VERI E FALSI PROBLEMI DELLE CRF ELETTRONICHE

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 Dati 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) Http://www.cdisc.org/index.html

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. 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. 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