RCTs als Goldstandard – Teil 2

Herzlichen Dank an franzmanross für die Links und Hinweise in dieser Sache!

Das ganze Thema halte ich für so wichtig, dass ich ich den Kommentar hier gerne als Beitrag verewigen und weniger fanatischen Lesern einen ersten Einblick verschaffen möchte. Außerdem wird das (m)ein Fundus, um diverse Leitlinienchefs zu nerven. Ganz am Ende, gibt es dann 1 Kilo unqualifizierten Garnix-Senf. 🙂

  1. „Big-data Clinical Trial (BCT) wird RCT ablösen: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3886706/

„Will RCT maintain its dominating position? The answer is No. It is expected that Big-data Clinical Trial (BCT) will reshape the profiles of clinical research (Figure 2), and BCT will take the place of RCT as the dominating research type. Currently, the RCTs are performed in highly selective subjects who are sampled
from an overall population. Though there are findings from these small-sample subjects that guide the clinical diagnosis and treatment of a larger sample of population, the coming big-data era entails more analyses conducted on the overall sample (total subsets), and therefore the conclusion drawn according to the corresponding findings based on a more comprehensive setting. Will RCT disappear for good? The answer is also No. In the big-data era, RCT will play a guiding role. For an interesting finding from a specific RCT, data from a big sample of population will be analyzed for verification before drawing a
final conclusion. Therefore in the big-data era, studies based on ‘case study’ will receive more attention and be elevated to a new level. Many statistical analyses will be based on data obtained from the whole process of diagnosis and treatment of each case prospectively. The quality of data collection during this process will directly affect the reliability of BCT.
In the big-data era, the mysteries of many chronic diseases will be revealed. For instance, research on hypertension currently is still focused on the effectiveness of a specific antihypertensive agent in controlling blood pressure, whereas the so-called control is mainly based on the measurements obtained at several time points. Based on the values of these measurement points, the researchers linked the blood pressure with a specific longterm outcome (e.g., stroke) and then concluded that drug A, compared with drug B, can effectively control blood pressure and reduce the incidence of stroke. However, an ideal blood pressure control, rather than depending on the measurements at several time points every week or every month, should be the maintenance of a stable blood pressure every day, every hour, or even every minute. The verification of this hypothesis will of course depend on the future BCT.
Of course, BCT will also face many challenges, for example, how to define the BCT? How to define the right to data? How to be a qualified architect for a big-data project? How to prepare for the threats of big data?

In conclusion, in the big-data era, the BCT will reshape the profiles of clinical research and succeed as the dominating research type while RCT will take a back seat to play guiding role.“

2. „Die Probleme von RCT (zu teuer, Ergebnisse sind zu breit bzw. zu eng, langer Weg der Implementierung von Ergebnissen in der Praxis) durch Big Data: https://jamanetwork.com/journals/jama/article-abstract/2429723

„Randomized clinical trials (RCTs) have revolutionized medicine by providing evidence on the efficacy and safety of drugs, devices, and procedures. Today, more than 40 000 RCTs are reported annually, their quality continues to increase, and oversight mechanisms ensure adequate protection of participants. However, RCTs have at least 4 related problems: (1) they are too expensive and difficult; (2) their findings are too broad (average treatment effect not representative of benefit for any given individual) and too narrow (trial population and setting not representative of general practice); (3) randomizing patients can make patients and physicians uncomfortable, especially when comparing different types of existing care; and (4) there are often long delays before RCT results diffuse into practice.“

Der Artikel ist kostenpflichtig.

3. „Hinterfragt die klassische Evidenz-Pyramide und fordert einen integrativen Approach: https://academic.oup.com/ejcts/article/53/5/910/4922686?login=true

„The RCT came to be regarded as the gold standard in finding evidence for a treatment in clinical practice (Fig. 1). The essential feature is that the treatment is randomly assigned, so that all known and unknown factors, which might influence the outcome of the treatment under test, are similarly present in both groups. Any difference in outcome can then be attributed to the relative effectiveness of the treatments themselves in achieving the prespecified desirable outcome. A downside of the RCT is that data are acquired specifically to answer one research question and as further questions arise, new data must be acquired by starting all over again. Large databases and registers are now available. In theory, using sophisticated statistical analyses, the difference in outcome attributable to the treatment may be discernible by statistical adjustment for other factors influencing outcome or by matching patients to exclude effects other than those due to the treatment. The dataset continues to accrue patients and can be used repeatedly to answer further questions. As larger and better organized observational datasets are collected, and new meta-analytic techniques are developed, is the RCT’s place unassailable? If, as seems reasonable, RCTs and more complex analytical methods are to coexist, what are their relative merits?

Analysis of existing data can answer a question more quickly than a randomized controlled trial

RCTs take a very long time from conception to publication. It is more than 12 years since the ART protocol was agreed upon and things have changed meanwhile. This makes RCTs irksomely inflexible to the individual surgeon wanting to constantly exercise updated clinical judgement. It also means that the clinical research question may have moved on…

The traditional pyramid of evidence may no longer be sustainable in the current era due to the diversification and the increased complexity of clinical decision making [19]. Perhaps it is time to move towards a more integrated approach to advancing knowledge where clinical trials are embedded in large registries and networks of large datasets, and outcomes are no longer only death and complications but more focused on well-being.“

4. „Ausgehend von der Situation, wenn RCTs nicht durchgeführt werden können: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5772897/

„Thomas Frieden provides us with the most compelling reason to leverage data that is routinely collected in the process of care: “For much, and perhaps most of medical practice, RCT-based data are lacking and no RCT is being planned or is likely to be completed to provide evidence for action. … [It] leaves practitioners with large information gaps for most conditions and increases reliance on clinical lore.” (1) With over 90% of care providers in the United States now using an electronic health record (EHR) system, health data is being collected at a scale (exabytes), resolution (up to 500Hz), and levels of heterogeneity, which are historically unprecedented. (2) The sheer magnitude of such data can leverage population data and facilitate the application of advanced algorithmic techniques which were previously not feasible due to small sample sizes (e.g. for deep learning). Indeed, recent investigations have reported impressive performances using algorithms to automate the diagnosis of skin cancers (3) and diabetic retinopathy. (4) Critically ill patients are an ideal population for clinical database investigations because while the data from ICUs is extensive, the value of many treatments and interventions remains largely unproven, and high-quality studies supporting or discouraging specific practices are relatively sparse. (5) The data-rich ICU environment provides a potential area for uses of artificial intelligence (AI), a highly data dependent entity…

Hospital cultures, along with medical undergraduate and graduate education systems, will need to adapt to a decision support environment that will be quite different in many ways. (14,15) People will learn differently, be trained differently, and practice differently in an environment of data driven AI, and we are just beginning to learn how to do this in the early stages of the use of digital tools in medicine. Meanwhile, those at the forefront of the health data revolution must earn and maintain clinicians’ and society’s trust, and demonstrate that careful and complete data collection, as well as sharing and reuse, are necessary steps to improve patient care.“

5. „Das hier richtet sich an die medizinischen Leistungserbringer:innen, die ja oftmals nicht so begeistert von der Digitalisierung sind: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4327872/

„We envision a learning system where knowledge generation is routine and fully integrated into the clinical workflow. The next step toward this goal is the introduction of formal courses into medical school and residency curricula. These courses will focus on skills needed to build, maintain, and analyze large data sets. The growing importance of Big Data in everyday clinical situations will be emphasized, and students will be given the opportunity to investigate clinical questions that have come up in the course of their clinical rotations…

The time has come to leverage the data we generate during routine patient care to formulate a more complete lexicon of evidence-based recommendations and support shared decision making with our patients. In this setting, the practice of every clinician will necessarily expand to participate in these issues. This must be done without creating enormous extra work for already overburdened clinicians. In contrast, the interactions of regular clinicians with a knowledge-generating system should be rewarding in both the intellectual and workflow senses. All clinicians will share the responsibility of creating a more complete knowledge base and transforming practice to improve care. The data are already being generated. Now is the time to train clinicians who can harness the true potential of this information to provide better care for our patients.“

6. „Ein Review, wie viel Forschung eigentlich schon über Machine Learning und Big Data so gemacht wird: https://www.sciencedirect.com/science/article/pii/S1532046419302308

„The articles in this study were analyzed by their year of publication, to get an overview of the trend of research on application of big data analytics and artificial intelligence in healthcare. It is evident from the findings that research in this field has progressed from 2013 to 2019. Beginning with a single publication in 2013 (0.04%), this field has seen a growth in number of publications over the years. The most significant contribution of 43.20% publications was seen in 2018, which was more than 240% increase from previous years’ contribution (17.47%, 2017) (Fig. 8). This highlights the striking growth in research interest in recent years. The data also reveals that 2019 has seen 17.30% of publications till the month of February, hence it is anticipated to augment further as the year progresses.

Thorough examination of primary studies led to identification of state-of-the-art research and discovery of major research gaps. Implications for future research include a need for more substantial case studies and experience papers on utilization of big data analytics and artificial intelligence in healthcare setup. This would be likely when healthcare stakeholders and practitioners apply these technologies in the real-world healthcare setup, further allowing the discovery of potential of big data analytics and artificial intelligence for enhancing care quality.“

7. „Wie sich Evidenz durch Big Data Analytics verbessern lässt: https://ieeexplore.ieee.org/abstract/document/6758696

„Evidence based medicine (EBM) is the conscientious, explicit, and judicious use of current best evidence in making decisions about the care of individual patients. Each year, a significant number of research studies (potentially serving as evidence) are reported in the literature at an ever-increasing rate outpacing the translation of research findings into practice. Coupled with the proliferation of electronic health records, and consumer health information, researchers and practitioners are challenged to leverage the full potential of EBM…

Physicians do not have time to read extensive documentation. Better way must be found! Thinking out of the box, andmoving further from the traditional healthcare data visualization; it is time for researchers and practitioners
to adopt recent developments in areas such as visual analytics, e.g., SAS Visual Analytics [57]. Visual Analytics present big data in an interactive graph and
chart in a way that is not overwhelming.“

8. „Real World Evidence bezogen auf Use Case Sepsis: https://onlinelibrary.wiley.com/doi/full/10.1111/ijcp.14689 oder https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5657564/

„In this study, after screening 38 605 patients, 235 patients with sepsis were included. One hundred and eighty-three patients were in the dobutamine group and 52 patients were in the milrinone group. For the primary outcome of hospital mortality, there was no significant between-group difference (73/183 in dobutamine group vs 23/52 in milrinone group, OR 0.84, 95% CI 0.45-1.56; P = .574). After adjusting for confoundings between groups by PSM analysis, hospital mortality was consistent with the overall result (50% vs 41.3%, OR 1.42, 95% CI 0.68-2.97; P = .349). For the secondary outcomes, more patients in milrinone group received RRT use (46.2% vs 22.4%, P = .001), had longer length of ICU stay (20.97 ± 22.84 days vs 11.10 ± 11.54 days, P = .004) and hospital stay (26.14 ± 25.13 days vs 14.51 ± 13.11 days, P = .002) than those in dobutamine group.“

9. „Verbesserung der Versorgungsforschung bei Sepsis durch Big Data: https://journals.lww.com/ccmjournal/FullText/2020/03000/Identifying_the_Burden_of_Sepsis_With_Big_Data_.19.aspx

Artikel ist kostenpflichtig.

10. „Verbesserung von Outcomes in der Intensive Care Unit: https://www.sciencedirect.com/science/article/abs/pii/S0883944120306791

„The digitalization of the Intensive Care Unit (ICU) led to an increasing amount of clinical data being collected at the bedside. The term “Big Data” can be used to refer to the analysis of these datasets that collect enormous amount of data of different origin and format. Complexity and variety define the value of Big Data. In fact, the retrospective analysis of these datasets allows to generate new knowledge, with consequent potential improvements in the clinical practice. Despite the promising start of Big Data analysis in medical research, which has seen a rising number of peer-reviewed articles, very limited applications have been used in ICU clinical practice. A close future effort should be done to validate the knowledge extracted from clinical Big Data and implement it in the clinic.“

Artikel ist kostenpflichtig.

11. „Und hier die Gegenposition: Data Analysis will not Result in Knowledge Production about Sepsis (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8286384/

„A Google Scholar search of the phrase “further studies are indicated sepsis” showed over 700 articles. Clearly, the scientific community feels that more work (more data collection) has to be done in the field of sepsis. Developing testable theories and predictive models for complex systems like sepsis is difficult. It has been suggested that data-driven predictive analysis in ICU will create new knowledge from “big data” which is already being collected in ICUs as part of electronic health records.8 An opposing view point has been put that “too much data is just like no data at all” and a sound theoretical foundation is essential for knowledge production.9,10 Fifty years ago, Simpson pointed out that the application of statistical techniques without prior knowledge of causative mechanisms will lead to fallacious reasoning.11 We need breakthroughs in basic research of metabolic, immunological, and cytokine pathways to uncover the causative mechanisms of organ dysfunction in sepsis.1114

12. „Immer sehr kritisch und leider in Deutschland tonangebend: das https://www.iqwig.de/ … harter Verfechter von RCT als Goldstandard“

„Das unabhängige Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG) untersucht den Nutzen und den Schaden von medizinischen Maßnahmen für Patientinnen und Patienten. Über die Vorteile und Nachteile von Untersuchungs- und Behandlungsverfahren informieren wir in Form von wissenschaftlichen Berichten und allgemein verständlichen Gesundheitsinformationen.

Wie erstellt das IQWiG seine Gutachten?

Das IQWiG hat unter anderem den gesetzlichen Auftrag, Vor- und Nachteile von medizinischen Verfahren zu bewerten, also zum Beispiel verschiedene Arzneimittel oder Operationsverfahren untereinander zu vergleichen. Dafür suchen die Mitarbeiterinnen und Mitarbeiter des Instituts in der internationalen Fachliteratur systematisch nach Studien, in denen die gefragten Vergleiche beschrieben sind.

Für die Auswahl und Bewertung der Studien nutzen die Wissenschaftlerinnen und Wissenschaftler die Methoden der evidenzbasierten Medizin. Mit dieser internationalen Standardmethode lässt sich einschätzen, wie zuverlässig das vorhandene Wissen tatsächlich ist.

Wichtig ist dabei: Das IQWiG führt keine eigenen klinischen Studien mit Patientinnen und Patienten durch. Vielmehr sucht das Institut aus den vorhandenen Studien systematisch diejenigen heraus, die ausreichend verlässliche Ergebnisse liefern. Aus diesen Ergebnissen entsteht dann ein zusammenfassendes Gutachten.

Das IQWiG publiziert alle Ergebnisse auf seinen Webseiten und richtet sich damit sowohl an Fachleute und Akteure aus dem Gesundheitswesen als auch direkt an Bürgerinnen und Bürger. Es stellt damit Wissen zur Verfügung, das es allen Beteiligten im Gesundheitswesen ermöglichen soll, informierte Entscheidungen über Untersuchungen und Behandlungen zu treffen.

Wie sieht eine Nutzenbewertung nach EbM-Kriterien aus?

Ganz allgemein folgt eine evidenzbasierte Nutzenbewertung im Gesundheitswesen folgenden Schritten:

  • Formulierung der Fragestellung mit dem PICO Schema: Patient, Intervention, Vergleichsintervention (Comparison), Zielgrösse (

Outcome)Recherche in der medizinischen FachliteraturInformationsextraktion und -bewertung: Dazu gehört die Beschreibung von Methoden und Ergebnissen der recherchierten Studie und die methodische Bewertung der Ergebnissicherheit und der Anwendbarkeit im jeweiligen KontextSynthese („Zusammenschau“) und abschließende Beurteilung aller berücksichtigten Unterlagen“

Mein Kommentar

  1. Muss das einen CTSO-Investor alles interessieren? Naja, wenn ich 20 Aktien im Depot und ein Leben hätte, eher nicht. Das alles geht sehr in die Tiefe und beschreibt grundlegende Gedanken und Problemstellung in der aktuellen Medizin.
  2. Interessanterweise beschreiben die Links ein Problem, das mich beruflich betrifft. Ich habe meinen Arbeitgeber 2017 darauf hingewiesen, dass die operativen Einheiten zunehmend Schwierigkeiten haben, aufgrund der explodierenden Datenmengen noch halbwegs proaktiv volumenstarke Prozesse zu überblicken und vor dem Hintergrund von sich weiter verschärfenden regulatorischen Anforderungen – aber auch im Interesse der Kunden – überhaupt „am Ball zu bleiben“.
  3. Im Falle meines Arbeitgebers gibt es in der gesamten Wertschöpfungskette Prozesse, die jeweils weit mehr als 100 Mio – sagen wir mal – Aufträge pro Jahr abwickeln und nachhalten müssen. Jeder dieser Aufträge hat dabei einen eigenen Lebenszyklus, der in einem Event-Log bzw. Audit Trail festgehalten wird. Pro Auftrag werden durchschnittlich 15 – 30 „Lebensabschnitte“ dokumentiert – mit 5 – 6 Millionen Iterationen. Meint: mit Excel kann man da nix mehr machen.
  4. 2017 dann ein erster Pitch und ein erstes Angebot an unsere globalen Process Owner: lass uns die Daten – idealerweise sogar in Echtzeit – mittels Process Mining visualisieren. Der Market Maker dafür ist interessanterweise eine deutsche Firma. Hier ein kleiner Einblick und eine erste Abgrenzung Process Mining vs Business Intelligence: https://www.youtube.com/watch?v=tom1KnPLoOI
  5. Was ich als König von Deutschland/Europa/Welt hier in einem medizinischen Kontext tun würde?
    1. Erkennen dass Daten einen riesigen Wert haben (haha)
    2. Erkennen dass Mediziner und Wissenschaftlicher drohen, in einem Meer von Daten unterzugehen – auf Kosten der Patienten
    3. Diese beiden Erkenntnisse zusammenbringen und einen „Piloten“ aufsetzen
    4. Innerhalb eines solchen Piloten würde ich mir ein Thema raussuchen – gerne ein schwieriges und schwerwiegendes wie Sepsis
    5. Dann alle Sepsis-Leitlinienchefs aus – sagen wir – Europa zusammentrommeln, eine gemeinsame Vision und Mission entwickeln, wie die „ideale Maschine“ aussieht. Beispielsweise nach den Prinzipien von TRIZ: https://www.youtube.com/watch?v=rgKIWZL25rc
    6. Und weil ich mindestens halbschlau bin, wüsste ich schon die ungefähre Richtung: konkret würde man im ersten Schritt in einem Best-Practise-Workshop gemeinsam definieren, welche Laborparameter in welcher Frequenz bzw. in welchen Situationen gemessen werden. Das wird dann in einer gemeinsamen Leitlinie standardisiert. Wenn sich später rausstellen sollte, das es zu viele oder eher zu wenige Werte sind, kann man nachbessern.
    7. Sobald dieser Standard etabliert ist, sorge ich (als König) dafür, dass alle Kliniken in Europa die notwendige Laborinfrastruktur haben und die Daten in Echtzeit in einer zentralen Datenbank erfassen können (und müssen).
    8. In einem zweiten Best-Practise-Workshop werden dann mögliche Behandlungsrationalen standardisiert: wann kann zum Beispiel welche Medikamentengabe mit welcher Rationale angezeigt sein. Dosierungen werden getrackt und beispielsweise in Bezug auf das Körpergewicht „normalisiert“. Neben den Labordaten können und müssen dann als auch Behandlungs- bzw. Medikamentengabedaten erfasst werden. Auch hier gilt: der Standard muss leben, weiterentwickelt werden und die Wirklichkeit so gut wie möglich abbilden.
    9. Dann käme der große Auftritt von den Datenjungs und -mädchen und Process Mining Experten, die in nullkommanix und fast in Echtzeit Sepsis-Krankheitsverläufe visualiseren und auswerten.
    10. Als Arzt bekomme ich – basierend auf historischen oder Echtzeitdaten – die Möglichkeit, die Behandlung eines aktuellen Sepsis-Patienten in Kontext zu setzen – angepasst auf die aktuelle und individuelle Laborcharakteristik. Mit welcher Wahrscheinlichkeit haben „gematchte“ Patienten aus Historischen- oder Live-Kohorten auf welche Medikation reagiert usw.

      Der Witz dabei: sobald man halbwegs stimmige „Event-Logs“ und eine entsprechende Datenanbindung hat, steht eine solche Process-Mining-Plattform in drei, vier Stunden.

15 Kommentare zu „RCTs als Goldstandard – Teil 2“

  1. Jetzt wird es inhaltlich mal wieder wirklich interessant. 🙂
    Big Data in der Medizin ist ein riesiges Thema für einen zukunftsorientierten Investor. Für mich auch noch ein Thema, was ich unbedingt abdecken möchte mit einer Investition in ein Unternehmen, welches in diesem Bereich entscheidene Impulse bringt. Ich stelle mir dieses Unternehmen so vor, dass es eine große Plattform ist, wo viele Daten gespeichert werden und die Kunden erhalten gezielten Zugriff, je nach Krankheit und letzlich sogar je nach Genetik des Patienten. Je spezifischer der Input, desto besser die Ergebnisse. Der Datenverwalter erhält über Lizenzen subskriptionsbasierte Vergütung und zusätzlich Royalities bei erfolgreicher Medikamtenentwicklung.
    Der Weg zu einer zeitsparenden, effizienten Forschung, perfekter Nutzung vorhandener Datenmengen und letztlich einer personalisierten Medizin zum Wohle des Patienten…
    Die Entwicklung wird (wie fast immer) nicht durch Regulation von oben kommen, sondern durch innovative Unternehmen, die schon jetzt ihren Kunden Kostenvorteile sichern.

    Mir fallen in diesem Zusammenhang folgende börsennotierte Unternehmen ein:
    Personalis Inc.
    Invitae Corporation
    Twist Bioscience Corporation
    Schrödinger Inc.

    Keines der Unternehmen ist die eierlegende Wollmilchsau oder man berührt bislang nur teilweise das Thema Plattform, aber wir stehen ja erst am Anfang dieser Entwicklung.
    Cathie Wood hat mit ihren ARK-ETFs und auch privat ganz dick investiert. Das Ehepaar Gates hält große Stücke von Schrödinger.
    Es schätzen also einige schlaue Leute bzw. deren Research-Team das Thema als eine zukunftsträchtige und renditebringende Investition ein. Unternehmerisch spannend an einem Datenplattformmodell ist, dass die Manpower und Risiken der Forschung bei den Kunden verbleibt und man softwaretypische Bruttomargen hätte.
    Ich selbst bin noch nicht fertig mit meiner Meinungsfindung, was für mich ein gutes Investment wäre. Zum Teil sind die Unternehmen ja erst seit kurzem an der Börse und die Informationsdichte ist noch nicht sehr groß.
    Falls jemand Meinungen hat und die am besten noch mit Fakten hinterlegen kann, immer her damit.

    Gefällt mir

  2. Hallo Kuma,

    deine möglichen Investitionsgedankenspiele bestehen auf der Prämisse, dass zentrale Datenspeicherung die Zukunft ist. Nicht zuletzt aus rechtlichen Gründen (DSGVO) sollte man bedenken, dass eine dezentrale Datenspeicherung z.B. mittels Blockchain-Technologie besser mit den normativen Forderungen kompatibel ist und darum aus meinen Augen zukunftsweisender. Die Daten bleiben einfach, wo sie sind, nur die Zugriffsrechte werden vergeben und Zugriffe nachgehalten (manipulationssicherer als zentrale Datenspeicherung). Hatte hierzu schon Gespräche mit Vordenkenden in diesem Bereich. Ganz interessante Geschichte. Nur als Hinweis, dies im Hinterkopf zu behalten. Aber du hast dich da sicher schon mehr mit beschäftigt als ich.

    Schönen Gruß

    Gefällt mir

  3. Hi, Kuma.

    Kaum erwähnt, schon 5 % im Plus – Schrödinger. Aktuell trotzdem vergleichsweise billig mit dem 26fachen Umsatz zu kaufen (mean 41x, high 72x). Sind bei mir jetzt auf der Watchliste.

    Viele Grüße

    Gefällt mir

  4. Hallo Garnix,

    find ich klasse, dass dich das Thema so anspricht. Hatte das in einem deiner letzten Artikel schon lose entnommen, dass du mal deinen Chefs versucht hast, digitale Lösungen schmackhaft zu machen. Daher auch mein Input. Das war nur eine kleine Auswahl. So, wie du dein Wunschvorgehen beschreibst, wird es ja schon angedacht, aufgrund verschiedener burdens aber nicht durchgezogen. Vor allem der administrative burden beim informed consent bei der Datenverarbeitung ist ein großes Problem für effiziente Forschung. Ich arbeite gerade dran, das Problem zu lösen 😉


    Gefällt 1 Person

  5. Lieber Garnix,

    also in Fachkreisen ist die Meinung: es gibt keine (zuverlässige, dauerhafte) Anonymisierung. Bei Registerdaten im Gesundheitssystem gibt es mittlerweile einen Erlaubnistatbestand. Aber dies wird auch kritisch gesehen, eben aus obengenanntem Grund. Ein anderer Erlaubnistatbestand könnte im Forschungsprivileg gesucht werden, aber hieran scheiden sich auch die Geister und damit meine ich die Rechtswissenschaftler:innen, mit denen ich zu tun habe. Hier sind die Auslegungen sehr verschieden. Das wird sich alles noch zeigen müssen.


    Gefällt mir

  6. Lieber Franz,

    Freundin ist Juristin. Ohne anbiederisch werden zu wollen, sag Bescheid, wenn du eine zweite (oder dritte) Meinung willst.

    Viele Grüße

    Gefällt mir

  7. Lieber Garnix,

    würde mich sehr interessieren, wie sie die DSGVO v.a. bezüglich des Forschungsprivilegs auslegt. Das Problem hierbei ist ja der Begriff der Forschung oder wenn man so will medizinischer Forschung. Das kann klinische Forschung sein, die öffentlich finanziert und gefördert ist, es kann aber auch privatwirtschaftliche Forschung sein, die behauptet, dem öffentlichen Interesse zu dienen. Melde dich gerne mit ihrer Rückmeldung.


    Gefällt mir

  8. Hallo franzmanross,
    danke für den Hinweis. Bei Blockchain bin ich wenig beschlagen, denke aber, dass Dein Einwand berechtigt ist. Wer wäre denn da Vordenker? Gibt es da Unternehmen, die die Blockchain derart nützlich verwenden?
    Ich vertraue immer darauf, dass irgendein innovatives Management in die richtige Richtung maschiert… Keine Ahnung, wie die genannten Unternehmen derzeit das Datenproblem angehen. In den USA ist es vielleicht weniger restriktiv als hier.

    Gefällt mir

  9. Hallo Kuma,

    in den USA ist es weniger restriktiv, das stimmt. Die habena aber auch so etwas wie die DSGVO, nämlich die HIPAA. Richtig interessant wird es ja erst, wenn wir Daten aus USA und Ländern Europas (und weiteren Ländern) zusammen nutzen können.

    Hier ist eine Liste von Blockchain Unternehmen im Gesundheitsbusiness. Wäre schön, wenn jemand Interessiertes hier fündig wird und uns etwas vorstellen kann:


    Ich kann zwar ggf. mit wissenschaftlichen Hintergründen dienen, bin aber nicht so fit im Finanzwissen, um einen Investmentcase vorzustellen. Nochmal zu den Regulierungen: BURSTIQ, eins der Unternehmen, die hier vorgestellt werden, brüstet sich damit, streng die Regeln der HIPAA einzuhalten.

    Warum Blockchain im Biotechbereich? Passt zu CTSO und „it is the way less traveled by“. Im Finanzsektor ist Blockchain ja durch Bitcoin schon viel prominenter.

    Schönen Abend

    Gefällt mir

  10. @ Kuma

    Die genannten Firmen klingen interessant. Sag Bescheid, wenn Du den besten Kandidaten aus Growth, Value und Quality für Dich entdeckt hast. Den schaue ich mir dann auch gerne einmal genau an. Ich hätte hier noch Ping An eingeworfen. Ist zwar mehr in Richtung Versicherung, aber sie haben zumindest einen Online Doctor und Schäden werden mit obigen Modellen bereits in kleinem Ausmaß schnell automatisiert abgewickelt. Kenne den Chart aktuell nicht und sie sind sehr groß und eventuell regulierungsanfällig.

    Gefällt mir

  11. @ franzmanross

    Falls es so ein Unternehmen gibt ist es sicherlich nicht anhand von Kennzahlen leicht einzuschätzen. Dafür bräuchte es eine Historie mit am besten steigenden Gewinnen und Umsatzwachstum. Hier müsstest Du Dir eher eine Meinung bilden und überlegen, ob es eine rosige Zukunft haben könnte. Das ist allerdings oft nicht der Fall. Daher solltest Du genau wissen wie viel Du in diese Idee investieren möchtest.

    Gefällt mir

  12. Hallo franzmanross,
    danke für den Link. Sehr interessant. Leider ist keines der Unternehmen börsennotiert. Ob und wie die Geld verdienen ist also für mich erst einmal im Verborgenen.
    Sollte eines der Unternehmen mal an die Börse kommen, erkenne ich es vielleicht wieder.

    Gefällt mir

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:


Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google Foto

Du kommentierst mit Deinem Google-Konto. Abmelden /  Ändern )


Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )


Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s

%d Bloggern gefällt das: