Die Pharma-Datenlandschaft kartieren: Quellen, Anbieter und Standards

# Die Pharma-Datenlandschaft kartieren: Quellen, Anbieter und Standards

Ein einziger Markteintritt eines neuen Medikaments in den USA kann ein Pharmaunternehmen dazu zwingen, Daten von sechs oder mehr verschiedenen Anbietern zu lizenzieren, jeder mit sechs- oder siebenstelligen Jahresgebühren, nur um die Frage zu beantworten: „Wird dieses Medikament so verordnet, wie wir es beabsichtigt haben?" Diese fragmentierte, teure, sich überlappende Daten-Supply-Chain ist die eigentliche Infrastruktur der Pharmaindustrie, und außerhalb der Branche hat sie fast niemand kartiert. Diese Lektion tut es.

Warum die Datenlandschaft strukturell fragmentiert ist

Pharmadaten sind über die Supply Chain verstreut, weil keine einzelne Instanz die gesamte Patient Journey sieht. Eine Apotheke sieht die Abgabe. Ein Payer sieht den Claim. Ein Krankenhaus sieht die Diagnose. Ein Labor sieht den Biomarker. Datenschutzrecht (in den USA HIPAA, der Health Insurance Portability and Accountability Act von 1996) verhindert, dass diese Systeme identifizierbare Daten frei zusammenführen, also entstand eine kommerzielle Anbieterschicht, die Teile des Bildes aggregiert, de-identifiziert und weiterverkauft.

Pharma-„Datenkompetenz" beginnt damit, zu wissen, wer welches Fragment besitzt.

Die wichtigsten Datenquellen im Überblick

Verordnungs- und Apothekendaten

• IQVIA: der weltweit größte Anbieter für Gesundheitsdaten und Analytics, entstanden aus der Fusion von IMS Health und Quintiles im Jahr 2016. IQVIA aggregiert Verordnungsdaten (Rx) von rund 90 %+ der US-Einzelhandelsapotheken (Schätzung, Angabe des Anbieters) über die Produkte National Prescription Audit und Xponent. Lizenziert wird auf Ebene des Standorts, des Verordners und des Payers.
• Symphony Health (heute Teil von ICON plc): historisch der wichtigste Wettbewerber von IQVIA für longitudinale Rx- und Medical-Claims-Daten auf Patientenebene, häufig als Gegenprobe genutzt, weil die Methodik abweicht.

Wo der blinde Fleck liegt: Selbstzahler-Verordnungen, Abgaben über Specialty Pharmacies außerhalb der Standardnetzwerke und Medikamente, die über „Buy and Bill"-Kanäle von Krankenhäusern vertrieben werden (üblich bei infundierten Onkologika), werden in Standard-Rx-Audits zu niedrig erfasst.

Medical und Pharmacy Claims

Claims-Daten kommen von Payern (Versicherern, Pharmacy Benefit Managern) und Clearinghäusern. Zu den wichtigsten kommerziellen Aggregatoren gehören IQVIA, Komodo Health und Definitive Healthcare. Claims erfassen Diagnosecodes (ICD-10, International Classification of Diseases, 10. Revision), Prozedurcodes (CPT, Current Procedural Terminology) und Zahlungsdaten, aber nur für versicherte Populationen und erst nach der Abrechnung, was der realen Behandlung um Wochen oder Monate nachläuft.

Elektronische Patientenakten (EHR)

EHR-Daten stammen aus klinischen Systemen wie Epic und Oracle Health (früher Cerner). Unternehmen wie Komodo, Truveta (ein Konsortium im Besitz von US-Gesundheitssystemen), TriNetX und Optum aggregieren de-identifizierte EHR-Daten für Forschung und kommerzielle Nutzung. EHR-Daten ergänzen Laborwerte, klinische Notizen und Vitalparameter, die in Claims-Daten fehlen, aber die Abdeckung hängt vollständig davon ab, welche Gesundheitssysteme beitragen, was zu geografischer und demografischer Verzerrung führt.

Infrastruktur klinischer Studien: CTMS und EDC

Ein CTMS (Clinical Trial Management System, z. B. Veeva Vault CTMS, Oracle Siebel CTMS) verfolgt den Studienbetrieb: Aktivierung der Zentren, Patientenrekrutierung, Monitoring-Besuche. Ein EDC-System (Electronic Data Capture, z. B. Medidata Rave) erfasst die tatsächlichen Patientendaten, die während einer Studie erhoben werden. Diese Systeme sind die Systems of Record für Zulassungsanträge und unterliegen strengen Datenintegritätsregeln nach 21 CFR Part 11 (der FDA-Vorschrift für elektronische Aufzeichnungen und Signaturen).

Labor- und Produktionsdaten: LIMS

Ein LIMS (Laboratory Information Management System) verfolgt Proben, Assays und Qualitätskontrollergebnisse sowohl in F&E-Labors als auch in der Qualitätskontrolle der Produktion. LIMS-Daten fließen in regulatorische Batch Records ein und sind zentral für die GMP-Compliance (Good Manufacturing Practice). Anbieter sind unter anderem LabVantage, SampleManager von Thermo Fisher und LabWare.

Sicherheit nach der Zulassung: FAERS

FAERS (FDA Adverse Event Reporting System) ist eine kostenlose, öffentliche Datenbank mit Meldungen unerwünschter Ereignisse von Herstellern, Behandlern und Verbrauchern. Sie ist das Rückgrat der Pharmakovigilanz (der Wissenschaft der Arzneimittelsicherheitsüberwachung), ist aber für Verbrauchermeldungen freiwillig und unterliegt starkem Underreporting und Meldebias. Direkt hier erkundbar: FDA FAERS Public Dashboard.

Das europäische Pendant ist EudraVigilance, betrieben von der European Medicines Agency (EMA), mit Abdeckung des Europäischen Wirtschaftsraums.

Ein kurzes Rechenbeispiel: warum blinde Flecken Geld kosten

Angenommen, ein Brand Team will die Gesamtzahl der US-Patienten für sein Medikament wissen. Es lizenziert IQVIA Xponent (Retail Rx) und sieht, dass 100.000 unique Patienten im Q1 eine Verordnung eingelöst haben.

Aber ihr Medikament wird auch über Specialty Pharmacies und Krankenhausinfusionen abgegeben, was in Standard-Retail-Rx-Audits nicht vollständig erfasst wird. Eine Gegenprobe auf Claims-Basis (über Komodo oder Symphony) zeigt 118.000 unique Patienten mit einem bezahlten Medical- oder Pharmacy-Claim im selben Zeitfenster.

Die Lücke: 18.000 Patienten oder 15 % des echten Volumens, unsichtbar, wenn man nur den ersten Datensatz nutzt. Das sind die konkreten Kosten, sich auf einen einzigen Anbieter zu verlassen: falsch dimensionierte Marktschätzungen, die direkt in Forecasting- und Vertriebsvergütungsentscheidungen einfließen.

Retail Rx count (IQVIA Xponent):        100,000
Claims-based count (Komodo/Symphony):   118,000
Undercount gap:                          18,000
Undercount rate: 18,000 / 118,000 ≈ 15.3%

Datenqualitäts- und Governance-Metriken, die zählen

Sobald Sie die Daten haben, müssen Sie wissen, ob Sie ihnen trauen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Kernmetriken, die Pharma-Datenteams verfolgen:

• Completeness: % der erwarteten Felder, die gefüllt sind (z. B. % der Claims-Datensätze mit einem validen NDC, National Drug Code).
• Timeliness/Lag: Tage zwischen Ereignis und Datenverfügbarkeit. Claims-Daten laufen oft 60 bis 90 Tage nach (Schätzung); EHR-Daten kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen Wochen nachlaufen; FAERS-Meldungen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen Monate nach einem unerwünschten Ereignis eintreffen.
• Match Rate: % der Patientendatensätze, die über Tokenisierung erfolgreich datensatzübergreifend verknüpft werden (ein datenschutzschonendes Hashing-Verfahren, das Anbieter wie Datavant nutzen, um de-identifizierte Datensätze zu verknüpfen, ohne die Identität offenzulegen).
• Concordance: Übereinstimmungsrate zwischen zwei unabhängigen Quellen, die dasselbe messen (z. B. Patientenzahlen von IQVoia vs. Symphony für dasselbe Medikament, wie im Rechenbeispiel oben).
• Integrität des Audit Trails: bei CTMS/EDC-Daten, ob jede Änderung mit Zeitstempel und User-ID protokolliert wird, eine harte Anforderung nach 21 CFR Part 11.

Standards, die das Ökosystem zusammenhalten

Ohne gemeinsame Standards wären diese Daten überhaupt nicht interoperabel:

• HL7 FHIR (Fast Healthcare Interoperability Resources): der moderne Standard für den Austausch klinischer Daten, zunehmend vorgeschrieben durch US-Interoperabilitätsregeln des Office of the National Coordinator for Health IT (ONC).
• CDISC-Standards (SDTM, ADaM): verpflichtende Formate für die Einreichung klinischer Studiendaten bei FDA und EMA.
• NDC und RxNorm: Arzneimittel-Identifikationscodes, die in Claims- und Rx-Daten verwendet werden, um genau zu bestimmen, welches Produkt und welche Packung abgegeben wurden.
• ICD-10 / ICD-11: Diagnosecodierung, gepflegt von der Weltgesundheitsorganisation, weltweit genutzt, wobei die USA eine modifizierte klinische Version verwenden (ICD-10-CM).
• MedDRA (Medical Dictionary for Regulatory Activities): die Standardterminologie zur Codierung unerwünschter Ereignisse in FAERS und EudraVigilance.

Eine brauchbare kostenlose Einführung, wie diese regulatorischen Datenstandards zusammenpassen: CDISC Standards Overview.

Lizenzkosten und das Machtgefüge der Anbieter

Die Größe von IQVIA verschafft dem Unternehmen erhebliche Preissetzungsmacht. Große Pharmaunternehmen unterhalten üblicherweise Jahresverträge im Millionenbereich (Schätzung, Branchenangabe, exakte Zahlen sind vertraulich), die Rx-Daten, Claims und Analytics-Tools abdecken. Mittelgroße und kleinere Biotechs kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen sich komplette IQVIA-Suiten oft nicht leisten und kombinieren stattdessen günstigere Punktlösungen (Symphony/ICON, Komodo, Specialty-Claims-Anbieter) mit mehr manueller Abstimmung, ein echter Wettbewerbsnachteil in der Reife der Commercial Analytics.

Diese Konzentration erzeugt auch einen einzelnen Punkt methodischen Risikos: Wenn ein Großteil der Branche gegen die Zahlen eines Anbieters benchmarkt, wirkt ein Fehler oder eine Definitionsänderung in dessen Methodik auf Absatzprognosen, Marktanteilsschätzungen und sogar Vergütungsformeln für Führungskräfte durch, die an „Marktanteil versus IQVIA" gekoppelt sind.

🎬 [VIDEO: "How IQVIA Uses Data to Improve Healthcare" - youtube.com - diesen Titel auf YouTube suchen; IQVIAs eigenes Erklärvideo dazu, wie das Unternehmen Pharmadaten aggregiert und lizenziert, nützlich, um die Positionierung des Anbieters aus erster Hand zu sehen]

Wichtigste Erkenntnisse

• Pharmadaten sind über Apotheken-, Claims-, EHR-, Studien-, Labor- und Sicherheitssysteme fragmentiert, und zwar aus regulatorischen und strukturellen Gründen (HIPAA-getriebene De-Identifizierung, isolierte Versorgungsstrukturen), nicht zufällig.
• IQVIA und Symphony Health/ICON dominieren die Lizenzierung von Rx- und Claims-Daten; kein einzelner Anbieter sieht die vollständige Patient Journey, daher ist die Gegenprobe über mehrere Quellen Standardpraxis, nicht Paranoia.
• Specialty Pharmacy, Selbstzahler und Buy-and-Bill-Kanäle von Krankenhäusern sind wiederkehrende blinde Flecken in Standard-Retail-Rx-Audits und kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen das echte Patientenvolumen um zweistellige Prozentsätze zu niedrig ausweisen.
• Datenqualität wird konkret gemessen: Completeness, Timeliness/Lag, Concordance zwischen Anbietern und Match Rate über tokenisierte Verknüpfung (z. B. Datavant).
• Standards wie HL7 FHIR, CDISC, NDC/RxNorm und MedDRA sind das, was diese fragmentierte Anbieterlandschaft überhaupt interoperabel macht, und sind für Zulassungsanträge nicht verhandelbar.