Ποια είναι η καλύτερη πρώτη γραμμή θεραπείας για υπέρταση;
Ποια είναι η καλύτερη θεραπεία για υπέρταση; Αν και η ερώτηση μπορεί να φαίνεται απλή, η απάντηση είναι πολύ πιο περίπλοκη από ό, τι φαίνεται με την πρώτη ματιά. Οι ερευνητές έχουν εφαρμόσει πολύπλοκους αλγόριθμους για να το ανακαλύψουν και τα αποτελέσματα είναι εκπληκτικά.
Οι τρέχουσες οδηγίες συμβουλεύουν για πέντε κατηγορίες φαρμάκων από τις οποίες μπορούν να επιλέξουν οι γιατροί ως την πρώτη γραμμή θεραπείας για υπέρταση, αλλά ποια είναι τα κριτήρια που υποστηρίζουν αυτό το εύρος;
Ένα νέο έγγραφο - ο πρώτος συγγραφέας του οποίου είναι ο Δρ Marc A. Suchard, από το τμήμα βιοστατιστικής στο Πανεπιστήμιο της Καλιφόρνια, στο Λος Άντζελες - παρουσιάζει μερικές από τις παγίδες πίσω από την απόφαση να αποφασίσει ποια είναι η καλύτερη πρώτη γραμμή θεραπείας για την υπέρταση.
Πρώτον, η υπάρχουσα βιβλιογραφία στην οποία οργανώσεις όπως το American College of Cardiology και η American Heart Association (AHA) έχουν βασίσει τις οδηγίες τους σε τυχαιοποιημένες κλινικές δοκιμές με ανεπαρκή αριθμό συμμετεχόντων, πολύ λίγοι από τους οποίους μόλις ξεκινούν τη θεραπεία τους, εξηγούν ο Δρ. Ο Suchard και οι συνάδελφοί του.
Δεύτερον, οι μελέτες παρατήρησης που μερικές φορές χρησιμοποιούνται για να καλύψουν τυχόν κενά γνώσης στις δοκιμές έχουν τις δικές τους προκαταλήψεις και περιορισμούς των δειγμάτων.
Ως εκ τούτου, οι γνώμες των εμπειρογνωμόνων τείνουν να είναι ο κινητήριος μοχλός των κλινικών συστάσεων, παρά σκληρών στοιχείων Για να διορθωθεί αυτό, ο Dr. Suchard και οι συνάδελφοί του χρησιμοποίησαν μεγάλα δεδομένα και μια μοναδικά αξιόπιστη μέθοδο για τη δημιουργία και την ανάλυση τεκμηρίων μεγάλης κλίμακας προκειμένου να αξιολογήσουν την αποτελεσματικότητα των επιλογών θεραπείας πρώτης γραμμής.
Οι ερευνητές έχουν δημοσιεύσει τα ευρήματά τους στο περιοδικό Το νυστέρι.
Η αναξιοπιστία των υπαρχόντων αποδεικτικών στοιχείων
Ο συν-συγγραφέας της μελέτης, Dr. George Hripcsak, ο οποίος είναι πρόεδρος του Τμήματος Βιοϊατρικής Πληροφορικής στο Πανεπιστήμιο Columbia της Νέας Υόρκης, εξηγεί περαιτέρω τα κίνητρα για την έρευνα.
Λέει, "Οι τυχαιοποιημένες κλινικές δοκιμές δείχνουν την αποτελεσματικότητα και την ασφάλεια ενός φαρμάκου σε έναν καθορισμένο πληθυσμό ασθενών, αλλά δεν είναι καλοί να συγκρίνουν μεταξύ πολλών τάξεων φαρμάκων σε μια διαφορετική ομάδα ασθενών που θα συναντούσατε στον πραγματικό κόσμο."
«Αθέλητα ή μη, τα περιοδικά και οι συγγραφείς τείνουν να δημοσιεύουν μελέτες που έχουν συναρπαστικά αποτελέσματα, και οι ερευνητές μπορούν ακόμη και να επιλέξουν αναλυτικές μεθόδους που ταιριάζουν καλύτερα για να πάρουν τα αποτελέσματα που ταιριάζουν στις υποθέσεις τους», προσθέτει ο Δρ Hripcsak.
«Καταλήγει σε μια άσκηση συλλογής κερασιών, η οποία καθιστά τα αποτελέσματα λιγότερο αξιόπιστα».
Τι είναι το LEGEND και πώς βοηθάει;
Για να ξεπεραστεί αυτό, ο Dr. Suchard, ο Dr. Hripcsak και οι συνάδελφοί του χρησιμοποίησαν μια μέθοδο που αναπτύχθηκε για να διορθώσει και να αποτρέψει τις προκαταλήψεις των μελετών παρατήρησης. Η μέθοδος ονομάζεται Παραγωγή και αξιολόγηση τεκμηρίων μεγάλης κλίμακας σε ένα δίκτυο βάσεων δεδομένων (LEGEND).
«Το LEGEND παρέχει ένα συστηματικό πλαίσιο που μπορεί να δημιουργήσει αναπαραγώγιμα αποδεικτικά στοιχεία εφαρμόζοντας προηγμένα αναλυτικά στοιχεία σε ένα δίκτυο διαφορετικών βάσεων δεδομένων για ένα ευρύ φάσμα εκθέσεων και αποτελεσμάτων», εξηγεί ο συν-συγγραφέας της μελέτης, Patrick Ryan, Ph.D.
Ο LEGEND «βοηθά επίσης να καταλάβουμε πόσο μπορούμε να εμπιστευτούμε τα αποδεικτικά στοιχεία που έχουμε δημιουργήσει», λέει ο Ryan.
Ο Ryan είναι επίκουρος επίκουρος καθηγητής βιοϊατρικής πληροφορικής στο Πανεπιστήμιο της Κολούμπια και αντιπρόεδρος της παρατήρησης αναλυτικών δεδομένων για την υγεία στη φαρμακευτική εταιρεία Janssen Research & Development.
Ο ίδιος, μαζί με τους συναδέλφους Dr. Suchard και Martijn Schuemie, Ph.D., άλλος συν-συγγραφέας της νέας μελέτης, παρουσίασαν τα οφέλη του LEGEND εκ μέρους της ομάδας που το δημιούργησε στο συμπόσιο του Observational Health Data Science Initiative το 2018.
Στην παρουσίαση, παρουσίασαν τις κατευθυντήριες αρχές της νέας μεθόδου, δείχνοντας πώς μπορεί να χρησιμοποιήσει τα πλεονεκτήματα των μελετών μεγάλης κλίμακας παρατήρησης και να εφαρμόσει τα αποτελέσματά τους σε καταστάσεις όπως η κατάθλιψη και η υπέρταση σε ένα πραγματικό περιβάλλον.
Οι αναστολείς ΜΕΑ δεν είναι τόσο αποτελεσματικοί όσο άλλα φάρμακα
Στη νέα μελέτη, οι συγγραφείς εφάρμοσαν το LEGEND σε δεδομένα 4,9 εκατομμυρίων ανθρώπων σε τέσσερις διαφορετικές χώρες που μόλις άρχισαν να παίρνουν φάρμακα για την αρτηριακή πίεση.
Αφού εφαρμόζουν τον περίπλοκο αλγόριθμο LEGEND και υπολογίζουν περίπου 60.000 μεταβλητές, οι ερευνητές εντόπισαν αρκετές περιπτώσεις καρδιακών προσβολών, νοσηλείας καρδιακής ανεπάρκειας, εγκεφαλικών επεισοδίων και υψηλού αριθμού παρενεργειών φαρμάκων υπέρτασης πρώτης γραμμής.
Η μελέτη αποκάλυψε ότι οι αναστολείς του μετατρεπτικού ενζύμου της αγγειοτενσίνης (ACE), οι οποίοι είναι τα πιο συχνά συνταγογραφούμενα φάρμακα πρώτης γραμμής, είχαν περισσότερες παρενέργειες από τα θειαζιδικά διουρητικά, μια κατηγορία φαρμάκων που δεν συνταγογραφούνται συχνά.
Πιο συγκεκριμένα, σε αυτή την ανάλυση, οι γιατροί συνταγογράφησαν αναστολείς ΜΕΑ 48% του χρόνου, ενώ οι γιατροί συνταγογράφησαν τα θειαζιδικά διουρητικά ως την πρώτη γραμμή θεραπείας μόνο στο 17% των ατόμων με πρόσφατα διαγνωσμένη υπέρταση.
Παρόλα αυτά, τα θειαζιδικά διουρητικά συνδέθηκαν με 15% λιγότερες καρδιακές προσβολές, νοσηλεία καρδιακής ανεπάρκειας και εγκεφαλικά επεισόδια. Επιπλέον, οι αναστολείς ACE προκάλεσαν υψηλότερα ποσοστά 19 παρενεργειών, σε σύγκριση με άλλες θεραπείες πρώτης γραμμής.
Επίσης, οι αποκλειστές διαύλων ασβεστίου διυδροπυριδίνης ήταν η λιγότερο αποτελεσματική θεραπεία πρώτης γραμμής που ταυτοποίησαν οι συγγραφείς της μελέτης.
Τέλος, οι συγγραφείς εκτιμούν ότι 3.100 ανεπιθύμητες ενέργειες θα μπορούσαν να είχαν αποφευχθεί εάν οι γιατροί είχαν συνταγογραφήσει θειαζιδικά διουρητικά αντί για αναστολείς ΜΕΑ.
