Subscribe to RSS
DOI: 10.1055/a-2346-9680
Integration von Bestandsdaten aus Kohorten- und Registerstudien in ein existierendes Forschungsnetzwerk: Nationales Pandemie Kohorten Netz (NAPKON)
Integration of Inventory Data from Cohort and Registry Studies into an Existing Research Network: National Pandemic Cohort Network (NAPKON)Zusammenfassung
In der frühen Phase der COVID-19-Pandemie wurden in Deutschland viele lokale Sammlungen klinischer Daten mit SARS-CoV-2 infizierter Patient:innen initiiert. Im Rahmen des Nationalen Pandemie-Kohorten-Netzes (NAPKON) des Netzwerkes Universitätsmedizin wurde der „Integrationskern“ etabliert, um die rechtlichen, technischen und organisatorischen Voraussetzungen für eine Integration von Bestandsdaten in laufende prospektive Datensammlungen zu konzipieren und die Machbarkeit der entwickelten Lösungen mittels Use Cases (UCs) zu prüfen. Detaillierte Studienunterlagen der Datensammlungen wurden eingeholt. Nach strukturierter Dokumentenanalyse, bewertete ein Review Board, gemäß definierter Kriterien die Integrierbarkeit der Daten in NAPKON. Von 30 kontaktierten Universitätskliniken hatten 20 auf die Anfrage geantwortet. Die Patient:inneninformationen und Einwilligungen zeigten ein heterogenes Bild bezüglich der pseudonymen Weitergabe der Daten an Dritte und des Re-Kontakts. Ein Großteil der Datensammlungen (n=13) erfüllte die Kriterien für eine Integration in NAPKON, bei vier Studien wären Anpassungen der regulatorischen Dokumente erforderlich. Drei Kohorten waren nicht für einen Einschluss in NAPKON geeignet. Die rechtlichen Rahmenbedingungen einer retrospektiven Datenintegration und einer einwilligungsfreien Datennutzung über Forschungsklauseln (§27 BDSG) wurde durch ein Rechtsgutachten der TMF – Technologie- und Methodenplattform, für die vernetzte medizinische Forschung e. V., Berlin erarbeitet. Anhand zweier vom NAPKON-Lenkungsausschuss ausgewählter UCs(CORKUM, LMU München; Pa-COVID-19, Charité- Universitätsmedizin Berlin) wurde die Machbarkeit einer Datenintegration bis Ende 2021 in NAPKON gezeigt. Es erfolgte gemäß den Vorgaben die Qualitätssicherung und die aufwandsgenaue Abrechnung der übertragenen Fälle. Basierend auf den Ergebnissen können Empfehlungen für verschiedene Kontexte formuliert werden, um technisch-operative Voraussetzungen wie Interoperabilität, Schnittstellen und Datenmodelle für die Datenintegration zu schaffen sowie regulatorische Anforderungen an Ethik, Datenschutz, ärztliche Schweigepflichtsentbindung und den Datenzugang bei der Integration bestehender Kohortendaten zu erfüllen. Die mögliche Integration von Daten in Forschungsnetzwerke und deren Sekundärnutzung sollte bereits in der Planungsphase einer Studie – insbesondere beim Informed Consent – berücksichtigt werden, um den größtmöglichen Nutzen aus den erhobenen Daten zu ziehen.
Abstract
In the early phase of the COVID-19 pandemic, many local collections of clinical data on patients infected with SARS-CoV-2 were initiated in Germany. As part of the National Pandemic Cohort Network (NAPKON) of the University Medicine Network, the "Integration Core" was established to design the legal, technical and organisational requirements for the integration of inventory data into ongoing prospective data collections and to test the feasibility of the newly developed solutions using use cases (UCs). Detailed study documents of the data collections were obtained. After structured document analysis, a review board evaluated the integrability of the data in NAPKON according to defined criteria. Of 30 university hospitals contacted, 20 responded to the request. Patient information and consent showed a heterogeneous picture with regard to the pseudonymised transfer of data to third parties and re-contact. The majority of the data collections (n=13) met the criteria for integration into NAPKON; four studies would require adjustments to the regulatory documents. Three cohorts were not suitable for inclusion in NAPKON. The legal framework for retrospective data integration and consent-free data use via research clauses (§27 BDSG) was elaborated by a legal opinion by TMF – Technology, Methods and Infrastructure for Networked Medical Research, Berlin. Two UCs selected by the NAPKON steering committee (CORKUM, LMU Munich; Pa-COVID-19, Charité- Universitätsmedizin Berlin) were used to demonstrate the feasibility of data integration in NAPKON by the end of 2021. Quality assurance and performance-based reimbursement of the cases were carried out according to the specifications. Based on the results, recommendations can be formulated for various contexts in order to create technical-operational prerequisites such as interoperability, interfaces and data models for data integration and to fulfil regulatory requirements on ethics, data protection, medical confidentiality and data access when integrating existing cohort data. The possible integration of data into research networks and their secondary use should be taken into account as early as the planning phase of a study – particularly with regard to informed consent – in order to maximise the benefits of the data collected.
Publication History
Article published online:
22 August 2024
© 2024. Thieme. All rights reserved.
Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany
-
Literatur
- 1 Eichner F, Gelbrich G, Weißbrich B. et al. Seroprävalenz von COVID-19 und psychosoziale Auswirkungen in der Allgemeinbevölkerung: Ergebnisse des STAAB-COVID-One Programms. Das Gesundheitswesen 2021;
- 2 Gaitzsch E. et al. COVID-19 in Patients Receiving CD20-depleting Immunochemotherapy for B-cell Lymphoma. HemaSphere 2021; 5: e603
- 3 Cornely OA. et al. "Improving diagnosis of severe infections in immunocompromised patients (ISI).". Cologne, Germany: Uniklinik Köln; 2008
- 4 NUM Coordination Office, NUKLEUS Study Group. Heyder R. et al. Das Netzwerk Universitätsmedizin: Technisch-organisatorische Ansätze für Forschungsdatenplattformen. Bundesgesundheitsbl 2023; 66: 114-125
- 5 Schons M, Pilgram L, Reese JP. et al. The German National Pandemic Cohort Network (NAPKON): rationale, study design and baseline characteristics. Eur J Epidemiol 2022;
- 6 Horn A, Krist L, Lieb W. et al. Long-term health sequelae and quality of life at least 6 months after infection with SARS-CoV-2: design and rationale of the COVIDOM-study as part of the NAPKON population-based cohort platform (POP). Infection 2021; 49: 1277-1287
- 7 Lesch W, Richter G, Semler SC. Daten teilen für die Forschung: Einstellungen und Perspektiven zur Datenspende in Deutschland. In: Richter G, Loh W, Buyx A, Graf von Kielmansegg S (eds) Datenreiche Medizin und das Problem der Einwilligung. Springer; Berlin, Heidelberg: 2022.
- 8 Bieber S, Kraechan A, Hellmuth JC. et al. Left and right ventricular dysfunction in patients with COVID-19-associated myocardial injury. Infection 2021; 49: 491-500
- 9 Kurth F, Roennefarth M, Thibeault C. et al. Studying the pathophysiology of coronavirus disease 2019: a protocol for the Berlin prospective COVID-19 patient cohort (Pa.COVID-19). Infection 2020; 48: 619-626
- 10 Schmidt CO. et al. COVID-19-Forschungsdaten leichter zugänglich machen – Aufbau einer bundesweiten Informationsinfrastruktur [Making COVID-19 research data more accessible-building a nationwide information infrastructure]. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 2021; 64: 1084-1092
- 11 Kraus M. et al. Studienübergreifende Harmonisierung datenschutzrechtlicher und ethischer Gesichtspunkte in Patientenunterlagen: Eine Praxisanalyse. In: Richter G, Loh W, Buyx A, Graf von Kielmansegg S (eds) Datenreiche Medizin und das Problem der Einwilligung. Springer; Berlin, Heidelberg: 2022.
- 12 Hofmann S. Forschungsklausel statt Broad Consent. Datenschutz Datensich 2022; 46: 756-761
- 13 Tilch K, Hopff SM, Appel K. et al. Ethical and coordinative challenges in setting up a national cohort study during the COVID-19 pandemic in Germany. BMC Med Ethics 2023; 24: 84
- 14 Frank G. et al. Management and Data Sharing of COVID-19 Pandemic Information. Biopreservation and Biobanking 2020; 18: 570-580
- 15 Pita Costa J. et al "Meaningful Big Data Integration for a Global COVID-19 Strategy," in IEEE Computational Intelligence Magazine. 2020; 15 pp 51-61