Aus dem Klinikalltag in die Forschung
Aktualisiert: vor 5 Stunden
Wie werden Routinedaten forschungsfähig? – am Beispiel des National Centre of Competence (NCCR) AntiResist
Im Rahmen des National Centre of Competence (NCCR) AntiResist werden am Universitätsspital Basel bis 2028 rund 7500 Urin-, Blut- und Gewebeproben von Patientinnen und Patienten mit Harnwegsinfektionen, Pneumonien oder invasiven Gewebeinfektionen gesammelt. Im Fokus stehen vier klinisch relevante bakterielle Erreger: Escherichia coli, Pseudomonas aeruginosa, Staphylococcus aureus und Brucella melitensis. Die WHO stuft resistente Formen der ersten drei Erreger als prioritäre Krankheitserreger ein. Darüber hinaus stehen alle vier Bakterien exemplarisch für schwer behandelbare Infektionen, bei denen neben Antibiotikaresistenzen auch bakterielle Persistenz und besondere Eigenschaften der Infektion den Therapieerfolg erschweren können.
Forschungsdaten entstehen in der klinischen Routine
Wie aus solchen Routinedaten analysierbare Forschungsdaten werden, zeigt NCCR AntiResist exemplarisch: Die Informationen stammen nicht aus einer eigens für das Projekt konzipierten Erhebung, sondern fallen im klinischen Alltag an. Sie werden in den Primärsystemen des Spitals erfasst: im Klinikinformationssystem mit der Krankengeschichte sowie in den Labor- und Medikationssystemen. Täglich werden diese Daten ins «Clinical Data Warehouse» übertragen. Datenstruktur, Vollständigkeit und Dokumentationspraxis orientieren sich dabei primär an den Anforderungen der Patientenversorgung.
Ausgangspunkt sind Patientinnen und Patienten, bei denen ein Risiko für eine Infektion mit einem der untersuchten Zielerreger besteht. Die Probenentnahme erfolgt im klinischen Alltag durch die beteiligten medizinischen Fachpersonen, insbesondere aus der Chirurgie, Intensivmedizin und Urologie. Je nach klinischer Situation werden Urinproben, intraoperative Gewebebiopsien oder Trachealsekrete von intubierten Patientinnen und Patienten gesammelt. Wird einer der für das Projekt relevanten Erreger nachgewiesen, legen die Study Nurses den Fall im Datenmanagementsystem «secuTrial®» an. Manuelle Dateneingaben sind erforderlich, um einerseits Eckpunkte für die Zuordnung der Routinedaten festzulegen und andererseits klinisch zu interpretierende Variablen zu erfassen. Anschliessend werden die dazugehörigen klinischen Routinedaten aus dem Clinical Data Warehouse nach secuTrial® importiert. Bevor daraus belastbare Forschungsdaten entstehen, sind umfangreiche Aufbereitungs- und Qualitätssicherungsschritte erforderlich. Das Data-Science-Team des Departements Klinische Forschung (DKF) führt diese Prozesse durch.

Die stille Arbeit hinter der Datenqualität
Konkret beginnt ihre Arbeit mit der Aufarbeitung der aus dem Clinical Data Warehouse übernommenen Daten. Die für NCCR AntiResist relevanten Informationen müssen identifiziert, harmonisiert und in eine für die wissenschaftliche Analyse geeignete Struktur überführt werden. Daran schliessen sich umfangreiche Qualitätskontrollen an: Stimmen die Datensätze im Clinical Data Warehouse und in secuTrial® überein? Sind sie vollständig? Funktionieren die Verknüpfungen korrekt? Gibt es Ausreisser, deren Werte deutlich von den übrigen Daten abweichen?
Um den laufenden Abgleich zwischen Clinical Data Warehouse und secuTrial® sicherzustellen, hat das Data-Science-Team am DKF verschiedene Skripte entwickelt, die zentrale Arbeitsschritte automatisieren. Sie erkennen beispielsweise Änderungen und Ergänzungen im Clinical Data Warehouse und übertragen diese in die Studiendatenbank. Zudem prüfen und bereinigen sie den Datensatz fortlaufend auf fehlende Werte, Redundanzen und uneinheitliche Eingabeformate.
Von der Rohinformation zur Variable
Anspruchsvoll zeigt sich auch die Herleitung von Auswertungsvariablen. Eine Frage wie «Welches Hauptantibiotikum wurde der Patientin verabreicht?» lässt sich nicht direkt aus den Rohdaten beantworten. Als Hauptantibiotikum könnte jenes mit der längsten Therapiedauer oder jenes mit den meisten Verabreichungen gelten.

Welche Variablen erfasst werden und wie sie definiert sind, legt das DKF-Data-Science-Team gemeinsam mit PD Dr. Richard Kühl fest, Leitender Arzt der Klinik für Infektiologie und Zentrum für Muskuloskelettale Infektionen (ZMSI) am USB. Richard Kühl ist massgeblich am Aufbau der Datenbank von NCCR AntiResist beteiligt. Er bringt die klinische Perspektive ein, damit die Variablen wissenschaftlich und medizinisch sinnvoll definiert sind. «Eine Variable muss abbilden, was bei der Behandlung tatsächlich passiert ist. Welches Antibiotikum als Hauptantibiotikum gilt, ist deshalb keine technische, sondern eine klinische Frage. Diese Definitionen sorgfältig festzulegen,

braucht Zeit, aber davon hängt ab, wie belastbar die Ergebnisse später sind», so Richard Kühl.
Dabei stösst das Team regelmässig an die Grenzen der Routinedaten, so Jeanne Lemant, PhD, Data Scientist am DKF: «Nicht selten zeigt sich erst bei der Definition einer Variable, dass die erforderlichen Daten nicht verfügbar sind. Dann muss die Definition an die tatsächlich vorhandenen Informationen angepasst werden. Der Zeitaufwand dafür wird häufig unterschätzt.»
Ein besonderer Umgang mit sensiblen Daten
Dass diese Proben und die zugehörigen Daten für die Forschung weiterverwendet werden dürfen, ist keine Selbstverständlichkeit. Dafür mussten die regulatorischen, ethischen und technischen Voraussetzungen geschaffen werden. Dazu zählen strenge Datenschutzvorgaben sowie die Bewilligung durch die zuständige Ethikkommissionen.
Bis 2028 soll das Projekt über eine umfassende Datenbasis verfügen, um die Mechanismen bakterieller Infektionen und die Ursachen für unterschiedliche Therapieerfolge besser zu verstehen. Dazu werden die klinischen Daten mit den am Biozentrum generierten Omics-Daten zusammengeführt. Ziel ist es, die komplexen Wechselwirkungen zwischen Erregern, Wirtsorganismus und Behandlung zu entschlüsseln und damit neue Ansatzpunkte für die Therapie schwer behandelbarer Infektionen zu identifizieren. Das Medical Data Office (MDO) des DKF stellt sicher, dass diese besonders schützenswerten Daten rechtlich und technisch abgesichert genutzt werden. Wie das MDO die oft unsichtbare Brücke zwischen Forschung, Datenfreigabe und Regulatorik schlägt, lesen Sie in einem weiteren Beitrag.
«Bis 2028 wollen wir eine ausreichend breite Datenbasis aufbauen, um die Mechanismen bakterieller Infektionen und die Ursachen für unterschiedliche Therapieerfolge besser zu verstehen. Dafür müssen wir die klinischen Daten mit den am Biozentrum gewonnenen Daten aus Mikroskopie und Omics-Analysen zusammenführen. Erst diese Verbindung ermöglicht es uns, die komplexen Wechselwirkungen zwischen Erregern, Wirtsorganismus und Behandlung besser zu verstehen und neue Ansätze für die Therapie schwer behandelbarer Infektionen zu identifizieren.»
Prof. Nina Khanna, Chefärztin, Klinik für Infektiologie, Leiterin Klinische Infektiologie, Universitätsspital Basel und Deputy Director im NCCR AntiResist

Sponsor Institution
Universität Basel
Leitung
Prof. Christoph Dehio, Direktion; Prof. Nina Khanna, Deputy Director
Co-Principal Investigators
nccr-antiresist.ch/principal-investigator
Forschungsinstitutionen
Biozentrum Universität Basel, ETH Zürich, EPFL Lausanne, Universität Lausanne, Ben-Gurion University of the Negev, Balgrist University Hospital
Klinische Institutionen
Universitätsspital Basel, Soroka University Medical Center in Israel, Grey’s Hospital of the University of KwaZulu-Natal Medical School Durban, South Africa
Weitere Informationen
Das Departement Klinische Forschung (DKF) unterstützt das Projekt unter anderem in den Bereichen Regulatorik, Datenmanagement, Data Science sowie Statistik. Zudem stellt das DKF mit Claudia Becherer und Bartolomeu Campos das Medical Data Office. Sie schaffen die technischen und regulatorischen Voraussetzungen für die Verwendung und Weitergabe der Forschungsdaten. Für die Verknüpfung mit den Daten am Biozentrum arbeiten sie mit Nicole Wespe, Research Data Officer zusammen.




Kommentare