PRE2DUP-R：一种先进的、开放的科学方法，用于估算药物使用时间，以支持药物流行病学研究

《International Journal of Medical Informatics》：PRE2DUP-R, advanced, open science method to estimate drug use periods for pharmacoepidemiology

药物使用时期估计方法PRE2DUP-R开发及验证，比较原方法与R包结果差异，发现 periods 数增加（RR1.07）但总暴露时间减少，数据驱动包装持续时间影响结果。

Pia Vattulainen | Antti Tanskanen | Heidi Taipale

芬兰库奥皮奥的Niuvanniemi医院

摘要

引言

在药物流行病学研究中，要获得准确的结果估计，需要精确估算药物使用时间。当考虑个体特定的药物使用模式时，这种估算会更加精确。PRE2DUP是一种根据药物购买记录来估算药物使用时间的方法，该方法利用购买量、每日剂量的滑动平均值、包装级别参数、住院治疗时间以及个人购买规律等信息。本研究的目的是开发一个开源的R语言包PRE2DUP-R，比较PRE2DUP和PRE2DUP-R计算出的药物使用时间，并评估使用从研究人群中得出的包装持续时间对结果的影响。

方法

PRE2DUP-R遵循与原始PRE2DUP相同的核心原理。主要变化在于将购买记录分组，从而将个人使用模式的计算限制在这些分组内。我们使用相同的数据和指导参数，通过PRE2DUP和PRE2DUP-R分别计算了药物使用时间，并比较了每人和每种药物的药物使用次数及总暴露时间的差异。此外，还评估了使用从研究人群中估算出的包装持续时间对结果的影响。

结果

使用PRE2DUP-R计算出的药物使用次数略多（每人每种药物的平均使用次数为2.01次，对比1.88次，比率比（RR）为1.07，95%置信区间为1.07–1.08），总暴露时间也较短（约4天，分别为1,085天和1,089天）。使用基于数据驱动的包装持续时间计算出的结果，虽然使用次数略有增加（RR为1.01，95%置信区间为1.01–1.02），但暴露时间平均减少了23.8天。

结论

PRE2DUP和PRE2DUP-R的结果存在轻微差异，但这在考虑到计算个人使用模式的限制情况下是预料之中的。更新典型包装持续时间后结果的变化凸显了详细分析单次购买使用模式的重要性。

章节片段

背景

在药物安全或有效性研究中，药物暴露时间通常是根据处方或配药数据推算得出的[1]。由于这些数据是出于行政目的收集的，它们并不能直接反映实际的药物使用情况、暴露时长或用药依从性。因此，在药物流行病学研究中构建药物使用时间（即使用开始和结束的时间）是一个关键的方法学挑战，因为不同的方法可能会影响研究结果[2]、[3]、[4]。

PRE2DUP

PRE2DUP利用药物购买记录、住院记录以及专家定义的包装级别、药物成分级别和全局级别的参数来估算药物使用时间[12]。PRE2DUP的输入数据包括药物购买记录，其中必须包含个人识别号码、包装标识符、按解剖治疗化学（ATC）分类代码表示的药物成分、购买日期、总购买量（以DDD为单位）以及分发的包装数量[12]。此外，还需要医院护理的相关信息。

结果

数据集涵盖了1994年至2017年这23年期间102,812人的20,988,387次购买记录，涉及415个ATC代码和6,901种不同的药物包装。PRE2DUP-R因DDD记录覆盖不足或包装参数缺失过多（无法确定药物规格、包装大小和/或DDD数量）而排除了31个（7.5%）ATC代码。对比数据包含1,404,394个人-ATC对，其中最常见的ATC类别是N类。

讨论

总体而言，PRE2DUP和PRE2DUP-R在药物使用次数和总暴露时间上的吻合度较好。PRE2DUP-R为大多数人和药物对计算出的使用次数相同，仅有细微差异，并且能够类似原始PRE2DUP一样识别出不同ATC类别中的使用模式差异。

PRE2DUP和PRE2DUP-R之间的主要差异源于编程环境的不同以及注册数据的广泛可用性，后者现在可以覆盖长达30年的数据。

结论

药物流行病学研究需要准确估算药物使用时间。PRE2DUP考虑了个体特定的药物使用模式，而PRE2DUP-R是一个用于应用该方法的开源程序。尽管PRE2DUP和PRE2DUP-R的结果存在轻微差异，但这在考虑到限制个人使用模式计算的设计下是预料之中的。更新典型包装持续时间后结果的变化进一步强调了详细分析单次购买使用模式的重要性。

关于手稿准备过程中生成式AI和AI辅助技术的声明

在撰写本文时，作者使用了ChatGPT来辅助语言编辑和提升文本清晰度。使用该工具/服务后，作者对内容进行了必要的审查和修改，并对发表文章的内容负全责。

CRediT作者贡献声明

Pia Vattulainen：撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件开发、方法学设计、数据分析、概念化。Antti Tanskanen：撰写 – 审稿与编辑、验证、监督、软件开发、项目管理、方法学设计、数据分析、概念化。Heidi Taipale：撰写 – 审稿与编辑、监督、资源协调、项目管理、方法学设计、数据分析、资金获取、概念化。

资助

本研究得到了芬兰研究委员会（项目编号315969、320107、345326）和Sigrid Jusélius基金会的支持。资助方未参与研究设计、数据收集与分析、报告撰写或决定文章发表的过程。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

我们感谢Aleksi Hamina、Mikkel H?jlund、Jonne Juntura、Jose Luis Palomo、Karita Salo、Felix Vaura和Petri V?nni对PRE2DUP-R进行测试并提供了宝贵的反馈。