Evaluating the effects of policy interventions subject to early adoption: A case study of prescription drug monitoring programs and opioid dispensing
Dit artikel stelt een tweestaps synthetische controlemethode voor die rekening houdt met vroege adoptie bij gestaffelde beleidsimplementaties om bias in effectschattingen te corrigeren, en past deze toe om te ontdekken dat programma's voor het monitoren van receptgeneesmiddelen waarschijnlijk de uitgifte van opioïden hebben verminderd, hoewel de resultaten niet statistisch significant waren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de Verenigde Staten heeft de opioïdencrisis zich ontwikkeld via afzonderlijke golven, waarbij de eerste werd gedreven door een snelle stijging in recepten voor krachtige pijnstillers zoals hydrocodon en oxycodon. Om de toenemende misbruik en overdosissterfgevallen te bestrijden, voerden veel staten Prescription Drug Monitoring Programs (PDMP's) in. Dit zijn door de staat beheerde databases die bijhouden wie voorschrijft en wie gecontroleerde stoffen ontvangt, waardoor artsen en apothekers gevaarlijke patronen kunnen signaleren voordat deze tot tragedies leiden. Het doel is simpel: als een arts het volledige geschiedenis van het opioïdgebruik van een patiënt kan zien, kan hij veiligere keuzes maken, bijvoorbeeld door een nieuw recept te vermijden of een bestaand recept af te bouwen. Het meten van de vraag of deze programma's daadwerkelijk werken, is echter berucht moeilijk. Beleid wordt zelden aan- of uitgezet als een lichtknopje; het wordt vaak in fasen uitgerold, beginnend met vrijwillige toegang voordat het een wettelijke vereiste wordt. Deze getrapte tijdlijn creëert een mist voor onderzoekers, waardoor het moeilijk is om te bepalen of een daling in het aantal recepten kwam doordat artsen de nieuwe instrumenten al op eigen initiatief gebruikten, of omdat de wet hen er eindelijk toe dwong.
Een team onderzoekers van de Harvard T.H. Chan School of Public Health zette zich af om dit specifieke probleem te ontrafelen. Ze richtten zich op een fenomeen dat ze "vroege adoptie" noemen, wat optreedt wanneer de infrastructuur van een beleid beschikbaar komt en mensen het vrijwillig gaan gebruiken voordat een mandaat van kracht wordt. In de context van PDMP's betekent dit dat artsen de database jaren gingen controleren voordat ze wettelijk verplicht waren dat te doen. Standaard statistische instrumenten die worden gebruikt om dergelijk beleid te evalueren, falen vaak in deze situaties omdat ze ervan uitgaan dat er niets verandert totdat de wet officieel van kracht wordt. Wanneer die aanname wordt geschonden, produceren de instrumenten misleidende resultaten, waarbij ze vaak de werkelijke impact van het beleid verbergen of effecten verzinnen die er niet zijn. De onderzoekers ontwikkelden een nieuwe methode om de invloed van dit vrijwillige vroege gebruik te scheiden van de latere, verplichte fase, waardoor ze de afzonderlijke impact van elke fase kunnen zien.
Om hun nieuwe benadering te testen, voerde het team eerst uitgebreide computersimulaties uit. Ze creëerden duizenden fictieve scenario's waarin ze de exacte waarheid kenden: hoeveel het beleid aan uitkomsten veranderde door vroege adoptie versus het mandaat. Ze vergeleken vervolgens hun nieuwe methode met de standaardinstrumenten die wetenschappers vandaag de dag gebruiken. De resultaten waren duidelijk. Wanneer vroege adoptie aanwezig was maar genegeerd werd, produceerden de standaardinstrumenten sterk bevooroordeelde schattingen, die vaak de plank volledig missloegen. In tegen tegenstelling hiertoe slaagde de nieuwe twee-fasenmethode erin de invloed van vroege adoptie te isoleren van het mandaateffect, waarbij de ware cijfers met hoge nauwkeurigheid werden hersteld. Dit simulatiewerk bewees dat hun techniek de rommelige realiteit van getrapte beleidsuitrolnen kan aanpakken, waarbij verschillende groepen nieuwe systemen op verschillende tijden en om verschillende redenen adopteren.
Met de methode gevalideerd, paste het team deze toe op echte gegevens uit de Verenigde Staten, waarbij ze naar de patronen van de distributie van opioïden keken in 49 staten en het District of Columbia tussen 2000 en 2016. Ze volgden de hoeveelheid gedistribueerde hydrocodon en oxycodon, gemeten in morfine-milligramequivalenten per persoon. De gegevens vertelden een bekend verhaal: de distributie steeg gestaag in de vroege jaren 2000, piekte rond 2010 tot 2012, en begon daarna langzaam te dalen. Door hun nieuwe methode te gebruiken, kon het team nauw kijken naar wat er gebeurde tijdens de lange perioden waarin PDMP's wel beschikbaar waren maar nog niet verplicht stelden. Ze ontdekten dat er tijdens deze "vroege adoptiefase" een bescheiden, zij het statistisch onzekere, afname in de distributie van opioïden was. Dit suggereert dat het louter beschikbaar stellen van de database en het toestaan dat artsen deze vrijwillig gebruiken, al begon het gedrag te veranderen, zelfs voordat de wet het vereiste.
Zodra het mandaat van kracht werd en artsen dwong de database te controleren, observeerden de onderzoekers een verdere daling in de distributie. Het totale effect van het beleid, waarbij zowel het vroege vrijwillige gebruik als de latere wettelijke vereiste werden gecombineerd, wees op een reductie van ongeveer 23,6 morfine-milligramequivalenten per persoon per kwartaal vergeleken met wat er zonder het beleid zou zijn gebeurd. De onderzoekers waren echter voorzichtig met de beperkingen van hun bevindingen. Hoewel de cijfers op een neerwaartse trend wezen, was de statistische onzekerheid groot. De betrouwbaarheidsintervallen voor zowel het effect van de vroege adoptie als het mandaateffect bevatten nul, wat betekent dat de gegevens niet voldoende bewijs leverden om met zekerheid te zeggen dat de reducties niet louter op toeval berustten. De studie suggereert dat PDMP's waarschijnlijk hielpen de distributie van opioïden te verminderen, maar het kan de omvang van dat effect niet definitief bewijzen of de twee fasen met absolute precisie van elkaar scheiden.
De kernbijdrage van dit werk is niet een definitief antwoord op de vraag of PDMP's de opioïdencrisis hebben gestopt, maar eerder een betere manier om de vraag te stellen. Door te erkennen dat beleid vaak een "pre-game" periode heeft waarin mensen het systeem al vroeg gaan gebruiken, boden de onderzoekers een helderder perspectief op publieke gezondheidsinterventies. Hun methode stelt beleidsmakers in staat om te begrijpen dat de impact van een programma lang voor de eerste wettelijke sanctie kan beginnen. Hoewel de specifieke cijfers voor de opioïdiestudie onnauwkeurig blijven, biedt het kader een eerlijkere manier om complexe, real-world beleidsmaatregelen te evalueren. Het herinnert ons eraan dat in de rommelige realiteit van de volksgezondheid het moment waarop een hulpmiddel beschikbaar komt, vaak even belangrijk is als het moment waarop het verplicht wordt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.