Данные НИС: Подходы к организации сбора данных
С недавних пор ежегодно растет популярность неинтервенционных исследований (НИС), т. е. исследований без вмешательств, когда лекарственное средство назначается врачом в соответствии с рутинной практикой специалиста. Одной из характерных особенностей проведения такого рода исследований является большое разнообразие источников данных, более того из-за направленности на изучение рутинной клинической практики необходимо постоянно помнить, что источники данных не были созданы для их последующего анализа в рамках клинического исследования. Цели и подходы к ведению этих медицинский записей находятся за пределами задач, поставленных протоколом исследования. Данная специфика требует отдельного внимания при подготовке системы сбора информации. В данной заметке мы рассмотрим некоторые методы обеспечения целостности сбора данных в рамках НИС.
Источники данных
Данные реальной практики представлены широчайшим набором источников, интерпретация которых так или иначе может быть полезной для изучения применения лекарственных средств. В англоязычной практике широкое распространение получил термин Real-World Data (RWD), описывающий всё многообразие таких данных. Условно, данные “из реального мира” могут быть поделены на две группы: публичные данные и закрытые данные. Примером публичных данных может могут послужить данные социальных сетей, открытие датасеты по нежелательным явления, де-идентифицированные открытые данные по клиническим исследования. Закрытые источники представлены, например, медицинскими записями, электронными базами лабораторных анализов, данными с устройств непрерывного мониторинга состояния и т. д. Как видно, источники разнятся не только по типу собираемых сведений, но и по средствам их носительства. В каких-то случаях можно осуществить автоматический перенос данных из одной базы в другую, в каких-то потребуется ручной ввод.
Однако важнее тот факт, что цели поставленные в протоколе исследования оперируют с интегральными параметрами, суммами, средними, изменениями динамики и так далее. Иначе говоря, процесс анализа требует определенную структуру данных, специально подготовленную для фиксации и интерпретации данных. В отличие от классического клинического исследования, где структура записей может определять протоколом, НИС не имеют возможности вмешиваться в ход рутиной клинической практики. Там самым становится критически важным процесс подготовки системы сбора данных, так как только на этом этапе появляется возможность сгруппировать разрозненные источники в целостную базу данных.
Контроль конечных точек исследования
Для обеспечения целостности данных необходимо прежде сфокусироваться на процессе сбора данных по конечным точкам. Это требуется прежде всего для того, чтобы система сбора данных имела в основе своей предельно понятный для всех участников исследования набор записей. Используя такой подход, можно, во-первых, обеспечить четкий контроль заполненности данных, по ключевым параметрам, а во-вторых, имея подобную жесткую структуру, добавлять новые поля ввода, связывая их с основными параметрами. Для этого необходимо ответить на следующие вопросы:
- Каковы характеристики конечных точек?
- Какие статистические методы анализа будут применяться к этим данным?
- Как дизайн исследования влияет на сбор этих данных, есть ли ретроспективные данные, осуществляется ли сбор данных по-визитно или событием является изменение статуса субъекта?
Особенности структуры эИРК
Поскольку для выполнения задач, поставленных протоколом исследования, необходимо организовать структурированную базу данных, то наиболее удобным и логичным способом является использование индивидуальных регистрационных карт (ИРК) как электронных, так и бумажных, которые бы унифицировали процесс адаптации записей реальной клинической практики в единую систему сбора данных. Ввиду наличия множества источников, локального характера ведения медицинских записей, и, как правило, многоцентрового характера исследований даже сам процесс ввода данных может приобретать неунифицированных характер, что в итоге может привести к разнородности получаемой информации. Особенно это касается бумажных ИРК, так как отсутствие логических связей между формами, отсутствие ограничений на ввод данных в поля, а также более долгий и сложный процесс разрешения запросов на уточнение данных увеличивают риск сбора несогласованных данных. Таким образом наиболее приемлемым является использование электронных систем сбора данных (electronic data capture —EDC) и, соответственно, электронных ИРК (эИРК).
Широкое разнообразие инструментов по верификации данных на этапе ввода в эИРК в свою очередь не должны привести к ситуации невозможности ввода данных. При построении формы эИРК в НИС необходимо помнить:
- Работу по адаптации своих данных под созданную структуру всё равно проделывает исследователь.
- Невозможно заранее предусмотреть все возможные варианты собираемых значений.
- Велика вероятность наличия пропущенных или частичных данных, которые невозможно восстановить.
Все эти особенности необходимо иметь в виду при проектировании структуры базы данных, для того чтобы с одной стороны обеспечить сбор данных, а с другой не создать ситуацию полного отсутствия возможности ввода данных.
Источники:
- Rocca, Mitra, et al. «Source Data Capture from EHRs: Using Standardized Clinical Research Data.» (2019).
- Framework for FDA’s Real-World Evidence Program (2018)
- Basic Considerations for the Use of Real World Evidence (RWE) in Support of Regulated Clinical Trial Submissions (2020)