Salvador Peiró Subdirecció General de Investigació i Innovació en Salut

Conselleria de Sanitat Universal i Salut Pública, Generalitat Valenciana

Dades analitzades adequadament per ser transformades en evidències que permetin valorar els resultats dels diferents cursos d'acció possibles i guiar les decisions sobre què fer? a qui? per qui? on? quan? com? … "Evidència": demostració d'una relació causal "suficient" entre un curs d'acció (un tractament) i un resultat (outcome).

Al fer aquestes coses les organitzacions sanitàries generen enormes quantitats de dades que, al seu torn, poden ser transformades en nova “informació”.

Estudis observacionals prospectius (cohorts)

Meta-anàlisi RTC

Estudis de modelització

Assaigs clínics

Estudis observacionals retrospectius (cohorts i casos-controls, anidats o no)

Aleatoritzats, població molt restringida, hiperseguiment, alt cost.

Basats en històries clíniques, registres, dades administratives o en altres fonts històriques

D'estudis homogenis

Registres i cohorts amb seguiment ad hoc

Basats en informació obtinguda de les fonts prèvies + consens + anàlisi de sensibilitat

Aquestes funcions tenen com a base sistemes informàtics comuns o interoperables (ex: les històries clíniques electròniques) i un identificador únic per a cada persona en tot el sistema.

Encara que també hi ha molta dada de salut caminant per fora dels SIS (Internet, apps, wearables, tamagotxis, ...).

Avaluar l'efectivitat, seguretat i cost-efectivitat dels medicaments i tecnologies mèdiques, i avaluar i orientar la qualitat i l'eficiència de les organitzacions sanitàries, gràcies a:

Increment -en qualitat i quantitat- en el volum de dades informatitzades i, per tant, en la disponibilitat i facilitat per analitzar-les i obtenir informació. Identificador únic personal + cobertura universal: de sistemes d'informació de serveis sanitaris a sistemes d'informació poblacionals Possibilitat de combinar sistemes d'informació diferents per construir cohorts amb seguiments llargs i mesures de efectivitat o qualitat més sofisticades i amb més capacitat de ser emprades en la monitorització i millora de l'atenció.

Estudios observacionales prospectivos (cohortes)

Ensayos pragmáticos con real world data (RWD)

Basados en RWD (datos informatizados obtenidos de fuentes diversas: historia clínica y otras)

Network meta-analysis

Basados en registros (incluso poblacionales)

Basados en real world data o “autogenerados”

Meta-análisis RTC

Estudios de modelización

Ensayos clínicos convencionales

Estudios observacionales retrospectivos (cohortes y casos-controles anidados)

Big data Estudios “data driven”, “machine learning” o “data mining”

Big Data: Volums de dades tan grans i heterogenis que no poden ser manejats amb els software (i hardware) tradicionals, ni fàcilment analitzats amb les eines convencionals de gestió de dades (genòmica, bioimatge, …) En atenció sanitària estem especialment interessats en una relativament "petita" porció d'aquest Big Data que, sobretot, incorpora la informació estructurada procedent de l'atenció sanitària, i a la qual anomenem Real World Data (RWD). A diferència dels estudis clínics convencionals (pacients aleatoritzats, seleccionats, condicions òptimes, professionals escollits) el RWD fa servir dades obtingudes de l'atenció real a pacients reals, registrades pels seus professionals i organitzacions sanitàries habituals.

Estudios observacionales prospectivos (cohortes)

Ensayos pragmáticos con real world data (RWD)

Basados en RWD (datos informatizados obtenidos de fuentes diversas: historia clínica y otras)

Network meta-analysis

Basados en registros (incluso poblacionales)

Basados en real world data o “autogenerados”

Meta-análisis RTC

Estudios de modelización

Ensayos clínicos convencionales

Estudios observacionales retrospectivos (cohortes y casos-controles anidados)

Big data Estudios “data driven”, “machine learning” o “data mining”

RWD: Mètodes deductius (a partir de la hipòtesi) Big data: Mètodes inductius (a partir de les dades).

Dades estructurades:

Assegurament / targeta sanitària Prescripció i dispensació Registres hospitalaris: CMBD, ingressos, urgències, HaD, farmàcia externa, ... Sistemes automatitzats d'ordres mèdiques, equips de laboratori, ... Registres d'incapacitat temporal, ... Registres de mortalitat Altres registres específics: vacunacions, cribratges, transport sanitari, concerts, diàlisi, sensors de monitorització, de telemedicina, de programes, ... Dades contactes: diagnòstics, visites, i altres aspectes estructurats.

Dades Semi-estructurades i no estructurades

Imatge radiològica, fotogràfica i informes associats [píxels] Història clínica: anotacions mèdiques, gràfics, i altres aspectes no estructurats [llenguatge natural]. Registres de monitorització contínua o semi-contínua (marcapassos, DAI, ...) i Telehealth. Dades de -òmiques (de genomes humans o de gèrmens). Metadades (cookies), cercadors web, ... Dades de APPs de salut, Facebook, hàbits (esportius, sedentarisme, tabaquisme, ...) i altres.

Ajudant a identificar que intervencions / tecnologies / medicaments són més efectives, segures i cost-efectives (i quins no ho són): estudis d'efectivitat / seguretat. Ajudant a que aquestes intervencions s'indiquin (i de forma primerenca i proactiva) en els candidats a beneficiar-se de les mateixes (i no en altres grups de pacients): estratificació, models predictius, adequació. Ajudant a avaluar la qualitat, seguretat i eficiència de les organitzacions sanitàries i a reduir el malbaratament. Ajudant a identificar desigualtats en el maneig dels malalts (gènere, edat, estatus socioeconòmic, país d'origen, territorials,

Beneficios combinados !

Riesgo nuevo IAM en 10 años !

Beneficios individuales de cada fármaco !

AAS!

IECA !

!Bl.!

Estat !

González López-Valcárcel B, LibreroJ, García-SempereA, María Peña L, Bauer S, Puig-Junoy J, Oliva J, Peiró S, Sanfélix-Gimeno G. Effect of cost-sharing on adherence to evidence-based medications in patients with acute coronary syndrome. A population-based natural experiment in Spain. [In evaluation]

González López-Valcárcel B, LibreroJ, García-SempereA, María Peña L, Bauer S, Puig-Junoy J, Oliva J, Peiró S, Sanfélix-Gimeno G. Effect of cost-sharing on adherence to evidence-based medications in patients with acute coronary syndrome. A population-based natural experiment in Spain. [In evaluation]

González López-Valcárcel B, LibreroJ, García-SempereA, María Peña L, Bauer S, Puig-Junoy J, Oliva J, Peiró S, Sanfélix-Gimeno G. Effect of cost-sharing on adherence to evidence-based medications in patients with acute coronary syndrome. A population-based natural experiment in Spain. [In evaluation]

Sanfélix-Gimeno G, Hurtado I, Sanfélix-Genovés J, Baixauli-Pérez C, Rodríguez-Bernal CL, Peiró S. Overuse and Underuse of Antiosteoporotic Treatments According to Highly Influential Osteoporosis Guidelines: A Population-Based Cross-Sectional Study in Spain. PLoS One. 2015;10(8):e0135475.

Sanfélix-Gimeno G, Hurtado I, Sanfélix-Genovés J, Baixauli-Pérez C, Rodríguez-Bernal CL, Peiró S. Overuse and Underuse of Antiosteoporotic Treatments According to Highly Influential Osteoporosis Guidelines: A Population-Based Cross-Sectional Study in Spain. PLoS One. 2015;10(8):e0135475.

Sanfélix-Gimeno G, Hurtado I, Sanfélix-Genovés J, Baixauli-Pérez C, Rodríguez-Bernal CL, Peiró S. Overuse and Underuse of Antiosteoporotic Treatments According to Highly Influential Osteoporosis Guidelines: A Population-Based Cross-Sectional Study in Spain. PLoS One. 2015;10(8):e0135475.

Librero J, Sanfélix-Gimeno G, Peiró S. Medication Adherence Patterns after Hospitalization for Coronary Heart Disease. A Population-Based Study Using Electronic Records and Group-

Based Trajectory Models. PLoS One. 2016;11(8):e0161381.

Librero J, Sanfélix-Gimeno G, Peiró S. Medication Adherence Patterns after Hospitalization for Coronary Heart Disease. A Population-Based Study Using Electronic Records and Group-Based Trajectory Models. PLoS One. 2016;11(8):e0161381.

SIA + GAIA + CMBD + URG + MORT

Selección de todos los pacientes con fibrilación atrial que iniciaron tratamiento con ACO entre Nov2011 y Febrero2014.

SIP No residentes en la Comunidad Valenciana

Mutualidades de funcionarios

Información basal: SIA + GAIA + CMBD + URG

CMBD |eMR

Cohorte seguimiento

Seguimiento para valorar adherencia primaria, PDC, discontinuidad

Seguimiento para valorar resultados clínicos

Rodriguez-Bernal CL, Hurtado I, García-Sempere A, Peiró S, Sanfélix-Gimeno D. Initiation patterns of oral anticoagulants in patients with atrial fibrillation in Spain. Population-based retrospective cohort study. [In evaluation ]

Undjusted Cox ModelUntreatedPDC<80%PDC≥80%

Multivariable Cox ModelUntreatedPDC<80%PDC≥80%

Undjusted Fine & Gray ModelUntreatedPDC<80%PDC≥80%

Multivariable Fine & Gray ModelUntreatedPDC<80%PDC≥80%

1.00 0.91 (0.74, 1.11)0.71 (0.53, 0.93)

1.000.91 (0.73, 1.14)0.69 (0.50, 0.97)

1.000.97 (0.79, 1.19)0.80 (0.60, 1.05)

1.00 0.95 (0.76, 1.19)0.75 (0.54, 1.03)

HR (95% CI)

1.000.91 (0.74, 1.11)0.71 (0.53, 0.93)

1.000.91 (0.73, 1.14)0.69 (0.50, 0.97)

1.000.97 (0.79, 1.19)0.80 (0.60, 1.05)

1.000.95 (0.76, 1.19)0.75 (0.54, 1.03)

1.5 1 2

Undjusted Cox ModelUntreatedPDC<80%PDC≥80%

Multivariable Cox ModelUntreatedPDC<80%PDC≥80%

Undjusted Fine & Gray ModelUntreatedPDC<80%PDC≥80%

Multivariable Fine & Gray ModelUntreatedPDC<80%PDC≥80%

1.00 0.91 (0.74, 1.11)0.71 (0.53, 0.93)

1.000.91 (0.73, 1.14)0.69 (0.50, 0.97)

1.000.97 (0.79, 1.19)0.80 (0.60, 1.05)

1.00 0.95 (0.76, 1.19)0.75 (0.54, 1.03)

HR (95% CI)

1.000.91 (0.74, 1.11)0.71 (0.53, 0.93)

1.000.91 (0.73, 1.14)0.69 (0.50, 0.97)

1.000.97 (0.79, 1.19)0.80 (0.60, 1.05)

1.000.95 (0.76, 1.19)0.75 (0.54, 1.03)

1.5 1 2

ALL Undjusted Cox ModelUntreatedPDC<80%PDC≥80%

Multivariable Cox ModelUntreatedPDC<80%PDC≥80%

Undjusted Fine & Gray ModelUntreatedPDC<80%PDC≥80%

Multivariable Fine & Gray ModelUntreatedPDC<80%PDC≥80%

1.00 (1.00, 1.00)0.87 (0.68, 1.11)0.62 (0.39, 0.99)

1.00 (1.00, 1.00)0.92 (0.72, 1.19)0.67 (0.42, 1.08)

1.00 (1.00, 1.00)0.94 (0.73, 1.20)0.71 (0.44, 1.14)

1.00 (1.00, 1.00)0.97 (0.75, 1.25)0.73 (0.45, 1.18)

HR (95% CI)

1.00 (1.00, 1.00)0.87 (0.68, 1.11)0.62 (0.39, 0.99)

1.00 (1.00, 1.00)0.92 (0.72, 1.19)0.67 (0.42, 1.08)

1.00 (1.00, 1.00)0.94 (0.73, 1.20)0.71 (0.44, 1.14)

1.00 (1.00, 1.00)0.97 (0.75, 1.25)0.73 (0.45, 1.18)

1.39 1 2.56

Undjusted Cox ModelUntreatedPDC<80%PDC≥80%

Multivariable Cox ModelUntreatedPDC<80%PDC≥80%

Undjusted Fine & Gray ModelUntreatedPDC<80%PDC≥80%

Multivariable Fine & Gray ModelUntreatedPDC<80%PDC≥80%

1.00 (1.00, 1.00)0.87 (0.68, 1.11)0.62 (0.39, 0.99)

1.00 (1.00, 1.00)0.92 (0.72, 1.19)0.67 (0.42, 1.08)

1.00 (1.00, 1.00)0.94 (0.73, 1.20)0.71 (0.44, 1.14)

1.00 (1.00, 1.00)0.97 (0.75, 1.25)0.73 (0.45, 1.18)

HR (95% CI)

1.00 (1.00, 1.00)0.87 (0.68, 1.11)0.62 (0.39, 0.99)

1.00 (1.00, 1.00)0.92 (0.72, 1.19)0.67 (0.42, 1.08)

1.00 (1.00, 1.00)0.94 (0.73, 1.20)0.71 (0.44, 1.14)

1.00 (1.00, 1.00)0.97 (0.75, 1.25)0.73 (0.45, 1.18)

1.39 1 2.56

NAÏVE

Librero J, Sanfélix-Gimeno G, Peiró S. Medication Adherence Patterns after Hospitalization for Coronary Heart Disease. A Population-Based Study Using Electronic Records and Group-Based Trajectory Models. PLoS One. 2016;11(8):e0161381.

IV ANALYSIS

6174 adultos consecutivos sometidos a ecocardio de esfuerzo para evaluación de enfermedad isquémica 2310 (37%) tomaban aspirina (grupo tratamiento) Endpoint: mortalidad por todas las causas Seguimiento medio: 3,1 años Análisis no ajustado: 4,5% del grupo tratamiento y 4,5% del grupo control fallecieron en el seguimiento HRno-ajustada: 1,08 [IC95%:0,85-1,39]

Gum PA, Thamilarasan M, Watanabe J, Blackstone EH, Lauer MS. Aspirin use and all-cause mortality among patients being evaluated for known or suspected coronary artery disease: A propensity analysis. JAMA. 2001 Sep 12;286(10):1187-94.

Pacientes muy diferentes: en 25 de las 31 covariables p<0,05 En practicamente todas los pacientes que toman aspirina muestran mayor riesgo de muerte

Gum PA, Thamilarasan M, Watanabe J, Blackstone EH, Lauer MS. Aspirin use and all-cause mortality among patients being evaluated for known or suspected coronary artery disease: A propensity analysis. JAMA. 2001 Sep 12;286(10):1187-94.

Las diferencias medias estandarizadas >10% en los valores absolutos indican grandes diferencias.

Gum PA, Thamilarasan M, Watanabe J, Blackstone EH, Lauer MS. Aspirin use and all-cause mortality among patients being evaluated for known or suspected coronary artery disease: A propensity analysis. JAMA. 2001 Sep 12;286(10):1187-94.

Diferencias entre grupos en las covariables tras el ajuste (propensity score matching)

Gum PA, Thamilarasan M, Watanabe J, Blackstone EH, Lauer MS. Aspirin use and all-cause mortality among patients being evaluated for known or suspected coronary artery disease: A propensity analysis. JAMA. 2001 Sep 12;286(10):1187-94.

Gum PA, Thamilarasan M, Watanabe J, Blackstone EH, Lauer MS. Aspirin use and all-cause mortality among patients being evaluated for known or suspected coronary artery disease: A propensity analysis. JAMA. 2001 Sep 12;286(10):1187-94.

HRajustada: 0,56 [0,40-0,78]

Autorización temprana Autorización (trayectorias) adaptativa Fármaco-vigilancia (mini-sentinel) Acuerdos de riesgos compartidos

Estimar l'efectivitat (abans que l'eficàcia) en entorns de pràctica real. Comparació de múltiples alternatives de maneig per informar les decisions (més enllà de la comparació enfront de placebo). Estimar l'evolució del perfil risc-benefici d'un nou fàrmac, fins i tot a llarg termini i en malalties rares. Examinar els resultats clínics en subgrups de malalts diversos (incloent els exclosos dels assaigs clinics) Abordar una àmplia varietat de endpoints Estimar la utilització de serveis i l'eficiència (anàlisi cost-efectivitat)

Conèixer com està sent utilitzant el medicament en cada context (dosi, pautes, adherència, ...) Obtenir informació en situacions en què no és possible fer un assaig (ex: abús de narcòtics) Disposar d'informació en situacions que requereixen resoldre ràpidament les decisions de cobertura i preu (quan no hi ha una altra teràpia disponible). Evidència "provisional" en absència d'assajos (ex: malalties rares) Disposar d'informació sobre el benefici net (clínic, econòmic) per a les decisions sobre preu i valor (acords de riscos compartits)

Altes inversions en TIC en l'última dècada enfocades essencialment a la realització de processos administratius, transaccionals o d'atenció. Contrast amb l'escasez d'inversió en l'anàlisi de la informació generada per aquests sistemes. Precarietat de la capacitat investigadora/avaluadora en farmaco-epidemiologia i recerca en serveis de salut. Transparència limitada i desconfiança dels responsables de les administracions sanitàries cap al impacte "polític" dels resultats dels estudis "no controlats". Normativa aparentment restrictiva (però amb vigilància del seu compliment limitada).

Projecte VISC+, Sistema d'Informació per al Desenvolupament de la Investigació en Atenció Primària (SIDIAP), projecte EPIFARM, ... Grups de recerca en algunes CCAA (Catalunya, València, Aragó, País Basc i algun altre)