Wat is de beste eerstelijnsbehandeling voor hypertensie?
Wat is de beste therapie voor hypertensie? Hoewel de vraag misschien eenvoudig lijkt, is het antwoord veel complexer dan het op het eerste gezicht lijkt. Onderzoekers hebben complexe algoritmen toegepast om erachter te komen, en de resultaten zijn verrassend.
De huidige richtlijnen adviseren over vijf klassen geneesmiddelen waaruit artsen kunnen kiezen als eerste behandelingslijn voor hypertensie, maar wat zijn de criteria die aan dit bereik ten grondslag liggen?
Een nieuw artikel - de eerste auteur daarvan is Dr. Marc A. Suchard, van de afdeling biostatistiek aan de Universiteit van Californië, Los Angeles - toont enkele van de valkuilen achter de beslissing wat de beste eerste behandelingslijn voor hypertensie is.
Ten eerste is de bestaande literatuur waarop organisaties zoals het American College of Cardiology en de American Heart Association (AHA) hun richtlijnen hebben gebaseerd, gerandomiseerde klinische onderzoeken met een onvoldoende aantal deelnemers, van wie er maar heel weinig net met hun behandeling beginnen, legt Dr. Suchard en collega's.
Ten tweede hebben de observationele onderzoeken die soms worden gebruikt om eventuele lacunes in de kennis in de proeven te compenseren, hun eigen vooroordelen en beperkingen van steekproeven.
Daarom zijn meningen van deskundigen eerder de drijvende kracht achter klinische aanbevelingen dan harde bewijzen. Om dit recht te zetten, hebben Dr. Suchard en zijn collega's big data en een uniek betrouwbare methode gebruikt om grootschalig bewijs te genereren en te analyseren om de effectiviteit van eerstelijns behandelingsopties te evalueren.
De onderzoekers hebben hun bevindingen in het tijdschrift gepubliceerd The Lancet.
De onbetrouwbaarheid van bestaand bewijs
Studie co-auteur Dr. George Hripcsak, die de voorzitter is van de afdeling Biomedische Informatica aan de Columbia University in New York, legt de motivatie voor het onderzoek verder uit.
Hij zegt: "Gerandomiseerde klinische onderzoeken tonen de effectiviteit en veiligheid van een medicijn aan in een zeer gedefinieerde patiëntenpopulatie, maar ze zijn niet goed in het maken van vergelijkingen tussen meerdere medicijnklassen in een diverse groep patiënten die je in de echte wereld zou tegenkomen."
"Onbedoeld of niet, tijdschriften en auteurs hebben de neiging om studies te publiceren die opwindende resultaten hebben, en onderzoekers kunnen zelfs analytische methoden selecteren die het meest geschikt zijn om de resultaten te krijgen die bij hun hypothesen passen", voegt Dr. Hripcsak toe.
"Het komt neer op een kersjesplukoefening, waardoor de resultaten minder betrouwbaar zijn."
Wat is LEGEND en hoe helpt het?
Om dit te verhelpen, gebruikten Dr. Suchard, Dr. Hripcsak en collega's een methode die ontwikkeld was om de vooroordelen van observationele studies te corrigeren en te voorkomen. De methode wordt grootschalige bewijsgeneratie en evaluatie via een netwerk van databases (LEGEND) genoemd.
"LEGEND biedt een systematisch raamwerk dat reproduceerbaar bewijs kan genereren door geavanceerde analyses toe te passen op een netwerk van ongelijksoortige databases voor een breed scala aan blootstellingen en resultaten", legt co-auteur Patrick Ryan, Ph.D.
LEGENDE "helpt [s] ons ook te begrijpen hoeveel we kunnen vertrouwen op het bewijs dat we hebben geleverd", zegt Ryan.
Ryan is een adjunct-assistent-professor biomedische informatica aan Columbia University en de vice-president van observationele gezondheidsgegevensanalyse bij het farmaceutische bedrijf Janssen Research & Development.
Hij presenteerde, samen met collega's Dr. Suchard en Martijn Schuemie, Ph.D., een andere co-auteur van de nieuwe studie, de voordelen van LEGEND namens het team dat het creëerde op het Observational Health Data Science Initiative symposium in 2018.
In de presentatie legden ze de leidende principes van de nieuwe methode uit en lieten ze zien hoe deze de voordelen van grootschalige observationele studies kan gebruiken en de resultaten ervan kan toepassen op aandoeningen zoals depressie en hypertensie in een realistische omgeving.
ACE-remmers zijn niet zo effectief als andere medicijnen
In de nieuwe studie pasten de auteurs LEGEND toe op gegevens van 4,9 miljoen mensen in vier verschillende landen die net begonnen waren met het nemen van medicijnen tegen hoge bloeddruk.
Na het toepassen van het complexe LEGEND-algoritme en rekening houdend met ongeveer 60.000 variabelen, identificeerden de onderzoekers verschillende gevallen van hartaanvallen, ziekenhuisopnames voor hartfalen, beroertes en een groot aantal bijwerkingen van eerstelijns medicijnen tegen hypertensie.
Uit de studie bleek dat angiotensineconversie-enzymremmers (ACE-remmers), de meest voorgeschreven eerstelijnsgeneesmiddelen, meer bijwerkingen hadden dan thiazidediuretica, een klasse geneesmiddelen die niet zo vaak worden voorgeschreven.
Meer specifiek schreven artsen in deze analyse 48% van de tijd ACE-remmers voor, terwijl artsen thiazidediuretica voorschreven als eerste behandelingslijn aan slechts 17% van de mensen met nieuw gediagnosticeerde hypertensie.
Desondanks werden thiazidediuretica in verband gebracht met 15% minder hartaanvallen, ziekenhuisopnames voor hartfalen en beroertes. Bovendien veroorzaakten ACE-remmers een hoger percentage van 19 bijwerkingen, vergeleken met andere eerstelijnsbehandelingen.
Ook waren niet-dihydropyridine calciumkanaalblokkers de minst effectieve eerstelijnsbehandeling die de auteurs van het onderzoek identificeerden.
Ten slotte schatten de auteurs dat 3.100 cardiovasculaire bijwerkingen voorkomen hadden kunnen worden als de artsen thiazidediuretica hadden voorgeschreven in plaats van ACE-remmers.
