Обзор методов оценки отношения польза/риск при применении лекарственных средств
Ср, 08 Июль 2015
3460
Обзор методов оценки отношения польза/риск при применении лекарственных средств

Прогнозирование потенциальной пользы фармакотерапии и ассоциированных с ней рисков является крайне важным процессом на всех этапах жизненного цикла лекарственного средства (ЛС). Согласно определению Европейского медицинского агентства (ЕМА), «отношение польза/риск» — это сопоставление положительных терапевтических эффектов и возможных рисков, связанных с использованием ЛС [2, 3].

Целью данной статьи стал обзор современных методов подготовки научно обоснованных заключений о безопасности применения зарегистрированных ЛС в медицинской практике.

Согласно современным рекомендациям зарубежных регуляторных органов (FDA, EMA), необходимо собрать, оценить и сопоставить все доступные научные данные, включая результаты экспериментальных, клинических и фармакоэпидемиологических исследований, учесть альтернативные методы терапии, а также мнение специалистов практического здравоохранения и пациентов. При этом важно оценить полноту и качество предоставляемой для анализа информации, поскольку неполная, недостоверная или противоречивая информация может вводить в заблуждение и приводить к неправильным выводам.

Методы

Краткое описание методов

Качественные

Методы представляют собой полностью качественные модели, основанные на оценке отношения риск/польза по каждому ЛС экспертами или уполномоченным менеджментом организации, по результатам которой готовится соответствующее заключение. Итоговое решение принимается на основании экспертного мнения

Полуколичественные

Методы представляют собой полуколичественные модели, имеющие четко прописанный алгоритм по сбору и анализу данных. Решение принимается на основании результатов анализа и мнения заинтересованных сторон. Итоговое заключение делается на основании экспертного мнения

Количественные

Методы представляют собой полностью количественные модели оценки отношения риск/польза по каждому ЛС, с учетом данных дополнительных исследований и мнения заинтересованных сторон. Решение принимается на основании анализа всех доступных материалов, полученных в рамках данной системы. Итоговое решение принимается на основании экспертного мнения.

«Метод троек» (Edwards R, 1996)

Факторы и степень их выраженности

Высокая

Умеренная

Низкая

1.Состояние, при котором применяется лекарственный препарат

 

 

 

Выраженность симптоматики

 

 

 

Длительность симптоматики

 

 

 

Частота возникновения симптомов

 

 

 

2.Польза: эффективность применения препарата

 

 

 

Выраженность положительного эффекта

 

 

 

Длительность положительного эффекта

 

 

 

Частота достижения пользы от препарата

 

 

 

3.Риск: нежелательные реакции (НР) при применении препарата

 

 

 

Выраженность симптомов НР

 

 

 

Длительность симптомов НР

 

 

 

Частота возникновения симптомов НР

 

 

 

При подготовке данного обзора мы не обнаружили принципиальных различий в методах подготовки научно обоснованных заключений о безопасности применения разрабатываемых ЛС и зарегистрированных ЛС.

Непосредственно процесс оценки отношения польза/риск должен отвечать следующим требованиям: объективность, «прозрачность», воспроизводимость, универсальность.

Для достижения этих целей на пострегистрационном этапе обращения ЛС экспертами рабочей группы CIOMS IV [6] был предложен алгоритм проведения анализа отношения польза/риск (рис. 1).

Для минимизации субъективизма и облегчения процесса принятия решения на этапе проведения анализа рекомендуется [1, 5] применять специальные научные инструменты — методы, которые можно разделить на качественные, полуколичественные и количественные (табл. 1).

Каждый из этих методов имеет свою область применения, сильные и слабые стороны, и ни один из них не может считаться полностью объективным. «Экспертное мнение по-прежнему остается основой оценки отношения польза/риск при применении ЛС. Кажется маловероятным, что количественные методы могут полностью заменить качественные» [4].

Примером качественного метода можно назвать «Метод троек» (Principle of three), предложенный Ральфом Эдвардсом (Ralph Edwards) с соавторами в 1996 г. [4].

Данный метод заключается в заполнении специальной таблицы (табл. 2) и принятии решения на основании анализа полученных данных.

Для иллюстрации полуколичественных методов можно использовать метод «TURBO-модель» (TURBO-model) [6]. Данный метод заключается в вычислении значений двух так называемых факторов с перенесением значений на специальную диаграмму (рис. 2).

Фактор риска (R-factor) представляет собой сумму риска, ассоциированного с наиболее серьезной нежелательной реакцией — НР (R0), и дополнительного риска (следующая по серьезности НР, Rc). Таким образом, формулу для вычисления фактора риска можно записать как: R-factor = R0 + Rc. Фактор пользы (B-factor) рассчитывается сходным образом по формуле: B-factor = B0 + Bc, где B0 — первичная польза (влияние ЛС на течение заболевания, отражающее изменения клинического состояния пациента), а Bc — дополнительная польза (клинические или иные преимущества препарата).

Максимальное значение показателей B0 и R0 —от 1 до 5, а Rc и Bc — от 0 до 2.

Количественные методы анализа отношения польза/риск, с точки зрения объективности, воспроизводимости и «прозрачности», имеют ряд преимуществ перед качественными и полуколичественными, однако они не универсальны и ограничены условиями и допущениями, которые были сделаны при их разработке.

Анализ литературных источников [5] позволил выявить 12 имеющихся на сегодняшний день количественных методов:

  1. Quantitative Framework for Risk and Benefit Assessment (QFRBA);
  2. Benefit-less-risk analysis (BLRA);
  3. Quality-adjusted Time Without Symptoms and Toxicity (Q-TWiST);
  4. Number needed to treat (NNT) and number needed to harm (NNH);
  5. Relative value adjusted number needed to treat (RV-NNT);
  6. Minimum clinical efficacy (MCE);
  7. Incremental net health benefit (INHB);
  8. Risk-benefit plane (RBP)and risk-benefit acceptability threshold (RBAT);
  9. Probabilistic simulation methods (PSM) and Monte Carlo simulation (MCS);
  10. Multicriteria decision analysis (MCDA);
  11. Risk-benefit contour (RBC);
  12. Stated preference method (SPM) or maximum acceptable risk (MAR).

Одним из наиболее простых количественных методов является метод NNT/NNH.

NNT — Number needed to treat (число пролеченных больных на одного излеченного) — это единица измерения, представляющая собой среднее число пациентов, которых необходимо пролечить для предотвращения одного нежелательного исхода (иными словами, число пациентов, которых надо пролечить, чтобы у одного из них наблюдалось улучшение в сравнении с группой контроля). NNT определяется как величина, обратная снижению абсолютного риска. Идеальное значение — единица, означающая, что все пациенты, получавшие лечение, выздоровели, а все пациенты группы контроля продолжают болеть. Чем выше значение NNT, тем менее эффективно лечение.

NNH — Number needed to harm (индекс потенциального вреда) — это эпидемиологическая единица измерения, показывающая как много пациентов необходимо подвергнуть воздействию фактора риска в течение определенного периода времени для того, чтобы у одного из них развилась НР. NNH определяется как величина обратная относительному риску. Чем ниже индекс потенциального вреда, тем тяжелее фактор риска.

Отношение NNT/NNH, при котором NNT<NNH, может свидетельствовать, что потенциальная польза от применения в клинической практике анализируемого препарата превышает возможные риски.

Таким образом, из большого количества предложенных на сегодняшний день разнообразных методов оценки отношения польза/риск при применении ЛС ни один из них не может считаться универсальным или стандартным.

Необходимы проведение дальнейших исследований в данной области, а также разработка методических рекомендаций и нормативно-правовой базы, регламентирующей применение тех или иных методов. Это позволит повысить качество проводимой экспертизы и, самое главное, — улучшит безопасность пациентов, получающих лекарственную терапию.

Источник: Medical Ethics Journal 

Авторы: Миронов А.Н., Меркулов В.А., Сакаева И.В., Бунятян Н.Д., Лепахин В.К., Романов Б.К., Переверзев А.П.

 

Рекомендуемые новости

Новости

Последние
Последние Топ за неделю Топ за месяц Топ за все время
Архив Новостей