3 Vorteile von Real-World Data: Wie kann das Gesundheitssystem mithilfe von RWD verbessert werden?

Die Nutzung von mobilen Geräten, Wearables, Computern und ähnlichen Produkten, die die Erfassung und Speicherung großer Mengen gesundheitsbezogener Daten ermöglichen, hat in den letzten Jahren rasant zugenommen. Dadurch sind die sogenannten Real-World Data (RWD) und ihr Potenzial für viele Stakeholder im Gesundheitswesen zunehmend in den Fokus gerückt.

In einem vorangegangenen Artikel haben wir uns bereits mit den aktuellen Herausforderungen von Real-World Data (RWD) auseinandergesetzt und konnten praktische Lösungsansätze aufzeigen. Diesmal beschäftigen wir uns mit den Vorteilen von RWD: Welchen Nutzen bieten Sie für die Forschung und wie kann das Gesundheitssystem insgesamt davon profitieren? Mehr dazu erfahren Sie in diesem Artikel.

Worum geht’s? – 3 wesentliche Vorteile von RWD 

1. Evidenz in klinischen Studien verbessern

2. Entwicklung neuer Arzneien und Medizinprodukte beschleunigen

3. Ganzheitliche Optimierung des Gesundheitssystems

1) Evidenz in klinischen Studien verbessern

Randomisierte klinische Studien (RCTs) sind nach wie vor der Goldstandard zur Gewinnung klinischer Erkenntnisse. Die hier übliche Randomisierung von Patient:innen in verschiedene Behandlungsgruppen und die Festlegung von strengen Auswahlkriterien können dazu führen, dass sich die Ergebnisse von RCTs nur schwer auf die reale klinische Praxis übertragen lassen. Von Real-World Data abgeleitete Real-World Evidence (RWE) spiegelt das tatsächliche klinische Umfeld, in dem therapeutische Maßnahmen angewandt werden, besser wider – einschließlich demografischer Merkmale der Patient:innen, Komorbiditäten, Adhärenz und gleichzeitiger Behandlungen.

Hier besteht ein enormes Potenzial für RWD, die Daten aus den RCTs zu ergänzen und auf diese Weise Beweislücken aus RCTs zu schließen oder Erkenntnisse zu unbeantworteten klinischen Fragen zu liefern. So können etwa im Anschluss an die Erhebung Nachweise für die Sicherheit und Wirksamkeit von Arzneimitteln generiert werden, für die es nur begrenzt Belege aus klinischen Studien gibt. Aufgrund der breiteren Datengrundlage eröffnen RWD auch die Chance, unvorhergesehene Nebenwirkungen zu erkennen, die sich aus der Kombination von zwei oder mehr Medikamenten ergeben und während der Entwicklung von Medikamenten oft schwer vorherzusehen sind. 

Climedo Connect: Unlocking RWE’s Potential for HCP Engagement

Sehen Sie sich die kostenfreie Aufzeichnung unseres Climedo Connect Webinars an

Dr. Helene Vioix (Director Global Value Development Oncology, Merck) erläuterte im Webinar bewährte Verfahren zur Maximierung der Wirkung von Daten aus der realen Welt, um Healthcare Professionals (HCPs) und Key Thought Leaders (KTLs) bestmöglich einzubinden.

Zur Aufzeichnung

2) Entwicklung neuer Arzneien und Medizinprodukte beschleunigen

RWD leisten einen Beitrag zur Entwicklung neuer Therapien, indem sie die Gestaltung klinischer Studien positiv beeinflussen. Bei der Simulation klinischer Studien (Clinical Trial Simulation, CTS) werden traditionell virtuelle Populationen verwendet, um verschiedene Studiendesigns zu testen, bevor die Studie mit Patient:innen durchgeführt wird. Unter Einbeziehung von RWD kann CTS virtuelle Populationen realistischer simulieren. So tragen Real-World Data beispielsweise dazu bei, die Ein- und Ausschlusskriterien zu verfeinern oder die besten Studienstandorte zu ermitteln. Diese Maßnahmen können die statistische Aussagekraft und die Verallgemeinerbarkeit von RCT erhöhen sowie die Studiendauer verkürzen – und damit die Entwicklung neuer Arzneien und Medizinprodukte beschleunigen.

Zudem begünstigen RWD die Durchführung einarmiger experimenteller Studien. Placebokontrollierte und doppelt verblindete RCTs stellen zwar das Ideal für klinische Nachweise dar, sind aber nicht immer praktikabel. Gerade bei lebensbedrohlichen Krankheiten, für die aktuell keine befriedigenden Therapien existieren, wird es ethisch als fragwürdig angesehen, einige Proband:innen nach dem Zufallsprinzip einer behandlungsfreien Gruppe zuzuordnen. Erschwerend kommt hinzu, dass sich RCTs häufig als zu aufwändig und teuer erweisen. Einarmige experimentelle Studien stellen eine schnellere, weniger kostspielige Alternative dar,  da sich die für den Kontrollarm relevanten Daten aus RWD-Quellen ableiten lassen. Dieses Vorgehen kann die Effizienz klinischer Forschung deutlich erhöhen.

3) Ganzheitliche Optimierung des Gesundheitssystems

Gesundheitsdaten aus dem klinischen Alltag können insgesamt zu einer besseren Gesundheitsversorgung beitragen – besonders, wenn ein kontinuierlicher enger Austausch zwischen Versorgung und Forschung erfolgt und die RWD zielgerichtet ausgewertet werden. Die Patient:innen profitieren dabei in allen Phasen der medizinischen Versorgung: von der Prävention über die Diagnose bis zur Therapie und Nachsorge. Im Rahmen der Prävention können RWD beispielsweise bei epidemiologischen Fragestellungen einen wesentlichen Beitrag zu einem schnellen Risiko-Nutzen-Abgleich leisten. Hierbei müssen Datenschutz und Zweckbestimmung der RWD aber sorgfältig abgewägt werden. So ließen sich beispielsweise gesammelte Daten, die Patient:innen über eine App freiwillig und selbstbestimmt übermitteln, für eine erste Auswertung nutzen, um medizinische Zusammenhänge zu erschließen.

Im Fall von seltenen Erkrankungen können RWD den Diagnoseprozess verkürzen und als klinische Entscheidungshilfe fungieren. Dies gilt besonders bei Krankheiten, für die es keine klare ICD-10-Kodierung gibt. Vielen Behandelnden wird im Laufe ihrer medizinischen Laufbahn vielleicht nur ein Fall einer seltenen Erkrankung begegnen, was zu Unsicherheit bei der Diagnose sowie der Wahl der richtigen Therapie führt. In einem Gesundheitssystem mit Tausenden von Leistungserbringern ist die Wahrscheinlichkeit allerdings relativ groß, dass diese Erkrankungen insgesamt dutzende Male aufgetreten sind. Die Daten aus dem System könnten zu einer klaren Identifikation der Erkrankung dienen sowie die Entscheidung für eine bestimmte Behandlung erleichtern. Im Bereich der Strahlentherapie empfiehlt sich beispielsweise der Einsatz künstlicher Intelligenz zur Datenanalyse, um große Mengen an Bild- sowie klinisch-onkologischen Daten zu untersuchen und die beste Therapie zu finden.

Climedo Connect: Bridging the Gap between Clinical Research and Real-World Evidence

Sehen Sie sich die kostenfreie Aufzeichnung unseres Climedo Connect Webinars an

Dr. Ralph Markus Wirtz (Stratifyer) bot einige exklusive Einblicke in adaptive Studiendesigns und zeigte, wie man Real-World Evidence (RWE) und multidimensionale Registerdaten effektiv für klinische Studien nutzen kann.

Zur Aufzeichnung

Fazit: RWD als Vorreiter für ein besseres Gesundheitswesen

Die Nutzung von Real-World Data birgt ein großes Potenzial für alle Beteiligten im Gesundheitswesen – besonders natürlich für Patient:innen, die von den zusätzlichen medizinischen Erkenntnissen über Erkrankungen und die Wirkung von Therapien enorm profitieren. Freiwillig bereitgestellte RWD können durch individueller zugeschnittene Behandlungen Leben retten und die Lebensqualität verbessern. Diese Analyse bietet unter anderem die Chance, Mechanismen der Krankheitsentstehung besser zu verstehen, Wahrscheinlichkeiten von Krankheitsverläufen zu bestimmen und die Therapiesicherheit zu erhöhen.

Damit RWD in der klinischen Forschung optimal eingesetzt werden können, ist es unerlässlich, die notwendigen Informationen und Analysen datenschutzkonform zu bündeln sowie aufzubereiten. Dafür müssen von Gesundheitswesen und Politik weitere Rahmenbedingungen geschaffen werden, um RWD bestmöglich nutzen und einsetzen zu können. Plattformen wie die von Climedo, die bereits dafür ausgelegt sind, Real-World Data einzubinden, können dies wesentlich erleichtern.
Möchten auch Sie von den Vorteilen von RWD profitieren und sich dabei von unseren digitalen Lösungen unterstützen lassen? Zögern Sie nicht und sprechen Sie uns an! So können wir gemeinsam einen Beitrag für ein optimiertes Gesundheitswesen der Zukunft leisten – zum Wohle aller Patient:innen!