RWD modul alprojekt
A klinikai vizsgálati körülmények között randomizáltan gyűjtött (randomized controlled trial – RCT) adatok mellett egyre nagyobb jelentőséget kap a valós-életbeli adatok (real-world data – RWD) feldolgozása, elemzése és evidenciaként történő felhasználása (real-world evidence – RWE) a különböző terápiák forgalomba hozatali és finanszírozási támogatási döntéseiben.
Az alprojekt célja a PTE egészségügyi szolgáltatási környezetében rutinszerűen keletkező adatok összegyűjtése és kutatási célokra alkalmassá tétele, amelyek többek között lehetővé teszik klinikai és egészség-gazdaságtani elemzések elvégzését. A projektben két esettanulmányt kívánunk lefolytatni: 1) a prosztatadaganat kezelési alternatíváinak költséghatékonysági elemzését egészség-gazdaságtani modell fejlesztésével; 2) a gyógyszerrezisztens epilepsziás betegek rohamelőrejelzésének költséghatékonysági elemzését.
Feltérképezésre kerülnek a betegszintű esetláncok és egyedi betegutak az intézményeinkben történt regisztrált megjelenések (esetek) időrend szerinti összekapcsolásával. Az RWD modul az Adattóban elérhető, elsősorban retrospektív adatokat dolgozza fel oly módon, hogy félig automatizált algoritmusok révén, egymásra épülő lépések (Egészségi állapotok meghatározása – Betegek kiválasztása – Adattranszformáció – Modellfejlesztés – Adatfeltöltés) eredményeként egészség-gazdaságtani (pl. Markov) modell fejlesztését teszi lehetővé. A betegek ilyen hosszú idősoros nyomon követése lehetőséget teremt a valós ellátási gyakorlat feltérképezésére, a használatban lévő alternatív gyógyszeres terápiák, kezelési formák (pl. sugárterápia, műtét, hormonterápia, kemoterápia stb.) és útvonalak eredményességének és az eljárások költséghatékonysági viszonyainak feltárására, és ezen elemzések elkészítéséhez elengedhetetlen modellezési folyamatok kialakítására. A projekt keretében a PTE-n kezelt prosztatadaganatos betegek egyéni genetikai háttere is feltérképezésre kerül újgenerációs szekvenálási eljárások alkalmazásával. Az így kinyert genetikai és génexpressziós mintázatok inputként fognak szolgálni a terápia személyre szabott költség-hatékonysági elemzéshez.
PTE Egészségügyi Technológiaértékelő Központ
PTE SZKK Big Data Kutatócsoport
PTE SZKK Bioinformatikai Kutatócsoport
PTE GYTK Farmakoökonómia Tanszék
InnoHealth Datalake
Modulok
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.