Norwegia Journal of Epidemiology 2001; 11 ( 1): 7-12 7

pharmacoepidemiology -
peluang dan tantangan saat ini

Jesper Hallas
Departemen farmakologi klinis, Odense University, Winsløwsparken 19,3, DK-5000 Odense C, Denmark
j.hallas@dadlnet.dk

SEBUAH BSTRACT

Pharmacoepidemiology didefinisikan sebagai studi tentang penggunaan dan efek dari obat dalam kelompok besar orang. Hal ini dapat dilihat
sebagai disiplin epidemiologi dengan fokus khusus pada obat-obatan. Skandinavia merintis developement metode untuk mempelajari
pemanfaatan obat. ATC dan DDD metodologi sekarang menjadi konsensus yang diterima secara luas tentang bagaimana untuk
mengkategorikan obat dan membandingkan penjualan obat potensi yang berbeda. Hirarki desain yang tersedia untuk mempelajari efek obat
dijelaskan. Ada hubungan terbalik antara validitas desain studi dan kebutuhan sumber daya. Salah satu masalah metodologis paling luas dari
pharmacoepidemiology adalah kemungkinan membingungkan dengan indikasi. Seringkali, pengganggu tersebut hanya dapat ditangani dengan
me-mount uji coba secara acak. Jika pengadilan tidak etis atau tidak layak, pertanyaan penelitian memiliki potensi menjadi af berdiri kontroversi.
Munculnya database resep berdasarkan populasi yang besar merupakan perkembangan baru yang menarik di pharmacoepidemiology.
Validitas data paparan obat dibahas. Hal ini didirikan bahwa data dari database berdasarkan apotek harus lebih dipilih daripada data dari
database berbasis GP. Apakah data wawancara yang lebih baik untuk pengeluaran data yang tidak dapat dibangun secara umum tetapi
kadang-kadang dapat disimpulkan dari konteks pertanyaan penelitian.

saya P ENDAHULUAN
Pharmacoepidemiology dapat didefinisikan sebagai studi tentang
penggunaan dan efek obat dalam kelompok besar orang (1). Dengan
demikian, menjembatani disiplin epidemiologi dan farmakologi klinis. latar
belakang adalah meningkatkan pemahaman bahwa informasi yang
dikumpulkan dalam studi pra-pemasaran tidak cukup menggambarkan
dampak kesehatan sebenarnya dari obat. Pertama, uji coba
pra-pemasaran biasanya dilakukan pada populasi yang sangat dipilih
bebas dari penyakit bersamaan atau penggunaan narkoba, dan yang
sangat buruk mewakili pengguna narkoba setelah pemasaran. Kedua,
kebanyakan obat memiliki efek samping yang penting yang tidak diketahui
pada saat pemasaran, baik karena mereka terlalu langka untuk
diperhatikan dalam uji coba premarketing kecil, atau mereka bingung
dengan tidak berhubungan, secara acak terjadi efek samping. Salah satu
contoh terbaru yang terakhir adalah kecenderungan SSRI menyebabkan
ulkus perdarahan (2). keterbatasan ini menjamin pengawasan
pasca-pemasaran terus menerus dispersi narkoba di masyarakat dan efek
obat, dua elemen inti dalam definisi pharmacoepidemiology.
S Tudy OBAT PENGGUNAAN
Skandinavia mempelopori pengembangan model untuk mempelajari
penggunaan narkoba pada populasi, terutama melalui karya
Pemanfaatan Obat Research Group di bawah naungan WHO. Dua
penemuan yang penting bagi
prestasi ini (3). Yang pertama adalah sistem hirarki untuk
mengklasifikasikan obat, Anatomi-TherapeuticChemical (ATC)
kode. Sebagai contoh ilustrasi, kode ATC untuk ibuprofen
ditunjukkan pada Gambar 1. Ia memiliki lima tingkat atau tujuh
digit. Tingkat pertama, M, menunjukkan bahwa obat milik kelas
obat dengan tindakan pada sistem muskulosceletal. Tingkat
berikutnya, yang ditunjukkan oleh 01, menentukan lebih lanjut
sebagai milik kelompok obat anti-inflamasi, tingkat A berikutnya
sebagai NSAID dll Klasifikasi ini memberikan konsensus tentang
bagaimana runtuh obat dengan sifat yang mirip. Dengan mengacu
pada, misalnya, NSAIDs sebagai obat dengan ATC-kode M01A
dalam empat digit pertama, peneliti dapat menghindari penjelasan
yang tak ada habisnya apa obat tertentu adalah fokus dari studi
penggunaan NSAID. ATC-sistem bukanlah satu-satunya cara yang
mungkin untuk mengklasifikasikan obat-obatan,
Perkembangan penting lainnya untuk studi penggunaan narkoba pada
populasi adalah dosis harian yang ditetapkan (DDD). Hal ini didirikan oleh
sebuah panel ahli internasional sebagai dosis pemeliharaan khas untuk
obat bila digunakan oleh orang dewasa untuk indikasi utamanya. DDD
untuk dua obat yang berbeda harus demikian pada prinsipnya
mengungkapkan dosis equipotent. Beberapa contoh ilustratif ditunjukkan
dalam tabel 1.
DDD tidak harus ditafsirkan sebagai rekomendasi dosis,
melainkan sebagai unit teknis pengukuran yang memungkinkan kita
untuk runtuh data pada obat dengan
8 J. H allas
berbeda potensi. Sekali lagi, DDD ada ukuran yang diberikan Tuhan dan
nilai-nilai tertentu dapat diperdebatkan. Memang, bagaimanapun,
memberikan konsensus yang wajar. The ATCsystem dan DDD ditinjau
sekali setiap tahun oleh WHO Collaborating Centre untuk Statistik
Metodologi Narkoba di Oslo, untuk menyesuaikan perkembangan baru
dalam penggunaan klinis obat.
M01AE01
Otot / sendi
obat Antiinflammatoric
NSAID
turunan asam propionat
ibuprofen
Gambar 1. ATC-kode ibuprofen dengan akun dari unsur-unsurnya.
Tabel 1. Contoh-contoh ilustratif dari DDD-nilai.
Zat DDD
ibuprofen 1,2 g
Indometacine 0,1 g
budesonide Inhalered 0,8 mg
terbutalin Inhalered 2,0 mg
Insulin 40 IE
Levomepromazine 300 mg *
* Indikasi utama untuk levomepromazine adalah
skizofrenia.
penggunaan narkoba statistik
Penggunaan antibiotik antibakteri sistemik, ATCcode J01, di
Norwegia pada tahun 1999 adalah 14,3 DDD per 1000 individu per
hari. Langkah ini umum penggunaan narkoba dikenal sebagai
“intensitas terapi”. Ini dapat ditafsirkan sebagai ukuran pengganti
untuk pointprevalence tersebut. Jika semua pengguna antibiotik
mengambil tepat satu DDD per hari, maka jumlah yang dikonsumsi
akan cukup untuk mengobati 14,3 dari 1000 orang setiap hari. Jelas,
jika asupan harian yang sebenarnya menyimpang dari DDD, maka
intensitas terapi menjadi ukuran miskin prevalensi titik.
Data pada gross volume penggunaan narkoba dikumpulkan melalui
jaringan yang komprehensif melaporkan dari distributor grosir. Model
Skandinavia statistik obat volume kotor dengan menggunakan ATC dan
DDD dan dinyatakan sebagai intensitas terapi telah memperoleh
penerimaan atas sebagian besar Eropa. Jika kita akan menghargai
nilainya, kita dapat meminta seorang Amerika pertanyaan tampaknya
sederhana seperti yang dari dua negara memiliki
Konsumsi tertinggi antibiotik. Tanpa menggunakan ATC-sistem atau DDD,
ini bisa menjadi latihan yang sangat memakan waktu dan akan
menghasilkan jawaban yang cukup sewenang-wenang.
Statistik penggunaan obat berdasarkan individu
Baru-baru ini, Denmark dan Finlandia telah menetapkan database yang
menutupi seluruh populasi dan di mana masing-masing resep dicatat dengan
kemungkinan mengikuti pengguna narkoba individu sejarah resep. Hal ini
memungkinkan untuk perbaikan yang cukup statistik penggunaan narkoba,
dengan menganalisis penggunaan narkoba dengan pengguna individu
sebagai unit analisis. Sebagai contoh, adalah mungkin untuk memperkirakan
prevalensi, insiden dan durasi penggunaan obat tertentu (4). Hal ini dapat
disempurnakan lebih jauh dengan menggunakan teknik seperti distribusi
tunggu-time (5), Lorenz-kurva (4) atau analisis pola komposit (6). Dengan itu,
adalah mungkin untuk layar untuk tanda-tanda penggunaan obat yang tidak
rasional.
D KARPET AS PENYEBAB PENYAKIT
Seperti dalam kebanyakan disiplin lain dari epidemiologi, kita berurusan
dengan beberapa penyebab penyakit. Hal ini hampir sebuah aksioma bahwa
tidak ada entitas penyakit di mana paparan obat adalah sebab perlu dan
cukup. klinisi dapat mengamati bahwa pasien mengembangkan beberapa
efek samping tak terduga setelah mulai obat, tapi dia tidak pernah bisa
menyimpulkan dengan pasti bahwa obat menyebabkan peristiwa.
Kemungkinan ini dari reaksi obat yang merugikan membingungkan
dengan efek samping lainnya memerlukan dua kategori masalah:
keterlambatan dalam pengakuan reaksi obat yang merugikan benar, atau
memahami sesuatu yang reaksi obat yang merugikan padahal sebenarnya
tidak. Ada banyak contoh dari mantan. Misalnya, aspirin dipasarkan di
1898. lesi saluran cerna berasal aspirin tidak dijelaskan sebelum 1939.
Tidak sebelum awal 1970-an, lebih dari 70 tahun setelah pemasaran,
bisa itu dipandang sebagai didokumentasikan dengan baik bahwa lesi ini
ada. Phenacetin dipasarkan di 1890-an, tapi kewajiban untuk
menyebabkan gagal ginjal tidak dilaporkan sebelum 1955.
Kategori lain dari masalah, memahami sesuatu yang reaksi obat
yang merugikan padahal sebenarnya tidak, terlihat ketika doktrin
tua, misalnya, efek depressiogenic dari betablockers, dikenakan
pengujian formal dan ditemukan tidak dibuktikan.
Hari ini kita memiliki hirarki desain yang tersedia (tabel 2). Metode
yang tercantum di atas adalah kurang valid tetapi juga membutuhkan
sumber daya yang lebih sedikit. Biasanya kecurigaan muncul di salah satu
desain kurang valid, misalnya laporan kasus persuasif atau sinyal dalam
pelaporan spontan, setelah kecurigaan ini diuji dalam lebih valid (dan
sumber daya menuntut) desain observasional.
pelaporan spontan
Upaya diselenggarakan pertama untuk mengatasi keterlambatan dalam mengenali
reaksi obat yang merugikan adalah untuk membangun
P HARMACOEPIDEMIOLOGY - PELUANG LANCAR DAN TANTANGAN
jaringan di mana dokter bisa melaporkan kejadian yang mereka curigai
adalah reaksi obat yang merugikan, yang disebut skema pelaporan
spontan. Alasan yang mendasari adalah bahwa reaksi obat yang
paling serius yang merugikan terjadi terlalu jarang untuk dokter individu
untuk menyimpulkan apa-apa. Misalnya, GP akan menemukan sebuah
perdarahan saluran cerna atas yang disebabkan oleh NSAID pada
rata-rata sekali setiap tahun ketiga. Namun, jika pengamatan tersebut
dikumpulkan dari pengalaman ribuan dokter individu, akan ada sinyal
yang akan menjamin penyelidikan lebih lanjut.
Meja 2. Hirarki dari desain yang tersedia dalam epidemiologi pharmaco-.
Desain Ciri
laporan kasus menghasilkan hipotesis
seri Case
pelaporan spontan desain
Ecologic desain
Cross-sectional
Kasus-kontrol studi pengujian hipotesis
studi Cohort Cross-over
desain
uji klinis Meta-analisis Non-bingung
secara acak
Kerangka organisasi untuk pelaporan spontan tersebut
berasal di sebagian besar negara-negara barat selama akhir
1960-an. Sejak tahun 1968, laporan dari sejumlah negara telah
dikumpulkan dalam WHO basis data pelaporan spontan
kolaboratif di Uppsala. Hari ini memiliki sekitar dua juta laporan.
Meskipun skema pelaporan spontan mewakili sebuah
pengembangan metodologi penting dalam pengawasan keamanan obat,
memiliki beberapa keterbatasan yang serius. Pertama, ada tidak
dilaporkan kotor. Sebuah studi baru-baru ini di Perancis menunjukkan
bahwa reaksi obat yang merugikan dilihat dalam praktek umum hanya
satu di 25.000 dilaporkan. reaksi obat yang serius samping yang
dilaporkan dengan frekuensi satu di 4.000 (7). Masalahnya bukan tidak
dilaporkan dalam dirinya sendiri, melainkan bahwa itu adalah selektif dan
tak terduga. Dengan demikian, ada sedikit sinyal yang tidak dapat
dijelaskan oleh pelaporan selektif. Masalah kedua adalah bahwa
seseorang tidak dapat menyesuaikan pembaur. Karakteristik dari
pengguna narkoba yang memunculkan kasus-kasus sebagian besar
tidak diketahui. Bahkan jumlah orang yang terkena bisa sulit untuk
membangun. Ketiga, pelaporan spontan tidak dapat menolak hipotesis,
setelah dinaikkan. Sebaliknya, ketika sebuah kontroversi baru tercakup
dalam jurnal medis atau berbaring pers, itu memerlukan lonjakan laporan
bahwa reaksi tertentu, yang disebut efek bola salju. Akhirnya, sensitivitas
metode telah dipertanyakan. Sebuah tinjauan dari serangkaian
kontroversi reaksi obat yang merugikan menunjukkan bahwa pelaporan
spontan jarang penting untuk pengembangan (8).
9
Ia telah mengemukakan bahwa skema pelaporan spontan harus
ditinggalkan sama sekali. Namun, sebagian besar mengakuinya
sebagai generator penting dari sinyal yang dapat memberikan masukan
untuk penelitian observasional desain yang lebih valid.
Pembaur oleh indikasi
Seperti yang dinyatakan sebelumnya, pharmacoepidemiology dapat
dilihat sebagai disiplin epidemiologi dengan paparan obat sebagai
fokus bunga. kerangka metodologi yang sebagian besar identik
dengan disiplin ilmu epidemiologi lainnya. Seorang peneliti memulai
sebuah proyek pharmacoepidemiological harus melalui
pertimbangan yang sama dari ukuran sampel, bias seleksi, bias
informasi, pengganggu, seleksi kontrol dan interpretasi sebagai ahli
epidemiologi lainnya. Di antara sedikit masalah yang khusus untuk
pharmacoepidemiology adalah kemungkinan membingungkan
dengan indikasi.
Pada tahun 1974, peneliti dari Collaborative Program
Surveillance Obat Boston bisa menunjukkan bahwa subyek yang
telah mengambil aspirin memiliki pengurangan ditandai risiko
mereka mengalami infark miokard (9). Temuan ini tidak terduga;
efek penghambatan pada agregasi trombosit sudah dikenal. Sejak
itu, efek menguntungkan dari aspirin telah dikonfirmasi dalam
berbagai percobaan acak.
Jika seorang peneliti tanpa berpikir akan mengulangi studi BCSDP
hari ini, ia akan sampai pada kesimpulan yang berlawanan; bahwa
pengguna aspirin memiliki insiden yang lebih tinggi dari infark miokard
daripada yang lain. Hari ini, aspirin jarang diresepkan sebagai
analgesik. Sebaliknya, itu adalah selektif diresepkan untuk orang yang
berisiko tinggi dengan disposisi arteriosclerotic. Aspirin menurunkan
risiko kejadian arteriosclerotic seperti infark miokard, tetapi tidak cukup
untuk mengimbangi risiko dasar tinggi mereka. Jelas, ini adalah
masalah perancu. Eksposur, aspirin, digabungkan ke prediktor kuat
dari hasil belajar, infark miokard. Sebuah pertanyaan penting sekarang
adalah apakah mungkin untuk menyesuaikan pembaur dengan indikasi
dengan cara konvensional dalam desain observasional.
Ini adalah masalah dalam studi yang elegan oleh Miettinen (10).
Tujuannya adalah untuk mempelajari hubungan antara penggunaan
kumarin lisan dan pengembangan trombosis vena. Dia menggunakan
data dari BCSDP dalam desain kasus-kontrol. Sebuah analisis dengan
penyesuaian untuk usia dan jenis kelamin menunjukkan rasio odds 27.
Setelah penyesuaian untuk predisposisi dikenal karena trombosis vena,
rasio odds jatuh ke 4. kumarin Oral melindungi terhadap trombosis
vena. Dengan demikian, benar OR seperti itu akan muncul dalam, uji
coba secara acak besar yang dilakukan, harus di bawah satu. Ada dua
kesimpulan penting; pertama, mengacaukan oleh indikasi adalah
perancu yang sangat kuat, dalam hal ini menggeser rasio odds dari
bawah satu sampai 27. Kedua, bahkan upaya sepenuh hati untuk
menyesuaikan perancu ini meninggalkan pembaur residual yang kuat,
karena rasio odds
10 J. H allas

tidak akan pergi di bawah 4. Konsekuensinya adalah tepat dinyatakan Keterbatasan yang paling penting dari database pharmacepidemiologic
dalam judul, “Kebutuhan pengacakan dalam studi efek obat adalah:
dimaksudkan”.
1. Mereka tidak cocok untuk studi efek obat
Sering tidak mungkin untuk me-mount uji coba secara acak, karena alasan
di mana waktu pemberian obat sangat penting, yaitu, efek
etika atau kebutuhan sumber daya. Jika ini adalah masalah dengan pembaur yang
hiperakut jangka pendek.
kuat dengan indikasi, itu akan memiliki potensi untuk menjadi kontroversi berdiri, di
2. Ini mungkin pasti apakah pasien memiliki sebenarnya
mana konsensus tidak tercapai. Sebuah contoh yang baik adalah asosiasi yang
tertelan obat.
kontroversial antara penggunaan SSRI dan bunuh diri (11). Sejumlah penelitian
3. Kasus di mana titik akhir buruk dijelaskan oleh
telah menunjukkan insiden yang lebih tinggi dari kasus bunuh diri di kalangan
sistem pengkodean.
pengguna SSRI dibandingkan dengan pengguna antidepresan trisiklik. Apakah ini
4. Mereka tidak mencakup obat-obatan dibeli atas
mencerminkan perbedaan yang benar berlaku atau halus perbedaan antara
melawan.
pengguna ini belum terselesaikan. SSRI memiliki toksisitas jauh lebih rendah akut
Database pharmacoepidemiologic paling penting dalam skenario
daripada antidepresan trisiklik, yang mungkin menjadi alasan yang baik untuk
ilmiah ini tidak diragukan lagi British Umum Praktisi Penelitian
meresepkan ini selektif untuk pasien dengan impuls bunuh diri terkuat (12).
Database (GPRD) yang didasarkan pada sistem administrasi untuk
Perbedaan tersebut antara pengguna bisa sangat halus dan sulit untuk menangkap
praktik yang umum. Ini telah memberikan cakupan rinci diagnosa,
dalam studi observasional. Sebuah kontroversi baru-baru ini mirip adalah temuan
resep dan variabel tertentu lainnya seperti status merokok dan
dari mortalitas kardiovaskular lebih tinggi di antara pengguna blocker kalsium
berat untuk beberapa empat juta orang di Inggris sejak tahun 1990
dibandingkan dengan antihipertensi lain (13). Walaupun penulis yang sadar tentang
(14). Diagnosis dicatat oleh sistem pengkodean GP-spesifik,
kemungkinan pembaur oleh indikasi dan membuat setiap usaha untuk
OXMIS. Studi validasi telah menunjukkan bahwa 90% dari arahan
menyesuaikan untuk itu, kita tidak dapat mengesampingkan bahwa temuan
spesialis dan catatan debit rumah sakit dapat ditemukan dalam
dijelaskan oleh perbedaan yang halus dalam karakteristik pengguna antihipertensi.
database. The GPRD dimiliki oleh NIH, tapi mungkin bagi para
Dalam uji klinis, perawatan dialokasikan oleh pengacakan, dan karena itu pada
peneliti dalam pengaturan dan negara-negara lain untuk membeli
prinsipnya mata pelajaran di setiap kelompok pengobatan sebanding, bahkan untuk
set data dari GPRD.
pembaur terukur atau tidak diketahui. Sebuah kontroversi baru-baru ini mirip adalah

temuan dari mortalitas kardiovaskular lebih tinggi di antara pengguna blocker

kalsium dibandingkan dengan antihipertensi lain (13). Walaupun penulis yang sadar

tentang kemungkinan pembaur oleh indikasi dan membuat setiap usaha untuk
Kualitas data eksposur
menyesuaikan untuk itu, kita tidak dapat mengesampingkan bahwa temuan

dijelaskan oleh perbedaan yang halus dalam karakteristik pengguna antihipertensi. Ini adalah berdiri isu yang mengukur paparan obat yang terbaik
Dalam uji klinis, perawatan dialokasikan oleh pengacakan, dan karena itu pada meliputi konsumsi aktual pasien obat. Pada dasarnya ada tiga
prinsipnya mata pelajaran di setiap kelompok pengobatan sebanding, bahkan untuk kandidat: Data dapat ditemukan dari sistem administrasi GP
pembaur terukur atau tidak diketahui. Sebuah kontroversi baru-baru ini mirip adalah temuan dari mortalitas
sebagai di GPRD,kardiovaskular lebih tinggi
dari database di antara pengguna
berdasarkan klaimblocker
resepkalsium dibandingkan dengan antihip
pengembalian dana, atau dari wawancara pasien. Hubungan
P HARMACOEPIDEMIOLOGIC DATABASES antara sumber-sumber ini digambarkan pada gambar 2.

Salah satu perkembangan metodologis utama dalam pharmacoepidemiology

telah munculnya database besar dengan lebih atau kurang lengkap
penangkapan penggunaan narkoba individu dan hasil klinis untuk populasi
yang besar. Hal ini memungkinkan untuk mengumpulkan informasi yang
sistematis rinci tentang kelompok-kelompok besar pengguna narkoba dan
menghubungkannya dengan informasi mengenai hasil yang merugikan
dicurigai pada pengguna individu. Dengan beberapa pengecualian, mereka
semua berasal dari sistem administrasi yang dirancang untuk proces
pengembalian keuangan, misalnya seperti dalam organisasi pemeliharaan
kesehatan.

Keuntungan menggunakan database pharmacoepidemiologic dalam

penelitian adalah:

1. Data bebas dari recall atau bias yang pewawancara.

2. Data yang sudah dicatat pada saat kontroversi

timbul. Hal ini dimungkinkan untuk melakukan studi pada satu set data
historis dan memberikan jawaban cepat. Juga, jika efek yang diduga Gambar 2. Proses dari resep untuk menelan obat dan sumber
obat yang merugikan menjadi kontroversial, mungkin sulit bagi peneliti data yang setara.
berikutnya untuk mempelajari subjek. Masalah ini menjadi “tercemar”,

misalnya, dengan bias yang dicurigai diagnostik. Salah satu cara untuk Ada beberapa ketidakpastian penting dalam diagram alir.
mengatasi hal ini adalah dengan menggunakan satu set data historis dari Pertama, dokter dapat mengeluarkan resep, tetapi pasien
sebelum reaksi obat yang merugikan dicurigai. mungkin tidak menebusnya di apotek. Kedua, pasien mungkin
3. Biaya biasanya rendah. menebusnya di apotek,
P HARMACOEPIDEMIOLOGY - PELUANG LANCAR DAN TANTANGAN 11

tetapi ia mungkin tidak mengambil obat. Ketiga, ia dapat mengambil obat,
tetapi gagal untuk melaporkan sehingga ketika diwawancarai tentang hal
itu. Atau sebaliknya, ia dapat melaporkan untuk mengambil obat, padahal
sebenarnya dia tidak. Selain itu, ada ketidakpastian potensial lainnya, yaitu
beberapa malfungsi teknis dapat mengganggu transfer data dari sistem
administrasi dokter atau dari catatan apotek. Ketidakpastian ini terakhir
biasanya tidak penting.
Informasi yang diinginkan ditempatkan di inti dari diagram,
yaitu apa yang sebenarnya melewati perut pasien. Sayangnya,
ini sangat untangiable dan hanya dapat dipelajari langsung di
bawah keadaan yang sangat artifisial. Ketidakpastian besar
pertama, yaitu, perbedaan antara apa yang telah diresepkan di
kantor dokter dan apa yang telah ditiadakan di apotek disebut
primer non-kepatuhan. Telah dipelajari dalam pengaturan
MEMO basis data penelitian Skotlandia, yang didasarkan pada
resep ditebus di apotek. Praktek pedesaan yang besar
mencatat semua resep selama periode tiga bulan (15). Resep
itu kemudian diambil dalam database MEMO. Kebanyakan
golongan obat menunjukkan defisit 3-8%. Untuk kontrasepsi
oral, 25% dari resep tidak ditebus!
dan farmasi data, tetapi ini di terbaik hanya studi perjanjian, bukan
dari validitas.
Kadang-kadang pilihan terbaik dari sumber data dapat disimpulkan
dari konteks. Sebagai contoh, telah ditunjukkan baru-baru ini bahwa
pengguna antibiotik dengan efek terhadap Chlamydia Pneumonia
memiliki insiden lebih rendah dari infark miokard dari pengguna antibiotik
lain selama tiga tahun terakhir (16). Penelitian ini dilakukan dengan
menggunakan database resep, yang mungkin adalah pilihan terbaik.
Sangat sedikit pasien kehidupan nyata dapat memberikan account
diandalkan penggunaan antibiotik mereka selama tiga tahun terakhir -
cukup rinci untuk memungkinkan perbedaan antara antibiotik dengan
dan tanpa efek terhadap Chlamydia pneumoniae.
Di sisi lain, database tidak dapat memberikan informasi tentang waktu
yang tepat dari asupan obat. Sebagai contoh, sebuah kontroversi
baru-baru ini adalah apakah sildenafil menyebabkan infark miokard (17).
Jelas, asupan sildenafil erat berkorelasi dengan berhubungan seks, yang
dengan sendirinya memiliki infark memprovokasi efek lemah (18). Dengan
demikian, sebuah studi formal apakah sildenafil menyebabkan infark
miokard akan membutuhkan informasi rinci tentang waktu yang tepat dari
tiga serangkai dari asupan sildenafil, aktivitas seksual dan infark miokard.
Tidak ada database bisa memberikan ini.

Ketidakpastian lain yang jauh lebih sulit untuk belajar. Jelas, pasien
mungkin tidak mengambil obat yang telah dibagikan di apotek, yang
mungkin menyebabkan kita untuk berpikir itu lebih baik untuk meminta
pasien daripada menggunakan catatan apotek. Namun, karena setiap
dokter akan tahu, rata-rata pasien sering mengejutkan tahu tentang apa
obat yang dia seharusnya mengambil setiap hari, dan laporannya
tentang penggunaan narkoba mungkin sangat bisa diandalkan. Diskusi
tentang yang sumber data, wawancara atau resep database, paling
mewakili asupan obat yang sebenarnya tidak dapat diselesaikan karena
tidak ada cara untuk mendapatkan jawaban yang benar. Ada sejumlah
studi tentang hubungan antara wawancara
S UMMARY DAN KESIMPULAN
Pharmacoepidemiology adalah studi tentang penggunaan dan efek
obat dalam kelompok besar orang. Ini memiliki sebagian besar
kerangka metodologis yang sama dengan disiplin ilmu lainnya
epidemiologi. Di antara beberapa kekhasan adalah kemungkinan
pembaur oleh indikasi, yang mungkin mustahil untuk memecahkan
dalam desain observasional. Ada seluruh dunia sejumlah database
dengan pendaftaran komprehensif penggunaan narkoba dan hasil
untuk seluruh populasi. Ini adalah, bila digunakan dengan bijaksana,
alat penting dalam studi efek obat tidak diketahui atau kontroversial.

R EFERENCES

1. Strom BL. Apa pharmacoepidemiology? Dalam Strom BL (ed): pharmacoepidemiology, 2 nd edn. Chichester:
John Wiley & Sons, 1994: p 3.
2. de Abajo FJ, Garcia Rodriguez LA, Montero D. Asosiasi antara selective serotonin reuptake inhibitor dan perdarahan saluran cerna
atas: studi kasus-kontrol berbasis populasi. Br Med J 1999; 319: 1106-9.
3. Lee D, Bergmann U. Studi pemanfaatan obat. Dalam Strom BL (ed): pharmacoepidemiology, 2 nd edn. Chiches-
ter: John Wiley & Sons, 1994: p 379.
4. Hallas J, Nissen A. Individual statistik pemanfaatan obat. Menganalisis penggunaan narkoba populasi dari perspektif pengguna individu. Eur
J Clin Pharmacol 1994; 47: 367-72.
5. Hallas J, Gaist D, Bjerrum L. menunggu waktu distribusi untuk obat resep. Epidemiologi 1997; 8:
666-70.
6. Gaist D, Hallas J, Hansen NCG, Gram LF. Apakah orang dewasa muda dengan asma diobati cukup dengan steroid inhalasi? Sebuah studi
berbasis populasi data resep dari 1991 dan 1994. Br J Clin Pharmacol 1996; 41:
285-9.
12 J. H allas

7. Moride Y, Haramburu F, Requejo AA, Begaud B. Under-pelaporan reaksi obat yang merugikan dalam praktek umum. Br J Clin
Pharmacol 1997; 43: 177-81.
8. Venning GR. Identifikasi reaksi negatif terhadap obat baru II. Br Med J 1983; 286: 289-92.
9. Program Surveillance Collaborative Drug Boston. asupan aspirin reguler dan infark miokard akut. br
Med J 1974; 1: 440-4.
10. Miettinen OS. Kebutuhan pengacakan dalam studi efek yang dimaksudkan. Stat Med 1983; 2: 267-71.
11. Teicher MH, Glod C, Cole JO. Munculnya keasyikan bunuh diri yang intens selama pengobatan fluoxetine. am J
Psikiatri 1990; 147: 207-10.
12. Isacson G, Redfors saya, Wasserman D, Bergman U. Pilihan antidepresan: survei kuesioner dari psikiater dan dokter umum di
dua wilayah Swedia. Br Med J 1994; 309: 1546-9.
13. Psaty BM, Heckbert SR, Koepsell TD, Siscovick DS, Raghunathan TE, Weiss NS, et al. Risiko infark miokard berhubungan
dengan terapi antihipertensi. JAMA 1995; 274: 620-5.
14. Garcia Rodriguez LA, Perez Gutthann S. Penggunaan Database UK General Practice Research untuk pharmacoepidemiology. Br J Clin
Pharmacol 1998; 45: 419-25.
15. Beardon PHG, McGilchrist MM, McKendrick AD, McDevitt DG, MacDonald TM. Primer non-kepatuhan dengan obat resep dalam
perawatan primer. Br Med J 1993; 307: 846-8.
16. Meier CR, Derby LE, Jick SS, Vasilakis C, Jick H. Antibiotik dan resiko pertama kali infark miokard akut berikutnya. JAMA 1999; 281:
427-31.
17. Feenstra J, van Drie-Pierik RJ, Lacle CF, Stricker BH. infark miokard akut terkait dengan sildenafil.
Lanset 1998; 352: 957-8.
18. Muller JE, Mittleman MA, Maclure M, Sherwood JB, Tofler GH. Memicu infark miokard oleh aktivitas seksual. risiko absolut rendah dan
pencegahan dengan aktivitas fisik yang teratur. JAMA 1996; 275: 1405-9.