Investigación de mercado y datos del mundo real (real world data)

imagen autor
António Valente, PhD, MBA. Head Senior Lecturer. Cegedim Health Data Spain.

Investigación de mercado y datos del mundo real (real world data)

03/7/2023
1886

En el ámbito de la industria de las ciencias de la salud, la investigación de mercado puede utilizar varias fuentes de datos para recopilar información que podría utilizarse para descubrir oportunidades y mitigar riesgos, reduciendo así el error en el proceso de toma de decisiones. Existen varios conceptos importantes sobre la Investigación de Mercados - empecemos con algunos de los básicos.

¿Cuál es la diferencia entre investigación ad-hoc y sindicada? La primera se caracteriza por ser estudios específicos, con metodologías hechas a medida para resolver un problema concreto de una empresa o institución específica - como ejemplo, la empresa X quiere saber cuáles son las percepciones de los médicos sobre un medicamento específico. En cuanto a la segunda, los estudios sindicados se crean para venderlos a varias empresas del mismo sector. Por lo tanto, deben cubrir suficientes áreas/variables de interés para que los clientes finales se interesen en comprar el estudio, normalmente a través de una suscripción; por ejemplo, digamos que la agencia de investigación de mercado X crea un estudio para supervisar la evolución de las prescripciones de un panel de médicos a lo largo del tiempo. Varias empresas clientes pueden entonces comprar el mismo estudio - este es un tipo de estudios muy interesante para las agencias de investigación de mercado, dado que el break-even se obtiene generalmente después de los primeros clientes.

Otra distinción son los estudios cuantitativos frente a los cualitativos. Mientras que los primeros se basan en datos cuantitativos, numéricos o medibles, los segundos se basan en el contenido, que puede incluir opiniones personales, debates, documentación y otras fuentes. Ejemplos de estudios cuantitativos son las encuestas a pacientes y médicos para medir la satisfacción, la adopción, etc. En el lado cualitativo, los ejemplos incluyen la comprensión del comportamiento de prescripción de los médicos a través de técnicas como grupos de discusión (focus groups), entrevistas en profundidad y otras.

Abordemos ahora otra distinción importante, esta vez en el ámbito de los datos utilizados en la investigación de mercado: datos primarios frente a datos secundarios. Los datos primarios son los que se recogen expresamente para un estudio que tengamos entre manos. Por el contrario, los datos secundarios consisten en datos que ya se han recopilado para fines distintos del estudio que tenemos entre manos. Algunos ejemplos son los informes y boletines del sector, estudios de mercado anteriores, datos compartidos por instituciones oficiales como el Ministerio de Sanidad y el Instituto Nacional de Estadística, entre otros.

Una vez abordados estos conceptos, vamos a sumergirnos en el espacio de los Datos del Mundo Real (RWD).

¿Puede utilizarse la RWD tanto en investigaciones ad-hoc como sindicadas? Por supuesto. RWD puede alimentar estudios ad-hoc para empresas farmacéuticas y biotecnológicas, CRO, universidades y centros de investigación, gobiernos y otras partes interesadas. Casi todas las publicaciones científicas que utilizan RWD pueden considerarse ejemplos de estudios ad-hoc. Por ejemplo, una empresa farmacéutica quiere demostrar que su medicamento reduce la carga de la enfermedad (mediante el análisis de los datos longitudinales anonimizados no personales de los pacientes, sus citas médicas, bajas médicas, episodios de hospitalización, recetas, dispensaciones, etc.).

Pero RWD también puede utilizarse de forma sindicada. Los proveedores de RWD pueden crear herramientas que utilicen el RWD para analizar patrones y ayudar a sus clientes a comprender lo que ocurre en el momento del contacto entre el médico y el paciente, libres de posibles sesgos posteriores, como el cambio de producto. Estos estudios sindicados pueden proporcionar una métrica, que luego puede compararse con otras fuentes de datos, como las ventas sell-in y sell-out.

Los RWD, recogidos en los historiales médicos electrónicos (EMR) y los historiales médicos electrónicos (EHR), suelen estar muy bien estructurados y completos. En el caso de las recetas, se puede ver el historial médico de los pacientes, incluido el número de recetas, cajas, unidades por caja, duración del tratamiento y otras métricas. Con esto, las partes interesadas pueden utilizar modelos para demostrar la eficacia de los medicamentos en entornos reales, mediante la extrapolación de la RWD a toda la población de una región o de un país. Sin embargo, la RWD también puede utilizarse en estudios cualitativos. ¿Cómo? Siempre que haya texto libre escrito -que tiene que haber pasado un proceso de anonimización muy exigente- podemos ejecutar modelos de procesamiento del lenguaje natural (NLO) y utilizar el análisis de contenido.

Por último, desde el punto de vista del tipo de datos, ¿los RWD son sólo datos secundarios? Depende. Las bases de datos longitudinales anonimizadas no personales a nivel de paciente son, en efecto, datos secundarios, en el sentido de que ya han sido recopilados para otros fines distintos de los estudios actuales que podamos estar desarrollando. No obstante, las RWD también pueden considerarse datos primarios. Un primer ejemplo puede ser el de la empresa X que desea que la Agencia A recopile datos primarios de los médicos que trabajan en una clínica privada, en relación con una patología específica. Añadiendo un módulo en el EMR, que aparezca cuando se cumplan una serie de condiciones (ej: paciente varón, diagnóstico de diabetes, HTA...), los médicos que acepten participar podrán rellenar un pequeño cuestionario sobre sus pacientes, de forma anónima (antecedentes familiares de patologías, interacciones medicamentosas, y otros). Un segundo ejemplo puede ser el establecimiento de un estudio prospectivo que haga un seguimiento de un grupo de pacientes con determinadas patologías (una cohorte), a lo largo del tiempo. Por lo tanto, dependiendo de la perspectiva, los RWD pueden ser tanto datos secundarios como primarios. Globalmente, los primeros son mucho más habituales que los segundos.

Como hemos tratado en artículos anteriores aquí en PMFarma, RWD es cada vez más una fuente irrefutable de datos fiables para los procesos de toma de decisiones de muchas partes interesadas en la industria de las ciencias de la vida, teniendo siempre, como objetivo principal, la contribución al descubrimiento de conocimiento científico y a la mejora de la salud pública. 

PMFarma no se hace responsable ni se identifica con las opiniones, informaciones, ideas o conceptos vertidos en los artículos de opinión publicados en todos sus medios tanto revistas impresas, digitales y web.

Más sobre CEGEDIM HEALTH DATA


Cegedim Health Data es la división de datos relativos a la salud del Grupo Cegedim, un innovador grupo de tecnología, servicios y datos del mundo real especia...

Saber más

Servicios:

Real world data
Market intelligence
Farmacoeconomía
Patient intelligence

Articulos relacionados:

Logo
Ariadna Román y Carla Vallès. Consultoras Senior. Anima.
Inteligencia Artificial en la investigación de mercados: transformando datos en decisiones

"La capacidad de analizar datos de manera profunda y contextual, combinada con algoritmos avanzados, permite descubrir correlaciones y tendencias que podrían haber permanecido enterradas en el modus operandi de la investigación tradicional". La onda exponencial de la IA en la investigación de mercados La evolución exponencial que ha tenido la Inteligencia Artificial...

Jun. 2024
Logo
Rocío Rodríguez. Consultant. Cegedim Health Data. Profesora en la Universidad de Murcia.
¿Cómo se extraen y se trabajan los datos observacionales de salud? Un desafío para la farmacovigilancia

La farmacovigilancia abarca toda la recopilación de datos y actividades de tratamiento relacionadas con la detección, evaluación, comprensión y prevención de efectos adversos a lo largo todo el ciclo de vida de los medicamentos. El aseguramiento de la relación beneficio-riesgo del medicamento, durante toda su vida útil, es el principal objetivo de la farmacovigilancia. Este beneficio-riesgo tiene dos lecturas, por un lado, es de...

May. 2024
Logo
Alicia López de Ocariz. Directora Médica Corporativa. Cinfa.
Espacio europeo de datos sanitarios: un reto y una oportunidad

La pandemia de COVID-19 dejó una serie de enseñanzas en la Unión Europea que han desencadenado tanto revisiones como nuevas estrategias relacionadas con la salud. La Comisión adoptó una nueva Estrategia en materia de salud, señalándola como un pilar esencial de la política exterior de la UE, un sector crítico desde el punto de vista geopolítico y un factor fundamental para la autonomía estratégica de la UE. La Estrategia presenta...

Abr. 2024