کشف سیگنال و ارزیابی آماری

کشف سیگنال فرآیند شناسایی اطلاعاتی از گزارش‌ها یا داده‌های انباشته‌شده است که نشان‌دهنده یک ارتباط جدید یا تغییریافته بین یک دارو و یک عارضه جانبی است که ارزش بررسی دارد. سپس ارزیابی آماری و بالینی، گزارش‌های خام را به فرضیه‌های اولویت‌بندی‌شده تبدیل می‌کند و روش‌های عدم تناسب کمی را با ارزیابی ساختاریافته موارد فردی ترکیب می‌کند.

Definition

کشف سیگنال در فارماکوویژیلانس، شناسایی یک ارتباط علّی بالقوه، یا جنبه جدیدی از یک ارتباط شناخته‌شده، بین یک دارو و یک رویداد است که از یک یا چند منبع به دست آمده و قضاوت می‌شود که نیاز به تأیید دارد؛ ارزیابی مورد، ارزیابی ساختاریافته‌ای است از اینکه چقدر احتمال دارد یک دارو باعث یک واکنش خاص شده باشد.

Scope

این مدخل به این می‌پردازد که سیگنال ایمنی چیست، رویکردهای کمی اصلی برای علامت‌گذاری سیگنال‌ها در پایگاه‌های داده گزارش‌دهی خودبه‌خودی (روش‌های عدم تناسب فراوانی‌گرا و روش‌های انقباض بیزی)، و وظیفه مکمل ارزیابی علیت برای موارد فردی. این یک مرجع روش‌شناختی است و راهنمایی بالینی ارائه نمی‌دهد.

Core questions

• چه چیزی به عنوان یک سیگنال ایمنی واجد شرایط است؟
• چگونه معیارهای عدم تناسب، جفت‌های دارو-رویداد را علامت‌گذاری می‌کنند؟
• چگونه روش‌های بیزی عدم تناسب ساده را بهبود می‌بخشند؟
• علیت برای یک گزارش فردی چگونه قضاوت می‌شود؟

Key concepts

• سیگنال ایمنی
• تحلیل عدم تناسب
• نسبت گزارش‌دهی متناسب (PRR)
• نسبت شانس گزارش‌دهی (ROR)
• انقباض بیزی (BCPNN, MGPS / بیز تجربی)
• ارزیابی علیت (مثلاً الگوریتم نارانجو، دسته‌بندی‌های WHO-UMC)
• مخدوش‌کنندگی ناشی از اندیکاسیون و سوگیری گزارش‌دهی

Mechanisms

کشف سیگنال کمی، یک پایگاه داده گزارش‌دهی را به عنوان یک جدول توافقی بزرگ در نظر می‌گیرد و می‌پرسد که آیا یک جفت دارو-رویداد خاص به طور نامتناسبی بیشتر از آنچه از بقیه داده‌ها انتظار می‌رود گزارش شده است یا خیر. معیارهای فراوانی‌گرا مانند نسبت گزارش‌دهی متناسب و نسبت شانس گزارش‌دهی این عدم تناسب را مستقیماً بیان می‌کنند (Evans et al., 2001; van Puijenbroek et al., 2002). روش‌های بیزی — شبکه عصبی انتشار اطمینان بیزی و انقباض‌دهنده گاما-پواسون چند آیتمی / میانگین هندسی بیز تجربی — انقباض را اعمال می‌کنند تا جفت‌هایی با گزارش‌های کم به طور کاذب علامت‌گذاری نشوند و پایداری را برای داده‌های پراکنده بهبود می‌بخشند (Bate et al., 1998; DuMouchel, 1999). یک علامت آماری تنها یک نقطه شروع است: سیگنال‌های کاندید به صورت بالینی بررسی می‌شوند و موارد فردی با ابزارهای علیت ساختاریافته مانند مقیاس احتمال نارانجو ارزیابی می‌شوند که رابطه زمانی، قطع مصرف، مصرف مجدد و توضیحات جایگزین را وزن می‌کنند (Naranjo et al., 1981; Bate & Evans, 2009).

Clinical relevance

کشف سیگنال تعیین می‌کند که کدام آسیب‌های دارویی احتمالی توسط تنظیم‌کننده‌ها و پزشکان بیشتر بررسی شوند، و ارزیابی علیت نحوه تفسیر واکنش‌های مشکوک فردی را چارچوب‌بندی می‌کند. این مدخل آن روش‌های تحلیلی را توضیح می‌دهد؛ نحوه ارزیابی شواهد را توصیف می‌کند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیست.

Epidemiology

روش‌های عدم تناسب در پایگاه‌های داده خودبه‌خودی حاوی میلیون‌ها گزارش اعمال می‌شوند، جایی که هدف غربالگری کارآمد با کنترل مثبت‌های کاذب است؛ مطالعات مقایسه‌ای نشان می‌دهند که معیارهای مختلف اغلب در مورد سیگنال‌های قوی توافق دارند اما برای جفت‌های دارو-رویداد پراکنده واگرا می‌شوند، به همین دلیل است که روش‌های انقباض به طور گسترده‌ای استفاده می‌شوند (van Puijenbroek et al., 2002; Bate & Evans, 2009).

History

ارزیابی علیت ابتدا رسمی شد، با الگوریتم‌های ساختاریافته مانند مقیاس نارانجو در سال 1981 که قابلیت تکرارپذیری را به ارزیابی مورد آورد. کشف سیگنال کمی در سطح جمعیت در دهه‌های 1990 و 2000 دنبال شد: شبکه عصبی انتشار اطمینان بیزی برای پایگاه داده WHO در سال 1998 معرفی شد، داده‌کاوی بیز تجربی برای سیستم FDA در سال 1999، و نسبت‌های گزارش‌دهی متناسب برای سیگنال‌دهی روتین در سال 2001، پس از آن بررسی‌های مقایسه‌ای و روش‌شناختی عمل را تثبیت کردند (Bate et al., 1998; DuMouchel, 1999; Evans et al., 2001; Bate & Evans, 2009).

Debates

آیا سیگنال‌های عدم تناسب منعکس‌کننده خطر واقعی هستند؟

یک سیگنال آماری الگوهای گزارش‌دهی را اندازه‌گیری می‌کند، نه بروز را، و می‌تواند ناشی از سوگیری گزارش‌دهی، مخدوش‌کنندگی ناشی از اندیکاسیون، یا توجه رسانه‌ها باشد؛ اینکه چقدر وزن به سیگنال‌های خودکار داده شود و از چه آستانه‌هایی استفاده شود، همچنان مورد بحث است.

قابلیت اطمینان ارزیابی علیت برای موارد منفرد چقدر است؟

الگوریتم‌های ساختاریافته قابلیت تکرارپذیری را بهبود می‌بخشند اما همچنان بر قضاوت و اطلاعات ناقص استوارند، و ابزارهای مختلف می‌توانند یک مورد را به طور متفاوتی طبقه‌بندی کنند، بنابراین علیت مورد منفرد به جای قطعی بودن، احتمالی در نظر گرفته می‌شود.

Key figures

• Stephen Evans
• Andrew Bate
• William DuMouchel
• Eugène van Puijenbroek
• Claudio Naranjo

Seminal works

• naranjo-1981
• bate-1998
• dumouchel-1999
• evans-2001

Frequently asked questions

سیگنال ایمنی چیست؟

این اطلاعاتی است که نشان‌دهنده یک ارتباط علّی جدید یا تغییریافته احتمالی بین یک دارو و یک عارضه جانبی است که قضاوت می‌شود نیاز به بررسی بیشتر دارد. یک سیگنال یک فرضیه برای بررسی است، نه یک خطر اثبات‌شده.

چرا به جای نسبت‌های ساده از روش‌های بیزی استفاده می‌شود؟

هنگامی که یک جفت دارو-رویداد گزارش‌های بسیار کمی دارد، یک نسبت ساده می‌تواند به طور تصادفی بزرگ باشد. روش‌های انقباض بیزی چنین تخمین‌هایی را به سمت الگوی کلی می‌کشند و مثبت‌های کاذب را برای داده‌های پراکنده کاهش می‌دهند.