1
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
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
3
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
4
Raccolta dati: eCRF vs. Scheda Cartacea
Dati
Gap
di qualità
Gap di
visibilità
Tempo
Ritardo dovuto al
“discrepancy management”
5
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
6
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)
7
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
8
Metriche Quintiles
Carta
eCRF
 Protocollo finale al “go live”:
 Protocollo finale al “go live”:
4-6 settimane
8-10 settimane
 Query response median time:  Query response median time:
4 settimane
3-4 giorni
 Data base lock: 4-6 settimane  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”
9
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
10
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
11
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.
12
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
13
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
14