SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】 | Google Gemini・Python・エクセルを使った講義で最速マスター

セミナー案内             AIデータサイエンス動画           インスタグラム

SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】

SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】
SDV(Source Document Verification)は、臨床試験データの品質管理の一環として、症例報告書の正確性を確認する重要な手法です。施設訪問が可能な場合、直接閲覧(Direct SDV)でデータを確認しますが、施設側の負担や時間の制約から、間接閲覧(Indirect SDV)が用いられることもあります。モニターは症例報告書の記入漏れや書き間違いを確認し、データの意味を理解するためデータマネージャーと連携することが求められます。SDVに加え、修正履歴用紙(CLF)を用いることで、データ訂正や追記の経緯を記録し、改ざんを防止する仕組みも重要です。修正履歴は作業者や日時、理由を記録し、臨床試験データの透明性を確保します。電子データの修正ではデータファイルの整合性とバックアップが必要で、修正履歴の管理が適切なデータ確認を支えます。リレーショナルデータベースなどのシステムでは、修正履歴の記録を自動化できる場合もあり、トランザクション処理で効率化を図ることも可能です。品質管理のためには、これらの仕組みを臨床試験全体で適切に運用することが重要です。

SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】▼▼▼▼▼▼▼▼
チャンネル登録はこちら


目次  SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】



SDV (Source Document Verification)


臨床試験データの収集に際しては品質管理の観点から言えば,モニタリングを実施し,直接閲覧などによるSDV (Source Document Verification)が実施された症例報告書を回収することが望ましい.
いずれにせよ,これらのアプローチは施設を直接に訪問して症例報告書を入手できる場合にだけ,実施可能な方法である.


しかしながら,施設側でもSDVに対応するためには多大な時間と労力を必要とすることから随時SDVを実施することができるとは限らず,一つの臨床試験では全ての臨床試験データ収集後に一度だけしか機会が提供されない場合もある.


このような場合でも直接閲覧(Direct SDV)ではなく,モニターが症例報告書を見ながら,該当する項目について医師などにカルテの記載を読み上げてもらうなどの間接閲覧(Indirect SDV)というような手法によりデータ内容の確認を行うことも可能である.


少なくともモニターは,症例報告書を受領した際に単純な書き間違いや記入漏れがないかどうか一見して確認することは可能なはずである.


これらの対応が柔軟に行えるようにするためには,事前にデータマネージヤがモニターと充分なコミュニケーションを取ることにより,モニターに症例報告書に記載された臨床試験データの持つ意味を理解されていることが極めて大切である.


モニタリングにより臨床試験の実施状況を把握し,問題があった場合には速やかに対応することにより次に同じエラーが発生することを回避できるようにしていくことは,まさに品質管理のプロセスである.


しかしながら,臨床試験を実施する側の予算や体制の問題もあるため,実施すべきことと実施できることのバランスを含めて,最適なデータ収集方法を選択することが大切なことである.


SDVを行う場合に検討を要することの一つに,明確な理由があって原資料がその施設に存在しない場合がある.


たとえば,既往歴や合併症などはカルテに記載はあるものの本当の情報は他院に存在することが充分に考えられる.


この場合はカルテには記載があるのだからと割り切ることができる.


しかし,たとえば臨床試験開始前の臨床検査値が他院の測定であり,この臨床データを基に症例の登録を行った場合にはどうなのであろうか.


他院からの紹介状などがあり,カルテに添付されていた場合にはよいのだろうが,症例登録票あるいは症例報告書だけにその臨床データが記載されているケースもあるので,その臨床データの出所をしっかりと確認しておかなければならない.


別の事例としては,有害事象などの処置を他院で実施したような場合も考えられる.


たとえば,歯の痛みが生じ,近隣の歯科医師に診察を受けるケースというものも充分に考えられる.


このような場合には,必要に応じて責任医師などに状況を歯科医師から文書で提供してもらうように依頼するなどの対応を行っておくべきである.


このあたりのことは,臨床研究コーディネーター(CRC)などを含めて充分に対応策を考えておかなければSDVができないという問題を生じるか,不明な内容を含んだ評価が行われることになってしまうので注意が必要である.


また,原資料ということで考えれば,カルテに何も記載されていないということは事象が起こらなかったとも考えられるが,本当にそうなのだろうか.


とくに有害事象の発現などについては何も書かれていないからといって有害事象なしと無条件に考えてはいけない.


もしかすると記載がなかったのは,患者が医師に聞かれなかったから前回の有害事象が軽減はしたものの持続していることを言わなかっただけかもしれないのである.


このため,医師に有害事象の消失などについては患者への適切な確認とカルテへの記載をお願いしておかなければならない.


すなわち,本来であれば,カルテに「有害事象なし」という記載があって初めて有害事象がなかったという保証ができるということである.


このことは,ある有害事象の消失口を特定しようという場合にも,極めて大きな意味を持つのである.


なお, SDVの本質的な目的としては,医療行為として適切な措置が取られていたのかというようなことを確認することを忘れてはならない.


SDVには,かなりの時間と労力がかかる


これは原資料が多岐にわたることも原因の一つであるが,カルテなどのフリーフォーマットに近い書類群から症例報告書が求めるデータ項目を適切に探し出すことの困難さによるところが多い.


このため,欧米ではワークシートと呼ばれる臨床試験データを適切に記録できるような書式の記録紙をカルテの代わりに使用することがある.


このように,原資料となる書類についても記載方法などについては医師などに臨床試験であるということを,充分に理解してもらって事前に特別な配慮をお願いしておく必要性がある.


このようなことも臨床研究コーディネーター(CRC)がいれば改善できることであろう.


修正履歴用紙


従来, Book Typeの症例報告書において臨床データを訂正する場合には,訂正箇所に二重線を引いて,日付,訂正理由,署名・捺印などを行うという方法で対応されてきた.


しかし,空欄に新たに臨床データが追記されたような場合には,予め,空欄には斜線を引くなどの適切な対応がなされていない限り,その臨床データが後から追記されたものかどうかを判断することは不可能であった.


品質管理の観点から言えば,このような臨床データの追記についてもきちんと管理されていることが必要である.


そこで,症例報告書の修正履歴を適切に残す一つの方法として,修正履歴用紙(CLF; Correction Log Form)を利用することが考えられる.


この方法は, Book Typeの症例報告書においても利用することが可能であり,とくに複写式のVisit Type の症例報告書では極めて有用で重要なツールとなる.


すなわち,品質管理を考えた場合に回収された原本が管理場所から頻繁に持ち出されてしまうことは改竄されていないという保証をすることが極めて難しくなる.


けれども,原本はきちんと保管され,別紙にて問い合わせと確認の記録を行う方式であれば原本の改竄の可能性を完全に否定できるとともに修正履歴を適切に管理することが可能になる.


さらに,このような問い合わせと確認を記録として残すことにより,臨床データをレビューした側かどのような疑問を感じ,どのような確認をした上で,臨床データが訂正されたか否かということを明確に第三者に提示することができる.


まさしく,これは臨床データに対する品質管理という行為である.


このように,修正履歴用紙は問い合わせを含んでいるため, DCF (Data Clarification Form)あるいはQuery Form と呼ばれることもある.


従来の症例報告書に直接,訂正や追記を行う方法では,とくに追記データの判別が難しかったために,どのコンピュータデータを修正すべきかの確認が困難になることがあった.


しかし,修正履歴用紙を用いれば,修正項目を明確化できる.


さらに,症例報告書の極めて単純な記入ミスなどについてセントラル側で判断してデータ入力し,医師などに事後に確認を求めるために利用できることにも大きな意義がある.


このようなことを考えると修正記録用紙は複写式で医師側にも控えとしてきちんと保管できるような形態になっていることが必要であると言えるだろう.


当然,修正記録用紙が何枚も発行されるような場合もあり,紛失や不適切な差し替えなどを防止できるような適切な管理体制が必要である.


さらに,その症例の最終的な臨床データを確認するためには,症例報告書と全ての修正記録用紙を組み合わせなければならない.


ただし,逐次,コンピュータデータが適切に修正されていた場合には,その最終出力を利用することにより臨床データを確認することは可能である.


なお,修正記録用紙を用いる場合には,従来とは異なり,問い合わせに対する医師などの見解を詳しく記入する必要があるということは負荷の増大となるので,注意が必要である.


修正記録用紙の利用に際しては,もう一つ考えておかなければならない事項がある.


それは,医師などが自己申告として修正の依頼を行うために修正記録用紙を使用する場合を除き,誰が修正記録用紙の作成を行い,誰が回答を作成するかということである.


修正記録用紙に記載される内容は,先に述べたように症例報告書に記載されている臨床試験データに関する質問事項である.


そして,臨床試験データをレビューした担当者にとっては,疑問を持った事項は全て解決すべきものであり,質問事項となる.


しかしながら,これらの質問の全てが医師などに対して確認しなければならないというものではなく,モニターなどの臨床担当部門で充分に回答が可能なものも含まれることがある.


そして,組織内で回答できる質問に対しては,回答者が誰であるのかということを明確にしておけば,モニターなどが回答することで差し支えないはずである.


従来,ちょっとした質問は口頭でデータレビュアーとモニターの間で交わされ解決してしまうことがあったはずである.


修正記録用紙に記載するという行為はこれらを明確に記録として残しているにすぎず,これにより臨床試験データを確認する過程でどんな疑問が生じ,どんな解釈で合意されたのかということが明確にされて記録として残されることになる.


これは品質管理という面からは好ましいことである.


その上で,全ての質問事項の中から組織内では解決できないと判断された項目だけを,改めて医師などに対して確認すればよいのである.


なお,このような対応を実践するためには,修正記録用紙を「組織内の確認用質問票(QNF ; Query Notification Form)」と「医師などへの確認用修正記録用紙(CLF)」の2種類として作成する方式と,組織内で回答できる部分は回答した上で医師などに確認が必要な部分だけを「修正記録用紙」として作成するという2ステップの方式(2段階作成方式)が考えられる.


いずれにせよ,データレビュアーは臨床データマネジメント部門に属しているはずであり,修正記録用紙の作成は基本的に確認を行って問題点や疑問点を見つけた担当者が属する臨床データマネジメント部門が行うべき業務である.


ノウハウの蓄積やコンピュータシステムを利用して作成する可能性という意味でも臨床データマネジメント部門で作成する方がよい.


ただし,最初からその質問が組織内で回答可能であるかどうかを完璧に判断することは困難であるため,2段階作成方式が現実的であろうと思われる.


また,モニターなどの臨床担当部門からの回答において既にモニタリング時点で医師などから情報を入手しており,モニタリング記録として明確に記録が残されている場合であっても,医学的な判断を伴う質問への回答などについては,症例報告書の単純な記入ミスに対する入力処理の事後確認と同様に,回答内容を医師などに確認してもらい,署名あるいは捺印をお願いする方が妥当であると思われる.


このような場合にも,やはり2段階作成方式が効率的であろう.


そのほかの回答についても,臨床研究コーディネーター(CRC)による記入は可能であるが,回答内容を医師などに確認してもらい,署名あるいは捺印をお願いする必要があると思われる.



電子データの修正


コンピュータ上のデータの修正には,データの保存形態によりいくつかの方法が考えられる.


まず,入力時にいくつのデータファイルを作成したかを考え,修正の対象とするデータファイルを明確にする必要がある.


データの入力方法としてシングルエントリーを採用した場合には,当然一つのデータファイルしか存在しないし,ダブルエントリー以上の方法を採用してもデータファイルが一つしか存在しない場合には,修正の対象となるデータファイルで悩む心配はない.


しかし,二つのデータファイルが存在する場合には,両方とも修正するのか,あるいはどちらかのデータファイルだけを対象として修正するのかを慎重に考えておかなければならない.


二つのデータファイルを両方とも修正する場合, データファイル1とデータファイル2の比較は初めてデータ入力を行った時の整合性確認を行う場合である.


この場合には,修正作業の確認という点では不必要なデータファイルは発生せず,常に二つのデータファイルの整合性は確保されており,同時に同じデータファイルが二つ存在することになる.


このため,万一,一つのデータファイルに障害が発生したような場合に,他方のデータファイルをバックアップとして利用することができる.


そして,二つのデータファイルの整合性を確認することにより適切なデータ修正が行われたことを確認することができる.


ただし,各データファイルに修正を加える前にコピーを作成しておき修正後の新データファイルとの差分を作成しないと修正履歴が確認できなくなる危険性がある.


また,厳密な意味での修正履歴としてはデータファイル1に対するものとデータファイル2に対するものの二つを管理しておかなければならず,処理が煩雑になってしまう.


一方,二つのデータファイルのうち片方だけを修正する場合、データファイル1とデータファイル2の比較は初めてデータ入力を行った時の整合性確認を行う場合である.


この場合には,データファイル1のコピーを修正前に作成しておかなければ修正後の新データファイル1との比較対象がなくなってしまうことに注意しなければならない.


そして,この比較により修正履歴が作成され,それを確認することにより,適切な修正が行われたことを確認することができる.


修正履歴は一つだけを管理すればよく,シンプルなものになる.


ただし,修正が完了した段階で新データファイル1とデータファイル2の内容は異なったものになるため,データファイル2の存在意義はなくなってしまうので,新たな症例のデータを追加する場合には注意が必要である.


また,修正履歴作成後には,データファイル1のコピーを特別に保存する必要はない.


修正履歴


臨床試験データ管理システムにおいては答申GCPでも「当該システムが,入力済みのデータを消去することなしに修正が可能で,データ修正の記録をデータ人力者及び修正者が識別されるログとして残せる(すなわち監査証跡,データ入力証跡,修正証跡が残る)ようにデザインされていることを保証すること」と記載されているように,きちんとした修正履歴を残すことが求められている.


本質的には臨床試験データがクリーンアップされる過程での修正履歴のうち,単なる人カミスによるものであったり,文字が不明瞭で読み取れなかったために後で入力したものなどについてまで修正履歴を残す必然性はない.


症例報告書の記載内容の修正に対応したコンピュータデータの修正だけについて修正履歴を残し,症例報告書の修正とコンピュータデータの修正の整合性を確認できればよいはずである.


究極的には,データ固定以降のデータ修正に対してのみ修正履歴が残されればよいという考え方もあり得る.


しかしながら,全ての変更作業に対して正確な修正履歴が残されるようになっていれば,逆に不適切な改竄が行われてはいないという保証として修正履歴を利用することが可能になる.


このため,修正履歴を残す際には修正前後のデータ,作業者,作業日時を記録するとともに,修正の理由も記録しておくべきである.


データ固定後に行われるコンピュータデータの修正においては,データ固定の解除なども含めた手順が必要となるため,修正履歴とともにこれらの手順に関する記録も残されなければならない.


リレーショナルデータベースを使用した場合には修正履歴が自動的に作成されるというのは誤解であり,リレーショナルデータベースの処理においても「電子データの修正」の項で説明した内容を充分に考慮しておかなければならない.


ただし,リレーショナルデータベースを使用したシステムの構築の方法によっては,新旧のデータの比較によって修正履歴を作成するのではなく,修正作業そのものを直接的に修正履歴として記録することも可能である.


さらに,トランザクション処理をすることにより,コミット(commit ; 前回のcommitから現在までの操作をデータベースに反映させる)とロールバック(rollback ;前回のcommitから現在までの操作をキャンセルする)という機能をうまく利用して,修正内容の最終確認後に一括してデータ修正を実際に行うというようなことも実現可能である.


なお,多くの市販臨床試験データ管理システムでは,これらの修正履歴管理機能をユーザーにとくに意識させることなく作業が行えるようになっているはずである.



SDV(Source Document Verification)は、臨床試験データの品質管理の観点から極めて重要な手法であり、症例報告書(CRF)に記載されたデータが原資料と一致しているかを確認する作業を指します。このプロセスは臨床試験データの正確性や信頼性を保証するために欠かせないものですが、実施方法や頻度については多くの課題が伴います。一般的に、直接閲覧(Direct SDV)は、モニターが施設を訪問し、症例報告書と原資料であるカルテや検査記録などを直接照合する方法です。しかし、施設側にとってこの作業は大きな負担となる場合が多く、全てのデータ収集期間にわたって随時SDVを実施することは現実的でないこともあります。そのため、間接閲覧(Indirect SDV)として、モニターが医師やスタッフに原資料の記載を読み上げてもらいながら確認する方法も活用されます。この方法では施設訪問の回数や時間を削減できる可能性がありますが、原資料との照合が間接的であるため、情報の完全性に若干の懸念が残る場合があります。SDVの効率を高めるためには、モニターが事前に症例報告書の記載内容や臨床試験データの持つ意味を十分に理解しておくことが不可欠であり、そのためにはデータマネージャーとの密接なコミュニケーションが求められます。また、モニタリングの目的は、臨床試験の進行状況を把握し、問題が発生した場合には速やかに対応策を講じることにありますが、これを実現するためには、試験の予算や体制を考慮して、実施可能な範囲で最適なデータ収集方法を選択することが重要です。さらに、原資料が存在しない場合や他院に情報が分散している場合には、SDVの実施が困難となることがあります。例えば、既往歴や合併症が他院のカルテにのみ記載されているケースや、臨床試験登録時の検査値が他院で測定された場合などが該当します。このような場合には、紹介状や添付資料を確認するなどの対応が必要であり、不明な内容を含んだまま評価が行われることを防ぐために、臨床研究コーディネーター(CRC)やモニターが連携して適切な対策を講じる必要があります。有害事象についても、カルテに記載がない場合でも、事象が実際に発生しなかったと断定することはできず、患者への確認を徹底することが求められます。特に、前回発生した有害事象が軽減したが継続している場合など、適切な確認が不足すると正確な記録が得られないリスクがあります。このため、有害事象の消失や継続についてカルテに明確に記載するよう医師に依頼し、これが記録された場合に初めて有害事象がなかったことを保証できるといえます。このようなプロセスは、臨床試験データの透明性と信頼性を確保する上で非常に重要です。さらに、修正履歴用紙(CLF)の活用は、症例報告書の訂正や追記の履歴を正確に管理し、品質管理を強化するための有効な手段とされています。CLFは、データの改ざん防止や、どのような理由でデータが修正されたのかを第三者に提示するための記録ツールとして機能します。この方法は、特に複写式の症例報告書において有用であり、原本の改ざんリスクを低減するとともに、修正履歴を一元管理することで、データ管理の効率性を向上させます。また、電子データの修正についても同様に、修正履歴を残すことが不可欠です。コンピュータ上のデータを修正する場合には、データファイルのバックアップや修正前後の比較を行い、修正履歴を明確に記録することが求められます。リレーショナルデータベースを利用する場合には、修正作業そのものを直接的に記録する仕組みが導入されることがあり、これによりデータ修正の透明性がさらに向上します。一方で、修正履歴の記録が増えることで負担が増大する場合もあるため、効率的な管理方法の導入が重要です。例えば、トランザクション処理を活用することで、修正内容を一括して反映させる手法が検討されており、これにより修正作業の効率化とデータ整合性の確保が可能になります。このような修正履歴の管理は、最終的に臨床試験データの品質を保証するためのプロセスであり、データ固定後の修正についても厳格な手順と記録が求められます。さらに、修正履歴用紙の運用方法については、組織内で解決可能な質問と医師への確認が必要な質問を明確に区別する2段階方式が推奨されています。この方式は、モニターやCRCが適切に役割分担を行い、医師への負担を軽減しながらデータの品質を確保する上で有効です。臨床試験におけるデータ管理と品質保証は、これらのプロセスを通じて達成されるものであり、データの信頼性を維持し、適切な医療判断を下すための基盤となります。このように、SDVを含むデータ管理の全プロセスを効果的に運用することで、臨床試験の結果が正確で信頼性の高いものとなり、医療の発展に貢献することができます。


SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】


セミナー詳細                    解析ご相談                    LINEでお友達

SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】

SDVで臨床試験データを守る!品質管理の最前線【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】