В этой статье изложены современные сведения о том, как проводить и оценивать исследования рутинной практики (ИРП), целью которых является изучение лечения сахарного диабета. Это позволит повысить качество исследований и уверенность в принятии решений, построенных на основании совокупности доказательств, полученных в рутинной практике (СДРП, Real World Evidence, RWE).

Почему это важно?

• Доказательства, полученные в рутинной практике, дополняют существующие данные об эффективности препаратов, полученные на основании результатов РКИ.
• Поскольку в клинической практике подходы к ведению пациентов с сахарным диабетом варьируются, RWE, использующие базы данных систем здравоохранения, могут устранять некоторые пробелы в научных доказательствах быстро и без больших затрат, не подвергая пациентов экспериментам без необходимости.
• В этой статье обсуждаются стратегии дизайна, оценки и анализа, позволяющие исследователям и экспертам, рассматривающим RWE, максимально приблизиться к выводам о причинно-следственных связях в отношении эффективности лечения пациентов с сахарным диабетом.

На что обратить внимание при оценке RWE в диабете?

Субъективные барьеры, препятствующие использованию RWE в принятии решений при лечении сахарного диабета

• Хотя RWE являются уже обычной практикой среди исследований по лечению сахарного диабета, приятие решений на основе такого дизайна может быть затруднено, когда присутствуют следующие барьеры:
  • Отсутствие рандомизации на этапе включения в исследование
  • Когда для исследования используются данные, которые изначально не собирались для этой цели (вторичное использование данных)

Вышеперечисленные барьеры могут служить препятствием для принятия решений об одобрении лекарственных препаратов, расширения сферы применения, принятия решений о страховом покрытии и составление клинических рекомендаций.

RWE и принятие решений регуляторными органами

• Регуляторные органы часто обращаются к исследованиям рутинной практики в рамках пострегистрационных исследований безопасности. Так как врач не предполагает появления значительных нежелательных явлений на этапе назначения препарата, и его выбор не зависит от внешних факторов, то снижается риск систематической ошибки, вызванной влиянием внешний сторонних факторов. Полученные данные устраивают регуляторов как источник ответов на вопросы о нежелательных явлениях.
• Однако, для заявленияй об эффективности препарата, основанные на данных рутинной практики, исследования RWE должны иметь соответствующий дизайн и высокое качество, чтобы быть рассмотренными регуляторными органами.
• Однако, уже сейчас регуляторные органы все чаще признают ускоренные пути или условную регистрацию препарата при поддержке исследований рутинной практики.

Рассмотрим типичные источники данных рутинной практики

• Данные для оплаты медицинской помощи дают полное понимание обо всех контактах пациента с профессиональной системой здравоохранения, включая амбулаторную помощь и лечение в стационаре

Однако, имеются ряд ограничений:

• Качество данных варьируется в зависимости от покрытия медицинской помощи, что может сказаться на репрезентативности полученных результатов.
• Объем и глубина полученной информации часто бывает недостаточной для включения в исследования
• Данные по оплате медицинской помощи представляют собой транзакционные данные, собранные для административных, а не исследовательских целей — поэтому необходимо проверять, пригодны ли данные для поставленной цели.

– Электронные медицинские карты (ЭМК) предназначены для ведения медицинской документации и содержат широкий спектр информации, касающейся здоровья пациентов

Этот наиболее распространённый источник данных для исследований тоже имеет ряд ограничений:

• Информация документируется только в той сети поставщиков медицинских услуг, где наблюдался пациент, однако данные личных медицинских карт могут компенсировать это ограничение.

• Регистры:
  • Регистр заболеваний собирает специфичную информацию для когорты пациентов. Размер регистра часто не позволяет провести значимые исследования RWE относительно влияния лечения на клинические исходы пациентов.
  • Регистр методов лечения: включает только тех пациентов, которые получают определенное лечение, однако данные, полученные из таких регистров, очень ограниченно подходят для проведения исследований.

Превращение данных рутинной практики (RWD) в совокупность доказательств рутинной практики (RWE)

• RWE придерживаются структурированного подхода:
  • На этапе выбора дизайна важно учесть точный исследовательский вопрос. Например, дизайн когортного исследования с участием новых пациентов, получающих активный препарат сравнения, оказался полезным во многих RWE по оценке лечения сахарного диабета.
  • На этапе анализа важно перенести поток данных пациентов в количественные и качественные переменные, которые в совокупности идентифицируют исследуемую популяцию, характеристики пациента до воздействия, лечение и исходы, потенциально связанные с проводимым лечением.
  • А на этапе выводов крайне взвешено подходить к оценке эффекта причинной терапии.

Выбор дизайна исследования

• Выбор дизайна исследования часто ориентируется на фармакокинетику и фармакодинамику препаратов у отдельного пациента или группе пациентов:
  

  Если время действия препарата варьируется у отдельно взятого пациента, то наиболее подходящим дизайном будет перекрестное исследование типа «случай-контроль»;
  Если время действия препарата варьируется между разными пациентами, то подойдет когортное исследование, выборка исследований случай-контроль;

• Наиболее простым для понимания дизайном является когортное исследование у «новых» пациентов. Такой дизайн имитирует стандартное РКИ в параллельных группах. Однако, стоит учитывать следующие ограничивающие факторы:
  • при сравнении двух различных методов лечения, таких как пероральные противодиабетические препараты и инъекционный инсулин, существует сильное смещение (интерпретация результатов существенно затруднена). Поэтому необходимо подбирать дизайн с сопоставимыми препаратами активного лечения.

Как было сказано ранее, использование вторичных данных несет определенные риски для интерпретации результатов исследования. Однако, существуют способы обеспечения качества исследований на подобных данных:

• Для более точной идентификация исследуемой популяции можно пользоваться несколькими диагностическими кодами для повышения специфичности первичного заболевания;
• Для более детальной оценки времени действия препарата можно использовать информацию о дозировании;
• Для оценки исходов лечения особое внимание стоит уделить данным по нежелательным явлениям;
• Для оценки оценка конфаундинг-факторов (или факторов смещения, или искажающих факторов, конфаундинг-фактор – неизвестный фактор, способный потенциально повлиять на результаты исследования) необходимо выявить эти потенциальные факторы и включить их в статистическую обработку для ограничения незамеченного влияния смещения.

Этап анализа данных

• Для понимания факторов, которые практикующие врачи учитывают при принятии решений о лечении при конкретном статусе заболевания необходимо обращаться к врачам-консультантам. Это обеспечит полный спектр информации о выборе терапии для пациентов и смещения эффектов причинной терапии.
• Инструменты для анализа данных пациентов, сопоставления групп:
  
  • Метод отбора подобного по индексу соответствия (псевдорандомизация, propensity score (PS) matching): это сложный статистический инструмент, который учитывает большое количество различных переменных и балансирует их, даже если результат исследования является редким. Метод отбора подобного по индексу соответствия соответствует парадигме целевого исследования (разработка концепции идеального гипотетического рандомизированного исследования, которое могло бы дать ответ на интересующий вопрос, если бы ограниченность ресурсов или этические проблемы не препятствовали его проведению), поскольку он имитирует процесс рандомизации на основе данных наблюдений;
  • Уменьшение неоцененных искажений: собирается дополнительная подробная информация о факторах, которые могут внешне влиять на результаты исследования (конфаундинг-фактор) путем анализа большой выборки пациентов,
  • Также используются методы уменьшения неоцененных смещений (Reducing unmeasured confounding), но данный метод является сложным и не подлежит анализу при чтении результатов исследований RWE.

• Серия анализов чувствительности (например, количественный анализ систематической ошибки) может помочь исследователям лучше определить надежность результатов исследования

Прозрачность исследования

• При регистрации исследования RWE необходимо предоставлять спецификацию всех запланированных анализов, вместе с аудиторским следом изменений плана,
• Параметры проведения RWE должны быть раскрыты профессиональному сообществу, что делает исследование воспроизводимым и прозрачным.

Источники

1. Schneeweiss S, Patorno E. Conducting real-world evidence studies on the clinical outcomes of diabetes treatments. Endocr Rev. 2021;42(5):658–690. doi: 10.1210/endrev/bnab007. PMID: 33710268.

Показать все Свернуть список