L’evidència del mòn real en l’avaluació de tecnologies sanitàries

03/04/2023

Introducció

L’avaluació de tecnologies sanitàries és un procés multidisciplinari i sistemàtic que té per objectiu determinar el valor d’una tecnologia sanitària per guiar la presa de decisions. Avalua tant les conseqüències directes com les indirectes d’una tecnologia en comparació amb les alternatives existents1,2, en diferents dimensions tals com la seguretat, l’efectivitat clínica, o les dimensions econòmica, ètica, organitzativa, social i legal3.  

Tot i que els assajos aleatoris controlats (RCT, per les sigles en anglès) es consideren el gold standard de l’evidència, aquests tenen limitacions per ser generalitzables a la pràctica clínica real, en una població molt més àmplia i diversa4,5. A més, de vegades les avaluacions de tecnologies sanitàries conclouen que no hi ha prou evidència o que aquesta és escassa per una determinada tecnologia2.

Les dades del món real (RWD, per les sigles en anglès), són les dades de salut dels pacients o de la provisió d’atenció sanitària generades durant la pràctica clínica. L’anàlisi d’aquestes dades pot generar evidència, la qual anomenem evidència del món real (RWE per les sigles en anglès)6. Aquesta evidència es pot utilitzar per a complementar l’evidència dels RCT en l’avaluació de tecnologies sanitàries. En aquest article es resumeixen algunes oportunitats existents en aquest àmbit, així com certes limitacions i possibles solucions a l’ús de RWE en l’avaluació de tecnologies sanitàries que podem trobar en diferents revisions i altres estudis4,7,8,9,10,11,12.

Oportunitats

La RWE permet complementar l’evidència aportada pels RCT, especialment en els següents àmbits:

  • Descriure la seguretat i la tolerància en vers de tecnologies sanitàries en condicions de vida real.Els RCT estan dissenyats per aconseguir els millors resultats possibles, sovint seleccionant els pacients que probablement tindran una millor resposta al tractament, mitjançant la introducció de criteris d’exclusió tals com la presència de malalties concomitants o una edat més avançada. Per tant, s’espera que a la pràctica clínica l’efectivitat de la tecnologia sigui menor que en els RCT.
  • Generar més evidència sobre una tecnologia sanitària en poblacions sovint infrarepresentades en els RCT, com poden ser diferents grups d’edat, gèneres, ètnies, poblacions vulnerables, o pacients que presenten diferents graus de gravetat de la malaltia, amb medicaments concomitants o amb diferències en l’estil de vida. Així mateix, la RWE pot contribuir a ampliar el coneixement sobre les seqüències de tractament, que es donen en la pràctica clínica, però no en la majoria de RCT, on es comparen tractaments aïllats.
  • Descriure l’efectivitat i les implicacions econòmiques de les tecnologies sanitàries entre diferents regions i contextos econòmics, contribuint a determinar el valor de les tecnologies en el seu context, un dels punts clau de l’avaluació de tecnologies sanitàries.
  • Aportar més informació sobre la seguretat de les tecnologies sanitàries. Els RCT tenen una durada determinada, de manera que les RWD poden ser utilitzades per monitorar la seguretat a llarg termini. De la mateixa manera, les RWD poden servir per detectar esdeveniments adversos poc freqüents, que no són detectats pels RCT degut a la seva dimensió. A més, les estimacions del risc de patir esdeveniments adversos i la descripció d’esdeveniments adversos recurrents a partir de la informació dels RCT pot ser subòptima.
  • Generar evidència sobre cost-efectivitat, qualitat de vida i satisfacció del pacient per a la presa de decisions de reemborsament i cobertura de tecnologies sanitàries.
  • Generar evidència sobre l’adherència al tractament, que pot ser condicionada per diferents aspectes com la toxicitat o el cost de la medicació. Una major adherència al tractament en la vida real podria arribar a suposar una major efectivitat d’una tecnologia en comparació amb una altra de més eficaç, però amb una adherència inferior.

La RWE pot ser incorporada en les avaluacions de tecnologies sanitàries en diferents moments del cicle de vida d’una tecnologia, però especialment després de l’autorització d’aquesta tecnologia, en els següents casos:

  • Decisions inicials sobre la cobertura del pagador: la RWE es pot utilitzar per estimar la població que podria beneficiar-se de la nova tecnologia i explorar els potencials costos del seu finançament.
  • Reavaluacions o monitoratge continu de tecnologies finançades: la RWE pot servir per monitorar la seguretat a la vida real, mesurar l’adherència o estudiar l’efectivitat en determinades poblacions. Incloure la RWE en les avaluacions de tecnologies sanitàries pot contribuir a ampliar el seu ús per al monitoratge continu de tecnologies finançades a la pràctica clínica.

El 2017, un estudi sobre diverses avaluacions de medicaments per tractar melanoma trobava que les RWD eren utilitzades en avaluacions de l’efectivitat relativa i en avaluacions de cost-efectivitat per agències d’avaluació de tecnologies sanitàries europees. Les RWD eren emprades principalment per estimar la prevalença del melanoma i predir l’efectivitat a llarg termini de les medicacions13.

Les agències d’avaluació de tecnologies sanitàries a l’Àsia accepten la RWE com a evidència per estimar l’efectivitat clínica per a la presa de decisions de reemborsament, amb variacions entre països sobre les fonts i tipus de RWD usades i el tipus de decisió que informen12.

Limitacions i barreres

La literatura també identifica limitacions o barreres en l’ús de RWE en l’avaluació de tecnologies sanitàries:

  • La manca d’un grup de control establert de manera aleatòria en estudis observacionals amb RWD, fa que existeixi un biaix de selecció dels pacients que reben un tractament o altre a la pràctica clínica, segons les característiques basals del pacient. Això suposa un obstacle metodològic a l’hora d’intentar demostrar l’eficàcia o l’efectivitat d’un tractament en comparació amb un altre a la pràctica clínica. Existeixen mètodes estadístics per contrastar el biaix, tot i que no l’eliminen del tot.
  • La qualitat de les dades del món real és menor comparada amb la dels RCT, especialment si se’n fa un ús secundari. Per exemple, els estudis retrospectius amb RWD poden infraestimar els esdeveniments adversos a causa de la infranotificació de símptomes subjectius a les històries clíniques.
  • El biaix d’informació també és un potencial risc de la RWE. Pot ocórrer quan es decideix quins resultats o dades es publiquen o quins estudis es realitzen. La reanàlisi excessiva de dades pot portar a la publicació només dels resultats més favorables.
  • Els resultats obtinguts en estudis amb RWD d’un context específic (per exemple, geogràfic o econòmic), no són generalitzables a altres contextos.
  • La preparació de les dades per a la realització d’estudis retrospectius, respectant els principis ètics i de privacitat dels pacients pot implicar processos com l’anonimització i l’emmagatzematge de dades que poden suposar una barrera administrativa pels investigadors. Per altra banda, l’agregació de RWD de diferents fonts pot ser complicada a l’hora de preservar la privacitat dels pacients.
  • Alguns estudis també destaquen la falta d’experiència en l’anàlisi i interpretació de les RWD.

Un estudi que analitza l’ús de RWE en avaluacions de dispositius mèdics d’alt risc troba que s’utilitzen diferents tipus d’estudis observacionals, tals com estudis de cohorts i estudis basats en registres. La qualitat de les dades i mètodes en aquests estudis observacionals d’efectivitat comparativa tenia limitacions, com per exemple, no tenir en compte l’existència de variables de confusió importants14.

Com reduir aquestes limitacions?

Per reduir l’impacte dels biaixos és necessari un bon disseny i anàlisi estadística dels estudis observacionals, que s’hauria de realitzar abans d’iniciar l’estudi. La creació de registres obligatoris d’estudis pot ajudar a reduir els problemes metodològics d’aquest tipus d’estudi. La creació de polítiques i guies d’elaboració d’estudis amb RWD per a la seva sistematització pot contribuir a una major qualitat dels estudis (en termes metodològics i de qualitat de les dades), així com a una major confiança en què compleixen amb uns estàndards de protecció de dades i transparència. En aquesta línia, el 2022 l’AQuAS va publicar una guia per a l’elaboració d’estudis observacionals amb RWD, amb l’objectiu d’estandarditzar els processos que segueix per l’elaboració d’estudis observacionals, per millorar-ne la qualitat2.

Quant a facilitar l’accés a la comunitat científica a grans bases de RWD de qualitat respectant els principis ètics i de privacitat, trobem també diverses iniciatives en el nostre entorn. El Data Analysis and Real World Interrogation Network (DARWIN EU) és un projecte de l’Agència Europea de Medicaments per proveir de dades del món real a les autoritats nacionals de la xarxa europea de regulació de medicaments15. Tot i que pretén donar suport a la presa de decisions en l’àmbit regulador, ben segur que l’evidència que se n’extregui sobre l’ús, seguretat i efectivitat dels medicaments serà útil a les agències d’avaluació de tecnologies sanitàries. Un altre exemple és el Programa d’Analítica de Dades per a la Recerca i la Innovació en Salut (PADRIS), una iniciativa de l’Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS) per facilitar l’accés a la comunitat científica a les dades sanitàries, a través de la reutilització i el creuament de les dades generades pel sistema sanitari16.

Conclusions

La inclusió de RWE en les avaluacions de tecnologies sanitàries pot permetre augmentar l’evidència respecte d’una tecnologia sanitària quan s’utilitza com a complement de l’evidència generada pels RCT, especialment en els àmbits on aquests últims tenen limitacions (validesa externa i evidència en poblacions infrarepresentades en RCT, seguretat a llarg termini i detecció d’efectes adversos poc freqüents o mesura de l’adherència, entre d’altres). 

La RWE en avaluacions de tecnologies sanitàries pot ser especialment útil en fases posteriors a l’autorització, per exemple per informar la presa de decisions inicial sobre la cobertura d’una tecnologia sanitària o per a les reavaluacions o monitoratge continu de tecnologies finançades, amb l’objectiu de revaluar la cobertura d’una tecnologia pel pagador.

L’ús de RWE en avaluació de tecnologies sanitàries també té limitacions i barreres per a la seva adopció, com poden ser les limitacions metodològiques pròpies del disseny d’aquest tipus d’estudis (biaixos de selecció i menor qualitat de les dades) o altres problemes com el risc de biaixos d’informació, la dificultat per generalitzar resultats o les barreres a l’accés a les RWD. Tanmateix, existeixen diferents iniciatives per mitigar aquestes limitacions, com programes per facilitar l’accés a bases de RWD per la recerca o la publicació de guies metodològiques per a dur a terme estudis amb RWD.

Referències

  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

Comparteix:

Topics

Contingut relacionat