Arbeitsgruppe GePaRD & Target Trials for Causal Inference (GeTTCausal)

Arbeitsgruppe GePaRD & Target Trials for Causal Inference (GeTTCausal)

In der Epidemiologie können viele Forschungsfragen nur anhand von Beobachtungsdaten beantwortet werden, da randomisiert kontrollierte Studien (RCTs) praktisch oder ethisch nicht durchführbar wären, wie beispielsweise die Untersuchung von Langzeiteffekten oder Untersuchungen in vulnerablen Gruppen. Allerdings kann die Analyse von Beobachtungsdaten in die Irre führen, wenn bei der Konzipierung gewisse Grundprinzipen verletzt werden, die bei RCTs selbstverständlich wären. Die sogenannte „HRT Story“ hat dies eindrücklich gezeigt (Hernán et al 2008 Epidemiology 19:766).

Um diesen Problemen zu begegnen und für diese vermeidbaren Verzerrungen zu sensibilisieren, wurde das allgemeine Prinzip der „Target Trial Emulation (TTE)“ entwickelt (Hernán & Robins 2016 Am J Epidemiol 183:758). Es gewährleistet die praktische Interpretierbarkeit und Aussagekraft von Analysen und bietet einen hohen Schutz vor vermeidbaren Verzerrungen. Der TTE-Ansatz findet zunehmend Verbreitung im Bereich der Analyse von elektronischen Patientenakten, Abrechnungsdaten gesetzlicher Krankenkassen oder anderen Beobachtungsdaten (Caniglia et al 2020 Neurology 95:e1322).

Das übergeordnete Ziel der GeTTCausal-Arbeitsgruppe ist die Anwendung und Weiterentwicklung des TTE-Ansatzes, um das Wissen zu Effekten und Nebenwirkungen medizinischer Behandlungen oder Screening-Maßnahmen zu erweitern. Darüber hinaus werden wir Methoden für maßgeschneiderte Sensitivitätsanalysen untersuchen und entwickeln, um nicht vermeidbare Verzerrungen zu adressieren, z. B. durch Verwendung von Negativkontrollen, sequentieller Restriktion der Studienpopulation oder quantitativer Bias-Modellierung.

Die Arbeitsgruppe GeTTCausal nutzt und bündelt die Expertise des BIPS in den Bereichen der kausalen Inferenz, der klinischen Epidemiologie und der Analyse von Krankenkassendaten. Mit dem Zugriff des BIPS auf die pharmakoepidemiologische Forschungsdatenbank GePaRD sind wir in der einzigartigen Position, innovative und robuste Analysen durchzuführen, die von direkter Relevanz für Patienteninnen und Patienten, Ärztinnen und Ärzte und Entscheidungsträgerinnen und Entscheidungsträger  im öffentlichen Gesundheitswesen sind.

Die Nutzung von GePaRD für TTE bietet die folgenden Möglichkeiten:

  • Die Datenbank deckt ca. 20% der deutschen Bevölkerung ab (~16 Mio. pro Jahr, insgesamt 25 Mio. Personen in der Datenbank); alle Altersgruppen und Regionen in Deutschland sind vertreten
  • Es wird eine Zeitspanne von über 15 Jahre abgedeckt (Daten ab 2004)
  • Die Daten sind weder durch Volunteer-Bias noch Recall-Bias beeinträchtigt
  • Vulnerable Gruppen wie zum Beispiel Schwangere sind zahlreich vertreten und identifizierbar.
  • Alle Versorgungsformen (ambulant und stationär, inklusive Facharztversorgung) werden abgedeckt

 

Abgeschlossene, laufende und geplante Projekte adressieren zum Beispiel:

  • die Wirksamkeit des deutschen Mammographiescreening-Programms zur Senkung der Brustkrebsmortalität
  • die Wirksamkeit des Koloskopie-Screenings zur Senkung der Darmkrebsinzidenz im distalen vs. proximalen Darm
  • den Effekt von Antidiabetika auf das Risiko eines Pankreaskarzinoms (Börnhorst et al. 2021 Clin Epi 13:1027)
  • den direkten Vergleich verschiedener direkter oraler Antikoagulanzien bei Vorhofflimmern (Wirksamkeit und Sicherheit)
  • den Effekt des gleichzeitigen Gebrauchs von Tamoxifen und Antidepressiva auf das Wiederauftreten von Brustkrebs

 

Umgekehrt ergibt die Anwendung der TTE auf GePaRD folgende Möglichkeiten:

  • die Analyse wird durch eine expliziten Forschungsfrage gelenkt, um Entscheidungsträger zu informieren (Didelez 2016 IJE 45:2049)
  • verschiedene selbstverursachte (meist zeitbezogene) Biasquellen werden vermieden, bspw. Immortal-Time-Bias oder Verzerrungen durch den Einschluss von prävalenten Nutzerinnnen und Nutzern
  • potentielle andere Biasquellen wie z.B. Protopathic-Bias sind leichter erkennbar und können in Sensitivitätsanalysen explizit adressiert werden
  • TTE bietet einen Rahmen, der mit einer Vielzahl statistischer Methoden kombiniert werden kann

 

Hinsichtlich statistischer Ansätze strebt die Arbeitsgruppe die Entwicklung eines systematischen Vorgehens zur Auswahl geeigneter Methoden an, z.B. zur Adjustierung von Confounding und für Sensitivitäts-/Bias-Analysen. Daher werden wir bestehende Methoden verglichen und neue Methoden für die TTE mit GePaRD entwickeln, wie z. B. double-machine learning zur Adjustierung für hochdimensionales Confounding oder „separable effects“-Ansätze in Situationen mit konkurrierenden Risiken (Didelez 2019 LIDA 25:593; Stensrud et al 2020 JASA 117:175). Darüber hinaus werden wir die Überlegenheit von TTE gegenüber gängigen, aber verzerrten Ansätzen, empirisch veranschaulichen, und so zu einer verbesserten Forschung mit Beobachtungsdaten beitragen (Pigeot et al 2021 Gesundheitswesen 2021 83:S69).