierten Standards werden zur Unterstützung der semantischen Interoperabilität Datenelemente mit Konzepten aus medizinischen Terminologien (LOINC, SNOMED, CDASH, UMLS, MeSH) annotiert und lokale Metadaten auf einen zentralen Katalog abgebildet, der aus verschiedenen Domänen besteht (wie bspw. in CDISC CDASH definiert). Es werden Metriken zur Berechnung der Ähnlichkeit von Datenelementen implementiert, die über triviale Vergleiche lexikalischer Bezeichnungen hinausgehen. Schließlich werden die zentralen Metadaten harmonisiert (in Zusammenarbeit mit T2.2). Diese Aktivität wird in Abstimmung mit der Interoperabilitätsarbeitsgruppe der MII durchgeführt.

Deliverables von Task 5.4

No.
Typ*
Beschreibung (Monat)
D5.4
INT
Mindestens 20 klinische Studien wurden in die LAPs hochgeladen (M36)
D5.5
INT
Katalog mit 750 kuratierten und mit Annotationen versehenen gängigen Datenelementen aus verschiedenen Gesundheitsbereichen erstellt (M42)
D5.11
DOC
Report über ein Vokabular typischer Merkmale klinischer Datensätze und die bei der Implementierung und Validierung gemachten Erfahrungen (M54)
* DOC: document, INT: interface definitions, APIs, plan designs, architectures, SVC: service, SW: software, EV: event, DISS: dissemination

Measure-Leads

This image for Image Layouts addon

Matthias Löbe

Measure-Lead T5.4 “Use case ‘Clinical trials’”
Telefon: +49 (0)341 97 16113
                                          
Universität Leipzig
Zentrum für Klinische Studien Leipzig
Härtelstraße 16-18
04107 Leipzig
This image for Image Layouts addon

Dr. Oana Brosteanu

Measure-Lead T5.4 “Use case ‘Clinical trials’”
Telefon: +49 (0)341 97 16251
                                          
Universität Leipzig
Zentrum für Klinische Studien Leipzig
Härtelstraße 16-18
04107 Leipzig
Wir benutzen Cookies

Wir nutzen Cookies auf unserer Website. Einige von ihnen sind essenziell für den Betrieb der Seite, während andere uns helfen, diese Website und die Nutzererfahrung zu verbessern (Tracking Cookies). Sie können selbst entscheiden, ob Sie die Cookies zulassen möchten. Bitte beachten Sie, dass bei einer Ablehnung womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen.