観測データベースの分散ネットワークの分析のためのランダム化臨床試験のメタ分析からのレッスン

多くの場合、電子医療記録や取引保険請求、あるいはその両方の縦方向の観察データベースの星座のネットワークが、実際の使用における薬製品の効果を研究するためにますます使用されています。このようなデータベースは、分散ネットワークとして頻繁に構成されます。つまり、患者レベルのデータはファイアウォールの背後に保持されており、集合体以外のデータベンダーの外側で通信されません。代わりに、ネットワーク全体でデータが標準化され、ネットワークのクエリはデータパートナーによってローカルに実行され、融合、集約、および要約のために中央の研究パートナーに提供された要約結果が提供されます。このようなネットワークは、1億人以上の患者に関する長年のデータをカバーする巨大なものになる可能性があります。このようなネットワークの例には、FDA Sentinel Network、Aspen、CNodes、およびEU-ADRが含まれます。これは新しい新興分野であるため、この論文では、分散ネットワークの分析と、ランダム化臨床試験（RCT）のメタ分析の現在確立されている分野の概念的類似性と相違点に注目しています。適切な場合は、メタ分析から学習を適用して、縦断的観測データベースの分散ネットワーク分析の開発を導くことをお勧めします。

Networks of constellations of longitudinal observational databases, often electronic medical records or transactional insurance claims or both, are increasingly being used for studying the effects of medicinal products in real-world use. Such databases are frequently configured as distributed networks. That is, patient-level data are kept behind firewalls and not communicated outside of the data vendor other than in aggregate form. Instead, data are standardized across the network, and queries of the network are executed locally by data partners, and summary results provided to a central research partner(s) for amalgamation, aggregation, and summarization. Such networks can be huge covering years of data on upwards of 100 million patients. Examples of such networks include the FDA Sentinel Network, ASPEN, CNODES, and EU-ADR. As this is a new emerging field, we note in this paper the conceptual similarities and differences between the analysis of distributed networks and the now well-established field of meta-analysis of randomized clinical trials (RCTs). We recommend, wherever appropriate, to apply learnings from meta-analysis to help guide the development of distributed network analyses of longitudinal observational databases.