聚合数据源-增强临床试验结果

虽然通过临床试验获得的数据在个体试验水平上具有重要意义，但当信息被主动聚合、共享、清理和分析时，其价值呈指数级增长。

通过设计，临床试验揭示了大量的数据，增加了我们对疾病和潜在治疗方法的普遍认识。虽然数据在单个试验级别上的重要性是显著的，但当信息被主动聚合、共享、清理和分析时，其价值将呈指数级增长。虽然这项工作有一些挑战，但好处是相当可观的。

数据整理的障碍

有超过334,600项临床试验正在进行中-从2010年的10万左右增长到现在，这个行业在短短的十年内已经有了很大的发展。与此同时，数字化的兴起使我们能够简化流程，更容易地捕获数据。当这两种趋势发生冲突时，它提供了创建共享信息存储库的机会。但是，也存在一些障碍：

我相信我们可以解决这些问题，为每个人建立一个更有成效和更有价值的资源。

如今，临床试验正在整合来自许多来源的数据:

颠覆性技术正在为更小的、受控的临床试验铺平道路。在这些试验中，从患者登记到药物管理和后续跟进，一切都是通过给试验参与者的手机来执行的。

一些数据使我们能够深入到邻里层面——例如，在全国拥有检测点网络的临床实验室可以按邮政编码共享血液检测结果，而不会影响患者的保密性。利用这些信息，临床试验赞助者可以根据患者群体中普遍存在的情况确定某些试验的最佳位置。特里尔特罗夫和地穴协助赞助者选择与他们正在研究的疾病人群相关的正确位点。

其他信息来源包括食品和药物管理局（FDA）、卫生和人类服务局（H&HS）和TransCelerate,一个非营利性的药物研究和开发组织。

除了临床数据，试验发起者还需要能够整合运营数据、财务数据和真实世界的证据(RWE)，以最大限度地利用他们的研发投资。

所有这些数据汇总后，会增加研发过程的统计能力，甚至有可能减少上市时间并实现成本节约。

制药公司，甚至是竞争对手，都可以从汇集数据中获益，从而更好地管理药物开发过程。为了实现这一点，他们应该通过电子资源供应商投资于一个健壮的电子系统，例如临床墨水，理解系统或goBalto从源头捕获和整合来自站点、临床医生和患者的电子数据。

通过这个过程，我们可以访问多个数据点，减少知识差距，以确定在站点层面上不可见的趋势和异常值。我们可以对临床研究的生命周期有一个更清晰、360度的视角，甚至可以确定新的研究路径，了解其他可以学到的东西。

这种共享资源还可以帮助评估风险水平，并制定减少风险的缓解战略。

一个潜在的障碍是，我们的系统无法相互通信以促进数据传输。我们提供的数据来源于各种形式。然后由赞助商定义格式并使用标准数据共享格式。考虑开放标准和易于重用的格式。

如果您在研究的收集和分析阶段使用不同的格式，请确保在文档中包含有关文件迁移到保存格式时可能丢失的功能的信息，以及查看或使用数据所需的任何特定软件。我们需要能够汇集数据并相互通信的系统。临床试验赞助者应确定是否可以将这些系统添加到现有基础设施中，或购买具有此功能的新系统。

最近，制药公司增加了在大数据分析和人工智能（AI）分析建模方面的支出。数据分析和可视化技术的进步使研究人员能够探索并与来自多个来源的大规模（通常是聚合的）数据体进行交互。这些数据，结合机器学习和人工智能，可以帮助临床试验的设计和实施，实现更高水平的成功。

这些快速成熟的工具还有助于减少清理和准备数据所需的时间。使用它们来分析数据集可以帮助进行更健壮的分析和计算，使数据池对用户更有帮助。

通过更全面地看待数据，临床试验赞助者可以更积极主动地帮助在挑战发生之前识别它们。通过贡献更多的知识，他们可以更好地访问更细微的数据图片，并实现其工作的全部潜力。完成这一循环后，临床试验本身也可以受益于利用多种数据来源，增强其结果，降低风险和费用，甚至加快上市速度。

想要了解更多?现在Actalent联系。