Deteksi Sinyal dan Penilaian Statistik

Deteksi sinyal adalah proses mengidentifikasi, dari laporan atau data yang terkumpul, informasi yang menunjukkan adanya asosiasi baru atau perubahan antara obat dan kejadian tidak diinginkan yang layak diselidiki. Penilaian statistik dan klinis kemudian mengubah laporan mentah menjadi hipotesis yang diprioritaskan, menggabungkan metode disproporsionalitas kuantitatif dengan evaluasi terstruktur kasus individual.

Definition

Deteksi sinyal dalam farmakovigilans adalah identifikasi potensi asosiasi kausal, atau aspek baru dari asosiasi yang diketahui, antara obat dan suatu kejadian, yang berasal dari satu atau lebih sumber dan dinilai memerlukan verifikasi; penilaian kasus adalah evaluasi terstruktur tentang seberapa besar kemungkinan suatu obat telah menyebabkan reaksi tertentu.

Scope

Entri ini mencakup apa itu sinyal keamanan, pendekatan kuantitatif utama untuk menandai sinyal dalam basis data pelaporan spontan (metode disproporsionalitas frequentist dan penyusutan Bayesian), dan tugas pelengkap penilaian kausalitas untuk kasus individual. Ini adalah referensi metodologis dan tidak memberikan panduan klinis.

Core questions

• Apa yang memenuhi syarat sebagai sinyal keamanan?
• Bagaimana ukuran disproporsionalitas menandai pasangan obat-kejadian?
• Bagaimana metode Bayesian meningkatkan disproporsionalitas sederhana?
• Bagaimana kausalitas dinilai untuk laporan individual?

Key concepts

• Sinyal keamanan
• Analisis disproporsionalitas
• Rasio pelaporan proporsional (PRR)
• Rasio odds pelaporan (ROR)
• Penyusutan Bayesian (BCPNN, MGPS / Bayes empiris)
• Penilaian kausalitas (misalnya algoritma Naranjo, kategori WHO-UMC)
• Konfounding oleh indikasi dan bias pelaporan

Mechanisms

Deteksi sinyal kuantitatif memperlakukan basis data pelaporan sebagai tabel kontingensi besar dan menanyakan apakah pasangan obat-kejadian tertentu dilaporkan secara tidak proporsional lebih sering daripada yang diharapkan dari data lainnya. Ukuran frequentist seperti rasio pelaporan proporsional dan rasio odds pelaporan menyatakan disproporsi ini secara langsung (Evans et al., 2001; van Puijenbroek et al., 2002). Metode Bayesian — jaringan saraf propagasi kepercayaan Bayesian dan multi-item gamma-Poisson shrinker / empirical Bayes geometric mean — menerapkan penyusutan sehingga pasangan dengan sedikit laporan tidak ditandai secara keliru, meningkatkan stabilitas untuk data yang jarang (Bate et al., 1998; DuMouchel, 1999). Tanda statistik hanyalah titik awal: sinyal kandidat ditinjau secara klinis, dan kasus individual dievaluasi dengan instrumen kausalitas terstruktur seperti skala probabilitas Naranjo, yang mempertimbangkan hubungan temporal, dechallenge, rechallenge, dan penjelasan alternatif (Naranjo et al., 1981; Bate & Evans, 2009).

Clinical relevance

Deteksi sinyal menentukan bahaya obat mana yang perlu diselidiki lebih lanjut oleh regulator dan klinisi, dan penilaian kausalitas membingkai bagaimana reaksi individual yang dicurigai diinterpretasikan. Entri ini menjelaskan metode analitik tersebut; ini menjelaskan bagaimana bukti dievaluasi dan bukan merupakan dasar untuk keputusan diagnostik atau pengobatan individual.

Epidemiology

Metode disproporsionalitas diterapkan pada basis data spontan yang menyimpan jutaan laporan, di mana tujuannya adalah untuk menyaring secara efisien sambil mengendalikan positif palsu; studi komparatif menunjukkan bahwa berbagai ukuran seringkali setuju pada sinyal yang kuat tetapi berbeda untuk pasangan obat-kejadian yang jarang, itulah sebabnya metode penyusutan banyak digunakan (van Puijenbroek et al., 2002; Bate & Evans, 2009).

History

Penilaian kausalitas diformalkan terlebih dahulu, dengan algoritma terstruktur seperti skala Naranjo pada tahun 1981 yang membawa reproduktibilitas pada evaluasi kasus. Deteksi sinyal kuantitatif tingkat populasi menyusul pada tahun 1990-an dan 2000-an: jaringan saraf propagasi kepercayaan Bayesian diperkenalkan untuk basis data WHO pada tahun 1998, penambangan data Bayes empiris untuk sistem FDA pada tahun 1999, dan rasio pelaporan proporsional untuk pensinyalan rutin pada tahun 2001, setelah itu tinjauan komparatif dan metodologis mengkonsolidasikan praktik (Bate et al., 1998; DuMouchel, 1999; Evans et al., 2001; Bate & Evans, 2009).

Debates

Apakah sinyal disproporsionalitas mencerminkan risiko nyata?

Sinyal statistik mengukur pola pelaporan, bukan insiden, dan dapat muncul dari bias pelaporan, konfounding oleh indikasi, atau perhatian media; seberapa besar bobot yang harus diberikan pada sinyal otomatis, dan ambang batas mana yang harus digunakan, masih diperdebatkan.

Seberapa andal penilaian kausalitas untuk kasus tunggal?

Algoritma terstruktur meningkatkan reproduktibilitas tetapi masih bergantung pada penilaian dan informasi yang tidak lengkap, dan instrumen yang berbeda dapat mengklasifikasikan kasus yang sama secara berbeda, sehingga kausalitas kasus tunggal diperlakukan sebagai probabilistik daripada definitif.

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

Apa itu sinyal keamanan?

Ini adalah informasi yang menunjukkan kemungkinan asosiasi kausal baru atau perubahan antara obat dan kejadian tidak diinginkan yang dinilai memerlukan penyelidikan lebih lanjut. Sinyal adalah hipotesis yang harus diperiksa, bukan risiko yang terbukti.

Mengapa metode Bayesian digunakan sebagai pengganti rasio sederhana?

Ketika pasangan obat-kejadian memiliki sangat sedikit laporan, rasio sederhana bisa menjadi besar secara kebetulan. Metode penyusutan Bayesian menarik estimasi tersebut ke arah pola keseluruhan, mengurangi positif palsu untuk data yang jarang.