Schlüsselwörter COVID-19 - Pandemie - Register - Versorgungsforschung - Netzwerk - Open Science
Key words COVID-19 - Pandemic preparedness - Registry - Health services research - Network - Integrative research
Einleitung
Ausgehend von Wuhan in der Provinz Hubai in China hat sich Ende Dezember 2019 das
Severe Acute Respiratory Syndrome Coronavirus 2 ( SARS-CoV-2) global
verbreitet. Ende Januar 2020 wurde mit der Feststellung einer gesundheitlichen
Notlage internationaler Tragweite durch die WHO [1 ] und den ersten Fällen in Deutschland [2 ] die dringende Handlungsnotwendigkeit
deutlich. Wie bereits zu Beginn prognostiziert, entwickelte sich die Pandemie der
Coronavirus-Krankheit-2019 (COVID-19) zu einer weltweiten Bedrohung mit über
122 Mio. Infizierten und über 2,5 Mio. Todesfällen (Stand
22.03.2021) [3 ] und stellt seit Pandemiebeginn
Gesellschaften, Gesundheitssysteme und Volkswirtschaften vor große
Herausforderungen.
Die COVID-19 Pandemie ist die sechste gesundheitliche Notlage internationaler
Tragweite, die seit Inkrafttreten der überarbeiteten Internationalen
Gesundheitsvorschriften (IGV) 2005 deklariert wurde. Damit wurde die globale
Forschungsgemeinschaft klar aufgefordert, schnellstmöglich eine Evidenzbasis
für Entscheidungsträger:innen zur Verfügung zu stellen [1 ].
In der klinischen Forschung, im Bereich Public Health , wie auch in der
Versorgungsforschung, leisten Register einen wesentlichen Beitrag zur Bereitstellung
von Evidenz aus der alltäglichen Gesundheitsversorgung und können
damit komplementär zu klinischen Studien wirken. Im Kontext der Planung
für und des Managements von Pandemien (Pandemic Preparedness and
Response ) sind Daten aus der Versorgung und die Zeit- und Kosteneffizienz
von Registern zur Sammlung verlässlicher klinischer Daten besonders relevant
[4 ]. Dies zeigte sich bereits in
vorangegangenen Ausbruchsgeschehen wie 2003 bei SARS [5 ] oder 2009/10 bei Influenza A [6 ]. Um dies zu erreichen, sind Vernetzung,
Schnelligkeit, Ressourcenschonung, zielgenaue Erhebung und Skalierbarkeit bereits in
die Konzeptionierung einzubeziehen. In der Realisierung fordert die Erforschung
eines unbekannten Erregers ein hohes Maß an Flexibilität, um
beispielsweise bei SARS-CoV-2 sich ändernde Falldefinitionen einzubeziehen
[7 ] oder erste Erkenntnisse wie den
frühen Hinweis auf Gerinnungsstörungen gezielt zu adressieren [8 ]. Die zeitkritische Lieferung einer
Evidenzbasis unter Einbezug von Qualitätsanforderungen und
-prüfungsverfahren [9 ], Leitlinien
für Gute Epidemiologische Praxis (GEP) [10 ] und zur Nachhaltigkeit [11 ]
stellt eine besondere Herausforderung dar, bietet aber auch eine Chance für
Register in der Pandemie.
Für Register mit einer offenen Fragestellung sind
Repräsentativität und eine ausreichende Fallzahl von besonderer
Bedeutung. Wenn beides erreicht wird, können wichtige
Rückschlüsse für die Gesamtheit der Patient:innen getroffen
und die Betrachtung seltener Effektgrößen wie bspw. Komedikation und
Komorbidität ermöglicht werden. Vor diesem Hintergrund bestand
zunächst die Hoffnung, dass sich das internationale und von der WHO
unterstützte Register des International Severe and Acute Respiratory and
Emerging Infection Consortium (ISARIC, https://isaric.org/ ) auch in Deutschland durchsetzen könnte, was
jedoch, wahrscheinlich aufgrund datenschutzrechtlicher Limitationen, fehlender
deutscher Studiendokumente und eines starken Fokus auf intensivmedizinische
Maßnahmen, nicht gelang.
Im vorliegenden Beitrag soll nun der Aufbau des Registers im Kontext der COVID-19
Pandemie beschrieben und unter den Gesichtspunkten der zeitkritischen Konzeption und
Umsetzung, sowie der Anforderungen an Qualität und Nachhaltigkeit evaluiert
und im internationalen Zusammenhang diskutiert werden.
Methodik
Auf Initiative der Deutschen Gesellschaft für Infektiologie (DGI) mit der
Emerging Infections Task Force (EITaF) der European Society of
Clinical Microbiology and Infectious Diseases (ESCMID) in Zusammenarbeit mit
dem Deutschen Zentrum für Infektionsforschung (DZIF) sollte ein
transnationales und -sektorales Netzwerk unter dem Titel Lean European Open
Survey on SARS-CoV-2 Infected Patients (LEOSS) entstehen.
Im Hinblick auf die unvorhersehbare Entwicklung der COVID-19 Pandemie wie auch der
Dynamik verschiedener Forschungsinitiativen wurden die Konzeptionierung und
Umsetzung als kontinuierlicher Prozess verstanden. Damit wurden wesentliche
Voraussetzungen bereits vor Rekrutierungsbeginn geschaffen, die kontinuierliche
Weiterentwicklung erfolgte jedoch auch während der Projektrealisierung.
Rekrutierung
Durch die anonyme Erfassung von Fällen aller Schweregrade sowie den
transsektoralen und internationalen Ansatz sollten Verzerrungen in der
Rekrutierung vermieden werden. Dies ist hinsichtlich des hohen Anteils an schwer
erkrankten (nicht-einwilligungsfähigen) Patient:innen eine notwendige
Voraussetzung, um die Epidemiologie und den klinischen Verlauf von COVID-19
umfassend abzubilden.
Alleiniges Einschlusskriterium von LEOSS war und ist der positive
labormedizinische Nachweis von SARS-CoV-2, sodass LEOSS das Spektrum von rein
ambulant behandelten Fällen bis hin zur intensivmedizinischen
Komplexbehandlung nicht einwilligungsfähiger Patient:innen abdeckt.
Während erste Netzwerkpartner:innen sich bereits aktiv in die
Konzeptionierung einbrachten, wurden parallel Gespräche mit
internationalen medizinischen Fachgesellschaften sowie
Gesundheitsforschungszentren gesucht, um deren fachliche und politische
Unterstützung einzuholen.
Verwendete Technologien
Aufgrund der raschen Verfügbarkeit (existierende Lizenz der
Arbeitsgruppe), positiver Vorerfahrungen und der intrinsischen
Vernetzungsfunktionen wurde die auf EFS Survey (Questback AG, Köln)
basierende ClinicalSurveys.net Plattform als Electronic Data Capture
System verwendet. Die Prozessierung, Aufbereitung und Prüfung der Daten,
wie auch die Prüfung der Anonymisierung erfolgte in R, die
Anonymisierung selbst in Java. Der Datentransfer an Antragsteller:innen erfolgte
in verschlüsselten Archiven über die DRACOON-Plattform (DRACOON
GmbH, Regensburg) der Uniklinik Köln mit 2-Faktor-Authentifizierung.
Flexibilität und Skalierbarkeit in der Datenerhebung
Bei initial noch unklarem Krankheits- und Pandemieverlauf war
Flexibilität bei der Datenerhebung unabdingbar. Hierfür wurden
im Protokoll flexible Rekrutierungszahlen und -zeiträume, wie auch
umfassende Studienziele festgelegt. Zudem wurden Fachgruppen und weitere
Interessenvertreter:innen, bspw. der Deutschen Zentren der Gesundheitsforschung,
gezielt angesprochen, die Erfassung zu prüfen und ggf.
Modulvorschläge zu machen.
Die umfangreiche Dokumentation wurde durch JavaScript gestützte Filter-
und Ausblendbedingungen erleichtert.
Anforderungen an den Datenschutz
Aufgrund der bekannten Unsicherheiten in Bezug auf die Verarbeitung
anonymisierter Daten [12 ] wurde in
Absprache mit dem Datenschutzbeauftragten der Universität zu
Köln ein zweistufiges Anonymisierungskonzept entworfen.
Im ersten Schritt wurde eine Erfassungssystematik gewählt, die eine
Reidentifizierung bereits mit hoher Sicherheit ausschließt: auf
personenidentifizierende Daten wurde vollständig verzichtet, metrischer
Werte wurden kategorisiert, die exakte Zeitachse durch Krankheitsphasen ersetzt,
einzelne Datenelemente über diese Phasen aggregiert und
phänotypische Merkmale wurden weitgehend nicht erfasst.
Zusätzlich wurde ein zweiter Anonymisierungsschritt in einer
zertifizierten sicheren Netzwerkumgebung durchgeführt, wo mit externer
Beratung eine Risikoeinstufung bezüglich Verknüpfbarkeit
(linkability ), Replizierbarkeit (replicability ) und
Verfügbarkeit (availability ) [13 ] für mögliche Deanonymisierungsversuche
für alle Datenpunkte erfolgte und über Aggregation und
Zensierung von Datenelementen weitere Maßnahmen zur Verhinderung einer
hypothetischen Reidentifizierung ergriffen wurden [14 ].
Zugang und Nutzung der Daten innerhalb kurzer Zeit
Mit der Registrierung im Deutschen Register Klinischer Studien (DRKS) wie auch
der Übertragung der Datenformulare auf das Portal für
Medizinische Datenmodelle (MDM) der Universität Münster
[15 ]
[16 ] wurden im Projektverlauf auffindbare
und zugängliche Metadaten geschaffen.
Für das Teilen der Daten wurden unterschiedliche Bereitstellungen
vorgesehen: (a) der vollständige lokale Datensatz der jeweiligen
Standorte, (b) eine eingeschränkte Datenbasis aus 16 Variablen
(Public Use File , PUF), öffentlich verfügbar auf der
Webseite und (c) eine breite Datenbasis (Scientific Use File , SUF) zur
Beantwortung von komplexen Forschungsfragen. Der Vorschlag, den SUF
interessierten Wissenschaftler:innen unter dem Open Science Gedanken auch
ohne Nutzungsverfahren zur Verfügung zu stellen, wurde in den
Entscheidungsorganen mehrheitlich kritisch gesehen. Zentrale Argumente gegen ein
freies Teilen der Daten waren (i) die mangelnde Qualitätssicherung der
durchgeführten wissenschaftlichen Untersuchungen, mit Gefahr für
Dopplungen, Widersprüche und methodisch schwachen Analysen und (ii) die
Sorge um eine unzureichende Honorierung der freien Zuarbeit durch das Netzwerk
in der Konzeption und in der Datensammlung. Als Kompromisslösung wurde
ein schlankes Antragsverfahren mit kurzen Umlaufzeiten und Verzicht auf ein
Quorum zur Antragsannahme entwickelt.
Qualitätssicherung
Qualitätssichernde Prozesse erfolgten in der Datenerhebung unter
Berücksichtigung der anonymen Patient:innenrekrutierung über die
zentrale Überprüfung der Qualifizierung der Dokumentierenden und
auf Stufe der Dateneingabe. Letzteres wurde durch automatisierte
Vollständigkeits- und Plausibilitätsprüfungen,
hinterlegte klinische Definitionen und Eingabehilfen umgesetzt.
Voraussetzungen zur Datenauswertung beinhalteten im Protokoll festgehaltene
personelle wie auch methodische Anforderungen. Nur Auswertungen durch
qualifiziertes Personal unter Nutzung adäquater Methoden und Software
waren zulässig.
Steuerungsgremien
Für einen fairen und integrativen Ansatz wurden drei Steuerungsgremien
definiert: Zentrale Entscheidungskompetenzen für Studienprozesse wie
auch Datennutzungsanträge wurden für die Standorte mit der
höchsten Rekrutierungsleistung nach einer transparenten Metrik (Board
of Investigators , BoI) definiert. Ein wissenschaftlicher Fachbeirat
(Global Scientific Council , GSC) mit Einbindung in das
Datennutzungsverfahren wurde aus den beteiligten Fachgesellschaften und
Forschungseinrichtungen zusammengesetzt. Größere Entscheidungen
und umfassende Berichte werden in der Vollversammlung (General Assembly )
diskutiert.
Ergebnisse
Initiierung und Rekrutierung
Nach intensiven Diskussionen über die Notwendigkeit eines weiteren
Registers neben der ISARIC-Initiative und unter dem Eindruck einer rasch
ansteigenden ersten Welle wurde am 09.03.2020 der Entschluss gefasst, das
LEOSS-Register zu etablieren ([Abb.
1 ]).
Abb. 1 Zeitliche Abfolge relevanter Ereignisse von Initiierung bis
1 Jahr nach Rekrutierungsstart in LEOSS.
Angesichts der Dringlichkeit entwickelte ein Kernteam von sechs erfahrenen
Mitarbeiter:innen aus den Bereichen Epidemiologie, Medizin und Medizininformatik
innerhalb von 48 Stunden einen ersten Entwurf von Fragebogen, Studienprotokoll
und Homepage. Die Entwürfe von Studienprotokoll und
Anonymisierungskonzept wurden dann in direkter Absprache mit der Ethikkommission
des Universitätsklinikums Köln und dem Datenschutz der
Universität zu Köln weiterentwickelt. Am 16.03.2020 erfolgte die
Einreichung parallel bei den Ethikkommissionen an den
Universitätsklinika Frankfurt und Köln, die in
Dringlichkeitssitzungen jeweils am 16.03.2020 und 19.03.2020 ein positives Votum
erteilten. Am 18.03.2020 wurde der erste Fall am Universitätsklinikum
Frankfurt dokumentiert.
Basierend auf den initialen Ethikvoten folgte die flächendeckende
Einreichung an universitären Kliniken und Landesärztekammern.
Ende März 2020 lagen bereits 37 positive Voten vor. Der rasche Ausbau
der Rekrutierung mit Einbeziehung weiterer Standorte erfolgte initial
maßgeblich durch die Unterstützung der DGI, der ESCMID und des
DZIF, und durch das Zurückgreifen auf bereits etablierte Netzwerke der
Arbeitsgruppe aus Projekten wie der Translationalen Plattform HIV (TP-HIV, https://tp-hiv.de/ ) oder der
multizentrischen, internationalen PILGRIM-Studie. Im weiteren Verlauf wurden
zunehmend über die weiteren Deutschen Zentren der Gesundheitsforschung
(DZG) und zahlreiche medizinische Fachgesellschaften Standorte angebunden. Die
proaktive Bewerbung des Registers erfolgte parallel über die Nutzung
dementsprechender Verteiler, frühe Pressemeldungen [17 ]
[18 ]
[19 ]
[20 ]
[21 ]
[22 ] und soziale Medien wie Twitter. Der
gemeinsame Aufruf führte letztlich zu einer Anzahl von aktuell 133 aktiv
rekrutierenden Standorten vorwiegend in Deutschland, jedoch auch über
die Grenzen hinaus (Stand 18.03.2021, siehe [Abb. 2 ]).
Abb. 2 Aktive Standorte. Ein Standort gilt dann als aktiv, wenn er
einen Beitrag von mindestens einem vollständigen Fall nach
Registrierung geleistet hat. Stand 18.03.2021.
Die Dokumentationsrate pro Woche stieg initial exponentiell an ([Abb. 3 ]). Wesentliche Meilensteine in der
Rekrutierung stellten 1000 Patient:innen nach weniger als einem Monat, 3000 im
Juli 2020 und eine Fallzahl von 7.227 (Median=15, unteres
Quartil=3, oberes Quartil=62; Stand 18.03.2021) ein Jahr nach
dem ersten Patient:inneneinschluss dar. Hierbei sind 4,6% (330/7227) der
Rekrutierungen außerhalb von Deutschland und 44,5% (3214/7227)
außerhalb des universitären Sektors zu verorten.
Abb. 3 Dokumentierte Fälle pro Woche. Die
Dokumentationsrate pro Woche ist für ein Jahr ab
Rekrutierungsstart in LEOSS dargestellt. Die Anzeige der Kalenderwoche
setzt sich zusammen aus den letzten Ziffern des Jahres und dem Monat und
beziffert den Zeitpunkt der Falldokumentation, nicht der Diagnose.
Gesamt-N=7179.
Entwicklung des Datensatzes
Der Datensatz wurde unter Einbezug lokaler Erfahrungen, externer Anfragen und
Zuarbeiten sowie auf Basis neuer Erkenntnisse iterativ an aktuelle
Fragestellungen und Versorgungsrealitäten angepasst. Substanzielle
Anpassungen wurden in den Gremien der Studie verabschiedet. Hierdurch wuchs die
Anzahl an Variablen im Projektverlauf von 400 auf 2241 an (Stand 18.03.2021).
Insgesamt wurden an 78 Tagen Erweiterungsschritte aktiv gesetzt, die
zunächst in einer Testumgebung implementiert, anschließend in
die Aktivumgebung kopiert und über ein Änderungsverzeichnis
offengelegt wurden. Die im Projektverlauf etablierte Testumgebung und
Handlungsanweisung vermieden erfolgreich Fehler in der Implementierung trotz
hoher Änderungsdichte.
Datennutzung
Innerhalb eines Monats nach Rekrutierungsbeginn wurde das PUF öffentlich
verfügbar gemacht. Zeitgleich waren die ersten deskriptiven Analysen der
Gesamtkohorte auf der Webseite einsehbar. Webbasierte Applikationen (Dashboard,
Jupyter Notebook) zur Exploration der Daten wurden teilweise durch freiwillige
Externe (PROCON IT GmbH, Garching) gestaltet, wodurch die Nutzung des PUF
wesentlich vereinfacht wurde.
Seit Beginn wurden weit über 100 Anfragen zur Nutzung der LEOSS-Daten
gestellt, nach formaler Vorprüfung wurden insgesamt 97 Anträge
aus 26 Themengebieten durch die Gremien begutachtet und bis auf wenige Ausnahmen
innerhalb von zwei Wochen positiv votiert. Ein enger Austausch zwischen den
Gruppen wurde gefördert und Projekte im Verlauf fusioniert. Die
häufigsten Themenbereiche waren Methodologie/Techniken der
künstlichen Intelligenz (12 Projekte), Herz-Kreislaufsystem (8 Projekte)
und Neurologie (7 Projekte). Nach Eingang der detaillierten Aufstellung der
benötigten Daten dauerte es zwischen wenigen Tagen und 6 Wochen, bis der
angepasste Datensatz nach Durchlaufen aller beschriebenen Prüfungen
übermittelt werden konnte. Durch die enge Anbindung an eine für
LEOSS aufgebaute Transferstelle wurde eine Unterstützung der
Arbeitsgruppen aufgebaut, sodass mittlerweile acht weitere fachspezifische
Forschungsarbeiten aus den Bereichen Kardiologie, Nephrologie, Neurologie,
Onkologie, Transplantationsmedizin und zur Methodologie in internationalen
Fachzeitschriften publiziert werden konnten [14 ]
[23 ]
[24 ]
[25 ]
[26 ]
[27 ]
[28 ]
[29 ]
[30 ].
Herausforderungen
Einhergehend mit der Geschwindigkeit der Anbindung war die zentrale Koordination
der zahlreichen Standorte eine Herausforderung. Zusätzlich
führte der zweite Anonymisierungsschritt mit maßgeschneiderter
Anpassung des Datensatzes für die Transferstelle zu einem erheblichen
Zeitaufwand von bis zu 80 Stunden pro Datensatz.
Die hohe klinische Auslastung und stark zunehmende Anzahl verschiedener Register
im April und Mai ließ in den Zentren vermehrt den Wunsch nach einer
zumindest teilweise elektronischen Datenübermittlung aufkommen. Diese
konnte aufgrund unzureichender finanzieller Mittel und der für einen
direkten Import in die Datenbank notwendigen umfassenden Validierung solcher
Schnittstellen nicht umgesetzt werden.
Diskussion
Nach unserer Kenntnis zählt LEOSS nach ISARIC bis heute zu den
größten nach einheitlichem Schema erfassten,
interdisziplinären, transsektoralen und transnationalen Datensammlungen zu
COVID-19 und leistet neben eigenen Analysen relevante Beiträge zu
europäischen und internationalen Datensammlungen. Wichtige Beispiele
für Projekte, zu denen LEOSS beigetragen hat, umfassen Registry of
patients with COVID-19 including cardiovascular risk and complications
(CAPACITY, https://capacity-covid.eu/ ),
Connecting European cohorts to increase common and effective response to
SARS-CoV-2 pandemic (ORCHESTRA, https://orchestra-cohort.eu/ ) und die Global COVID-19 Clinical Data
Platform der WHO. Das Fehlen rasch verfügbarer Ressourcen konnte
durch die offene Projektstruktur und die faire Verwendung der erhobenen Daten
kompensiert werden, sodass eine hohe Motivation zur Teilnahme bestand.
Der naheliegendste internationale Vergleich zu LEOSS ist die ISARIC Datenerhebung,
die mit einer Gesamtanzahl von mehr als 100 000 Fällen die
größte uns bekannte zentralisierte Datensammlung zu COVID-19 mit
offener Fragestellung darstellt. ISARIC bietet ein Tool zur Erfassung der lokalen
Daten der Studienstandorte an, mit der Option, Daten für gemeinsame
Auswertungen zur Verfügung zu stellen. Hierbei bestanden keine
Verpflichtungen bzgl. der Erfassungstiefe: Während am 14.04.2021 Daten zu
Komorbiditäten für 127 750 Fälle vorlagen, war z. B.
die Gabe von Betablockern nur für 1339 Patient:innen dokumentiert [31 ].
Als Alternative zu prospektiven Registern besteht international zunehmend die
Möglichkeit der direkten Nachnutzung elektronisch verfügbarer
Gesundheitsdaten, wodurch teilweise große Fallmengen und Kontrollgruppen
betrachtet werden konnten. In Großbritannien konnte bspw. für
über 2 Mio. Bürger:innen der Gebrauch von Medikamenten aus
klinischen Routinedaten mit Details aus Sterbedaten verknüpft werden [32 ], in Südkorea wurden anonymisierte
Krankenkassendaten für wissenschaftliche Forschung geteilt, die
Informationen über 200 000 SARS-CoV-2 Infizierte beinhalteten und
auch die Betrachtung spezifischer Komorbiditäten ermöglichten [33 ]. Bei entsprechenden Dateninfrastrukturen
und etablierten regulatorischen und datenschutzrechtlichen Prozessen erlaubt diese
Methodik große Untersuchungen mit geringem Personalaufwand. Gleichzeitig
bestehen Limitationen in der Übertragbarkeit von bspw. elektronischen
Verordnungen in tatsächlichen Gebrauch oder von ICD-10 kodierten Diagnosen
in Komorbiditäten. Auch im Rahmen der Fachdiskussionen um Real World Evidenz
in der Nutzenbewertung von Arzneimitteln wurden von Seiten des Instituts für
Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG) Limitationen von
Krankenkassendaten oder Daten aus elektronischen Patient:innenakten wie bspw. das
Fehlen wesentlicher Störgrößen genannt [34 ].
Verschiedene Institutionen wie die Europäische Arzneimittelbehöre
(EMA), das europäische Netzwerk für die Bewertung von
Gesundheitstechnologien (EUnetHTA) oder das Deutsche Netzwerk für
Versorgungsforschung (DNVF) haben in diesem Kontext Stellungnahmen zur Eignung von
Registern in der Nutzenbewertung erarbeitet und Qualitätsindikatoren
definiert [35 ]
[36 ]
[37 ]
[38 ]
[39 ]. Unter Einbezug dieser Vorgaben
(z. B. Registerprotokoll, Entscheidungsgremien, Kodierhandbuch,
Änderungsverzeichnis, Terminologie, automatisierte
Qualitätsprüfungen) kann LEOSS als hochwertiges System zur
Datenerhebung gelten. Mit Blick auf die FAIR-Prinzipien wurde ein besonderer Fokus
auf Wiederverwendbarkeit und Nachnutzbarkeit gelegt [10 ]: Daten [40 ] wie auch Metadaten
[16 ] sind unter eindeutiger Identifikation
auffindbar (Findability ) und kontinuierlich abrufbar (Accessibility ).
Im MDM-Portal liegen alle Datenpunkte kodiert mit UMLS (Unified Medical Language
System) vor (Interoperability ), wie oben ausgeführt wurden Daten zu
weiteren europäischen und internationalen Datensammlungen beigetragen
(Reuse ).Vorteilhaft erwies sich die dynamische und iterative Anpassung
des Datensatzes in Zusammenarbeit mit Fachexpert:innen: Hierdurch konnten zahlreiche
fachspezifische und elektronisch nicht oder schlecht verfügbare Datenpunkte
definiert und durch den manuellen Dokumentationsprozess auswertbar gemacht werden,
was wichtige Beiträge z. B. zu kardiovaskulär vorerkrankten
Patient:innen [23 ], zur Neurologie [24 ] oder Transplantationsmedizin [25 ] erlaubte.
Eine weitere Stärke der nicht-interventionellen, anonymen Registerstruktur
war die rapide Verbreitungsmöglichkeit. Innerhalb von nur 14 Tagen lagen
positive Ethikvoten von 37 Standorten vor. Zum Vergleich finden beim weitaus
komplexeren, interventionellen, pseudonymen Nationalen Pandemie Kohorten Netz
(NAPKON, https://napkon.de ) sechs Monate nach
Einreichung immer noch Verhandlungen mit einzelnen Ethikkommissionen statt.
Großbritannien zeigt allerdings, dass auch komplexe interventionelle
Arzneimittelstudien nicht notwendigerweise spät starten müssen: Die
dort initiierte Studie The Randomised Evaluation of COVID-19 therapy
(RECOVERY, https://www.recoverytrial.net/ ) zur Evaluation 13 verschiedener
Therapieansätze begann etwa zeitgleich mit LEOSS mit der Rekrutierung und
zählte bereits nach 15 Tagen fast 1000 Einschlüsse an 132 Zentren
[41 ]
[42 ].
Erkenntnisse, die Leitlinien beeinflussen, konnten während der ersten Welle
in Deutschland nicht generiert werden. Gründe hierfür waren
vornehmlich mangelnde Ressourcen. Insgesamt zeigte sich, dass die zeitlichen
Vorteile durch den einfachen und finanziell günstigen Rollout des Registers
gegenüber einer randomisierten klinischen Studie zumindest teilweise durch
die Notwendigkeit der aufwendigen Datennachbereitung und der sorgfältigen
Berücksichtigung von Störgrößen wieder aufgehoben
wurden.
Insgesamt konnte mit LEOSS gut demonstriert werden, wie sich in einer
Pandemiesituation in kürzester Zeit eine umfangreiche klinische
Datensammlung international implementieren lässt. Schlüsselelemente
waren die enge Zusammenarbeit mit Ethikkommissionen und Datenschutzbeauftragten in
der Anfangsphase und der iterative Prozess der Erweiterung und Verbesserung des
Datensatzes auch während der Rekrutierung ([Abb. 4 ]). Eine ungelöste Frage bleibt, wie in der gebotenen Eile
dennoch rasch personelle Ressourcen für ein Projekt gewonnen und dann auch
kurzfristig förderrechtlich korrekt eingesetzt werden können, um
nach der Startphase auch den Aufwand von Datentransfer und -analyse zu
bewältigen. Deutlich wurde auch das Potenzial einer zentralen
Hierarchisierung wichtiger Studienkomponenten: Austausch elektronisch
verfügbarer Routinedaten, vertiefte Dokumentation der nicht elektronisch
verfügbaren Daten, prospektive Rekrutierung für
Begleituntersuchungen über die Routine hinaus und prospektive,
interventionelle klinische Studien. Hierfür wurden mit NAPKON, in das viele
Erfahrungen aus LEOSS eingeflossen sind, und der COVID-19 Data Exchange Platform
(CODEX) im Netzwerk Universitätsmedizin (NUM, https://netzwerk-universitaetsmedizin.de/ ) wichtige Grundsteine
gelegt.
Abb. 4 LEOSS Lessons Learned. Mögliche Implikationen im Aufbau
zukünftiger Register insbesondere aber nicht ausschließlich
im Kontext von Pandemien abgeleitet aus den Erfahrungen von LEOSS.
