DOI: https://doi.org/10.1038/s41746-023-00994-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38216645
تاريخ النشر: 2024-01-12
المؤلف: Martin Dugas وآخرون
الموضوع الرئيسي: أنظمة السجلات الصحية الإلكترونية
نظرة عامة
تسلط الأبحاث الضوء على الدور الحاسم لبيانات المرضى المنظمة في البحث السريري، مع التأكيد على تطوير قاعدة بيانات دراسية من الجيل التالي داخل مستشفى جامعي ألماني. حددت دراسة إثبات المفهوم الخصائص الأساسية لهذه القاعدة البيانات، بما في ذلك الوصول FAIR (قابل للاكتشاف، قابل للوصول، متوافق، قابل لإعادة الاستخدام) إلى نماذج تقارير الحالات الإلكترونية (eCRF)، والامتثال التنظيمي في جمع البيانات الإلكترونية (EDC)، والتكامل مع السجلات الصحية الإلكترونية (EHR)، وقابلية التوسع لتوثيق الطبي، ودمج بيانات المرضى المولدة، وقدرات دعم القرار السريري.
في دراسة حالة محلية تشمل 19 نظام EDC و2,217 مريضًا، تم تنفيذ قاعدة بيانات الدراسة من الجيل التالي بنجاح، ربطت نظام EDC المحلي، OpenEDC، مع i.s.h.med (Oracle Cerner). كما جمعت الدراسة وحللت طلبات الميزات من المشاريع السريرية الجارية عبر 11 قسمًا في مستشفى هايدلبرغ الجامعي بين مايو 2021 ويوليو 2023. تشير النتائج إلى أن قواعد بيانات الدراسة من الجيل التالي قابلة للتطبيق من الناحيتين التقنية والسريرية، على الرغم من الحاجة إلى مزيد من البحث لتقييم قابليتها للاستخدام في البيئات متعددة المراكز.
مقدمة
تؤكد المقدمة على الدور الحاسم لبيانات المرضى المنظمة في البحث السريري، مع تسليط الضوء على مخططها المحدد جيدًا الذي يسهل الوصول السهل والتحليل عبر دراسات مختلفة. تعتبر البيانات المنظمة، التي تشمل سمات مثل رموز التشخيص والعلامات الحيوية، ضرورية لربط البيانات عالية الحجم من التصوير، وأجهزة الاستشعار، وعلم الجينوم بخصائص المرضى، مما يعزز من تحديد نتائج الأمراض. يقارن البحث بين فعالية التجارب السريرية العشوائية (RCTs) والأهمية المتزايدة للبيانات الواقعية (RWD) والأدلة الواقعية (RWE) في تقييم التدخلات الطبية، مشيرًا إلى أن مصادر RWD تشمل السجلات الصحية الإلكترونية (EHR) ومطالبات التأمين.
على الرغم من قيمة البيانات المنظمة، يشير المؤلفون إلى أن الكثير من المعلومات السريرية لا تزال غير منظمة، مخزنة في مستندات نصية حرة داخل أنظمة EHR. وهذا يتطلب عمليات استخراج بيانات كثيفة العمالة، مما يمكن أن يزيد بشكل كبير من تكاليف البحث. يحدد البحث أهداف الدراسة، والتي تشمل تحديد الخصائص لقاعدة بيانات دراسية أكثر كفاءة وتقييم جدوى تنفيذ مثل هذا النظام في بيئة مستشفى جامعي. تم إجراء البحث في مستشفى هايدلبرغ الجامعي، حيث تم تطوير قاعدة بيانات نموذجية لتلبية المتطلبات المحددة عبر عدة أقسام سريرية.
الطرق
تحدد قسم الطرق تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لجمع البيانات حول المتغيرات المحددة. تضمنت المنهجيات الرئيسية تطبيق اختبارات إحصائية لتقييم دلالة النتائج، مما يضمن أن تكون النتائج قوية وموثوقة.
شملت جمع البيانات استخدام أدوات وبروتوكولات موحدة للحفاظ على التناسق عبر التجارب. تم إجراء التحليل باستخدام أدوات برمجية تسهل معالجة مجموعات البيانات المعقدة، مما يسمح بتحديد الأنماط والارتباطات. يبرز القسم أهمية القابلية للتكرار والشفافية في عملية البحث، موضحًا الخطوات المتخذة للتخفيف من التحيز وتعزيز صلاحية الاستنتاجات المستخلصة من البيانات.
النتائج
ينقسم قسم النتائج في الدراسة إلى جزئين رئيسيين، يتماشيان مع أهدافه المزدوجة. يحدد الجزء الأول المتطلبات الأساسية لقاعدة بيانات دراسة من الجيل التالي، والتي تم تحديدها من خلال ملاحظات المستخدمين. تشمل هذه المتطلبات جوانب مختلفة، بما في ذلك قابلية مقارنة البيانات، والتكامل مع السجلات الصحية الإلكترونية (EHR)، ودمج بيانات المرضى المولدة.
يستعرض الجزء الثاني تنفيذ برنامج نموذجي تم تطويره في مستشفى هايدلبرغ الجامعي، والذي يستند إلى المتطلبات المذكورة أعلاه. يعمل هذا التنفيذ كتطبيق عملي للاحتياجات المحددة، مما يوضح جدوى إنشاء قاعدة بيانات دراسة شاملة تلبي مطالب المستخدمين.
المناقشة
في هذه المناقشة، يؤكد المؤلفون على ضرورة دمج أنظمة جمع البيانات الإلكترونية (EDC) مع السجلات الصحية الإلكترونية (EHR) لتعزيز كفاءة البحث السريري وجودة البيانات. يدعون إلى اعتماد مبادئ FAIR—قابلية الاكتشاف، والقابلية للوصول، والتوافق، وإعادة الاستخدام—خلال مرحلة تصميم قواعد بيانات الدراسة الجديدة، مما يمكن أن يسهل إعادة استخدام الهياكل البيانية الحالية ويحسن التوافق مع الأبحاث السابقة. يبرز المؤلفون أهمية الامتثال التنظيمي، وخاصة الحاجة إلى مسار تدقيق لضمان تتبع البيانات، وهو ما تدعمه المعايير من اتحاد معايير تبادل البيانات السريرية (CDISC). يشيرون إلى أن العديد من أدوات جمع البيانات المستخدمة بشكل شائع تفتقر إلى القدرات اللازمة للتدقيق، مما يبرز الحاجة إلى بيانات EHR منظمة جيدًا يمكن دمجها في أنظمة EDC.
يقدم المؤلفون نتائج من دراسة إثبات المفهوم التي أجريت في مستشفى هايدلبرغ الجامعي، والتي حددت سبع خصائص أساسية لقواعد بيانات الدراسة من الجيل التالي، بما في ذلك التوافق العكسي مع الهياكل البيانية الحالية ودمج بيانات المرضى المولدة. يظهرون جدوى هذه الأنظمة من خلال استخدام OpenEDC، الذي يسمح باستيراد نماذج تقارير الحالات الموحدة (CRFs) ويدعم التعليقات الدلالية لتحسين التوافق البياني للبيانات. على الرغم من التحديات التي تطرحها الانفصال الحالي بين أنظمة EDC وEHR، توضح الدراسة أن دمج هذه الأنظمة يمكن أن يعزز دعم القرار السريري ويسهل عمليات جمع البيانات. يخلص المؤلفون إلى أن تطوير أنظمة EDC قابلة للتوسع ومتوافقة مع اللوائح ومتكاملة أمر حاسم لتقدم البحث السريري وتحسين نتائج رعاية المرضى.
DOI: https://doi.org/10.1038/s41746-023-00994-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38216645
Publication Date: 2024-01-12
Author(s): Martin Dugas et al.
Primary Topic: Electronic Health Records Systems
Overview
The research highlights the critical role of structured patient data in clinical research, emphasizing the development of a next-generation study database within a German university hospital. A proof-of-concept study identified essential characteristics for this database, including FAIR (Findable, Accessible, Interoperable, Reusable) access to electronic case report forms (eCRF), regulatory compliance in Electronic Data Capture (EDC), integration with electronic health records (EHR), scalability for medical documentation, incorporation of patient-generated data, and clinical decision support capabilities.
In a local case study involving 19 EDC systems and 2,217 patients, the next-generation study database was successfully implemented, linking the local EDC system, OpenEDC, with i.s.h.med (Oracle Cerner). The study also gathered and analyzed feature requests from ongoing clinical projects across 11 departments at Heidelberg University Hospital between May 2021 and July 2023. The findings indicate that next-generation study databases are both technically and clinically feasible, although further research is necessary to assess their applicability in multi-center environments.
Introduction
The introduction emphasizes the critical role of structured patient data in clinical research, highlighting its well-defined schema that facilitates easy access and analysis across various studies. Structured data, which includes attributes such as diagnosis codes and vital signs, is essential for linking high-volume data from imaging, sensors, and genomics to patient characteristics, thereby enhancing the identification of disease outcomes. The paper contrasts the efficacy of randomized controlled trials (RCTs) with the growing importance of Real-World Data (RWD) and Real-World Evidence (RWE) in evaluating medical interventions, noting that RWD sources include electronic health records (EHR) and insurance claims.
Despite the value of structured data, the authors point out that much clinical information remains unstructured, stored in free-text documents within EHR systems. This necessitates labor-intensive data extraction processes, which can significantly inflate research costs. The paper outlines the objectives of the study, which include identifying characteristics for more efficient study databases and assessing the feasibility of implementing such a system in a university hospital setting. The research was conducted at Heidelberg University Hospital, where a prototype database was developed to meet the outlined requirements across multiple clinical departments.
Methods
The Methods section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Key methodologies included the application of statistical tests to evaluate the significance of the results, ensuring that the findings were robust and reliable.
Data collection involved the use of standardized instruments and protocols to maintain consistency across trials. The analysis was conducted using software tools that facilitated the processing of complex datasets, allowing for the identification of patterns and correlations. The section emphasizes the importance of replicability and transparency in the research process, detailing the steps taken to mitigate bias and enhance the validity of the conclusions drawn from the data.
Results
The results section of the study is divided into two main parts, aligning with its dual objectives. The first part outlines the essential requirements for a next-generation study database, which were identified through user feedback. These requirements encompass various aspects, including data comparability, integration with electronic health records (EHR), and the incorporation of patient-generated data.
The second part details a prototype software implementation developed at Heidelberg University Hospital, which is based on the aforementioned requirements. This implementation serves as a practical application of the identified needs, demonstrating the feasibility of creating a comprehensive study database that addresses user demands.
Discussion
In this discussion, the authors emphasize the necessity of integrating electronic data capture (EDC) systems with electronic health records (EHR) to enhance clinical research efficiency and data quality. They advocate for the adoption of FAIR principles—findability, accessibility, interoperability, and reusability—during the design phase of new study databases, which can facilitate the reuse of existing data structures and improve compatibility with prior research. The authors highlight the importance of regulatory compliance, particularly the need for an audit trail to ensure data traceability, which is supported by standards from the Clinical Data Interchange Standards Consortium (CDISC). They note that many commonly used data collection tools lack the necessary audit capabilities, underscoring the need for well-structured EHR data that can be integrated into EDC systems.
The authors present findings from a proof-of-concept study conducted at Heidelberg University Hospital, which identified seven essential characteristics for next-generation study databases, including backward compatibility with existing data structures and the integration of patient-generated data. They demonstrate the feasibility of these systems through the use of OpenEDC, which allows for the importation of standardized case report forms (CRFs) and supports semantic annotations for improved data interoperability. Despite the challenges posed by the current separation of EDC and EHR systems, the study illustrates that integrating these systems can enhance clinical decision support and streamline data collection processes. The authors conclude that the development of scalable, regulatory-compliant, and integrated EDC systems is crucial for advancing clinical research and improving patient care outcomes.