Pendahuluan

Dalam bab ini kita membahas sistem hubungan catatan medis berbasis farmasi, yang
masing-masing memiliki basis data pengeluaran berbasis farmasi yang besar sebagai basis data
paparan utamanya. Basis data ini dihubungkan ke file router pasien Pusat, yang kemudian
dihubungkan dengan basis data hasil (misalnya, rawat inap, kematian, laboratorium klinis), yang
beberapa dimiliki dan diatur oleh organisasi yang berbeda. File router pasien sentral termasuk
pasien anonim yang unik nomor identifikasi, yang digunakan untuk mempertemukan data paparan
dan hasil yang telah ditentukan pada pasien yang disimpan dalam berbagai database terkait, ke
dalam database penelitian baru tunggal. Database penelitian gabungan ini kemudian digunakan
untuk melakukan studi farmakoepidemiologi .

Sistem hubungan rekam medis berbasis farmasi paling baik dideskripsikan sebagai jaringan basis
data federasi atau virtual yang secara transparan mengintegrasikan banyak basis data otonom ke
dalam satu sistem di mana data dihubungkan menggunakan nomor identifikasi pasien yang
dianonimkan. Karena basis data konstituen tetap otonom, sistem ini adalah alternatif ketika
database terintegrasi tidak tersedia, atau di mana privasi ketat dan mengatur aturan ance tidak
mengizinkan penyimpanan data dalam repositori pusat. Akses ke database individu untuk
membangun dataset baru yang terhubung untuk penelitian ilmiah kemudian memerlukan izin dari
masing-masing organisasi. Dalam skema seperti itu, organisasi individu yang dical yang mungkin
dalam ukuran dari satu pra umum bervariasi besar titioner (GP) ke database nasional besar, memiliki
kontrol maksimum untuk mematuhi aturan mereka sendiri untuk aturan ernance. Di Denmark,
peneliti dapat menghubungkan beberapa registri nasional dengan menggunakan pasien yang unik,
nomor identifikasi yang diberikan bahwa registrasinya adalah hukum Band memungkinkan
keterkaitan semacam itu. Pada waktunya, jaringan ini mungkin sebagian 'de-federasi' jika organisasi
Ons salinan atau subset (misalnya que, terlibat penyimpanan izin dari database ke daerah baru yang
baru) dari otonom dan repositori. Sebagai contoh, dua atau lebih organisasi sewa otonom dapat
memutuskan untuk menyimpan overlappin subset regional dari database mereka dalam studi data-
ata baru. Di pangkalan yang digunakan untuk melakukan pharmacoepidemiologic Belanda, rumah
sakit laboratorium klinis ems GP, dan apoteker menyimpan subset dari basis data mereka untuk
dihubungkan untuk penelitian dasar farmakologi di PHARMO (PHARmacoMorbidity in linkage
system) Institut.

Sistem hubungan rekam medis berbasis farmasi telah didirikan di negara-negara Nordik a
(Denmark, Swedia, Norwegia, Finlandia, Greenland tidak dan Islandia) Skotlandia, dan Belanda. Di
negara-negara ini, resep yang dikeluarkan oleh dokter umum dan dokter spesialis diisi di komunitas
farmasi Informasi dalam database farmasi komunitas ini dapat digabungkan menjadi satu basis data
nasional (misalnya, register Resep Nasional Denmark) atau oleh beberapa organisasi ke dalam
basisdata regional (misalnya sistem PHARMO Belanda). Database paparan ini dihubungkan baik
dengan pendaftaran nasional atau tumpang tindih basis data regional. Beberapa sistem
penghubungan rekam medis berbasis farmasi di negara-negara ini adalah salah satu sistem tertua
untuk penelitian pharmacoepidemiologic di Eropa, yang dibuat pada awal 1990-an, dan telah
digunakan sebagai sumber daya untuk ratusan publikasi. Perbandingan di antara catatan-catatan ini
sangat berhubungan dengan data Kompleks karena perbedaan spesifik negara dalam undang-
undang dan peraturan tions yang mempengaruhi konten, kelengkapan, dan validitas database
terkait, otonom.Selain itu, di sebagian besar negara Uni Eropa, banyak sistem berdasarkan catatan
hubungan khusus tersedia, mulai dari beberapa ribu hingga jutaan pasien, tetapi terbatas pada
penyakit tertentu dan memiliki penggunaan terbatas untuk penelitian pharmacoepidemiologic.
Sistem hubungan rekam medis berbasis farmasi di negara-negara Nordik dan Belanda sangat mirip
sehubungan dengan data paparan yang tersedia (Tabel 18.1) dan data hasil klinis terkait (Tabel 18.2)
.Lembatasan ruang menghalangi deskripsi rinci dari semua basis data yang merupakan bagian dari
skema ini. Detail lebih lanjut dapat ditemukan di situs web dari sistem tautan catatan individual.
Oleh karena itu, sebagai contoh dari sistem hubungan catatan medis berbasis farmasi, kita akan
membahas OPED Denmark (Odense University Pharmaco epidemiologic Database), AUHD Denmark
(Aarhus University Prescription Database; AUHD juga disebut dalam literatur yang diterbitkan oleh
nama-nama Pharmacoepidemiologic Prescription Database dari North Jutland dan Prescription
Databases dari North Denmark dan Central Denmark Regions), dan Dutch FARMO record linkage
System.

Deskripsi

Sistem catatan hubungan medis berbasis farmasi memiliki setidaknya tiga jenis file yang
sama: file router pasien yang berisi karakteristik pasien dalam populasi tangkapan; registrasi paparan
obat farmasi; dan satu atau lebih daftar klinis terkait yang diperoleh dari organisasi lain atau
profesional kesehatan. Pemaparan dan pendaftar klinis terkait dengan file router pasien
menggunakan berbagai metode hubungan catatan. Di bawah ini, pertama-tama kita membahas
metode yang digunakan untuk menghubungkan database yang berbeda. Kemudian kita membahas
basis data hasil terkait.

Rekam hubungan

Paling tidak ada tiga metode yang digunakan untuk menghubungkan berbagai basis data
pasien yang berbeda. Yang paling mudah adalah hubungan deterministik, berdasarkan nomor
identifikasi pribadi unik yang digunakan di berbagai sistem. Ini adalah metode hubungan utama
untuk database OPED dan AUPD di Denmark dan juga dapat digunakan untuk seluruh penduduk
Denmark. Sebagai alternatif, dengan tidak adanya nomor identifikasi pribadi yang unik, urutan
karakteristik pasien dapat digunakan untuk membangun kunci hubungan semideterministik yang
unik. Database Unit Pemantauan Obat (MEMO) di wilayah Tayside di Skotlandia menggunakan kunci-
nomor Community Health Index (CHI). Ini adalah bilangan bulat sepuluh digit, di mana enam digit
pertama menunjukkan tanggal lahir, angka tujuh dan delapan memberikan informasi tentang
wilayah tempat tinggal, digit kesembilan menunjukkan seks, dan digit kesepuluh menggabungkan
checksum untuk memastikan validitas nomor. Metode ketiga, hubungan catatan probabilistik,
digunakan untuk menghubungkan basisdata dan pendaftar dalam sistem PHARMO. Itu bergantung
pada beberapa karakteristik pasien untuk membuat pengidentifikasi. Rekaman dari dua file yang
akan ditautkan dikelompokkan ke dalam pasangan rekaman, berdasarkan perjanjian awal tanggal
lahir dan jenis kelamin. Karakteristik tambahan kemudian ditambahkan ke setiap sisi pasangan,
seperti awal nama belakang, nama keluarga, kode pos, nama praktisi umum, algoritma kompresion
nama (misalnya, kode Soundex), dan tanggal kematian. Perkiraan kemungkinan Bayesian dan aturan
berbasis pembelajaran diterapkan untuk memperkirakan kemungkinan bahwa dua catatan dari dua
file berbeda milik atau bukan milik individu yang sama.

Semua pendekatan keterkaitan rentan terhadap kesalahan. cs of Meskipun penggunaan

nomor identifikasi pribadi macy (deterministik atau semi permanen) sering lebih dianggap sebagai
strategi hubungan yang paling akurat, angka-angka tersebut mungkin telah digunakan sebelumnya,
dapat berubah dan berubah seiring waktu, mungkin dicatat salah, atau mungkin hilang. Validasi
hubungan ini bisa sulit karena perbandingan dengan nama dan alamat dalam sampel pasien
membutuhkan protokol dan izin mes ketat. Hubungan semideterministik yang digunakan dalam
sistem MEMO menghasilkan sensitivitas dan nilai prediksi positif 0,96 dan 0,95, masing-masing, bila
dibandingkan dengan nama dan alamat informasi sewa dalam sampel pasien. Studi validasi terbaru
tentang hubungan registrasi kanker dengan file roster PHARMO mengkonfirmasi sensitivitas dan
spesifisitas 0,98 dibandingkan dengan informasi nama dan alamat dari sampel dan pasien. Sistem
hubungan catatan PHARMO menggunakan kombinasi deterministik (misalnya, data GP),
semetralistik (misalnya, data laboratorium klinis), dan teknik probabilistik (misalnya, data rumah
sakit) untuk menautkan basis data ke file daftar pasien sentral. Probabilistik Teknik ini juga
digunakan untuk mengidentifikasi duplikat dalam file pasien dari apotek komunitas. Apapun metode
penghubung yang diterapkan, nomor identifikasi pasien yang unik tersedia di router pasien dan file
kejadian.

File router pasien

Fila router pasien, di mana semua pasien memiliki nomor identifikasi unik, pada dasarnya mewakili
semua penduduk suatu populasi di wilayah geografis tertentu, seperti wilayah atau negara. File
router pasien biasanya termasuk pengidentifikasi pribadi yang unik, tahun kelahiran, jenis kelamin,
dan tempat tinggal, dan berfungsi sebagai router menunjuk ke file di mana paparan dan sejarah
klinis disimpan Pasien dapat memasukkan populasi dengan kelahiran atau imigrasi, dan dapat
berangkat dari penduduk melalui kematian atau emigrasi. Di Denmark, informasi mengenai tanggal
lahir dan tanggal kematian tersedia dari Sistem Pencatatan Sipil (CRS) Di Belanda, informasi ini
diperoleh melalui hubungan dengan pencatatan kelahiran atau kematian. Periode waktu antara
tanggal masuk ke dan tanggal keluar dari daerah tangkapan didefinisikan sebagai acara yang
memenuhi syarat "periode untuk masing-masing pasien. Dalam periode yang memenuhi syarat ini,
kohor dapat diekstraksi berdasarkan peristiwa yang ditentukan (misalnya, paparan, hasil) atau
pasien tertentu karakteristik (misalnya usia). Tindak lanjut hampir selalu berakhir dengan kematian
atau akhir periode pendaftaran, jika tidak ditentukan lain. Perubahan dalam perawatan kesehatan
dalam beberapa tahun terakhir telah menyebabkan pasien untuk berbelanja di antara apotek
komunitas, menciptakan kebutuhan untuk mengidentifikasi pasien duplikat dan untuk menentukan
nomor pasien unik baru.

Basis data paparan

Apotek komunitas adalah sumber paparan informasi dalam catatan medis berbasis farmasi dari 8
sistem tautan U di Denmark dan Belanda, misalnya, obat yang diresepkan oleh dokter umum,
spesialis medis atau yang lain dengan lisensi wajib yang diresepkan harus diisi apotek komunitas.
Dalam menanggapi insentif keuangan dan insentif lainnya, sebagian besar pasien yang taat
menetapkan satu apotek untuk mengisi semua resep mereka. PHARMO farmacy hosp database
menyimpan informasi pengeluaran kembali indi ke 1986: OPED mulai mengumpulkan data pada
tahun 1990 dan meminta AUPD pada tahun 1989. Ada sekitar 1.600 apotek pita masyarakat di
Belanda dan 300 di Denmark. menggunakan Resep yang berasal dari akun sektor perawatan
kesehatan primer untuk sekitar 96% dari volume total volume penjualan produk obat di Denmark.
Database ini biasanya menggunakan sistem pengkodean Anatomical Therapeutic Chemical (ATC)
(lihat Bab 24) untuk mengkode obat-obatan.

Namun demikian, beberapa perbedaan nasional regional dan regional yang penting harus
diperhatikan. Di Kantor Statistik Pemerintah Denmark, database resep nasional telah tersedia sejak
tahun 2004, terlepas dari status penggantian, tetapi semua analisis harus dilakukan pada server
mereka, tanpa atau akses ke nomor registrasi sipil. Pendaftaran di dalam database resep Denmark
regional tergantung pada status penggantian, dan karenanya data pada obat penenang, hipnotik,
kontrasepsi oral, dan S). laksatif tidak lengkap Database PHARMO Belanda tidak terbatas pada obat-
obatan yang diganti, tetapi ia juga berisi informasi tentang obat-obatan yang tidak mendapat
penggantian, obat-obatan homeopati, dan obat herbal, serta beberapa peralatan medis (misalnya,
glukosa darah, monitor). , bantalan inkontinensia urin, dan produk non farmasi lainnya. Basis data
PHARMO juga termasuk instruksi dosis dan juga menentukan durasi penggunaan legenda.
Pencatatan atau legenda pasti untuk durasi penggunaan penting bagi rutinitas pengawasan obat-
obatan apoteker. Tidak ada basis data yang mencakup alasan untuk meresepkan (yaitu, indikasi
terapeutik untuk obat) dalam catatan pengeluaran makanan. Namun dalam jaringan hubungan
catatan PHARMO, indikasi untuk sampel obat yang dibagikan dapat dipastikan atau disimpulkan
melalui hubungan ke rekam medis.

Lembaga PHARMO juga memiliki basis data tentang eksposur narkoba di rumah sakit sejak tahun
2000 dari 12 dari 80 apotek rumah sakit di Belanda, dengan total populasi tangkapan sebesar 2,5
juta. Ke-12 rumah sakit mencatat semua pesanan obat untuk pasien ng selama tinggal di rumah sakit
mereka. Data untuk sekitar 1 juta dari 2,5 juta pasien rawat inap ini terkait dengan file pengisian file
pasien FARMO. Masalah pengkodean dapat terjadi dengan obat-obatan di rumah sakit yang
diperparah khusus untuk pasien individu ck (terutama perawatan kanker) yang memerlukan
pengkodean tambahan melalui abstraksi grafik di apotek rumah sakit. Data obat rawat inap
digunakan terutama untuk mengidentifikasi obat-obatan yang diberikan untuk mengobati dan
penyakit infeksi, dan untuk mempelajari perbedaan antara penggunaan obat berbasis rumah sakit
dan masyarakat. Database populasi yang sama sedang didirikan di Denmark menggunakan file
pasien elektronik. Saat ini, itu terbatas pada beberapa produk obat. Namun, sejak tahun 1999,
perawatan rawat inap yang paling mahal (misalnya, perawatan biologis) dan beberapa perawatan
intravena telah dicatat dalam Registrasi Nasional Denmark untuk Pasien. Database rumah sakit
menghadirkan banyak tantangan, terutama berkenaan dengan identifikasi dan pengkodean produk
yang dikeluarkan.

Rawat inap

Denmark memiliki registri yang berisi informasi pasien rawat inap sejak tahun 1977 dan Belanda
telah memiliki registri yang sama sejak tahun 1963. Mereka benar-benar mencakup periode ketika
informasi paparan obat tersedia, dan mencakup semua diagnosis pemulangan klinis. Di Denmark,
diagnosis dikodekan menggunakan International Classification of Diseases, edisi ke-8 (ICD-8) atau
sistem edisi ke-10 (ICD-10). Di wilayah PHARMO, diagnosis debit adalah kode data yang
menggunakan IC-9-CM (modifikasi klinis ). Registri rumah sakit Denmark juga mencakup informasi
mengenai kunjungan ke unit gawat darurat dan klinik rawat jalan rumah sakit sejak tahun 1995. Di
Belanda, registri rumah sakit akan diubah menjadi database baru selama beberapa tahun ke depan,
dikodekan dari batas Ja A sesuai dengan ICD- 10 sistem, dan juga akan melakukan termasuk
informasi mengenai kunjungan ke klinik rawat jalan dan unit gawat darurat. Baik Denmark dan untuk
diab rumah sakit Belanda database termasuk informasi tentang penyakit lebih dari sepuluh diagnosa
debit dan prosedur per rawat inap, tetapi tidak lengkap mengenai prosedur diagnostik non-invasif
seperti pencitraan resonansi magnetik dan computed tomography. Di Denmark dan Belanda, dokter
kode perawatan medis dan prosedur bedah kode bedah. Spesialis pengkodean terlatih di rumah
sakit memeriksa data dan memasukkannya ke dalam sistem. Data diperbarui dan diunggah dari
rumah sakit ke registri nasional setiap bulan di Denmark dan setiap tahun di Belanda dan tersedia
setelah prosedur kontrol selesai.

data laboratorium klinis

Baik sistem catatan hubungan PHARMO dan database Denmark memiliki akses ke hasil
laboratorium. Data dikumpulkan dari laboratorium individu, termasuk semua tes klinis yang
diperintahkan oleh dokter umum dan rumah sakit. Pesanan untuk tes dan hasil tes dikomunikasikan
secara elektronik antara dokter umum dan rumah sakit. Laboratorium individu di Denmark Utara
dan di wilayah PHARMO menggunakan sistem perangkat lunak yang berbeda. Di Belanda data
standar, dikodekan, dan dibersihkan di PHARMO Institute, dan di Denmark proses ini berlangsung di
Departemen Epidemiologi Klinis, Rumah Sakit Universitas Aarhus. Untuk setiap studi, izin harus
diperoleh dari jaringan PHARMO atau Rumah Sakit Universitas Aarhus untuk mengakses
databasenya.

Database PHARMO mencakup data tentang lebih dari 500 tes hematologi dan serologis yang
berbeda untuk lebih dari 2,3 juta pasien, di antaranya 1,2 juta tumpang tindih dan terkait dengan file
daftar PHARMO. Data diperbarui setiap 3 bulan. Di Denmark, populasi yang dicakup oleh database
laboratorium terletak di area geografis yang terdefinisi dengan baik yang mewakili sekitar 30%
populasi. Kelengkapan data belum sepenuhnya dinilai untuk tahun-tahun awal (1990-an) dari basis
data laboratorium Denmark, tetapi dianggap selesai dari 1 Januari 1999 hingga 31 Desember 2009.
Keterbatasan sebagian besar uji laboratorium adalah bahwa mereka dilakukan karena klinis
kecurigaan akan suatu penyakit tertentu. Di sisi lain, beberapa tes yang berkaitan dengan diabetes,
asma, penyakit paru obstruktif kronik, dan pengobatan kardiovaskular adalah bagian dari regimen
pengobatan diagnostik standar yang diperkenalkan pada tahun 2006. Untuk penyakit ini, dokter
akan ditegakkan kembali sesuai dengan pembayaran tetap untuk kondisi tersebut, dan tes ini
dilakukan setidaknya sekali setiap tahun untuk sebagian besar pasien. Tes-tes ini termasuk lipid dan
glikosilasi hemoglobin (HbA1c) pada pasien diabetes. Pengukuran non laboratorium termasuk status
merokok tekanan darah, indeks massa tubuh, dan hasil pemeriksaan funduskopi Di PHARMO
Institute beberapa hasil tes dicatat dalam database uji fungsi (misalnya, tekanan darah, elektro
cardiogram [EKG], volume ekspirasi paksa dalam 1 detik , pemeriksaan funduskopi, dan penilaian
mikrofilamen), dan tersedia untuk penelitian.

Temuan patologis

Di kedua negara, data patologi klinis ditransfer oleh organisasi nasional ke dalam registri
patologi nasional. Di Denmark, data patologi telah digunakan untuk penelitian dan pengukuran
kualitas dalam diagnostik dan pengobatan sejak tahun 1997. Di Belanda, Anatomi Patologis The
National Automated Archive (PALGA) register adalah penyimpanan pusat pro dari temuan patologis
yang digunakan dalam Me rutin setiap hari. praktek. Kutipan temuan lish patologis dianonimkan, dan
kutipan dari fakta dataset lengkap disimpan dalam database penelitian Nasional, dapat diakses oleh
peneliti atas permintaan. Jaringan PALGA mencakup data dari semua 64 histopatologi dan
laboratorium cytopathology di Belanda, dengan variasinya yang terus meluas. arsip otomatis dari
kutipan laporan patologi (saat ini sekitar 42 juta kutipan pada hampir 10 juta pasien sejak tahun
1991. Di kedua Bot Denmark dan Belanda, database patologi digunakan untuk menilai kualitas
pendaftaran kanker, dan untuk mengidentifikasi dan memperingatkan pendaftar kanker tentang
Kasus-kasus baru Patologi di Denmark dikodekan menurut Sistem Nomenatur Kedokteran
(SNOMED), suatu sistem klasifikasi yang dapat dibandingkan dalam lingkup SNOMED digunakan di
Belanda.

Registri kanker

Di Denmark dan Belanda, organisasi nasional dan pemerintah telah menetapkan pendaftar
kanker untuk mengumpulkan data tentang insiden kanker. Di kedua negara, registries didasarkan
pada formulir pemberitahuan yang diselesaikan di tingkat rumah sakit. Di Belanda, anggota staf
terlatih dari salah satu pusat kanker regional mengunjungi rumah sakit untuk memperoleh informasi
abstrak dari rekam medis ke dalam bentuk data tertentu. Sistem hubungan catatan PHARMO
terbatas pada Eindhoven Cancer Registry (IKZ), yang mencakup daerah tangkapan sekitar 2 juta
pasien; hingga saat ini 1 juta pasien terhubung ke file daftar PHARMO. Dengan hubungan ini, kasus
insiden, pementasan, dan terapi lainnya ditambahkan ke skema hubungan catatan PHARMO. Data
yang dicatat dalam register kanker nasional Denmark dan Belanda sebanding, dengan diagnosa
dikodekan menggunakan ICD 10. Tidak seperti pusat kanker regional Belanda lainnya, catatan
Catatan Kanker Eindhoven termasuk karsinoma sel basal dan data co-morbiditas pada saat
kemunculan pertama sebuah kanker.

Pencatatan kelahiran, hubungan ibu, dan kematian

Program Registrasi Perinatal Nasional (PRN) di Belanda (PHARMO) dan Medical Birth
Registry di Denmark didirikan untuk surveilans tingkat kelahiran dan faktor-faktor lain yang terkait
dengan kelahiran . Sejak tahun 1973, Registrasi Kelahiran Dokter Denmark telah menyimpan
informasi prospektif yang dikumpulkan tentang semua kelahiran hidup dan kelahiran bayi, termasuk
nomor identifikasi pribadi bayi dan ibu, Variabel lain adalah usia ibu, indeks massa tubuh, status
merokok ibu selama kehamilan, komplikasi kehamilan , dan karakteristik bayi. Database PRN dan
Registry Kelahiran Dokter Denmark digunakan untuk tujuan penelitian. Keterkaitan dari pendaftar ini
ke database farmasi inti memungkinkan studi teratogenisitas obat, komplikasi persalinan, dan
penyakit ibu, serta konsekuensi jangka pendek dan jangka panjang pada anak-anak terpajan obat in
utero. Manfaat lain adalah menyensor kiri file router pasien. Ini sangat penting untuk basis data
PHARMO karena proses pertautan menunjukkan apakah anak-anak dilahirkan di daerah tangkapan
ikan PHARMO atau di tempat lain. Dalam hubungan sistem PHARMO penggunaan obat ibu dan
kesehatan anak-anak terbatas pada waktu ketika anak-anak tinggal dengan orang tua mereka, tetapi
di Denmark semua hubungan keluarga dapat diidentifikasi sejak 1968. Sebaliknya, penggunaan
nomor registrasi pribadi sipil dalam pendaftar Denmark memungkinkan tindak lanjut jangka panjang
dari bayi dan ibu. Baik database Belanda dan Denmark mencakup semua kelahiran yang dikirimkan
di rumah atau di rumah sakit. Statistik kematian tersedia dan dikodekan dalam file router pasien
melalui hubungan ke database statistik vital nasional di Denmark, dan melalui hubungan ke database
genealogi di Belanda. Sistem PHARMO secara hukum tidak diizinkan Lo menghubungkan ke registri
penyebab kematian. Kedua pendaftar memungkinkan peneliti untuk mempelajari semua penyebab
kematian, dan menyensor subjek pada saat kematian.

Catatan medis praktisi umum

Database GP saat ini merupakan database dengan pertumbuhan tercepat di PHARMO

Institute. Sekarang termasuk catatan medis lebih dari l juta pasien sejak 2004. Dalam struktur dan
konten itu mirip dengan database Informasi Perawatan Primer Terpadu (IPCI) (http://www.ipci.nl).
Penggunaan data dari database GP membutuhkan izin dari dokter yang berpartisipasi, khusus untuk
setiap proposal penelitian. Database IPCI dan database GP GPARMO saat ini sedang digabung
menjadi satu database yang mencakup lebih dari 2,5 juta pasien dalam praktik umum, di antaranya
500.000 terkait dengan database obat PHARMO. Data termasuk Klasifikasi Perawatan Primer
Internasional (ICPC) - daftar masalah yang dikodekan, perawatan, tes laboratorium resep obat dan
pengukuran lainnya, dan informasi rujukan ke spesialis medis. Hubungan PHARMA GP dan IPCI
database memungkinkan studi hubungan antara meresepkan dan mengeluarkan informasi, validasi
rawat inap atas dasar surat debit anonim, dan crosschecking antara peristiwa medis dan
laboratorium klinis dan uji fungsi database (misalnya, status merokok, kegiatan sehari-hari, tes
fungsi, indikasi untuk meresepkan, dll.) untuk memastikan kelengkapan data. Diagnosis dikodekan
sesuai dengan sistem ICPC, dan tes laboratorium dan tes fungsi dikodekan sesuai dengan Sistem
Pengkodean standar nasional Belanda (Werkgroep Coordinatie Informatisiering en Automatisiering:
WCIA); obat dikodekan dengan pengenal produk nasional dan kode ATC.
 Sistem pendaftar yang dapat dihubungkan terdiri dari Database Perawatan Kesehatan
Utama di Denmark, yang dikelola oleh National Health Service. Didirikan untuk mengganti semua
layanan perawatan kesehatan yang disediakan oleh dokter umum, dokter gigi, fisioterapis, dan
terapis lain serta spesialis praktik swasta. Database berisi informasi tentang semua layanan
kesehatan yang disediakan di Denmark yang dicakup oleh Asuransi Kesehatan Nasional sejak Januari
l 1990, serta informasi tentang nomor registrasi sipil, usia, jenis kelamin, wilayah tempat tinggal,
penyedia layanan kesehatan, kode layanan kesehatan, dan deskripsi layanan kesehatan
(pemeriksaan, tes, dan prosedur) dan banyak lagi.

Keterkaitan lainnya

Sistem Denmark dan PHARMO juga dapat dihubungkano9 ke banyak basis data dan
kelompok lain. Untuk Denmark mereka telah dijelaskan oleh Sorensen. Kaitan dari dataset lain ke
database PHARMO dijelaskan di situs web Institut PHARMO, termasuk registri nasional kecelakaan
lalu lintas (www.rijkswaterstaat.nl/), registri nasional dari lisensi pengemudi (www.cbr.nl), registri
nasional transplantasi ginjal (www.renine.nl), studi Rotterdam (http://www.epib.nl/research/
ergo.htm), laboratorium lokal dan regional dengan catatan ECG digital, dan database termasuk
konstituen makanan. Konstituen makanan ini dikumpulkan dalam survei tahunan proyek yang
berfokus pada penyakit kardiovaskular (MORGEN). Baik jaringan data Denmark dan jaringan
PHARMO memfasilitasi kontak pasien, untuk meminta kerjasama mereka dalam memberikan hasil
yang dilaporkan pasien atau DNA.

Kekuatan

Kemungkinan hubungan di Belanda dan Denmark, dan juga di Swedia, Islandia, dan
Norwegia, sangat bagus jumlahnya. Secara teori, database dapat diperluas untuk menyertakan
negara-negara lengkap. Mereka merupakan sumber daya yang kuat untuk mengumpulkan informasi
rinci untuk penelitian pharmacoepidemiologic. Kekuatan utama dari sistem hubungan catatan medis
berbasis farmasi adalah kualitas informasi pemaparan obat. Klasifikasi tidak diperkenalkan oleh
kegagalan untuk mengisi resep, karena data ini menunjukkan obat apa yang benar-benar ditiadakan.
Sistem PHARMO memiliki keuntungan tambahan, di dalamnya informasi tentang kelengkapan
paparan tidak tergantung pada status penggantian.

Kekuatan kedua dari sistem hubungan catatan medis berbasis farmasi yang dibahas di sini
adalah bahwa, bahkan tanpa adanya pengidentifikasi pasien yang unik, basis data dapat
dihubungkan dengan sensitivitas dan spesifisitas yang tinggi dengan menggunakan metode
penghitungan record semideterministik atau probabilistik. Metode-metode ini telah terbukti sangat
kuat dalam menghubungkan registri dan database layanan kesehatan, dan juga dapat digunakan
untuk mengidentifikasi duplikat dalam file router pasien. Di Belanda, hubungan telah dibuat
menggunakan metode hubungan catatan probabilistik, sebanding dengan hubungan yang dicapai di
negara-negara Nordik, di mana pengidentifikasi unik dalam perawatan kesehatan tersedia.
Kemungkinan perubahan tidak terbatas pada domain layanan kesehatan, misalnya adalah mungkin
untuk menghubungkan file paparan obat ke persediaan makanan atau database lisensi pengemudi.

Aset penting lainnya dari sistem hubungan rekam medis berbasis farmasi adalah bahwa
paparan dan hasil dicatat secara terpisah, oleh tenaga kesehatan yang relevan, sehingga
meminimalkan potensi bias pemastian.Rekutan tautan juga jauh lebih murah daripada
mengumpulkan data de novo ......... Melalui kontak dengan pasien, biosamples dan hasil yang
dilaporkan pasien dapat diperoleh dan ditautkan ke basis data ini.Pembelajaran berbasis farmasi
sistem tautan catatan juga memiliki keuntungan memiliki penyebut yang terdefinisi dengan baik, dan
termasuk semua orang di wilayah geografis tertentu, terlepas dari apakah informasi dijalin di rumah
sakit, di kantor dokter umum, di laboratorium klinis, atau di tempat lain. Peneliti dapat fokus pada
informasi dalam database ini yang paling dapat diandalkan dan lengkap. Melalui hubungan ke
pendaftar nasional dan penggunaan statistik vital, adalah mungkin untuk menilai keterwakilan
temuan untuk bangsa yang lengkap.

File farmasi termasuk resep tidak hanya dari dokter umum, tetapi juga dari spesialis medis,
yang bertanggung jawab atas sekitar seperempat dari semua resep dan lebih dari separuh dari
semua resep yang diberikan kepada pasien dengan penyakit yang rumit, meskipun persentasenya
mungkin sedikit berbeda di setiap negara. menghilangkan resep ini dapat menyebabkan bias oleh
representasi yang berlebihan dari pasien yang lebih sehat. Ini tidak terjadi dalam sistem berbasis
farmasi.

Sistem berbasis farmasi juga mengandung detail besar mengenai jenis obat, dosis, dan
durasi, memungkinkan penilaian kepatuhan dan kepatuhan terhadap berbagai jenis obat, dalam
kaitannya dengan dosis atau rute administrasi. Mereka juga menyediakan informasi produk yang
tepat dan rinci - aset utama untuk studi pharmacoepidemiologic.

Kelemahan

Tidak dapat dipungkiri, kelemahan sistem hubungan catatan medis terkait dengan kekuatan
mereka. Berbagai organisasi yang mempertahankan basis data tingkat pasien harus menjaga
integritas sistem hubungan catatan melalui aturan tata kelola dan keterbatasan akses. Organisasi-
organisasi ini harus mengatasi banyak masalah administratif, termasuk kerahasiaan, konflik
kepentingan profesional dan peneliti kesehatan, dan prosedur untuk memastikan kualitas data.
Adalah mungkin bagi organisasi individu dan penyedia data untuk mencegah keterkaitan karena
alasan politik dan komersial. Sebagai contoh, jaringan hubungan catatan PHARMO menghadapi
potensi penghentian database rumah sakit nasional Belanda. Database ini, awalnya didirikan pada
1963 sebagai database ilmiah penerimaan rumah sakit di Belanda, digunakan selama bertahun-
tahun untuk mengalokasikan anggaran nasional ke rumah sakit. Pada tahun 2006, alokasi anggaran
ini berubah, dan database nasional yang baru dibuat untuk tujuan ini. Pada titik ini rumah sakit tidak
mengenali kebutuhan untuk berkontribusi pada database rumah sakit nasional yang lebih tua.
Meskipun sebagian besar statistik nasional di Belanda bergantung pada database ini, butuh
bertahun-tahun diskusi untuk melestarikannya.

Percobaan politik yang terus-menerus dengan sistem perawatan kesehatan merupakan

ancaman utama bagi keberadaan sistem hubungan catatan medis. Selalu ada potensi penghentian
pendaftar yang tiba-tiba dan tidak terduga atau konten registri. Sebagai contoh, basis data obat-
obatan regional Denmark tergantung pada status penggantian obat-obatan. Karena biaya obat
penenang, hipnotik, kontrasepsi oral, dan laxa-mtives tidak diganti, obat-obatan ini tidak dapat
dipelajari. Meskipun sistem data ini bukan database klaim, mereka digunakan untuk mengklaim
penggantian pembayaran ke berbagai perusahaan asuransi kesehatan yang memerlukan identifikasi
penuh pasien yang didaftarkan. Jika obat yang tidak mendapat penggantian ditiadakan tanpa
identifikasi pasien secara penuh, data mungkin menjadi tidak lengkap. Kemungkinan daripada yang
ada bahwa dalam waktu dekat banyak obat generik murah akan dihentikan penggantiannya, yang
mungkin berdampak pada kelengkapan pencatatan pengeluaran dalam database hubungan catatan
medis berbasis farmasi dan penggunaannya untuk penelitian sefety. Masalah ini bukan sistem tautan
catatan yo khusus, tetapi juga memengaruhi basis data klaim. Di Belanda, misalnya, apotek internet
dan sistem distribusi pusat biologi dapat mempengaruhi kelengkapan datta yang tersedia untuk
merekam sistem hubungan. Jaringan harus beradaptasi dan berkolaborasi dengan sumber obat baru
ini untuk memastikan kelengkapan data.

Meskipun domain tautan tampak tidak terbatas, kompleksitas sistem tautan catatan medis
berbasis farmasi meluas ke struktur tata kelola beragam yang bertanggung jawab untuk melindungi
privasi pasien dan profesional perawatan kesehatan dan untuk mengatasi potensi konflik
kepentingan di antara mereka. Kumpulan data studi terkait harus mematuhi skema tata kelola dari
berbagai organisasi. Undang-undang privasi di Uni Eropa (lihat juga Bab 35) tidak jelas apakah
transfer data yang diperlukan diizinkan, bahkan setelah anonimisasi. Oleh karena itu, sebagian besar
pendaftar tidak memberikan izin untuk mendistribusikan catatan pasien individu, anonim, baik yang
ditautkan atau diputus. Database Jaringan Peningkatan Kesehatan (THIN) dan Database Penelitian
Praktik Umum (GPRD) di Inggris adalah pengecualian (lihat Bab 15).

Pertumbuhan yang stabil dalam komputerisasi administrasi kesehatan, dan tingginya biaya
yang terlibat, serta insentif keuangan dan lainnya, telah menyebabkan penyedia layanan kesehatan
untuk meningkatkan permintaan penggantian untuk menyediakan data. Kenaikan harga semacam
itu akan meningkatkan biaya studi, dan dapat mengurangi jumlah penelitian yang dilakukan.

Ini juga harus ditekankan bahwa pengetahuan ahli diperlukan untuk bekerja dengan
pangkalan data kompleks ini. Proses pengumpulan data dan efek yang terkait pada validitas dan
kelengkapan data merupakan sistem hubungan yang rumit dalam catatan. Peneliti perlu dilatih
untuk memahami implikasi dari semua proses ini untuk penelitian pharmacoepidemiologic. Bahkan
dalam lingkungan yang kurang rumit, masalah ini telah menyebabkan peneliti berkualifikasi tinggi
untuk menyajikan hasil yang bertentangan berdasarkan pada dataset yang sama. Pendidikan harus
diperluas melampaui keterampilan teknis untuk memasukkan sifat data, keterbatasan penafsiran
hasil studi, masalah tata kelola dan privasi, serta mengelola konflik kepentingan. Sebagai salah satu
contoh, seorang siswa yang bekerja di jaringan PHARMO bertanya kepada seorang pasien psikiatrik
untuk menggunakan kapas untuk mendapatkan materi genetik. Meskipun proyek tersebut
mematuhi undang-undang dan peraturan privasi, pasien mengeluh kepada personil farmasi bahwa
datanya digunakan untuk penelitian sedemikian rupa sehingga beberapa apotek mengancam akan
menghentikan pengiriman data, membahayakan kelangsungan pengumpulan data dan menunda
penelitian lain. Untuk mengatasi kebutuhan manajemen ahli, Lembaga PHARMO memiliki staf
penelitian profesional yang bekerja dengan peneliti akademis dalam mengumpulkan dan
menganalisis data. Peneliti akademis yang secara teratur bekerja dengan data PHARMO dapat
menandatangani perjanjian khusus, memungkinkan analisis data berbasis pasien anonim di luar
PHARMO Institute jika mereka memiliki keterampilan yang dibutuhkan.

Mengelola struktur tata kelola dan keahlian statistik dan konten diperlukan untuk
menangani database kompleks memakan waktu dan karena itu mahal, meskipun biaya akuisisi data
relatif rendah. Biaya operasional yang tinggi ini secara konstan menantang pemegang basis data.
Meningkatnya jumlah populasi penelitian harus diimbangi untuk memperoleh informasi yang lebih
mendalam tentang masing-masing subjek dengan membangun lebih banyak hubungan.

Rekam sistem penghubung yang berpotensi dapat mencakup 35 juta penduduk Eropa di
Eropa Utara dan Belanda, masih jauh di bawah ukuran database pharmacoepidemiologic di AS. Jelas
keuntungan utama dari sistem Eropa bukanlah ukuran tetapi detail.

Aplikasi khusus

Studi yang meneliti aspek paparan obat

 Satu penelitian yang dilakukan dalam sistem PHARMO menunjukkan peningkatan tingkat
persistensi (yang mungkin diharapkan memperpanjang efek pengobatan) untuk alendronat
mingguan dan harian (risiko relatif: 1,84 , 95% CI: 1.65-2.20). Hubungan respons dosis juga dapat
diperiksa. Sebagai contoh, hubungan dosis-respons telah dipelajari untuk statin dan obat
antidiabetik oral mengenai pencapaian tujuan kolesterol lipoprotein densitas rendah (LDL-c) dan
kadar hbA1C, masing-masing. Sebuah penelitian yang dilakukan oleh Eussen dkk. penggunaan obat
yang terhubung untuk menanggapi kuesioner makanan. Mereka mempelajari hubungan antara
asupan phytosterol / phytostanolenriched margarines dalam kaitannya dengan persistensi dengan
statin, dan menemukan bahwa tingkat penghentian statin secara keseluruhan tidak berbeda secara
signifikan antara pengguna dan non-pengguna margarin yang diperkaya. Namun, dalam
subkelompok pemula, pengguna kombinasi memiliki risiko lebih tinggi untuk menghentikan terapi
statin dibandingkan pengguna produk komponen tunggal dalam 12 bulan (rasio hazard yang
disesuaikan (HR) 2,52, 95% CI: 1,06-6,00). Hubungan respon durasi juga dapat dipelajari. Misalnya,
Erichsen mempelajari hubungan antara penggunaan statin dan pembentukan batu empedu, dan
menemukan bahwa di antara pengguna saat ini, rasio odds yang disesuaikan yang menghubungkan
penggunaan statin dengan kejadian penyakit batu empedu adalah 1,17 (95% CI: 1,06-1,30) bagi
mereka yang memiliki satu untuk empat resep, 0,89 (95% CI: 0,80-0,97) untuk mereka yang memiliki
lima sampai sembilan belas resep, dan 0,76 (95% CI: 0,69-0,84) bagi mereka yang memiliki 20 atau
lebih resep total. Pada pengguna sebelumnya, rasio odds yang disesuaikan adalah 1,24 (95% CI:
1,11-1,39), 0,97 (95% CI: 0,86-1,10), dan 0,79 (95% CI: 0,64-0,97), masing-masing. Penggunaan obat
penurun lipid lainnya tidak menunjukkan hubungan serupa.

Studi menggunakan file laboratorium klinis

Hasil yang diperoleh dari catatan medis GP PHARMO menunjukkan bahwa dokter cenderung
mencatat nilai abnormal yang berlebihan (karena mereka jelas menarik untuk keputusan diagnostik
dan pengobatan lebih lanjut), dibandingkan dengan nilai normal. Kadar kolesterol total rata-rata
yang tercatat dalam data GP adalah 7,1 mmol / L, sedangkan rata-rata total nilai kolesterol untuk
pasien yang sama adalah 5,6 mmol / L dalam file laboratorium klinis. Hanya 70% dari total tes
kolesterol dapat ditemukan dalam file GP, diukur terhadap file laboratorium klinis. Perbedaan
dijelaskan oleh tes yang diperintahkan oleh spesialis medis dan oleh laporan yang kurang dilaporkan
untuk pasien yang telah mencapai tujuan pengobatan mereka (data tidak dipublikasikan).

Menghubungkan data laboratorium klinis dengan data paparan obat dari apotek komunitas
memungkinkan penelitian terperinci tentang efeknya obat-obatan pada parameter biokimia. Sebagai
contoh, sebuah studi tentang pasien dengan diabetes tipe 2 memulai insulin dibandingkan kontrol
glikemik antara yang dimulai pada detemir insulin dan yang dimulai pada insulin glargine. Satu tahun
setelah memulai insulin, tidak ada perbedaan dalam tingkat HbA1c rata-rata atau proporsi pasien di
tujuan (HbA1c <7%) antara pengguna dari dua persiapan. Kornum dkk. mempelajari apakah diabetes
merupakan faktor risiko untuk rawat inap dengan pneumonia dan menilai dampak tingkat HbA1c
pada risiko tersebut. Risiko relatif yang disesuaikan untuk rawat inap terkait radang paru di antara
subjek dengan diabetes adalah 1,26 (95% CI: 1,21-1,31) dibandingkan dengan individu non-diabetes.
Risiko relatif yang disesuaikan adalah 4,43 (95% CI 3,40-5,77) untuk subjek dengan diabetes tipe 1
dan 1,23 (95% CI: 1,19-1,28) untuk subjek dengan diabetes tipe 2. Dibandingkan dengan subjek
tanpa diabetes, risiko relatif yang disesuaikan adalah 1,22 (95% CI: 1,14-1,30) untuk subjek diabetes
yang tingkat HgbA1c-nya kurang dari 7% dan 1,60 (95% CI: 1,44-1,76) untuk pasien diabetes yang
tingkat HbAuc-nya lebih besar dari 9%. Mereka menyimpulkan bahwa kontrol glikemik jangka
panjang yang buruk di antara pasien dengan diabetes meningkatkan risiko rawat inap dengan
pneumonia. Dampak dari ketidakpatuhan terhadap pencapaian tujuan HgbA1c juga dipelajari
menggunakan data dari database PHARMO. Pada pasien yang memulai obat penurun glukosa oral
(OGLD), efek penggunaan OGLD non-persisten pada pencapaian tujuan HbA1c (<7%) dikuantifikasi,
mengungkapkan bahwa pasien yang tidak persisten sekitar 20% lebih kecil kemungkinannya untuk
mencapai tujuan dibandingkan dengan pasien persisten.

Tingkat lipid pada pengguna statin juga telah dipelajari menggunakan basis data berbasis
farmasi. Heintjes et al mempelajari pencapaian tujuan LDL-c di antara pengguna harian statin yang
berbeda. Proporsi pasien yang mencapai target kolesterol adalah 75% untuk rosuvastatin, 68 untuk
atorvastatin, 56% untuk simvastatin, dan 42% untuk pravastatin. Perbandingan dosis menunjukkan
pengurangan LDL-c yang lebih besar dan peningkatan pencapaian tujuan untuk rosuvastatin 10 mg
dibandingkan dengan statin lain pada kebanyakan dosis (disesuaikan p <0,05). Hasil ini menunjukkan
hubungan dosis-respons yang jelas antara statin berbeda yang diberikan dalam dosis yang berbeda,
dan memperpanjang hasil uji klinis yang dilaporkan ke pengaturan dunia nyata. Penggunaan
pengukuran kolesterol serum dan LDL di antara pasien dengan riwayat infark miokard (MI) dalam
populasi Denmark diselidiki menggunakan database OPED. Para peneliti menemukan tidak cukup
penggunaan obat penurun lipid pada pasien dengan penyakit jantung koroner. Studi saat ini sedang
dilakukan untuk menilai hubungan antara penggunaan statin, LDL-c dan tingkat kolesterol
lipoprotein densitas tinggi (HDL-c), dan rawat inap untuk kondisi kardiovaskular. Studi lain adalah
menilai hubungan antara faktor risiko seperti HbA1c, kreatinin, protein c-reaktif, dan komplikasi
kardiovaskular diabetes.

Patologi

Keterkaitan PHARMO dan PALGA (registri nasional histopatologi dan histopatologi Belanda)
dan database counterpart di Denmark memungkinkan studi tentang hubungan antara paparan obat
dan morbiditas, dinilai oleh spesimen patologi diambil melalui biopsi atau reseksi. Sebagai contoh,
dalam sebuah penelitian yang menyelidiki paparan estrogen, diambil melalui database farmasi
komunitas PHARMO, dan hasil melanoma, diambil melalui database PALGA, hubungan antara risiko
melanoma kulit dan dosis kumulatif estrogen diidentifikasi. Selain kesimpulan bahwa paparan obat-
obatan tertentu dapat meningkatkan risiko kanker, obat-obatan juga telah ditemukan yang
mencegah, membalik, menekan, atau menunda lesi pramaligna. Studi terbaru menunjukkan bahwa
baik statin dan obat anti-inflamasi non-steroid (NSAIDs) 48 berhubungan dengan penurunan insidens
dan progresif dari melanoma. Registri patologi di Belanda memiliki hubungan langsung dengan
laboratorium, termasuk spesimen yang disimpan secara lokal dalam parafin. Lebih dari 70%
laboratorium telah memberikan akses kepada peneliti untuk mengetik DNA, untuk mempelajari
apakah penggunaan Statin dalam pembawa gen SMAD4 melindungi terhadap kanker kolorektal (
CRC). Studi ini masih berlangsung. Modalitas hubungan yang sama di Denmark telah digunakan
untuk menyelidiki hubungan antara penggunaan proton pump inhibitor (PPI) dan CRC. Setelah
membandingkan pengguna paling intens PPI (lebih dari setiap hari lainnya) untuk pengguna yang
tidak pernah atau jarang, para peneliti menemukan bahwa baik pengguna jangka pendek (rasio odds
yang disesuaikan [OR] 1,07, 95% CI: 0,86-1,34) tidak jangka panjang pengguna (<7 tahun: disesuaikan
ATAU 1,09, 95% CI: 0,58 - 2,06) dikaitkan dengan peningkatan risiko kanker. Mereka menyimpulkan
bahwa penggunaan PPI dalam praktik klinis tidak secara terukur meningkatkan risiko CRC.

Akhirnya, keterkaitan basis data farmasi dengan pendaftar patologi dapat digunakan untuk
mempelajari penggunaan obat pasien setelah diagnosis kanker. Sebuah penelitian observasional
mengukur hubungan antara kepatuhan tamoxifen dan rekurensi kanker payudara, memeriksa
apakah penggunaan bersama inhibitor CYP2D6, seperti inhibitor reuptake serotonin selektif,
bersama dengan kepatuhan tamoxifen rendah, dapat berdampak negatif terhadap kemanjuran
tamoxifen pada pasien kanker payudara. Tidak ada hubungan antara penggunaan inhibitor CYP2D6
bersamaan dan kekambuhan kanker payudara diamati (HR yang disesuaikan: 0,87, 95% CI: 0,42-
1,79). Kepatuhan tamoxifen yang buruk dikaitkan dengan waktu bebas acara yang lebih pendek (HR
yang disesuaikan: 0,987, 95% CI: 0,975-0,999). Penelitian ini tidak menunjukkan hubungan antara
penggunaan inhibitor CYP2D6 bersamaan dan kekambuhan kanker payudara di antara pasien yang
diobati dengan adjuvant tamoxifen, meskipun alasan biologis yang kuat. Penelitian ini memberikan
bukti, untuk pertama kalinya, bahwa kepatuhan tamoxifen yang buruk dikaitkan dengan peningkatan
risiko kejadian kanker payudara.

Kanker

Hubungan antara penggunaan narkoba dan kanker, baik kejadian atau pengobatan, juga
dapat dipelajari menggunakan data terkait dari rumah sakit, file GP, dan temuan laboratorium
patologi klinis. Beberapa penelitian telah meneliti efektivitas sitostatika dan komediikasi pada pasien
kanker. Nilai tambah dari keterkaitan dengan pendaftar kanker, selain pendaftar rumah sakit, adalah
bahwa kasus insiden dapat diidentifikasi dan informasi tambahan tersedia, seperti jenis kanker,
pementasan kanker, dan perawatan non-narkoba. Informasi ini sangat penting dalam mempelajari
hubungan antara penggunaan narkoba dan kanker, yang mungkin memiliki jeda waktu yang panjang.

Hubungan yang mungkin antara penggunaan glukokortikoid oral dan peningkatan risiko
karsinoma sel basal (BCC), karsinoma sel skuamosa (SCC), malignant melanoma (MM), dan limfoma
non-Hodgkin (NHL) dipelajari menggunakan database AUPD. menunjukkan perkiraan risiko sedikit
lebih tinggi untuk BCC: rasio tingkat kejadian (IRR): 1,15 (95% CI: 1,07-1,25), SCCIRR: 1,14 (95% Kl:
0,94-1,39), MM IRR: 1,15 (95% CI: 0,94-1,41), dan NHL. IRR: 1,11 (95% CI: 0,85-1,46). Hasil ini
mendukung hubungan keseluruhan antara penggunaan glukokortikoid dan risiko BCC.

Sebagai contoh lain, Sukel et al. mempelajari kejadian kejadian kardiovaskular di antara
pasien kanker payudara setelah kemoterapi. Setelah l tahun tindak lanjut, tingkat kejadian kejadian
kardiovaskular adalah 69/1000 orang-tahun untuk pasien yang diberi kemoterapi kardiotoksik dan
98/1000 orang-tahun untuk pasien dengan kemoterapi non-kardiotoksik. Angka ini tidak berbeda
secara statistik signifikan (HR: 0,74, 95% CI: 0,39-1,41). Penelitian ini juga menunjukkan tingkat
kejadian kardiovaskular yang sama selama masa tindak lanjut untuk pasien kanker payudara yang
diobati dengan kemoterapi kardiotoksik dan non-kardiotoksik. Tampaknya spesialis mengambil
penyakit kardiovaskular yang sudah ada dalam memilih rejimen pengobatan. Studi terbaru tentang
pola pengobatan pada pasien kanker payudara melaporkan jenis regimen kemoterapi yang diberikan
kepada pasien kanker payudara stadium awal dan metastasis (van Herk-Sukel MPP, van der Poll-
Franse LV, Creemers GJ, Lemmens VEPP van der Linden, Herings RMC Perubahan besar dalam jenis
rejimen kemoterapi yang diberikan kepada pasien dengan kanker payudara dini atau metastatik
selama 2000-2008 di Belanda Tenggara, Data yang tidak dipublikasikan.) dan menunjukkan
kelanjutan pengobatan endokrin setelah diagnosis dengan kanker payudara tahap awal. Ewertz et al.
mempelajari risiko mengembangkan kanker payudara dalam kaitannya dengan penggunaan terapi
penggantian hormonal (HRT), melaporkan risiko tinggi (1,61, [95% CI: 1,38-1,88) untuk penggunaan
HRT pada wanita yang lebih tua dari 50 tahun. Risiko meningkat dengan meningkatnya durasi
penggunaan dan menurun dengan waktu sejak resep HRT terakhir, dengan rasio risiko mencapai
kesatuan setelah 5 tahun.

Penggunaan obat di rumah sakit

Selain pengobatan kanker, pengobatan morbiditas lainnya selama rawat inap dapat
dipelajari melalui hubungan data registri rumah sakit dengan data farmasi rawat inap. Sebagai
contoh, penggunaan opioid telah diperiksa pada pasien yang dirawat untuk operasi genitourinari,
pencernaan, atau perut. "Penggunaan morfin (nico) dikaitkan dengan risiko untuk mengembangkan
ileus paralitik pasca operasi (POI) (OR: 12,1, 95% CI: 5,4 -27.1) Hubungan antara opioid dan POI
paling jelas pada pasien dengan pembedahan perut (OR: 33.8, 95% CI: 6.2-184.6) dan pasien tanpa
tumor kolon / kolorektal / rektum (OR: 13.2, 95% CI: 5.7 -30.3) .Hubungan yang jelas ditemukan
antara penggunaan opioid dan risiko POI, seperti yang dikodekan dalam register rumah sakit
Belanda.Dalam penelitian lain, hubungan antara pengobatan antibiotik awal infeksi intraabdominal
sekunder dan hasil terkait dinilai. menemukan bahwa pengobatan antibiotik awal yang tidak sesuai
dikaitkan dengan 3,4 kali lipat (95% CI: 1,3-9,1) risiko kegagalan klinis. Lama rawat inap dan biaya
rawat inap secara signifikan meningkat untuk pasien dengan kegagalan antibiotik.

Pencatatan kelahiran

Efek obat-obatan dan reaksi obat yang merugikan pada anak-anak dan efek obat selama
kehamilan adalah bidang studi yang penting, karena kapal hubungan ini hanya dapat diperiksa
sampai tingkat yang sangat terbatas, jika sama sekali, dalam klinis percobaan. Keterkaitan dengan
pendaftar perinatal memungkinkan penelitian terperinci mengenai paparan obat-obatan dan
komorbiditas selama kehamilan dan status kesehatan jangka pendek dan jangka panjang dari anak-
anak, topik yang sudah mapan di negara-negara Utara. Dalam studi mereka tentang keamanan
penggunaan metoclopramide selama kehamilan, Sorensen et al. tidak menemukan perbedaan besar
dalam risiko malformasi (OR: 1,11, 95% CI: 0,6-2,1), berat lahir rendah (OR: 1,79, 95% CI: 0,8-3,9),
atau kelahiran prematur (OR: 1,02, 95% CI: 0.6-1.7). Olesen dkk. mempelajari risiko penggunaan
sumatriptan selama kehamilan dan menemukan bahwa risiko kelahiran prematur meningkat di
antara wanita yang terpapar sumatriptan dibandingkan dengan kontrol migrain (OR: 6,3, 95% CI: 1,2-
32,0) dan wanita yang sehat (OR: 3,3 95% CI 1.3-8.5). Odds ratio untuk memiliki bayi baru lahir
dengan berat badan lahir rendah meningkat (OR: 3,0, 95% CI: 1,3-7,0) untuk semua pasien migrain
yang melahirkan pada jangka waktu dibandingkan dengan kehamilan wanita yang sehat. Temuan ini
mungkin karena paparan obat, tetapi mereka mungkin juga mencerminkan dampak dari penyakit itu
sendiri daripada pengobatan. Kebingungan atau peluang juga bisa mendasari temuan. Contoh-
contoh ini menggambarkan kompleksitas pengendalian bias dan pembaur, dan kesulitan mencapai
kekuatan statistik yang memadai karena rendahnya jumlah kehamilan terpapar. Kolaborasi di antara
database yang berbeda diperlukan untuk mendapatkan cukup terpapar kelahiran. Registri perinatal
Belanda dikaitkan pada 2010 dengan registrasi PHARMO, menyediakan akses ke lebih dari 175.000
kelahiran (dengan tindak lanjut> 10 tahun) dan kehamilan. Studi serupa akan dimungkinkan di
Denmark. Saat ini, keterkaitan telah divalidasi, dan sebuah studi percontohan yang membandingkan
bayi prematur dan bayi prematur mengungkapkan bahwa, pada tahun pertama kehidupan, bayi
prematur dua kali lebih mungkin dibandingkan bayi prematur untuk dirawat di rumah sakit atau
menggunakan obat-obatan, terutama yang berkaitan dengan penyakit pernapasan.

Masa depan

Tantangan utama masa depan sistem hubungan catatan medis adalah untuk melindungi
struktur yang memungkinkan hubungan antara database yang berbeda. Negara-negara Utara dan
Belanda, bersama-sama mencakup hampir 35 juta penduduk, memiliki potensi untuk membangun
database yang sangat rinci untuk digunakan dalam penelitian pharmacoepidemiologic. Database
yang dijelaskan di atas sudah bekerja sama dalam beberapa proyek yang dibiayai oleh Komisi Eropa
(FP7) (http: // cordis .europpa.eu / fp7 /) dan merupakan bagian dari Jaringan Eropa untuk Pusat
Pharmacoepidemiology and Pharmacovigilance (ENCePP) (www.encepp.eu). Namun, mengingat
rumitnya undang-undang perlindungan privasi UE, model tata kelola diperlukan untuk menjaga
akses ke sistem tautan catatan medis. Berbagi data dan integrasi berbagai sumber daya nasional
akan menjadi tantangan nyata di tahun-tahun mendatang. Pengalaman di negara-negara Utara dan
Belanda menunjukkan bahwa organisasi independen dengan kontrol akses yang ketat dapat
membantu melindungi sistem hubungan catatan medis. ..... Tujuan masa depan adalah untuk
menambahkan hasil yang dilaporkan pasien dan DNA ke sistem hubungan catatan medis berbasis
farmasi. Penelitian di Belanda menunjukkan kelayakan hubungan ini dan kapasitas mereka untuk
mendukung penelitian farmakogenetik (Bab 34) , hasil penelitian, penelitian tentang kehidupan
(lihat Bab 39), serta penelitian tentang hasil yang merugikan dan faktor risiko yang akan
berkontribusi untuk pemahaman yang lebih baik tentang risiko dan efektivitas obat dalam kehidupan
sehari-hari.
Pendahuluan

Uji coba awal untuk keamanan dan kemanjuran terlalu kecil untuk mendeteksi efek
merugikan yang umum dan terlalu singkat untuk mendeteksi efek yang terjadi lama setelah
digunakan. Untuk kanker terutama, ada kebutuhan untuk mengidentifikasi efek yang tidak
diinginkan yang terjadi setelah interval laten yang lama atau durasi penggunaan. Strategi follow-up
yang menghubungkan farmasi dengan data hasil telah berguna untuk memantau efek kesehatan
yang tidak diinginkan dari obat resep, tetapi informasi tentang persiapan dijual bebas telah dibatasi.
Obat yang sebelumnya hanya tersedia dengan resep (misalnya, omeprazol) semakin tersedia dengan
dasar non-resep. Selain itu, suplemen makanan (misalnya, herbal) digunakan secara luas; ini juga
dijual bebas dan tidak harus aman sebelum dipasarkan. Dengan demikian, ada kebutuhan untuk
memantau efek kesehatan yang tidak diinginkan dari obat-obatan non-resep dan suplemen
makanan serta obat-obatan resep. Pengawasan kontrol-kandang (CCS), sistem pengawasan
berdasarkan metode kontrol kasus, memiliki kemampuan ini.

Deskripsi

Ikhtisar

CCS dimulai pada tahun 1976 dengan dana dari US Food and Drug Administration, dengan tujuan
menilai penggunaan obat dalam kaitannya dengan penyakit tidak ganas dan ganas. Fokus kemudian
diubah menjadi kanker, dengan pendanaan yang disediakan oleh National Cancer Institute dari 1988
hingga 2009. Pasien dengan kanker yang baru didiagnosis atau kondisi tidak ganas diwawancarai di
satu set rumah sakit yang berpartisipasi untuk sejarah seumur hidup penggunaan obat yang teratur
dan informasi tentang faktor pembaur atau modifikasi yang mungkin terjadi. Untuk menilai asosiasi
penggunaan obat dengan penyakit yang diminati, kasus dengan penyakit yang dipilih dibandingkan
dengan kontrol yang sesuai dengan penyakit lain dalam analisis kasus-kontrol. Basis data CCS besar,
yang dijelaskan di bawah ini, telah digunakan untuk penilaian asosiasi banyak obat dan faktor risiko
dengan risiko banyak penyakit. Ini tersedia untuk analisis lebih lanjut.

Kasus dan kontrol akrual dan klasifikasi

Pengumpulan data dilakukan di rumah sakit berkolaborasi di beberapa wilayah geografis dari 1976
hingga 2009. Persetujuan dewan peninjau institusional diperoleh dari lembaga yang berkolaborasi
dan studi tersebut memenuhi Undang-undang Portabilitas dan Akuntabilitas Asuransi Kesehatan
(HIPAA ) Persyaratan. Karena sebagian besar pasien diakru di rumah sakit di Boston, Baltimore, New
York, dan Philadelphia, database telah dibatasi untuk pasien dari daerah-daerah ini. Setelah
mendapatkan informed consent tertulis, perawat-pewawancara dilatih dan dipekerjakan oleh CCS
mewawancarai pasien dewasa, 21-79 tahun, mengakui untuk kanker yang didiagnosis baru-baru ini
atau gangguan non-ganas: pasien dengan penyakit non-ganas berfungsi sebagai kolam kontrol
potensial dalam analisis kontrol kasus dan dapat menjadi menarik sebagai hasil (misalnya,
kolesistitis, penyakit radang panggul). Karena pasien dengan kondisi onset akut (misalnya cedera
traumatik, radang usus buntu) adalah kontrol yang cocok dalam banyak analisis, mereka secara
selektif masih harus dibayar. Untuk kondisi yang lebih kronis (misalnya, gangguan ortopedi, batu
ginjal), rekrutmen terbatas pada pasien yang diagnosisnya dibuat pada tahun sebelumnya. Untuk
menjaga dari bias rujukan, hanya pasien yang tinggal di daerah sekitar 50 mil dari rumah sakit yang
memenuhi syarat untuk dimasukkan. Jika beberapa pasien tersedia untuk wawancara, pasien
dengan penyakit dengan minat khusus diwawancara secara selektif sesuai dengan daftar prioritas.
Pengaturan wawancara-rumah sakit atau ruang klinik-adalah sama untuk kasus dan kontrol. Banyak
penyakit dan eksposur dinilai dan kasus-kasus dalam satu analisis mungkin kontrol di lain. Dengan
demikian, wawancara tidak menyadari "kasus" atau "status kontrol atau status pemaparan pasien
yang diwawancarai Sebanyak 66 445 pasien diwawancarai. Tingkat partisipasi melebihi 85% ..

Salinan ringkasan debit diperoleh untuk semua pasien yang diwawancarai dan laporan
patologi untuk pasien dengan kanker. Ini ditinjau dan diabstraksikan di kantor pusat oleh
koordinator perawat studi, buta terhadap kategori paparan.

Tabel 19.1 memberikan angka di berbagai situs kanker di antara 26.293 pasien yang diwawancarai
dengan kanker primer yang baru didiagnosis. Ada 8002 pasien dengan kanker payudara, 3124
dengan kanker usus besar, 2001 dengan kanker paru-paru, setidaknya 1000 masing-masing dengan
melanoma maligna, kanker ovarium, atau kanker endometrium, dan setidaknya 500 masing-masing
dengan leukemia, kanker kandung kemih, kanker pankreas, non Hodgkin limfoma, kanker ginjal, atau
kanker jaringan tulang / konektif.

Tabel 19.2 daftar kategori diagnostik umum di antara 39 622 pasien yang dirawat untuk
kondisi non-ganas. Pasien dengan diagnosis non-maligna berfungsi sebagai kumpulan kontrol untuk
analisis berbagai kanker, dan diagnosa sendiri dapat dinilai sebagai hasil dari minat. Di antara
diagnosis non-ganas yang paling umum adalah cedera traumatik (misalnya, fraktur lengan),
neoplasma jinak, infeksi akut (misalnya, apendisitis), gangguan ortopedi (misalnya, gangguan diskus),
penyakit kandung empedu, dan hernia.

Informasi obat dan klasifikasi

Tidak mungkin untuk menanyakan secara khusus tentang ribuan obat-obatan individu.
Pasien di CCS ditanya tentang penggunaan reguler untuk 43 indikasi atau kategori obat, misalnya
sakit kepala, penurun kolesterol, kontrasepsi oral, gejala menopause, herbal / suplemen diet. Untuk
setiap episode penggunaan, nama persiapan dan waktu, durasi, dan frekuensi penggunaan dicatat.
Dosis obat dicatat hanya ketika itu adalah bagian dari nama merek, misalnya untuk kontrasepsi oral
dan estrogen terkonjugasi, nama merek dapat menunjukkan dosis .

The Slone Drug Dictionary (www.bu.edu/ slone / ) Dipertahankan oleh kelompok penelitian kami
digunakan untuk mengkode semua obat dan suplemen makanan yang dilaporkan oleh peserta CCS.
Kamus adalah sistem hubungan terkomputerisasi yang terdiri dari agen obat individu dan produk
multikomponen. Masing-masing diberi nomor kode tertentu. Kode ini terkait dengan bahan aktif,
yang memungkinkan penyelidikan paparan obat sesuai dengan komponen (misalnya,
acetaminophen), kelas obat (misalnya, analgesik / antipiretik), apakah produk adalah produk entitas
tunggal atau ganda, dan produk tertentu. The Slone Drug Dictionary berisi lebih dari 14500 agen
obat tunggal-entitas dan lebih dari 10.000 produk multikomponen Banyak koalisi telah terbentuk
(misalnya inhibitor reuptake serotonin selektif, calcium channel blocker, antidepresan trisiklik,
diuretik thiazide, benzodiazepin, dan beta-adrenergic blocker).

Informasi tentang faktor selain obat

CCS mengumpulkan informasi tentang banyak faktor yang dapat mengacaukan atau memodifikasi
asosiasi penyakit-penyakit, termasuk karakteristik deskriptif (misalnya usia, tinggi badan, berat
badan saat ini, berat badan 10 tahun yang lalu, berat badan pada usia 20 , tahun pendidikan, status
perkawinan, ras / kelompok etnis), kebiasaan (merokok, konsumsi alkohol, konsumsi kopi), faktor
ginekologi dan reproduksi (usia saat kelahiran pertama, usia paritas saat menarke dan menopause,
dan jenis menopause), medis riwayat (kanker, hipertensi, diabetes, penyakit serius lainnya,
vasektomi, histerektomi, ooforektomi), riwayat keluarga kanker, penggunaan perawatan medis
(misalnya, jumlah kunjungan ke dokter di masing-masing 2 tahun sebelumnya). Variabel-variabel ini
juga dapat dinilai sebagai faktor risiko dalam dirinya sendiri

Analisis data

Kasus dan spesifikasi kontrol

Untuk setiap analisis, seri kasus didefinisikan, misalnya wanita dengan primer invasif kanker ovarium
didiagnosis kurang dari satu tahun sebelum masuk dan didokumentasikan dalam laporan patologi.
Pemilihan kontrol yang tepat dalam studi berbasis rumah sakit sangat penting untuk validitas. Untuk
paparan kepentingan tertentu, kontrol yang dipilih seharusnya telah diterima untuk kondisi yang
tidak disebabkan, dicegah, atau diobati oleh paparan itu. Kami memilih beberapa kategori diagnostik
yang sesuai dengan jumlah yang cukup untuk memungkinkan pemeriksaan prevalensi pemaparan
minat di seluruh kategori. Jika penoilaian kita tentang pemilihan kontrol benar, prevalensi paparan
itu seragam di seluruh kategori.

Aspek penggunaan narkoba

Informasi yang dikumpulkan dalam CCS pada episode penggunaan obat dan suplemen (nama dan
waktu, frekuensi, dan durasi penggunaan) memungkinkan untuk penilaian banyak aspek
penggunaan. Misalnya, untuk kanker payudara, penggunaan narkoba pada waktu yang berpotensi
rentan selama masa reproduksi (misalnya, sebelum kelahiran anak pertama) dapat dinilai. Obat atau
rejimen obat tertentu mungkin juga relevan; misalnya risiko kanker endometrium meningkat oleh
suplemen estrogen yang tidak didukung, tetapi sedikit atau tidak sama sekali dengan kombinasi
penggunaan estrogen dengan progestogen. Waktu penggunaan mungkin relevan: misalnya sesuai
dengan data hewan, dalam analisis kami data CCS pada obat anti-inflamasi non-steroid (NSAID) dan
kanker usus besar, penggunaan terakhir dikaitkan dengan rasio odds yang dikurangi sedangkan
penggunaan masa lalu tidak. Interval laten mungkin atau mungkin tidak relevan; misalnya analisis
kami tentang paparan non-obat, vasektomi, dalam kaitannya dengan risiko 10 situs kanker tidak
menemukan tren menurut interval antara vasektomi dan terjadinya kanker. Mungkin menarik untuk
menentukan berapa lama rasio odds yang ditingkatkan atau dikurangi berlanjut setelah eksposur
berakhir; misalnya data CCS menunjukkan bahwa hubungan penurunan risiko kanker ovarium
dengan penggunaan kontrasepsi oral bertahan selama l 5-19 tahun setelah penghentian penggunaan
Beberapa obat, terutama obat non-resep seperti acetaminophen, sering digunakan secara sporadi.
Penggunaan sporadis di masa lalu mungkin tidak dapat dilaporkan secara akurat, dan penggunaan
reguler mungkin lebih cenderung memainkan peran etiologi. Dengan demikian, kami menempatkan
ketergantungan terbesar kami pada penggunaan reguler (misalnya, setidaknya empat kali seminggu
selama minimal 3 bulan), dan khususnya digunakan secara rutin selama beberapa tahun atau lebih.
Pengamatan asosiasi yang lebih kuat untuk penggunaan obat yang lebih sering atau berdurasi
panjang memberikan dukungan untuk peran kausal.

Kami belum mengumpulkan informasi tentang dosis obat karena bukti penarikan yang buruk;
misalnya, wanita yang telah menggunakan beberapa merek kontrasepsi oral sering mengalami
kesulitan mengingat merek dan dosisnya. Namun demikian, frekuensi dan durasi penggunaan
memberikan ukuran yang bermanfaat untuk intensitas pemaparan.

Odds ratio estimasi dengan kontrol faktor pembaur

Odds ratio dan interval kepercayaan 95% diperkirakan menggunakan analisis regresi logistik ganda.
Faktor perancu potensial dikendalikan dalam model regresi jika inklusi mereka secara material
mengubah rasio odds, misalnya dengan 10% atau lebih.
Modifikasi efek

Efek modifikasi dinilai dengan memeriksa asosiasi paparan-penyakit di subkelompok dan oleh
pemodelan statistik, seperti penggunaan istilah interaksi dalam regresi logistik. Sebagai contoh,
dalam analisis kami tentang suplemen estrogen dalam kaitannya dengan risiko kanker payudara,
temuan keseluruhan adalah nol tetapi penggunaan suplemen estrogen dikaitkan dengan
peningkatan risiko kanker payudara di antara perempuan yang kurus.

Kekuatan statistik.

Tabel 19.3 menunjukkan ukuran sampel yang diperlukan untuk kekuatan statistik 80% untuk
mendeteksi berbagai rasio peluang untuk berbagai prevalensi pemaparan. CCS memiliki kekuatan
statistik yang sangat baik untuk mendeteksi asosiasi yang memiliki kepentingan kesehatan
masyarakat .... Penemuan asosiasi yang tidak terduga.

Data hewan telah mengarah pada pencarian dan identifikasi asosiasi baru dalam data CCS. Sebagai
contoh, percobaan pada hewan pengerat yang diobati dengan karsinogen menyarankan bahwa
NSAID dapat mengurangi terjadinya kanker usus besar. Dalam analisis data CCS, risiko kanker usus
besar berbanding terbalik dengan penggunaan aspirin, sebuah asosiasi yang dikonfirmasi dalam
banyak penelitian selanjutnya.

Asosiasi juga telah diidentifikasi oleh "skrining" sysmatic data, di mana prevalensi penggunaan obat
tertentu, golongan obat, atau faktor lain di antara pasien dengan penyakit tertentu dibandingkan
dengan prevalensi di antara pasien dengan penyakit lain. Contoh asosiasi penyakit obat yang tidak
diharapkan dari skrining adalah penggunaan kontrasepsi oral dengan choriocarcinoma dan penyakit
Crohn; asosiasi ini telah menerima konfirmasi independen. Skrining faktor non-narkoba
menunjukkan hubungan tak terduga antara penggunaan alkohol dan kanker payudara. dikonfirmasi
dalam studi selanjutnya. Asosiasi yang muncul dalam beberapa perbandingan mungkin tentu saja
karena kebetulan. Bahkan jika asosiasi bukan karena kebetulan, besarnya asosiasi akan cenderung
"mundur ke mean" dalam studi selanjutnya. Untuk alasan ini, asosiasi baru perlu disajikan dengan
hati-hati.

Kekuatan

Kapasitas untuk menilai obat dan suplemen non-resep serta obat resep

CCS dapat menilai efek obat resep dari berbagai sumber (mis., Klinik keluarga berencana, teman, dan
kerabat) sedangkan sistem pemantauan yang bergantung pada data farmasi hanya dapat
mempelajari obat yang diresepkan atau dibagikan dalam sistem. Keterbatasan lain dari
ketergantungan pada data resep adalah bahwa obat yang diresepkan kadang-kadang tidak diambil.
CCS adalah satu-satunya sistem surveilans yang dapat secara sistematis menilai penggunaan obat-
obatan non-resep dan suplemen makanan. Prevalensi penggunaan suplemen makanan telah
meningkat ke tingkat di mana penilaian efek potensial mereka pada kejadian penyakit adalah
kepentingan kesehatan masyarakat. Obat-obatan tertentu, seperti kontrasepsi oral dan estrogen
non-kontrasepsi, telah dipelajari dengan baik dalam kaitannya dengan berbagai kondisi, tetapi efek
dari banyak obat lain belum. CCS telah menilai hubungan dengan berbagai macam obat, termasuk
angiotensin converting enzyme (ACE) inhibitor, acetaminophen, antidepresan, antihistamin, aspirin
dan NSAID lainnya, benzodiazepin, blok beta-androgenik, calcium channel blockers, diuretik,
suplemen hormon wanita, hydralazine , kontrasepsi oral, obat pencahar yang mengandung
fenolftalein, fenotiazin, alkaloid rauwolfia, penghambat reuptake serotonin selektif, statin, tiazid,
suplemen tiroid, dan vitamin / mineral (lihat daftar publikasi dalam Lampiran).
Efek yang tidak diinginkan obat yang didokumentasikan oleh CCS termasuk efek samping (misalnya,
peningkatan risiko kanker hati dan kanker payudara yang berhubungan dengan penggunaan
kontrasepsi oral, dan peningkatan risiko kanker endometrium lokal dan lanjutan yang terkait dengan
penggunaan suplemen estrogen pascamenopause) dan efek protektif (misalnya, mengurangi risiko
kanker ovarium dan endometrium terkait dengan penggunaan kontrasepsi oral dan mengurangi
risiko kanker kolorektal dan kanker lambung yang berhubungan dengan penggunaan aspirin ").
Keamanan obat-obatan juga sering didokumentasikan oleh CC setelah muncul kekhawatiran tentang
efek samping. Percobaan pada hewan pengerat yang diberikan phenolphthalein menyarankan
peningkatan risiko beberapa temuan kanker tetapi CCS tidak menyarankan peningkatan risiko.
Sebuah penelitian menunjukkan bahwa calcium channel blockers meningkatkan risiko beberapa
kanker tetapi hasilnya berdasarkan angka yang jauh lebih besar di CCS membantah temuan itu. '
Data hewan meningkatkan kekhawatiran bahwa benzodiazepin meningkatkan risiko beberapa
kanker, tetapi hasil dari CCS adalah nol. Data hewan juga meningkatkan kemungkinan peningkatan
risiko kanker yang terkait dengan penggunaan hydralazine, tetapi sekali lagi hasil CCS adalah nol.
Basis data CCS tetap tersedia untuk analisis minat lebih lanjut.

Penilaian efek setelah selang waktu yang lama atau durasi penggunaan

Efek obat-obatan dapat menjadi jelas hanya setelah bertahun-tahun. Desain kontrol kasus
yang digunakan oleh CCS berguna untuk menilai efek paparan yang terjadi di masa lalu atau setelah
lama durasi paparan, misalnya CCS mendokumentasikan peningkatan risiko kanker endometrium
dalam hubungan dengan penggunaan suplemen estrogen 15-19 tahun setelah penghentian
penggunaan. Studi kohort tidak dapat membuat penilaian ini kecuali mereka telah berlangsung
selama bertahun-tahun

Pengendalian membingungkan

Banyak informasi tentang asosiasi obat-penyakit berasal dari studi non-acak. Oleh karena itu
kontrol pembauran sangat penting untuk validitas. Penggunaan obat dikaitkan dengan banyak faktor
yang sangat terkait dengan risiko penyakit. CCS memiliki informasi tentang faktor pembaur potensial
yang penting yang dapat dikendalikan dalam analisis multivariabel. Faktor-faktor ini termasuk
karakteristik demografi, riwayat medis, reproduksi dan sejarah ginekologi, riwayat keluarga kanker,
penggunaan tembakau dan alkohol, penggunaan perawatan medis, dan penggunaan obat lain .....
Data hasil yang akurat

CCS dikumpulkan ringkasan pengeluaran rumah sakit untuk semua pasien dan laporan
patologi untuk pasien dengan kanker, sehingga memungkinkan untuk klasifikasi diagnosis yang
akurat.

Kekuatan statistik yang tinggi

Seperti yang ditunjukkan pada Tabel 19.3, CCS memiliki kekuatan statistik yang tinggi untuk menilai
efek dari eksposur kepentingan kesehatan masyarakat. Rasio peluang kecil yang terkait dengan
paparan obat yang tidak umum dapat dideteksi untuk kanker umum, sementara rasio odds moderat
terkait dengan eksposur yang lebih umum dapat dideteksi untuk kanker yang kurang umum. Untuk
kanker yang sangat langka, hanya efek yang relatif besar dapat dideteksi untuk eksposur yang relatif
umum ...

Produktivitas dan temua substantif.

CCS telah sangat produktif, dengan 95 makalah yang diterbitkan pada berbagai eksposur dan hasil
(lihat Lampiran).
Kelemahan

Bias pilihan

Bias pemilihan kasus dan kontrol dapat terjadi karena bias rujukan dalam studi berbasis rumah sakit
seperti CCS. Bias juga bisa hasil dari penolakan untuk berpartisipasi. Pendaftaran di CCS terbatas
pada pasien yang tinggal dalam radius 50 mil dari rumah sakit, tujuannya adalah untuk hanya
menyertakan orang-orang dari populasi individu di dalam area yang akan mencari perawatan di
rumah sakit studi dan untuk mengecualikan rujukan dari luar area tersebut. Meskipun demikian,
pola rujukan untuk kanker yang berbeda atau penyakit tidak ganas mungkin berbeda. Tingkat
partisipasi pasien yang ditargetkan tinggi dalam CCS, tetapi meskipun demikian banyak pasien yang
tidak ditargetkan untuk wawancara karena mereka sibuk dengan tes atau pengunjung atau karena
keterbatasan anggaran membatasi jumlah wawancara yang dapat dilakukan

Untuk menilai potensi bias seleksi, kita dapat memilih dua kelompok kontrol, satu terdiri dari pasien
dengan kanker lain yang dinilai tidak terkait dengan paparan dan yang kedua terdiri dari pasien
dengan kondisi non-ganas yang dianggap tidak terkait dengan paparan. Pemilihan kelompok kedua
menjaga tidak hanya terhadap kemungkinan bahwa paparan dapat menyebabkan semua kanker,
tetapi terhadap kemungkinan pola rujukan yang berbeda untuk pasien dengan penyakit ganas dan
tidak ganas. Keseragaman paparan bunga di kedua kelompok kontrol menunjukkan tidak adanya
bias seleksi.

Sebagai pemeriksaan bias lainnya, penyakit yang tidak terkait dengan paparan obat yang
dipermasalahkan dapat dimasukkan dalam penilaian hubungan yang obat untuk hasil yang menarik;
misalnya ketika kami menilai acetaminophen dalam kaitannya dengan risiko kanker sel transisional,
kami menilai kanker sel ginjal juga karena kanker ini tidak dikaitkan dengan penggunaan
asetaminofen.

Bias pelaporan

Data paparan obat berdasarkan catatan yang lengkap dan akurat akan optimal, dengan peringatan
bahwa orang kadang-kadang tidak mengisi resep atau mengambil obat yang telah diresepkan. Studi
validasi penggunaan obat resep yang dilaporkan sendiri sulit di AS karena obat dapat diperoleh dari
berbagai sumber dan catatan mungkin tidak ada. Validasi penggunaan obat non-resep atau
penggunaan suplemen makanan tidak layak karena tidak adanya catatan. Tinjauan studi validasi
menyimpulkan bahwa pelaporan penggunaan obat yang diresepkan dipengaruhi oleh jenis obat dan
pola penggunaan obat (misalnya, pelaporan yang lebih baik untuk resep yang digunakan secara
kronis) dan oleh rancangan pengumpulan data. Karena penggunaan baru atau jangka panjang
kemungkinan besar untuk diingat terbaik, kami umumnya menempatkan kepercayaan terbesar pada
asosiasi dengan kategori penggunaan ini

Kemungkinan pelaporan diferensial di CCS dikurangi dengan menggunakan wawancara terstruktur

yang sama dan pengaturan wawancara yang sama untuk kasus dan kontrol.Meminta sekitar 43
indikasi untuk penggunaan obat-obatan dan kelas obat yang digunakan untuk menutupi hipotesis
tentang obat-obatan tertentu. Pasien kontrol dengan kondisi yang cukup serius untuk menjamin
masuk rumah sakit mungkin sama mungkin untuk mencari memori mereka secara hati-hati sebagai
pasien kasus yang dirawat karena kanker.

Paparan misclassification

studi yang berfokus pada beberapa obat yang menarik dapat memperoleh informasi yang lebih
lengkap daripada yang dikumpulkan dalam CCS, yang mengumpulkan data pada semua obat yang
digunakan. Upaya untuk mengurangi bias pelaporan telah dijelaskan di atas. Pelaporan yang tidak
terdefinisi secara berbeda dari penggunaan narkoba di CCS akan memiliki asosiasi yang melemah,
meskipun bahkan tidak sepengetahuan setinggi 30% di antara kasus dan kontrol akan menghasilkan
perubahan kecil dalam perkiraan rasio odds terhadap nol. Di sisi lain, misclassification diferensial
bisa mengakibatkan baik meningkatkan atau menurun dalam odds ratio. Tes akhir validitas hasil CCS
adalah konfirmasi dalam studi yang dilakukan dengan baik yang menggunakan metode yang
berbeda.

Aplikasi khusus

Seperti yang dijelaskan dalam bab ini, CCS memiliki kemampuan untuk menilai hubungan
penggunaan obat-obatan yang diresepkan dan yang tidak diresepkan untuk risiko berbagai macam
hasil. Hasil yang dinilai hingga saat ini, dan yang dapat dinilai lebih lanjut sebagai hipotesis atau
kekhawatiran baru muncul, termasuk kanker payudara, choriocarcinoma, kolesistitis, kanker
endometrium, kanker usus besar dan kanker gastrointestinal lainnya, kanker hati, kanker paru-paru,
melanoma, limfoma non-Hodgkin, kanker ovarium, penyakit radang panggul, kanker prostat, dan
tromboemboli vena (lihat Lampiran). Seperti yang ditunjukkan pada Tabel 19.1, ada cukup banyak
kasus hasil yang relatif langka, seperti kanker testis, pankreas, dan esofagus, untuk penilaian
informatif asosiasi obat-penyakit. Seperti juga dicatat, CCS sangat cocok untuk menilai asosiasi
penyakit dengan obat-obatan non-resep dan kelas obat, seperti acetaminophen, aspirin, dan
suplemen diet, di mana data paparan dapat dipastikan hanya melalui pelaporan oleh pengguna.
Eksposur non-obat dinilai termasuk kandungan tar dan nikotin rokok, merokok mentol mentol,
konsumsi alkohol, konsumsi kopi, dan vasektomi.

Masa depan

Karena pengumpulan data berhenti di CCS pada tahun 2009, database akan berguna di masa depan
hanya untuk penilaian obat yang sudah digunakan sebelum pengumpulan data berakhir

Acknowledgements.

CCS berasal pada tahun 1975 oleh Dr Samuel Shapiro dan almarhum Dr Dennis Slone. CCS didukung
oleh US Food and Drug Administration (perjanjian kerjasama U01 FD 01222-01 dan FD-U-000082 dan
kontrak 223-76-3016, 223-80-3001 226-82-0007) dan National Cancer Institute (hibah CA45762).
Dukungan untuk analisis data spesifik disediakan oleh berbagai perusahaan farmasi, yang diakui
dalam makalah yang mengandalkan dukungan mereka.