Webtilgængelig befolkningsfarmakokinetiktjeneste - Hæmofili: kilder til variation (WAPPS-Hemo)

Innovation og forventede resultater: Da den klassiske farmakokinetiske tilgang typisk kræver 11 prøver, som kan være en byrde for patienten, udelukkes specifikke undergrupper af individer ofte fra analyse, herunder børn, ældre og intensivpatienter. Da WAPPS-Hemo er den største database med individuelle farmakokinetiske data, er en stor undergruppe af pædiatriske patienter og patienter med inhibitorer tilgængelige for undersøgelse, hvilket muliggør analyse af variabilitet i tidligere utilgængelige grupper. Bestemmelse af prædiktorer for variabilitet inden for patientudfald vil give os mulighed for at forbedre de nuværende modeller, der bruges til at estimere individuel PK, hvilket resulterer i bedre individuel pleje og brug af ressourcer.

Berettigelseskriterier: Alle gyldige data i WAPPS-Hemo-databasen vil blive brugt. Alle faktorkoncentrater vil blive inkluderet. Alle tilgængelige kovariater vil blive analyseret.

Patienter: Personer med hæmofili A eller B, uanset sværhedsgrad, som er registreret på WAPPS-Hemo, og for hvem infusions- og/eller PK-data er tilgængelige. Både voksne og pædiatriske patienter vil blive inkluderet. Patienter med anamnese med inhibitorer vil blive inkluderet som en separat undergruppe.

Tilgængelige kovariater: alder, køn, vægt, højde, dosis og type af indgivet faktor (totalt og IE/kg), blodgruppe, baseline faktorniveau, positiv historie med inhibitorer, hæmatokrit, hæmoglobin, serumkreatinin og laboratoriemetoder brugt til at måle faktor VIII og faktor IX.

Design: retrospektiv dataanalyse

Undersøgelsesdatabase: WAPPS-Hemo-databasen vil blive brugt til undersøgelsen. WAPPS-Hemo er en webtilgængelig platform udviklet og drevet af Health Information Research Unit (HiRU) ved McMaster University. Data er blevet leveret fra deltagende hæmofilibehandlingscentre verden over for at opnå individuelle farmakokinetiske skøn. De indsamlede data er fuldstændig anonymiserede, og genbrug af dataene til modellerings- og valideringsformål blev aftalt af de indtastende læger, som forpligtede sig til at informere deres patienter om brugen af ​​deres data til systemforbedring.

Dataudtrækningsprocedure: Data vil blive udtrukket fra WAPPS-Hemo-databasen efter transformation af centernavnet til en numerisk kode. De ekstraherede data vil omfatte: patientens alder, køn, vægt, højde, dosis og type af indgivet faktor (som samlet og IE/kg), blodgruppe, baseline faktor niveau, positiv historie med hæmmere, hæmatokrit, hæmoglobin, serum kreatinin, laboratorie metoder, der anvendes til at måle faktor VIII og faktor IX, infunderet dosis, post-infusionsmåling af plasmafaktoraktivitetsniveau, estimeret terminal halveringstid og tid til 0,01, 0,02 og 0,05 IE/mL, med deres troværdighedsintervaller, areal under kurven (AUC), central volumen og clearance. Når de er udtrukket, vil dataene blive gemt på en sikker server, placeret inden for HiRU'ens lokale netværk, beskyttet af en proxyserver og firewall.

Datarensning: Når de er udtrukket, vil dataene blive renset. Duplikerede indsendelser vil blive fjernet, og alle originale data, der er blevet duplikeret fra flettede infusioner, vil blive slettet. Alle data, der ikke er gyldige til modellering, såsom brugerinputfejl, utilstrækkelige data eller forhold, der udelukker brug af patientdata (såsom brug af inhibitorer), vil blive fjernet og udelukket fra analysen. Datasættet vil blive analyseret for at søge efter outliers. Indtastningsfejl, der savnes ved kilden, vil blive rettet, hvor den forkerte måling er blevet brugt (dvs. vægt højde).

Dataanalyse: Multivariat hierarkisk analyse vil blive udført på forskellige faktorer (alder, køn, vægt, højde, dosis og type af indgivet faktor (som samlet og IE/kg), blodgruppe, basislinjefaktorniveau, positiv historie med inhibitorer, hæmatokrit, hæmoglobin og serumkreatinin, laboratoriemetoder, der bruges til at måle faktor VIII og faktor IX) for at udforske kilder til variation i patientresultatet. Signifikante prædiktorer vil blive brugt som kovariater til forbedring af modellen.