Real-world data: een belangrijke aanvulling op gerandomiseerde fase III-studies bij multiple sclerose
Gerandomiseerde, gecontroleerde studies (RCT) vormen de gouden standaard voor het evalueren van de effectiviteit en veiligheid van een nieuw therapeutisch middel. Dergelijke studies worden echter uitgevoerd in ideale omstandigheden met een sterk geselecteerde patiëntenpopulatie. Als gevolg hiervan zijn de resultaten van dergelijke studies niet altijd één op één te vertalen naar de dagelijkse praktijk waar artsen geconfronteerd worden met een heel ander type patiënt dan de patiënten die normaliter worden opgenomen in een RCT. Tijdens de laatste jaren kregen MS-patiënten toegang tot steeds meer ‘disease modifying therapies’ (DMTs). De data die RCTs bieden, volstaan echter niet om een gefundeerde keuze te maken tussen deze middelen. ‘Real-world’ data kunnen hier een interessante aanvulling vormen. Dergelijke ‘real-world’ observatiestudies laten toe om een veel groter aantal patiënten, met minder geselecteerde klinische kenmerken, op te volgen voor een langere tijd dan wat mogelijk is in een RCT.1
Een belangrijke bedenking die men dient te maken bij het evalueren van ‘real-world’ data is het feit dat ‘real-world’ cohort studies en registers sterk onderhevig zijn aan bias. Voorbeelden hiervan zijn interventiebias (patiënten met een meer ernstige ziekte krijgen meestal middelen waarvan men denkt dat ze effectiever zijn), bias tussen centra (b.v. als een centrum meer MRI scans doet, zal het ook meer ‘events’ detecteren), interacties (b.v. zwangerschappen komen meer voor bij minder gevorderde patiënten), etc. In dit licht stelden Trojano et al. een checklist op met zaken die gecontroleerd moeten worden indien men data van 'real-world' observatiestudies gaat interpreteren: is de behandeling en het primaire doel ervan duidelijk vastgesteld?; wordt het primaire eindpunt adequaat gemeten?; worden de verstorende factoren voor het behandelingseffect gerapporteerd en houdt men hiermee rekening in de analyse?; is de statistische methode die gebruikt wordt correct?; voerde men een gevoeligheidsanalyse uit?; erkend men de beperkingen van de studie en wordt dit toegelicht in de discussie?1
Single- of multicentre studies toonden reeds hun nut in het opsporen van prognostische factoren bij patiënten met het klinisch geïsoleerd syndroom (CIS).2 Andere ‘real-world’ cohorten genereerden data omtrent de voorspellende factoren voor respons en verschaften informatie over langetermijn effectiviteit van DMTs bij MS. Een mooi voorbeeld hiervan is de recent gepubliceerde studie van Sormani et al. waaruit blijkt dat MRI activiteit, met name in combinatie met een klinisch vastgestelde relaps, tijdens het eerste jaar van een behandeling met IFN beta geassocieerd is met een significant verhoogd risico op het falen van de behandeling.3 Uit een andere single-center studie bleek recent ook dat roken bij CIS patiënten geassocieerd is met een hoger risico op invaliditeitsprogressie.4
Post-marketing studies vormen een mooie overgang tussen wetenschappelijk bewijs, gegenereerd in RCTs, en de dagelijkse praktijk. Dergelijke studies omvatten post-hoc analyses van RCTs, extensie-studies en fase IV studies. Deze post-marketing studies geven inzicht in het effect van de nieuwe behandeling in een andere klinische setting en bij een bredere patiëntenpopulatie. Op die manier helpen ze bij de keuze voor een bepaalde behandeling bij patiënten met bekende karakteristieken (b.v. het betrekken van lifestylefactoren in de keuze, zoals rokers, of het feit dat het patiënten betreft met een eerste MS diagnose, etc.). Deze studies verschaffen ook langetermijndata met betrekking tot veiligheid en effectiviteit van een behandeling. Tenslotte kunnen behandelaars bij dergelijke studies ook de voorkeuren van patiënten polsen voor een bepaalde behandeling en laten ze ook toe de therapietrouw te evalueren.
Referenties
1. Trojano M, et al. Nat Rev Neurol 2017;13:105-18
2. Tintoré M, et al. Brain 2015;138(Pt 7):1863-74
3. Sormani M, et al. Neurology 2016;87(2):134-40
4. Zuluaga K, et al. Presented at ECTRIMS 2016; Abstract 252
