I løpet av de siste årene har bruken av real-world data (RWD) i medisinsk forskning økt betydelig i et forsøk på å skape real-world evidence (RWE). RWE gir viktige innsikter i behandlingsprestasjon utenfor kontrollerte omgivelser i klinisk praksis, på ekte pasienter. Sarah Blackburn, Senior Business Development Manager hos LOGEX, deler sitt perspektiv på denne endringen fra sin over 20 år lange karriere innen RWE-feltet.
Sarah, hvordan vil du beskrive endringen som skjer innen RWE i europeisk helsevesen de siste årene?
Før COVID-19 spilte real-world data (RWD) en begrenset rolle i beslutningstaking innen helsevesenet, ettersom klinikere foretrakk randomiserte kontrollerte studier (RCT) og fokuserte på prospektive studier. Pandemien markerte imidlertid en betydelig endring, spesielt under vaksineutrullingen. Millioner av vaksinasjoner ble administrert, med effektene på pasienter overvåket i sanntid. Denne økte synligheten hjalp både klinikere og pasienter med å erkjenne verdien av RWE, noe som hevet dens status nærmere RCT-ene. Dette førte til at flere forskere gjennomførte studier med RWD og at flere pasienter og klinikere gikk med på å delta i disse studiene.
Til tross for denne store økningen i interesse for RWE, hvilke hindringer gjenstår på dette feltet?
Utfordringer vedvarer, spesielt når det gjelder inkonsekvent datinnsamling på tvers av europeiske helsesystemer. Mangelen på standardisering mellom land betyr at den samme målingen kan registreres ved hjelp av forskjellige metoder eller formater. For eksempel måles vekt i stein i Storbritannia, mens det registreres i kilogram andre steder. I tillegg må data fra ulike kilder, som fritekst, konverteres til standardformater for analyse. Disse variasjonene skaper barrierer for dataanalyse og sammenligning. Å løse disse problemene manuelt er altfor tidkrevende og feilutsatt. De krever brukbare tekniske løsninger.
Hvordan ser de løsningene ut?
Som du vil kunne lese andre steder i dette magasinet, har vi for et av våre prosjekter i hovedsak klart å bygge en stor oversettelsesmaskin som konverterer lokale data til OMOP-modellen. Vi bruker også Natural Language Processing (NLP), en AI-kapasitet som kan omdanne fritekst til absolutte data. Vi jobber alltid tett med dataavdelinger og ledende klinikere ved de deltakende sykehusene for å sikre at våre standardiseringsprosesser fører til gyldige resultater.
Ser vi noen lovende resultater fra den økte bruken av RWE?
I dag er RWE essensielt for å forbedre kostnadseffektiv pasientbehandling og forbedre kliniske resultater. For eksempel deltok LOGEX nylig i en studie publisert i Lung Cancer, som viste at lavere doseringer for lungekreftpasienter fører til bedre kostnadseffektivitet og samme kliniske resultater for pasienter, noe som reduserer alvorlighetsgraden av bivirkninger og gjør det mulig å behandle flere pasienter med de samme ressursene. Ved å gjenspeile reelle resultater støtter RWE datadrevne beslutninger som forbedrer pasientbehandlingen og styrker helsevesenet.