Muligheter og begrensninger ved bruk av virkelighetsdata Klinikeres perspektiver i et lærende helsesystem med OMOP CDM

Abstract

Sjeldne kreftformer utgjør en betydelig andel av nye krefttilfeller, men for å kunne forske på store nok pasientkohorter innen samme undergruppe, er samarbeid mellom flere sykehus eller land ofte nødvendig. Dette krever effektiv datadeling og harmonisering av data for å sikre at informasjonen kan brukes på tvers av institusjoner og systemer. Formålet med denne studien er å undersøke hvordan bruk og standardisering av virkelighetsdata til en felles datamodell kan påvirke læring i et lærende helsesystem (LHS). Studien utforsker både muligheter og begrensninger ved bruk av virkelighetsdata, samt hvordan klinikere opplever at datakvalitet og detaljeringsgrad opprettholdes etter konvertering til OHDSI standardiserte kodeverk, og hvordan dette påvirker mulighetene for læring. En kvalitativ tilnærming med casestudie av DigiONE-prosjektet ved Oslo universitetssykehus ble benyttet. Dette prosjektet er en pilot i et europeisk forskningsnettverk som har som mål å harmonisere kreftdata ved bruk av OMOP CDM. Data ble samlet inn gjennom fokuserte, semi-strukturerte intervjuer med onkologer. Stegvis-deduktiv induktiv metode (SDI) ble brukt for å transkribere, kode og analysere dataene. Resultatene avdekket variasjoner i praksis for koding av pasientdata, med manglende føringer og tidspress som utfordringer. Informantene fremhevet at virkelighetsdata kan gi innsikt i pasientpopulasjoner som ofte ekskluderes fra kliniske studier, men understreket behovet for strukturert måling av behandlingseffekt. Kvaliteten på data konvertert til OHDSI standardiserte kodeverk var generelt god, men enkelte oversettelser mistet detaljert informasjon. Informantene påpekte viktigheten av grundig kvalitetssikring og involvering av fagekspertise i konverteringsprosessen. Selv om det ble uttrykt bekymring for tap av detaljeringsgrad og et behov for å forstå begrensningene ved dataene, ble standardisering av data sett på som positivt for å lette sammenligning og samarbeid på tvers av sykehus. Bruk av virkelighetsdata kan gi et mer representativt bilde av pasientpopulasjonen og forbedre beslutningstaking i helsetjenesten. Standardisering og føderering av data kan forbedre samarbeid og læring på tvers av institusjoner, men krever nøyaktig koding av pasientdata og en kultur som verdsetter dette. Involvering av klinisk fagekspertise i konverteringsprosessen er avgjørende for å sikre høy datakvalitet. Studien fremhever behovet for bedre dokumentasjonspraksis og en kulturendring i helsetjenesten for å maksimere læring og forbedring.

Rare cancer types constitute a significant proportion of new cancer cases, but in order to perform research on sufficiently large patient cohorts within the same subgroup, collaboration between multiple hospitals or countries is often necessary. This requires effective data sharing and harmonisation to ensure that information can be used across institutions and systems. The purpose of this study is to investigate how the use and standardisation of real-world data into a common data model can impact learning in a Learning Health System (LHS). The study explores both the opportunities and limitations of using real-world data, as well as how clinicians perceive the preservation of data quality and granularity after conversion to OHDSI standardised vocabularies, and how this affects the possibilities for learning. A qualitative approach with a case study of the DigiONE project at Oslo University Hospital was used. This project is a pilot in a European research network aimed at harmonising cancer data using OMOP CDM. Data were collected through focused, semi-structured interviews with oncologists. The stepwise-deductive inductive method (SDI) was used to transcribe, code, and analyse the data. The results revealed variations in practices for coding patient data, with lack of guidelines and time pressure as challenges. The informants highlighted that real-world data can provide insights into patient populations often excluded from clinical trials but emphasised the need for structured measurement of treatment effects. The quality of the data converted to OHDSI standardised vocabularies was generally good, but some translations resulted in a loss of detail. The informants emphasised the importance of thorough quality assurance and the involvement of clinical expertise in the conversion process. Although concerns were expressed about the loss of granularity, and there was a recognised need to understand the limitations of the data, data standardisation was seen as positive for facilitating comparison and collaboration across hospitals. The use of real-world data can provide a more representative picture of the patient population and improve decision-making in healthcare. Standardisation and federation of data can enhance collaboration and learning across institutions but require accurate coding of patient data and a culture that values this. Involvement of clinical expertise in the conversion process is necessary to ensure high data quality. The study highlights the need for better clinical documentation practices and a cultural shift in healthcare to maximise learning and improvement.