Die Rekrutierungsphase ist ein entscheidender Abschnitt jeder klinischen Prüfung und bestimmt maßgeblich die Dauer einer Studie. Eine realistische Planung dieser zentralen Studienphase muss neben der laut Fallzahlplanung erforderlichen Teilnehmerzahl die erwartete Verfügbarkeit von Patienten bzw. Probanden berücksichtigen. Um die solchermaßen prognostizierten Rekrutierungsraten zu realisieren, ist eine möglichst vollständige Erfassung potentieller Studienteilnehmer in der Rekrutierungsphase von fundamentaler Bedeutung. Ziel der vorliegenden Dissertation ist die Charakterisierung der Zusammenhänge zwischen Selektionskriterien und der Patientenverfügbarkeit bzw. den daraus resultierenden Rekrutierungsraten sowie die Evaluierung von IT- Algorithmen, die das Auffinden potentiell geeigneter Studienteilnehmer unterstützen. Im Projekt BIAS wurden die Ursachen für die unerwarteten Rekrutierungsschwierigkeiten einer am Centrum für Schlaganfallforschung Berlin (CSB) durchgeführten Studie analysiert. Zu diesem Zweck wurden in einem intensivierten Screening die Gründe, die zum Nicht-Einschluss von Schlaganfallpatienten führten, erfasst. In der Studie konnte die Bedeutung des kumulativen Effektes der Selektionskriterien auf die Patientenverfügbarkeit gezeigt werden: unter Berücksichtigung aller Selektionskriterien waren weniger als fünf Prozent der Schlaganfallpatienten für die Studie geeignet. Die Ergebnisse legen nahe, dass Rekrutierungsprognosen, die kumulative Effekte nicht einbeziehen und die Selektionskriterien unabhängig voneinander betrachten, zu unrealistischen Rekrutierungserwartungen führen. Im Projekt STREAM wurde ein Algorithmus evaluiert, der einen zeitnahen, automatisierten SMS-Versand für jeden im Krankenhaus neu aufgenommenen Schlaganfallpatienten an die Studienärztin auslöste. Für den Algorithmus wurden ausschließlich Routinedaten aus dem Krankenhaus-Informationssystem verarbeitet, so dass keine zusätzliche Datenerhebung und –dokumentation notwendig war. In den Projektauswertungen erwies sich der Algorithmus als technisch stabil und gewährleistete eine nahezu vollständige Identifikation aller Schlaganfallpatienten und den anschließenden SMS-Versand. Für den Einsatz im Akutstudienbereich, speziell im Bereich der akuten Schlaganfallstudien, war der Algorithmus aufgrund der zeitlichen Verzögerung des SMS-Versandes von durchschnittlich 62 Minuten nach Aufnahme des Patienten im Krankenhaus nur bedingt geeignet. Die Anwendung des Algorithmus in weniger zeitkritischen Studien erscheint dagegen sinnvoll und machbar. Im Projekt Study Matcher wurde ein IT-Algorithmus untersucht, der aus einer Vielzahl an Schlaganfallstudien die für den jeweiligen Patienten passenden Studien automatisiert identifizierte und eine Studienvorschlagsliste erstellte. Auch dieser Algorithmus nutzte ausschließlich Routinedaten aus dem Krankenhaus- Informationssystem, wobei die Besonderheit darin lag, dass neben strukturierten Daten auch unstrukturiert vorliegende Informationen für die Auswertung aufbereitet und nutzbar gemacht wurden. Es konnte gezeigt werden, dass sich durch den Algorithmus der Aufwand für das manuelle Patientenscreening verringern lässt. Dennoch bleibt das manuelle Screening aufgrund unsicherer Faktoren oder unvollständiger Daten zumindest für den Bereich der Schlaganfallstudien bis auf weiteres unerlässlich.
The recruiting phase is a crucial part of a clinical trial und substantially determines the duration of the whole study. A realistic scheduling of this central phase has to take into consideration both the required number of patients as well as the potential availability of participants. The ability to identify all potential study participants is of utmost relevance to fulfil the intended recruiting rates. This thesis analyzed the relation between selection criteria, availability of patients and the resulting recruiting rates and evaluated IT-algorithms that support the identification of potential trial participants. The project BIAS examines a stroke trial that was conducted in the Center for Stroke Research Berlin (CSB) and encountered unexpected recruiting problems. To analyze complications in patient recruitment, an intensified screening was initiated and the reasons for trial non-inclusion were documented for all CSB stroke patients. The project demonstrates the strong cumulative effects of selection criteria, i.e. less than 5% of stroke patients are potential participants when the whole of the selection criteria are taken into account. The results show that recruiting prognoses that ignore possible cumulative effects and regard selection criteria as independent factors will lead to unrealistic expectations. The project STREAM evaluates an IT-algorithm that sent an automated text message to a study physician for every new stroke patient admitted to the hospital. The algorithm operates on routine data from the clinical information system. The analysis shows that the algorithm proved to be technically stable and ensured a nearly complete identification of stroke patients. The algorithm provides only a limited benefit for acute trials, especially acute stroke trials, because of an average delay of 62 minutes between admission to hospital and transmission of text message. The implementation of the algorithm in less time critical trials seems to be feasible. The project Study Matcher investigates an IT-algorithm that provides an automated matching of appropriate trials to a stroke patient based on routinely documented information. The strength of this algorithm was the semantic processing of unstructured data from the clinical information system into data ready for automated utilization. Results show that the manual screening effort for identification of trial participants can be reduced by automatic algorithms. Yet, for stroke studies, additional manual screening remains crucial mostly to account for uncertain or incomplete patient data.
