Los datos clínicos anonimizados son información sobre la salud de los pacientes a la que se le han eliminado los identificadores directos con el fin de proteger la privacidad. En el ámbito de la investigación, permiten a las organizaciones analizar tratamientos, resultados y patrones de enfermedades sin revelar información que permita identificar personalmente a los pacientes.

Los datos del mundo real procedentes de los sistemas de historias clínicas electrónicas (HCE) se recogen durante la atención rutinaria al paciente y se registran en campos clínicos como el diagnóstico, la localización corporal, la gravedad de la enfermedad, el historial de tratamiento y los indicadores de resultados. Los datos estructurados y anonimizados de las HCE resultan especialmente útiles, ya que son más coherentes y están listos para su análisis.

Los datos estructurados de la historia clínica electrónica (HCE) son información registrada en campos estandarizados, introducida directamente a partir de las respuestas del especialista a una serie de preguntas, en lugar de texto narrativo no estructurado. Son importantes para la investigación porque mejoran la coherencia del contenido de los datos introducidos por el especialista, facilitan un análisis más rápido y permiten evaluar más fácilmente los resultados de los pacientes, los patrones de tratamiento y la evolución de la enfermedad a gran escala.

Los datos de pacientes anonimizados y tokenizados pueden servir de base para estudios de evidencia del mundo real, ya que permiten a los investigadores analizar los resultados al tiempo que contribuyen a proteger la privacidad. La tokenización también puede facilitar la vinculación a nivel de paciente entre conjuntos de datos dispares para garantizar el cumplimiento de la HIPAA, lo que permite obtener una visión más amplia de la trayectoria de los pacientes, el uso de los tratamientos y los resultados a largo plazo.

Los datos del mundo real específicos de cada especialidad pueden incluir medidas de resultado como las puntuaciones de gravedad de la enfermedad, la localización corporal, la agudeza visual, la presión intraocular, las características de las lesiones, los índices de síntomas y la evolución a lo largo del tiempo. Estas medidas estructuradas ayudan a los investigadores a evaluar la carga de la enfermedad, la respuesta al tratamiento y los resultados clínicos.

Los equipos del ámbito de las ciencias de la vida utilizan conjuntos de datos clínicos específicos de cada especialidad, ya que estos proporcionan un contexto clínico más detallado que muchas fuentes generalizadas. Estos conjuntos de datos pueden ofrecer indicadores relevantes para la enfermedad, información sobre los tratamientos y detalles sobre los resultados que mejoran el diseño de los estudios, la generación de evidencia y el análisis de las áreas terapéuticas.

Los datos del mundo real son la información sanitaria recopilada durante la atención sanitaria habitual, procedente de historias clínicas electrónicas, reclamaciones o datos sobre resultados. La evidencia del mundo real es el conocimiento clínico o científico que se obtiene al analizar los datos del mundo real para responder a preguntas sobre el uso de los tratamientos, su seguridad, su eficacia o los resultados de los pacientes.

La envergadura y el nivel de detalle de las soluciones de datos del mundo real de ModMed contribuyen a generar evidencia del mundo real más precisa para los investigadores del ámbito de las ciencias de la vida.

Los investigadores deben tener en cuenta la calidad de los datos, la estructura de los campos, la pertinencia para su especialidad, las medidas de protección de la privacidad, las capacidades de tokenización, la cobertura geográfica y la profundidad de los resultados. Un buen proveedor de datos del mundo real también debe ofrecer conjuntos de datos listos para su análisis que se ajusten a la pregunta de investigación y al diseño del estudio previstos.