Open ScienceLaufend
SHARE-CTD
SHARE-CTD – Sharing and re-using clinical trial data to maximise impact
Hintergrund des SHARE-CTD-Konsortiums
Die Implementierung von Data Sharing mit den Ergebnissen aus klinischen Studien erfordert die Ausbildung einer neuen Generation von biomedizinischen Wissenschaftler:innen. SHARE-CTD ist ein von der Europäischen Union finanziertes Marie-Skłodowska-Curie-Doktorandennetzwerk, an dem akademische und nicht-akademische Partner beteiligt sind. Es ist ein Projekt zu Open Science, das konkrete Vorbilder für eine aktive Beteiligung an der Implementierung von Open Science in der medizinischen Forschung liefern wird.
Auf diese Weise werden Projektverantwortliche und elf Doktorand:innen in verschiedenen europäischen Ländern an Forschungsprojekten arbeiten. Dabei werden sie mehrere Aspekte von Data Sharing mit den Ergebnissen aus klinischen Studien erforschen. Ziel ist, die jungen Wissenschaftler:innen auf zukünftige Karrieren im Bereich des Data Sharing und der Wiederverwendung von Daten aus klinischen Studien vorzubereiten.
Ziele des SHARE-CTD-Konsortiums
SHARE-CTD zielt darauf ab, eine neue Generation von biomedizinischen Wissenschaftler:innen auszubilden, die ein tiefes Verständnis der Prozesse, Werte und Vorteile des Data Sharing mit Daten aus klinischen Studien haben. Um ein umfassendes Verständnis dafür zu bekommen, werden sie in Bereiche wie z. B. Data Sciences, Studienregulierung und Metaforschung sowie in ethische, rechtliche und soziale Fragen eingearbeitet.
Die Forschungsprojekte im Rahmen des SHARE-CTD-Konsortiums werden Best Practices identifizieren. Dabei sollen die Auswirkungen der Vorbereitung von Daten für Data Sharing sowie die Nutzung von Daten im Rahmen vom Data Sharing gemessen werden.
Das QUEST Center beteiligt sich unter der Projektleitung von Tracey Weissgerber mit dem Projekt Automatisierte Screening-Tools zur Identifizierung von Problemen beim Data Sharing, bei der Wiederverwendung von Daten und des allgemeinen Reporting in klinischen Studien am SHARE-CTD-Konsortium.
Ein weiterer PI des Konsortiums am BIH ist Fabian Prasser.
Hintergrund des Projekts
In den letzten Jahren wurde zunehmend Wert auf Data Sharing und Transparenz in der klinischen Forschung gelegt, um die Qualität, die Reproduzierbarkeit und die öffentliche Zugänglichkeit der Ergebnisse klinischer Studien zu erhöhen, jedoch stellt die korrekte Durchführung von Data Sharing und Reporting nach wie vor eine große Herausforderung dar.
Zum Beispiel werden viele Datensätze aus klinischen Studien nicht in öffentlichen Datenbanken hinterlegt oder in einer Weise weitergegeben, die eine effektive Wiederverwendung nicht ermöglicht. Darüber hinaus kann eine nicht-standardisierte Art des Reporting kritischer Faktoren von Studien, wie sie in Leitlinien wie CONSORT festgelegt sind, die Möglichkeit einer vollständigen Analyse und Interpretation von Studienergebnissen einschränken.
Dieses Projekt zielt darauf ab, diese Herausforderungen durch die Entwicklung automatisierter Screening-Tools anzugehen, um Probleme im Zusammenhang mit Data Sharing, der Wiederverwendung von Daten und dem Reporting nach den CONSORT-Leitlinien in Publikationen und Preprints von klinischen Studien zu erkennen. Durch die Schaffung dieser automatisierten Möglichkeiten soll das Projekt eine größere Transparenz sowie die Verbesserung der Gesamtqualität und des Nutzens des Reporting von klinischen Studien ermöglichen.
Dies wird sich auf die Verbesserung der Integrität, der Zugänglichkeit und der Bedeutung der Evidenz aus der klinischen Forschung auswirken.
Zielsetzung des Projekts
- Erweiterung von bestehenden automatischen Manuskript-Screening-Tools zur Erkennung von Open Data, die in Datenbanken für klinische Studien mit kontrolliertem Zugang (z. B. YODA) hinterlegt sind, und Entwicklung eines neuen Tools zur Erkennung der Wiederverwendung von Daten aus klinischen Studien, die in einem öffentlichen Datenbank oder einem Datenbank mit kontrolliertem Zugang hinterlegt sind
- Entwicklung von neuen automatisierten Werkzeugen zur Erkennung von CONSORT-Elementen beim Reporting
- Verwendung dieser neuen Werkzeuge, um Data Sharing, die Wiederverwendung von Daten und die Qualität des Reporting von klinischen Studien zu bewerten sowie Autor:innen von Preprints zur Verbesserung des Reporting von klinischen Studien zu motivieren
- Verwendung dieser Werkzeuge für Meta-Forschungsstudien zur Analyse der Verbreitung und der Auswirkungen von Data Sharing und der Wiederverwendung von Daten in klinischen Studien
Erwartete Ergebnisse / Implikationen / Perspektiven des Projekts
Erwartete Ergebnisse dieses Projekts sind:
- Die Entwicklung automatisierter Screening-Tools, die das Data Sharing, die Wiederverwendung von Daten und die Nutzung von CONSORT-Elementen in Preprints und Publikationen von klinischen Studien erkennen
- Die Integration der neuen Tools in die ScreenIT-Pipeline, was deren Nutzung für die Meta-Forschung und für Interventionen zur Verbesserung vom Data Sharing, der Wiederverwendung von Daten und des Reporting erleichtern wird
- Die Durchführung von Meta-Forschung über die Verbreitung und die Auswirkungen vom Data Sharing und der Wiederverwendung von Daten in klinischen Studien (Protokolle und SAPs)
