Biologics Effec,veness and Safety (BEST) Ini,a,ve: Pilot - - PowerPoint PPT Presentation

Biologics ¡Effec,veness ¡and ¡ ¡ Safety ¡(BEST) ¡Ini,a,ve: ¡ ¡ Pilot ¡Year ¡

Azadeh ¡Shoaibi, ¡PHD, ¡MHS ¡ CBER ¡Sen,nel ¡Lead ¡ FDA ¡Center ¡for ¡Biologics ¡Evalua,on ¡and ¡Research ¡ October ¡12, ¡2018 ¡

2

Outline ¡

• 1. What ¡are ¡Biologics? ¡ ¡
• 2. BEST ¡Ini,a,ve: ¡a ¡component ¡of ¡the ¡CBER ¡

Sen,nel ¡Program ¡

• a. Accomplishments ¡
• b. Lessons ¡Learned ¡
• 3. Future ¡Plans ¡

3

WHAT ¡ARE ¡BIOLOGICS? ¡ ¡

Center ¡for ¡Biologics ¡Evalua,on ¡and ¡Research ¡(CBER) ¡

4

BIOLOGICS EVALUATION SAFETY

BEST

CBER-­‑Regulated ¡Products: ¡Biologics ¡

Vaccines ¡(preventa,ve ¡and ¡therapeu,c) ¡ Blood ¡(components ¡and ¡derived) ¡ Human ¡Tissues ¡and ¡Cellular ¡Products ¡ Gene ¡Therapies ¡ Xenotransplanta,on ¡Products ¡

5

CBER ¡Ac,ve ¡Surveillance ¡Ac,vi,es ¡

Ac,ve ¡surveillance ¡ac,vi,es ¡with ¡many ¡organiza,ons ¡ through ¡contracts ¡and ¡agreements ¡for ¡many ¡years: ¡

• Harvard ¡Pilgrim: ¡Sen,nel ¡

Program ¡

• HealthCore ¡ ¡
• IBM ¡Watson ¡
• Centers ¡for ¡Medicare ¡and ¡

Medicaid ¡(CMS) ¡ ¡

• Veterans ¡Administra,on ¡

(VA) ¡ ¡

• Department ¡of ¡Defense ¡

(DoD) ¡ ¡

• Indian ¡Health ¡Services ¡(IHS) ¡ ¡ ¡ ¡

6

Biologics ¡Ac,ve ¡Surveillance ¡ Requirements ¡

• Accommodate ¡unique ¡characteris,cs ¡of ¡

biologics ¡

• Expand ¡and ¡scale ¡up ¡surveillance ¡capability ¡and ¡

capacity ¡

• U,lize ¡more ¡advanced ¡methodology ¡and ¡

technology ¡ ¡

7

• Two ¡1-­‑year ¡contracts ¡
• Oct. ¡2017 ¡– ¡Oct. ¡2018 ¡
• IQVIA ¡and ¡OHDSI ¡

Biologics Effectiveness and Safety (BEST) Initiative: Pilot Program

8

BEST ¡Pilot ¡Objec,ves ¡ ¡

CONTRACT 1: Data, Analytics, Infrastructure for Active Surveillance of Biologics

Develop advanced and large-scale surveillance capabilities to meet biologics needs: data sources and analytics

CONTRACT 2: Development of New and Innovative Methods for Automated Reporting

Utilize innovative methods such as natural language processing, machine learning, and artificial intelligence to mine unstructured data in EHR data sources to advance surveillance capabilities

9

BEST ¡Collaborators: ¡IQVIA ¡and ¡OHDSI ¡

IQVIA ¡

Coordinating Center

University ¡of ¡ California ¡Los ¡ Angeles ¡ Georgia ¡Ins>tute ¡ ¡

• f ¡Technology ¡

Stanford ¡ ¡ University ¡ Regenstrief ¡ Ins>tute ¡ Columbia ¡ University ¡

OHDSI ¡

10

Data ¡Sources: ¡OMOP ¡CDM ¡

Claims & Administrative data

~100 million patient records

Data Sources: IQVIA Regenstrief Institue

Electronic Health Records

~24 million patient records

Data Sources: Stanford University Columbia University Regenstrief Institute

11

ACCOMPLISHMENTS ¡

BEST ¡Ini,a,ve: ¡Data, ¡Tools ¡and ¡Infrastructure ¡for ¡Surveillance ¡

• f ¡Biologics ¡(Contract ¡1) ¡

12

Infrastructure ¡

• Considerable ¡infrastructure ¡built-­‑ ¡but ¡more ¡to ¡

come ¡

• EHR ¡data ¡sources: ¡focus ¡on ¡blood ¡components ¡

surveillance ¡

• OMOP ¡CDM: ¡Flexible ¡and ¡expandable ¡

– Incorporated ¡ISBT ¡128 ¡coding ¡system ¡

¡

13

Infrastructure ¡

• Reduced ¡data ¡lag ¡from ¡9-­‑12 ¡months ¡to ¡3-­‑4 ¡

months ¡

• Analy,cs ¡applicable ¡to ¡diverse ¡and ¡large-­‑scale ¡

data ¡sources ¡to ¡scale ¡up ¡capacity ¡ ¡ ¡

14

Blood ¡Transfusion ¡

• Assessed ¡u,liza,on ¡of ¡blood ¡components ¡ ¡

– Red ¡blood ¡cells ¡(RBC), ¡platelets, ¡plasma ¡

• Using ¡ISBT ¡128 ¡and ¡billing ¡coding ¡systems ¡

¡

15

Frequency ¡of ¡transfused ¡pa,ents ¡using ¡billing ¡codes ¡ ¡ compared ¡to ¡ISBT ¡128 ¡codes ¡by ¡blood ¡component, ¡3 ¡sites, ¡ 2010-­‑2017 ¡

16

Transfusion-­‑Related ¡Adverse ¡Events ¡

• Transfusion-­‑Related ¡Acute ¡Lung ¡Injury ¡(TRALI): ¡

test ¡case ¡

• Explored ¡temporality ¡between ¡transfusion ¡and ¡

TRALI ¡

– Difficult ¡to ¡establish ¡

¡ ¡

17

¡ ¡

Pa,ent ¡ ID ¡ Number ¡

Temporality ¡between ¡blood ¡transfusion ¡& ¡TRALI ¡ diagnosis ¡

Number ¡of ¡Days ¡to ¡Index ¡Date ¡(TRALI ¡date)

Admission Date Red Blood Cell Platelets Plasma Cryoprecipitate TRALI Discharge Date

18

Lessons ¡Learned ¡

• Fair ¡amount ¡of ¡infrastructure ¡to ¡be ¡built ¡
• Data ¡quality ¡control ¡and ¡assurance ¡

– Diverse ¡data ¡sources ¡provide ¡diverse ¡data ¡quality ¡ – Standardize ¡and ¡harmonize ¡different ¡data ¡sources ¡ – Different ¡data ¡sources ¡consistently ¡mapped ¡to ¡CDM ¡ – Quality ¡checking ¡of ¡data ¡beyond ¡simple ¡counts ¡and ¡logic ¡check ¡necessary ¡ – Stability, ¡consistency, ¡and ¡completeness ¡essen,al ¡

• Research ¡vs. ¡regulatory ¡requirements ¡and ¡needs ¡ ¡

19

FUTURE ¡PLANS ¡

BEST ¡Ini,a,ve: ¡Data, ¡Tools ¡and ¡Infrastructure ¡for ¡Surveillance ¡

• f ¡Biologics ¡(Contract ¡1) ¡

20

BEST ¡Ini,a,ve ¡con,nues… ¡

Two new 5-year contracts awarded Sept. 2018

• IQVIA and OHDSI
• Acumen
• IBM
• Dovel Technologies

CONTRACT 1: Surveillance Infrastructure CONTRACT 2: Innovative Methods

21

Challenges ¡

• 1. Develop ¡standard ¡data ¡quality ¡control ¡

processes ¡and ¡set ¡up ¡a ¡threshold ¡for ¡ acceptable ¡data ¡quality ¡

• 2. Standard ¡data ¡cura,on ¡methods ¡
• 3. Establish ¡temporality ¡between ¡events ¡
• 4. Linkage ¡of ¡claims ¡and ¡EHR ¡data ¡sources ¡to ¡

enrich ¡data ¡

22

Acknowledgements ¡

• CBER ¡Sen,nel ¡Central ¡Team ¡

– Kinnera ¡Chada, ¡PhD ¡ – Joyce ¡Obidi, ¡PhD ¡ – Kris,n ¡Sepulveda ¡

• Office ¡of ¡Biosta,s,cs ¡and ¡

Epidemiology ¡

• CBER ¡product ¡offices: ¡OVRR, ¡

OBRR, ¡OTAT ¡

• IQVIA ¡ ¡
• OHDSI ¡Collaborators ¡

– Columbia ¡University ¡ – Regenstrief ¡Ins,tute ¡ – Stanford ¡University ¡ – Georgia ¡Ins,tute ¡of ¡ Technology ¡ – University ¡of ¡California ¡Los ¡ Angeles ¡

¡ ¡

CBER ¡Biologics ¡Efficacy ¡and ¡Safety ¡ ¡ Sen>nel ¡(BEST) ¡Program ¡#2 ¡

¡

Development ¡of ¡New ¡and ¡Innova1ve ¡Methods ¡for ¡ Automated ¡Repor1ng ¡for ¡CBER-­‑Regulated ¡Biological ¡ Products ¡

¡

¡

¡

Alan ¡E ¡Williams, ¡Ph.D. ¡(on ¡behalf ¡of ¡IQVIA ¡and ¡the ¡BEST-­‑2 ¡Team) ¡ Associate ¡Director, ¡Regulatory ¡Affairs, ¡CBER ¡OBE ¡ 10/12/2018 ¡

¡

25

Typical ¡Biologics ¡Product ¡ Approval ¡Lifecycle ¡

Clinical Investigational Plan Phase 1

Safety

Phase 2

Safety Dose- ranging

Phase 3

Safety Efficacy

BLA

Data to support approval

Post-market studies

(Phase 4)

Passive Surveillance Active Surveillance (a form of real

world evidence)

IND

IND: Investigational New Drug Application BLA: Biologics License Application

26

BEST ¡#2 ¡– ¡Two ¡Major ¡Program ¡Goals: ¡ ¡ Regulatory ¡Perspec,ve ¡

¡

¡I. ¡Develop ¡Infrastructure ¡to ¡improve ¡the ¡quality ¡(accuracy ¡and ¡predic,ve ¡ value) ¡of ¡ac,ve ¡post-­‑market ¡(PM) ¡surveillance ¡beyond ¡what ¡is ¡available ¡ solely ¡from ¡”big ¡data” ¡resources ¡based ¡on ¡billing ¡codes. ¡(FDAAA ¡2207) ¡ ¡

1. Exposures ¡ 2. Outcomes ¡ ¡ 3. Ini,al ¡emphasis ¡on ¡blood ¡transfusion ¡(hemovigilance)* ¡

¡

* ¡Blood ¡components ¡are ¡established ¡products. ¡Pre-­‑market ¡review ¡is ¡based ¡on ¡adequacy ¡

• f ¡manufacturing ¡procedures, ¡not ¡efficacy) ¡ ¡

27

BEST ¡#2 ¡– ¡Program ¡Goals: ¡ ¡ Regulatory ¡Perspec,ve ¡ ¡

• II. ¡Increase ¡the ¡efficiency ¡(reduce ¡the ¡burden) ¡of ¡PM ¡surveillance ¡repor,ng ¡

¡

PM ¡e-­‑repor,ng ¡of ¡product ¡adverse ¡events ¡(AE) ¡ ¡to ¡FDA ¡by ¡manufacturers ¡now ¡required ¡for ¡most ¡FDA-­‑ regulated ¡products ¡(passive); ¡MEDWatch/FAERS/VAERS ¡ ¡-­‑ ¡Many ¡reports, ¡variable ¡quality ¡ ¡

¡ PM ¡ ¡Repor,ng ¡not ¡required ¡for ¡blood ¡transfusion ¡at ¡this ¡,me. ¡ ¡ ¡-­‑ ¡Voluntary ¡repor,ng ¡to ¡FDA ¡essen,ally ¡non-­‑existent ¡ ¡-­‑ ¡US ¡hemovigilance ¡(public ¡and ¡private) ¡very ¡challenging ¡(no ¡na,onal ¡healthcare ¡system; ¡ ¡ ¡ ¡poor ¡data ¡interoperability ¡ ¡-­‑ ¡Limited ¡resources ¡for ¡hemovigilance ¡at ¡ins,tu,onal ¡level ¡ ¡-­‑ ¡Adverse ¡events ¡are ¡rare ¡and ¡have ¡diagnos,c ¡complexity ¡ ¡

¡ ¡

¡ ¡ ¡

28

Enhanced ¡exposure ¡and ¡Outcome ¡ (Computable ¡Phenotype) ¡Development ¡

• Outcome ¡and ¡Diagnos,c ¡codes ¡alone ¡(claims, ¡EHR) ¡
• Constella,ons ¡of ¡available ¡structured ¡data ¡(enhanced ¡claims, ¡

EHR) ¡

• Computable ¡phenotypes ¡ ¡-­‑ ¡available ¡structured ¡data ¡+ ¡data ¡

mined ¡from ¡clinical ¡and ¡nursing ¡notes, ¡radiology ¡reports, ¡non-­‑ structured ¡labs ¡ ¡ ¡ ¡ ¡

• Case ¡valida>on ¡by ¡clinical ¡review ¡of ¡charts ¡(semi-­‑automated) ¡

BEST2 ¡ ¡-­‑ ¡Workstream ¡1/5 ¡

• 1. Improved ¡sensi,vity ¡and ¡granularity ¡of ¡

transfusion ¡exposures ¡compared ¡to ¡claims ¡ data ¡alone ¡ ¡ ¡Lead: ¡Columbia ¡University ¡ ¡

BEST2 ¡ ¡-­‑ ¡Workstream ¡2/5 ¡ Itera,ve ¡NLP-­‑based ¡development ¡of ¡computable ¡ phenotypes ¡(CP) ¡reflec,ng: ¡Enhanced ¡ characteriza>on ¡of ¡Post-­‑transfusion ¡Transfusion-­‑ Associated ¡Circulatory ¡Overload ¡(TACO) ¡ ¡ ¡Lead: ¡Stanford ¡University ¡ ¡

BEST2 ¡ ¡-­‑ ¡Workstream ¡3/5 ¡ Itera,ve ¡NLP-­‑based ¡development ¡of ¡computable ¡ phenotypes ¡(CP) ¡reflec,ng: ¡Post-­‑transfusion ¡ Sepsis ¡(PTS) ¡ ¡ Regenstrief ¡Ins1tute ¡ ¡

BEST2 ¡ ¡-­‑ ¡Workstream ¡4/5 ¡ Infrastructure ¡to ¡support ¡interoperability ¡within ¡ BEST ¡(and ¡poten,ally ¡more ¡broadly) ¡through ¡ harmonized ¡use ¡of ¡CLARITY ¡NLP ¡plarorm ¡to ¡ support ¡more ¡efficient ¡itera,ve ¡NLP ¡studies ¡ ¡ ¡ Lead: ¡Georgia ¡Tech ¡Research ¡Ins1tute ¡(GTRI), ¡ Columbia ¡University ¡ ¡

BEST2 ¡ ¡-­‑ ¡Workstream ¡5/5 ¡ Building ¡infrastructure ¡to ¡support ¡na>onwide ¡ scale-­‑up ¡of ¡CP-­‑based ¡case ¡iden>fica>on ¡and ¡ automated ¡report ¡genera>on ¡ ¡ ¡ Lead: ¡Georgia ¡Tech ¡Research ¡Ins1tute ¡ ¡

34

Adverse ¡Event ¡Surveillance ¡OHDSI ¡Plarorm ¡ (AESOP) ¡

35

BEST-­‑2 ¡ ¡Future ¡Challenges ¡ ¡ ¡

• Time ¡stamps ¡derived ¡from ¡EHR ¡for ¡events: ¡hour/minute/

(second?) ¡

• Itera,ve ¡CP ¡development ¡processes ¡are ¡of ¡high ¡value, ¡

but ¡can ¡efficiency ¡be ¡improved? ¡(CBER ¡regulates ¡many ¡ unique ¡products ¡with ¡unique ¡AE) ¡

• Collabora,on ¡with ¡EHR ¡vendors, ¡HL7 ¡FHIR ¡to ¡support ¡

eventual ¡scale-­‑up ¡

36