Questo è uno studio che propone un approccio innovativo alla farmacovigilanza, utilizzando dati sanitari elettronici per migliorare la rilevazione dei segnali di sicurezza dei farmaci.
Introduzione
La farmacovigilanza è fondamentale per la sicurezza dei farmaci. Il processo tipico coinvolge due fasi principali: la generazione iniziale di segnali dai sistemi di segnalazione spontanea (SRS) e la successiva revisione da parte di esperti per valutare la causalità (potenziale) dei segnali e decidere le azioni appropriate.
Metodi
Proponiamo un nuovo approccio di scoperta e verifica per la farmacovigilanza basato sui dati sanitari elettronici. Miglioriamo la fase di rilevamento dei segnali introducendo un insieme di metodi, i cui segnali generati vengono combinati utilizzando il ranking Borda count; un metodo progettato per enfatizzare il consenso. I metodi ensemble tendono a funzionare meglio quando i dati sono rumorosi, sfruttando i punti di forza dei classificatori individuali, cercando al contempo di mitigare alcune delle loro limitazioni. Inoltre, offriamo al comitato di esperti medici la possibilità di eseguire un’indagine approfondita dei segnali selezionati attraverso studi farmacoepidemiologici mirati per valutarne la plausibilità o la falsità. Per illustrare il nostro approccio, utilizziamo i dati della German Pharmacoepidemiological Research Database, concentrandoci sulle reazioni ai farmaci del anticoagulante orale diretto rivaroxaban.
Risultati
In questo esempio, il metodo ensemble si basa sulla rete neurale di propagazione della fiducia bayesiana, sul Gamma Poisson shrinker longitudinale, sulla regressione penalizzata e sulle foreste casuali. Conduciamo anche uno studio di verifica farmacoepidemiologico sotto forma di uno studio caso-controllo comparativo attivo annidato, coinvolgendo pazienti diagnosticati con fibrillazione atriale che hanno iniziato il trattamento anticoagulante tra il 2011 e il 2017.
Discussione
Lo studio di caso rivela la nostra capacità di rilevare reazioni avverse ai farmaci note e scoprire nuovi segnali. È importante notare che il metodo ensemble è computazionalmente efficiente. Conclusioni affrettate e false possono essere evitate attraverso uno studio di verifica, che tuttavia è un processo lungo da realizzare.
Leggi qui l’articolo completo.
