Nhận diện và Đặc tính hóa Nguy cơ

Nhận diện và đặc tính hóa nguy cơ là giai đoạn đầu của quản lý rủi ro an toàn thuốc: phát hiện một loại thuốc có thể gây hại (một tín hiệu an toàn) và sau đó mô tả tác hại đó đủ chính xác để có thể hành động – ai bị ảnh hưởng, tần suất, mức độ nghiêm trọng và cơ chế gây hại. Quá trình này dựa trên báo cáo tự nguyện, các phương pháp phát hiện tín hiệu thống kê, và đánh giá lâm sàng và dịch tễ học.

Definition

Nhận diện nguy cơ là việc phát hiện một mối liên hệ nhân quả mới hoặc đã thay đổi có thể có giữa một loại thuốc và một biến cố bất lợi (một tín hiệu); đặc tính hóa nguy cơ là mô tả tiếp theo về tần suất, mức độ nghiêm trọng, khả năng hồi phục, quần thể bị ảnh hưởng và cơ chế hợp lý của nguy cơ đó.

Scope

Chủ đề này bao gồm tín hiệu an toàn là gì, các nguồn dữ liệu và các phương pháp phân tích sự không cân xứng (disproportionality) và Bayesian được sử dụng để phát hiện tín hiệu từ các cơ sở dữ liệu báo cáo tự nguyện, cũng như các bước xác nhận, ưu tiên và đặc tính hóa tín hiệu thành một nguy cơ xác định. Nội dung được trình bày dưới dạng phương pháp luận tham chiếu trong lĩnh vực cảnh giác dược, chứ không phải hướng dẫn lâm sàng.

Core questions

• Có tín hiệu nào cho thấy một loại thuốc có thể gây ra một biến cố bất lợi cụ thể không?
• Mối liên hệ này có khả năng là nhân quả, hay được giải thích bởi sai lệch, yếu tố gây nhiễu, hoặc ngẫu nhiên?
• Nguy cơ này thường xuyên và nghiêm trọng đến mức nào, và ai là người bị ảnh hưởng nhiều nhất?
• Những tín hiệu nào nên được ưu tiên để điều tra thêm?

Key concepts

• Tín hiệu an toàn
• Hệ thống báo cáo tự nguyện
• Phân tích sự không cân xứng (PRR, ROR)
• Các phương pháp Bayesian (BCPNN, EBGM)
• Xác nhận và ưu tiên tín hiệu
• Đánh giá tính nhân quả
• Nguy cơ đã được nhận diện so với nguy cơ tiềm ẩn

Mechanisms

Hầu hết các tín hiệu ban đầu phát sinh từ các báo cáo tự nguyện về các phản ứng bất lợi nghi ngờ được thu thập trong các cơ sở dữ liệu quốc gia và quốc tế. Sàng lọc định lượng đánh dấu các cặp thuốc-biến cố được báo cáo thường xuyên hơn dự kiến: các thước đo sự không cân xứng theo tần suất như tỷ lệ báo cáo theo tỷ lệ (proportional reporting ratio) so sánh báo cáo quan sát được với báo cáo dự kiến (Evans et al., 2001), trong khi các phương pháp Bayesian như mạng thần kinh truyền bá độ tin cậy Bayesian (Bayesian confidence propagation neural network) thu hẹp các ước tính không ổn định từ dữ liệu thưa thớt (Bate et al., 1998). Sự không cân xứng thống kê chỉ tạo ra các giả thuyết; các tín hiệu sau đó được xác nhận, đánh giá về tính nhân quả và đặc tính hóa về mặt lâm sàng và dịch tễ học – xác định tần suất, mức độ nghiêm trọng, các yếu tố nguy cơ và cơ chế – trước khi được phân loại là nguy cơ đã được nhận diện hoặc nguy cơ tiềm ẩn (Wisniewski et al., 2016; Edwards & Aronson, 2000).

Clinical relevance

Các nguy cơ được xác định thông qua quá trình này trở thành thông tin an toàn trong nhãn thuốc và các thông tin liên lạc mà các bác sĩ lâm sàng và bệnh nhân sử dụng. Mục này giải thích cách các nguy cơ đó được phát hiện và mô tả ở cấp độ quần thể và không cung cấp lời khuyên chẩn đoán hoặc điều trị cá nhân.

Epidemiology

Báo cáo tự nguyện có thể bị báo cáo thiếu và có sai lệch trong báo cáo, do đó các tín hiệu không cân xứng phản ánh các mẫu báo cáo chứ không phải tỷ lệ mắc bệnh thực sự. Do đó, việc đặc tính hóa thường dựa vào các nguồn bổ sung – các nghiên cứu quan sát, sổ đăng ký và dữ liệu y tế điện tử – để ước tính tần suất và xác định các yếu tố nguy cơ một cách đáng tin cậy hơn.

History

Phát hiện tín hiệu có hệ thống phát triển từ các chương trình báo cáo tự nguyện được thiết lập sau thảm kịch thalidomide, chẳng hạn như hệ thống Thẻ Vàng của Vương quốc Anh và Chương trình Giám sát Thuốc Quốc tế của WHO. Các phương pháp định lượng đã trưởng thành vào cuối những năm 1990 và những năm 2000, với BCPNN (Bate et al., 1998) và tỷ lệ báo cáo theo tỷ lệ (Evans et al., 2001) trở thành các công cụ sàng lọc tiêu chuẩn, sau đó được củng cố thành thực hành phát hiện tín hiệu tốt (Wisniewski et al., 2016).

Debates

Thống kê sự không cân xứng có thể cho chúng ta biết được bao nhiêu?

Các thước đo sự không cân xứng sàng lọc hiệu quả các cơ sở dữ liệu lớn nhưng chỉ tạo ra các giả thuyết; chúng nhạy cảm với các sai lệch trong báo cáo và các đặc điểm riêng của cơ sở dữ liệu, và bản thân chúng không thể thiết lập tính nhân quả hoặc tần suất thực sự.

Key figures

• Andrew Bate
• Stephen J. W. Evans
• I. Ralph Edwards

Seminal works

• bate-1998
• evans-2001
• edwards-aronson-2000

Frequently asked questions

Tín hiệu an toàn là gì?

Tín hiệu là thông tin được báo cáo gợi ý một mối liên hệ nhân quả mới hoặc đã thay đổi có thể có giữa một loại thuốc và một biến cố bất lợi cần được đánh giá thêm; đó là một giả thuyết cần được điều tra, không phải là một nguy cơ đã được xác nhận.

Tín hiệu không cân xứng có nghĩa là thuốc đã gây ra biến cố không?

Không. Sự không cân xứng chỉ ra các cặp thuốc-biến cố được báo cáo thường xuyên hơn dự kiến, nhưng mối liên hệ đó vẫn phải được xác nhận và đánh giá về tính nhân quả trước khi nó có thể được coi là một nguy cơ thực sự.