biologics effec veness and safety best ini a ve
play

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


  1. 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 ¡ 2

  3. Center ¡for ¡Biologics ¡Evalua,on ¡and ¡Research ¡(CBER) ¡ WHAT ¡ARE ¡BIOLOGICS? ¡ ¡ 3

  4. CBER-­‑Regulated ¡Products: ¡Biologics ¡ Vaccines ¡(preventa,ve ¡and ¡therapeu,c) ¡ Blood ¡(components ¡and ¡derived) ¡ BEST Human ¡Tissues ¡and ¡Cellular ¡Products ¡ BIOLOGICS EVALUATION SAFETY Gene ¡Therapies ¡ Xenotransplanta,on ¡Products ¡ 4

  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 ¡ • Veterans ¡Administra,on ¡ Program ¡ (VA) ¡ ¡ • HealthCore ¡ ¡ • Department ¡of ¡Defense ¡ • IBM ¡Watson ¡ (DoD) ¡ ¡ • Centers ¡for ¡Medicare ¡and ¡ • Indian ¡Health ¡Services ¡(IHS) ¡ ¡ ¡ ¡ Medicaid ¡(CMS) ¡ ¡ 5

  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 ¡ ¡ 6

  7. • Two ¡1-­‑year ¡contracts ¡ Biologics Effectiveness • Oct. ¡2017 ¡– ¡Oct. ¡2018 ¡ and Safety (BEST) Initiative: • IQVIA ¡and ¡OHDSI ¡ Pilot Program 7

  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 8

  9. BEST ¡Collaborators: ¡IQVIA ¡and ¡OHDSI ¡ IQVIA ¡ Coordinating Center OHDSI ¡ University ¡of ¡ Georgia ¡Ins>tute ¡ ¡ Columbia ¡ Stanford ¡ ¡ Regenstrief ¡ California ¡Los ¡ of ¡Technology ¡ University ¡ University ¡ Ins>tute ¡ Angeles ¡ 9

  10. Data ¡Sources: ¡OMOP ¡CDM ¡ Claims & Electronic Health Administrative data Records ~24 million patient records ~100 million patient records Data Sources: Data Sources: Stanford University IQVIA Columbia University Regenstrief Institue Regenstrief Institute 10

  11. BEST ¡Ini,a,ve: ¡Data, ¡Tools ¡and ¡Infrastructure ¡for ¡Surveillance ¡ of ¡Biologics ¡(Contract ¡1) ¡ ACCOMPLISHMENTS ¡ 11

  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 ¡ ¡ 12

  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 ¡ ¡ ¡ 13

  14. Blood ¡Transfusion ¡ • Assessed ¡u,liza,on ¡of ¡blood ¡components ¡ ¡ – Red ¡blood ¡cells ¡(RBC), ¡platelets, ¡plasma ¡ • Using ¡ISBT ¡128 ¡and ¡billing ¡coding ¡systems ¡ ¡ 14

  15. Frequency ¡of ¡transfused ¡pa,ents ¡using ¡billing ¡codes ¡ ¡ compared ¡to ¡ISBT ¡128 ¡codes ¡by ¡blood ¡component, ¡3 ¡sites, ¡ 2010-­‑2017 ¡ 15

  16. Transfusion-­‑Related ¡Adverse ¡Events ¡ • Transfusion-­‑Related ¡Acute ¡Lung ¡Injury ¡(TRALI): ¡ test ¡case ¡ • Explored ¡temporality ¡between ¡transfusion ¡and ¡ TRALI ¡ – Difficult ¡to ¡establish ¡ ¡ ¡ 16

  17. Temporality ¡between ¡blood ¡transfusion ¡& ¡TRALI ¡ diagnosis ¡ Admission Date Red Blood Cell Platelets Pa,ent ¡ Plasma ID ¡ Cryoprecipitate Number ¡ TRALI ¡ Discharge Date ¡ Number ¡of ¡Days ¡to ¡Index ¡Date ¡(TRALI ¡date) 17

  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 ¡ ¡ 18

  19. BEST ¡Ini,a,ve: ¡Data, ¡Tools ¡and ¡Infrastructure ¡for ¡Surveillance ¡ of ¡Biologics ¡(Contract ¡1) ¡ FUTURE ¡PLANS ¡ 19

  20. BEST ¡Ini,a,ve ¡con,nues… ¡ Two new 5-year contracts awarded Sept. 2018 CONTRACT 1: Surveillance Infrastructure CONTRACT 2: Innovative Methods • IQVIA and OHDSI • IBM • Acumen • Dovel Technologies 20

  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 ¡ 21

  22. Acknowledgements ¡ • IQVIA ¡ ¡ • CBER ¡Sen,nel ¡Central ¡Team ¡ • OHDSI ¡Collaborators ¡ – Kinnera ¡Chada, ¡PhD ¡ – Columbia ¡University ¡ – Joyce ¡Obidi, ¡PhD ¡ – Regenstrief ¡Ins,tute ¡ – Kris,n ¡Sepulveda ¡ – Stanford ¡University ¡ • Office ¡of ¡Biosta,s,cs ¡and ¡ – Georgia ¡Ins,tute ¡of ¡ Epidemiology ¡ Technology ¡ • CBER ¡product ¡offices: ¡OVRR, ¡ – University ¡of ¡California ¡Los ¡ Angeles ¡ OBRR, ¡OTAT ¡ 22

  23. ¡ ¡ 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 ¡ ¡

  24. Typical ¡Biologics ¡Product ¡ Approval ¡Lifecycle ¡ Clinical Investigational Plan IND Post-market BLA studies Data to ( Phase 4) support Phase 1 Phase 2 Phase 3 approval Safety Safety Safety Dose- Efficacy Passive ranging Surveillance Active Surveillance (a form of real IND: Investigational New Drug Application world evidence) BLA: Biologics License Application 25

  25. 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 ¡ of ¡manufacturing ¡procedures, ¡not ¡efficacy) ¡ ¡ 26

Recommend


More recommend