Использование данных реального мира для страхования и решений по выплатам
Ср, 01 Июнь 2016
906

Louis P. Garrison Jr., PhD (cochair)1, Peter J. Neumann, ScD (cochair)2, Pennifer Erickson, PhD3, Deborah Marshall, PhD4, C. Daniel Mullins, PhD5

1 University of Washington, Seattle, WA, USA

2 Tufts-New England Medical Center, Boston, MA, USA

3 O.L.G.A., State College, PA, USA

4 Innovus, Burlington, ON, Canada

5 University of Maryland, Baltimore, MD, USA

 

Переводчик:

Курылев Алексей Александрович – ассистент, Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова, Санкт-Петербург, Российская Федерация

 

Рецензент:

Колбин Алексей Сергеевич – д.м.н., профессор, Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова, Санкт-Петербург, Российская Федерация

 

Резюме. Цели: официальные лица здравоохранения, связанные со страхованием и платежной политикой, усиленно создают программы для поиска информации по исходам в «реальном мире» (РМ). Международное общество фармакоэкономических исследований (International Society for Pharmacoeconomics and Outcomes Research, ISPOR), под влиянием данных проектов, создало Специальную группу по данным РМ для развития концепций поддержки официальных лиц здравоохранения в работе с данными РМ, в частности по отношению к страхованию и решениям по выплатам. Методы: Сопредседатели Специальной группы были выбраны советом директоров ISPOR. Они в свою очередь выбрали председателей для четырех рабочих групп: по: клиническим исходам, по экономическим исходам, по исходам лечения, на основании данных полученных от пациентов, и по уровням доказательности. В число участников Специальной группы входят представители вузов, фармацевтической промышленности и страховых медицинских организаций. Данная группа учитывала различные предложения, сопровождаемые подробной перепиской, обменом идеями и комментариями по трем проектам от основной группы независимых экспертов и от состава ISPOR. Результаты: Мы определяем данные РМ, как данные, используемые для принятия решений, полученные вне традиционных рандомизированных клинических исследований (Randomized clinical trial, RCT, РКИ).Нами  рассматривалось несколько характеристик: по типу исходов (клинические, экономические, описанные пациентами), по уровням доказательности  (которые классифицируются  в соответствии с мощностью дизайна исследования) и по видам источника данных (получение дополнительных данных наряду с РКИ, большие простые испытания, регистры пациентов, данные по административным претензиям, данные на основании осмотров и медицинской документации). Наш обзор затрагивает восемь ключевых вопросов: 1) важность данных РМ; 2) ограничения данных РМ; 3) факт того, что необходимый уровень доказательств зависит от обстоятельств; 4) необходимость надлежащих исследовательских практик для сбора и освещения данных РМ; 5) необходимость использования данных РМ в страховании и решениях по возмещению; 6) необходимость учета затрат и выгоды от накопления данных; 7) существующая необходимость в моделировании; и 8) необходимость продолжения обсуждения между заинтересованными сторонами по данным темам. Заключения: Данные РМ необходимы для правильного расчёта страхования и решений по выплатам и возмещению. Виды и сферы применения, а также задачи в разных ситуациях различаются в определении ценности конкретных видов доказательств в любых обстоятельствах. Большое значение имеет то, что были изучены эффекты, ограничения и методологические трудности в использовании данных РМ и необходимость тщательного рассмотрения затрат и положительных эффектов, а также получение различных видов данных в разных ситуациях.

Ключевые слова: методология, исследование исходов, данные реального мира, дизайн исследования

 

Using real-world data for coverage and payment decisions: The ISPOR real-world data task force report

Abstract. Objectives: Health decision-makers involved with coverage and payment policies are increasingly developing policies that seek information on “real-world” (RW) outcomes. Motivated by these initiatives, the International Society for Pharmacoeconomics and Outcomes Research (ISPOR) created a Task Force on Real-World Data to develop a framework to assist health-care decision-makers in dealing with RW data, especially related to coverage and payment decisions. Methods: Task Force cochairs were selected by the ISPOR Board of Directors. Cochairs selected chairs for four working groups on: clinical outcomes, economic outcomes, patient reported outcomes, and evidence hierarchies. Task Force members included representatives from academia, the pharmaceutical industry, and health insurers. The Task Force met on several occasions, conducted frequent correspondence and exchanges of drafts, and solicited comments on three drafts from a core group of external reviewers and from the ISPOR membership. Results: We defined RW data as data used for decision making that are not collected in conventional randomized controlled trials (RCTs). We considered several characterizations: by type of outcome (clinical, economic, and patient reported), by hierarchies of evidence (which rank evidence according to the strength of research design), and by type of data source (supplementary data collection alongside RCTs, large simple trials, patient registries, administrative claims database, surveys, and medical records). Our report discusses eight key issues: 1) the importance of RW data; 2) limitations of RW data; 3) the fact that the level of evidence required depends on the circumstance; 4) the need for good research practices for collecting and reporting RW data; 5) the need for good process in using RW data in coverage and reimbursement decisions; 6) the need to consider costs and benefits of data collection; 7) the ongoing need for modeling; and 8) the need for continued stakeholder dialogue on these topics. Conclusions: Real-world data are essential for sound coverage and reimbursement decisions. The types and applications of such data are varied, and context matters greatly in determining the value of a particular type in any circumstance. It is critical that policymakers recognize the benefits, limitations, and methodological challenges in using RW data, and the need to consider carefully the costs and benefits of different forms of data collection in different situations.

Keywords: methodology, outcomes research, real-world data, research design

 

Зачем нужна Специальная группа по данным «реального мира»?

Всё более широкое использование доказательных выводов и результатов исследований

Органы здравоохранения, вовлеченные в систему страхования и страховых выплат, все более заинтересованы в информации о результатах в РМ, на основании которых они принимают решения. Большинство из них создают программы, которые сочетают в себе доказательства, полученные из разных источников. Данные программы отражают важность доказательств по информации, собранной при клинических испытаниях в рандомизированных клинических исследованиях (РКИ), которые требуются для лицензирования продукции. Широко известно, что РКИ являются «золотым стандартом», в том смысле, что они предоставляют веские доказательства действенности продукта в строго контролируемых условиях, РКИ проводятся среди выбранных групп населения в идеальных условиях. К тому же, их проведение требует больших затрат. Другие источники данных могут существенным образом содействовать доказательной базе (то есть, демонстрация того, как работает лекарственное средство в популяции или в условиях, не учтенных в испытании, или относительно другого препарата, не включенного в исследование).

 

Разработка программ

Современные государственные программы делают упор на стремление плательщиков получить и использовать подобного рода данные. Акт по модернизации системы Медикэр (Medicare Modernization Act, MMA) 2003 года показывает стремление правительства США стимулировать доказательную базу, на основе которой частная система здравоохранения, участвуя в программе Медикэр по субсидированию лекарств, может принимать решения о страховании. ММА содержит положение (Раздел 1013), называемое Агентством по оценке исследований в области здравоохранения и изучению качества медицинского обслуживания (Agency for Healthcare Research and Quality, AHRQ) для управления исследованиями «результатов, сравнительной клинической эффективности и адекватности лечения, включая назначение лекарственных средств» [1]. Недавно AHRQ запустило Программу эффективного здравоохранения (Effective Healthcare Program) для обобщения, создания и передачи знаний, которые могут помочь участникам программы в принятии сложных, решений [2]. AHRQ также анонсировало разработку справочного руководства «как сделать» для помощи медицинским организациям в создании регистров пациентов для отслеживания результатов лечения и терапии лекарственными средствами [3]. Американские Центры программ Медикэр и Медикэйд (Centers for Medicare and Medicaid, CMS) недавно также выпустили переработанный документ Руководство по доказательному страхованию (Coverage with Evidence Development Guidance), который направлен на данные РМ, для облегчения формирования национальных страховых постановлений по поводу новых технологий [4]. Многие частные плательщики при организации лекарственного обеспечения рассматривают применение научного подхода, который при планировании предполагает предоставление фармацевтическими компаниями стандартизованного досье, содержащего подробную информацию не только по действенности и безопасности лекарства, но также по ожидаемой эффективности и экономической выгоде, в сравнении с альтернативной терапией [5, 6].

Остальные меры для систематического анализа данных также получили развитие, включая проекты государственной и частной систем здравоохранения. Достойной внимания инициативой в Соединенных Штатах является Проект обзора эффективности лекарственных средств (Drug Effectiveness Review Project, DERP), объединение программ Медикэйд 15 штатов и двух некоммерческих организаций, направленное на обобщение и оценку клинических данных для обзора классов лекарственных препаратов [7]. По всему миру, национальные организации, возмещающие затраты на лечение, и организации, сотрудничающие с ними, такие как Национальный институт здравоохранения и усовершенствования медицинского обслуживания (National Institute for Health and Clinical Excellence, NICE) и Немецкий институт качества и эффективности в здравоохранении (Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen, IQWiG), сталкиваются с похожими трудностями [8, 9]. И DERP, и IQWiG делают акцент на РКИ для получения клинических данных, в противовес искусственным подходам к моделированию, применяемым NICE для отражения эффективности в РМ.

 

Цели и задачи Рабочей группы

Цели

Под влиянием ММА и других программам Международное общество фармакоэкономических исследований (International Society for Pharmacoeconomics and Outcomes Research, ISPOR), осознавая недостаток структур для использования данных РМ при принятии решений по страховым возмещениям, создало Специальную группу по данным РМ. Целью Специальной группы является разработка стандартов для упрощения работы органов здравоохранения с данными информацией РМ, а также в процессе принятия решений, по компенсационным выплатам.

 

Задачи

Определение данных РМ. С момента основания Специальная группа работала над определением и подходящей характеристикой данных РМ. Вполне очевидно, что данные по исходам РМ должны происходить из реальных ситуаций. Одной из обязанностей Специальной группы было рассмотрение использования и ограничений доказательств, полученных вне РКИ. С другой стороны, принятие решений – это высоко интегративный процесс объединения информации из разных источников: и «лабораторных» и РМ.

Некоторые члены Специальной группы, в первую очередь, задались вопросом правильности термина «данные реального мира». В конце концов, мы решили придерживаться этого термина не только потому, что он отражает запрос руководства ISPOR, но также, и потому что термин получил распространение в ряде политических кругов.

Мы остановились на определении, отражающем данные, используемые для принятия решений, полученные вне традиционных РКИ. Это не говорит о том, что информация из РКИ несущественна или не используется ответственными лицами; более того, РКИ остаются важной основой для первичного страхования и решений по страховым выплатам.

Зачем, нужно искать дополнительные данные по эффективности или экономическому эффекту в РМ, если нет представления о правильности базовых биологических механизмов или гипотез? Сегодня данные по действенности в отдельной группе или подгруппе, как правило, недостаточны, чтобы определить объем эффективного воздействия на население, которое будет постоянно использовать продукцию. Исходя из этого, руководящие органы ищут новые виды и источники информации.

Данные в сравнении с доказательствами. Наша Специальная группа также рассмотрела различия в терминах «данные реального мира» и «доказательства реального мира». Некоторые исследователи нашей группы предпочитают использовать второе выражение, что вызывает сложности при взаимопонимании связанные с подменой терминов. Точка зрения такова, что «данные» отражают однородную фактическую информацию, тогда как «доказательства» обозначают организацию полученной информации в виде заключения или решения. Доказательства формируются в соответствии с планом исследования и интерпретируются соответствующим образом, а данные – это лишь один из компонентов плана испытания. Доказательства цельны, тогда как данные являются разрозненным материалом и по отдельности неинформативны.

В конечном счете, мы придерживаемся термина «данные реального мира» по причинам, обозначенным выше. Тем не менее, мы стараемся принимать во внимание все различия и подчеркиваем, что необходимы подробные сведения о качестве источника данных при решении об использовании определенного набора данных для ответа на вопрос исследования или объяснения принятого решения.

Направленность на страхование и решения по выплатам. Отчет касается решения по страховым выплатам (установление цен и возмещение), что ставит его отдельно от таких ситуаций как непосредственный уход за пациентом или официальное разрешение на продажу.

Мы осознаем периодически возникающее противоречие между пользой для конкретного пациента и пользой для населения в целом. Доказательная медицина (ДМ) представляет собой «добросовестное, объяснимое и целесообразное использование наилучших на данный момент достижений медицины в отношении лечения каждого конкретного пациента» [10]. На данный момент клиницисты сохраняют ведущую роль в лечении пациентов, но отдельные организации, такие как фармацевтические и терапевтические комитеты и национальные страховые организации (например, в Канаде, Австралии и большинстве стран Европы) приобретают все большее значение в принятии решений в медицине.

Лекарственные средства в сравнении с другими вмешательствами. В то время как большинство наших примеров получено из практики назначения лекарственных препаратов, наш обзор имеет отношение ко всем видам вмешательств, включая лекарства, оборудование, процедуры и программы здравоохранения.

США в сравнении с мировыми взглядами. Заинтересованность в Специальной группе, в основном пришла из ММА и правительства США, но дискуссии по поводу видов и источников информации, разумеется, идут по всему миру – так предлагаются различные программы, созданные, например, NICE и IQWiG. Несмотря на то, что многие из наших примеров взяты из американской практики, полученные нами сведения применимы повсеместно.

 

Участие в Специальной группе

Сопредседатели Специальной группы были выбраны советом директоров ISPOR. Они в свою очередь выбрали председателей для четырех рабочих групп: по клиническим исходам, по экономическим исходам, по исходам, лечения, на основании данных полученных от пациентов и по уровням доказательности. Первые три группы относятся к трем главным направлениям изучения исходов, и участвуют в исследовательских работах по сравнительной эффективности и экономической оценке, к которым обращаются ответственные лица при принятии решений. По уровням доказательности Рабочая группа создает комплексные, фундаментальные заключения по качеству доказательств. Данные документы сочетают в себе отчеты от различных рабочих групп.

В число участников Специальной группы входят представители вузов, фармацевтической промышленности и страховых медицинских организаций, которые привносят свой богатый опыт по работе с использованием данных РМ. Проектный доклад, разработанный составом группы, был представлен в 2005 году на Международном и Европейском собрании ISPOR. Затем документ был представлен экспертной группе, составленной из заинтересованных членов ISPOR, для рецензирования и комментариев. Специальная группа учитывала различные предложения, сопровождаемые подробной перепиской и обменом идеями по электронной почте и запрошенными комментариями по трем проектам от основной группы независимых экспертов и от состава ISPOR.

 

Виды и источники данных «реального мира»

Характеристика данных РМ

Существует несколько путей, по каждому из которых можно охарактеризовать данные РМ. Первый, по виду исхода: клинический, экономический и описанный пациентом (предмет трех наших рабочих групп). Преимуществом такого подхода является его соответствие способу представления данных официальными лицами. Обратной его стороной служит охват обширных категорий, каждая из которых сочетает в себе множество видов и источников доказательств.

Вторая характеристика предполагает классификацию по уровню доказательности (предмет исследования четвертой рабочей группы), которая классифицирует доказательства в соответствии с мощностью исследования. Обычно, данные из РКИ располагаются на вершине иерархии, за которыми следуют данные из не рандомизированных интервенционных исследований, затем эпидемиологические исследования и так далее [11]. Уровень доказательств представляет собой удобную градацию на основе жесткости дизайна исследования; однако, они не показывают целостную картину данных РМ. Результаты многих РКИ невозможно перенести на большую группу населения. В свою очередь, хорошо проведенное обсервационное исследование может быть крайне полезным в ряде ситуаций при условии, что возможные погрешности были адекватно устранены. Более того обсервационные данные могут предоставлять более применимые доказательства для актуальной клинической практике, касающиеся исходов для пациентов, чем регистрационные РКИ.

Наконец, последний способ рассматривает данные РМ по виду источника информации. Ценность этой классификации заключается в выделении реальных источников информации, но ее отрицательной стороной является простота, не позволяющая охватить все важные конструктивные вопросы внутри каждого из источников доказательств.

Каждая из трех характеристик привносит разные концепции получения данных РМ. Совместное их использование, по нашему убеждению, обеспечит удобное описание преимуществ, слабых сторон и комплексности, свойственных предмету обсуждения.

 

Виды исходов

Клинические исходы. Клинические исходы включают биологические показатели заболеваемости (например, артериальное давление, уровень холестерина, симптомы и побочные эффекты) и смертности. Клинические исходы включают как суррогатные (промежуточные), так и отдаленные результаты. В связи с целью обсуждения, мы разделили клинические исходы от исходов лечения, а также исходы, описанные пациентами, и качество жизни, связанное со здоровьем (Health-related quality of life, HRQoL).

Большая часть информации, собранной в III фазе регистрационного исследования, включает клинические исходы. Данные по клиническим исходам также можно найти и во многих других источниках, таких как регистры пациентов или обсервационные базы данных. Ключевой вопрос, детально обсуждаемый в разделе 3.4, включает валидность клинических данных из таких источников.

 

Экономические исходы

«Экономические исходы» узко определены в данном обзоре для включения оценки использования медицинских и немедицинских ресурсов и связанных с ними затрат. Данная информация используется для прогнозирования ожидаемых затрат на вмешательство в РМ - например, в числителе соотношения «затраты-эффективность». Как будет показано ниже, многие источники данных РМ полезны для предоставления информации по использованию и затратам. Конечно, мы осознаем, что термин «экономические исходы» можно более широко интерпретировать, поскольку экономическая оценка учитывает и выгоду, и издержки, но сохраняет узкое толкование в интересах преемственности с исходной концепцией Специальной группы.

 

Исходы, описанные пациентами/качество жизни

Исходы, описанные пациентами – это термин, принятый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (Food and Drug Administration, FDA), в том числе и на международном уровне для охвата всех сообщений, поступающих напрямую от пациентов, касающихся состояния их здоровья и лечения, включая симптомы, функциональный статус, HRQoL, удовлетворенность лечением, предпочтения и приверженность к нему. Исследователи давно поняли, что собственные сообщения о результатах, относящихся к заболеванию, травме, лечению или программам здравоохранения крайне важны, потому что принимают во внимание непосредственные взгляды, которые имеют пациенты по отношению к процессу принятия решений в здравоохранении. Эта информация широко используется при принятии решений в США с середины 1950-х годов вместе с внедрением ежегодных национальных опросников по здоровью; другие страны впоследствии разработали похожие инструменты для сбора данных. Введение CMS Анкеты Медикэр по исходам лечения показало важность данных по исходам с точки зрения пациентов для оценки результатов программы Медикэр. Так как люди с хроническими заболеваниями стали жить дольше, возросла важность данных об исходах, описанных пациентами, для фармацевтических производителей для определения эффекта новых видов длительного лечения и отражения преимущества данной лекарственной терапии в инструкции и рекламных этикетках.

Активное обсуждение заинтересованными сторонами различных концептуальных и методологических вопросов, относящихся ко всем типам исходов, описанных пациентами, вылилось в публикации различных рекомендаций [12, 13], после чего уровень взаимопонимания и научной строгости их применения к представлению субъективных показателей был серьезно улучшен. Однако, как и в любой науке, в этой области также остаются открытые вопросы. FDA и регулирующие органы в настоящее время выпустили положения для контроля над разработкой и использованием данных показателей, в частности фармацевтическими компаниями в процессе регистрации лекарственного средства [14, 15].

 

Уровни доказательности

Исторически, уровни доказательности были связаны с ДМ, развитие которой направлено в сторону базовой клинической практики в научном исследовании. Сторонники ДМ отмечают, что традиционная медицинская практика включает местные практики и экспертные мнения, которые не проверяются в контролируемых исследованиях [11]. Они подчеркивают, что клиническим исследователям необходимо фиксировать все протоколы испытаний, перерабатывать приемлемые аналитические методы и стремиться к внутренней согласованности [16]. Испытания рассматриваются, как имеющие внешнюю валидность, когда полученные результаты могут быть распространены за пределы местных клинических практик. Научная база доказательств становится достоверной, когда схожие данные описываются разными исследователями при использовании различных дизайнов исследований и групп пациентов.

Лица, принимающие решения, быстро осознали непрактичность базирования всей медицины на РКИ, прежде всего потому, что РКИ требуют больших затрат. Кроме того, даже лучшее РКИ отражает ограниченный контролируемый эксперимент, который нельзя распространить на группы населения, параметры или состояния, незадействованные в испытании. Необходимость в данных не РКИ стала очевидной, поднимая тем самым вопрос о том, как поступать с информацией по определению «худшего качества».

На протяжении нескольких лет ряд групп разрабатывал уровни доказательности, которые отражают главенство данных РКИ и располагают остальные виды доказательств по жесткости дизайна исследования. Например, уровни доказательности, принятые AHRQ, классифицируют доказательства в порядке от наиболее до менее строгих в следующем виде [17]: 1) систематические обзоры и мета-анализы РКИ; 2) не рандомизированные интервенционные исследования; 3) обсервационные исследования; 4) не экспериментальные исследования; и 5) экспертное мнение.

Специальная комиссия по профилактике США (United States Preventive Services Task Force, USPSTF) сделала шаг к осознанию того, что официальные лица нуждаются в информации, основанной не только на строгости дизайна исследования, но еще на величине чистой выгоды в поддержке определенной технологии или услуги здравоохранения [18]. Недавняя работа, разработанная Шотландской сетью руководств по клинической практике и Оксфордским центром доказательной медицины, также отмечает ограничения традиционных систем оценки [19]. Строгое использование уровней доказательств может не учесть методологическое качество исследований или может не отразить всю силу доказательной базы. Пользователи могут неверно истолковать степень рекомендации, или могут неправильно оценить рекомендации более низкого уровня [20]. Другие группы придерживаются своих собственных градаций доказательств и классификаций, которые сочетают в себе заключения о качестве доказательств с заключениями о практической значимости вмешательства [21].

 

Источники данных РМ

Данные реального мира классифицируются по виду источника информации. Наша Специальная группа определила шесть таких источников: 1) дополнения к традиционным регистрационным РКИ; 2) большие простые испытания (также называемые практическими клиническими испытаниями); 3) регистры; 4) административные данные; 5) медицинские осмотры; и 6) электронные медицинские карты и анализ медицинских карт.

Дополнения к РКИ. Для предоставления дополнительной информации наряду со стандартными клинически ориентированными РКИ исследователи часто собирают информацию о таких показателях как исходы, описанные пациентами, использование медицинских ресурсов и затраты. Такая работа может привнести ценные данные о схемах лечения для распространенных состояний, например, таких как дозы препаратов, используемых для профилактики отторжения при пересадке почки [22].

Имеющиеся в таких данных ограничения также хорошо известны: их первоочередная цель – определить ключевые действенные конечные точки в строго ограниченных группах населения и клинических параметрах. Более того, испытания не всегда статистически обеспечены для точного измерения возможности возникновения редких побочных эффектов или других состояний и, следовательно, ограниченно годны для оценки соответствующего использования ресурсов и затрат. РКИ в большинстве случаев проводятся в более коротких временных рамках, чем время необходимое для определения общего клинического и экономического эффекта от вмешательства, а использование ресурсов происходит по протоколу.

Большие простые исследования

Большие простые исследования (также называемые практическими или прагматическими клиническими испытаниями) включают проспективное рандомизированное распределение, они направлены на большие и более разнородные популяции РМ [23]. Большие простые исследования имеют значительную силу рандомизации, которая минимизирует отклонения в оценке эффектов лечения. Эти испытания по дизайну более крупные, чем традиционные РКИ и поэтому они с большей вероятностью имеют достаточную мощность для отражения существенных различий в ключевых исходах, таких как госпитализации.

Из-за направленности на получение стратегически важных результатов, затраты и соотношение «затраты-эффективность» являются в большинстве случаев центральными конечными точками, т.к. результаты могут быть быстро перенесены на соответствующие группы населения по лечению, чем полученные из традиционных РКИ: затраты менее удобны для отражения протоколируемого медицинского обеспечения; хорошо задокументированное разнообразие в использовании ресурсов среди различных этнических, расовых, возрастных групп и полов может быть лучше отражено при испытании, открытом для более неоднородной популяции; люди с большим риском побочных реакций с меньшей вероятностью будут исключены из испытания, а соответствующие экономические эффекты с большей вероятностью найдут свое отражение; и использование ресурсов и затраты с большей вероятностью отражают реальные условия, в которых большинство людей получают лечение, в особенности с тех пор как испытания лекарственных средств в III фазе проводится бесплатно.

При этом большой размер практического клинического испытания повышает стоимость сбора данных и поднимает вопросы, касающиеся качества собранной информации. Затраты увеличиваются не только из-за большего количества включенных в исследование пациентов, но и из-за большого числа рассматриваемых параметров. Сложностями, обнаруженными при сборе экономических данных внутри практических клинических испытаний, являются: обнаружение места получения помощи субъектом может быть затруднительно (менее важно в закрытой системе); системы по сбору данных в территориальных условиях могут быть менее современными, чем в условиях научного эксперимента (например, предполагаемое использование бумажных, а не электронных записей, таким образом, повышая вероятность ошибки при вводе данных); здесь более вероятен недостаток в стандартизации в финансовой и расчетной системе между разными параметрами лечения; и больше ответственных лиц будет вовлечено в работу по сбору данных.

 

Регистры

Регистры – это проспективные обсервационные когортные исследования пациентов, имеющих специфическое заболевание и/или получающих специфическую терапию или вмешательства. Они могут быть использованы для понимания течения болезни, определения или мониторирования в РМ безопасности и эффективности, оценки качества лечения, работы персонала, и оценки соотношения «затраты-эффективность» [24].

Регистры предполагают проспективный сбор данных, используя клиническую, экономическую информацию и информацию об исходах, описанных пациентами, и сильно зависят от получения данных РМ. Они обычно включают большую и более разнородную группу пациентов, чем та, которая, как правило, исследуется в III фазе РКИ; вследствие этого, они лучше отражают в РМ пациентов, управленческие практики и исходы. Пациенты часто наблюдаются на протяжении большего временного промежутка, позволяя оценивать отдаленные результаты. Большинство регистров подразумевают крайне небольшое количество необходимых посещений, обследований или процедур; вследствие этого, схемы лечения отражают ежедневные клинические решения, которые наиболее важны для организаторов и плательщиков. Регистры заболеваний дают возможность организаторам и плательщикам получить сведения о лучших по соотношению «затраты-эффективность» концепциях лечения.

Поскольку регистры не включают случайные назначения в лечении, особое внимание должно быть уделено анализу и интерпретации результатов в связи с ограничениями, свойственными обсервационным исследованиям. Нет гарантий того, что группы пациентов будут сравнимы: следовательно, регистры не подходят для проверки гипотез, но полезны для их создания. Более того, существуют ограничения по срокам сбора объема информации, и в силу отсутствия расписания визитов к врачу данные не могут быть получены в течение фиксированных промежутков времени. Регистры иногда включают места проведения исследований, у которых нет опыта в проведении исследований, а без адекватного контроля, совместимость данных может оказаться под вопросом. Тем не менее, использование полученных данных РМ позволяет улучшить мониторинг информации и ее сохранность. Регистры в некоторых случаях создаются для сбора пост маркетинговой информации по безопасности, в равной степени в ответ на специфические вопросы безопасности или для исполнения нормативных соглашений, принятых как условие получения маркетинговой авторизации.

Административные данные

Административные данные (обычно ретроспективные) собираются в первую очередь для возмещения средств, но содержат некоторые клинические диагноз и процедуры с подробной информацией по расходам. База данных предрасполагает к ретроспективному многолетнему и перекрестному анализу клинических и экономических исходов на индивидуальном, групповом и популяционном уровне. Такой анализ может быть произведен при относительно небольших затратах и за короткий промежуток времени. Получив полный объем базы данных, исследователям становится проще определять исходы у пациентов с редкими состояниями, оценивать экономический эффект от различных вмешательств и получать важные сведения при оценке потенциальной взаимосвязи между вмешательствами и исходами.

Административные базы данных могут оказаться очень полезными в подсчете использования ресурсов и затрат при соблюдении нескольких основных принципов. Вопросы исследования должны быть четко определены и рассмотрены в рамках дизайна, созданного при правильно сформулированной концепции. Доступные статистические инструменты могут быть использованы для улучшения контроля за возможными ошибками. Методики и результаты должны быть представлены в четком и прозрачном виде, так чтобы другие исследователи могли понять и воспроизвести анализ.

Стоит упомянуть, что при наличии соответствующего одобрения экспертного совета организации (Institutional Review Board, IRB) и согласия пациента, часть баз данных здравоохранения может быть связана с исходами, описанными пациентами, лабораторными данными, историями болезни и врачебными осмотрами, становясь при этом комбинацией традиционных регистров и административных баз данных.

За исключением задач, связанных с вопросами конфиденциальности, валидность ретроспективного анализа административных баз данных оценивается по нескольким направлениям: качество данных (потерянные данные, системные ошибки – случайные или предполагаемые – и недостаток совокупных данных, охватывающих все параметры здравоохранения); недостаток или ограниченное количество клинической информации по пребыванию пациента в стационаре, исходам, клиническому состоянию и симптомам; ограниченное обоснование; отсутствие популяционного знаменателя; недостаточное разграничение между ценами и затратами. Конечно, большой объем этих баз данных может компенсировать проблему отсутствующих данных, если они были потеряны при рандомизации. Тогда как качество данных можно проверить с учетом конфиденциальности, ошибки при выборе лечения в конкретном случае являются наиболее частой и сложной методологической проблемой. Оценка эффектов и затрат может быть искажена из-за корреляции между ненаблюдаемыми факторами, связанными с выбором лечения и исходами, например, при исходном состоянии здоровья.

 

Медицинские обследования

Медицинские обследования предназначены для описания состояния здоровья, использования ресурсов здравоохранения, схем лечения и расходов на пациентов, организаторов или отдельных лиц в общей популяции на здравоохранение. Медицинские обследования обычно аккумулируют информацию по отдельным людям в исследуемой группе населения, будь то пациенты, врачи или все население, и методологически являются строгими, например, основываясь на комплексной типовой схеме обследования. Используя данные схемы, обследования могут служить источником информации обо всех лицах в целевой группе населения, а не только принимающих участие в данном РКИ, или участников отдельной медицинской программы. В результате, данные медицинских обследований вносят свой вклад в представление о видах лечения и результатах их применения, и об использовании и расходах на медицинские услуги.

Главным ограничением использования данных медицинских обследований для страхования и решений по возмещению средств является недостаток актуальных данных по специфической медицинской продукции. Данные обследований также подвержены субъективности и ошибкам памяти.

Электронные медицинские карты и анализ медицинских карт. В заключение, мы отмечаем, что электронные медицинские карты (и другие методы записи проводимого лечения и клинических исходов в реальности) являются важными источниками данных РМ для широкого спектра клинических параметров во всем мире. Распространение ведения электронных данных существенно снижает стоимость анализа медицинских карт, которые широко использовались в прошлом для предоставления специфической информации РМ. Электронные медицинские карты – такие как База данных по изучению общей практики Великобритании (UK General Practice Research Database) – содержат более подробную информацию, включая характерные симптомы заболеваний у конкретного пациента и значительно расширяет использование этого типа информации. Однако, преобразование информации для исследовательских целей требует высококлассных инструментов статистического анализа и остается сложной задачей.

 

Основные выводы

Признание важности данных РМ

Мы твердо заявляем о необходимости учета данных РМ. Как мы отмечали, РКИ имеют множество преимуществ: их проспективный дизайн, предварительно заданные четко определенные конечные точки, рандомизация и контрольные группы, слепой характер исследования для проведения объективной оценки эффекта в испытуемой группе; однако, жесткая внутренняя валидность может ограничивать их внешнюю валидность и обобщение данных о том, какое вмешательство лучше работает при реализации его в различных условиях.

Ответственные лица опираются при принятии решений на несколько источников данных РМ, которые должны быть объединены или преобразованы в определенном виде. На сегодня РКИ остаются «золотым стандартом» для демонстрации клинической действенности в ограниченных условиях испытания, однако остальные дизайны исследований также вносят вклад в доказательную базу. В некоторых ситуациях, данные РМ предоставляют неоспоримое преимущество для понимания исходов лечения, например, для пациентов, исключенных из испытания, пациентов в реальных клинических условиях (в противовес условиям испытания) и пациентов, чье лечение не определено протоколом исследования или практическими руководствами.

 

Данные РМ обеспечивают:

  • Оценку эффективности вместо действенности в условиях повседневной практики;
  • Сравнение множества альтернативных вмешательств (например, старые и новые лекарственные средства) или клинических стратегий для определения оптимального выбора терапии без участия плацебо в качестве сравнения;
  • Оценку развернутого критерия «риск-выгода» нового вмешательства, включая долгосрочные (и редкие) клинические преимущества и недостатки;
  • Исследование клинических исходов в неоднородной группе испытуемых, что отражает объем и распределение пациентов, наблюдаемых в клинической практике;
  • Результаты по более широкому диапазону исходов (например, исходы, описанные пациентами, HRQoL и симптомы), чем традиционно рассматриваемые в РКИ (то есть общая заболеваемость и смертность в краткосрочной перспективе);
  • Данные по использованию ресурсов для определения затрат на услуги здравоохранения с экономической оценки;
  • Информацию о дозах лекарственного препарата, применяемых в клинической практике и уровню комплаентности и приверженности терапии;
  • Данные в ситуациях, когда проведение РКИ не представляется возможным (например, наркотическая зависимость);
  • Подтверждение данных, полученных в более контролируемых условиях;
  • Данные об обстоятельствах, когда необходимо сделать льготными некоторые виды терапии, потому что это единственная доступная жизненно необходимая терапия;
  • Промежуточные сведения – в отсутствие данных РКИ – на основании которых, могут быть приняты предварительные решения;
  • Данные о спектре клинического, экономического эффектов и исходов, описанных пациентами, в процессе осуществления страхования и решений по компенсациям или других программ здравоохранения (например, определенный вид данных CMS предполагает их сбор при условии страхования и наличия плана дальнейшего получения доказательств) [25].

 

Определение ограничений данных РМ

Мы также определили важные ограничения данных РМ. Для всех не рандомизированных данных характерна возможность ошибки. Ретроспективные или проспективные обсервационные исследования или исследования баз данных не имеют методологической жесткости РКИ, несмотря на доступность технологичных статистических подходов исправления ошибок отбора в обсервационных данных (корректирование переменных, показатель предрасположенности, вспомогательные переменные и так далее). Обсервационные исследования должны быть строго оценены для нахождения источников ошибок и отклонений и откорректированы перед оценкой эффекта вмешательств на клинические исходы. Исследование баз данных или обсервационные исследования требуют также использования значительных ресурсов.

 

Уровень необходимых доказательств зависит от обстоятельств

Сложность сбора данных подчеркивает тот факт, что уровень необходимых доказательств связан с рассматриваемым в данный момент вопросом. Важно определить, величины, изменяемые в данных (будь то проспективное или ретроспективное, или экспериментальное или обсервационное исследование). Дизайн исследования, качество собранной информации и способ использования данных влияют на вероятность появления удовлетворительных или неудовлетворительных доказательств. Оптимальное решение зависит также и от сложившихся условий. Заключения чаще принимаются на основе данных из многих источников, и информация из источников, считающихся условными, должна пересматриваться при появлении дополнительных доказательств.

Работа с уровнями доказательств очень сложна. Как было отмечено, новые подходы к классификации доказательств основаны на их качестве и эффекте их применения. Подходы более детально проработаны, когда исследования предоставляют конкретные доказательства успешного использования определенных медицинских услуг или лекарств.

По всей вероятности, нам необходимы более практические клинические испытания и более точные данные РМ с позиции дизайна и анализа [26]. Для получения экономических данных вне РКИ работа по сбору данных направлена, в первую очередь, на дорогостоящие объемные медицинские манипуляции и продукцию, а не на охват общей картины использования ресурсов. Для гарантирования высокого качества собранной информации в этих испытаниях повышенное внимание должно уделяться централизованной подготовке координаторов исследования и референтов, а также централизованной системе контроля качества.

Большие затраты, связанные с тем, что требуется объединение данных испытания и данных из административных баз, для которых необходимо применение идентификаторов пациентов, таких, как номера Социальной Безопасности (Social Security numbers). Это может повысить степень конфиденциальности данных о пациенте, также, как и IRB, и предрасполагает к сотрудничеству государственных служб или частные страховых фирм для обеспечения прав пациентов.

 

Потребность в Надлежащей исследовательской практике (Good Research Practice, GRP) для сбора и представления данных РМ

Наш обзор подчеркивает необходимость и значимость в сборе и предоставлении данных РМ. При получении данных важно, чтобы исследователи следовали общепринятым рекомендациям, которые как минимум включают в себя правильную формулировку вопросов, определение временных рамок для сбора данных, проведение периодического мониторинга для обеспечения качества и соответствия вопросов исследования, а также предельный объем выборки. Дополнительно должны учитываться наличие информированного согласия и защиты данных пациента.

Регистры, например, должны быть аккуратно спланированы, начиная с четких и достижимых целей и достаточной клинической информации. Протокол или план исследования должен осуществлять управление регистрами и анализом данных. Инструменты для сбора данных должны быть тщательно спроектированы и проверены, а координаторы на местах детально обучены для обеспечения высокого качества данных. Необходимы также механизмы контроля качества для обнаружения и решения возникающих при проведении исследования проблем. Необходимо соблюдать и равновесие между нуждами исследования и частными интересами, что облегчает объединение данных по всему объёму источников информации.

Исследователям нужно с осторожностью осуществлять перенос данных обсервационных испытаний. Например, общепризнанная работа с анализом данных РМ необходима для корректировки от ошибок выборки - определяемых как ошибки, введенные не рассматриваемыми переменными, которые связаны и с выбором лечения и исходами для пациентов (например, не рассматриваемая степень тяжести заболевания). С другой стороны, редко признается, что ошибка выборки - это лишь один из множества факторов, включающих отсутствующие переменные, ошибки в вычислениях, неправильную функциональную форму и двунаправленную обусловленность (структурная синхронность), которые могут внести ошибки в прогнозы лечения. Все эти проблемы, предрасполагают к появлению ошибок, идущих от измененных параметров лечения, которые и являются источником систематических ошибок. Преодоление такой «эндогенной ошибки» является всеобщей проблемой, которая выявляется при анализе данных РМ. Существуют статистические тесты на эндогенные ошибки, наряду с методами для их коррекции, однако освоение этих методов зачастую сопровождается трудностями: при множестве обстоятельств, наша способность уменьшать вероятность ошибки ограничена малым количеством экзогенных переменных в доступных данных [27, 28].

 

Надлежащий процесс использования данных РМ при страховании и решениях о возмещении средств

Мы также осознаем важность процессов, осуществляемых официальными лицами при использовании данных РМ при страховании и решениях о возмещении средств. Наблюдатели отмечают несколько условий для создания надлежащего процесса, включающего транспарентность (решения и рациональность их принятия должны быть общедоступны) и актуальность (должно быть разумное объяснение целесообразности решения) [29]. Эти показатели должны быть прозрачными для возможности использования данных РМ при оценке других технологий, или, иметь обоснованные принципы и изученные условия проведения, если ситуация требует других выводов. Решения не должны быть «бюрократически необоснованными» или основанными на незначимых причинах.

Обычно, объём данных РМ, доступных для формирования решений по страховым выплатам крайне ограничен, вместо этого, они помогают смоделировать планируемую эффективность. Надлежащий процесс использования данных РМ будет способствовать последовательному сбору данных РМ, отчасти совершенствуя страхование и решения по возмещению, основывающихся на этих данных.

Процессы также должны оставлять возможность для участия заинтересованных сторон. Различные участники (врачи, пациенты, опекуны, плательщики, больницы, регулирующие органы, заказчики, производители и исследователи) могут иметь разное видение использования и значения данных РМ. Для учета этого, а, следовательно, для решения новых задач и ответа на изменения должен быть сформирован специальный механизм, который соответствовал бы демократической организации процесса.

 

Необходимость учёта затрат и полезности сбора данных

Два главных вопроса о том, сколько данных РМ должно быть собрано, и кто должен за это платить. Любые доказательства стоят денег, по причине чего неизбежны вопросы о целесообразности выделения ресурсов лишь на попытки. Существует необходимость уделять повышенное внимание решениям по данным РМ, так чтобы выгода от сбора дополнительной информации прогнозируемо перевешивала затраты.

Инструмент «анализ ценности информации» (value-of-information (VOI) analysis) предлагает формализованный метод для решения, где и какие виды данных собирать. Формализованное использование анализа решений и VOI анализа может способствовать пониманию, какое вмешательство должно быть одобрено, какие дополнительные доказательства нужны для лучшего обоснования, какое решение достойно принятия и какой вид информации обладает большей ценностью [30].

VOI анализ оценивает диапазон, в котором новые доказательства могут улучшить ожидаемый эффект от снижения вероятности ошибки, и сравнивает полученное улучшение с затратами на информацию. Доказательные рекомендации будут зависеть от частных обстоятельств принятия решения (последствия ошибки, полученные из дополнительных доказательств; как новые знания изменят или улучшат оптимальные параметры), а не от предопределенных характеристик дизайна исследования (например, РКИ). Детально изучаются потенциальные положительные исходы, не рассмотренные в связи с поздним страховым возмещением, а также потенциальные отрицательные последствия слишком быстрого внедрения технологии с неоднозначным соотношением «польза-риск».

 

Необходимость моделирования

Предыдущая Специальная группа ISPOR по моделированию исследований подчеркивала, что целью моделирования являются «конструктивные доказательства по клиническим и экономическим исходам в такой форме, которая может способствовать объяснению решений» [31]. Они заявляют: «Модели формируют доказательства по последствиям для здоровья и затратам из множества разных источников, включая данные из клинических испытаний, обсервационных исследований, данных по административным базам, регистров клинических случаев, статистике здоровья населения и профилактическим осмотрам».

Наша группа приняла биоклинические модели «затраты-эффективность» в качестве интегративной концепции, объединяющей биологические, клинические исходы и экономические данные в структуру принятия решений. Кроме этой обобщающей структуры существуют несколько разных видов возможных фармакоэкономических анализов, таких как «затраты-последствия», «затраты-полезность» и «затраты-выгода». Такие модели и анализы являются базовым средством для объединения данных РКИ и РМ для содействия страхованию и принятию решений по страховым выплатам. В то же время, расширенное использование данных РМ в определении соотношения «затраты-эффективность» необходимо для совершенствования моделируемых проектов, созданных для поддержки страхования и решений по возмещению.

С точки зрения надлежащей исследовательской практики, предыдущая Специальная группа подчеркнула необходимость транспарентности гипотез, включая пункт, что «заключения являются условными на основании гипотез и данных, из которых была выстроена модель».

 

Необходимость продолжения диалога

Наконец, наш обзор указывает на необходимость продолжения диалога среди заинтересованных сторон по всем указанным вопросам. Подразумеваемый большей частью нашего обсуждения, главный принципиальный вопрос о надлежащей роли общественного сектора в создании и оценке доказательств. Кто собирает и оценивает данные РМ, кто платит за эту работу и какой объём ресурсов предоставляется – это ключевые вопросы для должностных лиц по всему миру. Сейчас нет общих регуляторных требований для получения данных РМ.

В Соединенных Штатах, CMS запросила данные, отражающие практику РМ. Более того, FDA требует внедрения четких протоколов для сомнительных случаев, при оценкедолгосрочной безопасности терапии. Возможности для финансирования обсервационных исследований терапии ограничены по сравнению с традиционными эпидемиологическими исследованиями и терапевтическими испытаниями. Очень важно иметь разумное и активное общественное обсуждение этих и других проблем.

 

Заключения

Данные РМ необходимы для обеспечения целесообразного страхования и принятия решений по страховым выплатам. Виды и различные варианты применения полученных данных, а также условия влияют на определение ценности конкретных типов доказательств в определенных ситуациях. Различные дизайны исследований могут обеспечить полезную информацию в разных ситуациях. РКИ остаются «золотым стандартом» для демонстрации клинической действенности в ограниченных параметрах испытания, но остальные дизайны – такие как, обсервационные протоколы, данные по административным базам и практические клинические испытания могут содействовать доказательной базе, необходимой для страхования и принятия решений по страховым выплатам.

Важно, чтобы официальные лица изучали эффекты, ограничения и методологические трудности использования данных РМ, также большое значение имеет тщательное изучение затрат и положительных эффектов, основанных на различных видах данных и полученных в разных ситуациях. В этом обзоре мы попытались определить основные вопросы создания и использования данных РМ. Мы осознаем появление в будущем множества вопросов и рассматриваем эту работу, как отправную точку для будущих обсуждений.

 

Постскриптум

Чтобы закончить этот обзор, мы рассмотрели более 70 комментариев членов ISPOR по нашему предварительному докладу, которые доступны на веб-сайте ISPOR http://www.ispor.org/workpaper/RWD_TF/MemberComments.pdf. Одной из обсуждаемых тем была необходимость более детального руководства, как именно официальные лица должны использовать данные РМ после выхода препарата на рынок. Также звучали призывы к более детальному обсуждению ограничений РМ и к большему вниманию при использовании EHR, а также к необходимости уделить в нашем обзоре большее внимание получению зарубежных данных и данных о медицинских изделиях. И хотя, мы делали множество изменений в данном документе в свете этих комментариев, мы все равно направляем заинтересованных читателей к комментариям на веб-сайте ISPOR, так как некоторые важные темы и ограничения, обсуждаемые там, должны помочь определить план дальнейших шагов в этом продолжающемся исследовании.

 

Благодарности

Авторы искренне благодарны следующим членам ISPOR: Joe Jackson, Phil Sarocco, Jennifer Elston-Lafata, Marc Berger, Bruce Carleton, Gurvaneet Randhawa, Anne Smith, Bill Crown, Jens Grueger, Penny Mohr, Les Noe, Jamie Banks, Rick Chapman, Mary Cifaldi, Andreas Pleil.

 

Литература

  1. Medicare Prescription Drug, Improvement, and Modernization Act of 2003, Pub. L. no. 108-173, 117 Stat 206 (2003).
  2. Agency for Healthcare Research and Quality. Effective Heath Care Program. 2006. Available from: http: // effectivehealthcare.ahrq.gov/about US / index.cfm [Accessed July 13, 2006].
  3. Agency for Healthcare Research and Quality. AHRQ Launches Project to Develop Guide for Patient Registries. Press release, December 7, 2005. Available from:http://www.ahrq.gov/news/press/pr2005/ptregpr.htm [Accessed December 21, 2006].
  4. Centers for Medicare and Medicaid Services. National Coverage Determinations with Data Collection as a Condition of Coverage: Coverage with Evidence Development. 2006. Available from: http://www.cms.hhs.gov/mcd/ncpc_view_document.asp?id=8 [Accessed December 21, 2006].
  5. Neumann P.J. Evidence-based and value-based formulary guidelines. Health Aff (Millwood) 2004;23:124–34.
  6. Academy of Managed Care Pharmacy. AMCP Format for Formulary Submissions, Version 2.1. 2005. Available from: http://www.amcp.org/amcp.ark?c=pr&sc=link [Accessed July 13, 2006].
  7. Oregon Health & Science University. Drug Effectiveness Review Project, 2006. Available from: http: //www.ohsu.edu/drugeffectiveness / reports/final.cfm [Accessed July 13, 2006].
  8. National Institute for Health and Clinical Excellence. 2006. Available from: http://www.nice.org.uk/ [Accessed July 13, 2006].
  9. German Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen. 2006. Available from: http://www.iqwig.de/ [Accessed July 13, 2006].
  10. Sackett D.L., Rosenberg W.M., Gray J.A., et al. Evidence based medicine: what it is and what it isn’t. BMJ 1996;312:71–2.
  11. Woolf S.H. Evidence-based medicine and practice guidelines: an overview. Cancer Control 2000; 7:362–7.
  12. Wild D., Grove A., Martin M., et al. Principles of good practice for the translation and cultural adaptation process for patient-reported outcomes (pro) measures: report of the ISPOR task force for translation and cultural adaptation. Value Health 2005;8:94–104.
  13. Acquadro C., Berzon R., Dubois D., et al. Incorporating the patient’s perspective into drug development and communication: an ad hoc task force report of the Patient-Reported Outcomes (PRO) Harmonization Group meeting at the Food and Drug Administration, February 16, 2001. Value Health 2003;6: 522–31.
  14. US Department of Health and Human Services, Food and Drug Administration. Guidance for Industry Patient Reported Outcome Measures: Use in Medical Product Development to Support Labeling Claims. 2006. Available from: http://www.fda.gov/cber/gdlns/ prolbl.pdf [Accessed July 13, 2006].
  15. Szende A., Leidy N.K., Revicki D. Health-related quality of life and other patient-reported outcomes in the European centralized drug regulatory process: a review of guidance documents and performed authorizations of medicinal products 1995 to 2003. Value Health 2005;8:534–48.
  16. Guyatt G.H., Sackett D.L., Sinclair J.C., et al. Users’ guides to the medical literature. IX. A method for grading health care recommendations. Evidence-Based Medicine Working Group. JAMA 1995; 274:1800–4.
  17. United States Department of Health and Human Services, Agency for Health Care Policy and Research. Acute Pain Management: Operative or Medical Procedures and Trauma. 92-0023, 107. Rockville, MD: AHCPR, 1993. Clinical Practical Guideline No. 1.
  18. Harris R.P., Helfand M., Woolf S.H., et al. Current methods of the US Preventive Services Task Force: a review of the process. Am J Prev Med 2001;20(3 Suppl.):S21–35.
  19. Scottish Intercollegiate Guidelines Network. 2006. Available from: http://www.sign.ac.uk/ [Accessed July 17, 2006].
  20. Harbour R., Miller J. A new system for grading recommendations in evidence based guidelines. BMJ 2001;323:334–6.
  21. American College of Cardiology Foundation. Clinical Statements and Guidelines. 2006. Available from: http://www.acc.org/qualityandscience/clinical/ statements.htm [Accessed April 15, 2007].
  22. O’Sullivan A.K., Thompson D., Drummond M.F. Collection of health-economic data alongside clinical trials: is there a future for piggyback evaluations? Value Health 2005;8:67–79.
  23. Tunis S.R., Stryer D.B., Clancy C.M. Practical clinical trials: increasing the value of clinical research for decision making in clinical and health policy. JAMA 2003;290:1624–32.
  24. Agency for Healthcare Research and Quality. Effective HealthCare, DEcIDE: Registries for Evaluating Patient Outcomes. 2006. Available from: http://Effective healthcare .ahrq.gov/decide/ registryOutline.cfm [Accessed July 18, 2006].
  25. Centers for Medicare and Medicaid Services. Guidance for the Public, Industry, and CMS Staff: National Coverage Determinations with Data Collection as a Condition of Coverage: Coverage with Evidence Development. 2005. Available from: http://www.cms. hhs.gov/mcd/ncpc_view_document.asp?id = 8 [Accessed July 3, 2006].
  26. Glasgow R.E., Magid D.J., Beck A., et al. Practical clinical trials for translating research to practice: design and measurement recommendations. Med Care 2005; 43:551–7.
  27. D’Agostino R.B. Propensity score methods for bias reduction in the comparison of a treatment to a nonrandomized control group. Stat Med 1998;17:2265–81.
  28. Crown W.H., Obenchain R.L., Englehart L., et al. The application of sample selection models to outcomes research: the case of evaluating the effects of antidepressant therapy on resource utilization. Stat Med 1998;17:1943–58.
  29. Daniels N., Sabin J. Setting Limits Fairly: Can We Learn to Share Medical Resources? New York: Oxford University Press, 2002.
  30. Claxton K., Cohen J.T., Neumann P.J. When is evidence sufficient? Health Aff (Millwood) 2005;24:93–101.
  31. Weinstein M.C., O’Brien B., Hornberger J., et al. Principles of good practice for decision analytic modeling in health-care evaluation: report of the ISPOR Task Force on Good Research Practices—Modeling Studies. Value Health 2003;6:9–17.

Похожие статьи