Global Life Sciences AI · Publicerad 16 november 2026 · HERMS Konsult DMCC
Utforska HERMS-metoden och vår lösningar portfölj.
Real-world-bevis kan stödja beslut om tillsyn och marknadstillträde när forskningsfrågan, data, design och analys passar det beslut som fattas. Börja med osäkerheten som spelar roll, välj data med tillräcklig relevans och tillförlitlighet, ta itu med fördomar och förvirrande och bevara en spårbar väg från källposter till slutsatser. Stora datamängder ensam inte fastställa behandlingseffekter eller betalare värde. Trovärdiga studier gör sina antaganden, begränsningar och återstående osäkerhet tillräckligt tydlig för oberoende bedömning. Real-World bevis överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter NICE verkliga bevis ramverk
Vad är verkliga bevis - och hur skiljer det sig från verkliga data?
Real-world data, eller RWD, beskriver hälsostatus eller vårdleverans som fångas i rutinkällor som elektroniska hälsoregister, påståenden och register. Real-world bevis, eller RWE, är kliniska bevis som härrör från att analysera dessa data. En databas är därför en ingång, inte en studie slutsats. RWE kan uppstå från mer än retroaktiv observationsforskning; randomiserade studier kan också använda rutinmässigt insamlade data. Real-World bevis
Skillnaden är kommersiellt och vetenskapligt. En datamängd kan beskriva behandlingsmönster väl men saknar sjukdomsstörning som behövs för jämförande effektivitet. Krav kan mäta fakturerad användning mer direkt än symtom eller livskvalitet. Studie lämplighet är specifik för frågan, befolkningen och avsedd användning - inte ett permanent märke som är kopplat till en dataleverantör. NICE verkliga bevis ramverk
Börja med beslutet, inte databasen
Skriv ett beslutsfattande bevis kort innan du förhandlar tillträde eller kör analyser. Identifiera vem som kommer att använda bevisen, vilket beslut som väntar, vilket osäkerhet kan ändra det beslutet, och vad hävdar studien kan legitimt stödja. Separat en beskrivande fråga från ett orsakskrav.
| Beslutssammanhang | Exempelfråga | Relevanta bevis | Nyckelbegränsning för att lösa |
|---|---|---|---|
| Regulatorisk effektivitet | Initierar A snarare än B att förbättra ett definierat resultat? | Jämförande design med anpassade kohorter och uppföljning | förvirrande, endpoint validity och tillämpliga bevisstandarder |
| Postmarketing säkerhet | Är exponering förknippad med ett specifikt negativt resultat? | Lämplig farmakoepidemiologisk studie | Exponering timing, detektering och förvirring |
| HTA jämförande värde | Hur fungerar tekniken mot relevant lokalvård? | Jämförande effekter plus bedömning av tillämplighet | Jämförare och befolkningsrelevans |
| Ekonomisk utvärdering | Vilka resursanvändning, verktyg eller långsiktiga resultat informerar modellen? | Kontextspecifika uppskattningar med osäkerhet | Överförbarhet och extrapolering |
| Budgetpåverkan | Hur många berättigade patienter kan få behandling och till vilken kostnad? | Befolkning, upptag och utnyttjande ingångar | Lokala vägar, priser och antaganden |
| Bevisutveckling | Vilken osäkerhet bör framtida samling minska? | Feasibility assessment och prospektiv bevisplan | Uppföljning, styrning och mätbara resultat |
Regelbunden godkännande och återbetalning är olika beslut. Bevis som är relevanta för säkerhet eller effektivitet får inte svara på en betalares fråga om den lokala jämföraren, resursanvändningen eller överkomligheten. NICE: s ram stöder användning av RWD för att karakterisera vård och informera ekonomiska modeller, men det ställer inte universella minimikrav för acceptans. överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter NICE verkliga bevis ramverk
Bygga lämpliga data om relevans och tillförlitlighet
Bedömningsrelevans: är befolkningen, exponeringar, resultat, confounders, care inställningar och kalenderperiod lämplig? Bedöm sedan tillförlitlighet: hur registrerades, curerade, kopplade och kontrollerades? Dokument noggrannhet, fullständighet och spårbarhet i förhållande till de variabler som driver slutsatsen. En enda övergripande totalitet poäng kan dölja en saknad väsentlig confounder. överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter M 14 Allmänna principer för planering, design, analys och rapportering av icke-interventionella studier som använder verkliga data för säkerhetsbedömning av läkemedel NICE verkliga bevis ramverk
| Datakälla | Potentiellt bidrag | Frågor att lösa innan användning |
|---|---|---|
| Elektroniska hälsorekord | Kliniska mätningar, diagnoser och vårdkontext | Är svårighetsgrad, timing och out-of-network resultat fångade? |
| Administrativa påståenden | Utnyttjande, dispensering och återbetalda tjänster | Koder representerar de kliniska begreppen och betalarperspektivet? |
| Sjukdom eller produktregister | Sjukdomsspecifika detaljer och longitudinella resultat | Hur valdes deltagare och följdes? |
| Dödlighet eller andra länkade poster | Ytterligare resultatbevis | Vilka kopplingsfel, fördröjning och behörigheter gäller? |
| Patientrapporterad information | Symptom, funktion och livskvalitet | Är åtgärder lämpliga och saknade svar informativa? |
| Digitala hälsokällor | Upprepade mätningar utanför besök | Är enheter, algoritmer och försvunnenhet förstådda? |
Skapa en variabelnivå feasibility tabell innan du begår en fullständig studie. Inkludera kodningsalgoritmer, observationsfönster, valideringsbevis, missingness, kopplingsframgång och kända förändringar över tiden. Om en kritisk slutpunkt är frånvarande, överväga en annan källa eller ytterligare samling; sofistikering i analysen kan inte tillverka den saknade mätningen. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
Utforma studien innan du undersöker jämförande resultat
För orsaksfrågor specificerar den hypotetiska studien som observationsstudien syftar till att efterlikna. Definiera behörighet, behandlingsstrategier, uppdrag, uppföljning, resultat, orsakssamband av intresse och analys. Detta mål försöksstrategi gör designval explicit och avslöjar luckor mellan den ideala frågan och tillgängliga data. Det förvandlar inte observationsbehandlingsuppdrag till randomisering. Metoder för verkliga studier av jämförande effekter
När det är lämpligt kan en aktiv jämförelse, nyanvändarkohort förbättra jämförbarheten. Jämför patienter som initierar kliniskt relevanta alternativ i samma behandlingsstadium snarare än blandning av incidenter och långvariga användare. Anpassningsberättigande, behandlingsinitiering och uppföljningsstart för att undvika att ge en grupp en artificiell period där resultatet inte kunde ha inträffat. Metoder för verkliga studier av jämförande effekter
Definiera estimand: vilken befolkning, behandlingskontrast, resultat, tidshorisont och hantering av händelser som växling eller avbrytning är avsedda? En behandlingsinitieringseffekt och en behandlingseffekt svarar på olika frågor. Censurera människor när de växlar kan skapa fördomar om växling relaterar till prognos; anta antaganden och metoder snarare än att behandla censur som administrativ hushållning. Metoder för verkliga studier av jämförande effekter
Kontroll förvirring utan att hävda att den har försvunnit
Confounding uppstår när faktorer påverkar både behandlingsval och resultatet. Identifiera trovärdiga confounders från klinisk kunskap, litteratur och explicit orsakssamband. Undvik att välja justeringsvariabler enbart för att de är statistiskt signifikanta. En riktad acyklisk graf kan hjälpa till att skilja confounders från medlare och kolliderare. Metoder för verkliga studier av jämförande effekter
Välj metoder som är anpassade till estimand och data: begränsning, matchning, stratifiering, regression eller propensity-score metoder kan vara lämpliga. Bedöm kovariatbalans och behandling överlappar, och rapportera konsekvenserna av uteslutningar eller extrema vikter. En benägenhetspoäng balanserar mätt information under antaganden; det kan inte garantera balans i omätad svårighetsgrad eller kliniker dom. Metoder för verkliga studier av jämförande effekter
Tidsvarierande confounding kan kräva metoder utöver standard baslinjejustering. Få specialist statistisk ingång där tidigare behandling påverkar en confounder som också påverkar efterföljande behandling och resultat. Välj inte en komplex metod bara för att den ger ett mer gynnsamt resultat. Metoder för verkliga studier av jämförande effekter
Adress saknas data, bias och endpoint validity
| Hot | Hur det kan undergräva slutsatsen | Föreslagna svar |
|---|---|---|
| Förvirring genom indikation | Behandling återspeglar sjukdomens svårighetsgrad eller prognos | Kliniskt lämplig jämförelse; mätt allvarlighet; känslighetsanalys |
| Odödlig tid bias | Exponeringsdefinition kräver att man överlever en period | Anpassa tid noll och behandlingsstrategier |
| Outcome misclassification | Koder representerar inte den avsedda händelsen | Validera algoritmer; bedöma differentiell mätning |
| Informativ censur | Förlust av uppföljning avser prognos | Definiera skäl; Använd lämpliga metoder och känslighetsanalys |
| Saknar data | Inspelning beror på vård- eller hälsostatus | Beskriva mönster och mekanismer; motivera hanteringsantaganden |
| Kalender/platsskillnader | Omsorgsförändringar över tid eller institutioner | Bedöm jämförbarhet; begränsa, justera eller stratifiera efter behov |
| Dålig överlappning | Grupper saknar jämförbara patienter | Rapportstöd, uteslutningar och ändrad målgrupp |
| Selektiv analys/rapportering | Metoder följer gynnsamma resultat | Förhandsspecificerat protokoll/SAP; etikettavvikelser och utforskande arbete |
Rapportera missingness av behandlingsgruppen och över tid där det är relevant. Multipel imputation är inte en universell reparation: dess giltighet beror på antaganden och modellen. Överväg känslighet eller kvantitativ biasanalyser när missing, omätlig förvirring eller felklassificering kan väsentligt ändra tolkning. Metoder för verkliga studier av jämförande effekter
Nuvarande effektberäkningar med osäkerhet och kliniskt meningsfulla absoluta mängder där så är lämpligt, inte bara p-värden. Om känslighetsanalyser ger olika slutsatser, förklara vilka antaganden som driver skillnaden. Statistisk precision fastställer inte frihet från systematisk fördom. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
Använd externa kontroller försiktigt, särskilt i sällsynta sjukdomar och avancerade terapier
Externa kontroller kan hjälpa till att hantera bevis luckor när lämpliga randomiserade jämförelser är otillgängliga, men likheten med diagnosen är ensam otillräcklig. Bedöm behörighet, sjukdomsstadium, tidigare behandling, indexdatum, stödjande vård, slutpunktsdefinitioner, bedömningsfrekvens och kalenderperiod. Skillnader mellan försöksdeltagare och rutinomsorgspatienter kan generera tydliga effekter som inte är relaterade till tekniken. Metoder för verkliga studier av jämförande effekter
För cell- och genterapier gör glesa populationer och långsiktig osäkerhet noggrann naturhistoria och uppföljningsplanering viktig. State där data inte kan skapa en trovärdig jämförelse. En enarmstudie plus en stor extern datamängd visar inte automatiskt en kausal fördel; genomförbarhet kan visa att ytterligare insamling är nödvändig. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
Översätt RWE till marknadstillträdesbevis - inte ostödda värdekrav
Anslut varje föreslagen betalare påstående till en specificerad analys och beslutskontext. Distinguish klinisk effektivitet, hälso- och sjukvårdsresursutnyttjande, kostnader, hälsotillstånd och budgetpåverkan. Lägre observerade utgifter kan återspegla fallblandning, kortare uppföljning eller ofullständig infångning snarare än en behandlingseffekt. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
För ekonomiska modeller dokumenterar du rollen som varje RWE-ingång: baslinjerisk, händelsenivåer, behandlingstid, användning eller långsiktiga resultat. Förklara hur det gäller försöksbevis, hur osäkerhet sprider sig och varför det gäller målhälsosystemet. Budget-impact-scenarier bör exponera stödberättigande befolkning och upptag antaganden snarare än att presentera en enda uppskattning som oundviklig. Dessa föreslås genomförandepraxis som grundas i transparenta bevisgenerering. NICE verkliga bevis ramverk
Överförbarhet förtjänar sin egen bedömning. En studie från ett land kan informera en annan men inte direkt leverera lokala priser, vårdvägar eller baslinjekurser. Separat intern validitet från tillämplighet; omväxling kan inte korrigera varje omätad skillnad mellan inställningarna. Metoder för verkliga studier av jämförande effekter
Bevara en spårbar analys från källa till påstående
En oberoende granskare bör kunna förstå hur källan blev analytisk dataset och hur datasetet blev resultatet. behålla källbeskrivningar och utvinningsdatum; dataordböcker och kodlistor; kopplings- och härdningsregler; kohortattrition; protokoll och statistiska analysplanversioner; körbar kod och miljödetaljer; kvalitetskontroller; avvikelser; och utgångs-till-claim kartläggningar. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
Planstyrning för laglig åtkomst, etikgranskning i förekommande fall, integritet, tillåten koppling, lagring och säker analys. Transparens betyder inte att publicera identifierbara patientjournaler. Där rådata inte kan delas, förklara begränsningar och ge tillräckligt med metoder, metadata och genomförbara specifikationer för meningsfull granskning. NICE verkliga bevis ramverk
AI kan hjälpa litteraturtriage, kodningsförslag eller dokumentation, men genererade citat, kartläggningar och utdragna fält kräver verifiering proportionerligt till deras användning. Håll studiedesignmyndighet, åtkomstbehörigheter och vetenskaplig sign-off under ansvarig mänsklig kontroll. Detta är en rekommenderad operativ skydd, inte ett krav på ett universellt mandat AI granskningsförfarande.
En hypotetisk studie: en datamängd, två beslutsfrågor
Anta att ett företag vill jämföra sjukhusvistelsen efter initiering av Therapy A kontra Therapy B och även informera en HTA-inlämning. En fordringar källa fångar dispensering och antagning, men sjukdomens svårighetsgrad registreras ofullständigt. Teamet anger först behandlingsstadiet, nyanvändarberättigande, baseline observation, tid noll, slutpunkt och uppföljning.
Förmågan visar att en länkad klinisk källa kan förbättra svårighetsgradsmätningen. Protokollet förutsäger förvirrande justering, överlappningsbedömning, saknadshantering och känslighetsanalys. Om tillräcklig jämförbarhet inte kan uppnås, begränsar laget påståendet eller ändrar bevisplanen snarare än att annonsera en kausal fördel.
För betalarfrågan bedömer den separat lokal jämförelserelevans, enhetskostnader, stödberättigande befolkning och modell osäkerhet. Den regulatoriska analysen och den ekonomiska bedömningen delar dokumenterade bevis, men det är inte heller märkt som bevis på den andra. Detta scenario är illustrativt; det rapporterar inget behandlingsresultat eller HERMS utplacering.
Regulatoriskt och HTA-landskap: vad källorna faktiskt säger
| Källa | Status/kontext | Praktisk implikation |
|---|---|---|
| FDA RWD/RWE-hänsyn | Augusti 2023 slutlig icke-bindande läkemedel / biologisk vägledning | Bedömning av regleringssyfte, studera genomförbarhet och lämpliga data |
| FDA icke-interventionella studier | Mars 2024 utkast, inte för genomförande | Relabel föreslagna rekommendationer som slutliga krav |
| ICH M 14 på FDA | Mars 2026 slutlig vägledning; säkerhetsfokus | Plan, design, analys och rapport för användning icke-interventionella studier |
| EMA RWE / DARWIN EU | EU:s infrastruktur för bevisgenerering och förklarande resurser | Dataupptäckt och studier stöder regulatoriska frågor; ingen automatisk studieacceptans |
| NICE RWE ramverk | Levande metoder ram, publicerad juni 2022 | Använd relevanta data och transparenta metoder; acceptans förblir kontextuell |
FDA: s mars 2026 M 14 vägledning ersätter sitt utkast från juli 2024 M 14; detta skiljer sig från den separata mars 2024 FDA icke-interventionell studie utkast. M 14 fokuserar på säkerhet, medan FDA konstaterar att dess rekommendationer kan också informera effektivitetsstudier. Internationell harmonisering betyder inte identisk nationell implementering eller garanterat godkännande. överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter Real-World bevis: överväganden om icke-interventionella studier för drog- och biologiska produkter M 14 Allmänna principer för planering, design, analys och rapportering av icke-interventionella studier som använder verkliga data för säkerhetsbedömning av läkemedel
EMA:s HMA-EMA-kataloger hjälper till att identifiera datakällor och studier. DARWIN EU genererar bevis för att ta itu med frågor om läkemedelsreglering genom att delta i datapartners. Kataloginkludering är inte ett bevis på att en datamängd passar ett visst protokoll eller att en sponsors slutsats accepteras. Real-world bevis Dataanalys och Real World Interrogation Network (DARWIN EU)
En praktisk beredskap checklista
- Beslut och påstående: identifiera användaren, osäkerheten och tillåten slutsats.
- Design: definiera befolkningen, jämföraren, tid noll, estimand och uppföljning.
- Data: bekräfta viktiga variabler, bevisning, behörighet och genomförbarhet.
- Bias: dokument confounders, overlap, missingness och mätbegränsningar.
- Analys: förutse primära metoder, känslighetsanalyser och tolkningsregler.
- Spårbarhet: behålla kod, versioner, attrition, avvikelser och kvalitetskontroller.
- Tillämplighet: bedöma mål-land vård vägar och beslut relevans.
- Engagemang: söka lämpliga reglerings- eller HTA-rådgivning innan du låser konsekventa designval.
Använd dessa objekt som föreslagna projektportar, inte ett krav på att varje myndighet kräver identisk checklista. NICE uppmuntrar tidiga råd för företag som planerar att använda RWD i inlämningar. NICE verkliga bevis ramverk
Hur HERMS ansluter bevisgenerering med beslutsberedskap
HERMS beskriver VALTRIX som ett kliniskt och värdebevis lösningsområde, VALTIRA som prissättning, HTA och budget-effekt intelligens, och VERIQIS som bevis integritet och försäkran. Dessa är företagspositioneringsutlåtanden, inte oberoende validerade prestationskrav. Den användbara utvärderingsfrågan är om en föreslagen utplacering kan visa spårbarhet för käll-till-krävande, lämpliga metoder och ansvarig granskning för dess avsedda användning. AI Life Sciences Software 25 HERMS Lösningar
Utforska HERMS kliniska, värdebevis och marknadstillgångslösningar för att diskutera en demonstration kring ditt bevis gap, behov av studieberedskap och beslutskrav.
Ofta ställda frågor
Vad är skillnaden mellan RWD och RWE?
RWD är de underliggande rutin-omsorgsdata. RWE är de kliniska bevis som härrör från analys. Samla register eller köpa en datamängd skapar inte själv trovärdiga bevis; forskningsfrågan, studiedesign, analytiska antaganden och data lämplighet avgöra vad som kan avslutas. Real-World bevis
Kan RWE stödja regleringsgodkännande?
Det kan stödja specificerade regulatoriska användningsområden när bevisen uppfyller tillämpliga standarder och adresserar frågan. Acceptans är inte automatisk och beror på inlämningskontexten. Engagera den relevanta myndigheten om konsekventa designval; anta inte att RWE ersätter randomiserade bevis i varje inställning. Real-World bevis överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter
Hur stöder RWE marknadstillträde och HTA?
Det kan informera sjukdomsbörda, behandlingsvägar, jämförande bevis, ekonomiska modellinsatser och användbarhet för rutinvård. En betalare behöver fortfarande relevanta jämförelser, trovärdiga metoder och osäkerhetsbedömning. Regelbunden acceptans av en studie garanterar inte ersättning eller ger överkomlighet. NICE verkliga bevis ramverk Metoder för verkliga studier av jämförande effekter
Vad gör data lämpliga för ändamål?
Uppgifterna måste innehålla lämpliga patienter, behandlingar, resultat och kovariater, med tillräcklig mätning, uppföljning och spårbarhet för den specifika frågan. Utvärdera både relevans och tillförlitlighet. En källa som är lämplig för användningsforskning kan vara olämplig för en orsakseffektivitetsjämförelse. M 14 Allmänna principer för planering, design, analys och rapportering av icke-interventionella studier som använder verkliga data för säkerhetsbedömning av läkemedel NICE verkliga bevis ramverk
Får propensity-score matchning bort confounding?
Det kan ta itu med uppmätta förvirring under antaganden, förutsatt att lämpliga kovariater och överlappning finns. Det garanterar inte kontroll av omätade faktorer eller korrekta dåliga endpoint definitioner. Rapportbalans, uteslutningar, restbegränsningar och känslighetsanalyser istället för att behandla matchning som bevis på kausalitet. Metoder för verkliga studier av jämförande effekter
Vad är måltävling emulering?
Det är den explicita utformningen av en observationsstudie kring den randomiserade studien som man idealiskt skulle genomföra. Ange behörighet, strategier, uppdrag, uppföljning, resultat, kausal effekt och analys. Tillvägagångssättet hjälper till att undvika designfel men kan inte leverera saknade variabler eller göra observationsbehandling tilldelning slumpmässigt. Metoder för verkliga studier av jämförande effekter
När är externa styrarmar trovärdiga?
Trovärdighet beror på jämförbarhet av populationer, vård, tidsperioder, datainsamling och resultat, plus en lämplig design och analys. Bedöm vad som inte kan anpassas och om återstående osäkerhet undergräver påståendet. En extern kontroll är inte automatiskt lämplig eftersom sjukdomen är sällsynt. Metoder för verkliga studier av jämförande effekter
Kan AI skapa en beslutsredo RWE-studie?
AI kan stödja utvalda uppgifter, men beslutsberedskap kräver lämpliga data, ljudorsaks resonemang, reproducerbar analys och kvalificerad granskning. Verifiera genererade referenser, utvinning och kod. Ingen arkitektur eller leverantörsmärkning etablerar oberoende vetenskaplig giltighet, regulator acceptans eller betalare relevans.
En användbar RWE-studie börjar inte med den största datamängden eller slutar med den mest gynnsamma uppskattningen. Det börjar med ett beslut och slutar med en transparent redogörelse för vad bevisen stöder, vad den inte gör och vilken osäkerhet kvarstår.
Diskutera din nästa evidensgenerering eller marknadstillgångsfråga genom HERMS lösningar eller utforska relaterade HERMS livsvetenskapliga insikter .
Relevanta lösningar HERMS
Utforska HERMS lösningar som är relevanta för de arbetsflöden som diskuteras i denna artikel: VALTRIX - kliniska och värdebevis; VALTIRA - prissättning, HTA och budgetpåverkan; EXIRIX - klinisk experimentdesign; VERIQIS - bevis integritet och försäkranUtvärdera varje lösning mot din avsedda användning, bevis och godkännandekrav.
Källor och vidare läsning
- Real-World bevis
- överväganden för användning av verkliga data och verkliga bevis för att stödja regleringsbeslutsfattande för drog- och biologiska produkter
- NICE verkliga bevis ramverk
- M 14 Allmänna principer för planering, design, analys och rapportering av icke-interventionella studier som använder verkliga data för säkerhetsbedömning av läkemedel
- Metoder för verkliga studier av jämförande effekter
- Real-World bevis: överväganden om icke-interventionella studier för drog- och biologiska produkter
- Real-world bevis
- Dataanalys och Real World Interrogation Network (DARWIN EU)
Utforska läkemedelsserien AI
- AI beslutsmyndighet och mänsklig tillsyn
- Agentisk kontra generativ AI i läkemedel
- AI-styrning i Life Sciences
- Mänskliga godkännandekontroller för farmaceutisk AI
- AI medicinsk utrustning validering och förändring kontroll
- Global farmaceutisk marknadstillträde, HTA och prissättning
Utforska HERMS livsvetenskapliga lösningar och AI styrning och spårbarheteller begära en arbetsflödesfokuserad demonstration.
