Welche Patientengruppen profitieren von blutdrucksenkenden Medikamenten, Statinen und niedrig dosiertem Aspirin zur Primärprävention von atherosklerotischen Herz-Kreislauf-Erkrankungen? Ein Regressionsdiskontinuitätsansatz bei großen elektronischen Gesundheitsdaten

• Antragsteller: Professor Till Bärnighausen, Ph.D.
• Fachliche Zuordnung: Public Health, Gesundheitsbezogene Versorgungsforschung, Sozial- und Arbeitsmedizin
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 504369372

Randomisierte kontrollierte Studien haben gezeigt, dass antihypertensive Behandlungen, Statine und niedrig dosiertes Aspirin zur Primärprävention von atherosklerotischen Herz-Kreislauf-Erkrankungen wirksam sein können. Trotz ihrer jahrzehntelangen Existenz sind noch viele Fragen zu ihrer optimalen Anwendung, ihrer Wirksamkeit für weite Teile der Bevölkerung und ihren Nebenwirkungen offen.Dieses Projekt wird die Durchführbarkeit und Validität der Regressionsdiskontinuitätsanalyse testen, um den kausalen Effekt dieser Behandlungen auf die Sterblichkeit und das Auftreten von atherosklerotischen Herz-Kreislauf-Erkrankungen unter Verwendung elektronischer Patientendaten (EHR) zu schätzen. Regressionsdiskontinuität ist ein neues Studiendesign in der klinischen Forschung, das exogene Variationen in der Behandlungswahrscheinlichkeit nutzt, die durch Schwellenwertregeln in klinischen Leitlinien induziert werden, um die Wirkung der Behandlung zu schätzen. Wenn der einzige Grund dafür, dass es von Bedeutung ist, knapp über oder knapp unter dem Schwellenwert zu sein, ist, dass dieser Umstand bestimmt, ob ein Patient behandelt wird oder nicht, dann ist die Wirkung der Behandlung der Unterschied in den Ergebnissen zwischen Beobachtungen knapp über und knapp unter dem Schwellenwert.Die enorme Größe der EHR-Daten würde zwei Innovationen ermöglichen, die das Potenzial haben, Regressionsdiskontinuität zu einem entscheidenden Instrument auf dem Weg zu einer individueller zugeschnittenen kardiovaskulären Behandlung zu machen. Erstens könnte Regressionsdiskontinuität nicht nur verwendet werden, um den durchschnittlichen kausalen Effekt einer antihypertensiven Behandlung, einer Statintherapie und einer niedrig dosierten Aspirintherapie in einer „realen“ Patientenpopulation zu ermitteln, sondern in Kombination mit maschinellem Lernen auch einen Weg aufzeigen, rigoros zu untersuchen, wie sich die Behandlungseffekte innerhalb dieser Populationen durch eine Vielzahl von Patientenmerkmalen unterscheiden. Insbesondere würden EHR-Daten eine ausreichende statistische Power ermöglichen, um hochgradig granulare Patientenuntergruppen zu untersuchen, die aus allen Permutationen wichtiger Patientenmerkmale bestehen, wie beispielsweise Kombinationen verschiedener Ko- und Multimorbiditäten, Körpergewicht, Altersgruppen und Ethnien. Zweitens kann, durch den Einsatz rigoroser Methoden zum Testen mehrerer Hypothesen, die Regressionsdiskontinuität in EHR-Daten verwendet werden, um kausal auf eine Vielzahl von sowohl therapeutischen als auch unerwünschten Nebenwirkungen von Medikamenten und anderen Behandlungen zu testen. Für unsere Analysen verwenden wir den Aurum- und Gold-Datensatz der Clinical Practice Research Datalink (CPRD) Daten, bei denen es sich um umfangreiche EHR-Daten aus Großbritannien handelt. Wir werden alle Analysen mit dem Optum Clinformatics® Data Mart (CDM) Version 8, welcher Daten aus den USA enthält, sowie dänischen landesweiten EHR-Daten wiederholen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Dänemark, Großbritannien
• Kooperationspartnerinnen / Kooperationspartner: Professorin Dr. Justine Davies; Dr. Anant Jani; Professor Dr. Laust Mortensen; Dr. Simon Sawhney