La evidencia del mundo real en la evaluación de tecnologías sanitarias

Introducción

La evaluación de tecnologías sanitarias es un proceso multidisciplinar y sistemático cuyo objetivo es determinar el valor de una tecnología sanitaria para guiar la toma de decisiones. Evalúa tanto las consecuencias directas como las indirectas de una tecnología en comparación con las alternativas existentes^1,2, en diferentes dimensiones tales como la seguridad, la efectividad clínica, o las dimensiones económicas, ética, organizativa, social y legal³.  

Aunque los ensayos aleatorios controlados (RCT, por sus siglas en inglés) se consideran el gold standard de la evidencia, éstos tienen limitaciones para ser generalizables en la práctica clínica real, en una población mucho más amplia y diversa^4,5. Además, en ocasiones las evaluaciones de tecnologías sanitarias concluyen que no hay suficiente evidencia o que ésta es escasa para una determinada tecnología².

Los datos del mundo real (RWD, por sus siglas en inglés), son los datos de salud de los pacientes o de la provisión de atención sanitaria generados durante la práctica clínica. El análisis de estos datos puede generar evidencia, a la que llamamos evidencia del mundo real (RWE por sus siglas en inglés)⁶. Esta evidencia puede utilizarse para complementar la evidencia de los RCT en la evaluación de tecnologías sanitarias. En este artículo se resumen algunas oportunidades existentes en este ámbito, así como ciertas limitaciones y posibles soluciones al uso de RWE en la evaluación de tecnologías sanitarias que podemos encontrar en diferentes revisiones y otros estudios^{4,7,8,9,10,11,12}.

Oportunidades

La RWE permite complementar la evidencia aportada por los RCT, especialmente en los siguientes ámbitos:

• Describir la seguridad y la tolerancia hacia tecnologías sanitarias en condiciones de vida real. Los RCT están diseñados para conseguir los mejores resultados posibles, a menudo seleccionando a los pacientes que probablemente tendrán una mejor respuesta al tratamiento, mediante la introducción de criterios de exclusión tales como la presencia de enfermedades concomitantes o una edad más avanzada. Por tanto, se espera que en la práctica clínica la efectividad de la tecnología sea menor que en los RCT.

• Generar más evidencia sobre una tecnología sanitaria en poblaciones a menudo infrarrepresentadas en los RCT, como pueden ser diferentes grupos de edad, géneros, etnias, poblaciones vulnerables, o pacientes que presentan distintos grados de gravedad de la enfermedad, con medicamentos concomitantes o con diferencias en el estilo de vida. Asimismo, la RWE puede contribuir a ampliar el conocimiento sobre las secuencias de tratamiento, que se dan en la práctica clínica, pero no en la mayoría de RCT, donde se comparan tratamientos aislados.

• Describir la efectividad y las implicaciones económicas de las tecnologías sanitarias entre distintas regiones y contextos económicos, contribuyendo a determinar el valor de las tecnologías en su contexto, uno de los puntos clave de la evaluación de tecnologías sanitarias.

• Aportar más información sobre la seguridad de tecnologías sanitarias. Los RCT tienen una duración determinada, por lo que las RWD pueden ser utilizadas para monitorizar la seguridad a largo plazo. Del mismo modo, las RWD pueden servir para detectar eventos adversos poco frecuentes, que no son detectados por los RCT debido a su tamaño. Además, las estimaciones del riesgo de sufrir eventos adversos y la descripción de eventos adversos recurrentes a partir de la información de los RCT pueden ser subóptima.

• Generar evidencia sobre coste-efectividad, calidad de vida y satisfacción del paciente para la toma de decisiones de reembolso y cobertura de tecnologías sanitarias.

• Generar evidencia sobre la adherencia al tratamiento, que puede ser condicionada por distintos aspectos como la toxicidad o el coste de la medicación. Una mayor adherencia al tratamiento en la vida real podría llegar a suponer una mayor efectividad de una tecnología en comparación con otra más eficaz, pero con una adherencia inferior.

La RWE puede ser incorporada en las evaluaciones de tecnologías sanitarias en distintos momentos del ciclo de vida de una tecnología, pero especialmente después de la autorización de esta tecnología, en los siguientes casos:

• Decisiones iniciales sobre la cobertura del pagador: la RWE se puede utilizar para estimar a la población que podría beneficiarse de la nueva tecnología y explorar los potenciales costes de su financiación.

• Reevaluaciones o monitorización continua de tecnologías financiadas: la RWE puede servir para monitorizar la seguridad en la vida real, medir la adherencia o estudiar la efectividad en determinadas poblaciones. Incluir la RWE en las evaluaciones de tecnologías sanitarias puede contribuir a ampliar su uso para la monitorización continua de tecnologías financiadas en la práctica clínica.

En 2017, un estudio sobre diversas evaluaciones de medicamentos para tratar melanoma encontraba que las RWD eran utilizadas en evaluaciones de la efectividad relativa y en evaluaciones de coste-efectividad por agencias de evaluación de tecnologías sanitarias europeas. Las RWD eran utilizadas principalmente para estimar la prevalencia del melanoma y predecir la efectividad a largo plazo de las medicaciones¹³.

Las agencias de evaluación de tecnologías sanitarias en Asia aceptan la RWE como evidencia para estimar la efectividad clínica para la toma de decisiones de reembolso, con variaciones entre países sobre las fuentes y tipos de RWD usadas y el tipo de decisión que informan¹².

Limitaciones y barreras

La literatura también identifica limitaciones o barreras en el uso de RWE en la evaluación de tecnologías sanitarias:

• La falta de un grupo de control establecido de forma aleatoria en estudios observacionales con RWD, hace que exista un sesgo de selección de los pacientes que reciben un tratamiento u otro en la práctica clínica, según las características basales del paciente. Esto supone un obstáculo metodológico a la hora de intentar demostrar la eficacia o efectividad de un tratamiento en comparación con otro en la práctica clínica. Existen métodos estadísticos para contrastar el sesgo, aunque no lo eliminan por completo.

• La calidad de los datos del mundo real es menor comparada con la de los RCT, especialmente si se hace un uso secundario. Por ejemplo, los estudios retrospectivos con RWD pueden infraestimar los eventos adversos debido a la infranotificación de síntomas subjetivos en las historias clínicas.

• El sesgo de información es también un potencial riesgo de la RWE. Puede ocurrir cuando se decide qué resultados o datos se publican o qué estudios se realizan. El reanálisis excesivo de datos puede llevar a la publicación sólo de los resultados más favorables.

• Los resultados obtenidos en estudios con RWD de un contexto específico (por ejemplo, geográfico o económico), no son generalizables a otros contextos.

• La preparación de los datos para la realización de estudios retrospectivos, respetando los principios éticos y de privacidad de los pacientes, puede implicar procesos como la anonimización y el almacenamiento de datos que pueden suponer una barrera administrativa para los investigadores. Por otra parte, la agregación de RWD de diferentes fuentes puede resultar complicada a la hora de preservar la privacidad de los pacientes.

• Algunos estudios también destacan la falta de experiencia en el análisis e interpretación de las RWD.

Un estudio que analiza el uso de RWE en evaluaciones de dispositivos médicos de alto riesgo encuentra que se utilizan distintos tipos de estudios observacionales, tales como estudios de cohortes y estudios basados en registros. La calidad de los datos y métodos en estos estudios observacionales de efectividad comparativa tenía limitaciones, como, por ejemplo, no tener en cuenta la existencia de importantes variables de confusión¹⁴.

¿Cómo reducir estas limitaciones?

Para reducir el impacto de los sesgos es necesario un buen diseño y análisis estadístico de los estudios observacionales, que debería realizarse antes de iniciar el estudio. La creación de registros obligatorios de estudios puede ayudar a reducir los problemas metodológicos de este tipo de estudios. La creación de políticas y guías de elaboración de estudios con RWD para su sistematización puede contribuir a una mayor calidad de los estudios (en términos metodológicos y de calidad de los datos), así como a una mayor confianza en que cumplen con unos estándares de protección de datos y transparencia. En esta línea, en 2022 AQuAS publicó una guía para la elaboración de estudios observacionales con RWD, con el objetivo de estandarizar los procesos que sigue por la elaboración de estudios observacionales, para mejorar la calidad².

En cuanto a facilitar el acceso a la comunidad científica a grandes bases de RWD de calidad respetando los principios éticos y de privacidad, encontramos también diversas iniciativas en nuestro entorno. El Data Analysis and Real World Interrogation Network (DARWIN EU) es un proyecto de la Agencia Europea de Medicamentos para proveer datos del mundo real a las autoridades nacionales de la red europea de regulación de medicamentos¹⁵. Aunque pretende apoyar la toma de decisiones en el ámbito regulador, seguro que la evidencia que se extraiga sobre el uso, seguridad y efectividad de los medicamentos será útil a las agencias de evaluación de tecnologías sanitarias. Otro ejemplo es el Programa de Analítica de Datos para la Investigación y la Innovación en Salud (PADRIS), una iniciativa de la Agencia de Calidad y Evaluación Sanitarias de Cataluña (AQuAS) para facilitar el acceso a la comunidad científica a los datos sanitarios, a través de la reutilización y el cruce de los datos generados por el sistema sanitario¹⁶.

Conclusiones

La inclusión de RWE en las evaluaciones de tecnologías sanitarias puede permitir aumentar la evidencia respecto a una tecnología sanitaria cuando se utiliza como complemento de la evidencia generada por los RCT, especialmente en los ámbitos donde estos últimos tienen limitaciones (validez externa y evidencia en poblaciones infrarrepresentadas en RCT, seguridad a largo plazo y detección de efectos adversos poco frecuentes o medida de la adherencia, entre otros). 

La RWE en evaluaciones de tecnologías sanitarias puede ser especialmente útil en fases posteriores a la autorización, por ejemplo, para informar la toma de decisiones inicial sobre la cobertura de una tecnología sanitaria o para las reevaluaciones o monitorización continua de tecnologías financiadas, objetivo de revaluar la cobertura de una tecnología por el pagador.

El uso de RWE en evaluación de tecnologías sanitarias también tiene limitaciones y barreras para su adopción, como pueden ser las limitaciones metodológicas propias del diseño de este tipo de estudios (sesgos de selección y menor calidad de los datos) u otros problemas como el riesgo de sesgos de información, la dificultad para generalizar resultados o las barreras en el acceso a las RWD. Sin embargo, existen diferentes iniciativas para mitigar estas limitaciones, como programas para facilitar el acceso a bases de RWD por la investigación o la publicación de guías metodológicas para llevar a cabo estudios con RWD.

Referencias

1. World Health Organization. Health technology assessment—Global. (s. d.).

2. Vivanco-Hidalgo, R. M., & Blanco-Silvente, L. (2022). Generació d’evidència amb dades del món real en l’avaluació de tecnologies sanitàries: Guia metodològica. Barcelona: Agència de Qualitat i Avaluació Sanitàries de Catalunya.

3. EUnetHTA. «HTA Core Model® – EUnetHTA». (s.d).

4. Pollock, M., & Cziraky, M. (2015, octubre 12). Real-World Evidence Studies. Applied Clinical Trials Online.

5. Tugwell, P., & Knottnerus, J. A. (2015). Is the ‘Evidence-Pyramid’ now dead? Journal of Clinical Epidemiology, 68(11), 1247-1250.

6. U.S. Food & Drug Administration. (2023, gener 31). Real-World Evidence.

7. Di Maio, M., Perrone, F., & Conte, P. (2020). Real‐World Evidence in Oncology: Opportunities and Limitations. The Oncologist, 25(5), e746-e752.

8. Guerra-Júnior, A. A., Pires de Lemos, L. L., Godman, B., Bennie, M., Osorio-de-Castro, C. G. S., Alvares, J., Heaney, A., Vassallo, C. A., Wettermark, B., Benguria-Arrate, G., Gutierrez-Ibarluzea, I., Santos, V. C. C., Petramale, C. A., & Acurcio, F. de A. (2017). Health Technology Performance Assessment: Real-World Evidence for Public Healthcare Sustainability. International Journal of Technology Assessment in Health Care, 33(2), 279-287.

9. Naidoo, P., Bouharati, C., Rambiritch, V., Jose, N., Karamchand, S., Chilton, R., & Leisegang, R. (2021). Real-world evidence and product development: Opportunities, challenges and risk mitigation. Wiener Klinische Wochenschrift, 133(15), 840-846.

10. Hampson, G., Towse, A., Dreitlein, W. B., Henshall, C., & Pearson, S. D. (2018). Real-world evidence for coverage decisions: Opportunities and challenges. Journal of Comparative Effectiveness Research, 7(12), 1133-1143.

11. Katkade, V. B., Sanders, K. N., & Zou, K. H. (2018). Real world data: An opportunity to supplement existing evidence for the use of long-established medicines in health care decision making. Journal of Multidisciplinary Healthcare, 11, 295-304.

12. Lou, J., Kc, S., Toh, K. Y., Dabak, S., Adler, A., Ahn, J., Bayani, D. B. S., Chan, K., Choiphel, D., Chua, B., Genuino, A. J., Guerrero, A. M., Kearney, B., Lin, L. W., Liu, Y., Nakamura, R., Pearce, F., Prinja, S., Pwu, R.-F., … Wee, H.-L. (2020). Real-world data for health technology assessment for reimbursement decisions in Asia: Current landscape and a way forward. International Journal of Technology Assessment in Health Care, 36(5), 474-480.

13. Makady, A., van Veelen, A., Jonsson, P., Moseley, O., D’Andon, A., de Boer, A., Hillege, H., Klungel, O., & Goettsch, W. (2018). Using Real-World Data in Health Technology Assessment (HTA) Practice: A Comparative Study of Five HTA Agencies. PharmacoEconomics, 36(3), 359-368.

14. Klein, P., Blommestein, H., Al, M., Pongiglione, B., Torbica, A., & Groot, S. de. (2022). Real-world evidence in health technology assessment of high-risk medical devices: Fit for purpose? Health Economics, 31(S1), 10-24.

15. European Medicines Agency. Data Analysis and Real Word Interrogation Network (DARWIN EU). (s.d.).

16. Agència de Qualitat i Avaluació Sanitàries de Catalunya. Programa d’Analítica de Dades per a la Recerca i la Innovació en Salut. (s.d.).

Foto de Solen Feyissa