3 PHARMAKOEPIDEMIOLOGISCHE FORSCHUNG MIT GROSSEN GESUNDHEITSDATENBANKEN (V3)

↓9

In Nordamerika und verschiedenen Ländern Europas stellen große Gesundheitsdatenbanken eine wichtige Datenquelle für die pharmakoepidemiologische Forschung dar.56,83,95,110,167,179,195,265,272 Sie beruhen meist auf Prozeßdaten einzelner privater und staatlicher Leistungsanbieter im Gesundheitswesen und enthalten neben Angaben zum Alter und Geschlecht der Patienten umfassende Daten über die in Apotheken abgegebenen verschreibungspflichtigen Arzneimittel. Viele der Datenbanken enthalten auch Angaben über ambulante ärztliche Diagnosen und Leistungen, Krankenhausaufenthalte, Krankenhausentlassungsdiagnosen und Tod. Die jeweilige Patienteninformation ist zumeist in unterschiedlichen Datenbanken gespeichert, die patientenbezogen anonymisiert miteinander verknüpft werden können (sog. Record Linkage Verfahren). In einigen Datenbanken ist auch ein Record Linkage mit Daten aus anderen Gesundheitsregistern möglich, wie z.B. eine Verknüpfung mit Daten aus Krebsregistern oder aus Registern zu kongenitalen Fehlbildungen.95,265 Da die Patienteninformation bereits in elektronischer Form zur Verfügung steht und nicht erst in oft langwieriger Feldarbeit erhoben werden muß, ermöglichen diese Datenbanken eine relativ rasche und kostengünstige Durchführung pharmako-epidemiologischer Studien.

Ein wesentlicher Vorteil der Gesundheitsdatenbanken ist ihre Größe, die erst die notwendigen großen Stichprobenumfänge für die Abklärung seltener UAW in pharmakoepidemiologischen Studien ermöglicht. Die größte Gesundheitsdatenbank in den Vereinigten Staaten (COMPASS) enthält über 8 Millionen Patienten aus 11 Bundesstaaten56, die Datenbank der Versichertenorganisation Kaiser Permanente immerhin 6,5 Millionen Patienten.95 In weiteren US-Datenbanken ist Gesundheitsinformation über mehrere hunderttausend Patienten enthalten wie in den Datenbanken von Tennessee Medicaid (400.000 Patienten)56 und der Datenbank des Harvard Community Health Plan (300.000 Patienten)215. Auch in den europäischen Datenbanken bewegen sich die Patientenzahlen zwischen mehreren hunderttausend110,167,179 und mehr als 3 Millionen Patienten.83 In der Datenbank der kanadischen Provinz Quebec, die für die Bearbeitung der Fragestellungen dieser Arbeit benutzt wurde, sind alle älteren Einwohner der Provinz (> 750.000) erfaßt.272

Verbunden mit dem Vorteil der großen Patientenzahl ist der Nachteil, daß die Daten nicht für eine spezifische Fragestellung gesammelt wurden und die Datenmenge für den einzelnen Patienten begrenzt ist, d.h. oft nicht all diejenige Information einschließt, die man in einer epidemiologischen Feldstudie erheben würde.96 In den meisten Datenbanken gibt es nur ungenügende oder keine Information über Risikofaktoren, Laborwerte oder die Befunde ärztlicher Untersuchungen. Es ist deshalb für jede pharmakoepidemiologische Fragestellung zu prüfen, ob diese mit den zur Verfügung stehenden Angaben ohne Gefahr von Bias untersucht werden kann.

↓10

Die diagnostische Kodierung in den Datenbanken erfolgt häufig mittels ICD-9.298 Es kann erforderlich werden, Codes zu kombinieren, wenn die zu untersuchende Erkrankung durch verschiedene ICD-9 Codes abgebildet werden kann. Auch wird häufig nicht sehr spezifisch kodiert, z.B. besteht kein Anreiz‚ ‚Ulkus duodeni mit oberer gastrointestinaler Blutung‘ zu kodieren anstelle von ‚oberer gastrointestinaler Blutung, nicht weiter spezifiziert‘. Sehr spezifische Krankheitskategorien können dann nur untersucht werden, wenn zusätzlich Information aus Patientenakten zur Verfügung steht. Anderenfalls ist nur eine Untersuchung breiterer Krankheitskategorien möglich.56

Pharmakoepidemiologische Studien mit Gesundheitsdatenbanken bieten in mancher Hinsicht auch ein geringeres Potential für Verzerrungen als epidemiologische Feldstudien. Zum Beispiel wird in den verschiedenen kanadischen Gesundheitsdatenbanken jeweils die Bevölkerung einer ganzen Provinz erfaßt195,265, so daß ein systematischer Fehler durch eine nicht-repräsentative Auswahl der Studienpopulation kaum zu befürchten ist. Im Gegenteil kann wegen des klaren Bevölkerungsbezugs der Studienpopulation von einer hohen externen Validität der Studienergebnisse ausgegangen werden.155 Auch kann in Datenbankstudien die Teilnahme an der Studie nicht verweigert werden, so daß es nicht zu einem Selektionsbias durch nichtteilnehmende Studienpatienten (‚Nonresponder‘) kommen kann.

Ein großes Problem in pharmakoepidemiologischen Studien stellt häufig eine exakte Ermittlung der Arzneimittelexposition und –dosierung dar, insbesondere wenn die Einnahme des Arzneimittels lange Zeit zurückliegt oder ein Patient verschiedene Arzneimittel für dieselbe Erkrankung erhielt. In einer Datenbank wird durch die elektronische Erfassung der Arzneimittelverschreibung und -dosierung eine Misklassifikation der Exposition aufgrund unzureichenden Erinnerungsvermögens der Studienteilnehmer weitgehend vermieden.56 Elektronische Datenbanken wurden deshalb auch als die zuverlässigste Datenquelle bezeichnet, um Medikamentenexpositionen bei älteren Patienten zu erfassen.272 Durch die elektronische Erfassung der Arzneimittelverschreibungen besteht kein Potential für ‚Recallbias‘, d.h. einer Verzerrung durch unterschiedliches Erinnerungsvermögen von Fällen und Kontrollen. Erinnern sich Fälle besser an eine Arzneimittelexposition als Kontrollen, so führt dies in Feldstudien zu einer Überschätzung des Risikos für das betreffende Arzneimittel. Die Gefahr eines ‚Recallbias‘ wurde empirisch belegt für Studien, die den Zusammenhang zwischen Arzneimittelexposition in der Schwangerschaft und kongenitalen Fehlbildungen untersuchen.198,297 Auch kann es in einer Datenbankstudie nicht zu einer Verzerrung der Expositionsinformation durch die Fragetechnik des Interviewers kommen (‚Interviewer Bias’).56 Ein ‚Interviewer Bias‘ ist zu befürchten, wenn der Interviewer die Studienhypothese kennt und Fallpatienten intensiver befragt als Kontrollpatienten.

↓11

Zusammenfassend ermöglichen Datenbanken durch ihre Größe oft erst die Untersuchung seltener Arzneimittelrisiken mit vertretbarem Aufwand und Kosten. Die laufende elektronische Erfassung der Arzneimittelexposition verringert das Potential für Mis-klassifikation, allerdings enthalten Datenbanken oft nur begrenzte Information über spezifische Krankheitsbefunde und Risikofaktoren. In Ländern, in denen Datenbanken für die Forschung nutzbar sind, hat sich die Forschung mit diesen Daten als ein Zweig der modernen Pharmakoepidemiologie etabliert und in der Vergangenheit unsere Kenntnisse über Arzneimittelutilisation sowie Nutzen und Risiken von Arzneimitteln in entscheidendem Maße erweitert.259,265 In Deutschland gibt es zur Zeit keine vergleichbare Datenbank für die pharmakoepidemiologische Forschung. Der Zugriff auf Daten der kanadischen Datenbank der Provinz Quebec ermöglichte es uns, okuläre Nebenwirkungen verschiedener Darreichungsformen von Glukokortikoiden zu untersuchen.


© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.
DiML DTD Version 4.0Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML-Version erstellt am:
25.10.2005