Comparative effectiveness of preferred pharmacological treatment options for bipolar disorder among people with opioid use disorder in British Columbia and Ontario, Canada: protocol for parallel population-based target trial emulations

Dit protocol beschrijft parallelle populatiegebaseerde studies in Brits-Columbia en Ontario om de vergelijkende effectiviteit van verschillende farmacologische behandelingen voor bipolaire stoornis bij patiënten met een gelijktijdige opioïdengebruiksstoornis te evalueren door middel van target trial-emulaties.

De kern

Stel je voor dat je twee zeer complexe ziektes tegelijkertijd hebt: bipolaire stoornis (waarbij je stemming schommelt tussen extreme hoogtes en diepe dalen) en opiumverslaving. Voor mensen met deze dubbele last is het vinden van de juiste medicatie vaak een zoektocht in het donker. De bestaande regels zijn vaag, en artsen moeten vaak gissen wat het beste werkt.

Deze wetenschappelijke studie is als een groot, digitaal simulatiespel dat artsen en beleidsmakers helpt om die gissingen te vervangen door feiten. Hier is hoe het werkt, vertaald in alledaags taal:

1. Het Probleem: Een Gebrek aan Kaartjes

Mensen met zowel een verslaving als een stemmingsstoornis hebben het vaak zwaarder dan anderen. Ze sterven eerder, krijgen vaker ernstige crises en vinden het lastig om medicijnen te blijven nemen. Het probleem? Er zijn bijna geen echte "proefballonnetjes" (wetenschappelijke experimenten) gedaan met deze specifieke groep. Waarom? Omdat het te moeilijk en ethisch lastig is om mensen met verslavingen in strenge klinische proeven te stoppen.

Dus, artsen zitten zonder kaartje en moeten hun eigen route plannen.

2. De Oplossing: De "Tijdmachine" (Target Trial Emulation)

Omdat ze geen echte proef kunnen doen, bouwen de onderzoekers een tijdmachine in de computer. Ze gebruiken een enorme database met medische gegevens van miljoenen mensen in twee Canadese provincies (Brits-Columbia en Ontario).

Stel je voor dat je een film terugspoelt naar het moment waarop iemand voor het eerst een medicijn krijgt voorgeschreven. De onderzoekers kijken dan naar wat er daarna gebeurt. Ze vergelijken dit alsof ze een groot, virtueel duel organiseren tussen verschillende medicijnen.

3. Het Toernooi: De Medicijn-Gevechten

De onderzoekers hebben vier grote gevechten gepland om te zien welke medicijnstrategie het beste werkt. Het is alsof ze een sporttoernooi houden:

• Gevecht 1: De klassieker Lithium (een oud, bekend middel) vs. andere kalmeringsmiddelen (zoals Divalproex).
• Gevecht 2: Lithium vs. moderne antipsychotica (zoals Quetiapine of Risperidon).
• Gevecht 3: Lithium alleen vs. combinaties (bijvoorbeeld Lithium + een antipsychoticum).
• Gevecht 4: Een specifieke combinatie (Lithium + Valproaat) vs. andere sterke combinaties.

4. De Spelregels: Hoe meten ze succes?

Ze kijken niet alleen naar of iemand zich "beter voelt", maar naar harde feiten, net als een sportverslaggever:

• Hoe vaak moet iemand naar het ziekenhuis of de spoedeisende hulp? (Minder bezoeken = beter medicijn).
• Hoe lang blijven mensen aan de medicijnen hangen? (Als iemand stopt, werkt het misschien niet of zijn de bijwerkingen te erg).
• Hoeveel mensen overlijden? (Dit is het allerbelangrijkste: wat redt het meeste levens?).

5. De Twee Spelers: Twee Provincies, Eén Regelspel

Ze doen dit onderzoek tegelijkertijd in twee verschillende provincies. Dit is slim, want het is alsof je een experiment doet in twee verschillende laboratoria. Als beide laboratoria hetzelfde resultaat zien, weten we: "Dit werkt echt!" Als ze verschillen, weten we: "Het hangt af van de regio of het systeem."

Ze gebruiken ook slimme wiskundige trucs (zoals "inverse probability weighting") om ervoor te zorgen dat ze eerlijk vergelijken. Het is alsof ze een weegschaal gebruiken om te zorgen dat de groep mensen die Lithium krijgt, precies even zwaar is (qua leeftijd, ziektegeschiedenis, etc.) als de groep die een ander middel krijgt. Zo weten ze zeker dat het verschil in resultaat komt door het medicijn en niet door toeval.

6. Waarom is dit belangrijk?

Voor nu moeten artsen raden. Na dit onderzoek krijgen ze een betrouwbare handleiding.

• Moeten we Lithium geven of een moderner middel?
• Is een combinatie beter dan één pil?
• Wat werkt het veiligst voor iemand die ook verslaafd is?

Kortom: Deze studie is als het bouwen van een GPS-systeem voor artsen die patiënten met een dubbele diagnose behandelen. In plaats van blindelings een weg te rijden in de mist, krijgen ze nu een routebeschrijving gebaseerd op de ervaring van tienduizenden mensen, zodat ze de veiligste en snelste weg naar herstel kunnen vinden.

Technische samenvatting

Opmerking: Dit document is een studieprotocol (een plan voor onderzoek) en geen rapportage van reeds verkregen resultaten. Daarom bevat de samenvatting de beoogde methodologie en verwachte uitkomsten, maar geen definitieve statistische resultaten.

---

Technische Samenvatting: Comparative Effectiveness van Farmacologische Behandelingen voor Bipolaire Stoornis bij Opioidgebruikers

1. Het Probleem en de Context

Mensen met een comorbide diagnose van bipolaire stoornis (BD) en opioidgebruiksstoornis (OUD) lopen een verhoogd risico op ernstige klinische uitkomsten, waaronder hogere mortaliteit, complexere behandelingen en ernstigere psychiatrische symptomen. Ondanks de hoge prevalentie van deze comorbiditeit (geschat op 8,7% tot 50-90% van OUD-patiënten), ontbreekt er evidence-based richtlijnen voor de farmacologische behandeling van BD in deze specifieke populatie.

Bestaande richtlijnen zijn vaak gebaseerd op studies die patiënten met OUD uitsluiten, waardoor de generaliseerbaarheid beperkt is. Bovendien zijn er significante farmacologische uitdagingen, zoals:

• Neurobiologische veranderingen door chronisch opioidgebruik die de werking van stemmingsstabilisatoren (zoals lithium) kunnen verminderen.
• Risico's op geneesmiddelinteracties (bijv. tussen BD-medicatie en opioidagonisttherapie/OAT).
• Een vertraagde diagnose van BD door symptoomoverlapping met druggebruik.

Er is een dringende behoefte aan grootschalige, real-world data om de effectiviteit van verschillende farmaceutische strategieën te evalueren, aangezien Randomized Controlled Trials (RCT's) vaak niet haalbaar of representatief zijn voor deze complexe populatie.

2. Methodologie

De studie is ontworpen als een parallelle populatiegebaseerde "target trial" emulatie in twee Canadese provincies: British Columbia (BC) en Ontario.

• Data Bronnen:

  • Gebruik van gekoppelde administratieve gezondheidsdatabases die 80% van alle OAT-klanten in Canada dekken.
  • BC: Data van 2010-2022 (PharmaNet, MSP, DAD, NACRS, Vital Statistics, etc.).
  • Ontario: Data van 2014-2023 (ODB, NMS, OHIP, DAD, NACRS, OMHRS voor klinische schalen).
  • De studie omvat alle personen van 18 jaar en ouder met een diagnose van zowel BD als OUD die een behandeling voor BD zijn gestart.

• Onderzoekspopulatie en Inclusie/Exclusie:

  • Inclusie: Gediagnosticeerd met BD en OUD, start met BD-medicatie tussen 2010-2023.
  • Exclusie: Schizofrenie, nier- of levertoxiciteit, kankerbehandeling, palliatieve zorg, zwangerschap, en (in de primaire BC-analyse) gevangenschap.
  • Design: Zowel incident user (geen eerdere BD-behandeling sinds 1996/2004) als prevalent new user (washout-periode van 30 dagen) analyses.

• Behandelstrategieën (Vier Parallelle "Trials"):
  De studie emuleert vier vergelijkingen:

  1. Lithium vs. niet-antipsychotische stemmingsstabilisatoren (divalproex, lamotrigine, valproïnezuur).
  2. Lithium vs. tweede-generatie antipsychotica met stemmingsstabiliserende eigenschappen (risperidon, olanzapine, aripiprazol, quetiapine).
  3. Lithium vs. combinatietherapieën (bijv. lithium + divalproex, lithium + olanzapine, etc.).
  4. Lithium + Valproaat (LATVAL) vs. combinatietherapieën met antipsychotica.

• Analyseplan en Causale Inferentie:

  • Initiator-analyse (Intent-to-Treat): Vergelijkt uitkomsten op basis van de initiële medicatievoorscriptie, ongeacht latere wisselingen.
  • Per-Protocol (PP) Analyse: Censureert patiënten die van behandeling wisselen of afwijken van de aanbevolen dosering, om de "echte" effectiviteit (efficacy) te schatten.
  • Confounder-Adjustment:
    • Inverse Probability Weighting (IPW): Voor gemeten confounders (demografie, comorbiditeiten, gezondheidszorggebruik).
    • High-Dimensional Propensity Score (hdPS): Om ongemeten confounders te minimaliseren door gebruik te maken van duizenden proxy-variabelen uit administratieve data.
    • Instrumentele Variabelen (IV): Gebruik van voorschrijfgedrag van artsen en regio's om residual confounding aan te pakken (Two-Stage Residual Inclusion methode).
  • Statistische Modellen: Cox-proportionele hazard-modellen, Kaplan-Meier overlevingscurves, en Marginal Structural Models (MSM) voor tijd-variabele confounding.

• Outcome Variabelen:

  • Primair: Tijd tot psychiatrische acute zorg (hospitalisatie/ER), stopzetting van BD-behandeling (definitie: >30 dagen onderbreking), en alle-oorzaaksterfte.
  • Secundair: Specifiekere hospitalisaties, zelfmoordsterfte, en (alleen in Ontario) klinische schalen voor positieve/negatieve symptomen en manie (via RAI-MH).

3. Belangrijkste Bijdragen (Strengths)

• Target Trial Emulatie: Toepassing van een strikt RCT-achtig raamwerk op observationele data om selectiebias te minimaliseren en causaliteit beter te benaderen.
• Parallelle Validatie: Het uitvoeren van analyses in twee verschillende provincies met verschillende datastructuren (bijv. PharmaNet vs. ODB/NMS) stelt onderzoekers in staat de repliceerbaarheid van bevindingen direct te testen.
• Geavanceerde Confounder-Adjustment: Combinatie van IPW, hdPS en IV-analyse om zowel gemeten als ongemeten confounding (zoals ziekteernst) aan te pakken, wat zeldzaam is in farmaco-epidemiologische studies.
• Real-World Generalisatie: Inclusie van een populatie die vaak wordt uitgesloten uit RCT's (comorbiditeit, complex medicatiegebruik), waardoor de resultaten direct toepasbaar zijn op de klinische praktijk.
• Behandeling van Complexiteit: Specifieke aandacht voor behandelingsswitching en doseringsaanpassingen via PP-analyses, wat cruciaal is voor de klinische interpretatie.

4. Verwachte Resultaten en Significantie

• Resultaten: Aangezien dit een protocol is, zijn er nog geen numerieke resultaten. De studie is ontworpen om de comparatieve effectiviteit van de bovenstaande medicatieregimes te kwantificeren in termen van het voorkomen van acute zorggebeurtenissen, het verbeteren van therapietrouw en het verminderen van sterfte.
• Significantie:
  • Klinische Richtlijnen: De resultaten zullen de eerste evidence-based aanbevelingen vormen voor de behandeling van BD bij mensen met OUD, een populatie die momenteel geen specifieke richtlijnen heeft.
  • Beleid en Zorg: De bevindingen kunnen helpen bij het optimaliseren van zorgmodellen in Canada en daarbuiten, met name voor het integreren van verslavingszorg en psychiatrische zorg.
  • Methodologische Voorbeeld: De studie demonstreert hoe grote administratieve databases gebruikt kunnen worden om complexe klinische vragen te beantwoorden waar RCT's niet mogelijk zijn, en biedt een blauwdruk voor toekomstig onderzoek naar comorbiditeit.
  • Volksgezondheid: Door de effectiviteit van behandelingen te identificeren die de mortaliteit en acute zorggebruik verminderen, kan deze studie direct bijdragen aan het redden van levens in een kwetsbare populatie.

Conclusie:
Dit protocol stelt een rigoureuze, methodologisch geavanceerde aanpak voor om de "evidence gap" te dichten rondom de behandeling van bipolaire stoornis bij mensen met opioidgebruiksstoornis. Door gebruik te maken van parallelle populatiestudies en geavanceerde causaliteitsmethoden, belooft de studie robuuste, generaliseerbare inzichten te leveren die direct van invloed kunnen zijn op klinische besluitvorming en gezondheidsbeleid in Canada en internationaal.