Tiefenanalyse

Kalibrierung von Risikoindikatoren im Monitoring klinischer Prüfungen (2026)

33 Min. LesezeitEClinCloud-Redaktionsteam
Risikoindikatoren in klinischen Studien — Redaktionelles Titelbild von EClinCloud

Kurzfassung

Genehmigen Sie ein Monitoringkonzept erst, wenn das Studienteam drei Entscheidungen erläutern kann: wann ein Ereignis unverzüglich an eine klinisch oder regulatorisch verantwortliche Person geht, wann ein statistisches Muster eine Untersuchung erfordert und welches studienweite Problem den Schutz der Teilnehmenden oder die Interpretation der Ergebnisse gefährden würde. Verwenden Sie für jede Kennzahl geeignete Nenner. Üben Sie, wie das Team sowohl auf ein schwerwiegendes Einzelereignis als auch auf eine Gruppe kleinerer Datenqualitätssignale reagiert.

ICH E6(R3) unterstützt ein verhältnismäßiges Qualitätsmanagement. Wenden Sie das regionale Regelwerk und das einschlägige Recht an. Die nachstehenden Warnschwellen und die Einführungsschritte veranschaulichen eine Umsetzung und erfordern eine studienspezifische Validierung [1] [2] [3] [4].

1. Auswählen, was die Prüfung verlässlich macht

Eine Risikobewertung sollte bei den Prüfplanmerkmalen ansetzen, die für die Rechte der Teilnehmenden, ihre Sicherheit oder die Verlässlichkeit von Bedeutung sind. Führen Sie die Entscheidung sowohl auf die Daten, die ein Problem anzeigen, als auch auf die Person zurück, die handeln kann. So hat etwa eine Abweichung vom Besuchstermin unterschiedliche Folgen, je nachdem, ob sie das Zeitfenster für das Hauptergebnis, einen optionalen Fragebogen oder den Zeitpunkt einer Sicherheitsbewertung betrifft. Lassen Sie klinische und statistische Fachkolleginnen und -kollegen die Definition sowie die bei der Bewertung zu beantwortenden Fragen abstimmen. ICH E8(R1) und ICH E6(R3) behandeln qualitätskritische Faktoren und einen risikoproportionalen Ansatz [1] [2] [5].

Planen Sie Vor-Ort-, Remote- und zentralisierte Aktivitäten so, dass sie jeweils unterschiedliche Fragen beantworten. Die retrospektive Analyse von TransCelerate untersuchte erfasste Änderungen an verfügbaren Daten aus klinischen Prüfungen sowie den Beitrag der Quelldatenverifizierung (SDV). In einer anderen Post-hoc-Untersuchung von drei Prüfungen lagen die Feldfehlerraten bei vollständiger Verifizierung bei 0.27 % und bei teilweiser Verifizierung bei 0.53 % unter den untersuchten Ansätzen. Diese Zahlen beziehen sich auf ausgewählte Prüfungsdaten und Feldfehler. Sie lassen die Auswirkung auf die studienspezifische Sicherheitsüberwachung, komplexe primäre Endpunkte und die gesamten Betriebskosten offen. Ein Team kann auch dann eine direkte Einsichtnahme in die Quelldaten benötigen, wenn die zentralisierten Kennzahlen innerhalb ihres erwarteten Bereichs liegen. Legen Sie die Quelldatenprüfungen anhand des Prüfplanrisikos und der verfügbaren Zugangswege zu den Originalunterlagen fest [3] [6] [7].

Verpflichtungen der jeweiligen Region zuordnen

In der Europäischen Union legt die Verordnung über klinische Prüfungen die geltenden Pflichten für Arzneimittelprüfungen fest, einschließlich GCP in Artikel 47. Die EMA nennt den 23. Juli 2025 für das Wirksamwerden der Grundsätze und von Anhang 1 von ICH E6(R3) sowie den 15. Januar 2027 für Anhang 2, der Prüfungen mit einigen zusätzlichen Design- oder Betriebselementen behandelt. In den USA veröffentlichte die FDA die endgültige E6(R3)-Leitlinie im September 2025, und die Fragen und Antworten zum risikobasierten Monitoring aus dem Jahr 2023 sind ebenfalls eine Leitlinie. Im Vereinigten Königreich erläutert die MHRA, dass die GCP-Grundsätze von ICH E6 am 28. April 2026 zu einer gesetzlichen Anforderung wurden, wobei die Anhänge zusammen mit den Leitlinien der MHRA und den britischen Anforderungen zu lesen sind. Ermitteln Sie, welche Vorgaben für die Prüfung gelten, und dokumentieren Sie gesondert die vom Sponsor vorgeschlagenen Indikatorfamilien, Schwellenwerte und Ablagepraktiken [1] [2] [3] [4] [8].

Inspektionsbeobachtungen zur Ausgestaltung von Fragen nutzen

Ausgewählte Anzahl von Beobachtungen gemäß FDA-BIMO-Formular 483 nach Geschäftsjahr

Die Zahlen stiegen in den ausgewählten Datensätzen von 221 im GJ 2020 auf 334 im GJ 2025.

Scrollen Sie seitwärts für die vollständige Abbildung.

Ausgewählte Anzahl von Beobachtungen gemäß FDA-BIMO-Formular 483 nach Geschäftsjahr0100200300400GJ 2018, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 400GJ 2018GJ 2019, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 395GJ 2019GJ 2020, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 221GJ 2020GJ 2021, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 249GJ 2021GJ 2022, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 298GJ 2022GJ 2023, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 301GJ 2023GJ 2024, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 312GJ 2024GJ 2025, Beobachtungen auf FDA-BIMO-Formular 483 (Anzahl): 334GJ 2025
Diagrammdaten anzeigen
KategorieBeobachtungen auf FDA-BIMO-Formular 483 (Anzahl)
GJ 2018400
GJ 2019395
GJ 2020221
GJ 2021249
GJ 2022298
GJ 2023301
GJ 2024312
GJ 2025334

Veröffentlichte Nennungshäufigkeiten hängen von der Datensatzabdeckung sowie der Anzahl und Zusammensetzung der Inspektionen ab.

Quelle: EClinCloud-Analyse, ausgewählte BIMO-Nennungshäufigkeiten für GJ 2018–2025. Daten der FDA Inspection Observations, BIMO-Reihe für GJ 2018–2025. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/inspection-references/inspection-observations

Die Aggregation der FDA-Daten zu Inspektionsbeobachtungen durch EClinCloud umfasst 11,746 BIMO-Nennungen für die Geschäftsjahre 2006 bis 2025, davon 1,715 aus den Geschäftsjahren 2020 bis 2025. Innerhalb des letzteren Zeitraums stiegen die jährlichen Zahlen von 221 (2020) auf 334 (2025). Die Quelle umfasst verfügbare Inspektionsbeobachtungen mit Unterschieden hinsichtlich Abdeckung und Inspektionsmix. Die Zahlen stellen Nennungshäufigkeiten aus ausgewählten Datensätzen dar und sollten zusammen mit den zugrunde liegenden Formularen, der dokumentierten Abdeckung durch die FDA und der Zusammensetzung der Inspektionen interpretiert werden. Ziehen Sie über die veröffentlichten Datensätze hinweg lediglich einen deskriptiven Vergleich [9].

Ausgewählte Vorschriftsnennungen in BIMO-Beobachtungsdaten, GJ 2020–2025

Zwei Vorschriftsnennungen machen 793 von 1,715 Beobachtungen in diesem Datensatz aus.

Scrollen Sie seitwärts für die vollständige Abbildung.

Ausgewählte Vorschriftsnennungen in BIMO-Beobachtungsdaten, GJ 2020–202521 CFR 312.60 — Allg…21 CFR 312.60 — Allgemeine Pflichten der Prüfer (522), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 30.430.421 CFR 312.62(b) — U…21 CFR 312.62(b) — Unzureichende oder ungenaue Falldokumentationen (271), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 15.815.821 CFR 312.64(b) — S…21 CFR 312.64(b) — Sicherheitsberichterstattung durch Prüfer (71), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 4.14.121 CFR 312.62(a) — A…21 CFR 312.62(a) — Arzneimittelverbleib & -bilanzierung (63), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 3.73.721 CFR 312.66 — Uner…21 CFR 312.66 — Unerwartete Probleme & IRB-Zusicherung (52), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 3321 CFR 312.50 — Allg…21 CFR 312.50 — Allgemeine Aufsichtspflichten des Sponsors (43), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 2.52.521 CFR 56.115(a)(2) …21 CFR 56.115(a)(2) — Protokolle von IRB-Sitzungen (40), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 2.32.321 CFR 50.20 & 50.27(…21 CFR 50.20 & 50.27(a) – Mängel bei der Einwilligungserklärung (55 insgesamt), Anteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%): 3.23.2
Diagrammdaten anzeigen
KategorieAnteil an den BIMO-Nennungen GJ 2020–GJ 2025 (%)
21 CFR 312.60 — Allgemeine Pflichten der Prüfer (522)30.4
21 CFR 312.62(b) — Unzureichende oder ungenaue Falldokumentationen (271)15.8
21 CFR 312.64(b) — Sicherheitsberichterstattung durch Prüfer (71)4.1
21 CFR 312.62(a) — Arzneimittelverbleib & -bilanzierung (63)3.7
21 CFR 312.66 — Unerwartete Probleme & IRB-Zusicherung (52)3
21 CFR 312.50 — Allgemeine Aufsichtspflichten des Sponsors (43)2.5
21 CFR 56.115(a)(2) — Protokolle von IRB-Sitzungen (40)2.3
21 CFR 50.20 & 50.27(a) – Mängel bei der Einwilligungserklärung (55 insgesamt)3.2

Beispielhafter Kontext für die Konzeption von Prüfungen. Die Anteile beschreiben Nennungsdatensätze im Auszug bei nicht umfassender Abdeckung.

Quelle: EClinCloud-Analyse, ausgewählte BIMO-Vorschriftsnennungen GJ 2020–2025. FDA-Daten zu Inspektionsbeobachtungen, BIMO-Reihe GJ 2020–2025. Siehe Abschnitt 1.

In der Teilmenge GJ 2020–2025 wurden 522 Nennungen unter 21 CFR 312.60 und 271 unter 312.62(b) kodiert. Zusammen machen sie 793 von 1,715 aus (46.2 %). Zählt man 312.64(b), 312.62(a) und 312.66 hinzu, beläuft sich die Summe auf 979. Die Codes sind nützliche Bezugspunkte, wenn für eine US-IND-Studie Prüfungen zu Prüfplandurchführung, Vollständigkeit der Falldokumentation, Berichterstattung durch Prüfer, Arzneimittelverbleib und Pflichten gegenüber einem IRB konzipiert werden. Eine Nennungskategorie kann mehrere zugrunde liegende Sachverhalte abdecken. Beispielsweise haben verspätete Dateneingaben und fehlende Daten unterschiedliche Ursachen und Aufzeichnungen. Validieren Sie eine Monitoring-Prüfung anhand des tatsächlichen Prüfplans, der geltenden Vorschrift, der eingesetzten Technologie und der Berichtspflichten [9] [10] [11].

Ein Beispiel zur Einwilligung nach Aufklärung beginnt damit, was im Ablaufplan als studienspezifisches Verfahren aufgeführt ist und wann der geltende Genehmigungs- und Einwilligungsweg dies zulässt. Prüfen Sie die datierte Fassung, den Einwilligungsnachweis – soweit erforderlich –, die tatsächliche Abfolge der Verfahren, die Verfügbarkeit der Aufzeichnung sowie etwaige genehmigte Ausnahmen. Ein fehlender Zeitstempel könnte auf einen unvollständigen Import hindeuten. Ein begründeter Hinweis zur Einwilligung oder zum Schutz der Studienteilnehmer sollte die Verantwortlichen aus Klinik und Qualitätssicherung unverzüglich zusammen mit den verfügbaren Nachweisen erreichen. Die erforderliche externe Maßnahme richtet sich nach dem geltenden Regelwerk und dem festgestellten Sachverhalt [1] [12] [8].

2. Exposition auswählen und anhand der richtigen Referenzbasis kalibrieren

Ein Schlüsselrisikoindikator (KRI) ist eine Kennzahl, mit der das Team seine Reaktion auf operative oder Qualitätsrisiken steuert. Eine Qualitätstoleranzgrenze (QTL) ist ein Ansatz zur Festlegung eines vorab definierten akzeptablen Bereichs auf Studienebene, sofern relevant. Das zentralisierte statistische Monitoring (CSM) vergleicht Muster in Studiendaten im Rahmen eines dokumentierten Prozesses. Eine Methode kann mehrere Aktivitäten unterstützen. Eine erste Konzeptionsfrage lautet, welche Studienteilnehmer, Visiten oder Behandlungsexpositionen tatsächlich dem Risiko des Ereignisses ausgesetzt waren, das das Team zählen möchte [1] [3] [13] [14].

Anzahl veröffentlichter Prüfzentren in ausgewählten Studieneinträgen

1,416 von 15,255 Einträgen mit Einrichtungen weisen mindestens 100 veröffentlichte Prüfzentren auf.

Scrollen Sie seitwärts für die vollständige Abbildung.

Anzahl veröffentlichter Prüfzentren in ausgewählten Studieneinträgen01,013.52,0273,040.54,0541 veröffentlichte Einrichtung, Industriestudien der Phase 2/3 (Anzahl): 4,0541 veröffentlichte…2 bis 9 Prüfzentren, Industriestudien der Phase 2/3 (Anzahl): 3,3142 bis 9 Prüfzentr…10 bis 29 Prüfzentren, Industriestudien der Phase 2/3 (Anzahl): 3,34510 bis 29 Prüfzen…30 bis 99 Prüfzentren, Industriestudien der Phase 2/3 (Anzahl): 3,12630 bis 99 Prüfzen…Mindestens 100 veröffentlichte Prüfzentren, Industriestudien der Phase 2/3 (Anzahl): 1,416Mindestens 100 ve…
Diagrammdaten anzeigen
KategorieIndustriestudien der Phase 2/3 (Anzahl)
1 veröffentlichte Einrichtung4,054
2 bis 9 Prüfzentren3,314
10 bis 29 Prüfzentren3,345
30 bis 99 Prüfzentren3,126
Mindestens 100 veröffentlichte Prüfzentren1,416

Registrierte Datumsangaben können geschätzt sein oder in der Zukunft liegen. Einrichtungszeilen beschreiben veröffentlichte Prüfzentrumsdatensätze.

Quelle: EClinCloud-Analyse des AACT-Auszugs vom August 2026, Phase-2/3-Studien mit veröffentlichten Einrichtungen. AACT-Archiv August 2026, https://aact.ctti-clinicaltrials.org/; Quellenauswahl in den Abschnitten 2 und 6.

Die AACT-Analyse vom August 2026 wählte 16,524 erfasste, industriegesponserte interventionelle Studien mit einem registrierten Startjahr 2020 oder später und einer Einstufung in Phase 2 oder Phase 3 aus. Davon weisen 15,255 veröffentlichte Einrichtungen und 11,201 mindestens zwei veröffentlichte Prüfzentren auf. Von den 15,255 weisen 3,126 jeweils 30 bis 99 Prüfzentren und 1,416 mindestens 100 auf. Die Zählungen basieren auf Einrichtungsdatensätzen und belegen weder aktuelle Aktivitäten noch den geografischen Status. Bei den erfassten Phase-3-Studien mit veröffentlichten Einrichtungen liegt der Median der Prüfzentrenzahl bei 22 [15].

Registrierte Teilnehmerzahl geteilt durch die Anzahl veröffentlichter Prüfzentren

Der Median des Verhältnisses auf Studienebene beträgt 5.0 bei ausgewählten Phase-2-Datensätzen und etwa 6.0 bei Phase 3.

Scrollen Sie seitwärts für die vollständige Abbildung.

Registrierte Teilnehmerzahl geteilt durch die Anzahl veröffentlichter Prüfzentren016.633.349.966.625. Perzentil (P25), Multizentrische Phase-2-Studien (n = 6,344): 2.625. Perzentil (P25), Multizentrische Phase-3-Studien (n = 4,707): 325. Perzentil (P2…Medianwert (P50), Multizentrische Phase-2-Studien (n = 6,344): 5Medianwert (P50), Multizentrische Phase-3-Studien (n = 4,707): 6Medianwert (P50)75. Perzentil (P75), Multizentrische Phase-2-Studien (n = 6,344): 11.775. Perzentil (P75), Multizentrische Phase-3-Studien (n = 4,707): 16.675. Perzentil (P7…90. Perzentil (P90), Multizentrische Phase-2-Studien (n = 6,344): 3090. Perzentil (P90), Multizentrische Phase-3-Studien (n = 4,707): 66.690. Perzentil (P9…
Multizentrische Phase-2-Studien (n = 6,344)Multizentrische Phase-3-Studien (n = 4,707)
Diagrammdaten anzeigen
KategorieMultizentrische Phase-2-Studien (n = 6,344)Multizentrische Phase-3-Studien (n = 4,707)
25. Perzentil (P25)2.63
Medianwert (P50)56
75. Perzentil (P75)11.716.6
90. Perzentil (P90)3066.6

Der Zähler kann die geplante oder die tatsächliche Teilnehmerzahl sein. Die Verhältnisse messen nicht die Rekrutierung an Prüfzentren innerhalb einer Studie.

Quelle: EClinCloud-Analyse des AACT-Auszugs vom August 2026, ausgewählte multizentrische Datensätze mit positiver erfasster Teilnehmerzahl. AACT-Archiv vom August 2026, https://aact.ctti-clinicaltrials.org/; siehe Abschnitte 2 und 6.

Bei 11,051 der multizentrischen Datensätze mit positiver Rekrutierungszahl ist der Zähler das übermittelte Rekrutierungsfeld – ob erwartet oder tatsächlich – und der Nenner die angegebene Anzahl der Prüfzentren. Der Median des Verhältnisses auf Studienebene beträgt 5.0 für Phase 2 (6,344 Studien) und 5.97 für Phase 3 (4,707). Über beide zusammen weisen 5,231 (47.3 %) ein Verhältnis unter 5 auf. Dieses Verhältnis beschreibt die Größenordnung des Datensatzes und liefert weder die tatsächliche Rekrutierung pro Prüfzentrum noch den tatsächlichen Monitoring-Nenner der Studie. Verwenden Sie die verifizierte Exposition im überwachten Zeitraum der tatsächlichen Studie. Eine geplante Visite oder ein veralteter Datenfeed zur Rekrutierung kann den Anschein erwecken, dass ein Prüfzentrum weniger Zeit unter Risiko gehabt hat, als dies tatsächlich der Fall war [15].

Feste Schwellenwerte mit einem exakten Screening am oberen Verteilungsende vergleichen

Betrachten Sie einen beispielhaften KRI: die Anzahl einzelner Teilnehmer mit mindestens einer festgelegten schwerwiegenden Abweichung unter den Teilnehmern, die das Eignungs- und Bewertungsfenster für diese Prüfung erreichen. Gehen Sie für eine einzelne Überprüfung von unabhängigen binären Ergebnissen und einem gemeinsamen Ausgangswert von 10 % aus. Der feste Filter markiert ein Prüfzentrum oberhalb von 20 %. Der modellbasierte Filter kennzeichnet eine exakte einseitige Binomial-Randwahrscheinlichkeit unter 5 % zur Überprüfung und unter 1 % zur vorrangigen Überprüfung. Hierbei handelt es sich um beispielhafte Screening-Grenzwerte, wobei die strengere Kennzeichnung Vorrang hat. Ereignisse werden unabhängig von der Kennzeichnung wie erforderlich klinisch bewertet. Keine der beiden Wahrscheinlichkeiten belegt einen Fehler an einem bestimmten Prüfzentrum. Ein Trichterdiagramm zeigt, wo dieselben Randwahrscheinlichkeits-Grenzwerte für unterschiedliche Nenner liegen [16].

Bei 5 beurteilten Teilnehmenden ergeben 2 markierte Teilnehmende einen festen Anteil von 40 % und eine obere Randwahrscheinlichkeit der Binomialverteilung von etwa 8.15 %. Über 60 Prüfzentren mit jeweils 5 Teilnehmenden beträgt die erwartete Anzahl der Prüfzentren, die bei einer Überprüfung unter der Nullhypothese dieser festen Regel die feste Regel erfüllen, etwa 4.89 (60 × 0.08146 = 4.8876 bei ungerundeten Werten). Unter dem 5-%-Filter für den oberen Randbereich sind bei dieser Größe 3 Abweichungen erforderlich, und der Erwartungswert unter der Nullhypothese beträgt etwa 0.51. Läge die tatsächliche Wahrscheinlichkeit am Prüfzentrum bei 30 %, würde die feste Regel etwa 47.2 % solcher Prüfzentren markieren und das exakte 5-%-Screening etwa 16.3 %. Der Verlust an Sensitivität kann stärker ins Gewicht fallen als die Verringerung des Prüfaufwands. Bei 60 beurteilten Teilnehmenden weisen 11 das binäre Ergebnis auf (18.3 %). Die feste Regel liefert keine statistische Markierung, während die exakte obere Randwahrscheinlichkeit etwa 3.42 % beträgt. Die Anzahl betroffener Personen an einem großen Prüfzentrum ist eine eigenständige operative Größe. Diese Prüfzentrumsgrößen sind hypothetisch und keine Rekrutierungsquantile von Prüfzentren [16].

Beurteilte Teilnehmende Teilnehmende mit erfüllter Ereignisdefinition Beobachteter Anteil Überschreitungswahrscheinlichkeit Festes Screening Exaktes Screening
3 1 33.3 % 27.10 % Prüfung Kein statistisches Signal
5 2 40.0 % 8.15 % Prüfung Kein statistisches Signal
10 3 30.0 % 7.02 % Prüfung Kein statistisches Signal
20 4 20.0 % 13.30 % Kein statistisches Signal Kein statistisches Signal
40 7 17.5 % 9.95 % Kein statistisches Signal Kein statistisches Signal
40 8 20.0 % 4.19 % Kein statistisches Signal Prüfung
60 11 18.3 % 3.42 % Kein statistisches Signal Prüfung
60 15 25.0 % 0.07 % Prüfung Prioritäre Prüfung

Die Wahl hängt davon ab, wie das Team auf ein übersehenes Signal reagiert und welche Prüftiefe zur Verfügung steht. Behalten Sie absolute Auslösekriterien für kritische klinische Ereignisse bei und prüfen Sie, ob anhaltende Muster auf Ebene des Prüfzentrums auch dann eine Überprüfung erfordern, wenn einzelne Auswertungszeitpunkte nur schwache Hinweise liefern. Wiederholtes Monitoring stützt sich auf überlappende Daten und korrelierte Indikatoren. Die erwartete Anzahl von Markierungen summiert sich über die einzelnen Überprüfungen hinweg aufgrund der Linearität des Erwartungswerts, und ein konstanter Erwartungswert je Überprüfung lässt sich mit der Anzahl der Überprüfungen multiplizieren. Die Anzahl einzelner markierter Prüfzentren, der Zeitpunkt der ersten Warnmeldung, die Wahrscheinlichkeit mindestens einer Markierung sowie die Variabilität hängen vom gemeinsamen Prozess ab. Tatsächliche Untersuchungen hängen zudem davon ab, wie der Prozess mit wiederholten Signalen umgeht. Sich verändernde Nenner oder datenabhängige Überarbeitungen können die marginalen Erwartungswerte verändern. Simulieren Sie Aktivitätszeitpläne und Erfassungsverzögerungen zusammen mit den Prüfzeitfenstern des Prüfzentrums. Schätzen Sie den erwarteten Prüfaufwand, die Zeit bis zur Markierung bei einer relevanten Verschiebung sowie die Sensitivität, wenn an einem Prüfzentrum eine lokal begrenzte oder langsame Veränderung auftritt. Wenn eine Kontrolle für multiples Testen angestrebt wird, legen Sie fest, welche Auswertungszeitpunkte und Endpunkte die Testfamilie bilden und wie Adjustierungen die Sensitivität verändern.

Verwenden Sie bei einer wiederkehrenden Zählung auf Visitenebene je nach Fragestellung geeignete Visiten, einzelne Teilnehmende oder die Risikozeit. Wenn wiederkehrende Ereignisse je Exposition als unabhängige Poisson-Ereignisse modelliert werden, prüfen Sie, ob wiederholte Visiten bei derselben teilnehmenden Person oder fehlende Visiten ein Clustering oder eine Überdispersion verursachen. Untersuchen Sie ungleiche Beurteilungswahrscheinlichkeiten und eine valide Fallzusammensetzung. Ein historischer Zielwert sollte für den gewählten Endpunkt repräsentativ sein; vergleichen Sie die für die Schätzung zu diesem Zeitpunkt benötigten Daten mit den tatsächlich verfügbaren Daten. Gepoolte zeitgleiche Daten können sich verschieben, wenn sich die Zusammensetzung an den Prüfzentren ändert oder ein gemeinsames Problem auftritt. Klären Sie, wer den Vergleichswert bewerten darf und ob ein verblindetes Pooling mit den Verantwortlichkeiten für Sicherheit und Studiendesign vereinbar ist. Nutzen Sie einen vorab festgelegten Prüfpunkt, dokumentieren Sie die Kontrollversion sowie das Datum des Inkrafttretens und bewahren Sie frühere Bezeichnungen im Audit-Trail auf [1] [16] [17].

Ein Modell, das für jedes Prüfzentrum eine eigene zugrunde liegende Rate zulässt, ist eine Option, wenn wissenschaftliche und operative Erkenntnisse ein partielles Pooling stützen. Schätzen Sie die Ausgangsheterogenität anhand relevanter Daten und prüfen Sie, ob die Annahme der Austauschbarkeit plausibel ist. Bei vielen kleinen Prüfzentren kann ein starker Shrinkage-Effekt hin zu einem gepoolten Mittelwert dazu führen, dass tatsächliche lokale Probleme schwer erkennbar bleiben. Stellen Sie sowohl die beobachtete Fallzahl als auch die Modellschätzung oder den Randbereich samt zugehöriger Unsicherheit dar. Überprüfen Sie die Kalibrierung anhand bekannter oder synthetischer Probleme, anstatt eine Modellanpassung oder einen niedrigen p-Wert als Bestätigung zu werten. Bei seltenen Ereignissen mit geringen Fallzahlen können ein exakter Test und ein klar definierter Eskalationspfad für Monitore leichter nachvollziehbar sein als ein neues Modell [16] [17] [14].

3. Studienweite und dringende Probleme unabhängig von statistischen Signalen weiterleiten

Drei sich ergänzende Monitoring-Entscheidungen

Wählen Sie eine Methode zur Beantwortung der Überwachungsfrage. Einige Analysemethoden unterstützen mehr als eine Aktivität.

Scrollen Sie seitwärts für die vollständige Abbildung.

Operativer SchwerpunktBeispielhafte GrundlageReaktion
Operativer IndikatorBinäre Teilnehmendenzahl, anrechenbare Exposition und studienspezifisches ScreeningKontext bewerten, Unterstützungsplan oder gezielte Überprüfung
Qualitätsbereich auf StudienebeneKritisches Ergebnis-, Sicherheits- oder Zuverlässigkeitsproblem mit definiertem UmfangÜberschreitung bewerten und wesentliche Feststellungen sowie Maßnahmen gegebenenfalls dokumentieren
Zentrales statistisches MonitoringPrüfzentrumsübergreifende, zeitliche oder Messwertverteilungen in vergleichbaren DatenDaten validieren und Muster mit qualifizierten Verantwortlichen untersuchen
Quelle: ICH E6(R3) Anhang 1 §§3.10–3.11; FDA-Q&A zum risikobasierten Monitoring; Venet et al.; TransCelerate-QTL-Rahmenwerk, siehe Quellen.

Legen Sie die Anzahl der Indikatoren und die Überprüfungsfrequenz passend zum Qualitätsplan fest. Bewerten Sie eine Schwellenwertüberschreitung sowie deren Auswirkung auf die Daten und die Teilnehmenden. Dokumentieren Sie wichtige Qualitätsprobleme und Maßnahmen in der jeweils geltenden Berichterstattung, einschließlich im jeweiligen GCP-Rahmenwerk. Abschnitt 9.6 von ICH E3 befasst sich mit der Datenqualitätssicherung und Abschnitt 10.2 mit Prüfplanabweichungen. Verwenden Sie die geltenden Berichtsanforderungen und das geltende Berichtsformat für Probleme auf Studienebene, ohne die Beobachtung eines KRI-Signals als Publikationsregel zu behandeln oder ein wesentliches Problem deshalb abzutun, weil ein anderer Schwellenwert innerhalb seines Grenzwerts geblieben ist [1] [2] [13] [18].

Ein quantitatives Beispiel für einen Bereich auf Studienebene

Angenommen, eine parallele, randomisierte Überlegenheitsstudie verwendet einen Treatment-Policy-Estimand und plant ein kontinuierliches Ergebnis in Woche 24. Der Vergleich betrifft den Unterschied zwischen den zugewiesenen Gruppen hinsichtlich der mittleren Veränderung gegenüber dem Ausgangswert, einschließlich der Zeit nach einem Behandlungsabbruch im Rahmen der definierten Nachbeobachtung der Studie. Die Zuweisung und die Berechtigung zur Nachbeobachtung sind vorab festgelegt. Ein Behandlungsabbruch ist ein interkurrentes Ereignis. Ein fehlendes Ergebnis kann bei Personen auftreten, die die Behandlung noch erhalten, oder bei Personen, die sie beendet haben. Der Qualitätsindikator zählt die zugewiesenen Teilnehmenden, deren Zeitfenster für Woche 24 ohne eine Beurteilung geschlossen wurde, unter allen Personen, deren Zeitfenster für Woche 24 gemäß Prüfplan geschlossen ist. Erfassen Sie Todesfälle oder andere Ereignisse, für die der Endpunkt oder der Estimand eine spezifische Handhabung vorsieht, gesondert. Halten Sie Gründe und Zuordnungen der Beurteilenden fest und berichten Sie, sofern relevant, für den Zeitraum während und nach der Behandlung [19].

Nehmen wir als bewusst vereinfachte Planungsprüfung an, es gibt 200 Teilnehmende pro Studienarm, einen wahren Effekt von 0.36 Standardabweichungen des Ergebnisses, gleiche Varianz, einen zweiseitigen Fehler 1. Art von 5 % und identische zufällige fehlende Werte zwischen den Gruppen. Bei vollständigen Daten beträgt die Teststärke nach Normalapproximation etwa 95 %. Bei 10 % nicht-informativen fehlenden Werten verbleiben 180 pro Arm, und die Teststärke beträgt etwa 93 %. Bei 20 % fehlenden Werten verbleiben 160 pro Arm, und die Teststärke beträgt etwa 90 %. Die zugrunde liegende Rechnung verwendet eine standardisierte Mittelwertdifferenz von 0.36 gegenüber einem Standardfehler in Einheiten der Standardabweichung von sqrt(2 / n). Verwenden Sie für eine reale Studie mit Adjustierung für den Ausgangswert, unterschiedlichen Varianzen oder korrelierten Messungen das Analysemodell sowie die Vorgaben zu Varianz und Studienabbrüchen aus dem Plan. Beispielsweise könnte das Team eine für den Ausgangswert adjustierte Analyse mit multipler Imputation für das angestrebte Ergebnis unter einer festgelegten Missing-at-Random-Annahme planen und eine Sensitivitätsanalyse durchführen, die Ergebnisse nach Studienabbruch in ausgewählten plausiblen Fällen systematisch ungünstiger ansetzt. Eine Berechnung anhand vollständiger Fälle bei nicht-informativen fehlenden Werten quantifiziert den Präzisionsverlust. Sie liefert keine Begrenzung für Verzerrungen durch selektive fehlende Werte [19].

Angenommen, das Team möchte bei 10 % nachforschen, weil vermeidbare fehlende Werte von Bedeutung sind, und nahe einer validierten Marge für die Teststärke eine zusätzliche Bewertung auf Studienebene vornehmen. Die Schwellenwerte sind Designentscheidungen. Fragen Sie, ob ein Verlust der Nachbeobachtung überproportional nach einem Behandlungsabbruch, in einem Partnernetzwerk oder in einer Behandlungsgruppe innerhalb eines verblindeten oder autorisierten unabhängigen Rahmens auftritt. Untersuchen Sie Trend, Zeitfenster und Erfassungslatenz. Halten Sie zwei Fallbeispiele auseinander: Ein Prüfzentrum gibt Datensätze drei Tage verspätet mit vollständigen Quellbelegen ein, und ein Prüfzentrum verliert die Nachbeobachtung, nachdem eine gerätegestützte Visite endet. Beide erfordern eine kontextuelle Prüfung; das eine betrifft die zeitgerechte Datenverfügbarkeit, das andere kann den Estimand und die Sensitivität gegenüber fehlenden Daten beeinflussen. Vereinbaren Sie, welche Maßnahmen die künftige Evidenz verbessern, dokumentieren Sie wesentliche Abweichungen und bewerten Sie fortbestehende Risiken, ohne bereits beobachtete Daten zu verändern [1] [13] [19].

Unvollständige Nachbeobachtung von einem ausgereiften Nenner unterscheiden

Nehmen Sie ein beispielhaftes Zwischenauswertungsdatum für den Indikator für Woche 24 an. Angenommen, 400 Teilnehmende wurden randomisiert und 160 haben zum Datenschnittdatum das Ende des im Prüfplan definierten Erfassungsfensters erreicht. Es liegen 145 verifizierte Ergebnisse vor, 11 mit bestätigt nicht verfügbaren Erhebungen sowie vier, die der zentrale Dienstleister als erhoben aufführt, die jedoch vom Sponsor noch nicht akzeptiert wurden. Die 240, deren Erfassungsfenster noch offen sind, liegen außerhalb des ausgereiften Nenners dieses Datenschnitts. Von 160 ausgereiften Datensätzen fehlen 11/160 (6.9 %) bestätigt und weitere 4/160 (2.5 %) sind ungeklärt. Sieht die vereinbarte Richtlinie vor, die Ergebnisklassifizierung bis zur Klärung der Latenz zurückzustellen, weist die Schwellenwertbewertung unter den genannten Kandidaten eine Spanne von 6.9 % bis 9.4 % auf. Erfassen Sie das Übermittlungsdatum sowie das erwartete Eingangsdatum und führen Sie für die vier einen gesonderten Status. Angenommen, drei treffen später ein und eines wurde nicht beobachtet. Die endgültige Zählung für diesen Datenschnitt beträgt 12/160 (7.5 %). Bewahren Sie das vorläufige Berichtsdatum und den korrigierten Auswertungsstand auf. Verwenden Sie die definierte Handhabung von Exposition und fehlenden Daten, einschließlich gesondert berücksichtigter interkurrenter Ereignisse; diese Übung dient einer Monitoring-Entscheidung und stellt keine Schätzung des Behandlungseffekts dar [3].

Sicherheits- und Versorgungsmaßnahmen ab der ersten Exposition bereithalten

Gemäß 21 CFR 312.64(b) muss der Prüfer jedes schwerwiegende unerwünschte Ereignis unverzüglich an den Sponsor melden, vorbehaltlich der im Prüfplan festgelegten Ausnahme für schwerwiegende Ereignisse, die Studienendpunkte darstellen, wie in der Vorschrift und ihrer Einschränkung bei Hinweisen auf einen Kausalzusammenhang vorgesehen. Der Prüfer fügt eine Bewertung bei, ob eine begründete Möglichkeit besteht, dass das Arzneimittel das Ereignis verursacht hat. Gemäß 312.32 prüft der Sponsor die Meldekriterien gesondert. Bei einem die Kriterien erfüllenden schwerwiegenden Risiko gemäß 312.32(c)(1) erfolgt die Meldung an die FDA und alle teilnehmenden Prüfer so schnell wie möglich innerhalb von 15 Kalendertagen nach der maßgeblichen Feststellung. Gemäß 312.32(c)(2) wird eine die Kriterien erfüllende unerwartete tödliche oder lebensbedrohliche vermutete Nebenwirkung der FDA so schnell wie möglich innerhalb von sieben Kalendertagen nach dem erstmaligen Eingang gemeldet. Für Folgemeldungen gelten eigene Bestimmungen. Lokale Vorgaben und prüfplanspezifische Meldewege können zusätzliche Verpflichtungen vorsehen. Erfassen Sie die tatsächlichen Ereignisse, Datumsangaben und Verantwortlichen. Eine Prüfung der CTMS-Warteschlange oder eine beispielhafte operative Zielvorgabe von 24 Stunden darf nicht zum Aufschub einer geltenden unverzüglichen oder beschleunigten Meldung führen [20] [21] [22].

Veranlassen Sie bei einer Abweichung in der Apothekenversorgung die zeitnahe Bewertung unabhängig von der Analyseansicht. Bestätigen Sie das betroffene Produkt, die Chargen oder Kits sowie, ob sie abgegeben wurden oder weiterhin verfügbar sind. Legen Sie fest, wer bei einem potenziellen Qualitäts- oder Sicherheitsverstoß sichere Schutzmaßnahmen ergreifen darf und wann Qualitätssicherung, Apotheke und die klinische Leitung die Entscheidung über den Verbleib bestätigen. Spielen Sie die Versorgungskontinuität für eine heute anstehende Visite durch und legen Sie fest, wer Ersatzbestand freigibt. Wenden Sie genehmigte Verfahren für Produkthandhabung, Bilanzierung und Kommunikation mit den Teilnehmenden nach Bedarf an, wobei die endgültige Entscheidung über den Verbleib dokumentiert wird. Eine automatisierte Warteschlange kann eine dringende Benachrichtigung auslösen. Zugriffskontrollen sollten es dem qualifizierten Team ermöglichen zu reagieren, ohne unnötige Behandlungsinformationen offenzulegen [1] [10] [8].

Zentrale statistische Muster im Kontext untersuchen

Eine niedrige oder hohe gemeldete Rate unerwünschter Ereignisse, ungewöhnliche Abstände zwischen Visiten oder unerwartet eng beieinanderliegende Messwerte können eine kontextbezogene Prüfung rechtfertigen. Legen Sie fest, welche Population, welches Testverfahren, welcher Messprozess, welcher Kalender und welcher Zeitraum vergleichbar sind. Untersuchen Sie Messzeitstempel getrennt von Erfassungszeitstempeln. Prüfen Sie, ob gemeldete Abweichungen das Prüfplanfenster und bekannte Ausnahmen widerspiegeln. Eine enge Verteilung kann auf ein anderes Messgerät, eine andere Einheit, eine andere Kalibrierung, andere Eignungskriterien oder eine andere Erfassungsregel zurückzuführen sein. Wiederholte Messungen auf Teilnehmendenebene erfordern ein geeignetes Modell; viele Prüfzentren und wenige Ereignisse können die Möglichkeit einschränken, zwischen natürlichen und systematischen Unterschieden zu differenzieren [17] [14].

Ein Endziffernmuster kann Rundungsvorgaben, Messinstrumente oder die Berichtsgenauigkeit widerspiegeln. Wenn jemand einen Erstziffernvergleich nach Benford vorschlägt, prüfen Sie die Annahmen zur Skala und zur erwarteten Verteilung; viele begrenzte Biomarkerwerte und programmierte Scores haben keinen Grund, diesem Muster zu folgen. Geben Sie bei multivariaten Analysen fehlende Daten an und unterscheiden Sie ein ungewöhnliches gemeinsames Muster von prüfzentrumsspezifischen Batch-Effekten. Validieren Sie die geschätzte Kovarianz oder wählen Sie einen niedrigerdimensionalen Vergleich, wenn die Anzahl der Variablen für die verfügbare Stichprobe groß ist. Prüfen Sie verfügbare Originaldaten, den dokumentarischen Kontext und frühere Nachweise, bevor Sie ein Signal zuordnen. Dokumentieren Sie den Status des Monitors, die nächste Maßnahme und die für den Abschluss erforderlichen Nachweise [17] [14].

4. Systeme mit den Personen verbinden, die handeln können

Eine integrierte Plattform oder ein validierter Verbund interoperabler Systeme kann einen gemeinsamen Arbeitsablauf umsetzen. Bestimmen Sie für jede Prüfung die maßgeblichen Aufzeichnungen, zugeordneten Kennungen, Uhren, das Datenalter, die für den Abgleich verantwortliche Person und das Verhalten bei verspäteten oder unvollständigen Daten. Die US-Vorschrift 21 CFR Part 11 gilt für elektronische Aufzeichnungen und Signaturen in ihrem Anwendungsbereich, einschließlich der nach geltenden FDA-Grundvorschriften erforderlichen Aufzeichnungen, sofern sie wie festgelegt elektronisch verarbeitet werden. Das Q&A-Dokument der FDA zu elektronischen Systemen bietet Empfehlungen für klinische Prüfungen. Die EMA-Leitlinie zu computergestützten Systemen deckt elektronische Daten und computergestützte Systeme ab, die in klinischen Prüfungen eingesetzt werden. Bestimmen Sie den Anwendungsbereich und validieren Sie auf Grundlage der geltenden Vorschriften, des Verwendungszwecks und der Studienrisiken [1] [23] [24] [25].

Nachweise und Weiterleitung für ausgewählte Überwachungsprüfungen

Weisen Sie jeder Prüfung Quellen- und Latenzerwartungen zu und halten Sie dringende Wege unabhängig verfügbar.

Scrollen Sie seitwärts für die vollständige Abbildung.

BeispielErforderliche Nachweise im StudienablaufReaktion bei dringenden oder unvollständigen Nachweisen
Chronologie von Einwilligung und VerfahrenGeltende Genehmigung, Einwilligungsnachweis und tatsächlicher Zeitpunkt des VerfahrensUnstimmigkeiten prüfen und glaubhafte Bedenken zum Teilnehmerschutz umgehend weiterleiten
Spezifizierte schwerwiegende AbweichungGenehmigte Definition, infrage kommende beurteilte Teilnehmende und Quelle auf EreignisebeneDatenalter anzeigen und die Prüfung einzelner Ereignisse beibehalten
Schwerwiegendes unerwünschtes EreignisGeltende Kriterien, Nachweise sowie getrennte Zeitangaben für Prüfer und SponsorGeltende dringende studienbezogene oder behördliche Meldewege nutzen
Bilanzierung von PrüfpräparatenAbgabe, Bestand, Produktstatus und maßgebliche ApothekennachweiseBefugte Schutzmaßnahmen, Versorgungskontinuität und Verbleib zuweisen
Verfügbarkeit des Ergebnisses zu Woche 24Zugewiesene Teilnehmende mit geschlossenen infrage kommenden Zeitfenstern und Ergebnisstatus in der QuelleFehlende, verzögerte oder nicht zutreffende Aufzeichnungen vor der Überprüfung auf Studienebene abgleichen
Quelle: Vorgeschlagene Umsetzung. ICH E6(R3); 21 CFR 50.20, 50.27, 312.32, 312.64; EMA-Leitlinie zu elektronischen Daten in klinischen Prüfungen.

Beginnen Sie mit einem Indikator und verfolgen Sie ihn von Anfang bis Ende. Kennzeichnen Sie beispielsweise Studie, Prüfzentrum, Teilnehmenden, Visite und Ereignis als getrennte Kennungen. Wenn ein Datenmanager eine Prüfzentrumskennung zusammenführt, versionieren Sie die Zuordnung und überprüfen Sie die nachgelagerten Zählwerte. Bilden Sie für einen geplanten Endpunkt einen infrage kommenden Nenner unter Verwendung des zugewiesenen Datums, des Visitenfensters und der relevanten Prüfplanänderungen und bestätigen Sie die Beobachtung anhand ihrer Quelle. Der Dateneigentümer unterscheidet zwischen „nicht erwartet“, „nicht verfügbar bei ausstehender Übermittlung“ und „erwartet, aber nach dem Beobachtungsfenster nicht vorhanden“. Wenn die Datenlieferung des Anbieters veraltet ist, kennzeichnen Sie die Statistik als ausstehend und eskalieren Sie bekannte Sicherheitsprobleme über die eingerichteten getrennten Kanäle. Erfassen Sie den Lieferstatus, die Anzahl der gesendeten und akzeptierten Zeilen, Unstimmigkeiten sowie den Zeitpunkt der Neuberechnung.

Bewahren Sie für das an einem Prüfzentrum gezählte Ereignis einen Datensatz auf Ereignisebene sowie eine reproduzierbare, planmäßige prüfzentrumsübergreifende Momentaufnahme auf. In diesem Beispiel eröffnet eine Zeile, die den Prüfschwellenwert überschreitet, einen Prüfpunkt und enthält die Version des Indikators, die Quelltabellen, den Zeitstempel, die Anzahl sowie den Nenner. Ein zentraler Monitor prüft fehlende Datenlieferungen und die Methodik. Eine prüfende Fachperson aus dem klinischen Bereich oder der Qualitätssicherung legt gegebenenfalls den Umfang weiterer Maßnahmen fest; eine bereits laufende Sicherheitsfrist läuft gesondert weiter. Wenn der Befund eine Schulung erfordert, verknüpfen Sie die Schulung und überprüfen Sie die Änderung nach ihrer Umsetzung. Dokumentieren Sie, welche Nachweise belegen, dass eine Korrekturmaßnahme das Problem behoben hat, und ob ein wesentliches Ergebnis noch ungeklärt ist.

Vorgeschlagenes Nachweispaket für die Aufsicht

Verwenden Sie die Unterlagen, die eine prüfende Person benötigt, um Entscheidungen für diese Studie nachzuvollziehen. Fassen Sie diese zusammen, sofern dies den Zugriff verbessert. Zentrale Bestandteile sind die im Prüfplan definierten Risiken und Verantwortlichen, die Begründung des Monitoring-Plans, geprüfte Nenner und Schwellenwerte, die Änderungshistorie, Nachweise zur Softwarevalidierung, parallel getroffene Sicherheitsentscheidungen sowie wesentliche Vorkommnisse und Maßnahmen, soweit zutreffend im Studienbericht dargestellt. Ein internes Nachweispaket kann ein benanntes Risikoregister sowie einen Arbeitsablauf zur Problembehandlung nutzen. Ziehen Sie das CDISC Trial Master File Standard Model als Referenz heran, soweit es zum tatsächlichen Ablageplan passt. Der Abruf durch eine prüfende Person sollte sowohl zur zeitpunktbezogenen Berechnung als auch zum maßgeblichen Originaldatensatz führen. Die Referenzen zum Sponsor-Monitoring und zu FDA-Inspektionen helfen dabei, interne Fragen zur Bereitschaft einzugrenzen [1] [2] [3] [18] [26] [11].

Prüfen Sie, ob bei einer Datenkorrektur das ursprüngliche Ergebnis sowie die nachfolgende Neubewertung erhalten bleiben. Eine Rückfrage zu einem verzögerten Sicherheitsdatensatz in einem System kann andere Zeitstempel und Nachweise aufweisen als die Entscheidung zur regulatorischen Weiterleitung. Bewahren Sie für jedes Ereignis die Quelle und die Verantwortlichkeit auf und stellen Sie die Verknüpfung explizit dar. Verhindern Sie den Zugriff auf zugrunde liegende Behandlungsfelder in einer verblindeten Monitoring-Ansicht. Lassen Sie eine unabhängige prüfende Person einen Sachverhalt anhand des schreibgeschützten Datensatzes nachvollziehen und überprüfen, welcher Benutzer einen Schwellenwert geändert oder ein erneutes Laden von Daten zugelassen hat. Berücksichtigen Sie die Übergabe durch den Anbieter sowie den Archivzugriff für den Fall, dass das System den aktiven Betrieb einstellt [23] [24] [26].

5. Ein gestufter Abnahmetest vor der ersten planmäßigen Überprüfung

Der Sponsor kann ein etwa 90-tägiges Planungsbeispiel anhand verfügbarer Designvorgaben, des Zugangs zu Anbietern und der Meilensteine des Prüfplans stufenweise aufbauen. Der Zeitplan dient der Veranschaulichung. Legen Sie zunächst die klinischen Ereignisse, die Eskalationswege und die genehmigten Quellen fest. Konfigurieren und überprüfen Sie statistische Prüfverfahren kritisch, sobald die Datenpfade und Nenner bekannt sind. Starten Sie die Studie erst, wenn die entsprechenden Genehmigungen und Freigabekriterien für die Studienbereitschaft vorliegen. Führen Sie einen zweiten Probelauf durch, wenn sich der betreffende Prüfplan oder die betreffende Berechnung ändert.

Übergeben Sie in der ersten Stufe den Fachverantwortlichen für Klinik, Daten, Statistik und Qualitätssicherung einen Entwurf des Prüfplans und bitten Sie sie, jedes wesentliche Risiko der Exposition, dem Ereignis, der verfügbaren Quelle, der Latenztoleranz und der Reaktionsmaßnahme zuzuordnen. Testen Sie mindestens ein vermutetes Sicherheitsproblem mit einer fehlenden Datenlieferung. Legen Sie fest, was das Prüfzentrum einsehen und übermitteln kann und wer den gemeldeten Zeitpunkt aufbewahrt. Bitten Sie die für die Überprüfung verantwortliche Person, gegebenenfalls den Berater oder Anbieter der Studie in denselben Übergabe-Probelauf einzubeziehen. Dokumentieren Sie die Entscheidungen und geben Sie an, welche Fragen noch einer Prüfung durch Behörden oder Ethikkommissionen bedürfen. Nutzen Sie den Eskalations- und Verantwortlichkeitsplan, um festzulegen, wer bei Ausfällen handelt [1] [3] [24].

Erstellen Sie während der Validierung den Fall eines kleinen Prüfzentrums, bei dem der feste Schwellenwert erreicht ist, der obere Verteilungsrand jedoch außerhalb des Prüfgrenzwerts liegt, den Fall eines großen Prüfzentrums, bei dem der obere Verteilungsrand den Prüfgrenzwert überschreitet, sowie einen Fall mit übermäßiger Mehrfachzählung, bei dem ein naives Unabhängigkeitsmodell irreführend ist. Fügen Sie verzögerte Daten, doppelte Datensätze und eine legitime Änderung einer Messgröße nach einer Prüfplanänderung hinzu. Prüfen Sie das beobachtete Ergebnis in jedem System und dokumentieren Sie, warum sich der aggregierte Wert verändert hat oder unverändert geblieben ist. Simulieren Sie einen bedeutsamen Anstieg an einem Prüfzentrum sowie einen Anstieg, der alle Prüfzentren betrifft. Wenn ein gepoolter Ausgangswert eine gemeinsame Verschlechterung verdeckt, ziehen Sie neben der vergleichenden Überprüfung einen angemessen begründeten absoluten Indikator in Betracht. Beziehen Sie eine unabhängige rechnerische Rekonstruktion anhand exportierter, zulässiger Testdaten ein [16] [17].

Die abschließende Generalprobe umfasst zwei Prüfende in unterschiedlichen Schichten. Weisen Sie einer Person ein klinisch dringendes, potenziell nicht gemeldetes Problem zu und der anderen einen planmäßigen, prüfzentrumsübergreifenden Ausreißer mit einem veralteten Nenner. Beim ersten Fall sind ein Nachweis des unmittelbaren autorisierten Wegs und eine Dokumentation der Zuständigkeit erforderlich. Beim zweiten Fall sind ein als ausstehend gekennzeichnetes oder mit einem angemessenen Vorbehalt versehenes Ergebnis sowie eine für den Quellenabgleich zuständige Person erforderlich. Die anschließende Überprüfung umfasst, was sich nach dem Abgleich geändert hat, welche Maßnahmen erfolgt sind und welche Teile der Aufzeichnung ein Inspektor oder Auditor reproduzieren kann. Definieren Sie für jedes Szenario einen objektiven Abschluss und belassen Sie jeden ungelösten Sachverhalt mit seiner Frist und der verantwortlichen entscheidungsbefugten Person offen. Legen Sie die nächste planmäßige Prüfung entsprechend dem Dateneingang und der Reaktionsfähigkeit fest; klinische und regulatorische Fristen laufen nach ihren eigenen Vorgaben [1] [3] [11] [22].

Teilnehmer- und Ereignisdatensätze vor Anwendung einer überarbeiteten Ereignisdefinition abgleichen

In einer beispielhaften Datenübertragung über zwei Überprüfungen umfasst die Bewertungsliste des Prüfzentrums 12 verschiedene einschlussfähige Teilnehmende, gekennzeichnet als P01 bis P12. Bei der ersten Überprüfung empfängt das zentrale System nur P01 bis P08. Eine mit P07 verknüpfte Ereignismeldung liegt vor, und eine weitere Ereignisdatei desselben Prüfzentrums wartet noch auf eine Bestätigung. Kennzeichnen Sie das Ergebnis als unvollständig und leiten Sie das Übertragungsproblem an die dafür geschulte datenverantwortliche Person weiter. Sofern es für die Sicherheit der Teilnehmenden oder die Studiendurchführung relevant ist, kann das einzelne Ereignis zu P07 sofort überprüft werden. Der statistische Grenzwert kann auf einen gültigen Zähler und Nenner warten.

Bei der zweiten Überprüfung treffen zwei unabhängige Dateien ein. Die Teilnehmerdatei enthält 12 eindeutige einschlussfähige und bewertete Teilnehmende. Die Ereignisdatei enthält drei Meldezeilen: Meldung X1 und Korrektur X2 beziehen sich beide auf dasselbe ursprüngliche Ereignis für P07, und Meldung Y1 bezieht sich auf ein Ereignis für P11. Gemäß der verifizierten ersten Prüfplandefinition erfüllen beide Teilnehmenden den Indikator. Deduplizieren Sie das Ereignis und zählen Sie anschließend die eindeutigen Teilnehmenden. Das erwartete Ergebnis sind zwei betroffene Teilnehmende unter 12 einschlussfähigen bewerteten Teilnehmenden (16.7 %). Die feste Regel über 20 % löst keine Markierung aus. Die obere Randwahrscheinlichkeit für mindestens zwei bei n = 12 und p = 0.10 beträgt etwa 34.1 % und liegt damit ebenfalls außerhalb des beispielhaften Prüfgrenzwerts. Wenn jemand fälschlicherweise drei Meldezeilen als drei Personen zählt, beträgt die scheinbare Rate 25 %, und die feste Regel würde dies markieren. Speichern Sie die Eingangsdaten, die Begründung der Zählung sowie alle Überprüfungsmaßnahmen unter ihrem jeweiligen Datum.

Angenommen, eine genehmigte Änderung erweitert das Zeitfenster für infrage kommende Prozeduren von zwei auf drei Tage. Bei P07 erfolgte eine Prozedur 2.5 Tage nach dem Referenzereignis und bei P11 vier Tage danach. In einem kontrollierten Verifizierungslauf, bei dem die geänderte Definition auf beide Fälle angewendet wird, fällt P07 in das neue Zeitfenster, P11 bleibt außerhalb und das Ergebnis lautet 1/12, sofern die Liste der infrage kommenden Teilnehmer unverändert bleibt. Das erwartete Ergebnis für frühere Visiten hängt davon ab, welche Version für diese Visiten maßgeblich ist. Beispielsweise behält eine Änderung, die prospektiv auf später geplante Visiten angewendet wird, 2/12 für diese historische Überprüfung bei und wendet die neue Regel auf die entsprechenden künftigen Datensätze an. Prüfen Sie, ob das System beide Definitionen, die jeweiligen Gültigkeitsdaten, die Quellzeit sowie die Ereignisdatensätze oder autorisierten Korrekturen bewahrt. Dokumentieren Sie jede genehmigte Neuverarbeitung mitsamt ihrer Begründung [3].

Für den klinischen Monitor dient die angezeigte Angabe 2/12 zur Überprüfung der Berechnung; keines der beiden Ereignisse verschwindet aus der Prüfung der Probleme am Prüfzentrum. Wenn eines der Ereignisse während der Erstprüfung auftrat und anschließend in der Gesamtauswertung erneut gemeldet wurde, öffnen Sie den Vorgang wieder oder verknüpfen Sie ihn gemäß den Vorgaben der Studie. Benennen Sie den Prüfer und den Monitor, die ihre jeweiligen Maßnahmen bewerten, und weisen Sie aus, wann die Ereignisse erstmals erfasst wurden und wann der Analyse-Datenstand abgenommen wurde. Nehmen Sie bei einer multizentrischen Gesamtauswertung die Zählung aus demselben korrigierten Datenstand vor und gleichen Sie den Freigabenachweis mit dem maßgeblichen Datenstrom und den Monitoring-Entscheidungen ab.

Reaktion auf eine gemeinsame Verschlechterung prüfen

Ein vergleichender Warnhinweis und eine absolute betriebliche Schutzgrenze beantworten unterschiedliche Fragen. Angenommen, die Nullhypothese im früheren Beispiel steht für eine verlässliche historische Kohorte, jedoch führt eine Änderung an einer gemeinsamen Schnittstelle zu fehlenden Erhebungen an allen Prüfzentren. Ein oberer Verteilungsbereich im Vergleich zu einer neu geschätzten gepoolten Ausgangsbasis könnte unauffällig erscheinen, nachdem sich alle Prüfzentren verschoben haben. Eine Prüfung gegen den vorab festgelegten betrieblichen Grenzwert sowie die Anzahl der Prüfzentren, die die neue Schnittstelle nutzen, könnte ein gemeinsames Muster zeigen. Ein Modell, das die Risiken der Prüfzentren adjustiert, sollte die Schnittstellenänderung ausdrücklich berücksichtigen, sofern vergleichbare historische Daten dies stützen. Andernfalls verfolgen Sie den gemeinsamen Ausfall gesondert. Prüfen Sie, wann sich die Datenströme geändert haben, ob der Messwert bereits in der Quelle oder erst bei der Übertragung fehlt und welche Erhebungen von Teilnehmern betroffen sind. Verfolgen Sie die tatsächliche Behebung sowie die Frage, ob sie die Datenverfügbarkeit oder die Nachbeobachtung der Teilnehmer verbessert [16] [17] [14].

Gestalten Sie eine regelmäßige betriebliche Überprüfung, die behobene und offene Markierungen auswertet. Erfassen Sie für einen Prüfzeitraum die Anzahl der für das Screening infrage kommenden Prüfzentren, die Anzahl mit gültigen und fristgerechten Daten, die Anzahl, die den festen Schwellenwert erreicht, die Anzahl, die exakte Kriterien erfüllt, sowie die Anzahl, die nach kontextbezogener Prüfung weiter überwacht wird. Geben Sie für alle als handlungsrelevant eingestuften Fälle an, wer diese Feststellung getroffen hat und welche Informationen zu diesem Zeitpunkt vorlagen. Geben Sie dem Studienteam eine Möglichkeit, Befunde später zu bewerten, wenn die Evidenzlage klarer ist. Der Anteil der untersuchten Signale, die als handlungsrelevant eingestuft werden, wird dadurch beeinflusst, welche Markierungen überprüft werden und welche Kriterien zur Anwendung kommen. Um Hinweise auf übersehene Muster abzuschätzen, betrachten Sie eine geplante Stichprobe infrage kommender Prüfzentren außerhalb des Markierungsbereichs und vergleichen Sie diese mit unabhängigen Nachweisen. Stratifizieren Sie nach Exposition und Datenvollständigkeit, da ein gepoolter Anteil von kleineren oder personell besser ausgestatteten Prüfzentren dominiert werden kann.

Wiederholte Markierungen von neuen Untersuchungen unterscheiden

Angenommen, es gibt bei jeder von drei Auswertungen 60 auswertbare Prüfzentrumsüberprüfungen mit je fünf Teilnehmenden gemäß dem Beispiel mit fester Regel, bei unveränderter Exposition und unverändertem Ausgangswert. Die erwartete Gesamtzahl der Markierungen aus der Prüfzentrumsüberprüfung beträgt 3 × 4.8876, also etwa 14.66. Wenn bei jeder Auswertung identische Daten und unveränderte Regeln erneut verwendet werden, tritt jede Markierung für ein Prüfzentrum in allen drei Auswertungen auf, und die erwartete Anzahl einzelner markierter Prüfzentren bleibt bei 4.89. Bei unabhängigen Auswertungen unter denselben Randeinstellungen läge die erwartete Anzahl einzelner markierter Prüfzentren stattdessen bei 60 × (1 − (1 − 0.08146)^3), also bei etwa 13.50. Die tatsächliche Überschneidung hängt von den Studiendaten und der Exposition ab. Diese gegensätzlichen Szenarien veranschaulichen den Unterschied für die Planung. Unabhängigkeit ist eine Vergleichsannahme. Bei sich gegenseitig ausschließenden Markierungen über die Auswertungen hinweg könnte die erwartete Anzahl einzelner markierter Prüfzentren in diesem Beispiel bei etwa 14.66 liegen. Wenn das Team eine Untersuchung pro Prüfzentrum, Grund und betroffenem Zeitraum führt, aktualisieren Sie ein offenes Problem bei einer Wiederholung und legen Sie eine separate Untersuchung nur gemäß den Governance-Kriterien an. Simulieren Sie den Prüf- und Eskalationsaufwand unter dieser Regel. Dokumentieren Sie klinische Entscheidungen zu einzelnen Ereignissen unabhängig davon, ob das aggregierte Problem neu oder wiederkehrend ist.

Testen Sie, wie ein kleines Prüfzentrum eine Feststellung erhält

Senden Sie zwei fiktive Testfälle an die zuständigen Monitore. Im ersten Fall liegt bei einem kleinen Prüfzentrum eine planmäßige Screening-Markierung vor, weil ein doppelter Personendatensatz in den Zähler gelangt ist; der ursprüngliche und der abgeglichene Datensatz verweisen auf dieselbe Einschlussepisode. Die Entscheidung erfordert eine Datenkorrektur, gegebenenfalls eine Rückmeldung an das Personal sowie eine Nachprüfung anhand der Aufzeichnung. Im zweiten Fall deuten Befragungen darauf hin, dass erforderliche Sicherheitsdokumente systematisch verspätet vorlagen, obwohl die Zahl am Prüfzentrum keinen statistischen Schwellenwert erreichte. Bewerten Sie die dokumentierten Sachverhalte im Berichtsprozess und ergreifen Sie geeignete Maßnahmen. Die Leitungen für Klinik und Qualität sollten erläutern können, welche Nachweise für die jeweilige Reaktion ausschlaggebend waren. Ein Test prüft einen Berechnungsfehler, während der andere ein Ereignis oder Muster prüft, das gemäß dem Studienprozess eine qualifizierte Überprüfung erfordert [1] [3] [22].

Erfassen Sie für jeden abgeschlossenen Fall, wer die Entscheidung getroffen hat, den Grund, den Zeitpunkt, die stützenden Daten sowie die Aufbewahrung der Aufzeichnungen. Eine dringende Maßnahme kann einem vollständigen Ursachenbericht vorausgehen. Bestätigen Sie, dass die nächste autorisierte Schicht offene Maßnahmen sieht und dass temporäre Beteiligte den Zugriff entsprechend verlieren, sobald ihre Rolle endet. Simulieren Sie eine Datenabweichung, die nach der ersten Reaktion offen bleibt, und überprüfen Sie, ob der Status und die Fälligkeitsdaten das ungelöste zugrunde liegende Problem widerspiegeln. Bei einer Routinefrage könnte ein klinischer Monitor das Prüfzentrum kontaktieren, die Quelldaten abgleichen und das ursprüngliche Signal mit stützenden Nachweisen schließen. Ein bestätigtes Produkt- oder Teilnehmerrisiko erfordert eine eigene akzeptierte Entscheidung und Nachverfolgung durch die verantwortliche Person. Dasselbe Prüfprotokoll kann beide Datensätze verknüpfen und dabei die maßgebliche Behördenkommunikation sowie alle kritischen Zeitpunkte bewahren [23] [24] [26].

Wenn das Team seinen Indikator nach diesem Probelauf ändert, dokumentieren Sie, warum sich das Bereitschaftskriterium geändert hat. Beispielsweise kann ein täglich eingehender Daten-Feed eine gültige, akzeptierte Datei enthalten, aber einen ausgewählten Anbieter auslassen. Eine unabhängige Vollständigkeitsprüfung sollte erwartete Teilnehmende, das Prüfzentrumsverzeichnis oder andere Informationen über die eigene Anzahl akzeptierter Zeilen des Feeds hinaus heranziehen. Überprüfen Sie, ob das System die Meldung über veraltete oder unvollständige Daten an die Person sendet, die sie innerhalb des operativen Zeitfensters korrigieren kann. Fragen Sie die prüfende Person außerdem, was der Indikator vor der Korrektur angezeigt hat und warum. Ein Ausreißer mit einwandfreien Berechnungen und widersprüchlichem Quellkontext bleibt ein Prüfpunkt, bis die rechenschaftspflichtige entscheidungsbefugte Person mit der Nachweislage zufrieden ist.

6. Methodik, Umfang und Offenlegung zum Anbieter

Die Inspektionsanalyse summiert die Häufigkeit für die ausgewählten, von der FDA aufgeführten BIMO-Beobachtungsdatensätze. Die Namen der Eingabefelder unterscheiden sich je nach Jahr, sodass die Quellenoptionen und das früheste reproduzierte Datum zusammen mit den Gesamtzahlen angegeben werden sollten. Die FDA beschreibt die öffentliche Sammlung von Inspektionsbeobachtungen als nicht umfassend. Die Daten geben weder die Anzahl anfälliger Prüfzentren an, noch legen sie zugrunde liegende Vorfallsdatensätze offen oder messen einen späteren Zusammenhang mit Durchsetzungsmaßnahmen. Die Zuordnung zwischen Prüfplan und Indikator ist ein redaktionelles Beispiel [9] [10] [11].

Die AACT-Analyse verwendet die Veröffentlichung vom 1. August 2026 und wählt interventionelle Einträge mit einem als Industrie kodierten Hauptsponsor und einem registrierten Startjahr 2020 oder später aus. Der Filter schließt geschätzte und zukünftige im Archiv veröffentlichte Datumsangaben ein. Die Analyse ordnet Einträge, die Phase 3 enthalten, der Phase 3 zu und weist anschließend verbleibende Einträge, die Phase 2 enthalten, der Phase 2 zu. Sie summiert Einrichtungszeilen für die NCT-Kennungen, für die veröffentlichte Einrichtungsinformationen vorliegen. Die veröffentlichten Gesamtwerte enthalten erwartete und tatsächliche Einschlusszahlen; bei der Schätzung bleiben die Verteilung innerhalb der Studie sowie Prüfzentren mit fehlenden Einschlussangaben unbekannt. Die durchgerechneten Kalibrierungs- und Personalbeispiele sind hypothetisch. Die regulatorischen Datumsangaben beziehen sich auf die in Abschnitt 1 verlinkten Regelwerke. EClinCloud bietet eClinical-Systeme wie auf seiner Website beschrieben an. Bei einer Plattformbewertung sollte der Systemkandidat aufgefordert werden, die unabhängig prüfbaren Anforderungen der Studie und die gewählten Integrationen zu demonstrieren [1] [4] [15] [27].

7. Monitoring-Entscheidung vor der Konfiguration der Warnmeldung treffen

Genehmigen Sie die Kontrollen, wenn die richtigen Daten in den Nenner einfließen, ein qualifizierter Verantwortlicher erkennen kann, welche Maßnahme zu ergreifen ist, und der Sponsor darlegen kann, warum die Entscheidungen getroffen wurden. Bei der nächsten Qualitätsprüfung sollte erneut überprüft werden, ob der geplante Zeitplan und die Nachverfolgung ausreichen, um die ausgewählten Risiken zu erkennen. Halten Sie Schutzmaßnahmen für dringende Anliegen von Teilnehmenden durchgehend verfügbar. Ein Monitoring-Plan kann sich mit dem Risikoprofil ändern, sofern die Entscheidung, die Auswirkungen und frühere Versionen nachvollziehbar bleiben [1] [3].

Quellen

1. EMA. ICH E6(R3) Good Clinical Practice, Grundsätze, Anhang 1 §§3.10–3.11 und Anhang 2, Aufzeichnung zu Verabschiedung und Inkrafttreten.

2. FDA. E6(R3) Good Clinical Practice, endgültige Leitlinie, September 2025, Anhang 1 §§3.10–3.11.

3. FDA. A Risk-Based Approach to Monitoring of Clinical Investigations: Questions and Answers, endgültige Leitlinie, April 2023.

4. MHRA. Klinische Prüfungen mit Arzneimitteln: Einhaltung der Guten Klinischen Praxis gemäß ICH E6 im Vereinigten Königreich.

5. International Council for Harmonisation (ICH), ICH E8(R1) Allgemeine Überlegungen zu klinischen Studien (Quality by Design und Critical-to-Quality-Faktoren). https://database.ich.org/sites/default/files/E8-R1_Guideline_Step4_2021_1006.pdf

6. Sheetz et al. Bewertung der Quelldatenverifizierung als Qualitätskontrollmaßnahme in klinischen Studien. DOI 10.1177/2168479014554400.

7. Andersen et al. Auswirkungen der Quelldatenverifizierung auf die Datenqualität in klinischen Studien: empirische Post-hoc-Analyse von drei Phase-3-Studien. DOI 10.1111/bcp.12531.

8. Verordnung (EU) Nr. 536/2014 über klinische Prüfungen mit Humanarzneimitteln, einschließlich Artikel 47 und Anhang III.

9. FDA. Inspection Observations, herunterladbare jährliche Dateien zu Inspektionsbeobachtungen. EClinCloud-Analyse ausgewählter BIMO-Zitationshäufigkeiten, Fiskaljahr 2006–2025 und Teilmenge Fiskaljahr 2020–2025.

10. U.S. Code of Federal Regulations, 21 CFR Part 312 — Antrag auf Prüfung eines neuen Arzneimittels (Investigational New Drug Application; Unterabschnitt D: Pflichten von Sponsoren und Prüfärzten — 312.50, 312.56, 312.60, 312.62, 312.64, 312.66). https://www.ecfr.gov/current/title-21/chapter-I/subchapter-D/part-312

11. FDA. Compliance-Programm 7348.810, Sponsoren, Auftragsforschungsinstitute und Monitore.

12. 21 CFR Part 50, Subpart B. Informed consent of human subjects, einschließlich §§50.20, 50.22–50.24 und 50.27, sofern anwendbar.

13. TransCelerate-Autoren. Quality Tolerance Limits: Framework for Successful Implementation in Clinical Development.

14. Venet et al. Ein statistischer Ansatz zum zentralen Monitoring der Datenqualität in klinischen Studien. Clinical Trials. 2012;9:705–713.

15. Clinical Trials Transformation Initiative. Aggregate Analysis of ClinicalTrials.gov (AACT), Archiv August 2026. EClinCloud-Analyse industriegesponserter Phase-2/3-Register mit den in den Abschnitten 2 und 6 beschriebenen erfassten Datumsangaben und der Einrichtungsauswahl.

16. Spiegelhalter DJ. Funnel-Plots zum Vergleich der institutionellen Leistung. Stat Med. 2005;24:1185–1202.

17. Desmet et al. Lineare Modelle mit gemischten Effekten für das zentrale statistische Monitoring multizentrischer klinischer Studien. Stat Med. 2014.

18. ICH E3. Structure and Content of Clinical Study Reports, §§9.6 und 10.2.

19. ICH E9(R1). Estimands und Sensitivitätsanalyse in klinischen Prüfungen, §§A.3–A.5.

20. U.S. Code of Federal Regulations, 21 CFR 312.32 — IND-Sicherheitsberichterstattung (Fristen für die beschleunigte Meldung schwerwiegender und unerwarteter Nebenwirkungen). https://www.ecfr.gov/current/title-21/chapter-I/subchapter-D/part-312/subpart-B/section-312.32

21. FDA. IND Application Reporting: IND Safety Reports, Kriterien und Fristen gemäß 21 CFR 312.32(c) und (d).

22. 21 CFR 312.64. Prüfarztberichte.

23. FDA. Electronic Systems, Electronic Records, and Electronic Signatures in Clinical Investigations: Questions and Answers, finale Leitlinie, Oktober 2024.

24. Europäische Arzneimittel-Agentur. Guideline on computerised systems and electronic data in clinical trials, EMA/INS/GCP/112288/2023. https://www.ema.europa.eu/en/documents/regulatory-procedural-guideline/guideline-computerised-systems-and-electronic-data-clinical-trials_en.pdf

25. 21 CFR Part 11, einschließlich des Anwendungsbereichs in §11.1.

26. CDISC. Trial Master File Standard Model. Passen Sie das Referenzmodell an die Ablagekonventionen der Studie an. https://www.cdisc.org/standards/trial-master-file-standard-model

27. EClinCloud. Herstellerwebsite und öffentliche Beschreibung seiner eClinical-Systeme.