Активный фармаконадзор

Активный фармаконадзор целенаправленно выявляет нежелательные явления в определенных популяциях, а не ожидает их добровольного сообщения. Путем систематического наблюдения за когортами пролеченных пациентов или анализа крупных баз данных здравоохранения он направлен на преодоление проблем недостаточной отчетности и отсутствия знаменателя, которые ограничивают спонтанные сообщения, а также на оценку фактической частоты возникновения реакций.

Definition

Активный фармаконадзор — это проактивный подход к сбору данных о безопасности лекарственных средств, при котором нежелательные явления систематически выявляются в определенной популяции потребителей лекарств, что позволяет оценить частоту событий и сравнить ее со знаменателем.

Scope

Статья охватывает обоснование активного сбора данных о безопасности, основные подходы — мониторинг событий в когортах, мониторинг событий по рецептам и крупномасштабные сети наблюдения на основе электронных записей или данных о страховых случаях — а также то, как активные методы дополняют пассивную отчетность. Это справочный обзор методологии наблюдения, а не клинические рекомендации.

Core questions

• Зачем дополнять спонтанную отчетность активными методами?
• Как мониторинг когорт или событий по рецептам выявляет события?
• Как сети баз данных и сторожевые сети обеспечивают крупномасштабное наблюдение?
• Что может оценить активный надзор, чего не может пассивная отчетность?

Key concepts

• Мониторинг событий в когортах
• Мониторинг событий по рецептам
• Сторожевые и распределенные сети данных
• Общая модель данных
• Оценка знаменателя и заболеваемости
• Целевое (управляемое событиями) наблюдение
• Электронные медицинские карты и данные о страховых случаях

Mechanisms

Активное наблюдение определяет популяцию потребителей лекарств, а затем целенаправленно выявляет в ней нежелательные явления. При мониторинге событий по рецептам и мониторинге событий в когортах пациенты, которым был выписан интересующий препарат, идентифицируются и отслеживаются, а события систематически запрашиваются (Kasliwal et al., 2008). В подходах, основанных на базах данных и сторожевых системах, запрашиваются регулярно собираемые электронные медицинские записи или данные о страховых случаях — часто через общую модель данных, чтобы один и тот же анализ мог быть выполнен по многим партнерам по данным — для выявления и количественной оценки связей между лекарствами и исходами (Platt et al., 2009; Stang et al., 2010). Поскольку знаменатель экспонированных пациентов известен, эти методы могут оценить заболеваемость и относительный риск, чего не может сделать спонтанная отчетность (Härmark & van Grootheest, 2008).

Clinical relevance

Активное наблюдение позволяет получить оценки заболеваемости и риска на уровне популяции, которые используются для принятия регуляторных мер и с которыми клиницисты сталкиваются в сообщениях о безопасности. Эта статья описывает, как собираются такие данные, и не является основой для индивидуальных диагностических или лечебных решений.

Epidemiology

Проспективные исследования иллюстрируют масштабы вреда, связанного с лекарствами, который может быть количественно оценен с помощью активного выявления — например, крупный проспективный анализ в Великобритании приписал примерно 1 из 16 госпитализаций нежелательным лекарственным реакциям (Pirmohamed et al., 2004). Современные распределенные сети расширяют такое выявление до десятков миллионов записей пациентов (Platt et al., 2009; Stang et al., 2010).

History

Активные методы развивались наряду со спонтанной отчетностью для устранения ее слепых зон. Мониторинг событий по рецептам был разработан в Соединенном Королевстве с 1980-х годов для отслеживания когорт пациентов, принимающих недавно выпущенные на рынок препараты, а с конца 2000-х годов крупные инициативы, основанные на базах данных, такие как Инициатива Sentinel в США и Партнерство по наблюдательным медицинским исходам, формализовали активный надзор в сетях электронных медицинских данных (Platt et al., 2009; Stang et al., 2010).

Debates

Как следует контролировать смешивающие факторы при наблюдении на основе баз данных?

Рутинно собираемые данные не рандомизированы, поэтому очевидные связи между лекарствами и исходами могут отражать причину назначения препарата, а не его эффект; методы контроля смешивающих факторов и надежность автоматического скрининга сигналов в разнородных базах данных остаются предметом активных дебатов.

Key figures

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

Seminal works

• platt-2009
• stang-2010

Frequently asked questions

Чем активный надзор отличается от спонтанной отчетности?

Спонтанная отчетность ожидает добровольных сообщений от наблюдателей, тогда как активный надзор целенаправленно ищет события в определенной популяции. Поскольку экспонированная популяция известна, активные методы могут оценить, как часто происходит реакция, чего не может спонтанная отчетность.

Зачем использовать электронные медицинские карты или данные о страховых случаях для обеспечения безопасности лекарственных средств?

Они охватывают большое количество пролеченных пациентов с уже зарегистрированными исходами, что позволяет быстро и в больших масштабах оценивать связи между лекарствами и исходами — хотя их нерандомизированный характер означает, что необходимо тщательно учитывать смешивающие факторы.