Klinische Studien: Datenpraxis im

regulatorischen Umfeld, mit

Gesetzeskonformität,

Datenqualität und Transparenz

Wolfgang Kuchinke (HHU Düsseldorf)

Heinrich-Heine Universität Düsseldorf

RDA-Deutschland Treffen

27.-28. Nov. 2016, Potsdam

Klinische Studien

• wissenschaftliche Untersuchungen, die am

Menschen prospektiv zur Bewertung der

Auswirkungen gesundheitsbezogener

Interventionen durchgeführt werden

• Durchführung in einem regulierten Umfeld

– Vorschriften und Gesetze zur Forschungsethik,

für Arzneimittel und Medizinprodukte

– Internationale Standards (Deklaration von

Helsinki, ICH Good Clinical Practice)

– GCP-konformes Datenmanagement

GCP Regularien definieren das

Forschungsumfeld

3

Datenschutz in klinischen Studien

• Pseudonymisierung / De-Identifizierung aller

gesammelten patientenbezogenen Daten

• Verblindung

• Rollenbasierte Zugriffskontrolle

– Feinkörnige Kontrolle über den Zugriff auf

unterschiedliche Daten und Funktionen

• Audit Trail

– Die gesamten Systemzugriffe (inkl. Änderungen

der Daten) werden permanent erfasst

Datenmanagement Prinzipien

• Einsatz von klinischen Datenmanagement-

systemen (CDMS)

– Wachsende Menge an Daten in klinischen Studien

• Rolle des “Sponsors”, Investigator Sponsored Trial

• Studiendaten werden von Prüfärzten in Prüfzentren

mit Hilfe besonderer Formulare gesammelt: “Case

Report Forms (CRF)”

• Die elektronische Datensammlung wird Electronic

Data Capture (EDC) genannt, eingebaute Qualität

– Richtigkeit der eingegebenen Daten wird geprüft

– Daten werden kodiert und Berichte erstellt

• Zunehmend: Bioproben und bildgebende Verfahren

ECRIN

• European Clinical Research Infrastructure

Network

• Vernetzung wissenschaftlicher Partner

europaweit

• Ziel ist die Erleichterung der Durchführung

multinationaler klinischer Forschung

• ECRIN zertifiziert Datenzentren, um sie auf

die anspruchsvollen Anforderungen des

Datenmanagements in einem regulierten

Umfeld vorzubereiten

Unterstützung während der Vorbereitung, Validierung

und Durchführung klinischer Studien

© Universitätsklinikum Düsseldorf, Unternehmenskommunikation

CRC = Clinical research centre DM = Data centre EC = European Correspondent GMP = GMP facility for biotherapy NNC = National Network Coordination

ECRIN

Infrastruktur

VISTA Trials User Interface

Datenmanagement in klinischen

Studien • Ziel ist eine hohe Datenqualität und der

Schutz der Studienteilnehmer

• Datensammlung und Datenmanagement

gemäß den Vorgaben im Studienprotokoll,

dem Datenmanagementplan (DMP) und

dem statistischen Analyseplan ausgeführt.

• Plausibilitätsprüfungen und ein Query-

Management sorgen für Minimierung von

Fehlern und Diskrepanzen

• Training ist wichtig

Problemfeld

• Erheblicher Aufwand für das Datenmanagement

• Ein beträchtlicher Anteil der Daten wird nicht

veröffentlicht oder für eine unabhängige Analyse

bzw. Meta-Analyse bereitgestellt

• Mangel an Transparenz beeinträchtigt das Wissen

über die Wirksamkeit und Sicherheit von neuen

Medikamenten und Behandlungsmethoden

• ECRIN möchte klinische Studiendaten für eine

Wiederverendung durch unabhängige Analysen

bereitstellen

EU-Projekt CORBEL

• „Community Driven Cross-Infrastructure

Joint Research“

• Unterstützung komplexer Forschungs-

projekte in der medizinischen und bio-

wissenschaftlichen Forschung

• Anforderungen sind Forschungsdomänen

übergreifend

• Bedingungen für den Zugang und die

gemeinsame Nutzung von auf

Einzelpersonen bezogenen Studiendaten

(ECRIN: WP3.3)

ECRIN Qualifikationskriterien

Seit 2011: Transparenz als Kriterium wird von ECRIN gefordert

Von: R. Banzi, 2016, 1st CORBEL Stakeholder Meeting

Einzelperson-bezogene Studiendaten

Transparenz und der Zugang zu Forschungs-

daten sind ein Schlüsselfaktor für die

Forschungspolitik, die sich auf die Daten-

qualität auswirkt und zu einer optimalen

Nutzung von Daten aus Forschungsprojekten

führt

• Entwicklung eines Piloten / Demonstrators

– Re-analyse / Metaanalyse-fähige Datenbank anonymisierter

Patientendaten

– Teil einer Forschungsumgebung

– Erfassung und Speicherung der Einzelperson-bezogenen

Studiendaten, Zugriffs- und Extraktionsmodul

– Möglichkeiten der semantischen Annotation von Metadaten,

Definition von Rechten und Verantwortlichkeiten für Datenanbieter

und Datennutzer

Erfolgreiche und nachhaltige

Entwicklung

• Zusammenarbeit mit anderen Forschungs-

infrastrukturen

• Einbindung von e-Infrastrukturen als Dienstleister

• Einsatz von „Identifiern“, Metadaten,

Datenstandards, und „Policies“

• Klinische Studiendaten an die „Data Fabric“ der

allgemeinen Forschungsprozesse beteiligen

• Redundante und mehrfache Entwicklungen

vermeiden und man auf bewährte und robuste

Methoden aufsetzen

Metadaten-Repository (MDR)

• Verlinkung der Studiendaten, Studiendokumente

und dazugehörigen Publikationen durch ein

Metadaten-Repository (MDR)

• Basierend auf einem einfachen

Metadatenschema soll es möglich sein

– jedes Datenobjekt auf seine Studie zu beziehen, das

Datenobjekt zu charakterisieren

– zu beschreiben, wie und durch welche „Policy“, auf

dieses Datenobjekt zugegriffen werden kann.

EUDAT Pilot von ECRIN: Speicherung

von Studiendaten

• B2SAFE ist bereits im Forschungs-

zentrum Jülich installiert

• iRODS-Instanz auf HHU Server

(Community Server) und in FZJ

• Import der Datensätze in B2SAFE

durch Synchronisation via iRODS-to-

iRODS zwischen dem HHU Server und

dem B2SAFE Server am FZ Juelich

• Problem: Datenimport und Transfer

unverschlüsselt

B2SAFE zur Archivierung

• B2SAFE nicht nur als Backup für eine

bestehende Datenbank

• Als eigenes Repository für die Langzeit-

speicherung von Studiendaten

• B2FIND für die Veröffentlichung

von Metadaten aus klinischen Studien

• B2SHARE für das Verteilen von freien

Informationen über gespeicherte Studien

EUDAT Sensitive Data Group

• Untersuchung der Anforderungen

verschiedener Forschungs-

gemeinschaften in Bezug auf

sensible Daten

• Möglichkeiten, welche die

generischen Lösungen von

e-Infrastrukturen für den Umgang mit

sensiblen Daten bieten können

• Erstes Treffen: Beyond EUDAT2020,

26 September 2016, Krakow, Poland

Beispiele für sicheren Datenaustausch

• Nachweis der Identität, Signatur einer

Vertraulichkeitserklärung (non-disclosure

agreement)

• Analyse von Daten in einer dedizierten

Einrichtung ohne Netzwerkverbindung

– anonyme Informationen oder Statistiken

– Zum Beispiel, UK Data Service und Secure Lab

• Daten in anonymer Form verfügbar machen

– Anweisungen zum Anfordern des Zugriffs auf

den vollständigen Datensatz

Sensitive Daten und EUDAT Services

• B2SHARE für die Speicherung und

Veröffentlichung – offener Zugang, mit der Möglichkeit eines Embargos

– Metadaten sind immer offen

– Zugriffskontrolle (nicht in der aktuellen Version)

– Dedizierte Ordner für „restricted access“

• B2SAFE für sichere Langzeitspeicherung. – Authentifizierung und Autorisierung verfügbar.

– Dedizierte iRODS-Zonen mit Regeln für sensible Daten.

– Verschlüsselung / Anonymisierung von Daten als

zusätzliche Aufgaben.

Vielen Dank!

Wolfgang Kuchinke

KKS, Uniklinikum, Heinrich-Heine University

Düsseldorf, Germany

kuchinke@med.uni-duesseldorf.de

www.ecrin.org

www.corbel-project.eu/home