VERI E FALSI PROBLEMI DELLE CRF ELETTRONICHE

Presentazione sul tema: "VERI E FALSI PROBLEMI DELLE CRF ELETTRONICHE"— Transcript della presentazione:

1

2 VERI E FALSI PROBLEMI DELLE CRF ELETTRONICHE
Martedì, 17 gennaio 2006 Auditorium Bayer Viale Certosa 130, Milano Il Ruolo dello Statistico Claudio Iannacone Group Manager Biostatistics

3 Vantaggi della eCRF Principali Vantaggi
Possibilità di inserimento dei dati anche nel corso della visita del paziente Riduzione del tempo necessario per la pulizia dei dati Riduzione degli errori nel database dello studio rispetto alla CRF cartacea Possibilità di accesso agli stessi dati in “real-time” da parte di tutti i membri del team dello studio (es. CRA, PM, Ph.V., DM, Stats, Sponsor e Sperimentatori) Riduzione del tempo necessario per il “database lock” dello studio

4 Vantaggi della eCRF Ulteriori Benefici
“audit trail” dei dati nel database No tracking manuale del materiale dello studio (CRF, range di normalità parametri di laboratorio, CIOMS, ecc.) Gestione SAE via eCRF – riconciliazione non più necessaria

5 Raccolta dati: eCRF vs. Scheda Cartacea
Gap di qualità Dati presso il Centro Dati con eCRF Gap di visibilità Dati con CRF cartacea Tempo Ritardo dovuto al “discrepancy management”

6 Problemi legati alla eCRF
Mancanza di una tecnologia leader di mercato Mancanza di funzionalità del software Problemi tecnici Resistenza a cambiare gli attuali processi organizzativi Necessità di nuove SOPs Inerzia degli Sperimentatori Costi Incremento del rischio di frodi

7 Quali trials con l’eCRF?
Qualsiasi terapia/indicazione Tutti le fasi ma con differenti focus: Accesso immediato ai dati (Phase I) Identificazione rapida delle risposte al trattamento (Phase II) Riduzione dei tempi e dei costi dei trials (Phase III) Monitoraggio remoto per contenere i costi; allargamento della base dei centri partecipanti ai trials (Phase IV)

8 Perchè raccomandare la eCRF?
Semplificazione delle attività di data management e di biostatistica Miglioramento del controllo dello studio  decisioni proattive Accesso immediato a dati clinici puliti (interim, DSMBs, e-Submission) Incremento della visibilità dello studio Incremento della qualità

9 Metriche Quintiles Carta eCRF
Protocollo finale al “go live”: 4-6 settimane Query response median time: 4 settimane Data base lock: 4-6 settimane Protocollo finale al “go live”: 8-10 settimane Query response median time: 3-4 giorni Data base lock: 1-2 settimane Una riduzione del 50% del tempo per il “database lock” impatta significativamente sui ricavi legati alla riduzione del “time-to-market”

10 Come cambia il ruolo dello statistico
La facilità ad accedere a dati puliti richiede una pianificazione dettagliata delle analisi statistiche all’inizio dello studio (SAO & SAP) Standardizzazione dei processi di DM/Stats Come utente finale dei dati, lo statistico incoraggia la standardizzazione dei layouts, della struttura del database, dei formati e dei nomi delle variabili (CDISC)

11 Come cambia il ruolo dello statistico
Maggiori cambiamenti per lo statistico: grosso sforzo nel set-up dello studio clinico e della eCRF Disegnare la eCRF: deve essere logica, completa e consistente con il protocollo dello studio Prevenire l’unblinding dello studio Identificare i dati esterni da non integrare nel database della eCRF (es. Labs) Assicurare che tutte le variabili calcolate necessarie per l’analisi dell’efficacia e della safety sono derivabili dagli items inseriti nella eCRF Fornire le formule per il calcolo delle variabili derivate Evidenziare possibili ambiguità nella raccolta dei dati

12 Utilizzo della statistica per identificare i centri critici
Nuove opportunità Utilizzo della statistica per identificare i centri critici Individuare i centri che necessitano di ulteriore training o di una maggiore attività di monitoraggio Scoprire frodi e negligenze Inusuale correlazione tra peso/altezza….. Bassa segnalazione di eventi avversi, di terapie concomitanti, di malattie pregresse o intercorrenti, ecc. Inusuale distribuzione dell’ultima cifra dei parametri numerici (es. Laboratorio, ECG, questionari, ecc.) Analisi statistiche degli errori ongoing Trends, centri, pagine, ecc.

13 Ridurre la numerosità campionaria usando l’analisi sequenziale
Nuove opportunità Ridurre la numerosità campionaria usando l’analisi sequenziale Principio fondamentale: valutare il paziente aggiuntosi in ciascun trattamento applicando una regola statistica per stabilire se interrompere o no lo studio (monitoraggio continuo delle differenze tra i trattamenti) Numero mediano di pazienti inferiore rispetto agli studi convenzionali con dimensione fissa Richiede una immediata disponibilità di risposte validate (es. successo/insuccesso) La dimensione campionaria dello studio non è stimabile – c’è un piccolo rischio di dovere arruolare ed analizzare un numero elevato di pazienti

14 Conclusioni Pianificazione accurata delle analisi statistiche (SAO & SAP) all’inizio dello studio Maggiore contributo dello statistico nella fase di set-up dello studio e della eCRF Nuove opportunità Facilitare il lavoro di tutto il team di progetto Individuare frodi e negligenze dei centri Ottenere le stesse risposte con studi più piccoli