APPLICAZIONE DI UN APPROCCIO INNOVATIVO DI DATA MINING PER LA SICUREZZA DELLA POLITERAPIA NEGLI ANZIANI

APPLICATION OF AN INNOVATIVE DATA MINING APPROACH TOWARDS SAFE POLYPHARMACY PRACTICE IN OLDER ADULTS
Shi, Y, Chiang, CW, Unroe, K.T. et al

Drug Saf 2024; 47(1):93–102

Questo studio ha affrontato i rischi della politerapia negli anziani applicando il data mining per scoprire combinazioni di farmaci ad alto rischio e alternative a basso rischio. Utilizzando i registri delle visite al Pronto Soccorso di soggetti anziani, sono stati identificati i casi di eventi avversi da farmaci correlati ad anticoagulanti, farmaci antidiabetici e oppioidi. L'analisi dei dati di esposizione ai farmaci ha rivelato 5213 combinazioni di farmaci associate a un aumento del rischio di evento avverso. Inoltre, 1904 di queste combinazioni ad alto rischio avevano potenziali trattamenti farmacologici alternativi a basso rischio in classi terapeutiche simili. Questi risultati supportano l'applicazione del data mining per identificare e mitigare i rischi di eventi avversi nella politerapia, enfatizzando le alternative basate sulle classi terapeutiche.

RIASSUNTO

INTRODUZIONE La politerapia è una condizione comune ed è associata a un rischio più elevato di eventi avversi da farmaci (adverse drug event, ADE) tra gli anziani. La conoscenza del livello di rischio di ADE legato all'esposizione a diverse combinazioni di farmaci è fondamentale per una pratica clinica sicura della politerapia, ma gli interventi a questa problematica sono limitati. L'obiettivo di questo studio è stato quello di applicare un approccio innovativo di data mining per individuare combinazioni di farmaci ad alto rischio e alternative di trattamento farmacologico a basso rischio (ad esempio, combinazioni di tre e quattro farmaci).

METODI Dai dati tratti da Medicare fee-for-service e MarketScan Medicare è stata identificata una coorte di pazienti anziani (≥65 anni) che si sono recati al Pronto Soccorso (PS). Sono stati utilizzati i codici dell’International Classification of Diseases (ICD) per identificare i casi di ADE potenzialmente indotti da anticoagulanti, farmaci antidiabetici e oppioidi attraverso i registri delle visite al PS. Sono stati valutati i dati di esposizione ai farmaci durante un intervallo di 30 giorni prima del ricovero in PS. Sono state esaminate le associazioni tra esposizione di combinazioni di farmaci e ADE in un contesto caso-controllo. È stato applicato il modello di risposta mixture drug-count per identificare le combinazioni di farmaci di ordine elevato associate a un aumento del rischio di ADE. È stata effettuata un'analisi basata sulle classi terapeutiche per individuare combinazioni di farmaci a basso rischio in alternativa alle combinazioni di farmaci di ordine elevato associate ad un aumento del rischio di ADE.

RISULTATI Sono state analizzate le combinazioni frequenti di farmaci di ordine elevato in 8,4 milioni di registrazioni di visite in PS (5,1 milioni tratti da Medicare e 3,3 milioni da MarketScan). Sono state identificate 5213 combinazioni di farmaci di ordine elevato associate a un aumento del rischio di ADE attraverso il controllo del tasso di falsi positivi a 0,01. Sono state rilevate 1904 combinazioni di farmaci di ordine elevato e ad alto rischio con potenziali combinazioni di farmaci alternativi a basso rischio, dove ogni combinazione di farmaci di ordine elevato e ad alto rischio e le corrispondenti combinazioni di farmaci alternativi a basso rischio appartenevano a classi terapeutiche simili.

CONCLUSIONI È stata applicata una tecnica di data mining per scoprire combinazioni di farmaci di elevato ordine associate a un aumento del rischio di ADE. Sono state identificate combinazioni di farmaci di ordine elevato ad alto rischio che spesso possono essere sostituite con combinazioni di farmaci a basso rischio appartenenti a classi terapeutiche simili.