Grandes bases de datos clínicas paraestudiar los efectos de los medicamentos
y su aplicación en Farmacovigilancia
Prof. Francisco J. de Abajo
Catedrático de FarmacologíaDpto CC. Biomédicas- Universidad de Alcalá
Unidad de Farmacología Clínica - H.U. Príncipe de Asturias
XIII Congreso de AMIFE, Madrid 20 a 30 Noviembre, 2018
Sinopsis
La Farmacovigilancia y sus fuentes de información
Bases de datos sanitarias: tipos• Bifap como ejemplo
Aplicaciones de las BBDD en FV
2
Marco operativo de la farmacovigilancia*
IdentificaciónCuantificación (Estimación)
Evaluación
Minimización y prevenciónComunicación
Evaluación de la efectividad de las medidas
DATOS
DECISIONES
ACCIONES
Toma de decisiones
Análisis de riesgos
Gestión de riesgos
* De Abajo FJ. Int J Pharm Med 2005; 19: 209-218
Marco operativo de la farmacovigilancia*
IdentificaciónCuantificación (Estimación)
Evaluación
Minimización y prevenciónComunicación
Evaluación de la efectividad de las medidas
DATOS
DECISIONES
ACCIONES
Toma de decisiones
Análisis de riesgos
Gestión de riesgos
* De Abajo FJ. Int J Pharm Med 2005; 19: 209-218
Fuentes de información en FV
Datos primarios (clínica; estudios de campo)• Notificación espontánea• Registros de casos• Registros de expuestos• Estudios posautorización (de seguimiento prospectivo)• Ensayos clínicos (pre- como post-autorización)
Datos secundarios (datos existentes)• Bases de datos automatizadas
5
6
Método tradicional (estudios de campo)
Ventajas - Información clínica detallada
- Validación de los casos- Información ad hoc no habitual
- Muestras biológicas- Variables no se recogen en la práctica clínica
Inconvenientes - Consume muchos recursos- Validez limitada de ciertos diseños
- Estudios de casos y controles- Ineficientes si RA infrecuentes
7
EXPOSURE (# persons)
3,000 30,000 300,000 3,000,000300
1:100
1:1,000
1:10,000
1:100,000
1:1,000,000
Acute Myocardial InfarctionHip fractureUpper GI bleeding
Acute Liver Injury
Guillain-Barré Syndrome
Blood discrasiasSCARs
Frequency of serious adverse drug reactions
Prof. Hershel JickFundador del Boston CollaborativeDrug Surveillance Program(BCDSP) y pionero del uso de bases de datos en farmacoepidemiología
9
Ventajas - Gran número de sujetos- Condiciones reales de uso- Menos costosos- Menos tiempo- Menor exposición a ciertos sesgos
- Sesgo de memoria- Sesgos de selección
Inconvenientes- Muy dependiente de la calidad del registro- Información no disponible de algunas variables
- Dieta, ejercicio, otras que no sean práctica clínica habitual- Medicamentos OTC / Medicamentos hospitalarios
Métodos modernos: bases de datos automatizadas
10
Grandes bases de datos
EE.UU.• Group Health Cooperative of Puget Sound• Kaiser Permanente• Medicaid
Canadá• Saskatchewan
Reino Unido• GPRD (CPRD)• THIN
80´s
90´s
11
Grandes Bases de Datos
Dinamarca• National health databases Holanda
• ICPI• Mondriann Italia
• Pedianet• Friuli-Venezia-Giulia España
• BIFAP (9 CC.AA.)• SIDIAP (Cataluña)
2000´s
Sinopsis
La Farmacovigilancia y sus fuentes de información
Bases de datos sanitarias: tipos• Bifap como ejemplo
Aplicaciones de las BBDD en FV
12
Tipos de bases de datos sanitarias
Bases de datos administrativas (Claims databases)• Objetivo: Administrativo (facturación)• Son las que predominan en Norteamérica
Bases de datos de registros sanitarios• Objetivo: Gestión clínica • Son las que predominan en Europa
13
Bases de datos de enlace (Record-linkage)• Requiere un identificador único por paciente
- Problemas con protección de datos- Múltiples registros de gran calidad
• Prescripciones, atención primaria, hospital, cáncer etc.
• Son las habituales en los países nórdicos
Bases de datos integrales• Se pueden anonimizar (seudonimizar) a los pacientes
- Mayores garantías con protección de datos• Típicamente las basadas en registros de atención primaria
- CPRD, THIN, IPCI, BIFAP
Tipos de bases de datos sanitarias
Prescripciones
Diagnósticos
Especialistas
Hospitalizaciones
DemográficosExploraciones
Muerte
Hábitos
Base de datos integrales
BIFAPBase de datos para la Investigación
Farmacoepidemiológica en Atención Primaria
16Contiene información doblemente anonimizada
BIFAPBase de datos para la Investigación
Farmacoepidemiológica en Atención Primaria
17
9,4 millones de HC
67,9 millones de años-persona
1.246 millones de prescripciones
204 millones de problemas de salud
37,5% 74,8%
46,2%100%
20,2%
24,7%
*
* Canary Island & La Rioja autonomous regions: Data pending of final colaboration agreement.
Cobertura poblacional BIFAP (Año 2016)
Cobertura poblacional (España): 17,0%Cobertura CC.AA participantes: 55,5%
Consejería de Sanidad
BIFAP
Anonimización en origen
Anonimización en BIFAP
Dataset del investigador
Extracción de las variables
AEMPSOrganismos
públicos
H. Clínica de AP
20
BIFAP : Producción científica
> 50 publicaciones internacionales
> 30 proyectos nacionales de distintos equipos de investigación (ámbito público; financiación pública)
7 proyectos europeos (financiados con fondos públicos)
Fuente: http:// ww.bifap.org21
BIFAP
Ventajas• Gran volumen de información clínica• Base poblacional (representativa)• Información en texto libre
Inconvenientes• Escasa granularidad del diccionario médico (ICPC)• Necesidad de una validación de los diagnósticos
- Cuello de botella de los estudios• No información de la dispensación
- No información medic. OTC ni de medic. hospitalarios• No conexión con diagnósticos hospitalarios• No registro de la causa de la muerte
Sinopsis
La Farmacovigilancia y sus fuentes de información
Bases de datos sanitarias: tipos• Bifap como ejemplo
Aplicaciones de las BBDD en FV
23
Marco operativo de la farmacovigilancia
Cuantificación de riesgos- Evaluar la relación de causalidad- Cuantificar el impacto poblacional
Generar señales
Evaluación de la RBR (métodos cuantitativos)
Evaluación de la Efectividad de las medidas de minimización de riesgos
Generación de señales con BB.DD. sanitarias
Problemas:- Difícil manejo de la mutiplicidad de asociaciones resultantes
• Genera muchos falsos positivos- Anula la base de datos para confirmar el riesgo
• Partición de la base de datos• Uso secuencial de distintas bases de datos
25
26
EU-ADR Group
Exploring and understanding adverse drug reactions by integrativemining of clinical records and biomedical knowledge
27
23 acontecimientos adversos a incluir en un programa de generación de señales en bases de datos
Marco operativo de la farmacovigilancia
Cuantificación de riesgos- Evaluar la relación de causalidad- Cuantificar el impacto poblacional
Generar señales
Evaluación de la RBR (métodos cuantitativos)
Evaluación de la Efectividad de las medidas de minimización de riesgos
2011
AINE e infarto agudo de miocardio
Years after launch
Johansson S, Wallander M, De Abajo FJ, García-Rodríguez LA. Drug Safety 2010; 33: 223- 232
Captación de usuarios de nuevos medicamentos en una base de datos de atención primaria (THIN)
Networking concept
Annual Medical Pilgrims Meeting - Real Academia Nacional de Medicina
33
European Multi-Database Projects
Vaccines – to set up a datalink for vaccinessurveillance (7 countries)• VAESCO (ECDC)• ADVANCE (Innovative Medicines Initiative)
Safety of drugs used in diabetes (CV, pancreatic) (5 countries – 7 databases)• SAFEGUARD (VII Framework Program)
Consistencies and discrepancies of across differentdatabases using the same protocol (and differentdesigns)(5 countries – 7 databases)• PROTECT (Innovative Medicines Initiative)
Marco operativo de la farmacovigilancia
Cuantificación de riesgos- Evaluar la relación de causalidad- Cuantificar el impacto poblacional
Generar señales
Evaluación de la RBR (métodos cuantitativos)
Evaluación de la Efectividad de las medidas de minimización de riesgos
CARACTERIZACIÓN DE LA POBLACION DIANAy los componentes de la RBR
COHORTE NO EXPUESTARiesgos basales
GENERAR ACONTEMIENTOS Y MUERTES
Modelo de simulación para generar un seguimiento
NÚMERO DE ACONTECIMIENTOS
COHORTE EXPUESTASe aplican los riesgos relativos obtenidos en
los estudios
GENERAR ACONTEMIENTOS Y MUERTES
Modelo de simulación para generar un seguimiento
NÚMERO DE ACONTECIMIENTOS
COMPARACIÓN
Asignar riesgos de acontecimientos adversos y de muerte a cada paciente
Se repite la simulación 1000 veces
Maguire A. Tesis Doctoral. UAH 2017
Marco operativo de la farmacovigilancia
Cuantificación de riesgos- Evaluar la relación de causalidad- Cuantificar el impacto poblacional
Generar señales
Evaluación de la RBR (métodos cuantitativos)
Evaluación de la Efectividad de las medidas de minimización de riesgos
Evaluación de la efectividad de una medida de minimización de riesgos
Indicadores de proceso• Estudios de utilización de medicamentos
Indicadores de resultado• Estudios epidemiológicos específicos• Simulaciones en bases de datos
37
Uso de la simulación en BB.DD. para evaluar el impacto de una contraindicación (A. Maguire)
1. Evaluación de la RBR
Target patientsTrt A Events
Trt B EventsTarget patients
Target patients
Trt B
Target patientsTrt A
Trt A
Events
Events
2.- Introducción de una contraindicación
Conclusiones
Las BB.DD. sanitarias constituyen una fuente de información de uso creciente en farmacovigilancia
Tradicionalmente han servido para realizar estudios epidemiológicos destinados a confirmar señales de farmacovigilancia y cuantificar el riesgo poblacional
Empiezan a tener aplicaciones en otras áreas como la generación de señales, la cuantificación de la RBR y la evaluación de la efectividad de las medidas de minimización de riesgos
40