Tiefenanalyse

Patientenpräferenzen und Sicherheit nach der Zulassung: Evidenz klar trennen

36 Min. LesezeitEClinCloud-Redaktionsteam
Patientenpräferenzen & Sicherheitsevidenz — Redaktionelles Titelbild von EClinCloud

Kurzfassung

Forschung zu Patientenpräferenzen und Sicherheitsforschung nach der Zulassung beantworten unterschiedliche Fragestellungen. Erstere untersucht, was Patientinnen und Patienten wichtig ist und welche Abwägungen sie für akzeptabel halten; Letztere bewertet unerwünschte Erfahrungen, Sicherheitssignale und Risiken in der tatsächlichen Anwendung. Die Veröffentlichungen der FDA aus dem Jahr 2026 zu ICH E22, ICH E2D(R1), ICH M14 und zur Schwangerschaftssicherheit machen diese Unterscheidungen operativ bedeutsam. E22 liegt weiterhin als Entwurf vor; bei den hier behandelten FDA-Dokumenten zu E2D(R1), M14 und zur Schwangerschaftssicherheit handelt es sich um finale Leitlinien. Die gesonderte Leitlinie von CDRH und CBER zu Patientenpräferenzen betrifft freiwillige Angaben über den gesamten Produktlebenszyklus von Medizinprodukten. Ihre Anwendungsbereiche sollten nicht zu einem einzigen verbindlichen Software-Entwurf zusammengefasst werden. Empfehlungen aus Leitlinien sind rechtlich nicht bindend, sofern nicht eine gesonderte gesetzliche oder regulatorische Anforderung angeführt wird. [1] [3] [5] [7] [8]

Für Sponsoren und CROs besteht das gemeinsame Problem darin, die Bedeutung von Informationen beim Übergang zwischen Systemen zu erhalten. Eine Antwort aus einer Präferenzbefragung ist keine Meldung über ein unerwünschtes Ereignis. Eine Beobachtung in einem bestehenden Abrechnungsdatensatz ist nicht automatisch ein neuer Einzelfall-Sicherheitsbericht. Ein Einschlussdatum in ein Register belegt nicht zwangsläufig, dass der Schwangerschaftsausgang zum Zeitpunkt der Aufnahme unbekannt war. Eine zweckmäßige eClinical-Architektur hält diese Unterscheidungen sichtbar und unterstützt zugleich Rückverfolgbarkeit, Teilnehmerschutz, Auswertung und Berichterstattung. Die Umsetzungsvorschläge in diesem Artikel stellen unsere eigene Synthese dar; sie bedeuten nicht, dass die FDA eine bestimmte Funktion oder ein bestimmtes Datenschema von EClinCloud befürwortet.

Patientenpräferenzen: Die FDA veröffentlichte den Entwurf zu ICH E22 im Februar 2026 sowie die finale CDRH/CBER-Leitlinie zu freiwilligen Angaben über Patientenpräferenzen im März 2026. Beide Dokumente behandeln Methoden, Repräsentativität, Instrumentenentwicklung, Auswertung und Interpretation. E22 empfiehlt Pretests und Pilotierungen, berücksichtigt Qualitätsprüfungen und verweist auf E6(R3) sowie CDISC ODM als hilfreiche Ressourcen. Es schreibt nicht vor, dass jede Studie ein bestimmtes elektronisches Befragungsformat umsetzen muss. Präferenzevidenz ergänzt die klinische Evidenz zu Wirksamkeit und Sicherheit; sie ersetzt diese nicht. [1] [3] [9]

Einzelfallsicherheit nach der Zulassung: Die FDA-Leitlinie E2D(R1) vom März 2026 unterscheidet zwischen Spontanmeldungen und angeforderten (solizitierten) Meldungen und befasst sich mit digitalen Plattformen, organisierten Datenerfassungssystemen (ODCS), Patientenunterstützungsprogrammen, Marktforschung sowie nicht-interventionellen Studien. Die Einstufung hängt davon ab, wie die Information gewonnen wurde und in welchem Kontext die Aktivität stattfindet. Die Mindestkriterien, die Kausalitätsbewertung und die Meldefristen müssen im Zusammenhang mit regionalen und lokalen Anforderungen betrachtet werden. Derselbe digitale Kanal kann unterschiedliche Arten von Informationen übertragen; die bloße Bezeichnung des Kanals reicht nicht aus. [5] [6]

Sicherheitsstudien mit Real-World-Daten: Die FDA-Leitlinie M14 vom März 2026 befasst sich mit der Planung, dem Design, der Auswertung und der Berichterstattung nicht-interventioneller Studien, die Real-World-Daten zur Bewertung der Arzneimittelsicherheit nutzen. Sie hebt eine zweckmäßige Fragestellung, ein umsetzbares Studiendesign, relevante und verlässliche Daten sowie die Bewertung von Verzerrungen (Bias) hervor. Ihre Beispiele begründen weder eine allgemeingültige Zwei-Diagnosecodes-Regel noch einen fest vorgegebenen Algorithmus oder eine verpflichtende Software-Implementierung. Eine quantitative Bias-Analyse kann dabei helfen, die Empfindlichkeit gegenüber systematischen Fehlern zu beurteilen; sie garantiert jedoch nicht die Beseitigung von Verzerrungen. [7]

Sicherheit in der Schwangerschaft: Die finale FDA-Leitlinie vom Mai 2026 behandelt Pharmakovigilanz, Schwangerschaftsregister und ergänzende Studien. Jede dieser Quellen liefert unterschiedliche Evidenz und unterliegt unterschiedlichen Limitationen. Die Leitlinie führt jährlich rund 3.6 Millionen Geburten in den USA sowie eine Schätzung an, wonach 41.6 % der Schwangerschaften in den USA im Jahr 2019 ungewollt waren. Diese Zahlen unterstreichen die Bedeutung aussagekräftiger Expositionsdaten; sie sind keine Schätzungen des Risikos eines bestimmten Arzneimittels. Ein Register und eine Studie auf Basis elektronischer Gesundheitsdaten sollten so konzipiert werden, dass sie einander ergänzen, wobei besonderes Augenmerk auf Rekrutierung, Erfassung der Outcomes, Datenverknüpfung und Selektionsbias zu richten ist. [8]

Der lokale NIH-RePORTER-Korpus liefert deskriptive Hintergrundinformationen: 4,876 deduplizierte Antrags-IDs aus 31 eClinical-Abfragen, erfasst am 23. August 2026. Zu den Schlagworttreffern zählen 430 für RWD-/EHR-/Register-Begriffe, 407 für eCOA-/ePRO-Begriffe, 387 für Begriffe zur Sicherheitsüberwachung, 152 für schwangerschaftsbezogene Begriffe, 86 für weit gefasste Begriffe zu Präferenzen und gemeinsamer Entscheidungsfindung sowie 11 für den enger gefassten Suchfilter zu geäußerten Präferenzen. Die daraus resultierenden Prozentwerte beschreiben diesen abfragebasiert ausgewählten Korpus, nicht die kommerzielle Verbreitung, Fördermittelausgaben oder Plattformfunktionalität. Aus dem Fehlen eines Schlagworts in einem Abstract schließen wir nicht auf ein Infrastrukturdefizit. [13]

Evidenzstrang Hauptquelle und Status Bei der Umsetzung beizubehaltende Frage
Patientenpräferenzen ICH E22 (Entwurf); finale freiwillige PPI-Leitlinie von CDRH/CBER Wessen Präferenzen, wie erhoben und für welche Entscheidung?
Einzelfall-Sicherheitsberichte FDA E2D(R1), final Was sind Quelle, Mindestinformationen und Meldekontext?
RWD-Sicherheitsstudien FDA M14, final Können diese Daten und dieses Design die Sicherheitsfrage beantworten?
Sicherheit in der Schwangerschaft FDA, Mai 2026, final Wann waren Expositions- und Outcome-Informationen bekannt, und was fehlt?

1. Deskriptiver Forschungskontext

Die NIH-Analyse verwendet eindeutige Antrags-IDs als Zähleinheit, nicht eindeutige Prüfärzte, Organisationen, Produkte oder klinische Studien. Die 31 Abfragen ergaben 5,137 Rohtreffer vor der Deduplizierung auf 4,876 IDs. Beim CDISC-Material handelt es sich um einen separaten Index vom 31. Juli 2026 mit 32 Standardseiten und 54 verlinkten Ressourcen: 25 öffentlichen Downloads und 29 Ressourcen, die aufgrund erforderlicher Authentifizierung ausgeschlossen wurden. Diese Abdeckung ist für die Recherche nützlich, erlaubt jedoch keine Aussagen über den vollständigen Inhalt oder das Fehlen eines Standards. [13]

1.1 Schlagworttreffer im ausgewählten Korpus

Die lexikalischen Kategorien überschneiden sich und weisen unterschiedliche Spezifitätsgrade auf. Ein weit gefasster Begriff wie Register tritt mit deutlich höherer Wahrscheinlichkeit auf als der Name einer bestimmten Präferenzmethode. Die folgenden Häufigkeiten sind daher deskriptive Suchergebnisse und keine Rangfolgebewertung des methodischen Reifegrads. [13]

Lexikalischer Filter im ausgewählten Korpus Antrags-IDs Anteil an 4,876
RWD-, EHR- und Register-Begriffe 430 8.82 %
eCOA-/ePRO-Begriffe 407 8.35 %
Begriffe zu Sicherheitsüberwachung und Pharmakovigilanz 387 7.94 %
Begriffe zu Schwangerschaft sowie mütterlichen/perinatalen Aspekten 152 3.12 %
Weit gefasste Begriffe zu Präferenzen und gemeinsamer Entscheidungsfindung 86 1.76 %
Enger Suchfilter zu geäußerten Präferenzen 11 0.23 %

1.2 Der Standards-Index ist ein Rechercheinstrument

Fußnote 6 von E22 verweist auf ICH E6(R3) und CDISC ODM v2.0 als hilfreiche Ressourcen für die Datenerfassung. Dies ist eine Empfehlung, einschlägige Leitlinien zu berücksichtigen, keine Verpflichtung, ODM zu implementieren oder in jeder Befragung zu zitieren. Der begrenzte lokale CDISC-Index beweist nicht, dass keine geeignete Vorlage und kein entsprechender Implementierungsleitfaden existiert. Für eine konkrete Studie sollte das Team die jeweils geltende Spezifikation, deren Version sowie die beabsichtigten Einreichungsanforderungen prüfen. Die weiter unten in diesem Artikel vorgeschlagenen konzeptionellen Datensätze werden bewusst nicht als normative CDISC-Variablen oder als Ersatz für diese Spezifikationen dargestellt. [1] [9] [13]


2. Patientenpräferenzstudien

2.1 Geltungsbereich und Perspektive

ICH E22 General Considerations for Patient Preference Studies – von der ICH-Versammlung am 19. November 2025 auf Stufe 2 gebilligt und von der FDA am 6. Februar 2026 (91 FR 5484, Docket No. FDA-2026-D-0207) veröffentlicht – schlägt einen harmonisierten Rahmen für die Konzeption, Durchführung, Analyse und Einreichung von Patientenpräferenzstudien (PPS) in der Entwicklung von Arzneimitteln und Biologika sowie bei der Bewertung nach der Zulassung vor [1]. Ergänzend zu ICH E22 steht aufseiten der Medizinprodukte und medizinproduktgeführten Kombinationsprodukte die finale Leitlinie von CDRH und CBER der FDA vom 30. März 2026, Incorporating Voluntary Patient Preference Information over the Total Product Life Cycle (FDA-2015-D-1580, 91 FR 15622, Dokumentnummer GUI01500006, die die Leitlinie vom 24. August 2016 ersetzt) [3], [12].

Vier Unterscheidungen sind bei der Entscheidung, ob Präferenzevidenz geeignet ist, besonders nützlich. [1] [3]

Geäußerte und offenbarte Präferenzen sind unterschiedliche Ansätze. E22 konzentriert sich auf Methoden geäußerter Präferenzen; ausgeschlossen sind Methoden offenbarter Präferenzen, die Präferenzen aus beobachtetem Verhalten ableiten. Eine hypothetische Auswahlaufgabe und eine Aufzeichnung über eingelöste Folgerezepte beantworten nicht dieselbe Frage. Die Studie sollte begründen, warum der gewählte Ansatz für den vorgesehenen Verwendungszweck geeignet ist. [1]

Präferenzinformationen sind kein PRO-Score. Ein PRO erfasst einen Aspekt des Gesundheitszustands direkt vom Patienten. Eine Präferenzstudie untersucht die relative Erwünschtheit oder Akzeptabilität, einschließlich Abwägungen zwischen Ergebnissen oder Behandlungsmerkmalen. Beide können in die Entwicklung einfließen, ihre Kombination erfordert jedoch einen begründeten analytischen Ansatz, statt ihre Werte als austauschbar zu behandeln. Die PFDD-Endpunkt-Leitlinie der FDA bietet einen verwandten Kontext für Bewertungen klinischer Ergebnisse. [1] [3] [4]

Die Perspektive ist von Bedeutung. Die Präferenzen von Patienten, Betreuungspersonen und medizinischem Fachpersonal unterscheiden sich. Eine Studie sollte angeben, wessen Perspektive sie misst und warum diese Population relevant ist. Der Bericht zum ICH-Webinar für Interessengruppen veranschaulicht, wie sich die Prioritäten von Patienten von den Annahmen von Entwicklungsteams unterscheiden können. Angaben von Betreuungspersonen können in geeigneten Kontexten relevant sein, sollten jedoch nicht stillschweigend als eigene Präferenz des Patienten umdeklariert werden. [1] [2] [3]

Präferenzevidenz ergänzt andere Evidenz. Die Akzeptabilität eines Risikos belegt weder, dass die Behandlung wirksam ist, noch bestimmt sie deren tatsächliches Risiko. Die regulatorische Nutzen-Risiko-Argumentation erfordert weiterhin klinische Evidenz sowie eine Darlegung, wie Präferenzen in die Interpretation einfließen. Die freiwillige Leitlinie für Medizinprodukte erörtert mögliche Anwendungen in der Entwicklung und der behördlichen Prüfung; sie garantiert keine Freigabe oder Zulassung auf Grundlage von Präferenzergebnissen. [1] [3] [11]

2.2 Anwendung über den Produktlebenszyklus

E22 beschreibt Anwendungsmöglichkeiten in der Entwicklung sowie bei Entscheidungen nach der Zulassung. Mehrere davon sind für einen operativen Evidenzplan besonders relevant. [1]

Präferenzforschung kann helfen, ungedeckten Bedarf zu ermitteln, Ergebnisse zu priorisieren, Grundlagen für das Studiendesign zu liefern und die Akzeptabilität von Nutzen-Risiko-Abwägungen zu erläutern. Sie kann helfen, die Bedeutung einzelner Komponenten eines mehrkomponentigen Endpunkts oder den Wert zu interpretieren, den Patienten Veränderungen eines Ergebnisses beimessen. Zudem kann sie Hinweise für Behandlungsmerkmale, Rekrutierung und Verbleib in der Studie sowie die Planung des Risikomanagements liefern. Dies sind potenzielle Anwendungsmöglichkeiten und keine Checkliste, die jede Studie erfüllen muss. Eine Studie, die darauf ausgelegt ist, die Anwendungsfreundlichkeit einer Behandlung einzustufen, sollte nicht als Nachweis für die Toleranz gegenüber einem schwerwiegenden Risiko umgewidmet werden, ohne zu prüfen, ob ihre Fragestellungen und ihre Population diese Schlussfolgerung stützen. [1] [4]

Darüber hinaus betont ICH E22 in Abschnitt 2.4 (De-novo-Arbeiten sind möglicherweise nicht immer gerechtfertigt, Zeilen 80–84) und Abschnitt 2.5 (Globale Anwendbarkeit, Zeilen 85–92), dass Sponsoren zunächst die bestehende hochwertige PPS-Literatur auswerten sollten, bevor sie Patientengemeinschaften mit redundanten De-novo-Studien belasten, und dass eine in einer Region durchgeführte PPS die regulatorische Entscheidungsfindung in einer anderen Region unterstützen kann, sofern der Antragsteller die Vergleichbarkeit hinsichtlich Kultur und Gesundheitssystem begründet (idealerweise gestützt auf lokale qualitative Überbrückungsdaten zu Präferenzen gemäß Abschnitt 4.3, Zeilen 226–229) [1].

2.3 Methoden, Instrumente und Qualität

Die Methodenauswahl, Instrumentenentwicklung und Analyse sollten sich nach der Forschungsfrage und der angestrebten Entscheidung richten. E22 und die freiwillige PPI-Leitlinie für Medizinprodukte beschreiben Überlegungen statt einer einzelnen bevorzugten Methode für jede Situation. [1] [3]

A. Methodenauswahl

Qualitative Arbeiten können als Grundlage für Attribute, Sprache und Kontext dienen; quantitative Methoden können Abwägungen oder die relative Bedeutung schätzen. In der Leitlinie werden mehrere Methoden erörtert, darunter die folgenden. [1] [3]

Ein Discrete-Choice-Experiment fordert Befragte auf, zwischen Profilen zu wählen, deren Attribute und Ausprägungen gemäß einem Versuchsplan variieren. Best-Worst-Scaling verlangt die Auswahl der am meisten und am wenigsten bevorzugten Elemente oder Merkmale, wobei die Interpretation vom jeweiligen Design abhängt. Schwellenwertverfahren untersuchen den Punkt, an dem sich die Wahl einer befragten Person ändert, wenn ein Attribut variiert. Swing-Weighting bewertet Veränderungen von einer Ausprägung eines Attributs zu einer anderen. Diese Ansätze unterscheiden sich hinsichtlich ihrer Annahmen, der Belastung und der Größen, die sie schätzen. Eine kurze Befragung ist nicht automatisch weniger verzerrt, und ein aufwendigeres Modell ist nicht automatisch aussagekräftiger. [1] [3]

Die praktische Entscheidung besteht darin, ob die Methode die gestellte Frage in der vorgesehenen Population beantworten kann. Das Team sollte dokumentieren, was die Befragten vergleichen sollen, welche Attribute konstant gehalten werden, wie die Ausprägungen variiert werden und was ein daraus resultierender Schätzwert bedeutet. Schätzwerte für das maximal akzeptable Risiko oder den minimal akzeptablen Nutzen sind durch die tatsächlich untersuchten Attribute, Wertebereiche und analytischen Annahmen bedingt. Sie sollten nicht als kontextfreie Eigenschaften einer Patientenpopulation beworben werden. [1]

B. Relevanz und Wertebereich der Attribute

Die Gestaltung der Attribute bestimmt die Grenzen der Schlussfolgerung. Drei Überlegungen verdienen eine ausdrückliche Dokumentation. [1]

Erstens sollten die Attribute für Patienten sowie für die Forschungsfrage relevant sein. Methodenspezifische Annahmen sind von Bedeutung; E22 nennt die Betrachtung von Attributen als unabhängig durch die Teilnehmenden als Beispiel, nicht als universelle Regel der statistischen Unabhängigkeit für jede Präferenzmethode. Zweitens ist die Abstimmung mit klinischen Endpunkten besonders wichtig, wenn die Studie in eine Nutzen-Risiko-Bewertung einfließen soll. Eine vollständige Übereinstimmung ist möglicherweise nicht immer möglich, diese Einschränkung sollte jedoch erläutert werden. Drittens sollten die Ausprägungen die relevanten Werte abdecken, die in den Behandlungs- und Kontrollgruppen der klinischen Studie erwartet werden. Von einer Extrapolation über die untersuchten Ausprägungen hinaus wird im Allgemeinen abgeraten. [1]

Als anschauliches Schlussfolgerungsproblem beobachtet eine Befragung, die ein Risiko nur zwischen 1 % und 8 % darstellt, Entscheidungen bei 14 % nicht direkt. Ein späteres klinisches Ergebnis von 14 % erfordert daher eine sorgfältige Prüfung der Anwendbarkeit; die Fähigkeit eines Modells, eine Zahl zu berechnen, validiert keine Extrapolation. Dasselbe Bedenken gilt, wenn sich das Krankheitsstadium, die Behandlungsalternativen oder die Belastung vom Kontext der Befragung unterscheiden. Dies sind Gründe dafür, die exakt dargestellten Attribute und Ausprägungen zusammen mit den Antworten aufzubewahren. [1]

C. Vortestung und Pilotierung

Informationen sollten verständlich, neutral und der Population angemessen sein. Numerische und grafische Darstellungen können dabei helfen, Wahrscheinlichkeiten zu vermitteln; ihre Eignung sollte jedoch bewertet und nicht vorausgesetzt werden. Framing, Reihenfolge und kognitive Belastung können die Antworten beeinflussen. Unsere Implementierungsempfehlung besteht darin, den genauen Wortlaut und die Anzeigeversion beizubehalten, die vorgesehenen Geräte und Sprachen zu testen und die Begründung für jede randomisierte Darstellung zu dokumentieren. Solche Kontrollen unterstützen den methodischen Plan; sie garantieren nicht, dass jeglicher Framing- oder Selektionsbias beseitigt wurde. [1] [3]

E22 beschreibt Pretesting und Pilotierung als eigenständige, wesentliche Schritte bei der Instrumentenentwicklung. [1]

Beim Pretesting werden Verständnis, Relevanz, Wortlaut und Format mit Patienten geprüft und die Erkenntnisse zur Verfeinerung des Instruments genutzt. Die Pilotierung prüft anschließend den Studienbetrieb in kleinerem Maßstab vor der vollständigen Implementierung. Beide Aktivitäten beantworten unterschiedliche Fragen: Eine befragte Person kann eine Frage verstehen, während die elektronische Implementierung dennoch ein falsches Auswahlset anzeigt oder eine Antwort nicht speichert. Das Team sollte dokumentieren, was getestet wurde, was geändert wurde und warum das endgültige Instrument weiterhin geeignet ist. Keine der beiden Aktivitäten ist lediglich eine Unterschrift auf einer Validierungscheckliste. [1]

Die Qualitäts- und Data-Governance-Prinzipien von E6(R3) bieten einen hilfreichen Kontext für kontrollierte Aufzeichnungen und für den Zweck geeignete Systeme. Der Verweis von E22 auf E6(R3) hebt die Unterschiede zwischen einer Präferenzstudie und einer interventionellen klinischen Prüfung nicht auf. Die anzuwendenden Schutzmaßnahmen, das Einwilligungsverfahren und die Aufzeichnungen sollten für die konkrete Studie festgelegt werden, mit klarer Zuständigkeit für Entscheidungen. [1] [9]

Bemerkenswert aus dem Stakeholder-Engagement-Webinar zu ICH E22 vom 6. Februar 2026 (Abschnitt 2.2.2–3 des Sitzungsberichts) ist zudem die von A. Valentine vorgestellte Fallstudie „Sick Cells“ (Sichelzellkrankheit) [2]: Um Barrieren im Zusammenhang mit der digitalen Kluft, Lese- und Schreibkompetenz sowie Misstrauen gegenüber der Medizin zu überwinden, die mit Online-Panels verbunden sind (ICH E22, Abschnitt 4.3, Zeilen 231–234), setzte die Studie ein gemeinschaftsgeführtes „Train-the-Trainer“-Modell in Partnerschaft mit regionalen Community-Based Organizations (CBOs) und geschulten Community Health Workers (CHWs) ein, welche die Befragung persönlich oder in begleiteten Sitzungen durchführten, emotionale Traumaunterstützung in Echtzeit leisteten, CBOs, CHWs und Patienten fair vergüteten und der Gemeinschaft eine allgemeinverständliche Zusammenfassung zurückgaben [2].

D. Qualitätsprüfungen und Entscheidungen zum Auswertungskollektiv

E22 nennt Beispiele für Qualitätsprüfungen und warnt davor, eine einzelne Prüfung als endgültigen Beleg dafür zu werten, dass eine Antwort entfernt werden sollte. [1]

Beispiele hierfür sind eine eindeutig dominierte Wahlentscheidung, widersprüchliche Angaben, ungewöhnlich schnelles Ausfüllen, die Nichtbeachtung von Attributen sowie potenziell betrügerische Antworten, einschließlich synthetischer Teilnehmer. Dies sind Signale, denen nachgegangen werden sollte. Ein Patient, der konsequent ein Attribut priorisiert, bringt möglicherweise eine reale Präferenz zum Ausdruck; eine kurze Bearbeitungszeit kann auf Vertrautheit statt auf Betrug hinweisen. Ausschlussregeln sollten vorab festgelegt und begründet werden, wobei die Auswirkungen auf die Repräsentativität zu berücksichtigen sind. [1]

Der Entwurf empfiehlt, die Auswirkungen qualitätsbasierter Ausschlüsse darzustellen. Werden Beobachtungen für die Primäranalyse entfernt, sollten auch Ergebnisse einschließlich dieser Beobachtungen dargestellt werden, um die Sensitivität gegenüber dieser Entscheidung aufzuzeigen. Eine Implementierung sollte die ursprüngliche Antwort, die Kennzeichnung, das Überprüfungsergebnis und die Ableitung des Auswertungskollektivs aufbewahren. Ein automatisches Löschen gekennzeichneter Teilnehmer würde es erschweren zu beurteilen, ob eine Bereinigungsregel die inhaltliche Schlussfolgerung verändert oder eine Patientensubgruppe überproportional entfernt hat. [1]

E. Berichterstattung über die Studie

E22 empfiehlt, die PPS in den CTD-Modulen 2 und 5 aufzunehmen, mit dem vollständigen Bericht in 5.3.5.4, Sonstige Berichte über klinische Studien. Es beschreibt potenzielle Verweise in Modul 2, einschließlich der Begründung für die Produktentwicklung und der Nutzen-Risiko-Diskussion. Dabei handelt es sich um Berichtsempfehlungen, nicht um eine Vorgabe, dieselben Inhalte an jeder Stelle zu duplizieren. Der Bericht sollte Zielsetzung, Studiendesign, Population, Instrument, Analyse, Limitationen und den beabsichtigten regulatorischen Verwendungszweck miteinander verknüpfen. Die Nutzen-Risiko-Darstellung sollte zudem Präferenzschätzungen von der klinischen Evidenz abgrenzen, auf die sie angewendet werden. [1] [11]


3. Sicherheitsfälle nach der Zulassung

Am 4. März 2026 als finale FDA-Leitlinie veröffentlicht (91 FR 10619, FR Doc. 2026-04252, Docket No. FDA-2024-D-0803), aktualisiert E2D(R1) Postapproval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports die ICH-E2D-Leitlinie aus dem Jahr 2003, um moderne digitale Plattformen, Ökosysteme zur organisierten Datenerhebung und Studien mit Real-World-Daten zu regeln [5], [6].

3.1 Kontext der Datenerhebung

E2D(R1) unterscheidet Spontanmeldungen von angeforderten Meldungen und behandelt sonstige Beobachtungen sowie regionale Meldepflichten gesondert. Die Quelle und die Umstände der Erhebung sind maßgeblich. Ein unerwünschtes Ereignis ist nicht gleichbedeutend mit dem Verdachtsfall einer Nebenwirkung, und ein gültiger Fall ist nicht automatisch ein beschleunigt zu meldender Fall. Software sollte diese Unterscheidungen beibehalten, damit das qualifizierte Sicherheitsteam die entsprechenden Meldevorschriften anwenden kann. [5]

Organisierte Datenerhebung: Ein ODCS erfasst relevante Produkt- oder Krankheitsgebietsdaten auf geplante Weise. Für Aktivitäten ohne Prüfplan empfiehlt die Leitlinie die Dokumentation von fünf Elementen: Ziele, Quellen, Datensatz und Erhebungszeitraum, Überprüfungsmethode sowie das Verfahren für den Umgang mit identifizierten Sicherheitsinformationen. Diese Dokumentation definiert die Aktivität; sie ist aussagekräftiger, als lediglich jede App als ODCS zu kennzeichnen. [5]

Digitale Verantwortung und Kontext: Plattformen in der Verantwortung des Zulassungsinhabers sollten häufig genug gesichtet werden, um geltende Meldefristen einzuhalten. Für diese Plattformen beginnt Tag null, sobald ausreichende Informationen veröffentlicht werden, die den Mindestkriterien entsprechen. Auf einer Plattform außerhalb der Verantwortung des Zulassungsinhabers besteht keine allgemeine Erwartung, alle Inhalte fortlaufend zu überwachen. Führt der Zulassungsinhaber eine geplante Aktivität zur Datenüberprüfung durch, sollte er dieses ODCS dokumentieren und die bei der geplanten Überprüfung gefundenen Informationen, die die Kriterien erfüllen, entsprechend verwalten. Tag null ist in diesem Zusammenhang der Zeitpunkt, zu dem die Überprüfung das Ereignis und ausreichende Informationen identifiziert, und nicht zwangsläufig das Datum des Datenzugriffs. Eine Ad-hoc-Meldung, die außerhalb einer organisierten Datenerhebung auftritt, wird in ihrem eigenen Kontext betrachtet. [5]

Unterstützungsprogramme: E2D(R1) definiert PSPs mit Blick auf wechselseitige Kommunikation sowie das Anfordern oder den vorhersehbaren Eingang medizinischer Informationen. Ein eigenständiger Lieferservice unterscheidet sich von einem kombinierten Programm, das eine qualifizierende pflegerische Unterstützung umfasst. Wenn ein kombiniertes Programm die PSP-Definition erfüllt, werden Meldungen aus dessen Teilaktivitäten so behandelt, als stammten sie aus dem PSP. Die Schulungsunterlagen zur Leitlinie veranschaulichen, warum das Programmdesign dokumentiert werden sollte, bevor Weiterleitungsregeln eingerichtet werden. [5] [6]

Nichtinterventionelle Studien: Die Primärerhebung und die Sekundärnutzung vorhandener Daten haben unterschiedliche Konsequenzen. Angeforderte Meldungen aus der Primärerhebung erfordern eine angemessene Kausalitätsbewertung. E2D(R1) besagt, dass Ereignisse, die bei der Sekundärnutzung von Daten identifiziert werden, nicht als ICSR gemeldet werden sollten, sofern regionale oder lokale Anforderungen nichts anderes vorsehen. Ergebnisse auf Studienebene erfordern weiterhin eine Bewertung und Kommunikation, einschließlich wichtiger Sicherheitserkenntnisse. Diese Unterscheidung berechtigt nicht dazu, ein bedeutsames Risiko zu ignorieren. Eine selektive Sicherheitserhebung sollte nur dort eingesetzt werden, wo sie begründet und anwendbar ist; E19 hat ihren eigenen Anwendungsbereich und stellt keine pauschale Ausnahmeregelung für jedes Register dar. [5] [7] [10]

3.2 Validität, Meldepflicht und Fristen

Fallvalidität, Meldefähigkeit und Meldezeitpunkt sollten getrennt bewertet werden. Die Leitlinie trifft folgende Unterscheidungen. [5]

Mindestangaben: Die üblichen Mindestkriterien betreffen ein Ereignis oder eine andere Beobachtung, ein verdächtigtes oder interagierendes Arzneimittel, einen identifizierbaren Patienten und einen identifizierbaren Meldenden. Regionale Anforderungen bestimmen, welche Fälle meldepflichtig sind. Die Leitlinie erörtert eine Ausnahme vom Kriterium des identifizierbaren Patienten für abgefangene Medikationsfehler, die nie einen Patienten erreicht haben. Dies gilt für einen spezifischen Kontext und stellt keinen allgemeinen Verzicht auf die Fallqualität dar. [5]

Identifizierbarkeit: Ein Benutzername in sozialen Medien allein reicht ohne qualifizierende Angaben nicht aus, um einen realen Patienten oder Meldenden zu bestätigen. Soweit zulässig und machbar, sollten im Rahmen der Nachverfolgung die zur Bewertung der Identifizierbarkeit erforderlichen Angaben eingeholt werden. Eine anonyme Meldung ist nicht automatisch ungültig, sofern die Existenz eines realen Meldenden bekannt ist und die übrigen Anforderungen erfüllt sind. Ein Arbeitsablauf sollte unvollständige Angaben und Nachverfolgungsversuche aufbewahren, anstatt einen möglichen Fall stillschweigend zu verwerfen. [5]

Kausalität und andere Beobachtungen: Spontanmeldungen implizieren für Meldezwecke einen vermuteten Kausalzusammenhang, während angeforderte Meldungen eine angemessene Bewertung erfordern. Andere Beobachtungen – wie eine Exposition während der Schwangerschaft, ein Medikationsfehler oder eine ausbleibende Wirkung – können nach regionalen Vorgaben eine abweichende Handhabung erfordern. Eine pauschale automatisierte Regel, die jeden als nicht zusammenhängend gekennzeichneten angeforderten Datensatz unterdrückt, könnte daher Informationen auslassen, die noch bewertet werden müssen. Im Datensatz sollten die Darstellung des Meldenden und die gesonderte Bewertung des Zulassungsinhabers erhalten bleiben. [5]

Erstmeldungen, Folgemeldungen und Änderungen: Neue medizinisch relevante Folgeinformationen haben einen eigenen Eingangszeitpunkt und können ändern, ob ein Fall für eine beschleunigte Meldung infrage kommt. Sie löschen weder das ursprüngliche Eingangsdatum noch verlängern sie rückwirkend die anfängliche Frist. Eine interne Qualitätsänderung ohne neue externe Informationen sollte kein neues Tag-Null-Datum erhalten. Speichern Sie die Chronologie, die bei jeder Entscheidung vorliegenden Informationen sowie den Grund für Einstufungsänderungen. Die US-Anforderungen gemäß 21 CFR 314.80 und 600.80 sollten jeweils mit der zutreffenden Meldekategorie und -frist angewendet werden, statt anzunehmen, dass für jeden eingehenden Datensatz eine einheitliche 15-Tage-Frist gilt. [5] [12]


4. Real-World-Sicherheitsstudien

Die parallel zu ICH E2D(R1) am 4. März 2026 (91 FR 10615, FR Doc. 2026-04253, Docket No. FDA-2024-D-2754) veröffentlichte Leitlinie ICH M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non-Interventional Studies That Utilize Real-World Data for Safety Assessment of Medicines gibt Empfehlungen für pharmakoepidemiologische Sicherheitsstudien nach der Zulassung [7].

4.1 Eine an der Fragestellung ausgerichtete Machbarkeitsbewertung

M14 stellt einen iterativen Rahmen vor, der Forschungsfrage, Studiendesign, Dateneignung, Studienprotokoll, Analyse und Berichterstattung miteinander verbindet. Die Machbarkeitsbewertung soll beurteilen, ob die vorgeschlagene Studie hinreichende Evidenz liefern kann. [7]

Die Fragestellung sollte gegebenenfalls Population, Exposition oder Intervention, Vergleichsgruppe, Zielgröße, zeitlichen Rahmen und Versorgungsumfeld präzisieren und klären, ob der Zweck deskriptiv oder kausal ist. Entscheidungen zum Studiendesign sollten dann in diesem Kontext getroffen werden. Ein Target-Trial-Rahmen kann dabei helfen, Eignungskriterien, Behandlungsstrategien und Nachbeobachtung für eine kausale Fragestellung explizit zu machen, ersetzt jedoch nicht die Bewertung der tatsächlich verfügbaren Daten. [7]

M14 empfiehlt mindestens zwei Phasen der Machbarkeitsprüfung: eine erste Sichtung potenzieller Datenquellen und eine umfassendere Bewertung ihrer Eignung. Die Machbarkeitsprüfung sollte nicht dazu verwendet werden, Expositions-Outcome-Effekte zu vergleichen und die Datenquelle mit dem attraktivsten Ergebnis auszuwählen. Zu den relevanten Aspekten gehören die verfügbaren Teilnehmenden, die Ermittlung der Exposition, die Erfassung der Outcomes, Kovariaten, die Beobachtungszeit sowie die Datenherkunft. Wenn die Daten die Fragestellung nicht stützen können, sollte das Team eine andere Datenquelle, ein angepasstes Design oder eine zusätzliche Datenerhebung in Betracht ziehen, anstatt eine Auswertung aus einem unzureichenden Datensatz zu erzwingen. [7]

Unsere operative Auslegung besteht darin, die Dokumentation der Machbarkeitsprüfung getrennt von der abschließenden Effektanalyse zu führen – mit einer transparenten Aufzeichnung der in Betracht gezogenen Datenquellen und der Auswahlgründe. Die Leitlinie schreibt weder eine bestimmte kryptografische Barriere noch ein bestimmtes Datenbankprodukt vor. Die Kontrolle sollte dem Risiko angemessen sein und Abweichungen vom geplanten Prozess sichtbar machen. [7]

4.2 Messung und Verzerrung

M14 unterscheidet zwischen dem klinischen Konstrukt und der operationalen Definition, die zu dessen Identifizierung in einem Datensatz verwendet wird. Diese Unterscheidung ist für die Interpretation einer Real-World-Sicherheitsschätzung von zentraler Bedeutung. [7]

Ein Diagnosecode, eine Arzneimittelabgabe oder ein Laborergebnis ist eine Beobachtung, die zu einem bestimmten Zweck erstellt wurde. Ihre Bedeutung hängt von der Quelle und dem Kontext ab. Eine operationale Definition sollte die Codelisten, zeitlichen Kriterien, Kombinationen und Ausschlüsse erläutern, die zur Abbildung des klinischen Konstrukts verwendet werden – gegebenenfalls ergänzt durch Validierungsnachweise. M14 stellt keine allgemeingültige Anforderung an zwei Diagnosecodes oder eine feste Anzahl von Tagen dazwischen auf. Ein komplizierterer Algorithmus kann dennoch falsch sein, und ein einfacher Algorithmus kann angemessen sein, wenn er hinreichend belegt ist. [7]

Das Studiendesign sollte relevante Verzerrungen berücksichtigen, darunter Confounding, Fehlklassifikation und Selektion. Die Abstimmung von Eignungskriterien, Exposition und Nachbeobachtung kann helfen, zeitbezogene Verzerrungen zu vermeiden. Die Entscheidung zwischen New-User- und Prevalent-User-Designs sollte sich an der Fragestellung und den wahrscheinlichen Verzerrungen orientieren und nicht an einer universellen Vorlage. Methoden wie Adjustierung, Validierung und Sensitivitätsanalysen beruhen auf Annahmen, die dokumentiert werden sollten. Eine lange Liste fortgeschrittener Verfahren belegt noch nicht, dass diese Annahmen erfüllt sind. [7]

Validierungskennzahlen sollten zum Messproblem und zum Referenzstandard passen. Sensitivität, Spezifität oder prädiktive Werte können aufschlussreich sein, ihre Interpretation hängt jedoch von der Population und dem Studiendesign ab. Eine quantitative Verzerrungsanalyse kann die wahrscheinliche Richtung und Größenordnung von Fehlern unter festgelegten Annahmen untersuchen – sowohl bei der Studienplanung als auch bei der Interpretation der Ergebnisse. Sie bietet keine Garantie dafür, dass ein adjustierter Schätzwert unverzerrt ist. Geben Sie die Parameter und ihre Quellen an, was variiert wurde und welche Unsicherheit bestehen bleibt. [7]

4.3 Verantwortlichkeiten von Dateninhabern und Forschenden

M14 weist Dateninhabern und Forschenden verwandte, aber unterschiedliche Qualitätsverantwortlichkeiten zu. Ihre Dokumentation sollte die Historie der Datenquelle mit der abschließenden Analyse verbinden. [7]

Angaben der Dateninhaber können Erhebungspraktiken, Kuratierung, Korrekturen, zeitliche Veränderungen und bekannte Limitationen erläutern. Forschende sollten ihre Extraktion, Selektion, Transformationen, Ableitungen und Qualitätsprüfungen dokumentieren. Ein gemeinsames Datenmodell kann die Umsetzung von Analysen über verschiedene Datenquellen hinweg erleichtern, macht die ursprünglichen Quellen jedoch nicht austauschbar. Die Aufbewahrung von Zuordnungen und Ausnahmen hilft Prüfenden zu verstehen, wo die Standardisierung die Interpretation verändert oder Details verloren gehen. [7]

Das praktische Arbeitsergebnis ist ein rückverfolgbarer Analysedatensatz sowie eine reproduzierbare Darstellung seiner Erstellung. Dazu gehören die tatsächlich eingesetzten Software- und Spezifikationsversionen mit Dokumentation von Abweichungen. E6(R3) bietet relevante Data-Governance-Prinzipien innerhalb seines eigenen Anwendungsbereichs für klinische Prüfungen; es sollte nicht so zitiert werden, als unterläge jede nichtinterventionelle Studie automatisch identischen Anforderungen. M14 selbst liefert den direkteren Rahmen für die hier erörterten RWD-Sicherheitsstudien. [7] [9]


5. Sicherheit in der Schwangerschaft: Ergänzende Evidenz mit ausdrücklichen Einschränkungen

Die am 11. Mai 2026 im Federal Register (91 FR 25579, FR Doc. 2026-09268, Docket No. FDA-2018-D-4693) veröffentlichte 33-seitige finale Leitlinie der FDA Postapproval Pregnancy Safety Studies (datiert auf Mai 2026, erstellt vom Office of New Drugs, dem Office of Surveillance and Epidemiology und dem Office of Translational Sciences des CDER in Zusammenarbeit mit dem CBER und dem Office of Women's Health) enthält Empfehlungen zur Bewertung von Expositionen gegenüber Arzneimitteln und Biologika bei schwangeren Frauen [8].

5.1 Regulatorischer Kontext und zeitliche Einordnung der Exposition

Im Hintergrundteil der Schwangerschaftsleitlinie werden jährlich etwa 3.6 Millionen Geburten in den USA sowie die Schätzung angeführt, dass im Jahr 2019 41.6 % der Schwangerschaften ungeplant waren. Letzteres beschreibt die Schwangerschaftsabsicht, keine Arzneimittelexpositionsrate. In der Leitlinie wird erläutert, dass der historische Ausschluss aus vielen Studien vor der Zulassung bei der Zulassung zu erheblicher Unsicherheit führen kann, wobei zugleich der Wert geeigneter Evidenz vor der Zulassung anerkannt wird. Die operative Konsequenz besteht darin, zu planen, wie Expositions- und Ergebnisinformationen erhoben und interpretiert werden, statt davon auszugehen, dass Spontanberichte allein ein vergleichendes Risiko belegen können. [8]

Gemäß Section 505(o)(3) des FD&C Act (21 U.S.C. 355(o)(3), Zeilen 243–286) ist die FDA befugt, zum Zeitpunkt der Zulassung (oder nach der Zulassung bei Bekanntwerden neuer Sicherheitsinformationen gemäß Section 505(o)(3)(C)) Studien nach dem Inverkehrbringen oder klinische Prüfungen anzuordnen, um ein bekanntes schwerwiegendes Risiko zu bewerten, ein Signal für ein schwerwiegendes Risiko zu evaluieren oder ein unerwartetes schwerwiegendes Risiko für die schwangere Frau oder den sich entwickelnden Fetus zu identifizieren [8], [12]. Die maßgeblichen Expositions- und Beobachtungsfenster sollten sich nach der Forschungsfrage und den Produkteigenschaften richten. [8]

Der relevante Expositionszeitraum hängt vom Arzneimittel und vom jeweiligen Ergebnis ab. Informationen vor der Schwangerschaft, während der Schwangerschaft und nach der Entbindung können relevant sein, eine pauschale Berechnung wie etwa fünf Halbwertszeiten stellt jedoch keine allgemeingültige Einschluss- oder Analyseregel dar. Ein Studienprotokoll sollte Expositionsdefinitionen und Ergebniszeitfenster anhand des Produkts und der wissenschaftlichen Fragestellung begründen. Es sollte zudem zwischen mütterlichen Ergebnissen, Schwangerschaftsergebnissen und Ergebnissen beim Säugling unterscheiden, da deren Beobachtungszeiträume und Datenquellen unterschiedlich sein können. Die Datenbank sollte ausreichende zeitliche Informationen für die geplante Analyse bewahren, ohne vorzugeben, dass ungenaue Datumsangaben exakt seien. [8]

Die FDA erörtert komplementäre Beiträge aus der Pharmakovigilanz, aus Schwangerschaftsregistern und aus weiteren Studien einschließlich elektronischer Gesundheitsdaten. Diese Ansätze müssen weder in einen einzigen Datensatz zusammengeführt noch als neu vorgeschriebene dreiteilige Architektur dargestellt werden. Ein Fallbericht kann ein Bedenken aufzeigen, ein Register kann detaillierte prospektive Informationen erheben, und eine Studie auf Basis elektronischer Daten kann eine größere Vergleichspopulation bereitstellen. Jede Quelle weist Einschränkungen auf, die die anderen möglicherweise nur teilweise ausgleichen können. [8]

5.2 Registerdesign, Kenntnis des Ergebnisses und Vergleichsgruppen

Die Leitlinie empfiehlt für Schwangerschaftsregister vorab festgelegte Definitionen, Erfassungsmethoden und Analysepläne. Diese Entscheidungen sollten sich am Produkt und am Forschungsziel orientieren. [8]

Zeitpunkt des Einschlusses: Idealerweise erfolgt der Einschluss, bevor pränatale Tests Kenntnis über den Ausgang liefern. Die FDA erkennt zudem an, dass ein konsequenter Einschluss vor der Testung schwierig sein kann, und empfiehlt die Einbeziehung von Frauen, bei denen frühe pränatale Tests durchgeführt wurden. Die Dokumentation des Wissensstands zum Zeitpunkt des Einschlusses hilft bei der Beurteilung von Selektions- und Erfassungsbias. Das System sollte nicht automatisch jede Teilnehmerin mit einem vorherigen Test ausschließen oder jeden späteren Einschluss ohne Berücksichtigung der Studiendefinition identisch kennzeichnen. [8]

Ergebnisdefinitionen: Der Leitfaden unterscheidet zwischen Lebendgeburt, Fehlgeburt vor 20 Wochen, Schwangerschaftsabbruch sowie fetalem Tod oder Totgeburt ab 20 Wochen und empfiehlt vorab festgelegte Kriterien für Studienergebnisse und schwere angeborene Fehlbildungen. Eine konsistente Erfassung und angemessene klinische Expertise sind von Bedeutung. Der Definitions- und Adjudikationsprozess sollte explizit festgelegt sein, einschließlich des Umgangs mit Expositionsinformationen zur Verringerung von Bias. Dies ist eine Frage der Evidenzqualität, keine Rechtfertigung für eine softwaregenerierte klinische Diagnose. [8]

Vergleichsgruppen und Nachbeobachtung: Eine Hintergrundrate aus der Allgemeinbevölkerung kann sich von der exponierten Gruppe hinsichtlich Erkrankung, Behandlung und anderer prognostischer Faktoren unterscheiden. Eine geeignete Vergleichsgruppe und die Berücksichtigung von Confounding sind daher für die Interpretation eines Zusammenhangs wichtig. Die Nachbeobachtung sollte die geplanten Ergebnisse, Ausfälle in der Nachbeobachtung und Gründe für fehlende Angaben erfassen. Eine beruhigende Rate unter den in der Nachbeobachtung verbliebenen Teilnehmerinnen ist möglicherweise nicht repräsentativ für jene, die verloren gegangen sind. Limitationen der Fallzahl sollten angegeben werden, insbesondere bei der Untersuchung seltener spezifischer Ergebnisse anstelle eines breit gefassten zusammengesetzten Ergebnisses. [8]

5.3 Ergänzende elektronische Gesundheitsdaten

Ergänzende Studien auf Basis elektronischer Gesundheitsdaten können die Evidenzbasis erweitern, jedoch beseitigt ihr größerer Umfang nicht die Limitationen bei Expositionsmessung, Gestationszeitpunkt, Ergebniserfassung oder Datenverknüpfung. [8]

Ein Abgabebeleg der Mutter beweist nicht, dass das Arzneimittel eingenommen wurde. Der Beginn der Schwangerschaft kann geschätzt statt direkt beobachtet worden sein. Die Mutter-Kind-Verknüpfung kann aus Gründen fehlschlagen, die mit Abdeckung, Geografie oder Ergebnissen zusammenhängen. Die Beschränkung einer Analyse auf Lebendgeburten kann relevante Ausgänge ohne Lebendgeburt auslassen und einen Selektionsbias einführen. Diese Limitationen sollten im Prüfplan und in der Analyse bewertet werden, anstatt sie als routinemäßiges Rauschen bei der Datenbereinigung abzutun. [8]

Sensitivitätsanalysen mit unterschiedlichen Expositionsdefinitionen können sinnvoll sein, doch das Erfordernis von zwei Abgaben ist keine universelle Korrektur für mangelnde Adhärenz und beseitigt keine Fehlklassifikation. Verknüpfungsraten, Gründe für eine fehlende Verknüpfung sowie Unterschiede zwischen verknüpften und nicht verknüpften Datensätzen sollten nach Möglichkeit untersucht werden. Wenn sich ein Register und eine Studie auf Basis elektronischer Daten überschneiden, sollte das Programm diese Überschneidung berücksichtigen, bevor die Ergebnisse als unabhängige Bestätigung dargestellt werden. Eine größere kombinierte Anzahl bedeutet nicht zwangsläufig ein höheres Maß an unabhängiger Evidenz. [7] [8]


6. Eine vorgeschlagene Evidenzarchitektur für Sponsoren und CROs

Das folgende Modell überträgt die Unterscheidungen der Quellen in prüfbare operative Datensätze. Es handelt sich um unseren vorgeschlagenen Designansatz, nicht um ein von der FDA vorgeschriebenes Schema oder eine Aussage über ein im Einsatz befindliches Produkt. Tatsächliche Datensatzzuordnungen, Meldecodes und Systemkontrollen erfordern eine Überprüfung anhand der geltenden Standards, regionalen Vorschriften und Studienspezifikationen.

Informationsstrom Zu bewahren Nicht vermischen
Präferenzstudie Vorgelegtes Instrument, Antworten, Qualitätskennzeichen und Analyseentscheidungen Präferenzen mit beobachteten klinischen Ergebnissen
Erfassung von Sicherheitsmeldungen Quellenkontext, Originalmeldung, Chronologie und Bewertung Erhebung mit behördlicher Meldepflicht
RWD-Studie Kohortenbildung, Transformationen, Annahmen und Limitationen Standardisiertes Format mit gleichwertiger Bedeutung
Schwangerschaftsevidenz Expositionszeitpunkt, Kenntnis des Ausgangs, Nachbeobachtung und Verknüpfung Fehlendes Ergebnis mit normalem Ergebnis

6.1 Präferenzinstrument und Provenienz der Analyse

Die Dokumentation der Präferenzstudie sollte das, was ein Teilnehmer gesehen hat, mit den analysierten Daten verknüpfen. Eine Antwort ohne die zugehörigen Attributausprägungen, die Sprache, die Instrumentenversion und die Definition der Auswahlmenge lässt sich später nur schwer interpretieren. Die Überführung in ein Austausch- oder Einreichungsformat sollte getrennt vom wissenschaftlichen Design der Befragung validiert werden. Der hilfreiche Verweis von E22 auf ODM begründet kein universelles ODM- oder SDTM-Schema für alle Präferenzaufgaben. [1] [13]

Unser empfohlener Abnahmetest verfolgt eine synthetische Antwort von der Darstellung über die Speicherung, die Qualitätsprüfung und die Auswahl des Auswertungskollektivs bis hin zum berichteten Schätzwert. Überprüfen Sie, dass eine geänderte Übersetzung oder Darstellung nicht stillschweigend die alte Versionskennung übernimmt. Halten Sie Qualitätskennzeichnungen getrennt von Entscheidungen über den Ausschluss von Beobachtungen und stellen Sie sicher, dass Ergebnisse einschließlich ausgeschlossener Beobachtungen bei Bedarf reproduziert werden können. Analysten sollten erklären können, welches Instrument und welche Population jeder Schlussfolgerung zugrunde liegen. [1]

Eine zweckmäßige Übergabe umfasst sowohl eine für Menschen lesbare Spezifikation als auch maschinenlesbare Daten. Die Spezifikation sollte die Bedeutung der Attribute, zulässige Ausprägungen, die Auswahllogik, den Umgang mit fehlenden Antworten sowie abgeleitete Größen erläutern. Ein technisch valider Export reicht nicht aus, wenn er die Bedeutung einer Auswahl verändert oder eine relevante Versionsunterscheidung verwirft. Hier benötigen Sponsor-, Patientenforschungs- und Datenmanagement-Teams eine gemeinsame Verantwortung für die Evidenz statt einer späten Übergabe einer unerläuterten Tabelle. [1] [3]

6.2 Erfassung von Sicherheitsinformationen und Meldeentscheidungen

Das Modell zur Erfassung von Sicherheitsinformationen sollte den Quellenkontext und die Chronologie bewahren, bevor Melderegeln angewendet werden. Seine Implementierung sollte anhand der aktuellen E2B-Spezifikationen und der regionalen Anforderungen validiert werden. Der nachfolgende konzeptionelle Arbeitsablauf verzichtet bewusst darauf, Datenelement-Codes zu erfinden oder vorauszusetzen, dass alle Empfänger dieselbe Implementierung verwenden. [5] [10] [12]

Erstens ist zu dokumentieren, auf welchem Weg die Information eingegangen ist: durch spontanen Kontakt, über eine vom Zulassungsinhaber verantwortete Plattform, eine geplante Überprüfung einer Drittplattform, ein Unterstützungsprogramm, eine Studie oder eine andere Quelle. Zweitens sind die ursprüngliche Schilderung und die bei Eingang vorliegenden Informationen zu bewahren. Drittens sind die Mindestkriterien, gegebenenfalls die Kausalität, die Schwerwiegendheit, die Erwartbarkeit und weitere zutreffende Meldeaspekte zu bewerten. Schließlich sind die Meldeentscheidung, die Einreichung sowie nachfolgende Informationen zu dokumentieren. Diese Schritte können sich im operativen Ablauf überschneiden, ihre Nachweise sollten jedoch rekonstruierbar bleiben. [5]

Testfälle sollten eine unvollständige Meldung aus sozialen Medien, ein kombiniertes Patientenunterstützungsprogramm (PSP), eine neue Folgeinformation, die die Schwerwiegendheit verändert, sowie eine interne Änderung ohne neue externe Informationen umfassen. Sie sollten außerdem einen Befund aus einer Sekundärdatenstudie sowie eine Beobachtung ohne unerwünschtes Ereignis einschließen. Solche Fälle zeigen auf, ob eine zu weit gefasste Weiterleitungsregel fälschlicherweise eine Meldung erzeugt, unterdrückt oder verzögert. Das Ziel besteht darin, eine zeitnahe qualifizierte Bewertung zu unterstützen, und nicht darin, eine Kanalkennzeichnung oder eine einzelne automatisierte Kausalitätsmarkierung jede Entscheidung treffen zu lassen. [5] [6]

6.3 Reproduzierbare Sicherheitsanalyse mit Real-World-Daten

Bei einer Sicherheitsstudie mit Real-World-Daten sollte die Implementierung die Fragestellung, die Quellenauswahl und die analytische Herleitung überprüfbar machen. [7]

Bewahren Sie die Machbarkeitskriterien sowie die Gründe auf, aus denen potenzielle Datenquellen angenommen oder abgelehnt wurden. Dokumentieren Sie die Kohortendefinition, Codelisten, Zeitfenster, Ausschlüsse und Transformationen, aus denen die analysierte Population hervorgegangen ist. Unterscheiden Sie eine Korrektur der Quelldaten von einer Änderung der analytischen Definition; beide können unterschiedliche Auswirkungen auf die Reproduzierbarkeit haben.

Validierungs- und Sensitivitätsanalysen sollten identifizierte Risiken adressieren. Wenn Bedenken hinsichtlich einer Fehlklassifikation von Zielgrößen bestehen, dokumentieren Sie die Evidenz, die die operationale Definition stützt, sowie die plausiblen Folgen von Fehlern. Wenn nicht gemessenes Confounding von Bedeutung ist, erläutern Sie die Annahmen, die zur Bewertung seines möglichen Einflusses herangezogen wurden. Bewerben Sie ein automatisiertes QBA-Modul nicht damit, dass es diese Unsicherheiten beseitigt. Der Abschlussbericht sollte sowohl das Ergebnis als auch dessen praktische Grenzen festhalten und ausreichende Informationen enthalten, damit ein anderer qualifizierter Analyst die Herleitung nachvollziehen kann. [7]

6.4 Quellenübergreifende Evidenz zu Schwangerschaften

Das Schwangerschaftsdatenmodell sollte Entscheidungen zu Zeitpunkten, Erfassung und Verknüpfung erhalten, ohne einen nicht validierten klinischen Algorithmus einzubetten. [8]

Behalten Sie bei einem Register den Einschlusszeitpunkt, relevante Vorabkenntnisse zu Ergebnissen, Expositionsinformationen, geplante Zielgrößen sowie den Nachbeobachtungsstatus bei. Behalten Sie bei elektronischen Gesundheitsdaten die Algorithmen bei, die zur Identifizierung von Schwangerschaftsepisoden, zur Schätzung von Zeitpunkten, zur Feststellung von Ergebnissen und zur Verknüpfung der Datensätze von Nachkommen verwendet werden. Unterscheiden Sie in beiden Fällen beobachtete Werte von abgeleiteten oder imputierten Werten und behalten Sie die jeweils angemessene Unsicherheit bei.

Eine quellenübergreifende Analyse sollte Doppeleinschlüsse, Unterschiede bei der Auswahl der Vergleichsgruppen sowie Unterschiede darin, welche Ergebnisse erkannt werden können, berücksichtigen. Sie sollte Evidenz nicht allein deshalb als unabhängig einstufen, weil Datensätze in verschiedenen Systemen vorliegen. Prüfungen sollten unvollständige Datumsangaben, fehlgeschlagene Verknüpfungen, Ausgänge ohne Lebendgeburt, geänderte Expositionsinformationen sowie Ausfälle in der Nachbeobachtung umfassen. Ziel ist es aufzuzeigen, wie sich diese Fälle auf die Analyse auswirken, und nicht, sie in einen leicht zu handhabenden, vollständigen Datensatz zu zwängen. [7] [8]


7. Fragen zur Einsatzbereitschaft

Eine abgegrenzte Prüfung der Einsatzbereitschaft sollte die Evidenzfrage mit den operativen Aufzeichnungen und der abschließenden Interpretation verknüpfen:

  1. Anwendungsbereich und Status: Bestimmen Sie die anwendbare Leitlinie, unterscheiden Sie Entwurfsempfehlungen von endgültigen Leitlinien und verbindlichen Anforderungen, und dokumentieren Sie regionale Meldevorschriften. [1] [5] [12]
  2. Bedeutung und Herkunft: Bewahren Sie Instrumentenversionen, den Quellenkontext, Kohortendefinitionen und zeitliche Angaben. Überprüfen Sie, ob Transformationen die für die beabsichtigte Entscheidung benötigten Unterscheidungen erhalten. [1] [5] [7] [8]
  3. Perspektive und Schutz der Teilnehmenden: Prüfen Sie, ob die abgebildete Population und die Erhebungsmethode die Schlussfolgerung stützen. Halten Sie Einwilligungs- und Datenschutzbeschränkungen über Übermittlungen und die Nachbeobachtung hinweg sichtbar. [1] [3] [8]
  4. Analyse und Unsicherheit: Reproduzieren Sie Ausschlüsse, Ableitungen, Sensitivitätsanalysen und deren Annahmen. Erläutern Sie, was die Daten nicht belegen können, anstatt jede Unsicherheit in eine Softwareregel zu überführen. [1] [7]
  5. Verantwortlichkeit: Weisen Sie Zuständigkeiten für Prüfung, Meldung, Nachbeobachtung und Änderungssteuerung zu. Testen Sie schwierige Fälle, bevor Sie sich im Routinebetrieb auf den Arbeitsablauf stützen. [5] [6]

Für die Zielgruppe von EClinCloud liegt der Wert der Integration darin, die richtigen Unterscheidungen über den gesamten Produktlebenszyklus hinweg zu bewahren. Präferenzforschung erklärt die Akzeptanz, Arbeitsabläufe für Einzelfälle unterstützen die Pharmakovigilanz, und gut konzipierte Beobachtungsstudien bewerten Sicherheitsfragen unter realen Anwendungsbedingungen. Die Verknüpfung dieser Aktivitäten kann die Bewertung von Evidenz erleichtern; das Vermischen ihrer Kategorien oder eine überzogene Darstellung von Leitlinienanforderungen kann sie jedoch weniger zuverlässig machen.


Quellen

1. U.S. Food and Drug Administration (Center for Drug Evaluation and Research [CDER] und Center for Biologics Evaluation and Research [CBER]) und International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use (ICH). E22 General Considerations for Patient Preference Studies: Draft Guidance for Industry. ICH-Step-2-Entwurfsleitlinie, gebilligt am 19. November 2025; herausgegeben als FDA-Entwurfsleitlinie im Februar 2026, Docket No. FDA-2026-D-0207, 91 FR 5484 (Federal-Register-Dokument 2026-02324, veröffentlicht am 6. Februar 2026), 21 Seiten. Offizielles FDA-PDF: https://www.fda.gov/media/190946/download; ICH-Step-2-PDF: https://database.ich.org/sites/default/files/ICH_E22_Step2_draftGuideline_Assembly_Endorsed_FINAL_2025_1119.pdf; Bekanntmachung im Federal Register: https://www.federalregister.gov/documents/2026/02/06/2026-02324/e22-general-considerations-for-patient-preference-studies-international-council-for-harmonisation.

2. International Council for Harmonisation (ICH) E22 Expert Working Group (EWG). Webinar for Stakeholder Engagement on the New Draft Guideline on General Considerations for Patient Preference Studies (ICH E22): Meeting Report (6 February 2026) (4 Seiten) und ICH E22 EWG Work Plan (13 February 2026; Rapporteur Dr. Francesco Pignatti [EC, Europe], Regulatory Chair Dr. Laura Lee Johnson [FDA, United States]) (2 Seiten), ergänzt durch ICH E22 Step 2 Presentation (11 December 2025) (27 Folien). Offizielle ICH-PDFs: https://database.ich.org/sites/default/files/ICH%20E22%20EWG%20Stakeholder%20Webinar%20Meeting%20Report_2026_0707.pdf und https://database.ich.org/sites/default/files/ICH52_E22_EWG_WorkPlan_2026_0318.pdf.

3. U.S. Food and Drug Administration (Center for Devices and Radiological Health [CDRH] und CBER). Incorporating Voluntary Patient Preference Information over the Total Product Life Cycle: Guidance for Industry, Food and Drug Administration Staff, and Other Interested Parties (Endgültige Leitlinie, Dokumentnummer GUI01500006, herausgegeben am 30. März 2026, ersetzt die Leitlinie vom 24. August 2016; Entwurf herausgegeben am 6. September 2024 unter 89 FR 72856). Docket No. FDA-2015-D-1580, 91 FR 15622 (Federal-Register-Dokument 2026-06063, veröffentlicht am 30. März 2026), 38 Seiten. Offizielles PDF: https://www.fda.gov/media/92593/download; Bekanntmachung im Federal Register: https://www.federalregister.gov/documents/2026/03/30/2026-06063/incorporating-voluntary-patient-preference-information-over-the-total-product-life-cycle-guidance.

4. U.S. Food and Drug Administration (CDER, CBER und CDRH). Patient-Focused Drug Development: Incorporating Clinical Outcome Assessments Into Endpoints for Regulatory Decision-Making: Guidance for Industry, Food and Drug Administration Staff, and Other Stakeholders (PFDD Guidance 4, Entwurfsleitlinie). Docket No. FDA-2023-D-0026, April 2023, 48 Seiten. Offizielles PDF: https://www.fda.gov/media/166830/download.

5. U.S. Food and Drug Administration (CDER und CBER) und International Council for Harmonisation (ICH). E2D(R1) Postapproval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports: Guidance for Industry (Endgültige Leitlinie). Herausgegeben als FDA Final Guidance im März 2026, Docket-Nr. FDA-2024-D-0803, 91 FR 10619 (Federal Register Document 2026-04252, veröffentlicht am 4. März 2026; Entwurf veröffentlicht am 14. März 2024 unter 89 FR 18644), 28 Seiten. Offizielles FDA-PDF: https://www.fda.gov/media/176977/download; ICH-Step-4-PDF: https://database.ich.org/sites/default/files/ICH_E2D%28R1%29_Step4_FinalGuideline_2025_0819.pdf; Bekanntmachung im Federal Register: https://www.federalregister.gov/documents/2026/03/04/2026-04252/e2dr1-postapproval-safety-data-definitions-and-standards-for-management-and-reporting-of-individual.

6. International Council for Harmonisation (ICH) E2D(R1) Expert Working Group. ICH E2D(R1) Training Material: Post Approval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports (November 2025; Datei eingestellt im Dezember 2025) (63 Folien) und ICH E2D(R1) Step 4 Presentation (4. September 2025) (28 Folien). Offizielle ICH-PDFs: https://database.ich.org/sites/default/files/ICH_E2D%28R1%29_TrainingMaterial_2025_1211.pdf und https://database.ich.org/sites/default/files/ICH%20E2D%28R1%29_Step%204_Presentation_2025_0904.pdf.

7. U.S. Food and Drug Administration (CDER und CBER) und International Council for Harmonisation (ICH). M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non-Interventional Studies That Utilize Real-World Data for Safety Assessment of Medicines: Guidance for Industry (Endgültige Leitlinie). Herausgegeben als FDA Final Guidance im März 2026, Docket-Nr. FDA-2024-D-2754, 91 FR 10615 (Federal Register Document 2026-04253, veröffentlicht am 4. März 2026; Entwurf veröffentlicht am 5. Juli 2024 unter 89 FR 55613), 47 Seiten. Offizielles FDA-PDF: https://www.fda.gov/media/179795/download; Bekanntmachung im Federal Register: https://www.federalregister.gov/documents/2026/03/04/2026-04253/m14-general-principles-on-planning-designing-analyzing-and-reporting-of-non-interventional-studies.

8. U.S. Food and Drug Administration (CDER Office of New Drugs, Office of Surveillance and Epidemiology und Office of Translational Sciences; CBER; und Office of Women's Health). Postapproval Pregnancy Safety Studies: Guidance for Industry (Endgültige Leitlinie). Docket-Nr. FDA-2018-D-4693, 91 FR 25579 (Federal Register Document 2026-09268, veröffentlicht am 11. Mai 2026; Leitlinie datiert auf Mai 2026), 33 Seiten. Offizielles PDF: https://www.fda.gov/media/124746/download; Bekanntmachung im Federal Register: https://www.federalregister.gov/documents/2026/05/11/2026-09268/postapproval-pregnancy-safety-studies-guidance-for-industry-availability.

9. International Council for Harmonisation (ICH) und U.S. Food and Drug Administration (CDER und CBER). ICH E6(R3) Guideline for Good Clinical Practice (Principles and Annex 1) (Abschlussdokument der Stufe 4, 6. Januar 2025). Offizielles ICH-PDF: https://database.ich.org/sites/default/files/ICH_E6%28R3%29_Step4_FinalGuideline_2025_0106.pdf.

10. International Council for Harmonisation (ICH) und U.S. Food and Drug Administration (CDER und CBER). ICH E19 A Selective Approach to Safety Data Collection in Specific Late-Stage Pre-Approval or Post-Approval Clinical Trials: Guidance for Industry (Dezember 2022) und ICH E2B(R3) Electronic Transmission of Individual Case Safety Reports (ICSRs) Implementation Guide — Data Elements and Message Specification (Oktober 2026, Revision 2). Offizielle FDA-PDFs: https://www.fda.gov/media/163670/download und https://www.fda.gov/media/81904/download.

11. International Council for Harmonisation (ICH). ICH M4E(R2) Common Technical Document (CTD) — Efficacy: Revision of M4E Guideline on Enhancing the Format and Structure of Benefit-Risk Information in ICH (Abschnitte 2.5.1, 2.5.6, 2.5.6.5 und 5.3.5.4, Juni 2016). Offizielles ICH-PDF: https://database.ich.org/sites/default/files/M4E_R2__Guideline.pdf.

12. US-amerikanische Vorgaben aus Bundesgesetzen und dem Code of Federal Regulations zu Patientenerfahrungsdaten, Sicherheitsmeldungen nach der Zulassung und Sicherheitsinformationen zur Schwangerschaft: Federal Food, Drug, and Cosmetic Act Section 569C (21 U.S.C. 360bbb-8c, Patientenerfahrungsdaten), Section 505(o)(3) (21 U.S.C. 355(o)(3), Studien und klinische Prüfungen nach der Zulassung), 21 CFR 314.80 (Meldung unerwünschter Arzneimittelwirkungen nach der Zulassung), 21 CFR 600.80 (Meldung unerwünschter Ereignisse nach der Zulassung für zugelassene biologische Arzneimittel), 21 CFR 201.57(c)(9)(i)(A) (Kontaktangaben zu Schwangerschaftsregistern in der Produktinformation verschreibungspflichtiger Arzneimittel), 21 CFR 860.7(c)(1) (Valide wissenschaftliche Nachweise für Medizinprodukte) und 21 CFR Part 50 Subpart D (21 CFR 50.50–50.56, Zusätzliche Schutzmaßnahmen für Kinder in klinischen Prüfungen). Offizielles Portal: https://www.ecfr.gov/current/title-21.

13. National Institutes of Health (NIH) Office of Extramural Research, NIH RePORTER Extramural eClinical Research Project Corpus (nih_reporter_eclinical, Stand 23. August 2026; 4,876 deduplizierte Projektanträge über 31 eClinical-Abfragen), sowie Clinical Data Interchange Standards Consortium (CDISC), Foundational and Therapeutic Area Standards Repository (cdisc_standards, Stand 31. Juli 2026; 32 Standardseiten, darunter ODM v2.0, QRS, CDASH, SDTM, ADaM und 54 Spezifikationsartefakte). Primärportale: https://reporter.nih.gov/ und https://www.cdisc.org/standards.