Menetelmien maailma | Virtuaalikontrollihaarat viranomaisten päätöksenteon tukena
Virtuaalikontrollihaarat ovat nyt yleinen puheen ja kiinnostuksen aihe. Tässä blogipostauksessa virtuaalikontrollihaarojen asiantuntija Data Scientist Johanna Vikkula jakaa kokemustaan kliinisen tutkimuksen verrokkijoukon muodostamisesta tosielämän tietoa (RWD) hyödyntäen. Lisäksi pääsette lukemaan miksi virtuaalikontrollihaaran käyttö kannattaa.
Kevään Terveyttä datasta blogissa käsittelimme kliinisten kokeiden täydentämistä rekisteritiedolla. Tämä blogi pureutuu aiheeseen entistä syvemmälle – virtuaalikontrollihaarojen muodossa.
Virtuaalikontrollihaarasta puhuttaessa tarkoitetaan kliinisestä tutkimuksesta riippumattoman verrokkijoukon muodostamista ja hyödyntämistä. Virtuaalikontrollihaara voidaan luoda retrospektiivisesti esimerkiksi rekisteritietoon nojaten.
”Yksinkertaisesti ajateltuna virtuaalikontrollihaaroilla on tarkoitus täydentää yksi- tai kaksihaaraisen kliinisen tutkimuksen näyttöä tosielämän tiedolla.”
Kliininen tutkimus voi olla yksi- tai kaksihaarainen. Tarve virtuaalikontrollitutkimuksen hyödyntämiseen nousee yleisimmin yksihaaraisessa kliinisessä tutkimuksessa (kts. ”yksihaarainen kliininen tutkimus” RWE-sanastosta). Tällöin tutkimusjoukon vertailukohta puuttuu tutkimuksesta, jolloin viranomainen saattaa arvostaa tai jopa toivoa tosielämän näyttöä retrospektiivisestä vertailujoukosta esimerkiksi lääkkeen myyntilupa- tai korvattavuusprosesseja varten. Kaksihaarainen kliininen tutkimus puolestaan käsittää tutkimus- ja verrokkijoukon, jolloin virtuaalikontrollitutkimuksella voidaan täydentää kliinisen tutkimuksen näyttöä tosielämän tiedolla (kts. ”kaksihaarainen kliininen tutkimus” RWE-sanastosta).
Miten virtuaalikontrollihaara luodaan rekisteritietoon nojaten?
Virtuaalikontrollihaaran muodostus retrospektiivisestä rekisteridatasta alkaa samoin kuin perinteinen RWE-tutkimus. Kuvaan seuraavaksi virtuaalikontrollihaaran muodostuksen askel askelelta.
Virtuaalikontrollihaaran muodostus
1. Aineiston poiminta
Ensimmäiseksi kerätään potilaskohortti. Tähän hyödynnettäviä tietolähteitä voi – tutkimuksesta riippuen – olla paikalliset tietoaltaat tai kansalliset rekisterit. Kohorttiin voidaan kerätä esimerkiksi potilaat, joille on kirjattu tietty diagnoosi tai hoito.
Potilaskohortin muodostuksen jälkeen poimitaan tutkimusaineisto, mikä voi liittyä esimerkiksi terveydenhuollon kontakteihin, lääkityksiin ja laboratoriokokeiden tuloksiin.
Tutkimukseen tarvittavan kohortin ja aineiston valmistuttua, voi varsinainen virtuaalikontrollien tunnistaminen alkaa.
Virtuaalikontrollit poimitaan retrospektiivisestä potilaskohortista kliinisen tutkimuksen potilaiden sisäänotto- ja poissulkukriteereiden mukaisesti. Alkuperäisiä kriteereitä joudutaan usein hienosäätämään tutkimusasetelman, eli RWD:n vaatimuksille sopiviksi.
Hienosäätämisestä muutaman esimerkin antaakseni, taudin etenemisen kirjaaminen rekisteriin rakenteisessa muodossa on harvinaista. Tällöin eteneminen joudutaan arvioimaan lääkevaihtojen tai laboratoriotulosten perusteella. Lisäksi joitakin kliinisen tutkimuksen poissulkukriteereitä voidaan jättää huomioimatta. Esimerkiksi sellaiset poissulkukriteereissä olevat oheissairaudet, joiden lääkehoito voisi sekoittaa kliinistä tutkimusta, eivät välttämättä ole enää relevantteja virtuaalikontrollia muodostaessa.
2. Kohorttien kaltaistus
Virtuaalikontrollien poiminnan jälkeen tapahtuvaan kohorttien kaltaistukseen on olemassa useita tapoja ja tasoja. Käytettävä kaltaistusmenetelmä riippuu potilastason datan saatavuudesta ja yhdisteltävyydestä.
Kaltaistus mahdollistaa kliinisen- ja virtuaalisen tutkimuksen tulosten luotettavan vertailun. Mikäli virtuaalisen kontrollikohortin potilaat poikkeavat kliinisen tutkimuksen potilaista taustatekijöiden – kuten iän, oheissairastavuuden tai annettujen hoitojen – suhteen, emme voi sanoa varmasti, mikä tekijä aiheuttaa tuloksissa havaitut erot kohorttien välillä. Ilman kohorttien kaltaistusta olemme siis melko vaarallisilla vesillä johtopäätösten tekemisen suhteen.
Toisinaan virtuaalikontrollitutkimuksen ja kliinisen tutkimuksen rivitason dataa ei voida tutkimuseettisistä syistä yhdistää. Tällöin tyydytään kaltaistamaan kliinisen tutkimuksen sisäänotto- ja poissulkukriteerien tasolla – eikä sen tarkempaa kaltaistusta päästä tekemään. Mahdollisten taustatekijöiden eroavaisuuksien vuoksi tulosten suora vertailu kohorttien välillä ei kuitenkaan ole suotavaa.
”Kliinisen tutkimuksen sisäänotto- ja poissulkukriteerein muodostettu virtuaalikontrollihaara antaa tosielämän tietoa vertailtavasta kohdejoukosta ja on aina tyhjää parempi, mutta kohorttien taustatekijöiden tarkempi kaltaistus pyritään tekemään mahdollisuuksien mukaan.”
Toisinaan virtuaalikontrolli- ja kliinisen tutkimuksen potilaiden rivitason dataa voidaan yhdistää, mikä mahdollistaa astetta kehittyneemmän kaltaistuksen. Tarkempi kaltaistus tapahtuu taustatekijöiden suhteen ja analyysivaiheessa painotettuja malleja käyttäen. Painotetussa mallissa kliinisen tutkimuksen potilaita vastaavat potilaat saavat suuremman painoarvon kuin kliinisen tutkimuksen potilaista poikkeavat.
Parhaiten kaltaistuksesta suoriutuu malli, mikä yhdistää virtuaalisen ja kliinisen kohortin koko potilastason datan – taustatekijöistä hoidon lopputuloksiin. Mahdollisuus kaiken potilastason tiedon hyödyntämiseen on unelmatilanne, mihin pyritään aina, mutta kliinisen tutkimuksen potilastason datan saatavuus on usein haastavaa tai mahdotonta.
3. Analyysit
Aineiston poiminnan ja kaltaistuksien jälkeen päästään vihdoin analyyseihin. Vaikka tämä vaihe on tulosten kannalta mielenkiintoisin, ovat sitä edeltävät vaiheet olennaisia, jotta saatavat tulokset ovat käyttökelpoisia.
Virtuaalikontrollihaarojen tulevaisuuden näkymät
Suomalaisiin terveysalan rekistereihin on tallennettu kattavasti ainutlaatuista ja laadukasta tietoa. Nämä rekisterit tarjoavat erinomaisen mahdollisuuden virtuaalikontrollitutkimusten toteuttamiseen Suomessa tosielämän datalla.
Parhaimmassa tapauksessa virtuaalikontrollihaara voi tarjota kustannustehokkaan keinon antaa viranomaiselle lisää tietoa päätöksenteon tueksi. Kliiniset tutkimukset kestävät usein vuosia ja maksavat miljoonia euroja, kun taas virtuaalinen verrokkijoukko voidaan muodostaa vuodessa ja vain murto-osalla kliinisen tutkimuksen hinnasta.
Vaikka virtuaalikontrollitutkimusten haasteena on kehittyneimpien kaltaistusmenetelmien vaatima pääsy kliinisen tutkimuksen potilastason dataan, näen virtuaalisten kontrollihaarojen hyödyntämisessä suuren potentiaalin. Tulevaisuudessa myös synteettisen datan käyttö näihin tarkoituksiin voinee olla mahdollista (kts. ”synteettinen data” RWE-sanastosta).
Meillä Medaffconilla on jo kokemusta virtuaalikontrollitutkimuksista ja asiakkaiden kiinnostus niitä kohtaan tuntuu vain kasvavan. Virtuaalisten kontrollihaarojen hyödyntämisessä ollaan siis vielä jokseenkin lapsen kengissä, mutta tulevaisuuden näkymät ovat valoisat.
