Comparing Existing Algorithms for Retrieving Pregnancy-related Adverse Event Reports

Este estudo compara três algoritmos baseados em regras desenvolvidos independentemente para recuperar relatórios de eventos adversos relacionados à gravidez, demonstrando que as diferenças nos resultados refletem variações no escopo de aplicação e destacando a importância de compreender essas distinções para a seleção da ferramenta mais adequada às necessidades específicas de farmacovigilância.

O essencial

Imagine que você é um detetive tentando encontrar agulhas em um palheiro gigante. Nesse caso, o "palheiro" é um banco de dados enorme com milhões de relatórios sobre efeitos colaterais de remédios, e as "agulhas" são os casos específicos de mulheres grávidas que tomaram esses remédios.

O problema é que, quando os médicos enviam esses relatórios, muitas vezes não escrevem claramente "esta paciente está grávida". É como se alguém tivesse escondido a etiqueta "Grávida" dentro de uma mala cheia de roupas, sem dizer onde ela está. Isso dificulta muito a segurança dos medicamentos para gestantes.

Para resolver isso, três equipes de especialistas criaram três "detectives de software" (algoritmos) diferentes, cada um treinado para vasculhar bancos de dados específicos e encontrar essas agulhas.

O que os pesquisadores fizeram?
Eles decidiram colocar esses três detectives na mesma sala para ver como eles trabalhavam. Eles ensinaram os três a falar a mesma língua (usando um programa de computador chamado R) e os mandaram vasculhar dois grandes arquivos de dados mundiais: o VigiBase (gerido pela OMS) e o FAERS (dos Estados Unidos).

O que eles descobriram?
Os resultados foram como se você tivesse três caçadores de tesouros procurando o mesmo mapa, mas cada um com um filtro diferente:

1. O Detective A (Algoritmo A): É o mais "generoso". Ele não se importa com a idade da pessoa. Se ele acha que pode ser uma gravidez, ele pega o relatório. Por isso, ele achou muitos casos que os outros deixaram passar, especialmente envolvendo pessoas mais velhas.
2. O Detective B (Algoritmo B): É o mais "cético". Ele ignora casos onde a gravidez é considerada "normal" (sem problemas) ou onde a contracepção falhou. Ele só quer os casos que parecem estranhos ou problemáticos.
3. O Detective C (Algoritmo C): É o mais "focado na mãe". Ele ignora completamente qualquer relatório que fale sobre o pai (exposição paterna). Ele só quer histórias que envolvam diretamente o corpo da mulher grávida.

A Grande Revelação
Quando compararam o que cada um achou, viram que eles não estavam errados, apenas tinham focos diferentes.

• O Detective C achou um número gigantesco de relatórios a mais do que os outros (mais de 140 mil a mais no banco de dados mundial) simplesmente porque ele não descartava casos que os outros achavam irrelevantes.
• As diferenças não eram erros, mas sim escolhas de design: um queria ser amplo, outro queria ser específico, e outro queria ser focado apenas na mãe.

A Lição Final
A mensagem principal do estudo é como escolher a ferramenta certa para o trabalho:

• Se você quer ver tudo o que pode acontecer, use o Detective A.
• Se você quer focar apenas em problemas estranhos, use o Detective B.
• Se você quer garantir que nenhuma história da mãe seja esquecida, use o Detective C.

Não existe um "melhor" detective universal. O segredo é saber qual deles você precisa contratar dependendo do que você está tentando descobrir. Entender essas diferenças ajuda os profissionais de saúde a escolherem a ferramenta certa para proteger a saúde das futuras mamães.

Resumo técnico

Resumo Técnico: Comparação de Algoritmos Existentes para Recuperação de Relatos de Eventos Adversos Relacionados à Gravidez

1. Problema Identificado

A farmacovigilância pós-comercialização é fundamental para complementar os perfis de segurança de medicamentos, especialmente para populações frequentemente excluídas dos ensaios clínicos, como gestantes. No entanto, um obstáculo crítico persiste: a ausência de um indicador padronizado de gravidez nas transmissões eletrônicas de relatos de eventos adversos. Essa lacuna dificulta a identificação correta desses casos em bases de dados de farmacovigilância e complica o estudo de preocupações de segurança relacionadas à exposição a medicamentos durante a gravidez. Embora existam três algoritmos baseados em regras desenvolvidos recentemente para resolver esse problema (A para FAERS, B para EudraVigilance e C para VigiBase), eles diferem em escopo e implementação, gerando incertezas sobre qual ferramenta utilizar.

2. Metodologia

Este estudo foi uma colaboração direta entre os autores dos três algoritmos de referência. A abordagem metodológica consistiu em:

• Harmonização: As regras de lógica de cada algoritmo foram padronizadas.
• Implementação Técnica: Os algoritmos foram codificados em um pacote R, permitindo sua execução tanto na base de dados da OMS (VigiBase) quanto na base da FDA (FAERS).
• Análise Comparativa: Os pesquisadores analisaram as características-chave dos relatos sinalizados por cada algoritmo em ambas as bases de dados para identificar sobreposições e discrepâncias.

3. Contribuições Principais

• Unificação de Ferramentas: A criação de um pacote R que integra três algoritmos independentes, permitindo uma comparação direta e reprodutível em diferentes bases de dados globais.
• Mapeamento de Escopos: A identificação clara de como as diferenças nas regras de inclusão/exclusão (como restrições de idade, definição de gravidez normal e exposição paterna) impactam diretamente o volume e a natureza dos dados recuperados.
• Guia de Seleção: Fornecimento de evidências empíricas para que profissionais de farmacovigilância possam escolher o algoritmo mais adequado às suas necessidades específicas de pesquisa.

4. Resultados

A aplicação dos algoritmos (A, B e C) gerou volumes distintos de relatos sinalizados:

• Na VigiBase:
  • Algoritmo A: 235.653 relatos.
  • Algoritmo B: 279.515 relatos.
  • Algoritmo C: 446.957 relatos.
• No FAERS:
  • Algoritmo A: 265.015 relatos.
  • Algoritmo B: 260.734 relatos.
  • Algoritmo C: 350.479 relatos.

Análise dos Relatos Exclusivos:
Os relatos recuperados exclusivamente por cada algoritmo foram analisados para entender as discrepâncias:

• Algoritmo A: Recuperou mais casos únicos principalmente por não possuir restrição de idade.
• Algoritmo B: Sua exclusividade deve-se à exclusão de casos de "gravidez normal" e "contracepção ineficaz".
• Algoritmo C: Recuperou um volume significativamente maior de relatos exclusivos (142.324 na VigiBase e 59.643 no FAERS) porque exclui a exposição paterna (focando apenas na gestante), capturando assim um conjunto diferente de dados em comparação aos outros.

5. Significado e Conclusão

O estudo conclui que as diferenças na sinalização de relatos não são erros, mas reflexo de escopos e implementações heterogêneas. A compreensão dessas distinções é vital para a comunidade de farmacovigilância. Não existe um algoritmo "universalmente superior"; a escolha depende do objetivo da pesquisa (ex.: se o foco é a segurança da gestante específica ou se inclui exposições paternas). A conscientização sobre essas nuances permite que os profissionais selecionem a ferramenta mais apropriada, garantindo a robustez e a precisão dos estudos de segurança de medicamentos em populações gestantes.