Real-world drug use in ATC and ICD-10: an expert-curated drug-diagnosis resource based on UK primary care and Danish hospitalization electronic health records
Dit artikel presenteert een gecureerde bron van 7.763 significante real-world associaties tussen medicatie en diagnose, afgeleid uit Britse en Deense elektronische patiëntendossiers, die handmatig door medische experts zijn geannoteerd om aan te tonen dat de meeste geobserveerde co-occurrences geen directe behandeling vertegenwoordigen en om de noodzaak te benadrukken van het rekening houden met inter-annotator variabiliteit.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Ziekenhuizen en artsenpraktijken genereren een enorme, continue stroom aan dossiers. Elke keer dat een patiënt een diagnose krijgt of een recept krijgt voorgeschreven, wordt er een digitale invoer gemaakt, wat een massale bibliotheek creëert van hoe de geneeskunde in de echte wereld wordt beoefend. Om deze informatie begrijpelijk te maken, vertrouwen onderzoekers op gestandaardiseerde codes: één set codes voor ziekten en een andere voor medicijnen. Deze systemen fungeren als een universele taal, waardoor computers medische geschiedenissen over verschillende landen en decennia kunnen lezen en vergelijken. Een eenvoudige overeenkomst tussen een ziektecode en een medicijncode vertelt echter niet altijd het hele verhaal. Alleen omdat een patiënt een specifiek medicijn gebruikt en op hetzelfde moment een specifieke diagnose heeft geregistreerd, betekent dit niet dat het medicijn werd voorgeschreven om die specifieke ziekte te behandelen. Het medicijn kan een symptoom beheersen, een bijwerking van een andere behandeling behandelen, of een volledig ander gezondheidsprobleem aanpakken dat toevallig naast de hoofddiagnose bestaat. Het begrijpen van de werkelijke reden achter een recept is cruciaal voor onderzoekers die deze gegevens willen gebruiken om nieuwe toepassingen voor oude medicijnen te ontdekken of om te bestuderen hoe ziekten zich ontwikkelen.
Een team van onderzoekers zette zich scharpe om een duidelijkere kaart van deze relaties te bouwen door te kijken naar de feitelijke dossiers van ongeveer 1,5 miljoen mensen in het Verenigd Koninkrijk en Denemarken. Ze concentreerden zich op twee verschillende soorten gezondheidszorggegevens: gegevens van huisartsen in het VK, die de routineuze, dagelijkse zorg vastleggen, en gegevens van ziekenhuizen in Denemarken, die ernstiger aandoeningen en gespecialiseerde behandelingen documenteren. Door deze bronnen te combineren, creëerde het team een dataset met bijna 736.000 paren van medicijn- en diagnosecodes die vaak samen voorkwamen. Vervolgens gebruikten ze statistische methoden om deze enorme lijst terug te brengen tot ongeveer 7.763 paren die een sterke, significante link vertoonden, wat betekent dat het medicijn en de diagnose veel vaker samen voorkwamen dan op basis van toeval zou gebeuren.
De kern van hun werk bestond uit het vragen aan menselijke experts om deze links te interpreteren. Zes clinici — drie uit het VK en drie uit Denemarken — beoordeelden elk van de 7.763 paren onafhankelijk van elkaar. Hun taak was om te beslissen of het medicijn direct werd gebruikt om de gediagnosticeerde aandoening te behandelen, of dat de connectie indirect was. De experts labelden elk paar als een directe behandeling, een indirecte relatie, of onzeker. De resultaten onthulden een verrassende realiteit over hoe geneeskunde in de praktijk wordt toegepast. De overgrote meerderheid van de sterke statistische links die het team vond, waren geen gevallen waarin een medicijn de specifieke ziekte behandelde waar het mee gepaard ging. In plaats daarvan waren de meeste van deze associaties indirect. Bijvoorbeeld, een patiënt met kanker kan een medicijn gebruiken om misselijkheid te beheersen die wordt veroorzaakt door chemotherapie, of een patiënt met een chronische hartconditie kan een medicijn gebruiken voor een bijwerking van hun primaire behandeling. In veel gevallen pakte het medicijn een symptoom of een secundair gezondheidsprobleem aan in plaats van de belangrijkste diagnose in het dossier.
De studie benadrukte ook hoe verschillende zorginstellingen deze dossiers vormgeven. De gegevens uit Deense ziekenhuizen vertoonden een hoge frequentie van medicijnen die worden gebruikt voor pijn en anesthesie, evenals behandelingen voor infecties, wat de aard van de ziekenhuiszorg weerspiegelt waarbij operaties en acute ziektenens veel voorkomen. In contrast hiermee werd de data uit Britse huisartsenpraktijken gedomineerd door medicatie voor respiratoire problemen, mentale gezondheid en cardiovasculaire aandoeningen, wat typerend is voor langdurige zorg in de gemeenschap. Wanneer de onderzoekers naar de overlap tussen de twee landen keken, vonden ze dat de paren die in beide datasets voorkwamen bijna altijd klinisch logisch waren, zoals medicijnen voor hartziekten gekopperd aan hartdiagnoses. Echter, zelfs bij deze duidelijke gevallen waren de menselijke experts niet altijd het eens. Het niveau van overeenstemming onder de artsen varieerde, waarbij sommige paren voor aanzienlijke discussie zorgden. Deze onenigheid werd niet gezien als een falen, maar als een vitale aanwijzing: het toonde aan dat het gebruik van medicijnen in de echte wereld vaak complex en contextafhankelijk is, en dat een enkel label niet altijd de nuance van een klinische beslissing kan vatten.
Om zin te geven aan deze uiteenlopende meningen, ontwikkelden de onderzoekers een scoresysteem dat de oordelen van de artsen combineerde in een enkele betrouwbaarheidsscore voor elk medicijn-ziektepaar. Deze score telde niet alleen stemmen, maar hield rekening met het feit dat sommige artsen voorzichtiger waren dan anderen en dat bepaalde soorten medische relaties inherent moeilijker te classificeren zijn. De uiteindelijke bron is een gecureerde lijst van duizenden medicijn-ziecterelaties, elk voorzien van een score die aangeeft hoe waarschijnlijk het is dat het een directe behandeling versus een indirecte associatie is. Dit hulpmiddel stelt andere wetenschappers in staat om onderscheid te maken tussen een medicijn dat wordt gebruikt om een ziekte te genezen en een medicijn dat wordt gebruikt om de bijwerkingen van die ziekte of de behandeling ervan te beheersen. Door dit niveau van detail te bieden, biedt de studie een nauwkeuriger fundament voor het gebruik van elektronische patiëntendossiers in onderzoek, waardoor toekomstige ontdekkingen worden gebouwd op een helder begrip van hoe medicatie daadwerkelijk in de echte wereld wordt gebruikt.
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.