Qual è la migliore prima linea di trattamento per l'ipertensione?
Qual è la migliore terapia per l'ipertensione? Sebbene la domanda possa sembrare semplice, la risposta è molto più complessa di quanto sembri a prima vista. I ricercatori hanno applicato algoritmi complessi per scoprirlo ei risultati sono sorprendenti.
Le attuali linee guida consigliano circa cinque classi di farmaci tra cui i medici possono scegliere come prima linea di trattamento per l'ipertensione, ma quali sono i criteri alla base di questa gamma?
Un nuovo articolo - il cui primo autore è il dottor Marc A. Suchard, del dipartimento di biostatistica dell'Università della California, Los Angeles - mostra alcune delle insidie dietro la decisione di quale sia la migliore prima linea di trattamento per l'ipertensione.
In primo luogo, la letteratura esistente su cui organizzazioni come l'American College of Cardiology e l'American Heart Association (AHA) hanno basato le loro linee guida sono studi clinici randomizzati con un numero insufficiente di partecipanti, pochissimi dei quali stanno appena iniziando il trattamento, spiega il dott. Suchard e colleghi.
In secondo luogo, gli studi osservazionali che a volte vengono utilizzati per colmare eventuali lacune di conoscenza nelle prove hanno i propri pregiudizi e limitazioni dei campioni.
Pertanto, le opinioni degli esperti tendono ad essere il motore dietro le raccomandazioni cliniche, piuttosto che le prove concrete. Per correggere questo problema, il dottor Suchard e colleghi hanno utilizzato i big data e un metodo affidabile in modo univoco per generare e analizzare prove su larga scala al fine di valutare l'efficacia delle opzioni di trattamento di prima linea.
I ricercatori hanno pubblicato i loro risultati sulla rivista The Lancet.
L'inaffidabilità delle prove esistenti
Il coautore dello studio, il dottor George Hripcsak, che è il presidente del Dipartimento di Informatica Biomedica presso la Columbia University, a New York, spiega ulteriormente le motivazioni della ricerca.
Dice: "Gli studi clinici randomizzati dimostrano l'efficacia e la sicurezza di un farmaco in una popolazione di pazienti altamente definita, ma non sono bravi a fare confronti tra più classi di farmaci in un gruppo eterogeneo di pazienti che incontreresti nel mondo reale".
"Involontariamente o no, le riviste e gli autori tendono a pubblicare studi che hanno risultati entusiasmanti e i ricercatori possono persino selezionare metodi analitici più adatti per ottenere i risultati che si adattano alle loro ipotesi", aggiunge il dott. Hripcsak.
"Si tratta di un esercizio di selezione, che rende i risultati meno affidabili".
Cos'è LEGEND e come aiuta?
Per ovviare a questo problema, il Dr. Suchard, il Dr. Hripcsak e colleghi hanno utilizzato un metodo sviluppato per correggere e prevenire i pregiudizi degli studi osservazionali. Il metodo è denominato Generazione e valutazione di prove su larga scala attraverso una rete di database (LEGENDA).
"LEGEND fornisce un quadro sistematico in grado di generare prove riproducibili applicando analisi avanzate attraverso una rete di database disparati per un'ampia gamma di esposizioni e risultati", spiega il coautore dello studio Patrick Ryan, Ph.D.
LEGENDA inoltre "ci aiuta a capire quanto possiamo fidarci delle prove che abbiamo prodotto", dice Ryan.
Ryan è assistente professore aggiunto di informatica biomedica alla Columbia University e vicepresidente dell'analisi dei dati sulla salute osservativa presso la società farmaceutica Janssen Research & Development.
Lui, insieme ai colleghi Dr.Suchard e Martijn Schuemie, Ph.D., un altro coautore del nuovo studio, ha presentato i vantaggi di LEGEND a nome del team che lo ha creato al simposio Observational Health Data Science Initiative nel 2018.
Nella presentazione, hanno esposto i principi guida del nuovo metodo, mostrando come può utilizzare i vantaggi degli studi osservazionali su larga scala e applicare i loro risultati a condizioni come la depressione e l'ipertensione in un contesto reale.
ACE inibitori non efficaci quanto altri farmaci
Nel nuovo studio, gli autori hanno applicato LEGEND ai dati di 4,9 milioni di persone in quattro diversi paesi che avevano appena iniziato a prendere un farmaco per l'ipertensione.
Dopo aver applicato il complesso algoritmo LEGEND e tenuto conto di circa 60.000 variabili, i ricercatori hanno identificato diversi casi di infarto, ricoveri per insufficienza cardiaca, ictus e un numero elevato di effetti collaterali dei farmaci di prima linea per l'ipertensione.
Lo studio ha rivelato che gli inibitori dell'enzima di conversione dell'angiotensina (ACE), che sono i farmaci di prima linea più comunemente prescritti, hanno avuto più effetti collaterali dei diuretici tiazidici, una classe di farmaci che non vengono prescritti così spesso.
Più specificamente, in questa analisi, i medici prescrivevano gli ACE inibitori il 48% delle volte, mentre i medici prescrivevano i diuretici tiazidici come prima linea di trattamento solo al 17% delle persone con ipertensione di nuova diagnosi.
Nonostante ciò, i diuretici tiazidici erano associati con il 15% in meno di attacchi di cuore, ricoveri per insufficienza cardiaca e ictus. Inoltre, gli ACE-inibitori hanno causato tassi più elevati di 19 effetti collaterali, rispetto ad altri trattamenti di prima linea.
Inoltre, i calcio-antagonisti non diidropiridinici erano il trattamento di prima linea meno efficace che gli autori dello studio hanno identificato.
Infine, gli autori stimano che 3.100 eventi cardiovascolari avversi avrebbero potuto essere prevenuti se i medici avessero prescritto diuretici tiazidici invece di ACE inibitori.
