Bei der Entwicklung neuer Medizinprodukte ist es wichtig, den zeitlichen Zusammenhang der Ergebnisse einzelner Patienten zu verstehen. JMP Clinical bietet seit Jahren Möglichkeiten, den zeitlichen Verlauf von Medikamenteneinnahme, unerwünschte Ereignisse (UE) und Laborwertabweichungen mithilfe von Berichten wie Patientenprofilen und Berichten über unerwünschte Ereignisse zu verstehen. Diese Funktionen ermöglichen es Benutzern, eine Fülle von Informationen aus klinischen Studien zu verstehen, darunter:
- Welche Medikamente haben möglicherweise erhebliche Sicherheitsprobleme verursacht?
- Welche Behandlungen wurden möglicherweise als Reaktion auf das Auftreten von Nebenwirkungen eingesetzt?
- Welche Ereignisse oder Medikamente könnten dem Tod eines Patienten vorausgegangen sein?
Diese Berichte bieten einen besseren Einblick in die Ursachen und Auswirkungen der Patientenerfahrungen.
Es kann jedoch schwierig sein, eine bestimmte Gruppe klinisch relevanter Ergebnisse zu erfassen und ein benutzerdefiniertes Zeitfenster um diese Ergebnisse herum für alle Patienten zu untersuchen. Darüber hinaus ist die Zusammenfassung der Häufigkeit der Ergebnisse innerhalb dieser Zeitfenster ein manueller Prozess.
Nicht mehr!
Der Bericht „Nahereignisse“ in JMP Clinical 19 ermöglicht es Benutzern, relevante Referenzereignisse zu definieren und nahe Ereignisse zu finden, die innerhalb von Zeitfenstern um Start- oder Enddaten auftreten, sowie nahe Ereignisse, bei denen es zeitliche Überschneidungen zwischen Referenz- und nahen Ereignissen gibt. Was ist ein Ereignis? Laut CDISC-Dokumentation zu Ereignisdaten :
Die Vorkommensanalyse umfasst die Zählung von Personen mit einem bestimmten Datensatz oder Begriff und umfasst häufig eine strukturierte Hierarchie von Wörterbuch-Kodierungskategorien. Beispiele für Daten, die in diese Struktur passen, sind solche, die für die typische Analyse von Nebenwirkungen, Begleitmedikationen und der Anamnese verwendet werden.
Nahegelegene Vorkommen berücksichtigen derzeit Vorkommnisse wie unerwünschte Ereignisse (AE), Begleitmedikationen (CM) und Todesfälle.
Wie lässt sich dies in der Praxis umsetzen? Der Bericht „Nahgelegene Vorkommen“ ermöglicht es den Nutzern beispielsweise:
- Identifizieren Sie Medikamente, die am oder innerhalb weniger Tage nach dem Startdatum eines bestimmten AE eingenommen wurden.
- Identifizieren Sie Nebenwirkungen oder Medikamente, die innerhalb einer Woche vor dem Tod eines Patienten begonnen haben.
- Identifizieren Sie alle Nebenwirkungen, die innerhalb weniger Tage nach dem Absetzen bestimmter Medikamente auftreten.
- Identifizieren Sie alle Nebenwirkungen, die während der Einnahme bestimmter Medikamentenklassen auftreten oder andauern.
Der Dialog für „Nahgelegene Vorkommen“ ist in Abbildung 1 dargestellt. Benutzer können Nebenwirkungen oder Medikamente anhand ihrer individuellen kodierten Namen gemäß MedDRA oder WHODrug Global oder anhand ihres gemeldeten Textes oder einer übergeordneten Klassifizierung (z. B. übergeordneter Begriff oder ursprüngliche Kategorie für Medikamente) benennen. Diese Bezeichnungen werden zu den „interessanten Begriffen“ für „Nahgelegene Vorkommen “. Benutzer können alle Nebenwirkungen oder Medikamente oder eine Teilmenge der Begriffe untersuchen, die während bestimmter Zeiträume der Studie auftreten (z. B. vor der Behandlung, während der Behandlung, Nachbeobachtung außerhalb der Behandlung, Behandlungsbeginn).
Figure 1. Nearby Occurrences dialog
Abbildung 1. Dialogfeld „Vorkommen in der Nähe“
Das Ausführen des Berichts für das Nicardipin-Beispiel liefert die folgende Ausgabe in Abbildung 2.
Figure 2. Nicardipine example
Abbildung 2. Beispiel Nicardipin
An dieser Stelle geht die Ausgabe davon aus, dass alle Vorkommnisse als Referenzereignisse von Interesse sind (was nicht besonders hilfreich ist). Nehmen wir jedoch an, wir interessieren uns für schwerwiegende unerwünschte Ereignisse (SAEs) der Systemorganklasse (SOC) für Herzerkrankungen. Durch Auswahl dieser Begriffe im Datenfilter erhalten wir eine Zusammenfassung der ausgewählten Begriffe auf Ereignisebene und Patientenebene (Abbildung 3). In diesem Beispiel sind alle unsere Referenzereignisse UE. Aus dem linken Zähldiagramm auf Ereignisebene in Abbildung 3 können wir Folgendes ableiten:
- Es gibt 31 Referenzereignisse, die SAEs aus der SOC „Herzerkrankungen“ sind. Von diesen 31 Ereignissen ereignen sich 55 % bzw. 45 % bei Patienten im NIC .15-Arm bzw. im Placebo-Arm.
- Am häufigsten kommt es mit 12 Vorkommnissen zu einem Herzstillstand, wobei dieser Wert bei NIC .15 58 % und bei Placebo 42 % beträgt.
- Die am wenigsten verbreiteten Herzerkrankungen (SAEs) sind AV-Block ersten Grades, ventrikuläre Extrasystolen und ventrikuläre Tachykardie (jeweils einmal), die alle bei Patienten im Placeboarm auftraten.
Figure 3. Reference occurrences: Cardiac Disorders SAEs
Abbildung 3. Referenzvorkommen: Herzerkrankungen (SAEs)
Aus dem rechten Zähldiagramm auf Patientenebene in Abbildung 3 können wir Folgendes feststellen:
- Bei 24 Patienten traten schwerwiegende unerwünschte Ereignisse (SAEs) im Zusammenhang mit Herzerkrankungen auf. Von diesen 24 Patienten befanden sich 58 % in der NIC .15-Gruppe und 42 % in der Placebo-Gruppe.
- Die Patientenhäufigkeiten für jeden Vorkommnistyp (n = 12, 3, 3, 3, 3, 2, 2, 1, 1, 1) ändern sich gegenüber dem Diagramm der Vorkommnisstufen nicht. Dies deutet darauf hin, dass jeder Vorkommnistyp bei einem anderen Patienten auftritt. Wären die Häufigkeiten für einen Vorkommnistyp im Diagramm der Vorkommnisstufen höher gewesen, hätte dies darauf hingewiesen, dass die Patienten mehr als einmal ein Vorkommnis erlebt hätten.
- Die Summe der Häufigkeit der einzelnen Vorkommnisse (n = 31) ist größer als die Anzahl der Patienten (n = 24), was darauf hindeutet, dass bei einigen Patienten mehrere schwerwiegende unerwünschte Ereignisse (SAEs) im Zusammenhang mit Herzerkrankungen auftraten.
Die tabellarischen Zusammenfassungen zeigen die Häufigkeit und den Spaltenprozentsatz jedes Referenzvorkommens. Aus den Tabellen können wir beispielsweise Folgendes schlussfolgern:
- Bei 41,2 % (7/17) und 35,7 % (5/14) der SAEs im Zusammenhang mit Herzerkrankungen, die in den NIC .15- und Placebo-Gruppen auftraten, handelte es sich um Herzstillstände.
- 50,0 % der Patienten, bei denen in den NIC .15- (7/14) und Placebo-Gruppen (5/10) schwerwiegende unerwünschte Ereignisse im Zusammenhang mit Herzerkrankungen auftraten, erlitten einen Herzstillstand.
Die 31 Referenzvorkommen können durch Öffnen eines Datenübersichtsfelds überprüft werden.
Durch Auswahl dieser Referenzvorkommen kann der Benutzer im Feld „Abfrageübersicht“ des Bereichs „Datenoptionen“ eine Abfrage ausführen, um Ereignisse (UE oder Todesfälle) oder Medikamente zu identifizieren, die die Kriterien der Abfrage erfüllen (Abbildung 4).
Figure 4. Query dialog
Abbildung 4. Abfragedialog
Es sind zwei Arten von Abfragen möglich:
- Spezifische Abfrage: Diese Abfrage sucht nach nahegelegenen Vorkommen, indem sie das Start- oder Enddatum der Referenzvorkommen mit dem Start- oder Enddatum der nahegelegenen Vorkommen vergleicht. Wenn die nahegelegenen Vorkommen innerhalb der ausgewählten Anzahl von Tagen nach, vor oder vor oder nach den ausgewählten Daten auftreten, werden sie im Bereich „Nahgelegene Vorkommen“ der Ausgabe zusammengefasst. Beachten Sie, dass ein Fenster von null Tagen Vorkommen identifiziert, die am selben Datum auftreten. Wenn beispielsweise das Startdatum sowohl für Referenz- als auch für nahegelegene Vorkommen verwendet wird, identifiziert „Nahgelegene Vorkommen“ Begriffe, die am selben Tag wie die Referenzvorkommen beginnen.
- Beliebige Überlappung: Diese Abfrage sucht nach nahegelegenen Vorkommen, indem sie beurteilt, ob es basierend auf den Start- und Enddaten der Referenz und der nahegelegenen Vorkommen eine zeitliche Überlappung gibt.
In der Praxis ist es unwahrscheinlich, dass Daten für Todesfälle und unerwünschte Ereignisse fehlen. Medikamente gegen chronische Erkrankungen können jedoch unbekannte Startdaten (was darauf hindeutet, dass die Einnahme irgendwann in der Vergangenheit begonnen wurde) oder unbekannte Enddaten (was darauf hindeutet, dass das Medikament weiterhin zur Behandlung der Krankheit eingesetzt wird) haben. Obwohl JMP Clinical alle Anstrengungen unternimmt, Daten gemäß vordefinierten Regeln zu berechnen, können in einigen Fällen dennoch Daten fehlen. Nearby Occurrences geht bei fehlenden Daten von folgenden Annahmen aus:
- Bei bestimmten Abfragen können Datensätze nur dann als „nahe beieinander“ eingestuft werden, wenn beide in der Abfrage verwendeten Daten korrekt sind. Anders ausgedrückt: Fehlende Startdaten liegen so weit zurück, dass sie nicht als „nahe beieinander“ interpretiert werden können. Ebenso wird angenommen, dass fehlende Enddaten nicht eingetreten sind, was bedeutet, dass die Medikation oder das Ereignis noch andauert.
- Bei Abfragen mit Überschneidungen wird angenommen, dass ein fehlendes Startdatum am Anfang der Zeit liegt, während ein fehlendes Enddatum am Ende der Zeit liegt. Diese Annahmen ermöglichen die Identifizierung von nahegelegenen Ereignissen mit zeitlicher Überschneidung mit Referenzereignissen, bei denen ein oder beide Daten fehlen.
In Fällen, in denen die Enddaten von Medikamenten oder unerwünschten Ereignissen nicht im Rahmen des eCRF-Designs erfasst wurden, wird angenommen, dass die Enddaten den Startdaten entsprechen. Mit anderen Worten, die Ereignisse beginnen und enden am selben Tag. Diese Annahme gilt immer für Todesfälle.
Führen wir die folgende Abfrage aus, um nahegelegene Vorkommnisse zu identifizieren, die innerhalb von drei Tagen vor dem Beginn der Referenzvorkommnisse beginnen (Abbildung 5).
Figure 5. Specific query
Abbildung 5. Spezifische Abfrage
Durch Klicken auf „Abfrage ausführen“ werden Abbildungen und Tabellen im Bereich „Nearest Occurrences“ des Ausgabefensters angezeigt. Sie können das Übersichtsfeld „Reference Occurrences“ schließen, um diese Ausgabe einfacher anzuzeigen. Zur Erinnerung: Die Nicardipin-Studie sieht wegen einer sehr schweren Erkrankung etwa zwei Wochen lang tägliche Besuche vor. Die anfängliche Ausgabe ist sehr überladen, aber wenn wir mithilfe des Datenfilters CM unterteilen, erhalten wir die folgenden Ergebnisse in Abbildung 6.
Aus den Ergebnissen lassen sich folgende Schlussfolgerungen ziehen:
- Vorkommensebene
- Es gibt 192 Fälle von CM, die innerhalb von drei Tagen nach dem Beginndatum mindestens eines SAE im Zusammenhang mit einer Herzerkrankung begannen. Von diesen 192 CM-Fällen ereigneten sich 54 % bei Patienten in den NIC.15- und 46 % in den Placebo-Gruppen.
- Das am häufigsten vorkommende Medikament in der Nähe ist Dexamethason mit 22 Vorkommen, 50 % sowohl bei NIC .15 als auch bei Placebo.
- Kaliumpräparate kommen 21 Mal vor.
- Bei 21 von 192 (10,9) % aller CM-Vorkommen in der Nähe handelte es sich um Kaliumpräparate.
- Patientenebene
- Bei 21 von 24 Patienten treten bei mindestens einer Herzerkrankung (SAE) CM-Vorkommnisse in der Nähe auf.
- Zwölf Patienten nahmen Phenobarbital ein. Da es 18 Fälle von Phenobarbital auf der Vorkommensebene gibt, nahmen einige Patienten es in diesen drei Tagen mehr als einmal ein. Elf Patienten nahmen Kaliumpräparate ein. Da es 21 Fälle von Phenobarbital auf der Vorkommensebene gibt, nahmen einige Patienten es in diesen drei Tagen mehr als einmal ein.
- Zwölf von 21 (57,1 %) Patienten erhielten Phenobarbital, zwei Drittel davon erhielten NIC .15.
Figure 6. Nearby Occurrences
Abbildung 6. Nahegelegene Vorkommen
Hier ist das Datenfenster möglicherweise interessanter für den Benutzer, da es die spezifischen Details zu nahegelegenen Vorkommnissen und den jeweiligen Referenzereignissen, zu denen sie gehören, anzeigt. Beachten Sie, dass die Abbildungen und Tabellen in Abbildung 4 einzelne nahegelegene Vorkommnisse zeigen. Das Datenfenster zeigt jedoch alle nahegelegenen Vorkommnisse, die zu jedem Referenzvorkommnis gehören, auch wenn die nahegelegenen Vorkommnisse mehrfach dargestellt werden.
Der Bericht schließt Referenzvorkommen in die Ausgabe ein, auch wenn keine Vorkommen in der Nähe vorhanden sind. Sie werden als „Keine Vorkommen in der Nähe“ aufgeführt.
„Nahgelegene Vorkommen“ ist auch für Crossover-Studien oder Studien verfügbar, bei denen die Behandlungen je nach Studienzeitraum variieren. Zusammenfassungen auf Patientenebene basieren auf dem geplanten oder tatsächlichen Studienarm. Zusammenfassungen auf Vorkommensebene basieren auf Behandlungswerten auf Vorkommensebene.
Diese neue Funktion erleichtert die Identifizierung interessanter Patienten anhand der Ereignisse, die sie erleben.
