Будем рады, если в комментариях расскажите о своих кейсах поподробнее⬇️

🚀 Неделя пропущенных данных в биостатистике.
Отвечаем на вопрос: что можно сделать с пропущенными данными в анализе.

Ранее мы рассказывали об основах работы с пропущенными данными:
📒 понятие пропущенных данных, примеры
📒 классификация, причины
📒 путь пропущенных данных в исследовании (от разработки синопсиса дл отчета об исследовании)

Сегодня мы начинаем наш рассказ о методах биостатистики по работе с пропущенными данными:
✏️ необходимо тщательно отбирать метод в зависимости от контекста и целей исследования,
✏️ методы должны быть прописаны в протоколе и плане статистического анализа исследования,
✏️ методы обработки пропущенных данных различаются по сложности, устойчивости к смещению и сохранению статистической мощности,
✏️ каждый метод имеет четко очерченные границы применения, преимущества и ограничения, что подтверждается сравнительными исследованиями.

❓Какие же методы? 🔹 Анализ полных наблюдений (Complete-case Analysis) (удаление записей с пропусками), применяемый большинством исследователей, но ограниченный по достоверности при большом числе пропусков или неслучайных пропусках (MNAR).
🔹 Анализ доступных случаев (Available-case analysis) (игнорирование пропусков при расчетах), используется для сохранения большей части данных, но с осторожностью. 🔹 Однократная импутация (Single imputation) (заполнение нулями или средними). К примерам однократной импутации относятся: "Метод замены пропущенных данных последним значением" (last observation carried forward (LOCF)), "Метод замены пропущенных данных исходным значением" (baseline observation carried forward (BOCF)), подстановка константы (0, фиксированное число, "нормальное" значение показателя), подстановка среднего (mean imputation).
🔹 Множественная импутация (Multiple Imputation) — современный подход, позволяющий моделировать пропуски на основании других наблюдений.

❗️Внедрение передовых практик, включая оценку закономерностей отсутствия данных, документирование допущений, сочетание взаимодополняющих методов и прозрачных стратегий отчетности, повышает доверие к исследованиям RWE. Эти методы существенно снижают предвзятость и способствуют воспроизводимости, что дает в конечном счете надежные результаты.

🔎 Погрузиться в детали вы можете в публикации Пурви Калра «Обработка отсутствующих данных в RWE и управление отсутствующими данными в RWE», 1 февраля 2025 💡 Следите за следующими нашими обзорами - мы перейдем к деталям😉
💡 В презентации можно ознакомиться с преимуществами и ограничениями методов.

Уважаемые коллеги!

День, когда вы увидите это сообщение, - смело можно называть читательским... 📖 Все наши старания работать над уменьшением размеров постов потерпели крах 🤷‍♀️

Сегодняшняя тема - столь чувствительна, что если мы не внесем ряд четких разъяснений, то всенепременно навлечем на себя ваше негодование 🌪

Посему 2 поста - кейс и "послекейсие"

💼 Рубрика "Proкейсы"
⁉ Можно ли собирать данные off-label в НИ/ИРКП?

Уважаемые коллеги,
продолжаем нашу рубрику кейсов. Надеемся сделать ее регулярной и полезной. 🌼

Еще в ходе подготовки постов по различиям КИ и НИ в нашей команде возникла прям бурная дискуссия, а может ли быть off-label назначение в НИ. Сегодня делюсь первым примером из своей практики (насколько позволяет конфиденциальность).

✍ Кейс "Доза препарата как off-label в НИ"
Дизайн: проспективное неинтервенционное исследование (drug study, исследование препарата)
Область: кардиология

Критерии включения и невключения (не дословно, представляю только те, которые важны для понимания):
Критерии включения:
🔸 врач принимает решение о назначении препарата Х в качестве монотерапии или в качестве комбинированной терапии.
Критерии невключения:
🔸 противопоказания в соответствии с инструкцией по применению,
🔸 текущее участие в КИ.
Протокол: неоднократно в протоколе указывалась, что:
✏стратегию и тактику лечения пациента определяет врач, что это рутинная клиническая практика (РКП),
✏ сначала решение врача о тактике лечения и назначении препарата, и только потом оценка на соответствие исследованию,
✏ исследование по своей сути - сбор данных.

Доза препарата как пример off-label:
На момент начала исследования и до завершения участия пациентов в исследовании в инструкции по применению было зарегистрировано 2 дозировки. Назовем их: 1х и 2х.
В статистическом отчете было выявлено, что ряду пациентов в момент подбора терапии назначалась дозировка 0,5х.

Данный кейс, заключение: в текущих формулировках протокола критерии включения/невключения не исключали таких пациентов (отклонения от протокола - нет), была собрана и проанализирована РКП.

Как можно поступить по-другому:
📌 включить в критерии включения "применение препарата Х в соответствии с инструкцией по применению" в критерии включения и далее действовать по Protocol Deviation Plan (PDP)/SOP:
- у многих компаний в СМК нет СОПа по отклонениям, который мог бы применяться для НИ, в такой ситуации PDP будет отличным эквивалентом,
- PDP не описывает варианты отклонений - PDP как и СОП описывает процесс работы с отклонениями,
- PDP может быть частью Плана управления проектом;
📌 включить потенциальные варианты отклонений в target review plan (мы вводили такие планы - это регулярная проверка данных по выборочным параметрам, выборочная проверка и тп).

Немного приоткрою занавес.
У нашей команды RWE есть своя "кухня", на которой мы обсуждаем не только все наши проекты, но и все наши посты. Это отдельный чат в ТГ. И эти дискуссии становятся кладезем информации сами по себе.
Вот так случилось и с моим кейсом. Результатами такой дискуссии с участием Натальи, Николая, Александра и, конечно 🙃, меня - делюсь ниже. ⬇⬇⬇

#ProКейсы

⬆⬆⬆

🧐 После кейса, или ключевые аспекты, на которые необходимо обратить внимание.

1⃣ Применение off-label в России
В РФ off-label-применение прямо допускается, но только при соблюдении установленных законом условий (решение врачебной комиссии, информированное согласие, документирование и опора на доказательную базу).
Принимать такие решения «заранее» допустимо только в формате клинических рекомендаций/стандартов и локальных протоколов, а не индивидуально «на всякий случай», без привязки к конкретной клинической ситуации.

2⃣ Off-label и неинтервенционный дизайн
🔸 Определение неинтервенционного исследования (НИ) предусматривает (согласно 78 и 87 Решениям), что "лекарственный препарат назначается в соответствии с общей характеристикой лекарственного препарата".
🔸 Определение РКП (Решение №79) - "шаблонные (однотипные) медицинские диагностические и лечебные процедуры, технологии или мероприятия, которые выполняются для данной группы пациентов или данного стандарта оказания медицинской помощи".
🔸 При этом в реальности понятие отсутствие вмешательства (неинтервенции) - намного шире, чем назначение ЛП в соответствии с ОХЛП и РКП как шаблонных процедур.

По своей сути, off-label - это часть рутинной клинической практики (РКП). Нужно четко разделить использование off-label в РКП и сбор такой информации - так мы снимаем основной конфликт планирования и проведения подобных НИ/ИРКП.

3⃣ Разработка протокола НИ
🔹 Спонсор НИ не вмешивается в РКП. Спонсор просто принимает факт лечения, который был в РКП. В НИ/ИРКП сама по себе РКП - первична, исследование по отношению к РКП - вторично.
🔹 Off-label - это часть РКП. Спонсор НИ/ИРКП не планирует off-label - спонсор изучает РКП, в которой может быть off-label.
🔹 В широком смысле протокол НИ/ИРКП вполне может предусматривать СБОР/ДОКУМЕНТИРОВАНИЕ информации о случаях применения препарата в РКП вне инструкции. Такой сбор информации обогащает результаты, т.к. показывает не теоретическое, а фактическое применение препарата
🔹 Возможны 2 основных подхода: 1) исследование РКП (все, что принято в РКП), 2) исследование применения препарата в соответствии с инструкцией по применению.
Протокол НИ/ИРКП не должен определять сбор информации off-label как цели исследования - это может быть расценено как стимулирование к назначению препарата off-label.
🔹 Назначение препарата off-label в РКП может быть выявлено как в ретроспективном, так и в проспективном дизайне.
🔹 Спонсор может выявить (и это будет случайностью) off-label в исследованиях, когда 1) изучается РКП применения препарата в целом, 2) изучаются паттерны лечения (напр, заболевания в целом/паттерны лечения с конкретным препаратом).
🔹 Во избежание, что протокол НИ/ИРКП может быть расценен как интервенция, важно подчеркивать/фиксировать:
- протокол определяет документирование РКП,
- первичность РКП - можно использовать фразы типа "исследование РКП - это сбор данных", "стратегию и тактику лечения определяет врач и только потом определяется участие в исследование";
- возможность сбора такой информации как дополнительной, и это не будет отклонением от протокола такого исследования

4⃣ Ошибка выборки
🔎 2 основных подхода: 1) исследование РКП (все, что принято в РКП), 2) исследование применения препарата в соответствии с инструкцией по применению. Вопрос, что считается генеральной совокупностью.
🔎 Если спонсор изучает только соответствие инструкции, результаты его исследования применимы к той популяции, которая задана протоколом и которая при этом есть в РКП. Это не означает, что игнорирует off-label.
🔎 Ошибка выборки как раз может быть в ИРКП, где спонсор исследует вообще всю РКП применения препарата. Некоторые врачи побоятся включать пациентов с off-label назначением, и тогда эти пациенты как раз и нарушат отражение генеральной совокупности

#ProКейсы

🚀В отчете о результатах исследования РКП и публикации важно соблюдать одни и те же базовые принципы прозрачности и воспроизводимости.
❗️Методы работы с пропущенными данными нужно описывать обязательно: в протоколе/плане анализа, и в публикации, и в технических отчётах для регуляторов или заказчика.
💡Показать масштаб проблемы
Дать числа: сколько пропусков по ключевым переменным (экспозиция, исходы, ковариаты) и сколько пациентов использовано в каждом анализе.
Если возможно – указать причины пропусков (нет визита, нет показателя в источнике, отказ, техническая ошибка и т.п.).
💡 Описать допущения о механизме
Кратко обозначить, какие допущения фактически лежат в основе анализа: условно MCAR/MAR/MNAR (без углубления в математику, но с клинической логикой). В отчёте (особенно study report для регулятора) полезно связать механизм с источником данных: EHR, регистр, страховые данные и типичные паттерны пропусков для них.
💡Зафиксировать метод обработки
Назвать использованный подход, ранее обозначены в посте "Биостатистика: методы, системный подход" Описание анализа данных должно быть достаточно подробным для того, чтобы технически его можно было бы воспроизвести
💡Показать чувствительность результатов: показать устойчивость результатов к разным методам оценки. Для этого необходимо запланировать, провести и описать хотя бы один альтернативный подход в рамках анализа чувствительности (например, сравнение основного подхода на основе complete case analysis с моделью на основе множественной импутации), подчеркивая то, как меняются оценки и как это влияет на выводы.
В обсуждении необходимо интерпретировать результаты в свете пропусков: где оценка может оказаться смещенной, есть ли группы, в которых смещение наиболее выражено, как это влияет на обобщаемость
💡 Разница акцентов: study report vs публикация
Study report : максимальная детализация плана и реализации обработки пропусков, обоснование выбора метода могут служить индикатором качества RWD и позволят обеспечить возможность регуляторной оценки надежности и переносимости полученных выводов для принятия решений.
Публикация: сжатое, но однозначное описание метода в разделе «Статистический анализ», числа пропусков – в flow‑диаграмме/таблицах, а влияние пропусков и ограничения – в разделе «Limitations»
❓Где писать
✅Раздел «Методы» – как именно обращались с пропусками (подходы, модели, чувствительные анализы).
✅Раздел «Результаты» – степень и распределение пропусков: сколько пациентов/значений потеряно по ключевым переменным и есть ли различия между группами.
✅ «Обсуждение/Ограничения» – как пропуски могут смещать оценки и влиять на обобщаемость результатов.
❓Что минимум указать в результатах
✅Число и долю пропусков по: первичному/вторичным исходам, экспозиции, основным ковариатам.
✅Где сосредоточены пропуски: поздние визиты, отдельные лабораторные тесты, определённые подгруппы пациентов.
✅Есть ли различия в доле пропусков между группами лечения/сравнения (важно для риска смещения). ❓Что минимум указать в методах
✅Принцип анализа: complete case, использование отдельной категории «missing», одноразовая или множественная импутация, модели, устойчивые к пропускам
✅Краткие детали реализации важного метода: сколько наборов при множественной импутации, какие переменные входили в модель импутации, какие пакеты/ПО использовали (детали можно вынести в Supplement).
✅План чувствительных анализов:какие альтернативные подходы к пропускам будут использованы для проверки устойчивости результатов (например, сравнение основного анализа с complete case). .⬇️⬇️⬇️⬇️

🟢Если в отчёте РКП‑исследования и публикации нет прозрачной информации о пропущенных данных и методах их обработки, доверие к результатам неизбежно падает. Пропуски сами по себе не делают исследование хуже, но их замалчивание — да.
🟢Для качественного РКП‑отчёта сегодня уже недостаточно показать красивые оценки эффекта. Нужны три вещи: честно описать масштаб пропусков, объяснить, почему они возникли, и прозрачно зафиксировать, как именно с ними обращались в анализе.
🟢Хорошее правило: если читатель по вашей статье не может понять, сколько данных потеряно и что с ними сделали статистики, регулятор и рецензент могут сделать вывод— не в пользу исследования. Прозрачность работы с пропусками — такой же обязательный элемент качества, как чёткие критерии включения.
❗️ Пропуски — нормальная часть реальной практики. Делать их видимыми и объяснёнными в том числе— задача отчёта и публикации.

Уважаемые коллеги, с первым днем зимы!❄

Делимся планом наших публикаций на декабрь☃

Всем продуктивной недели🚀

📜 Приглашаем на АМА-сессию!

Уважаемые коллеги!

Мы хотим попробовать новый формат, который уже активно распространяется в IT-среде. Называется АМА-Сессия.

AMA-сессия (AMA-session) – это специально организованное мероприятие, прямой эфир или живая встреча, где участвующая команда-разработчик какого-либо проекта отвечает на вопросы сообщества.

Аббревиатура AMA расшифровывается как “ask me anything” – спроси меня о чем угодно.

✅ Наш первый гость - Александр Гусев (платформа Webiomed), к.т.н., директор по развитию
Познакомиться со спикером тут
ТГ-канал платформы
Сайт платформы

Темы (вопросы формируют участники ама-сессии!):
🧩 Электронная медицинская карта: настоящее и будущее
🧩 Платформа Webiomed: принципы работы, качество, возможности для здравоохранения и др (все, что хотите узнать)
🧩 Искусственный интеллект в обработке RWD, в здравоохранении в целом
🧩 Системы поддержки принятия врачебных решений

Дата, время: 16 декабря 2025г. 12:00 - 13:00/последнего вопроса
Место: Zoom, ссылка
Формат: интервью (присылайте вопросы заранее) + ваши прямые вопросы на встрече

! Бронируйте время в календарях самостоятельно. Мы не будем делать специальной регистрации.

✅ Формируем список спикеров/компаний для последующих встреч!
Мы не знаем, понравится вам эта инициатива или нет. Но точно ее попробуем.
▶ Предлагайте нам ФИО спикера или название компании, которым вы бы хотели задать вопросы. Для этого достаточно написать тут. У нас 3 вопроса: ФИО, компания и интересующие вас тема(ы) - они важны для нашей подготовки.
▶ Кто может быть участником? Любые люди/компании, имеющие отношение к темам RWD и RWE. Смотрим широко: КИО, фармкомпании, организации в области управления данными, организации в области ИИ, научные учреждения и тд.

Мы надеемся, что проект поможет в вашей работе в областях RWD/RWE
🌐 Меняем мир RWE вместе!

Почему лекарства, показавшие впечатляющие результаты в клинических исследованиях, часто показывают не столь существенные результаты в реальной практике? 🤔

Этот феномен получил название "Efficacy-Effectiveness Gap" (EEG) — разрыв между действенностью (efficacy) препарата, показанной в контролируемых условиях клинических испытаний и его эффективностью (effectiveness) в реальной клинической практике.
 
Почему так происходит?
Можно говорить о нескольких парадигмах объяснения этого явления:

🏥 Проблема реальной практики здравоохранения

Первая парадигма рассматривает EEG как результат несовершенства реальной системы здравоохранения по сравнению со стандартизированными условиями клинических исследований.
«Идеальный» эффект препарата искажается реальными условиями:

Поведение врачей 🩺— не все врачи следуют рекомендациям из-за скептицизма к новинкам, недостатка обучения или особенностей практики в данном ЛПУ

Приверженность пациентов 💊 — если в РКИ приверженность достигает 85-90%, то в реальной жизни процент приверженных терапии пациентов падает ниже 50 %, особенно при терапии хронических заболеваний. До 75 % разницы между данными РКИ и RWE может быть объяснено именно приверженностью.

Барьеры доступа 🚧 — от высокой стоимости лечения и неправильной диагностики до географической удаленности от медучреждений и/или отсутствия узких специалистов.
 
🏥 Методологическая проблема — все дело в дизайне исследований

Вторая парадигма EEG утверждает: разрыв между действенностью и эффективностью возникает из-за принципиальных методологических различий между типами исследований.
В этой парадигме сталкиваются две концепции:
🔹 "Иерархия доказательств": Взгляд, где РКИ считаются "золотым стандартом", качество дизайна исследования неизменно ("высечено в камне") независимо от того, измеряет ли оно терапевтический эффект препарата или информирует врачей о лучших вариантах выбора в рутинной практике.
🔹 "Прагматизм" — РКИ характеризуются высокой внутренней валидностью, но ограниченной внешней применимостью из-за строгих критериев включения/исключения, контролируемых условий проведения и относительно коротких периодов наблюдения (т.е. не отражают реальную жизнь).
 
При этом сам дизайн измерения (двойное слепое vs открытое, плацебо vs активный контроль и пр.) может влиять на оцениваемый размер эффекта — вне зависимости от характеристик пациентов или заболевания.

🧩 Комплексное взаимодействие

Третья парадигма предлагает принципиально иной взгляд: любое количественное различие в оценках эффекта препаратов, измеренное в экспериментальных условиях или в реальной практике может быть понято как результат взаимодействия множественных факторов реальной жизни с чисто биологическим эффектом препарата.

Т.е. эффект препарата — это не константа. Он меняется в зависимости от условий, в которых применяется лекарство.

Это могут быть:
🧬 Биологические особенности пациента – генетика, возраст, сопутствующие заболевания, индивидуальная чувствительность.
🌍 Условия окружающей среды - диета, экологические факторы, доступность медицинской помощи, социально-экономический статус.
💊 Условия применения препарата - приверженность лечению, ожидания от терапии, взаимодействие с врачом, психологические аспекты лечения.
 
📌 Будущее — за интегрированным подходом, где мы не противопоставляем действенность и эффективность, а:
🔸выявляем факторы, модифицирующие эффект препарата в разных контекстах,
🔸проектируем клинические испытания, более приближенные к реальной практике,
🔸Создаем "мосты" между данными контролируемых исследований и повседневной клинической практикой.
 
❗EEG — это не проблема, которую нужно устранить, а закономерность, которую нужно понять и использовать для улучшения результатов лечения в реальной жизни.
По материалам C. Nordon et al, 2016  https://dx.doi.org/10.1016/j.jval.2015.09.2938

📊 Методы биостатистики по работе с пропущенными данными. Часть 1.

🔍 Анализ данных без замещения пропусков: когда и как это работает?
Наличие пропусков (missing data) не всегда означает, что их нужно чем-то заполнять. Иногда в этом нет нужды, а иногда это даже недопустимо. Разбираем подходы к анализу, которые обходятся без замещения пропусков.

________
1. Observed Case Analysis (OCA)
Суть: Используем ВСЕ доступные непропущенные значения, но НЕ заполняем пропуски искусственно.
• Чем отличается от Complete Case Analysis (CCA)? CCA отбрасывает всех, у кого есть хоть один пропуск в анализируемых переменных. OCA же сохраняет каждого пациента настолько, насколько это возможно.
• Где применяется? Один из вариантов — в анализе параметров безопасности. Например, если мы говорим, что у 15% пациентов были тяжелые НЯ, эта цифра должна основываться только на реально зарегистрированных случаях. Любая импутация исказит истинную картину.

____
2. Complete Case Analysis (CCA) — жёсткий и рискованный метод
Суть: В анализ включаются только пациенты с полным набором данных по всем нужным переменным.

⚠️ Недостатки и ограничения.
• Ведет к массовой потере данных, особенно в RWE-исследованиях, где пропусков много.
• Требует строгого условия: пропуски должны быть MCAR (полностью случайны).
• Если пропуски не случайны (например, чаще встречаются у пожилых), выборка станет нерепрезентативной, а выводы — смещёнными (bias).
• Вывод: В первичном анализе почти не используется. Может применяться только для анализа чувствительности.

____
3. Взвешенный анализ (Inverse Probability Weighting, IPW)
Суть: Это «взвешенный» полный анализ (weighted CCA). Пациентам с полными данными присваиваются веса, обратные вероятности иметь полные данные.
• Как это работает? Строится модель, которая предсказывает, насколько вероятно, что у пациента не будет пропусков (на основе других наблюдаемых признаков). Те, чьи «профили» реже встречаются среди полных случаев, получают больший вес. Это корректирует системную ошибку отбора.
➕Плюс: Позволяет корректировать смещение при условии MAR (пропуски зависят от наблюдаемых данных).
➖Минусы:
o не решает проблему MNAR (пропуски зависят от ненаблюдаемых значений);
o крайне важно включить в модель все переменные, связанные с пропусками, иначе смещение останется.

____
4. Смешанная модель для повторных измерений (MMRM)
Суть: Продвинутый likelihood-based подход, использующий все доступные данные без импутации.
• Как работает? Модель строит функцию правдоподобия на основе наблюдаемых данных. Для пациента с пропусками она использует его имеющиеся измерения, а информацию о взаимосвязи между визитами «берёт» у других пациентов (через матрицу ковариаций).
• Требуемое условие: MAR (достаточно, чтобы пропуски зависели от наблюдаемых данных).
• Недостатки:
o даст смещённые оценки при MNAR,
o сложность в выборе и обосновании структуры модели (ковариационная матрица),
o «чёрный ящик» для клиницистов. Объяснить её логику сложнее, чем, например, точечное замещение (single imputation).

📌 Практический итог: MMRM часто используется как первичный анализ (при обоснованном допущении MAR), но для проверки устойчивости выводов обязательно проводят анализ чувствительности другими методами, чтобы оценить потенциальное влияние MNAR.

Ришат Габидуллин,
Руководитель подразделения биостатистики фармацевтической компании.

🚀 Приглашаем на вебинар "Результаты опроса по RWE: что исполнители и заказчики могли бы сказать друг другу в открытом диалоге"

Вебинар будет построен на результатах социологического исследования мнения индустрии.

Дата и время: 19 декабря, с 12:00 до 13:00

Авторы исследования и ведущие вебинара:
Хомицкая Юнона, медицинский директор Servier
Гольдина Татьяна, независимый консультант и эксперт RWD/RWE, руководитель рабочих групп «RWE» АМФП и НАИИО

Об исследовании:
✨ 19 экспертных интервью (10 фармацевтических компаний, 6 КИО, 3 поставщика инфраструктуры исследований),
✨ период с 23 сентября по 14 ноября 2025г,
✨ 23 вопроса, объединенные в 4 блока: описание респондентов,
проблемы при проведении RWE-исследований, обеспечение качества RWE-исследования, потребности в регуляциях

Результаты исследования будут объединены в 3 публикации:
🖌 систематический анализ проблем проведения ИРКП (подано в печать),
🖌 концепция идеальной модели ИРКП (будет подано до 14.12),
🖌 исследования, инициированные исследователями, PROs.

В ходе анализа было выявлено 43 проблемы при проведении RWE-исследований, которые мы объединили в 9 ключевых барьеров:
1) регуляторные и законодательные аспекты,
2) качество данных,
3) стандартизация,
4) технические и инфраструктурные ограничения,
5) взаимодействие между участниками,
6) компетенции и экспертиза,
7) планирование исследования,
8) бюджет и финансирование,
9) согласование и координация.

🤝 Многие из этих проблем могли быть решены в ходе открытого диалога сторон исследования, готовности слышать, понимать и принимать. Мы взяли на себя смелость озвучить эти проблемы, найти точки соприкосновения, показать возможности для сторон.

🤝 Для нас стороны исследования — это равноправные партнёры. Ведь, только в таком подходе возможна максимально эффективная реализация исследования для достижения его стратегических задач. А, значит, ценности, которое любое исследование дает пациенту.

Вебинар проходит на площадке Ассоциации Международных Фармацевтических Производителей (АМФП).
Форма для регистрации здесь

Авторы исследования выражают огромную благодарность всем участникам интервью за согласие участвовать, уделенное время, открытые честные ответы. Именно благодаря вам стало возможным собрать такой колоссальный и значимый для развития RWE-экосистемы материал.