Er was een pandemie voor nodig, maar de VS heeft eindelijk (sommige) gecentraliseerde medische gegevens

Voertuigen staan ​​opgesteld op een covid-19-testlocatie in het Dodger Stadium in Los Angeles Mario Tama/Getty Images

• 6,3 miljoen geanonimiseerde records bevinden zich momenteel in de N3C-database van NIH
• Het is een van de grootste verzamelingen covid-patiëntendossiers ter wereld geworden
• De regeling vermijdt datasilo's en privacykwesties die het Amerikaanse gezondheidszorgsysteem doorkruisen

Gedurende de pandemie is er een ernstige spanning geweest tussen wat het publiek wil weten en wat wetenschappers met zekerheid hebben kunnen zeggen.

Wetenschappers zijn in staat geweest om meer over covid te leren, sneller dan over enige andere ziekte in de geschiedenis, maar tegelijkertijd is het publiek geschokt toen artsen geen schijnbaar basale vragen konden beantwoorden: wat zijn de symptomen van covid-19? Hoe verspreidt het? Wie is het meest vatbaar? Wat is de beste manier om het te behandelen?

Nergens is dit conflict duidelijker geweest dan in de VS, die bijna een vijfde van zijn bruto binnenlands product aan gezondheidszorg uitgeeft, maar slechtere resultaten behaalt dan enig ander welvarend land. Het vinden van de antwoorden was ingewikkeld, niet alleen omdat de wetenschap moeilijk is, maar ook omdat de Amerikaanse gezondheidszorg is gebouwd op een lappendeken van onverenigbare, archaïsche systemen.

Verwant verhaal

De VS hebben geen idee hoe ze alle testgegevens die ze verzamelen moeten beheren. In de VS bepaalt elke staat hoe ze bevindingen van covid-19-tests rapporteert. Het resultaat is een chaotisch systeem dat onze reactie op de pandemie schaadt.

Over het hele land overlappen federale, staats- en lokale privacywetten elkaar en spreken ze elkaar soms tegen. Medische dossiers zijn ondertussen rommelig, gefragmenteerd en intens afgeschermd door de instellingen die ze bezitten - zowel om privacyredenen als omdat het verkopen van geanonimiseerde medische gegevens ongelooflijk winstgevend is.

Maar toegang tot gegevens die vastzitten in deze silo's is de enige manier om vragen over covid te beantwoorden. Dat is de reden waarom er zoveel essentieel onderzoek is gedaan in het buitenland, in landen met nationale gezondheidszorgstelsels, ook al heeft de VS een enorm aantal zowel covid-patiënten als onderzoeksinstellingen. Enkele van de sterkste gegevens over risicofactoren voor covid-sterfte en kenmerken van lange covid komen bijvoorbeeld uit het VK. Daar hebben volksgezondheidsonderzoekers toegang tot gegevens van de medische dossiers van 56 miljoen NHS-patiënten.

Aan het begin van de pandemie realiseerde een groep onderzoekers, gefinancierd door de Amerikaanse National Institutes of Health, of NIH, zich dat veel vragen over covid-19 onmogelijk te beantwoorden zouden zijn zonder de belemmeringen voor het delen van gegevens te slechten. Dus ontwikkelden ze een raamwerk om actuele patiëntendossiers van verschillende instellingen te combineren op een manier die zowel privé als nuttig kon zijn.

Het resultaat is de Nationaal Cohort Cohort Collaborative (N3C) , die medische dossiers verzamelt van miljoenen patiënten in het hele land, ze opschoont en vervolgens toegang verleent aan groepen die alles bestuderen, van wanneer een beademingsapparaat moet worden gebruikt tot hoe covid de menstruatiecyclus beïnvloedt.

Het is gewoon schokkend dat we geen geharmoniseerde, geaggregeerde gezondheidsgegevens hadden voor onderzoek in het licht van een pandemie, zegt Melissa Haendel, hoogleraar onderzoeksinformatica aan de Anschutz Medical Campus van de Universiteit van Colorado en een van de co-leads van N3C. We hadden nooit iedereen zover gekregen om ons deze hoeveelheid gegevens te geven buiten de context van een pandemie, maar nu we het hebben gedaan, is het een demonstratie dat klinische gegevens op een veilige en transparante manier kunnen worden geharmoniseerd en breed gedeeld. .

De database is nu een van de grootste verzamelingen van covid-dossiers ter wereld, met 6,3 miljoen patiëntendossiers van 56 instellingen en nog steeds, inclusief dossiers van 2,1 miljoen patiënten met het virus. De meeste records gaan terug tot 2018 en bijdragende organisaties hebben toegezegd ze vijf jaar lang bij te werken. Dat maakt N3C niet alleen een van de meest bruikbare bronnen voor het bestuderen van de ziekte van vandaag, maar ook een van de meest veelbelovende manieren om lange tijd covid te bestuderen.

Een systeem waarbij instellingen gegevens in bulk naar een gecentraliseerde federale overheid sturen, is een anomalie in de Amerikaanse gezondheidszorg. Als het goed wordt gebruikt, heeft het de potentie om lang na de pandemie gedetailleerde vragen te beantwoorden. En het kan zelfs dienen als proof of concept voor soortgelijke inspanningen in de toekomst.

Open source-gegevens

Om informatie aan de database bij te dragen, kiezen deelnemende zorgverleners eerst twee groepen patiënten: mensen die positief zijn getest op covid, en anderen die als controlegroep zullen dienen. Ze verwijderen vervolgens alles wat de gegevens persoonlijk identificeerbaar maakt, behalve de postcode en de datum van betekening, en verzenden deze veilig naar N3C. Daar reinigen technici de gegevens - niet altijd een gemakkelijke taak - en voeren deze in de database in.

Iedereen kan een onderzoeksvoorstel indienen via N3C's dashboard , al dan niet aangesloten bij een indienende instelling. Zelfs burgerwetenschappers kunnen toegang vragen tot een geanonimiseerde versie van de dataset.

een NIH commissie beoordeelt elk voorstel en beslist tot welke versie van de gegevens de onderzoekers toegang hebben. Er zijn verschillende niveaus van informatie: een beperkte dataset, een tweede niveau met echte records met verborgen postcodes en datums, en een derde is gemaakt van computergegenereerde synthetische records, die proberen dezelfde kenmerken te behouden als de echte records zonder enige informatie te bevatten. echte patiëntgegevens. Iedereen moet een training op het gebied van gegevensbeveiliging volgen voordat hij toegang krijgt.

Tot dusver zijn 215 onderzoeksprojecten goedgekeurd, waaronder onderzoeken om de resultaten te volgen voor patiënten die verschillende covid-vaccins hebben gekregen en om de complicaties van electieve operaties bij niet-covid-patiënten tijdens de pandemie te onderzoeken. De eerste publicatie van het samenwerkingsverband was een analyse van sterfte risicofactoren bij kankerpatiënten die SARS CoV2 hebben opgelopen, en er zijn verschillende pre-prints vrijgegeven over onderwerpen zoals covid-uitkomsten in patiënten met leverziekte en mensen met hiv .

Meer verantwoording, betere wetenschap

Schone, nauwkeurige gegevens zijn van vitaal belang voor dergelijke onderzoeken, maar het was moeilijk om aan de chaos van de pandemie te komen. Afgelopen juni hebben twee grote tijdschriften, de BMJ en de lancet, papieren ingetrokken op basis van gegevens van Surgisphere, een weinig bekend medisch gegevensbedrijf met een handvol werknemers. Het beweerde toegang te hebben tot realtime medische dossiers van bijna 100.000 covid-patiënten in 700 ziekenhuizen over de hele wereld. In sommige gevallen vertegenwoordigden de aantallen meer patiënten dan er in een bepaald land daadwerkelijk waren gediagnosticeerd.

Voordat ze werden ingetrokken, leidden de papieren tot beslissingen om klinische proeven stop te zetten en medische praktijken te wijzigen. Maar toen onderzoekers achterdochtig werden - vooral gezien het feit dat zelfs een enkele overeenkomst over de overdracht van medische gegevens enorm veel tijd en arbeid kost - weigerde het bedrijf iemand de gegevens te laten controleren. Er is zelfs geen bewijs dat de database ooit heeft bestaan .

Verwant verhaal

Covid-19-gegevens zijn een publiek goed. De Amerikaanse regering moet het als zodanig gaan behandelen. De VS hebben geen prioriteit gegeven aan een zeer effectieve en economische interventie - door snelle en gemakkelijke toegang tot coronavirusgegevens te bieden.

N3C daarentegen is controleerbaar en legt verantwoording af aan duizenden onderzoekers bij honderden deelnemende instellingen, met een sterke focus op transparantie en reproduceerbaarheid. Alles wat gebruikers doen via de interface, die gebruikmaakt van Palantirs GovCloud platform, wordt zorgvuldig bewaard, zodat iedereen met toegang op zijn stappen kan terugkeren.

Dit is geen rocket science, en het is ook niet echt nieuw. Het is gewoon hard werken. Het is vervelend, het moet zorgvuldig worden gedaan en we moeten elke stap valideren, zegt Christopher Chute, een professor in de geneeskunde aan de Johns Hopkins die ook mede-leider is van N3C. Het ergste dat we kunnen doen, is gegevens methodisch omzetten in afval dat ons verkeerde antwoorden zou geven.

Brute kracht

Haendel wijst erop dat deze inspanningen niet gemakkelijk zijn geweest. De diversiteit aan expertise die nodig was om dit mogelijk te maken - het doorzettingsvermogen, de toewijding en, eerlijk gezegd, brute kracht - is gewoon ongekend, zegt ze.

Die brute kracht is afkomstig uit veel verschillende gebieden die verder gaan dan alleen de geneeskunde.

Iedereen aan boord hebben van alle aspecten van de wetenschap hielp echt. Tijdens covid waren mensen veel meer bereid om samen te werken, zegt Mary Boland, hoogleraar informatica aan de Universiteit van Pennsylvania. Je zou ingenieurs kunnen hebben, je zou computerwetenschappers, natuurkundigen kunnen hebben - al deze mensen die normaal gesproken niet deelnemen aan onderzoek naar de volksgezondheid.

Boland maakt deel uit van een groep die de N3C-gegevens gebruikt om te kijken of covid onregelmatige bloedingen verhoogt bij vrouwen met polycysteus ovariumsyndroom. Normaal gesproken moeten de meeste onderzoekers gegevens over verzekeringsclaims gebruiken om een ​​database te krijgen die groot genoeg is voor analyses op populatieniveau, zegt ze.

Claimgegevens kunnen bijvoorbeeld enkele vragen beantwoorden over hoe goed medicijnen in de echte wereld werken. Maar die databases missen enorme hoeveelheden informatie, waaronder laboratoriumresultaten, de symptomen die mensen melden en zelfs gegevens over of patiënten overleven of sterven.

Ophalen en schoonmaken

Buiten de databases voor verzekeringsclaims gebruiken de meeste samenwerkingsverbanden voor gezondheidsgegevens in de VS een federatief model. Deelnemers aan deze onderzoeken stemmen er allemaal mee in hun eigen datasets in een gemeenschappelijk formaat te formatteren en vervolgens vragen van het collectief uit te voeren, zoals het aandeel ernstige covid-gevallen per leeftijdsgroep. Verschillende internationale covid-onderzoekscollectieven, waaronder de Observationele gezondheidsgegevenswetenschappen en informatica (OHDSI, uitgesproken als Odyssey), op deze manier te werk gaan en juridische en politieke problemen met grensoverschrijdende patiëntgegevens vermijden.

OHDSI, opgericht in 2014, heeft onderzoekers uit 30 landen en heeft records voor 600 miljoen patiënten.

Dat stelt elke instelling in staat om hun gegevens achter hun eigen firewalls te houden, met hun eigen gegevensbescherming. Er zijn geen patiëntgegevens nodig om heen en weer te gaan, zegt Boland. Dat is geruststellend voor veel plaatsen, vooral met al het hacken dat de laatste tijd gaande is.

Maar vertrouwen op elke instelling om zijn eigen gegevens voor een dergelijk systeem voor te bereiden, brengt veel risico's met zich mee.

Gegevens in een gemeenschappelijk gegevensformaat krijgen is de grootste uitdaging, want zelfs medicatienamen - je zou denken dat dat in de VS zou zijn gestandaardiseerd, maar dat is het echt niet, zegt Boland. Apotheken hebben vaak hun generieke medicijn, en het kan iets andere ingrediënten hebben vanwege patentwetten. Elk daarvan heeft zijn eigen medicijnnaam.

N3C daarentegen vraagt ​​alle deelnemers om hun ruwe, rommelige records naar één plek te sturen en het centrale lichaam het op te laten ruimen en te standaardiseren. Hoewel er veel duidelijke voordelen zijn, zijn er aanzienlijke juridische en sociale obstakels om op deze manier deel te nemen, zowel in Amerika als internationaal; veel instellingen kunnen bijvoorbeeld niet bijdragen aan N3C vanwege de privacywetten in hun land.

Het is ook technologisch uitdagend. Het combineren van zelfs twee sets elektronische medische dossiers is buitengewoon moeilijk en arbeidsintensief; de kwaliteit van data is vaak laag en er is weinig standaardisatie. In zorgorganisaties met meerdere vestigingen zijn maar liefst 1 op de 5 medische dossiers dubbele bestanden, meestal als gevolg van fouten bij het invoeren van gegevens tijdens afspraken of check-ins, volgens een Pew-paper uit 2018.

Degenen die federatieve modellen verdedigen, beweren vaak dat ze hun eigen kwaliteitscontrole doen achter hun firewall. Maar N3C-onderzoekers waren geschokt toen ze ontdekten hoe rommelig de gegevens waren.

Er was een zekere mate van scepsis van sites, zoals: 'We hebben dit soort kader voor gegevenskwaliteit niet echt nodig - we doen dat al vertrouwelijk op onze eigen sites, achter onze firewall. We hebben je stinkende harmonisatietools niet nodig', zegt Haendel. Maar we hebben geleerd dat die kwaliteitsmaatregelen onvoldoende zijn als je naar geaggregeerde gegevens kijkt.

Sommige problemen met de gegevenskwaliteit grenzen aan het absurde.

In sommige gevallen zijn organisaties er niet in geslaagd om maateenheden in te voeren. Er was dus een gewicht, maar er was geen eenheid, zoals we net moesten weten, zegt Chute. Maar met zo'n enorm aantal records hadden ze een voordeel en konden ze veel datapunten besparen die anders zouden zijn weggegooid.

We konden kijken naar de distributies van gegevens waarvoor we wel eenheden hadden, en zien waar de mysterieuze gegevens passen, zegt hij. Je kunt er gewoon naar kijken - oh, dit is duidelijk ponden of kilogrammen.

Een grote vis in een veel grotere oceaan

Hoe uitgebreid de N3C-database ook is, het valt in het niet bij de omvang van de gegevens die elders in het Amerikaanse gezondheidszorgsysteem worden verzameld en bijgehouden, van overheidsinstanties tot ziekenhuizen, testlaboratoria, verzekeraars en anderen. Het ministerie van Volksgezondheid en Human Services volgt meer dan: 2.000 gezondheidsgerelateerde datasets alleen van federale, staats- en lokale instanties.

Verwant verhaal

Lessen van de superster datawetenschapper van de pandemie, Youyang Gu

Hij maakte in een week tijd een machine learning-model en liet het dagelijks draaien op zijn laptop (het duurde maar een uur), wat opmerkelijk nauwkeurige covid-19-voorspellingen opleverde.

Het nut van elk wordt beperkt door: silo's maken : het is in wezen onmogelijk voor onderzoekers die alleen werken om Medicare-claims, records uit vaccinregisters, raciale en etniciteitsgegevens van staten voor vaccinaties, of databases over covid-19-varianten die zijn gesequenced van patiëntmonsters in het hele land, met elkaar te verbinden. Het omzetten van onbewerkte records in bruikbare informatie is inderdaad zo'n uitdaging dat het een bloeiende particuliere sector is geworden: gegevensmakelaars kopen geanonimiseerde records in bulk, analyseren correlaties tussen variabelen en verkopen hun analyses - of de gegevens zelf - aan onderzoekers en overheden.

We zijn bereid al onze gegevens aan een commerciële entiteit te geven en deze aan ons terug te laten verkopen, maar we zijn niet bereid te betalen voor de meest elementaire volksgezondheidsinfrastructuur, zegt Haendel. Deze vrijwilligersinspanning in het licht van een pandemie is verbazingwekkend, maar het is geen duurzame langetermijnoplossing voor het omgaan met toekomstige pandemieën, of alleen voor de gezondheidszorg in het algemeen.

De N3C-aanpak leidt sommige van die problemen af, maar er zijn aanzienlijke gaten in de gegevens, met name informatie over vaccinaties. De meeste vaccins worden toegediend op gemeenschapslocaties, terwijl de gegevens van het samenwerkingsverband afkomstig zijn van eerstelijnsbezoeken en ziekenhuisopnames, wat betekent dat er slechts 245.000 Pfizer-vaccins en 104.000 Moderna-vaccins in de dossiers zijn vastgelegd. Een analysebedrijf voor de gezondheidszorg bouwt een tool om patiëntendossiers uit meerdere bronnen veilig te integreren, maar het zal pas over een paar maanden beschikbaar zijn.

Zelfs met die lacunes biedt de enorme database van N3C echter een van de beste bronnen voor onderzoekers die de vele onopgeloste vragen over covid willen beantwoorden.

Daar zitten we nu een beetje vast, zegt Haendel. We hebben echt domeinexperts nodig in alle verschillende aspecten van klinische zorg, en de wetenschap erachter, om ons te helpen alle spelden in hooibergen te vinden.

Noot van de redactie: een eerdere versie van dit verhaal identificeerde ten onrechte de commissie die voorstellen voor N3C-gegevensgebruik beoordeelt. Het maakt deel uit van de NIH, niet van Johns Hopkins.

Dit verhaal maakt deel uit van het Pandemic Technology Project, ondersteund door de Rockefeller Foundation.

zich verstoppen