RBM精彩回顾之干货篇（四）Medidata Strategic Monitoring Suite

由于法规的要求，以及基于风险的监查可显著的改善受试者安全，提高研究质量，提高研究效率，并且能降低研究成本的种种优势，从传统监查向风险监查的重大转变是可预期的，来自某针对申办方的大型调查显示：

• 使用RBM最多的治疗领域为 dermatology, oncology, biologics 和 immunology

• 使用RBM最多的分期为 Phase 2－4

• RBM 用户开始从100%on-site monitoring 逐渐转变为部分的remote monitoring

• 50%的目前未采用RBM的调查响应者计划在2年内开始实施风险监查

根据TransCelerate对于实施基于风险监查中3个重要实施要素的定义：为具备了新的技能及职责的人员，针对基于风险监察的新流程，以及辅助基于风险监查的新工具／科技，缺一不可，Medidata作为全球领先的临床系统提供商， 负责的是新科技的这部分。

Medidata的基于风险监查的端对端完整解决方案是基于ICH E6(R2)法规及TransCelerate风险监查流程原理设计：

针对法规： 法规要求申办方应该定义哪些风险（通过减轻行动）可被减轻和/或可以接受。

Medidata开发了基于TransCelerate风险分类模版的可量化风险的风险评估分类工具 (RACT)。

针对法规：检测偏离预定义质量容限的偏差应触发评估以确定是否需要采取措施。

Medidata中央统计分析工具（CSA）可实时根据内置机器学习的算法寻找数据模式并监测数据偏倚，如果超出预定义的质量容限，会触发提醒及问题标示以及根据预定义的职责分配及工作流程，自动执行对问题处理的流程。

针对法规：质量管理活动应形成文件并传达给利益相关者，以促进临床试验期间的风险评估和持续改进。

Medidata的问题管理模块（Issue Management)可汇总并关联多个来源发现的问题，无论是数据管理员发现的问题，还是监查员在研究中心现场监查发现的问题，以及系统发现的研究风险，方案违背或偏离，或者医学及药物安全监查发现的问题都统一进行管理，经授权的用户可实时对这些问题进行分析。

针对法规：申办者应定期审查风险控制措施，以确定实施的质量管理活动是否保持有效和相关。

申办者应描述试验中实施的质量管理方法，并总结临床研究报告（ICH E3，第9.6节数据质量保证）中预定义质量容限的重要偏差。

Medidate风险监察模块中各种可视化报表，自动的问题／偏差总结分类评估，自动风险标示以及超出质量容限提示，对于风险处理的流程可追踪，可供申办方实时掌控风险相关信息.

如图，在系统中进行的端对端完整风险管理流程

根据Transcelerate，ICH E6指导方针的指导，Medidata开发了端对端的全套基于风险监查的解决方案（Medidata Strategic Monitoring Suite)为基于风险的监查铺平了道路。Medidata Strategic Monitoring Suite是针对新一代临床试验的可完全溯源，闭环，风险计划及管理，多方协作的平台，其中包括对风险进行分类计划评估的模块（RACT），执行对风险进行监测量化及标识别的在线中央监查的统计分析工具(CSA)，基于对风险及研究中心表现计算的有目标的原始文档核查及临床关键步骤审阅（Target Monitoring),以及支持监查员现场监查的工具（Site Monitoring)，整套系统的工作流程是连续的，跨模块的，从风险计划到标识到分配到处理，可自动执行，并实时追踪，并可以整合EDC系统，共享EDC中采集的信息，所有的问题都进行汇总

首先是风险评估模块：如图在系统中设置风险评估及计划解决方案，定义研究的关键步骤及关键数据，通过关键风险指标（KRI)定义并量化风险，并设置整个处理风险的流程及相关责任人员。

如图，对研究风险进行定义，分类，评估风险的影响，发生概率及可检测性，定义研究的关键步骤及关键数据，设定风险的量化关键指标，并设定跨模块的处理风险的工作流程，将整个风险管理计划进行电子化，并依靠平台上多个模块管理。

基于TransCelerate的风险分类模板，用户也可自定义。

定义配置可量化的关键风险指标（KRI)，系统中有默认的20+研究常用风险指标可做参考，用户可对研究中任何数据集或数据点设置风险指标，包括对各种数据的计算，均值，变异率等作为研究风险指标。

接下来是进行中央监查的工具（中央统计分析CSA), 其中包括多来源数据整合的报告工具Patient Profile, 自动监控标示研究风险的KRI，以及通过机器学习分析数据模式标示数据异常并总结归类。

中央统计分析工具CSA可支持多方协作进行中央监查，包括临床运营监控研究中心表现，医学部门通过Patient Profile监控病人的疗效及安全，是否有实验数据是否有偏倚或异常趋势，数据管理部门可监控数据质量，安全部门可监控安全相关数据，如不良事件发生率及是否存在漏报或多报或标准不一的情况，所有问题可被汇总，评估并进行下一步的处理。

传统的清理数据方式- 例如利用逻辑核查，审阅数据列表，并可能使用具有预设置关键风险指标的软件。但是这些方法只是冰山一角。

一些数据质量问题是研究特有的，并且是不可预测的。

所以区别在于，CSA还可以通过大数据算法自动寻找数据中的模式，寻找未知的数据异常及风险，并对这些问题进行汇总评估及警示。这些类型的问题通常不会被捕捉到，并可能最终影响研究的主要分析。

CSA通过汇总来源数据（如来自临床和实验室系统等），为临床试验中心的表现和数据质量提供直接洞察，为每个受试者创建全面的报告，快速简便地进行临床试验评估。它利用试验数据创建并显示定制报告和交互式可视化，如不良事件和伴随药物，以及访问研究药物的日期和时间。该解决方案还使用Medidata专利的统计算法来进行数据挖掘，并自动识别异常数据，偏离值，潜在的欺诈和程序问题 - 使研究中多个职能的用户能够更有效地工作，并获得更快，更安全的临床试验数据审查。研究团队更容易在整个临床试验的执行过程中检测和跟踪关键数据变化。

CSA工作流程:

1.汇总来源数据（可来自于EDC，随机药物供应管理系统，实验室数据，病人自报数据，医生评估数据等）,创建Patient Profile报告，可合并多个数据集，标示异常数据，各种趋势图

2.系统根据预设的关键风险指标，标识出预期的风险，并自动通过机器学习的方法寻找数据的模式，并标识异常数据，寻找未知风险

3.对异常数据进行汇总，评估，打分

内置的一些统计算法的举例。

关键风险指标（KRI)的自动标识。

然后是有目标的监查：有目标的源文件审阅及有目标的源数据核查。

根据定义的研究关键步骤，执行有目标的源文档审阅策略，纪录现场访视SDR的执行结果，根据研究中心表现，可随时调整相关策略。

系统根据设定的源数据核查（SDV）计划，自动计算SDV的覆盖率，并分配每家中心／受试者的需要SDV的量，并将任务分配给监查员，基于研究中心的表现，根据设定的规则，自动调整SDV计划。

最后是现场监查模块，之前中央监查汇总的问题会自动根据工作流程分配给相应的监查员，需要执行的SDR及SDV任务也会由系统自动分配给相应的监查员。

现场监查模块可管理监查员的访视计划，分配的任务，及追踪问题的处理。

追踪监查员访视的各种活动，自动执行风险管理计划，分配给监查员的任务完成情况，问题处理进度，访视报告在线填写（可整合EDC系统数据，自动填充研究中心状态，入组状态，药物储存回收状态，SDV完成率，方案偏离违背等）

最后是关联所有功能模块的系统警示通知及问题汇总模块。

可设置各种跨模块的警示及通知，如系统自动标识出一个风险指标，相应的责任用户就会收到通知，并执行下一步流程，以及各种任务分配通知。

跨职能跨系统的问题汇总模块，可整合第三方系统（如EDC等）将各个职能部门发现的研究相关问题自动分类汇总在同一个地方，并追踪问题的处理情况及稽查轨迹，可以解决问题的重复或遗漏处理。

独立的方案偏离／违背分区，自动汇总从多个系统中定义并发现的方案偏离／违背，并追踪处理情况，并与监查员的报告相关联，协助监查员追踪并处理方案偏离。

最后是整个Strategic Monitoring Suite功能模块的总览。

注：文章来源整理： 何洁如--Medidata 高级方案咨询顾问

如若转载，请注明来源。

向下滑动

普瑞盛（北京）

医药科技开发有限公司

专注，所以专业！

长按右方二维码

关注我们ˉ►