Patient Recruitment: Accelerating Pharmaceuticals' Drive to Market

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 679 (2004))

Drayton S

Patient Recruitment: Accelerating Pharmaceuticals' Drive to Market / Drayton S
Patient Recruitment: Accelerating Pharmaceuticals’ Drive to Market Dr. Sally Draytona, Heather E. Frasera, and Carsten Radtkeb IBM Institute for Business Value Life Sciencesa, London (UK) and IBM Business Consulting Servicesb, Frankfurt/Main (Germany) Patienten-Rekrutierung: Beschleunigter Marktzugang für pharmazeutische Unternehmen Der Druck auf Pharmaunternehmen, schneller größere Anzahlen von neuen Arzneimitteln zu entwickeln, steigt. Damit sind diese gezwungen, klinische Studien so schnell als möglich durchzuführen. Dabei verzögern ineffiziente Prozesse zur Rekrutierung von Patienten die erfolgreiche Markteinführung eines Produktes. Diese Rekrutierungsprozesse werden sich nachhaltig auswirken, je größer der Aufwand für klinische Studien wird. Basierend auf einer aktuellen internationalen Studie empfehlen Forscher den Pharmaunternehmen, das Thema Patientenrekrutierung zu überdenken. Die Forscher konzentrieren sich dabei auf fünf Punkte, die helfen können, verschwendete Investitionen zu verhindern und kostspielige Verzögerungen auszuschließen, um neue Arzneimittel auf den Markt zu bringen. Key words Clinical trials, patient recruitment • Patient recruitment, inefficient processes, process improvement • Product launches © ECV- Editio Cantor Verlag (Germany) 2004  

Data Warehouse Project for Clinical Data in the Pharmaceutical Industry

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 672 (2004))

Dreher K

Data Warehouse Project for Clinical Data in the Pharmaceutical Industry / Dreher K
Data Warehouse Project for Clinical Data in the Pharmaceutical Industry Sylvia Pratz and Dipl.-Ing. (FH) Karlheinz Dreher Boehringer Ingelheim Pharma GmbH & Co. KG, Biberach (Germany) Data Warehouse-Projekt für klinische Daten in der Pharmaindustrie Auswertung und Berichterstattung von Daten, die in klinischen Studien anfallen, sind äußerst wichtige Teile im Lebenszyklus eines Arzneimittels. Die Auswertung von Prüfungsdaten muß unter kontrollierten Bedingungen erfolgen und nachvollziehbare Ergebnisse liefern. Besondere Aufmerksamkeit muß auf eine kontrollierte und 21 CFR Part 11-konforme Umgebung gelegt werden. Der folgende Beitrag behandelt ein Projekt, das von einem Pharmaunternehmen (Boehringer Ingelheim) initiiert wurde, um ein integriertes System für Transformation, Speicherung, Analyse und Berichterstellung von klinischen Daten auf internationaler Ebene zu entwikkeln. Eine Partnerschaft mit Oracle Corporation (Oracle®) und IBM® wurde eingegangen mit dem Ziel, ein kommerziell verfügbares Produkt, Clinical Data Repository (CDR) genannt, zu entwickeln. Beschrieben wird zuerst die derzeitige Umgebung, die als Ausgangsbasis für die Anforderungen an die neue Anwendung diente. Danach werden die Anforderungen, die Funktionen und die zu unterstützenden Prozesse des Systems und dessen technische Implementierung besprochen. Der Beitrag schließt mit einer Übersicht, welche die noch zu bewältigenden Herausforderungen beschreibt und die möglichen zukünftigen Anwendungsmöglichkeiten von CDR skizziert. Key words Clinical data, analysis, reporting • Clinical Data Repository (CDR) © ECV- Editio Cantor Verlag (Germany) 2004  

Data Management and Electronic Data Capture with Clinical Trials

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 667 (2004))

Pröve J

Data Management and Electronic Data Capture with Clinical Trials / Pröve J
Data Management and Electronic Data Capture with Clinical Trials Dr. Johann Pröve Bayer Vital GmbH, Leverkusen (Germany) Datenmanagement und elektronische Datenerfassung in klinischen Studien Die elektronische Erfassung von Daten (EDC, electronic data capture) wurde bei Bayer vor über 15 Jahren schrittweise eingeführt; vor kurzem wurde entschieden, bei allen firmenintern durchgeführten Studien von dieser Methode Gebrauch zu machen. Für die ersten Schritte zur Verwirklichung scheint es zunächst am wichtigsten zu sein, die richtigen EDC-Werkzeuge auszuwählen. Bis zu einem gewissen Ausmaß trifft dies auch zu. Es stellte sich jedoch heraus, daß die Anpassung von Verfahren im Monitoring, der Datenhandhabung und -aufbereitung für die erfolgreiche Umsetzung der EDC deutlich wichtiger ist. Die Modifizierung von Verfahren erleichterte den reibungslosen Übergang von einem zum anderen EDC-System beim Unternehmen. Zur Zeit wird die Organisation auf das vierte EDC-System umgestellt, ohne daß es dadurch zu wesentlichen Unterbrechungen des Geschäftsgangs kommt. Dieser Beitrag beleuchtet verschiedene Aspekte der Prozeßseite, die Aufmerksamkeit verdienen, sobald ein EDC-Werkzeug ausgewählt wurde und eingesetzt werden soll. Key words Clinical data management • Clinical studies, process improvement • Electronic data capture (EDC) © ECV- Editio Cantor Verlag (Germany) 2004  

Daily Routine Support for Study Management and Monitoring by a Clear Application with an Intelligent Data Model

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 657 (2004))

Grünert I

Daily Routine Support for Study Management and Monitoring by a Clear Application with an Intelligent Data Model / Grünert I
Daily Routine Support for Study Management and Monitoring by a Clear Application with an Intelligent Data Model Georg Zimmera and Irina Grünertb Zimmer + Frischemeyer GmbHa, Organisation · Information · Kommunikation, Langenfeld (Germany), and Medical Affairs Ortho Biotech, Janssen Cilag GmbHb, Neuss (Germany) Unterstützung von Management und Monitoring von Studien im Tagesgeschäft durch eine überschaubare Anwendungslösung mit intelligentem Datenmodell Die effiziente und qualifizierte Durchführung von klinischen Studien erfordert medizinische Professionalität und abwicklungstechnisches Know-how gleichermaßen. Unabhängig von dem Verfahren zur Erfassung von Patientendaten ist eine Fülle von formalen und administrativen Aufgaben bei der Akquisition, Aktivierung und Versorgung von Prüfzentren durchzuführen. Hunderte von Einzelaktivitäten sind zu koordinieren und auszuführen. Dabei ist es für das Studienmanagement nicht immer einfach, den Überblick zu behalten, die Zeitvorgaben zu erfüllen und eine vorschriftenkonforme Abwicklung und Dokumentation nach GCP (Good Clinical Practice) sicherzustellen. Die in der klinischen Forschung verwendeten Standard-Anwendungsprogramme unterstützen nur selten die Verwaltungsprozesse im Tagesgeschäft. Sie sind teuer und bieten meist wenig Anpassungs- und Integrationsmöglichkeiten. Letzteres ist besonders wichtig, da sich klinische Prüfungen in Design, Verfahren und auch Qualitätsstandards erheblich unterscheiden können. Aus diesem Grund sind kleine handliche Datenbankanwendungen auf der Basis von Microsoft Access® entstanden, um das Tagesgeschäft der Studienmitarbeiter zu unterstützen. Diese Studiendatenbanken sind nicht auf mittlere Unternehmen beschränkt, sondern auch in großen Konzernen zu finden. Die Datenbankanwendungen wurden meist in Verantwortung der Fachabteilungen aus der reinen Datensicht entwickelt. Sie sind im Laufe der Zeit organisch gewachsen. Die Funktionalität wurde vielfach angepaßt und ergänzt. Oft werden die Daten durch zusätzliche Exell®-Tabellen und Word®-Listen ergänzt. Das im folgenden Beitrag beschriebene Projekt hatte das Ziel, mehrere Access-Studiendatenbanken und verschiedene zusätzliche Excel-Tabellen sowie Word-Listen mit zahlreichen manuellen Dateneingabeschnittstellen durch eine einheitliche prozeßorientierte Datenbankanwendung zu ersetzen. Dabei sollte der bestehende Import von Studien-, Zentrums- und Patientendaten aus dem übergeordneten CIMS (Clinical Information Management System) erhalten bleiben. Das zugrundeliegende Praxisbeispiel beschreibt eine effiziente und transparente Anwendungslösung, basierend auf Standard-Office-Software zur Unterstützung des Tagesgeschäftes von zentralen Studienmitarbeitern und Monitoren. Die wesentlichen Erfolgsfaktoren des Projektes waren der prozeßorientierte Ansatz, ein intelligentes Datenmodell sowie einfache Schnittstellen zu angrenzenden Systemen. Die Anwendungslösung enthält viele unabhängige Funktionsmodule wie Adreßverwaltung, Kontakthistorie, Honorarabrechnung oder Verfolgung der Prüfmedikation mit ihren logischen Ver-knüpfungen zu den Studien-, Zentrumsund Patientendaten. Diese können leicht an andere Anwendungsfälle in anderen Abteilungen oder Firmen angepaßt werden. Key words Clinical data management • Clinical trial, contact management, data model, investigator accounting, monitoring • Study management © ECV- Editio Cantor Verlag (Germany) 2004  

Clinical Data Interchange Standards Consortium - Goals, Mission, Accomplishments

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 654 (2004))

Kush R

Clinical Data Interchange Standards Consortium - Goals, Mission, Accomplishments / Kush R
Clinical Data Interchange Standards Consortium - Goals, Mission, Accomplishments Rebecca Daniels Kusha and Udo Siegmannb Clinical Data Interchange Standards Consortiuma, Austin (Texas, USA), and PAREXELb, Berlin (Germany) Clinical Data Interchange Standards Consortium - Zielsetzungen, Aufgabenstellung, aktuelle Entwicklung Das Clinical Data Interchange Standards Consortium (CDISC) entwickelt globale, Anbieter-neutrale und Plattform-unabhängige Industriestandards, um die elektronische Akquisition, den Austausch, die Erfassung und Archivierung von klinischen Daten für die biopharmazeutische Produktentwicklung zu erleichtern. Langfristig arbeitet CDISC daran, folgende vier Ziele zu erreichen: • ganzheitlicher Einsatz von Standards, um den Datenaustausch - vom Prüfarzt bis zu den Zulassungsbehörden -im XML-Format zu erleichtern; • Standards zur Akquisition von Daten, die den Einsatz von Studien-übergreifenden Datensammlungen und standardisierter Auswertungs-Software ermöglichen und unterstützen; • Harmonisierung von HL7- (Health Level 7) und CDISC-Datenmodellen. Dadurch können die Daten sowohl aus klinischen Studien als auch aus der (elektronischen) Patientenakte den Beteiligten in der klinischen Forschung und dem öffentlichen Gesundheitswesen gleichermaßen auf elektronischem Wege zur Verfügung gestellt werden; • die globale Übernahme der CDISC-Datenstandards. Bis zum heutigen Zeitpunkt liegen bereits vier CDISC-Modelle vor: Operational Data Model (ODM) Version 1.2, Laboratory Data Standards (LAB) Version 1.0.1, Submission Data Standard (SDS) Version 3 sowie eine Reihe von Modellen zur Analyse und Auswertung von klinischen Daten (AdaM). Die ersten beiden Modelle (ODM, LAB) beschäftigen sich mit der Daten-Akquisition, die übrigen (SDS, AdaM) mit der Einreichung und Überprüfung der Daten bei Behörden -insbesondere der Food and Drug Administration (FDA). Hauptaufgabe der Teams von CDISC besteht derzeit darin, die Interoperabilität zwischen den CDISC-Standards zu sichern wie auch die Schnittstellen mit den Datenstandards im Gesundheitswesen (Reference Information Model) zu vervollständigen. CDISC entwickelt in enger Kooperation - u. a. mit HL7 und der FDA - weitergehende Modelle wie z. B. • für präklinische Daten, • Daten zur Produktstabilität, • standardisierte Darstellung eines Versuchsprotokolls für klinische Studien, • EKG-Verlaufsdaten. Eine Schlüsselrolle in der Zusammenarbeit zwischen CDISC und HL7 liegt in der Entwicklung gemeinsamer Informationsplattformen. Auf diese Weise kann ein gemeinsamer, redundanzfreier Zugriff auf Daten aus der klinischen Forschung und aus dem Gesundheitswesen ermöglicht werden. Mit Hilfe dieser Standards könnte das Zusammenwirken aller an der klinischen Forschung Beteiligten deutlich verbessert werden - von Krankenhausärzten und klinischen Entwick-lern über Vertreter der biopharmazeuti-schen Industrie bis hin zu Behörden. Key words Clinical Data Interchange Standards Consortium • Clinical data management © ECV- Editio Cantor Verlag (Germany) 2004  

Influence of 21 CFR Part 11, Good Clinical Practice, Validation, and Regulatory Impact on Clinical Data Management

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 647 (2004))

Kindler H

Influence of 21 CFR Part 11, Good Clinical Practice, Validation, and Regulatory Impact on Clinical Data Management / Kindler H
Influence of 21 CFR Part 11, Good Clinical Practice, Validation, and Regulatory Impact on Clinical Data Management Hauke Kindlera, Matthias Paskowskyb, and Wolfram Richterb Reliable Lifesciences Consultinga, Neuss, and IMPHAR AGb, Neuenhagen (Germany) Relevanz von 21 CFR Part 11, Good Clinical Practice, Validierung sowie Validierungsrahmenbedingungen für das klinische Datenmanagement 1997 wurde das Gesetz 21 CFR Part 11 von der Food and Drug Administration (FDA) in den Vereinigten Staaten in Kraft gesetzt. 21 CFR Part 11 regelt die Verarbeitung von nur elektronisch gehaltenen Daten und elektronischen Unterschriften im Hoheitsbereich der FDA. Wenn elektronisch gehaltene Daten für Zulassungszwecke im Rahmen von elektronisch unterstützten Arbeitsprozessen abgefragt, erzeugt, geändert, weitergeleitet oder archiviert werden, muß 21 CFR Part 11 erfüllt sein. 21 CFR Part 11 besagt, daß die elektronisch unterstützten Arbeitsprozesse validiert sein müssen. 21 CFR Part 11 ist keine Vorschrift, die für sich alleine genommen erfüllt werden muß. Nur wenn eine Firma sich entschließt, papierbasierte Arbeitsprozesse durch elektronische Datenverarbeitungssysteme zu ersetzen, muß 21 CFR Part 11 eingehalten werden. Einige Firmen arbeiten derzeit daran, die Anforderungen von CFR 21 Part 11 zu erfüllen. Absicht des nachfolgenden Artikels ist, die Intention von CFR 21 Part 11 und seine heutige Interpretation zu beschreiben. In einem Ausblick wird versucht, die zukünftige Entwicklung vorherzusagen. Key words 21 CFR Part 11 • Clinical Data Management • Computerised Systems Validation • Good Clinical Practice © ECV- Editio Cantor Verlag (Germany) 2004  

Data Warehousing in Clinical Research and Development / From clinical data to knowledge portals

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 637 (2004))

Schlaps D

Data Warehousing in Clinical Research and Development / From clinical data to knowledge portals / Schlaps D
Data Warehousing in Clinical Research and Development From clinical data to knowledge portals Dr. Dieter Schlapsa,b and Dr. Thilo Schmida Computer Sciences Corporation (CSC)a, Wiesbaden (Germany), and Private University for Health Sciences, Medical Informatics and Technologyb, Innsbruck (Austria) Data Warehousing in der pharmazeutischen Forschung und Entwicklung / Von klinischen Daten zu Wissensportalen Data Warehousing in der pharmazeutischen Forschung und Entwicklung hat zum Ziel, die Daten und Ergebnisse abgeschlossener bzw. aktueller klinischer Studien mit anderen produkt- oder krankheitsbezogenen Daten zu verknüpfen, um beispielsweise neue klinische Fragestellungen aus den Bereichen Arzneimittelsicherheit und Wirksamkeit zu untersuchen. Im folgenden Beitrag wird erläutert, warum der Ansatz des Data Warehousing gerade für die pharmazeutische Forschung und Entwicklung von so großem Interesse ist und welche technischen Konzepte und Funktionalitäten hinter dieser Technologie stehen. Ein hypothetisches Szenario beschreibt die Einsatzmöglichkeiten und den Nutzen der Data Warehouse-Lösung für verschiedene Anwendergruppen im Unternehmen. Anschließend werden ein Data Warehouse (DWH)-spezifisches Vorgehensmodell zur Durchführung von DWH-Projekten skizziert und wesentliche Erfahrungen aus einer Reihe entsprechender Kundenprojekte diskutiert. Wissensportale erlauben eine wesentliche Erweiterung des Data Warehouses sowohl bezüglich der darin verwalteten Daten und Datenbeziehungen als auch bezüglich der betroffenen Anwendergruppen. Externe Daten aus verschiedensten Quellen können mit den firmeninternen Daten verknüpft und einem gemischten Publikum aus internen und externen Anwendern in spezifischer Form zur Verfü-gung gestellt werden. Es ist insgesamt absehbar, daß klinische Data Warehouse-Lösungen zu einer möglicherweise signifikanten Verbesserung von Initiierung, Planung und Durchführung klinischer Arzneimittelforschung beitragen werden. Key words Clinical data management • Clinical data warehousing • Knowledge portals © ECV- Editio Cantor Verlag (Germany) 2004  

Process Automation in Managing Clinical Trials

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 631 (2004))

Dorn R

Process Automation in Managing Clinical Trials / Dorn R
Process Automation in Managing Clinical Trials Rüdiger Dorn Oracle Deutschland GmbH, Dreieich-Sprendlingen (Germany) Automatisierung im Management klinischer Studien Sinkende Zulassungszahlen bei neuen Medikamenten und die laufend steigenden F&E-Kosten zwingen die Pharmaindustrie, über Automatisierungsmöglichkeiten in der klinischen Entwicklung nachzudenken. Informationstechnologie hilft dabei, die Produktivität der Entwicklungsabteilungen während Planung, Durchführung und Auswertung von klinischen Studien zu erhöhen. Während die Prozeßautomatisierung im traditionellen klinischen Daten-Management - papierbasierte Datenerfassung und Query Management - bereits vor Jahren begonnen hat, erreichen elektronische Datenerfassungssysteme direkt bei den Prüfärzten erst langsam Marktreife, und für die Zukunft wird erwartet, daß Datenanalyse und Studiendesign zunehmend in den Mittelpunkt des Interesses gelangen. Internet-basierte Informationssysteme werden bei der zukünftigen Automatisierung eine entscheidende Rolle spielen und die Qualität von klinischen Daten, Studiendesigns und Entscheidungen im Entwicklungsprozeß weiter erhöhen. Im folgenden Beirag wird auf die bereits erfolgten Automatisierungsschritte eingegangen und untersucht, wie die Pharmaindustrie Informationstechnologie zur weiteren Produktivitätssteigerung einsetzen kann. Key words Electronic Data Capture • Clinical data management • Clinical Data Repository • Clinical trials • Clinical trial management • Investigator relationship management • Process automation © ECV- Editio Cantor Verlag (Germany) 2004  

Electronic Data Capture: Automated Management of Clinical Trial Data

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 623 (2004))

Summa W

Electronic Data Capture: Automated Management of Clinical Trial Data / Summa W
Electronic Data Capture: Automated Management of Clinical Trial Data Dr. Wolfgang Summa DATATRAK International, Bonn (Germany) Electronic Data Capture: Automatisierte Handhabung von Daten aus klinischen Studien Electronic Data Capture (EDC) wurde bereits in den 80er Jahren des 20. Jahrhunderts als die neue Schlüsseltechnologie gehandelt, die den Prozeß der Datenerfassung in klinischen Studien erheblich beschleunigen sollte. Der folgende Artikel gibt einen Überblick über die heute verwendeten Technologien und zeigt Ergebnisse einer Analyse von Meta-Daten, basierend auf der Erfahrung von mehr als 100 klinischen Studien und zahlreichen EDC-Implementierungen. Der Autor kommt zu dem Schluß, daß nicht-technische Faktoren, und hier besonders notwendige Prozeßänderungen, die wichtigsten Faktoren sind, die eine Verbreitung dieser Technologie in der Pharmaindustrie aktuell noch limitieren. Key words Clinical Data Management Systems • Clinical studies, workflow • Electronic Case Report Form • Electronic Data Capture © ECV- Editio Cantor Verlag (Germany) 2004  

Standardization in the Data Management of Clinical Trials Based on MedDRA

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 619 (2004))

Marschner M

Standardization in the Data Management of Clinical Trials Based on MedDRA / Marschner M
Standardization in the Data Management of Clinical Trials Based on MedDRA Dr. Marion Marschner SKM Creative Research Solutions GmbH, Wiesbaden (Germany) Standardisierung der Behandlung von Daten aus klinischen Studien auf der Grundlage von MedDRA Die Einführung von Standards ist im allgemeinen die Grundlage für das Vergleichen von Ergebnissen. SI-Einheiten machen es z. B. möglich, wissenschaftliche Resultate zu vergleichen und führen zur Entwicklung von neuen Technologien. Klinische Studien dienen dazu, neue Behandlungsmethoden zu bewerten -mit dem Ziel, Krankheiten zu beseitigen oder die Lebensqualität zu verbessern. Bei der Entwicklung wirksamerer Medikationen ist die Aufdeckung von Nebenwirkungen ein wichtiger Punkt. Nachdem Nebenwirkungen üblicherweise in Form von „freiem Text“ formuliert und aufgezeichnet werden, ist es notwendig, unerwünschte Ereignisse zu codieren. Beim Vergleich unerwünschter Ereignisse von verschienenen Behandlungen ist erfolgreiches und effektives Arbeiten nur möglich, wenn standardisierte Datenformate verwendet werden. Aus diesem Grund soll im nachfolgenden Beitrag eine Einführung in die Codierung von Studiendaten mit MedDRA®(Medical Dictionary for Regulatory Activities) gegeben werden. Key words Adverse events, encoding • Clinical data management • MedDRA® © ECV- Editio Cantor Verlag (Germany) 2004