Under de senaste åren har användningen av real-world data (RWD) i medicinsk forskning ökat betydligt i ett försök att skapa real-world evidence (RWE). RWE ger viktiga insikter i behandlingens prestationer utanför kontrollerade miljöer i klinisk praxis, på riktiga patienter. Sarah Blackburn, Senior Business Development Manager på LOGEX, delar sitt perspektiv på denna förändring från sin över 20 år långa karriär inom RWE-fältet.
Sarah, hur skulle du beskriva förändringen som sker inom RWE i den europeiska hälso- och sjukvården under de senaste åren?
Före COVID-19 spelade real-world data (RWD) en begränsad roll i beslutsfattandet inom hälso- och sjukvården, eftersom kliniker föredrog randomiserade kontrollerade studier (RCT) och fokuserade på prospektiva studier. Pandemin markerade emellertid en betydande förändring, särskilt under vaccinationsutbyggnaden. Miljontals vaccinationer administrerades, med effekterna på patienter övervakade i realtid. Denna ökade synlighet hjälpte både kliniker och patienter att erkänna värdet av RWE, vilket höjde dess status närmare RCT:s. Detta ledde till att fler forskare genomförde studier med RWD och att fler patienter och kliniker gick med på att delta i dessa studier.
Trots detta stora ökade intresse för RWE, vilka hinder finns kvar inom detta område?
Utmaningar kvarstår, särskilt när det gäller inkonsekvens i datainsamling över europeiska hälso- och sjukvårdssystem. Brist på standardisering mellan länder innebär att samma mätning kan registreras med olika metoder eller format. Till exempel mäts vikt i stenar i Storbritannien, medan det registreras i kilogram på andra håll. Dessutom måste data från olika källor, som fri text, omvandlas till standardformat för analys. Dessa variationer skapar hinder för dataanalys och jämförelse. Att lösa dessa problem manuellt är alldeles för tidskrävande och felbenäget. De kräver fungerande tekniska lösningar.
Hur ser dessa lösningar ut?
Som du kommer att kunna läsa på annat håll i denna tidning, har vi för ett av våra projekt i princip kunnat bygga en stor översättningsmaskin som omvandlar lokala data till OMOP-modellen. Vi använder också Natural Language Processing (NLP), en AI-kapacitet som kan omvandla fri text till absoluta data. Vi arbetar alltid nära tillsammans med datadepartementen och ledande kliniker på de deltagande sjukhusen för att säkerställa att våra standardiseringsprocesser leder till giltiga resultat.
Ser vi lovande resultat från den ökade användningen av RWE?
Idag är RWE avgörande för att förbättra kostnadseffektiv patientvård och förbättra kliniska resultat. Till exempel deltog LOGEX nyligen i en studie publicerad i Lung Cancer, som visade att lägre doser för lungcancerpatienter leder till bättre kostnadseffektivitet och samma kliniska resultat för patienter, vilket minskar svårighetsgraden av biverkningar och möjliggör behandling av fler patienter med samma resurser. Genom att återspegla verkliga resultat stödjer RWE datadrivna beslut som förbättrar patientvård och stärker hälso- och sjukvårdssystemet.
[1] https://pmc.ncbi.nlm.nih.gov/articles/PMC9815890/