论文部分内容阅读
研究目的研究用于治疗骨性关节炎的非甾体类镇痛消炎药为例,探索BRAT模型与SMAA模型在药物效益风险评价中的应用,为药物价值评估提供客观依据,为指导临床合理用药提供有效参考,为监测不良反应风险提供分析途径,为卫生资源合理配置提供数据支持。研究方法采用文献研究法,检索中国知网(CNKI)、维普、万方、Pubmed、Cochrane、OVID、Springer等数据库对国内外公开发表有关药物效益风险评价的相关文献,梳理国内外药物效益风险评价的方法及应用情况,对治疗骨性关节炎的药物研究进行梳理、分析,确定研究对象,筛选纳入效益和风险指标,并获得相关的研究数据;运用网状Meta分析将经过纳排标准筛选获得的文献资料进行分析,比较不同研究中用于治疗骨性关节炎非甾体类镇痛消炎药的效益风险;运用BRAT模型对收集的数据进行整理汇总,评价五种药物分别与安慰剂在治疗骨性关节炎的效益风险;运用SMAA模型对收集的数据进行整理汇总,对治疗骨性关节炎药物的效益风险进行综合评价。研究内容借助贝叶斯网状Meta分析对治疗骨性关节炎的六种药品在每项临床指标上进行效益与风险评价;运用BRAT模型以安慰剂作为对照,将其他五种药品分别与安慰剂进行两两比较,评价五种药品与安慰剂的效益风险优劣;利用SMAA模型分别模拟在三种无偏好信息、医生偏好信息、患者偏好信息三种情形下,结合六种治疗骨性关节炎药物的安全性、有效性指标,进行综合的效益风险评价。研究结果贝叶斯网状Meta分析结果如下:(1)治疗完成率:艾托考昔>布洛芬>双氯芬酸>萘普生>塞来考昔>安慰剂;(2)12周Pain评分(VAS)变化:艾托考昔>双氯芬酸>萘普生>塞来考昔>布洛芬>安慰剂;(3)12周Phys Func评分变化:艾托考昔>萘普生>布洛芬>塞来考昔>双氯芬酸>安慰剂;(4)总体不良事件发生率:萘普生>双氯芬酸>布洛芬>艾托考昔>塞来考昔>安慰剂;(5)用药导致的不良事件发生率:布洛芬>萘普生>双氯芬酸>艾托考昔>塞来考昔>安慰剂;(6)消化系统不良事件发生率:萘普生>布洛芬>双氯芬酸>塞来考昔>安慰剂>艾托考昔;(7)头痛反应发生率:安慰剂>布洛芬>双氯芬酸>塞来考昔>萘普生>艾托考昔;(8)高血压反应发生率:双氯芬酸>布洛芬>艾托考昔>塞来考昔>安慰剂>萘普生;(9)上呼吸道感染发生率:萘普生>艾托考昔>双氯芬酸>塞来考昔>安慰剂>布洛芬;(10)治疗失效率:安慰剂>布洛芬>塞来考昔>艾托考昔>萘普生>双氯芬酸。基于BRAT模型评价结果如下:(1)塞来考昔与安慰剂对比,在治疗完成率、Pain VAS评分变化、Phys Func评分变化方面的效果优于安慰剂,总体不良事件发生率、用药导致不良事件发生率、高血压发生率、上呼吸道感染发生率、消化系统不良事件发生率高于安慰剂;(2)双氯芬酸与安慰剂对比,在治疗完成率、Pain VAS评分变化、Phys Func评分变化方面的效果优于安慰剂,总体不良事件发生率、用药导致不良事件发生率、高血压发生率、上呼吸道感染发生率、消化系统不良事件发生率高于安慰剂;(3)艾托考昔与安慰剂对比,在治疗完成率、Pain VAS评分变化、Phys Func评分变化方面的效果优于安慰剂,在总体不良事件发生率、用药导致不良事件发生率、高血压发生率、上呼吸道感染发生率高于安慰剂;(4)布洛芬与安慰剂对比,在治疗完成率、Pain VAS评分变化、Phys Func评分变化方面的效果优于安慰剂,在总体不良事件发生率、用药导致不良事件发生率、高血压发生率、消化系统不良事件发生率高于安慰剂;(5)萘普生与安慰剂对比,在治疗完成率、Pain VAS评分变化、Phys Func评分变化方面的效果优于安慰剂,在总体不良事件发生率、用药导致不良事件发生率、消化系统不良事件发生率、消化系统不良事件发生率高于安慰剂。基于SMAA模型评价结果如下:(1)无偏好信息情况下排序为艾托考昔>塞来考昔>萘普生>布洛芬>双氯芬酸>安慰剂;(2)医生偏好信息情况(治疗完成率>Pain评分(VAS)变化>Phys Func评分变化>总体不良事件发生率>用药导致的不良事件发生率>无效治疗率>头痛发生率>高血压反应发生率>上呼吸道感染发生率>消化系统不良事件发生率)下排序为艾托考昔>塞来考昔>萘普生>布洛芬>双氯芬酸>安慰剂;(3)患者偏好信息情况(治疗完成率>Pain评分(VAS)变化>Phys Func评分变化>用药导致的不良事件发生率>头痛发生率>高血压反应发生率>上呼吸道感染发生率>总体不良事件发生率>无效治疗率>消化系统不良事件发生率)下排序为艾托考昔>萘普生>塞来考昔>布洛芬>双氯芬酸>安慰剂。研究结论以治疗骨性关节炎的药物为例,结合贝叶斯网状Meta分析与BRAT模型、SMAA模型进行综合药品效益风险评价,并可结合实际的偏好信息情况进行分析,最终得出药品的效益风险优劣势排序,为药品政策提供客观数据支持。药品效益风险评价期待多学科专家共同参与,相关监测部门大数据的支持,以提升评价结果的科学、合理性。