Основы фармакоэпидемиологического и фармакоэкономического анализа использования лекарственных средств при хронических заболеваниях

Учреждения-разработчики: Белорусская медицинская академия последипломного образования
Авторы: И.Н. Кожанова, И.С. Романова, А.В. Хапалюк, М.Д. Степанова

УЧЕБНО-МЕТОДИЧЕСКОЕ ПОСОБИЕ, Минск, БелМАПО, 2006 г. , 39 стр.

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ

АВС-анализ – распределение лекарственных средств по степени затратности

АТЛС – антитромбоцитарные лекарственные средства

ВОЗ – Всемирная Организация Здравоохранения

ГКС – глюкокортикостероиды

иАПФ – ингибиторы ангиотензин-превращающего фермента

ЛС – лекарственное средство

РКИ  – рандомизированное клиническое исследование

ФИ – фармакоэпидемиологическое исследование

ФЭ – фармакоэпидемиология

ХОБЛ – хроническая обструктивная болезнь легких

ARC – absolute risk of control (абсолютный риск в группе контроля)

ARR – absolute risk reduction (снижение абсолютного риска)

ART – absolute risk of treatment (абсолютный риск в группе лечения)

ATC – Anatomical Therapeutic Chemical (Анатомическая/Терапевтическая/ Химическая классификация)

CER – cost-effectiveness ratio (соотношение стоимость-эффективность)

DC – direct cost (прямые затраты)

DDD – Defined Daily Dose (установленная суточная доза)

DU90% - (drug utilization90%) потребление лекарственных средств 90%

E – Важность лекарственного средства высока, но не абсолютна

IC – indirect cost (непрямые затраты)

N – Важность лекарственного средства вызывает сомнение

NDDD – Number of Defined Daily Dose (число установленных суточных доз)

NEPP – number of events prevented in your population (число событий, предотвращенных в популяции)

PPE – number of prevented or postponed events (число предупрежденных или отсроченных событий)

Q − quantity (количество)

RRR – relative risk reduction (снижение относительного риска)

V – Жизненное значение лекарственного средства

VEN-анализ – распределение лекарственных средств по степени жизненной необходимости

ВВЕДЕНИЕ

Стремительный рост количества оригинальных препаратов и их многочисленных аналогов, производимых фармацевтическими компаниями под различными торговыми названиями, является характерной особенностью современного фармацевтического рынка многих стран, в том числе и Республики Беларусь. С одной стороны, насыщенность фармацевтического рынка различными группами препаратов позволяет реализовать лечебные запросы в отношении любой формы заболевания, но в тоже время ставит практикующего врача перед ежедневной проблемой выбора препарата при назначении фармакотерапии. С другой стороны, формирование протоколов и стандартов лечения хронических заболеваний на национальном уровне требует решения вопроса о клинической и экономической обоснованности включения ЛС. Таким образом, в сложившихся условиях целью оптимальной фармакотерапии является выбор среди номенклатурного разнообразия лекарственных средств (ЛС) наиболее эффективных, безопасных и доступных по цене.

На данном этапе развития науки и медицины надежным доказательством эффективности и безопасности ЛС являются только результаты рандомизированных контролируемых исследований (РКИ) и их систематических обзоров и мета-анализов. Понимание этого факта, а также постоянное увеличение числа ЛС привели к появлению большого количества качественно проведенных клинических исследований как новых ЛС, так и давно используемых. РКИ имеют ряд ограничений, связанных с условиями их выполнения. Тщательный отбор больных, жесткие критерии включения не позволяют напрямую переносить результаты даже многоцентровых исследований на реальную национальную популяцию больных. Тем не менее, целесообразность использования в реальной клинической практике данных РКИ очевидна. Длительный опыт применения того или иного ЛС не всегда служит убедительным доводом в пользу его дальнейшего применения. Кроме того, на практике врачи часто судят об отдаленной эффективности ЛС на основании непосредственных результатов их применения или «суррогатных» критериев (лабораторном или определяемом при физическом исследовании показателе), тогда как наиболее важными являются клинически значимые результаты лечения, так называемые «конечные точки».

В этой связи данные, полученные в РКИ, приобретают весомое значение при выборе ЛС или метода лечения. Однако перенос результатов РКИ на популяцию реальных больных напрямую требует осторожности из-за методологических особенностей проведения таких исследований. Решение этой непростой задачи в значительной мере находится в сфере фармакоэпидемиологии. Ретроспективные фармакоэпидемиологические исследования как один из вариантов проведения лекарственного мониторинга позволяют получать не только информацию о реальной клинической практике, оценивать отдаленные последствия применения ЛС, но также  дают возможность в дальнейшем прогнозировать клиническую эффективность ЛС, доказанную в РКИ, в национальной популяции больных и рассчитывать потенциальные затраты на их применение.

Для отечественного здравоохранения важны практически все направления, которые определены фармакоэпидемиологией и, прежде всего, особенности использования ЛС в типичной клинической практике и их клиническая эффективность.

В условиях реформирования практического здравоохранения в Республике Беларусь, как и в других странах, с акцентом на медико-экономические методы планирования и управления, высока значимость результатов фармакоэпидемиологических исследований лечения хронических заболеваний.

Практическое применение результатов фармакоэпидемиологического мониторинга может быть выражено в разработке образовательных программ, контроле оптимального применения ЛС и выделении вариантов нерационального использования ресурсов, что имеет своей конечной целью улучшение качества лечения.

1. Основные положения, термины, определения

Фармакоэпидемиология (ФЭ) – медицинская дисциплина, изучающая  использование и эффекты/побочные эффекты ЛС у большого числа людей в целях обеспечения рационального и экономически эффективного использования ЛС среди населения, направленного на улучшение состояния здоровья людей. ФЭ возникла на стыке двух дисциплин: клинической фармакологии и эпидемиологии, позаимствовав у первой дисциплины цели, у второй – методологические подходы, и может рассматриваться как применение эпидемиологических методов исследования для решения задач клинической фармакологии, т.е. безопасного и эффективного применения ЛС у человека.

Клиническая фармакология – медицинская дисциплина, которая на научной основе сочетает фармакологические и клинические знания, ставя своей конечной целью повышение эффективности и безопасности клинического применения лекарств.

Эпидемиология – наука, изучающая распространенность и причинные факторы связанных со здоровьем состояний и событий в популяции, использующая полученные результаты для борьбы с заболеваниями. Выделяют также клиническую эпидемиологию – науку, разрабатывающую методы клинических исследований, которые дают возможность делать справедливые заключения, контролируя влияние систематических и случайных ошибок.

Частным случаем фармакоэпидемиологического исследования (ФИ) является исследование потребления ЛС – маркетинг, изучение распространения, назначения и использования ЛС в обществе – с особым вниманием к вытекающим медицинским, социальным и экономическим результатам.

При исследовании потребления ЛС используются унифицированные подходы, позволяющие не только выделять особенности использования ЛС в отдельных регионах или лечебных учреждениях, но и проводить сравнительный анализ между ними либо во времени. В настоящее время общепринятой классификационной системой для проведения ФИ в международной практике  является ATC/DDD-система. Она представляет собой комплекс признанных ВОЗ подходов к анализу использования ЛС.

Анатомо-терапевтическая химическая классификация (АТХ)  ЛС  (Anatomical Therapeutic Chemical, АТС) разработана в 1976г. норвежскими учеными и принятая ВОЗ в 1982 году. В системе АТХ используют международные непатентованные названия ЛС.  Каждое ЛС по системе АТХ имеет код в соответствии с пятиуровневой его характеристикой, в зависимости от действия на определенный анатомический орган или систему, а также от его химического, фармакологического и терапевтического свойства. Принцип ее организации можно проиллюстрировать на примере селективного агониста бета2-адренорецепторов фенотерола, имеющего код  R03AC04. Элементы кода расшифровываются следующим образом:

• R: RESPIRATORY SYSTEM – дыхательная система; 1-й уровень – анатомическая группа, предусматривает распределение ЛС по топическому принципу приложения действия в организме человека, всего их 14.
• R03: DRUGS FOR OBSTRUCTIVE AIRWAY DISEASES – лекарственные средства для лечения обструктивных заболевания легких; 2-й уровень классификации – основная фармакологическая/терапевтическая группа.
• R03A: ADRENERGICS, INHALANTS – ингаляционные адренергические ЛС; 3-й уровень – фармакологическая/терапевтическая подгруппа.
• R03AC: Selective beta-2-adrenoreceptor agonists – селективные агонисты бета2-адренорецепторов; 4-й уровень – химическая/фармакологическая /терапевтическая подгруппа.
• R03AC04: Fenoterol – фенотерол; 5-й уровень – конкретное химическое вещество, международное непатентованное наименование лекарственного стедства.

Код АТХ обычно не присваивают комбинированным препаратам, исключая широко применяемые фиксированные комбинации – например, ингибиторы ангиотензин-превращающего фермента (иАПФ) и диуретики. Основная цель этой классификации – служить средством для предоставления статистических данных о потреблении ЛС.

Установленная суточная доза ЛС (DDD – Defined Daily Dose) является расчетной средней поддерживающей суточной дозой ЛС, применяемого по основному показанию у взрослых массой 70 кг. Установленная суточная доза ЛС (DDD) – это техническая единица измерения, которая не аналогична рекомендуемой суточной дозе, зависящей от степени тяжести, характера течения заболевания, массы тела пациента и т.д. определяется для тех ЛС, которым присвоен код АТС.

Оценка дозировок использования ЛС в масштабах популяции проводится с использованием DDD-методологии, представляющей собой универсальную систему измерения потребления ЛС. На основе DDD-методологии высчитывается ряд наглядных показателей – число DDD на 100 койко-дней, число DDD на 1000 населения.

Полученные при исследовании потребления ЛС данные позволяют проводить анализ качества лекарственной терапии и сравнивать существующие подходы к лечению с данными, основанными на принципах доказательной медицины.

Доказательная медицина представляет собой продуманное, строгое и последовательное применение достоверной научной информации в процессе принятия клинических решений у конкретных больных. Для осуществления принципов доказательной медицины на практике необходимо использовать самые надежные данные систематических исследований и мета-анализов. 

Систематическое исследование – исследование, в ходе которого проводится критический анализ и оценка результатов других исследований для того, чтобы ответить на заранее сформулированный ясный клинический вопрос при помощи методов, позволяющих свести к минимуму возможность появления систематической ошибки.

Мета-анализ – обзор, в котором при помощи количественного метода оценки обобщены данные нескольких исследований, а итоговый результат представлен в виде одного средневзвешенного показателя.

Клиническое испытание (КИ) – оценка терапевтической или профилактической эффективности и переносимости нового ЛС, установление наиболее рациональных доз и схем его применения, а также сравнительная характеристика с уже существующими препаратами. Клинические испытания являются контролируемыми, рандомизированными и, чаще всего, двойными слепыми. Контролируемое клиническое испытание означает включение больных в исследование согласно заранее утвержденным критериям отбора. Рандомизация – случайное разделение больных, отвечающих критериям отбора, на основную и контрольную группу. Двойной слепой метод – ни врач, ни больной не знают, какое ЛС принимает больной согласно рандомизации.

Для оценки эффективности лекарственной терапии используется концепция конечных точек. Первичные конечные точки – основные показатели, связанные с возможностью удлинения жизни больного. В клинических исследованиях к ним относя такие показатели как, общая смертность, смертность от сердечно-сосудистых заболеваний, в частности от инфаркта миокарда и мозгового инсульта. Вторичные конечные точки - отражают улучшение качества жизни либо вследствие снижения заболеваемости нелетальным инфарктом миокарда, либо из-за облегчения симптомов заболевания, например бронхиальной астмы (уменьшение частоты приступов). В некоторых клинических исследованиях могут оцениваться  третичные конечные точки − показатели любых лабораторных исследований или физикальных данных, которые используются в качестве основы для клинического выражения конечной точки.

Данные, полученные при проведении ФИ и РКИ, позволяют строить фармакоэпидемиологические модели применения ЛС в реальной национальной популяции больных и рассчитывать потенциальную клиническую эффективность и стоимость использования ЛС.

Модель – это такой материальный или мысленно представляемый объект,  который в  процессе  исследования  замещает  объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале. Под моделированием понимается способ изучения различных объектов, процессов или явлений, основанный на формализованном описании изучаемого феномена. Моделирование позволяет при незначительных финансовых затратах, используя данные из различных источников информации (базы данных, медицинские карты, анкеты для врачей и пациентов и т.д.), переносить данные об эффективности ЛС, полученные в рандомизированных клинических исследованиях на реальные популяции людей в реальном географическом пространстве.  Результаты моделирования позволяют проводить фармакоэкономическую оценку использования ЛС в реальной популяции больных, используя методы экономического анализа.

Фармакоэкономический анализ − оценка ЛС с учетом как клинической, так и экономической составляющей. При фармакоэкономическом анализе акцент делается на затраты, связанные с использованием ЛС и не учитываются непрямые медицинские расходы.

2. Исследование использования лекарственных средств при лечении хронических заболеваний

Всесторонний, всеобъемлющий анализ потребления ЛС при лечении больных хроническими заболеваниями определяет стереотипы назначения и применения ЛС врачами и пациентами. Полученные в ходе проведения исследования потребления ЛС данные необходимо учитывать при принятии управленческих решений и коррекции обучающих программ.

При исследовании потребления ЛС используются следующие методы: частотный анализ, DU 90%-анализ,  ATC/DDD-анализ, VEN-анализ, ABC-анализ.

Для всесторонней оценки рациональности фармакотерапии хронических заболеваний разные виды анализа фармакоэпидемиологических данных могут использоваться как по отдельности, так и в комплексе в зависимости от приоритетной цели исследования, отражая различные стороны использования ЛС. Так частотный анализ и DDD-анализ отражают характер назначения и применения ЛС. VEN-анализ, DU90%-анализ и ABC-анализ характеризуют качество и экономические аспекты фармакотерапии.

Каждый из видов анализа несет соответствующую информацию и может иметь значение при принятии управленческих решений.

2.1 Источники информации при проведении фармакоэпидемиологических исследований

Источниками информации для ФИ могут служить медицинская документация, заполняемая врачами (амбулаторные карты, истории болезни и др.), документы бухгалтерской отчетности аптечной сети и представительств фармацевтических компаний в регионе, документация о расходовании ЛС стационаров, анкетирование врачей и пациентов, и другие источники, предусматриваемые при планировании исследования.
Источником информации об ATC/DDD-системе и значениях DDD является Центр ВОЗ по методологии лекарственной статистики (www.whocc.no/atcddd).

Источниками информации о ценах на ЛС в Республике Беларусь могут служить электронная база данных об оптовых и розничных ценах информационной службы «Фармасервис» (www.apt.by, www.apt.by/tables), справочная служба, организованная совместно Республиканской научной медицинской библиотекой и  Торгово-производственным республиканским унитарным предприятием «БелФармация» (www.069.med.by) и др.

2.2 Частота и структура назначения  лекарственных средств

Частотный анализ лечения хронических заболеваний представляет собой вид количественного анализа данных, который дает возможность судить о тенденциях терапии хронических заболеваний, так как отражает только факт назначения или неназначения ЛС. Данный вид анализа при исследовании лечения конкретного хронического заболевания отражает, в первую очередь, взгляды врачей.

Результаты частотного анализа могут представляться в виде доли больных, которым ЛС назначалось (1), в виде доли интересующего ЛС в общем числе назначений (структура назначений) (2), в виде доли врачей, которые назначают интересующее ЛС (при анализе данных анкетирования врачей) (3):

Пример 1. Для примера использованы данные фармакоэпидемиологического анализа лечения хронической обструктивной болезни легких в период ремиссии у 186 больных в 2004 году в поликлиниках г. Минска. Базовые данные отражены в табл. А1.

Для расчета частоты назначения ЛС используем показатели одного ЛС −  ипратропия бромида. Напомним, что частота назначения, выраженная в процентах, отражает долю больных, которым ЛС назначалось в течение года, и рассчитывается как отношение числа больных, которым ЛС назначалось к общему числу наблюдаемых больных умноженное на 100% (формула 1):

Число больных, которым ипратропия бромид назначался на регулярной основе, составило 18 человек из 186 обследованных. Тогда частота назначения равна 18/186=0,096 или 9,6% (таблица А1, Приложение А).

Учитывая, что 186 пациентам, включенным в исследование, было выполнено 299 назначений лекарственных средств, а ипратропия бромид   назначался 30 раз, можно рассчитать долю ипратропия бромида в общей структуре назначений. Напомним, что доля ЛС в общей структуре назначений, выраженная в процентах, отражает долю, которую составляет каждое ЛС в общем числе назначений, и рассчитывается как отношение числа назначений курсов каждого ЛС к общему числу назначения курсов ЛС всем наблюдаемым больным в течение года, умноженное на 100% (формула 2):

Подставляя цифровые значения в формулу 2, получаем, что доля ипратропия бромида в общей структуре назначений составляет 30/299=0,10 или 10%.

Курсом назначения ЛС считается период времени от назначения ЛС до его отмены в связи прекращением лечения, заменой на другое ЛС,  отсутствием эффективности, появлением побочных эффектов. Период времени, в течение которого проводится исследование, выбирается исследователем, исходя из целей и задач. При фармакоэпидемиологических исследованиях лечения хронический заболеваний, если нет особенностей оговоренных при планировании исследования, курсом считается время от первого назначения, зафиксированного документально, до записи  об отмене ЛС, либо до отсутствия записи о продолжении приема ЛС при двух подряд очередных рутинных визитах к врачу. Датой окончания курса считается первый из двух визитов без назначения ЛС.

2.3 Методология исследования фактического потребления лекарственных средств на основе установленной суточной дозы
 (АТС/DDD-методология)
 
Для определения фактического потребления ЛС используется   АТС/DDD-методология. Каждому ЛС, имеющему ATC-код, центр ВОЗ по методологии лекарственной статистики устанавливает DDD (Defined Daily Dose).  Так, согласно DDD-методологии, 3 г цефазолина эквивалентны 0,1 г доксициклина; 0,8 мг ингаляционного аэрозоля сальбутамола эквивалентны 10 мг сальбутамола – раствора для ингаляций и 0,6 г аминофиллина;  10 мг эналаприла – 50 мг каптоприла и 10 мг лизиноприла и т.д. DDD-методология позволяет рассчитать лекарственную «нагрузку» на пациента, поскольку отражает не только количество назначаемых ЛС, их дозировку, но и длительность применения. Расчет показателя потребления ЛС представлен как число установленных суточных доз − NDDD (number of DDD). Для ЛС отечественного производства (белорусского, российского, украинского), которые применяются в локальном масштабе и не имеют международного DDD, а также для комбинированных препаратов, которым DDD не присвоена, при необходимости DDD можно принять равной средней суточной дозе ЛС за курс лечения у исследуемых больных.

Число установленных суточных доз ЛС (NDDD) рассчитывается как отношение количества ЛС (Q-quantity) к DDD. Количество ЛС (Q) – это величина, учитывающая дозу препарата, число таблеток (ампул), число пациентов, принимающих определенный препарат и длительность потребления в днях:

Использование для расчета интенсивности потребления установленных единиц ЛС (DDD) позволяет получить суммарный показатель «лекарственной нагрузки» в каждой конкретной группе ЛС.

Пример 2. На примере базовых данных фармакоэпидемиологического анализа лечения хронической обструктивной болезни легких в период ремиссии у 186 больных рассчитаем число установленных суточных доз ипратропия бромида. Числовые данные для расчетов используем из табл. А1.

При проведении фармакоэпидемиологического исследования определено, что 18 больных ХОБЛ из 186 принимали препарат регулярно на протяжении периода наблюдения. Препарат назначался в средней суточной дозе 0,12 мг, и общая длительность курса для всех больных, рассчитанная как сумма дней приема препарата каждым пациентом в течение года  составила 4293 дня/год. Таким образом, общее количество препарата, использованное исследуемой популяцией больных, рассчитывается как произведение средней суточной дозы и  общей длительности курса, что составляет 0,12   4293 = 515,16 мг. В течение одного года 186 больных ХОБЛ ипратропия бромида использовали 515,16 мг. Используя формулу (4), рассчитываем NDDD (ипратропия бромида) = 515, 16 / 0, 12 = 4293 мг. При этом учитываем, что DDD ипратропия бромида равно 0, 12 мг (совпадает со средней суточной дозой).

Данные о потреблении ЛС могут представляться в виде ряда показателей, которые позволяют проводить сравнения потребления ЛС между регионами и лечебными учреждениями:
• количество установленных суточных доз ЛС на 1000 жителей в день (NDDD/1000 жителей/день) дает представление о доле населения, получающей определенный вид лечения, и используется для оценки потребления ЛС, применяющихся длительными курсами или постоянно.

• количество установленных суточных доз ЛС на одного жителя в год (NDDD/1 жителя/год) дает представление о количестве дней лечения данным ЛС каждым жителем ежегодно и используется для оценки потребления ЛС применяющихся короткими курсами

При фармакоэпидемиологических исследованиях, проводимых на стационарном этапе, данные могут представляться в виде следующих показателей:
• количество установленных суточных доз ЛС на 100 койко-дней (NDDD/100 койко-дней) дает представление о доле пациентов в стационаре, получающих определенный вид лечения

NDDD/100 койко-дней =  NDDD х 100 / количество койко-дней  (8)

Пример 3. На примере базовых данных фармакоэпидемиологического анализа лечения хронической обструктивной болезни легких в период ремиссии у 186 больных рассчитаем число установленных суточных доз ипратропия бромида на одного человека в год.

Применив данные из примера 2 (NDDD/186 больных в год для ипратропия бромида составляет 4293 мг), рассчитываем
NDDD/1000 больных/день = (4293 1000) / (186 365) = 63 мг.
NDDD/1 больного/год = 4293 / 186=23 мг.

Таким образом, лекарственная нагрузка на больных ХОБЛ в Республике Беларусь составляет 63 мг на 1000 больных в день, или 23 мг на одного больного в год.

2.4  Анализ назначения лекарственных средств, основанный на индексе жизненной необходимости
 (VEN-анализ)

VEN-анализ представляет собой элемент клинико-экономического анализа, который позволяет формализовано подойти к оценке правильности назначения лекарственных средств при определенной патологии. Данный вид анализа лекарственной терапии предполагает присвоение каждому назначенному лекарственному средству определенного индекса важности: «V» – жизненное значение, «E» – важность высока, но не абсолютна, «N» – важность вызывает сомнение. Экспертный способ деления лекарственных средств на группы реализует принципы доказательной медицины: доказанным эффектом, позволяющим отнести препарат к группе «V», являются результаты достоверных клинических исследований. Препарат с доказанной эффективностью относят в группу «E», если при определенной патологии показания к его назначению относительны, и к группе «N», если он противопоказан или доказательства его эффективности отсутствуют.

Наличие качественно проведенных рандомизированных клинических исследований, систематических обзоров и мета-анализов считается наиболее высоким уровнем доказательств эффективности ЛС. Далее ценность доказательств последовательно снижается в ряду от рандомизированных исследований, включающих достаточное число больных, до описания ограниченного числа больных или отдельных больных без контрольной группы. Поиск рандомизированных клинических исследований проводится в электронных базах данных Cochrane Library,  MEDLINE, PubMed, Medscape  и др., в библиографиях и резюме международных научных обществ.

Возможен также формальный подход к проведению VEN-анализа. При этом ЛС присваиваются только два индекса: «V» (в случае наличия ЛС в национальных протоколах по лечению интересующего заболевания) и «N» (в случае отсутствия).

Пример 4. При проведении упомянутого выше фармакоэпидемиологического исследования лечения ХОБЛ в период ремиссии все ЛС были распределены по степени жизненной необходимости. Результаты VEN -анализа отражены в табл. А1 Приложения А.

Индекс «V» присваивался препаратам, для которых в ходе РКИ получены данные о положительном влиянии этих ЛС на течение хронической обструктивной болезни легких: м-холинолитикам (ипратропия бромид), ГКС (беклометазон, преднизолон), метилксантины пролонгированного действия и др. Индекс «E» получили препараты, которые используются для симптоматической терапии или лечения обострений сопутствующих заболеваний – муколитики и др. Индекс «N» имеют препараты, не влияющие на течение основного заболевания в период ремиссии или противопоказанные данной категории больных  – метилксантины короткого действия (эуфиллин), антибиотики, антигистаминные препараты и т.д. 

В ходе исследования установлено, что группу «V» вошли 14 наименований препаратов, группе «Е» – 6 препаратов, группу «N» – 25 препаратов. Учитывая, что всего было назначено 45 наименований препаратов, жизненно-необходимые ЛС назначались 49% больных в период ремиссии, что составило 38% в структуре назначений и 59% всего объема примененных ЛС. Препараты группы N назначались 40% больных, составили 34% в общей структуре назначений и 32% всех примененных ЛС. Таким образом, получаем, что значительную долю частоты назначений занимают ЛС относящиеся к группе N, не имеющие доказанного влияния на течение заболевания.

2.5 Анализ потребления лекарственных средств на основе их доли в общем числе установленных суточных доз
 (DU90%-анализ)

При проведении DU90%-анализа рассчитанные NDDD/год для каждого лекарственного средства, применявшегося при лечении исследуемого заболевания, ранжируются от большего NDDD/год к меньшему  NDDD/год и рассчитывается доля каждого ЛС в общем NDDD, который принимается за единицу или 100% всех примененных ЛС. Формируются две группы ЛС. В первую группу, DU90%, входят ЛС, составляющие 90% потребляемых NDDD при интересующем заболевании. Вторую группу составляют ЛС с небольшими показателями NDDD, которые составляют оставшиеся 10% всех NDDD. Далее группа DU90% сравнивается с существующими на момент исследования рекомендациями и протоколами лечения интересующей патологии, либо оценивается c помощью VEN-анализа, и делаются выводы о соответствии или несоответствии терапии принятым стандартам. Вторым этапом DU90%-анализа является расчет стоимости одного DDD в обоих сегментах: DU90% и DU10%, что позволяет сравнить затраты на редко используемые и часто используемые ЛС.

Пример 5. При проведении фармакоэпидемиологического исследования лечения ХОБЛ в период ремиссии для каждого препарата была зафиксирована установленная суточная доза (DDD), что позволило рассчитать количество установленных доз каждого препарата в год и расположить эти показатели в порядке убывания (табл. А2).

Согласно данным, представленным в табл. А2, видно, что большую часть (DU90%-сегмент) составляют 11 ЛС (ипратропия бромид – 20,41% NDDD, теофедрин – 16,52% NDDD, аминофиллин – 9,53% NDDD, сальбутамол – 8,41% NDDD, теопек – 7,92% NDDD, будесонид – 7,5% NDDD и т.д.). На них приходится 90% всех реально использованных больными препаратов. Эти ЛС назначались 85% больных и составляли 68% в структуре назначений. Сегмент DU10% составляют 34 наименования ЛС, которые назначались 40% больных и составили 32% в структуре назначений. Среди ЛС DU90%-сегмента около 30% всех примененных средств составляют препараты группы N, что свидетельствует о недостаточной рациональности лечения. Стоимость одной DDD в сегменте DU10% (484,43 руб.) почти в два раза превышает таковую в сегменте DU90% (247,26 руб.), что позволяет говорить о преимущественном использовании недорогих ЛС.

2.6 Распределение лекарственных средств по степени затратности
(АВС-анализ)

Проведение ABC-анализа направлено на выявление наиболее затратных лекарственных средств. Все ЛС, применяемые при лечении интересующего заболевания, выстраиваются в таблицу в порядке убывания от наиболее ресурсоемких к наименее ресурсоемким. Группа А формируется из препаратов, на которые затрачивается 80% денежных средств, группа B – из препаратов, на которые затрачивается 15% средств, и группа C – из препаратов, на которые затрачивается еще 5% средств. В зависимости от целей исследования можно проводить ABC-анализ следующих видов:
• Анализ закупок различных ЛС на уровне лечебного учреждения, региона, службы или ведомства, страны.
• Анализ ЛС, применяемых при определенной патологии.
• Анализ закупок и применения различных групп ЛС, оптимальное распределение по фармакотерапевтическим группам.
• Анализ использования определенных ЛС внутри одной фармакотерапевтической группы  (например, антибиотики) или анализ с точки зрения оригинального и генерических форм одного лекарственного средства.

Пример 6. При проведении фармакоэпидемиологического исследования лечения 186 больных ХОБЛ в период ремиссии, для каждого препарата определена стоимость лечения (табл. А3 Приложение А). Дозы ЛС в упаковках представлены в тех же единицах, что средние суточные дозы и DDD. Число доз в упаковке и цена упаковки получены по базе данных «Фармасервис».

Цена годового лечения каждым ЛС рассчитывалась как произведение NDDD/год на цену одного DDD каждого ЛС:

где цена одного DDD каждого ЛС рассчитывается как отношение произведения 1DDD на цену одной дозы в упаковке к дозе единицы ЛС в упаковке:

цена единицы ЛС в упаковке рассчитывалась как отношение цены упаковки к числу доз в упаковке:

Затем в ходе расчетов все ЛС были распределены от более затратных к менее затратным. Большая часть денежных средств пришлась на группу А (80% расходов на лечение 186 больных ХОБЛ). В группу А вошло 9 наименований ЛС, которые назначались 56% больных. В структуре назначений эти ЛС составили 42% и 66% в интенсивности применения. При этом около 14% средств было затрачено на препараты группы N.

2.7 Особенности исследования использования лекарственных средств при хронических заболеваниях

В отличие от острых процессов, при которых частота назначения коррелирует с интенсивностью применения  ЛС, особенностью проведения исследований использования лекарственных средств при хронических заболеваниях, является обязательный учет дозировок и длительности назначения лекарств больным. Это условие выполняется в рамках ATC/DDD-методологии. Изолированный анализ частоты назначений по данным анкетирования врачей и (или) пациентов при хронических заболеваниях может давать искаженную картину и не отражает реально примененного больными количества ЛС, поскольку при частотном анализе не учитывается длительность применения ЛС.

3. Моделирование применения лекарственных средств в реальной популяции больных

Моделирование применения ЛС у реальных больных в реальном географическом пространстве дает возможность предварительной оценки эффективности ЛС и прямых медицинских затрат на его применение. Это, в свою очередь, позволяет рассчитать потенциальное значение соотношения стоимость/эффективность предотвращения нежелательного эффекта, вызванного хроническим заболеванием. Для альтернативных ЛС, имеющих одинаковые показания, моделирование позволяет делать обоснованный выбор оптимального ЛС. Основанием для проведения моделирования служит наличие ЛС для лечения хронических заболеваний, которые, по данным локального фармакоэпидемиологического исследования или регулярного мониторинга, не используются в реальной практике или используются редко. При этом имеются доказательства эффективности этих ЛС у больных. Такими доказательства дают хорошо выполненные РКИ, которые позволяют оценить эффективность применения ЛС в отношении интересующих исследователя параметров заболевания.

Для оценки эффективности ЛС по РКИ и проведения в дальнейшем математического моделирования в качестве конечных точек предпочтительно выбирать жесткие точки, например, смертность. Тем не менее, в ряде ситуаций при исследовании лечения хронических заболеваний в качестве конечных точек могут быть использованы другие показатели, которые исследуются в РКИ: число случаев нефатального инфаркта миокарда, частота обострений, показатели качества жизни. При ретроспективном построении исследования, основанном на обработке медицинской документации, используются общеупотребительные показатели эффективности лечения, которые отмечены в любой истории болезни или амбулаторной карте.

Обязательным условием проведения моделирования является идентичность показателей, анализируемых в реальной популяции больных и РКИ, используемых для расчета эффективности ЛС и наличие в РКИ группы контроля, получающей placebo. 

3.1 Расчет эффективности лекарственных средств по результатам рандомизированных клинических исследований
 
Поиск РКИ проводится в электронных базах данных Cochrane Library,  MEDLINE, PubMed, Medscape  и др., в библиографиях и резюме международных научных обществ. При поиске в электронных базах данных используются ключевые термины исходя из задач исследования (названия ЛС, заболевания, формулировка конечной точки и т.д.). Для анализа отбираются исследования, соответствующие критериям отбора, определяемым потребностями исследования (например: рандомизированные контролируемые исследования лекарственных препаратов у взрослых больных, placebo-контроль, длительностью не менее 3-х месяцев, в которых изучаемые показатели включали количество, длительность и тяжесть обострений).

Для оценки эффективности лекарственных препаратов при обработке результатов РКИ используется методология оценки клинических исходов с использованием таблиц сопряженности. Для каждого РКИ, удовлетворяющего критериям включения, рассчитывается число интересующих нас важных исходов за определенный период в группах лечения и контроля, абсолютный риск в группе лечения – ART (absolute risk with treatment), абсолютный риск в группе контроля –ARC (absolute risk with control). Для каждого исследования рассчитывается снижение абсолютного риска – ARR (absolute risk reduction) и снижение относительного риска – RRR (relative risk reduction). Снижение относительного риска отражает уменьшение исходного риска в группе изучаемого вмешательства в отношении интересующего клинического исхода.

Показатели рассчитываются по следующим формулам:
снижение абсолютного риска

снижение относительного риска

Таблица сопряженности − это числовой массив в матричной форме, представляющий частоту множественной классификации. Мы будем рассматривать классификацию по двум признакам, результаты которой могут быть изображены в виде двумерной таблицы сопряженности, состоящей из четырех клеток.

Пример 7.  Четырехпольная таблица сопряженности, или (2х2) − таблица имеет следующий вид:

По данным четырехпольной таблицы сопряженности можно вычислить показатель снижения относительного риска:  
 

Пример 8. Рассчитать RRR при применении лекарственного препарата для лечения заболевания на основании данной таблицы сопряженности

Используя формулу (14), получим

В приведенном примере, рассматривающем применение ЛС при хроническом заболевании за определенный период времени, в группе лечения исследуемым препаратом 36 больных из 100 перенесли обострение за исследуемый период. В группе контроля, где больные получали placebo, обострение перенесли 42 больных из 100. снижение относительного риска (RRR), рассчитанное по формуле (14), составило 0, 14. Таким образом, в группе лечения относительный риск развития обострения снизился на 14%.  

3.2 Математическое моделирование клинической эффективности применения лекарственных средств

Всесторонний подход при создании системы управлении качеством в здравоохранении подразумевает максимальный охват всех взаимосвязей в системе и анализ последствий принятого решения. Очевидно, что экспериментальным путем установить и оценить все взаимосвязи в любой, даже самой простой системе, не говоря уже о системе здравоохранения, не представляется возможным. В реальной практике такой подход реализуется через моделирование.

Моделирование как метод широко применяется специалистами в области экономики здравоохранения. В этом случае моделирование позволяет наглядно продемонстрировать выгоду или затраты различных обсуждаемых альтернатив. Моделирование потенциальных расходов, связанных с использованием лекарства в широкой медицинской практике, востребовано при включении ЛС в ограничительные или формулярные списки. Однако наиболее существенным фактором, определяющим выбор ЛС, на наш взгляд, является соотношение между методом медицинского вмешательства (лечением) и собственно клиническим результатом. Рассчитать потенциальную выгоду при назначении ЛС также помогает моделирование.

Существуют как преимущества, так и недостатки моделирования. Прежде всего, моделирование – ресурсосберегающий метод, позволяющий экономить время и финансовые средства, снижать продолжительность и стоимость исследования. Важнейшим достоинством моделирования является возможность оценки влияния вариабельности исходных параметров на результаты (настройка модели). В конечном итоге результаты моделирования могут быть проверены на практике. С другой стороны, в моделях невозможно учесть все особенности, имеющие место в реальной жизни, поэтому при проведении моделирования выделяются ключевые, наиболее важные моменты.

Этапы моделирования
1. Формулировка проблемы и целей моделирования:
• прогнозирование окончательных результатов (жестких точек) на основе клинических эффектов («суррогатных» точек) в случаях, когда в клинических исследованиях не изучались отдаленные или опосредованные результаты лечения;
• прогнозирование использования медицинских ресурсов в условиях широкой практики на основе данных о действенности, полученной на ограниченной группе больных;
• адаптация результатов зарубежных исследований и перенос (экстраполяция) результатов экономического анализа из страны в страну;
• при необходимости сделать заключение о целесообразности применения медицинских вмешательств у пациентов, не включавшихся ранее в исследования.

При этом объектами моделирования являются:

• применяемые медицинские технологии;
• эффективность применения медицинских технологий;
• затраты на применение медицинских технологий;
• принимаемые решения.
  

Таким образом, моделирование может быть использовано для оценки как клинических, так и социально-экономических последствий применения тех или иных медицинских технологий.

2. После определения цели моделирования необходимо выбрать критерии эффективности изучаемых медицинских технологий. Этот этап моделирования должен определяться потенциальным потребителем результатов анализа. Например, для лечащего врача наиболее полезными окажутся критерии клинической эффективности медицинских вмешательств (нормализация артериального давления, уровня гемоглобина и т.д. и, соответственно, затраты, приходящиеся на эти показатели). Для пациента – нормализация функциональной активности и скорость исчезновения субъективных симптомов. Организатору здравоохранения важно знать, какое из медицинских вмешательств быстрее и с наименьшими затратами позволяет достичь выздоровления у большего числа людей.

3. Синтез информации и построение модели.
В качестве источников информации для построения модели используются:
• достоверные данные экспериментальных исследований (сравнительные исследования, где проводилась оценка альтернативы, лекарственного препарата или медицинской технологии с одной стороны, и стандартов ведения больных в существующей практике, с другой);
• результаты собственных фармакоэпидемиологических исследований изучения реального ведения больных на различных этапах оказания медицинской помощи. 

Результаты изучения реальной медицинской практики в совокупности с задачами, которые ставит перед собой исследователь, предопределяют будущую модель, а достоверные данные клинических исследований количественно дополняют модель. Одним из вариантов моделирования является математическое моделирование. Использование этого метода позволяет прогнозировать эффективность применения лекарственных средств в реальной клинической практике в рамках фармакоэпидемиологических исследований.
Далее приводятся математические модели, связывающие одну из возможных характеристик эффективности ЛС со следующими показателями: распространенностью заболевания, отношение пациентов к ЛС и лечению, риском интересующего исследователя клинического исхода.
Для оценки потенциальной эффективности лекарственного препарата, применяемого редко (есть резерв использования у пациентов, имеющих показания), рассчитывается число предотвращенных клинических исходов в популяции – NEPP (number of events prevented in your population):

Для оценки потенциальной эффективности нового, не используемого ранее препарата, используется показатель PPE (number of prevented or postponed events) – число предотвращенных или отсроченных клинических исходов:
 

В формулах (15) и (16) использованы следующие обозначения:
n (number) – размер популяции;
P_d (prevalence of disease) – заболеваемость или распространенность заболевания в популяции;
P_einc (incremental)  – доля пациентов, имеющих показания к лечению (eligible), у которых возможно получить прирост эффективности при назначении ЛС. Этот показатель рассчитывается как разность доли пациентов, имеющих показания к лечению P_e  (eligible) и доли пациентов, которые уже получают ЛС P_t  (treated) и имеют противопоказания P_ci  (contra-indication) и непереносимость P_int (intolerance ) препарата:

r_u (untreated) – риск неблагоприятного клинического исхода среди пациентов с интересующим заболеванием, не принимающих лекарственный препарат:

где (1-Pt) – доля пациентов, не принимающих препарат
(P_t x (1-RRR)) – доля пациентов, принимающих ЛП, но без эффекта

risk – значение интересующих клинических исходов у пациентов с заболеванием в реальной клинической практике;
P_e-u – доля пациентов, имеющих показания к лечению, но не получающих лечения. Рассчитывается как разность между долей пациентов имеющих показания к лечению (P_e), и долями пациентов, имеющих противопоказания (P_ci) и непереносимость (P_int):

r_e-u (probability of event / mean number of events per patien per eligible but untreated patient) – вероятность события или среднее число событий для  пациентов, имеющих показания к лечению, но не получающих лечения. Величина r_e-u при использовании в расчетах потенциального эффекта для ранее не применявшихся препаратов не требует коррекции и можно использовать среднее число событий у пациента с определенным заболеванием без учета проводимого больным лечения;
P_adh (adherence) – приверженность к лечению (соблюдение пациентом назначенного лечения). Если данные о приверженности к лечению отсутствуют, показатель равен единице и считается, что все больные принимают ЛС в соответствии с инструкцией (что на самом деле бывает очень редко);
RRR (relative risk reduction) – снижение относительного риска, связанное с лечебным вмешательством. Снижение относительного риска отражает уменьшение исходного риска в группе изучаемого вмешательства в отношении интересующего клинического исхода.

Ряд значений для проведения вычислений получают из данных локального аудита лекарственной терапии или локального фармакоэпидемиологического исследования: P_e, P_t, risk. Данные о доле больных с противопоказаниями (P_ci), непереносимостью (P_int) и о приверженности (P_adh) больных либо берутся из РКИ, либо так же могут быть получены при проведении ФИ.

Рассмотрим примеры проведения моделирования. В примерах рассчитаны показатели предотвращенных клинических исходов (PPE и NEPP) для ЛС, назначаемых при ХОБЛ (тиотропия бромид и ипратропия бромид)  и в постинфарктном периоде (симвастатин) с целью предупреждения неблагоприятных событий. Оба показателя рассчитаны для населения Республики Беларусь.

Данные получены из проведенных в 2004 году в г. Минске фармакоэпидемиологических исследований 186 больных ХОБЛ и 405 больных, перенесших инфаркт. Сделаны следующие выводы:

• при назначении лекарственного препарата «А» (тиотропия бромид) больным ХОБЛ по показаниям, соответствующим клиническим рекомендациям, у всех пациентов с диагностированным и учтенным системой здравоохранения заболеванием удалось бы избежать 37987 обострений в течение одного года. У 186 больных ХОБЛ при применении препарата «А» удалось бы предотвратить 46,5 обострений в течение одного года (пример 9). 
• при назначении препарата «Б» (ипратропия бромид) больным ХОБЛ по показаниям, соответствующим клиническим рекомендациям, у пациентов с диагностированным и учтенным системой здравоохранения заболеванием удалось бы избежать 8292 обострения в течение одного года. У 186 больных ХОБЛ при применении препарата «Б» удалось бы предотвратить 10 обострений в течение одного года (пример 10).
• при назначении препарата «В» (симвастатин) больным, перенесшим инфаркт миокарда, по показаниям, соответствующим клиническим рекомендациям, удалось бы предотвратить 16 случаев сердечно-сосудистой смерти в течение трех лет (пример 11).

Пример 9: рассчитать число обострений, которое удалось бы  предотвратить в течение одного года у пациентов при применении нового лекарственного препарата А.

Решение: Воспользуемся формулой (16), в которую подставим следующие числовые значения:
1. размер популяции n = 9600 тыс. человек;
2. распространенность заболевания P_d = 1583 на 100тыс. населения;
3. доля пациентов, имеющих показания к лечению, по данным локального аудита схем лечения интересующего заболевания P_e = 0,98;
4. доля пациентов, у которых могут встречаться непереносимость ЛС P_int и (или) побочные эффекты P_ci равна 0,09 (по данным рандомизированных клинических исследований – доля пациентов в группе лечения выбывших из исследования в связи с непереносимостью или побочным действием препарата);
5. среднее число обострений на одного пациента в год r_e-u = 1,17;
6. снижение относительного риска для числа обострений на одного пациента в год по данным рандомизированных клинических исследований RRR = 0,24.

В результате получаем, что PPE = 37987 обострений: 

Таким образом, при назначении ЛС «А» по показаниям, соответствующим клиническим рекомендациям, у всех пациентов с диагностированным и учтенным системой здравоохранения заболеванием удалось бы избежать 37987 обострений в течение одного года. Аналогичные расчеты были проведены для 186 больных, включенных в ФИ:

У 186 больных при применении препарата «А» удалось бы предотвратить 46,5 обострений в течение одного года.

Пример 10: Рассчитать число обострений, которое удалось бы  предотвратить в течение одного года у пациентов при применении ЛС «Б». Препарат «Б» применяется редко или не в соответствии с рекомендуемыми режимами. Длительность РКИ, обнаруженных при поиске в электронных и прочих источниках, составили не более трех месяцев.

Решение: Воспользуемся формулой (15), в которую подставим следующие числовые значения:
1. размер популяции n = 9600 тыс. человек;
2. распространенность заболевания P_d = 1583 на 100 тыс. населения;
3. доля пациентов, имеющих показания к лечению, по данным локального аудита схем лечения интересующего заболевания P_e  = 0,98;
4. доля больных, получающих препарат на регулярной основе P_t = 0,096;
5. доля пациентов, у которых могут встречаться непереносимость ЛС P_int и (или) побочные эффекты P_ci составляет 0,095 (по данным рандомизированных клинических исследований – доля пациентов в группе лечения выбывших из исследования в связи с непереносимостью или побочным действием препарата);
6. доля пациентов, перенесших, по крайней мере, одно обострение в три месяца, по данным локального аудита r_e-u  = 0,167;
7. среднее число обострений на одного пациента в три месяца – 1,15 (оба показателя рассчитаны при проведении  ФИ);
8. снижение относительного риска для числа пациентов, перенесших, по крайней мере, одно обострение в три месяца, по данным рандомизированных клинических исследований RRR = 0,09.

В результате получаем, что NEPP = 1803 чел., или 1,2% от общей популяции избежали бы, по крайней мере, одного обострения в три месяца:

Умножив полученное число больных (1803) на 1,15 (среднее число обострений на одного пациента, перенесшего обострение, в три месяца) получаем число обострений, которых удалось бы избежать в течение трех месяцев всем больным – 2073 обострений, что составит 2073   4 = 8292 обострения в год. Таким образом, при назначении препарата «Б» по показаниям, соответствующим клиническим рекомендациям, у пациентов с диагностированным и учтенным системой здравоохранения заболеванием удалось бы избежать 8292 обострения в течение одного года.

Проведя аналогичные расчеты для 186 больных, изученных в ходе фармакоэпидемиологического исследования, получаем следующий результат: у 186 больных при применении препарата «Б» удалось бы предотвратить 10 обострений в течение одного года.

Примечание: в обоих случаях приверженность больных к лечению считалась равной единице, т.е. все больные принимали ЛС в соответствии с рекомендациями.

Пример 11. По данным ретроспективного анализа медицинской документации за три года наблюдения в кардиологическом диспансере 405 пациентов, перенесших острый инфаркт миокарда (ИМ), установлена высокая частота назначения иАПФ, АТЛС и β-адреноблокаторов, однако всего 9,6% пациентов получали ингибиторы КоА-редуктазы (статины). За три года наблюдения пациентов риск развития неблагоприятного исхода (сердечно-сосудистой смерти) составил 17,8%. Учитывая полученные данные, рассчитать число предотвращенных неблагоприятных клинических исходов (смерти) у 405 пациентов, перенесших острый ИМ, при включении статинов в схему лечения.

Решение. Для расчета снижения относительного риска смерти RRR, при условии приема статина использованы результаты рандомизированного клинического исследования 4S (Scandinavian Simvastatin Survival Study). За три года исследования частота развития смертельного исхода в группе плацебо составила 5,4%, а в группе симвастатина – 4,0%. Согласно формулам (12) и (13) находим значение RRR:

Используя данные ФИ, согласно формуле (15) рассчитываем число предотвращенных неблагоприятных клинических исходов у 405 пациентов, перенесших острый ИМ, при условии включения статинов в схему лечения. Приверженность пациентов к лечению симвастатином принята за 80%.

Для этого сначала вычисляем риск неблагоприятного клинического исхода у пациентов, не принимающих препарат, учитывая, что
P_t = 9,6% или 0, 1; risk =17,8% или 0, 18:

Затем определяем показатель P_inc  x RRR при n  x P_d =405;  r_u = 0,2

где P_e =  100% или 1; P_adh =  80% или 0, 8 

Тогда учитывая формулу (12)

Таким образом, у 405 пациентов, перенесших ИМ, включение в схему лечения симвастатина позволило бы предотвратить 16 случаев смертельных исходов за три года.

3.3. Фармакоэкономическая оценка альтернатив при анализе лечения хронических заболеваний

Для оценки стоимости предупреждения неблагоприятного исхода у больных с интересующим хроническим заболеванием используется базисный метод клинико-экономического анализа – анализ «затраты-эффективность». Это тип клинико-экономического анализа, при котором производят сравнительную оценку соотношения затрат и эффекта (результата) при двух и более вмешательствах, эффективность которых различна, а результат измеряется в одних и тех же единицах. При проведении анализа для каждой медицинской технологии рассчитывается показатель соотношения «затраты/эффективность» по формуле:

где CER – соотношение «затраты/эффективность», показывающее затраты, приходящиеся на единицу эффективности,
DC – прямые затраты,
IC – непрямые затраты,
Ef – эффективность применения медицинской технологии.

При включении в анализ только прямых затрат в числитель ставится только их величина (DC).

Сравнение соотношения затрат и эффективности одной медицинской технологии с другой показывает стоимость дополнительной единицы конечного результата лечения. При анализе приращения затрат разница между издержками двух альтернативных вариантов лечения делится на разницу в их эффективности.

где CER_incr  – показатель приращения эффективности затрат. Этот показатель демонстрирует, каких дополнительных вложений требует достижение одной дополнительной единицы эффективности при использовании более эффективной технологии;
DC₁  и  IC₁ – прямые и косвенные затраты соответственно при применении технологии 1;
DC₂ и IC₂ – прямые и косвенные затраты соответственно при  технологии 2;
Ef₁ и Ef₂ – эффекты лечения при использовании технологии 1 и 2 соответственно.

Анализ приращения затрат необходим тогда, когда технология 1 эффективнее технологии 2, но затраты на нее выше. Если технология 1 эффективнее технологии 2 и затраты на нее ниже, в этом случае технология 1 является доминирующей.

Пример фармакоэкономической оценки лечения ЛС приведен в таблицах 1 и 2.  Согласно представленным в таблице 1 данным, стоимость предупреждения обострения назначением тиотропия бромида 186 больным ХОБЛ в соответствии с клиническими рекомендациями составит 5000955 рублей, а при назначении ипратропия бромида – 238515 рублей. Как следует из таблицы 2, стоимость включения симвастатина, предотвращающего один неблагоприятный исход (смерть) у пациента, перенесшего острый ИМ, составила бы 10136542,5 руб. в год.

В предложенном учебно-методическом пособии представлены методики комплексной фармакоэпидемиологической и фармакоэкономической оценки альтернативных подходов к фармакотерапии хронических заболеваний. Методики являются универсальными и могут быть использованы на этапах разработки, внедрения и реализации протоколов лечения хронических заболеваний. Каждый из видов анализа может иметь значение для управленческих решений менеджеров здравоохранения среднего звена – заведующих отделениями, аптекой, начмедов, главных врачей, а так же клинических фармакологов. Для проведения данных исследований не требуется специальная квалификация,  а при наличии компьютерных баз эти исследования можно выполнять практически в «автоматическом» режиме, что повышает научную обоснованность и оперативность принятия решений.

ЗАКЛЮЧЕНИЕ

Методологически правильно  проведенный анализ использования ЛС в условиях реальной клинической практики позволяет оценивать фармакотерапию хронических заболеваний с точки зрения соответствия данным доказательной медицины, соответствия существующим национальным и международным рекомендациям, экономическим возможностям системы здравоохранения. Результаты анализа позволят избежать тактических ошибок организационно-методического характера при формировании и пересмотре национальных протоколов лечения, создании обучающих программ, повысят качество фармакотерапии хронических заболеваний.  Прогнозирование включения ЛС в схемы лечения реальных больных в реальной популяции позволяет сравнивать альтернативные виды фармакотерапии, учитывая национальные особенности системы здравоохранения.

Таблица 1 – Расчет стоимости предотвращения одного обострения при применении препарата А и препарата Б у больных ХОБЛ.

Примечания: в качестве препарата «А» взят м-холинолитик пролонгированного действия тиотропия бромид, в качестве препарата «Б» взят м-холинолитик короткого действия ипратропия бромид.

Примеры расчета значений, используемых в табл.1:
− цены лекарственных препаратов в белорусских рублях на январь 2006 года;
− при расчете стоимости одной дозы препарата учитывается цена упаковки и количество доз в упаковке.

Например: стоимость одной дозы препарата «А» = 115137,5 / 30 = 3838 руб.;
− стоимость одного дня лечения составляет стоимость одной  дозы и число доз в сутки.

Например: стоимость одного дня лечения препаратом «А» = 3838   1 = 3838 руб.;
− количество пациентов в выборке, которым показано лечение рассчитывалось как произведение числа больных в выборке на разность доли больных, которым показано лечение и долей больных, имеющих противопоказания, непереносимость и противопоказания: количество пациентов в выборке (186 больных), которым показано лечение, чел. =186   [P_e - (P_t+ P_ci + P_int)].

Например: количество пациентов в выборке (186 больных), которым показано лечение препаратом А, чел. = 186 [0,98 - (0 + 0,09) = 166 чел.;
− рассчитывая количество дней лечения в течение одного года для всех пациентов, имеющих показания, учитывается количество пациентов в выборке, которым показано лечение и количество дней в году.

Например: количество дней лечения препаратом «А» = 166   365 = 60590 дней в году;
− стоимость курса лечения в течение года составляют количество дней лечения в течение одного года для всех пациентов, имеющих показания и стоимость одного дня лечения.

Например: стоимость курса лечения в течение одного года для препарата «А» = 60590   3838 = 232544420 руб.;
− стоимость одного предупрежденного обострения – это отношение стоимости курса лечения в течение года к числу обострений в год, которые удалось бы предотвратить у 186 больных.

Например: стоимость одного предупрежденного обострения у больных при назначении препарата «А» = 232544420 / 46,5 = 5000955 руб.

Таблица 2 – Расчет стоимости предотвращения одного неблагоприятного исхода (смерти) у пациента, перенесшего острый инфаркт миокарда, при применении препарата «В»

Примечания: в качестве препарата «В» взят симвастатин.

Данные, используемые в табл.2:
− цена лекарственного препарата Вазилип (симвастатин) – 20мг по данным электронной базы «Фармасервис» в белорусских рублях на январь 2006 года;
− количество дней лечения для 405 пациентов за три года рассчитано, при условии, что пациенты принимают изучаемый препарат не менее 90% от назначенной дозы (0,9) в течение 80% дней в году (0,8):
3 года  350 дней  0,8  405 = 340200 дней;
− при расчете стоимости одной дозы ЛС учитывалась цена упаковки и количество доз в упаковке:
(44500руб. / 28 шт.)  0,9 = 1430,2 руб., где 0,9 – 90% от дозы ЛС;
− стоимость одного дня лечения – это стоимость одной дозы (1430,2 руб.);
− стоимость курса лечения препаратом в течение трех лет определяется количеством дней лечения за три года и стоимостью одного дня лечения:
340200 дней  1430,2 руб. = 486554040 руб.;
− стоимость предотвращения одного неблагоприятного клинического исхода (смерти) при условии включения в схему лечения Вазилипа (симвастатина) рассчитывается из стоимости курса лечения за три года и числа обострений, которые удалось предотвратить у 405 пациентов за три года (пример 11):
486554040 руб. / 16 = 30409627,5 руб.

ЛИТЕРАТУРА

1. Введение в исследование потребления лекарственных средств / ВОЗ // Аптека. – 2004. – №20(441).
2. Доказательная медицина – 2003 : Ежегод. справ. : вып. 2. ч. 1. : Заболевания легких и верхних дыхательных путей. Заболевания желудочно-кишечного тракта. Эндокринные заболевания. Заболевания почек. Инфекционные заболевания. Отравления. Профилактика и лечение осложнений у хирургических больных. – М. : Медиа Сфера, 2003. – 925 с.
3. Здравоохранение в Республике Беларусь: Офиц. стат. сб. за 2004 г. – Минск: ГУ РНМБ, 2005. – 316 с.
4. Клинико-экономический анализ / П.А.Воробьев [и др.]. – М.: Ньюдиамед, 2004. – 404с.
5. Метелица В.И. Справочник по клинической фармакологии сердечно-сосудистых лекарственных средств / В.И.Метелица. – 2-е изд. – М.: БИНОМ; СПб. : Невский Диалект, 2002 – 926 с.
6. Принципы клинической практики, основанной на доказанном. Путеводитель читателя медицинской литературы / Г.Гайятт, Д.Ренни ; Пер. с англ. – М. : Медиа Сфера, 2003. – 388 с.
7. Флетчер Р. Клиническая эпидемиология. Основы доказательной медицины / Р.Флетчер, С.Флетчер, Э.Вагнер; Пер. с англ. – 3-е изд. – М.: Медиа Сфера, 2004. – 352с.
8. A comparison of results of meta-analysis of randomised control trials and recommendations of clinical experts. Treatment for myocardial infarction / E.M.Antman [et al.]. – JAMA. – 1992. – Vol. 268. – P. 240-248.
9. Anatomical therapeutic Chemical (ATC) classification index including defined daily doses (DDDs) for plain substances/ WHO; Collaborating Centre for Drug Statistics Methodology. – Oslo : WHO, 1999.
10. Assessing the impact of heart failure specialist services on patient populations / G. Lyratzopoulos [et al.] // BMC Health Services Research. – 2004. – № 4. – Р.10.
11. ATC/DDD – классификационная система в фармакоэпидемиологи-ческих исследованиях / Л.Е.Зиганшина [и др.] // Качествен. клин. практика. – 2004. – №1. – С. 28-33.
12. Heller R.F. A population perspective to evidence based medicine: "evidence for population health" / R.F.Heller, J.Page // J. of Epidemiol. and Community Health – 2002. – Vol.56. – P.45-47.
13. Heller R.F. Implementing guidelines in primary care: can population impact measures help? / R.F.Heller, R.Edwards, P.McElduff // BMC Public Health; 2003. Available from: URL: www.biomedcentral.com/1471-2458/3/7.
14. Impact numbers in health policy decisions / J.Attia [et al.] // J. Epidemiol. Community Health. – 2002. – Vol.56. – P.600-605.
15. Introduction to Drug Utilization Research / WHO International Working Group for Drug Statistics Methodology, WHO Collaborating Centre for Drug Statistics Methodology, WHO Collaborating Centre for Drug Utilization Research and Clinical Pharmacological Services. – World Health Organization, 2003.
16. Lau J. Quantitative synthesis in systematic reviews / J.Lau, J.P.A. Ioannidis, C.H. Schmid // Ann. Intern. Med. – 1997. – Vol. 127. – P. 820-826.
17. Strom B.L. Pharmacoepidemiology / ed. B.L.Strom. – 3rd ed. – New York: John Wiley & Sons, Inc., 2000. – 875p.
18. Will changes in primary care improve health outcomes? Modelling the impact of financial incentives to improve quality of care in the UK / P.McElduff  [et al.] // Qual. Saf. Health Care. – 2004. – Vol. 13. – P.191-197.

Приложение А

Таблица А1 – Базовые данные для фармакоэпидемиологического анализа лечения хронической обструктивной болезни легких в период ремиссии у 186 больных в 2004 году в поликлиниках г. Минска

Таблица А2 – DU90%-анализ лечения хронической обструктивной болезни легких в период ремиссии у 186 больных в 2004 году в поликлиниках г. Минска

Таблица А3 – ABC-анализ лечения хронической обструктивной болезни легких в период ремиссии у 186 больных в 2004 году в поликлиниках г. Минска