Aktivní farmakovigilantní surveillance

Aktivní farmakovigilantní surveillance záměrně vyhledává nežádoucí účinky v definovaných populacích, místo aby čekala na jejich dobrovolné hlášení. Systematickým sledováním kohort léčených pacientů nebo dotazováním rozsáhlých zdravotnických databází se snaží překonat nedostatečné hlášení a chybějícího jmenovatele, jež omezují spontánní hlášení, a odhadnout skutečnou četnost výskytu reakcí.

Definition

Aktivní farmakovigilantní surveillance je proaktivní přístup ke sběru dat o bezpečnosti léčiv, při němž jsou nežádoucí účinky systematicky zjišťovány v definované populaci uživatelů léčiv, což umožňuje odhad četnosti událostí a srovnání s jmenovatelem.

Scope

Položka pokrývá zdůvodnění aktivního sběru bezpečnostních dat, hlavní přístupy — monitorování kohortních událostí, monitorování preskripčních událostí a rozsáhlé surveillance sítě založené na elektronických záznamech nebo pojistných nárocích — a to, jak aktivní metody doplňují pasivní hlášení. Jedná se o referenční přehled metodologie surveillance, nikoli o klinické poradenství.

Core questions

• Proč doplňovat spontánní hlášení aktivními metodami?
• Jak kohortní nebo preskripčně-událostní monitoring zjišťuje události?
• Jak databázové a sentinel-sítě umožňují rozsáhlou surveillance?
• Co může aktivní surveillance odhadovat, co pasivní hlášení nemůže?

Key concepts

• Monitorování kohortních událostí
• Monitorování preskripčních událostí
• Sentinel a distribuované datové sítě
• Společný datový model
• Odhad jmenovatele a incidence
• Cílená (událostmi řízená) surveillance
• Elektronické zdravotní záznamy a data pojistných nároků

Mechanisms

Aktivní surveillance definuje populaci uživatelů léčiv a poté záměrně zjišťuje nežádoucí účinky v rámci této populace. Při monitorování preskripčních událostí a kohortních událostí jsou identifikováni pacienti, jimž byl vydán sledovaný léčivý přípravek, tito pacienti jsou sledováni a události jsou systematicky shromažďovány (Kasliwal et al., 2008). Při přístupech využívajících databáze a sentinel-sítě jsou dotazovány rutinně shromažďované elektronické zdravotní záznamy nebo pojistné nároky — často prostřednictvím sdíleného společného datového modelu, takže stejná analýza může být provedena napříč mnoha datovými partnery — za účelem detekce a kvantifikace asociací mezi léčivem a výsledkem (Platt et al., 2009; Stang et al., 2010). Protože je znám jmenovatel exponovaných pacientů, mohou tyto metody odhadovat incidenci a relativní riziko, což spontánní hlášení neumožňuje (Härmark & van Grootheest, 2008).

Clinical relevance

Aktivní surveillance poskytuje odhady incidence a rizika na populační úrovni, které informují regulační opatření a s nimiž se lékaři setkávají v bezpečnostních sděleních. Tato položka popisuje, jak jsou taková data sbírána, a není základem pro individuální diagnostická nebo léčebná rozhodnutí.

Epidemiology

Prospektivní studie ilustrují rozsah škod způsobených léčivy, který může aktivní zjišťování kvantifikovat — například rozsáhlá britská prospektivní analýza přičítala přibližně 1 ze 16 hospitalizací nežádoucím účinkům léčiv (Pirmohamed et al., 2004). Moderní distribuované sítě rozšiřují toto zjišťování na záznamy desítek milionů pacientů (Platt et al., 2009; Stang et al., 2010).

History

Aktivní metody se rozvíjely souběžně se spontánním hlášením s cílem řešit jeho slepá místa. Monitorování preskripčních událostí bylo ve Spojeném království rozvíjeno od 80. let 20. století k sledování kohort pacientů užívajících nově uváděné léčivé přípravky na trh, a od konce 2000. let formalizovaly rozsáhlé databázové iniciativy, jako jsou americká Sentinel Initiative a Observational Medical Outcomes Partnership, aktivní surveillance napříč sítěmi elektronických zdravotnických dat (Platt et al., 2009; Stang et al., 2010).

Debates

Jak by mělo být kontrolováno zkreslení (confounding) v databázové surveillance?

Rutinně shromažďovaná data nejsou randomizována, takže zdánlivé asociace mezi léčivem a výsledkem mohou odrážet důvod předepsání léčiva, nikoli jeho účinek; metody kontroly zkreslení a spolehlivost automatizovaného screeningu signálů napříč heterogenními databázemi zůstávají předmětem aktivní diskuse.

Key figures

• Richard Platt
• Saad Shakir
• Linda Härmark
• Patrick Ryan

Seminal works

• platt-2009
• stang-2010

Frequently asked questions

Čím se aktivní surveillance liší od spontánního hlášení?

Spontánní hlášení čeká, až pozorovatelé dobrovolně podají hlášení, zatímco aktivní surveillance záměrně vyhledává události v definované populaci. Protože je exponovaná populace známa, mohou aktivní metody odhadovat četnost výskytu reakce, což spontánní hlášení neumožňuje.

Proč pro bezpečnost léčiv využívat elektronické zdravotní záznamy nebo data pojistných nároků?

Zachycují velký počet léčených pacientů s jejich výsledky, které jsou již zaznamenány, což umožňuje rychlý rozsáhlý odhad asociací mezi léčivem a výsledkem — ačkoli jejich nerandomizovaný charakter znamená, že je nutné pečlivě ošetřit zkreslení (confounding).