In de afgelopen jaren is het gebruik van real-world data (RWD) in medisch onderzoek aanzienlijk toegenomen in de poging om real-world evidence (RWE) te creëren. RWE biedt cruciale inzichten in de prestaties van behandelingen buiten gecontroleerde omgevingen in de klinische praktijk, bij echte patiënten. Sarah Blackburn, Senior Business Development Manager bij LOGEX, deelt haar perspectief op deze verschuiving vanuit haar 20+ jaar carrière in het RWE-veld.
Sarah, hoe zou u de verandering in RWE in de Europese gezondheidszorg de afgelopen jaren beschrijven?
Vóór COVID-19 speelde real-world data (RWD) een beperkte rol bij het nemen van beslissingen in de gezondheidszorg, aangezien clinici de voorkeur gaven aan gerandomiseerde gecontroleerde onderzoeken (RCT’s) en zich richtten op prospectieve studies. Echter, de pandemie markeerde een significante verschuiving, vooral tijdens de uitrol van vaccins. Miljoenen vaccinaties werden toegediend, waarbij de effecten op patiënten in real-time werden gemonitord. Deze verhoogde zichtbaarheid hielp zowel clinici als patiënten de waarde van RWE te erkennen, waardoor de status dichter bij die van RCT’s kwam. Dit leidde ertoe dat meer wetenschappers studies met RWD uitvoerden en meer patiënten en clinici instemden om deel te nemen aan deze studies.
Ondanks deze grote toename van interesse in RWE, welke obstakels blijven nog bestaan in dit veld?
Er blijven uitdagingen bestaan, met name wat betreft de inconsistentie in gegevensvastlegging in de Europese gezondheidszorgsystemen. Een gebrek aan standaardisatie tussen landen betekent dat dezelfde meting op verschillende manieren of formaten kan worden vastgelegd. Bijvoorbeeld, gewicht wordt gemeten in stones in het VK, terwijl het elders in kilogrammen wordt geregistreerd. Bovendien moeten gegevens uit diverse bronnen, zoals vrije tekst, worden omgezet in standaardformaten voor analyse. Deze variaties creëren barrières voor het analyseren en vergelijken van gegevens. Het handmatig oplossen van deze problemen is veel te tijdrovend en foutgevoelig. Ze vereisen werkbare technische oplossingen.
Hoe zien die oplossingen eruit?
Zoals u elders in dit tijdschrift kunt lezen, hebben we voor een van onze projecten in wezen een grote vertaalmachine kunnen bouwen die lokale gegevens omzet in het OMOP-model. We maken ook gebruik van Natural Language Processing (NLP), een AI-mogelijkheid die vrije tekst kan omzetten in absolute gegevens. We werken altijd nauw samen met de datadepartementen en toonaangevende clinici van de deelnemende ziekenhuizen om ervoor te zorgen dat onze standaardisatieprocessen tot geldige resultaten leiden.
Zien we al veelbelovende resultaten van het verhoogde gebruik van RWE?
Tegenwoordig is RWE essentieel voor het verbeteren van kosteneffectieve patiëntenzorg en het verbeteren van klinische resultaten. Bijvoorbeeld, LOGEX nam onlangs deel aan een studie gepubliceerd in Lung Cancer, waaruit bleek dat lagere doseringen voor longkankerpatiënten leiden tot betere kosteneffectiviteit en dezelfde klinische resultaten voor patiënten, waardoor de ernst van bijwerkingen wordt verminderd en meer patiënten kunnen worden behandeld met dezelfde middelen. Door real-world uitkomsten te weerspiegelen, ondersteunt RWE datagestuurde beslissingen die de patiëntenzorg verbeteren en het gezondheidssysteem versterken.
[1] https://pmc.ncbi.nlm.nih.gov/articles/PMC9815890/
