Academia Bite

二次医療データは「真実」を語る？薬剤疫学研究の落とし穴と賢い情報の読み解き方

Listen Later

本コンテンツは次の論文を紹介しています。この論文は医療記録や行政データベースから得られる臨床データや治療データが、臨床研究や疫学研究に新たな機会をもたらす一方で、これらのデータベースには固有の限界があり、新たなバイアスが生じやすいという背景に基づいています。

この研究の目的は、二次データベースに基づく観察的臨床研究に特有のバイアスを構造的にレビューし、それらのバイアスを軽減するための戦略を提案することです。

調査方法としては、2000年から2018年までの科学文献をMEDLINE、EMBASE、Web of Scienceで自動検索し、さらに参考文献リストの手作業による相互チェックで補完したスコーピングレビューが行われています。対象となったのは、二次データベースを用いた医薬品疫学研究における何らかのバイアスの存在を指摘することを主目的とした、意見論文、方法論的レビュー、分析研究、シミュレーション研究、編集者への手紙、または撤回論文です。

結果として、合計117の論文がこのレビューに含まれており、潜在的なバイアスに関する出版物の数が増加傾向にあることが示唆されています。

この論文はスコーピングレビューであるため、個々のバイアスの詳細なメカニズムを深く掘り下げるというよりは、どのようなバイアスが存在し、それらに関する出版物が増加傾向にあることを示唆している点が主眼となります。

  • 情報バイアス (Information bias):
    • 誤分類 (Misclassification):
      • 曝露（薬剤使用）やアウトカム（疾患の発生）の定義が不正確であることによる誤分類。例えば、診断コードが正確でない場合や、薬剤処方データが実際の服用状況を反映していない場合などが考えられます。
      • 論文の参考文献にも “Misclassification of current benzodiazepine exposure by use of a single baseline measurement” (Ref. 164) という記述があり、これは薬剤曝露の誤分類を示唆しています。
      • 測定バイアス (Measurement bias): データベースのデータ収集方法や記録方法に起因するバイアス。
      • 選択バイアス (Selection bias):
        • 適応による交絡 (Confounding by indication): 薬剤が特定の症状や疾患を持つ患者に処方されるため、その薬剤の効果と疾患の重症度や他の特性が混同されること。これは二次データベース研究で最も一般的なバイアスの一つです。
        • 健常者バイアス (Healthy user bias): 健康意識の高い人が特定の薬剤を服用する傾向があるため、その薬剤が実際以上に良い効果を持つように見えてしまうバイアス。
        • プロトコール逸脱による選択バイアス (Selection bias due to protocol deviation): データベースの特性上、特定の患者群が分析から除外されたり、逆に過剰に含まれたりすることによって生じるバイアス。
        • 交絡 (Confounding):
          • 残余交絡 (Residual confounding): 既知の交絡因子が十分に調整されていない、あるいはデータベースに利用可能な情報がないために調整できない交絡因子によるバイアス。
          • 時間関連バイアス (Time-related bias):
            • イモータルタイムバイアス (Immortal time bias): 観察期間中に「生存している」ことによってのみ曝露される期間が生じ、それが観察期間中に「死亡する」といったアウトカムから保護されるように見えてしまうバイアス。これは特に、薬剤曝露の開始時点とアウトカムの観察開始時点の定義が不適切だと発生しやすくなります。論文の参考文献にも “Immortal time bias in observational studies of drug effects in pregnancy” (Ref. 167) や “Understanding and avoiding immortal-time bias in gastrointestinal observational research” (Ref. 166) といった記述が見られます。
            • 不測の期間バイアス (Immeasurable time bias): 病院での入院期間など、特定の期間がデータとしてうまく捕捉できないことによって生じるバイアス。参考文献にも “Immeasurable time bias due to hospitalization in medico-administrative databases” (Ref. 165) とあります。
            • 追跡期間の不均一性 (Heterogeneity in follow-up time): 患者によって観察期間の長さが異なることによって生じるバイアス。

              • これらのバイアスは、二次医療データベースの特性（データの二次利用、臨床目的で収集されたデータ、非体系的なデータ収集など）に起因することが多く、医薬品の効果を正確に評価するためには、これらのバイアスを理解し、適切に対処することが極めて重要となります。

              参照元文献
              リンク

              https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/s12874-019-0695-y

              ライセンス

              CC-BY 4.0 article (http://creativecommons.org/licenses/by/4.0/)

              書誌事項

              Guillermo Prada-Ramallal, Bahi Takkouche, Adolfo Figueiras, Bias in pharmacoepidemiologic studies using secondary health care databases: a scoping review　BMC Medical Research Methodology (2019) 19:53

              改変と限界

              本コンテンツは参照した論文の内容に基づいて、生成AIによりその内容をまとめなおしたものです。 AIの限界としてハルシネーションが知られています。日本語の漢字の読み間違いが存在します。

              BGM: J.S. Bach 作曲Goldberg-Variationen (BWV 988) 当サイトの主催者の演奏です

              ...more
              View all episodesView all episodes
              Download on the App Store
              Academia BiteBy bluescript