РЕМЕДИУМРЕМЕДИУМ1561-59362658-3534Joint-Stock Company Chicot140210.32687/1561-5936-2022-26-1-58-62Original ArticleПрименение ATC/DDD-методологии при прогнозировании потребности в генно-инженерных биологических препаратах, используемых для лечения пациентов с ревматическими заболеваниями в условиях стационараУгольцоваВ. Н.veronika.ugolcova@gmail.comШакироваД. Х.-АбдулганиеваД. И.-СафиуллинР. С.-Казанский (Приволжский) федеральный университетКазанский государственный медицинский университет15122022261586229032022Copyright © 2022, АО "Шико"2022Цель исследования: оценить целесообразность использования ATC/DDD-методологии для прогнозирования потребности в генно-инженерных биологических препаратах (ГИБП) на модели республиканского стационара третьего уровня.Материалы и методы. В качестве материалов исследования выступала медицинская документация: 3329 карт стационарных больных (историй болезни) с установленными диагнозами «ревматоидный артрит», «псориатический артрит» и «анкилозирующий спондилит», 1181 лист врачебных назначений за 2015-2020 гг. Ретроспективный и частотный анализ использовались для изучения динамики фактического потребления ГИБП. С использованием ATC/DDD-методологии рассчитана потребность на 1 случай применения и годовая госпитальная потребность на 355 прогнозируемых случаев в натуральных показателях (мг).Результаты и обсуждение. Установлена частота назначений 6 МНН ГИБП за 2019 г. Спрогнозировано число случаев применения ГИБП на 2020 г. - 355 случаев. Получен прогноз годовой потребности в ГИБП в натуральных показателях (мг) и упаковках, который был сравнен с фактическим потреблением ГИБП за 2020 г.Заключение. На основании установленных расхождений между фактическим и прогнозируемым потреблением ГИБП с помощью ATC/DDD-методологии для 4 МНН расхождение превысило критериальное значение 25% (абатацепт - 62,33%, инфликсимаб - 73,35%, ритуксимаб - 68,42%, цертолизумаба пэгол - 38,63%), что свидетельствует о нецелесообразности использования данного метода для прогнозирования госпитальной потребности в ГИБП.ATC/DDD methodologypharmacoepidemiological analysisconsumption of medicinesgenetically engineered biological drugscalculation of needsATC/DDD-методологияпотребление лекарственных средствгенно-инженерные биологические препаратырасчёт потребностиВведение Ревматические заболевания (РЗ) представляют собой группу гетерогенно разных клинически разнородных заболеваний, занимающих лидирующую позицию в мире по уровню негативного влияния на общество [1, 2]. Ежегодный рост эпидемиологических показателей по РЗ, высокий уровень хронизации и инвалидизации, существенное ухудшение качества жизни пациентов трудоспособного возраста приводят к значительным трудовым и экономическим потерям, что подтверждает их социально-экономическую значимость [3, 4]. Ревматоидный артрит (РА), анкилозирующий спондилит (АС) и псориатический артрит (ПсА) являются наиболее распространёнными воспалительными заболеваниями соединительной ткани, в основе патогенеза которых лежит комплекс дефектов иммунной системы [2, 3]. В России за последние 25-30 лет установлен факт 1,5-3,0-кратного роста эпидемиологических показателей по распространённости данных РЗ. Согласно данным исследований Е. Л. Насонова, Е. А. Галушко, распространённость РА в 2018 г. оказалась равной 0,61%, АС - 0,1%, ПсА - 0,37% [2]. РЗ относятся к категории высокозатратных заболеваний для системы здравоохранения, социальной системы и для пациента. Финансовые расходы на фармакотерапию РА, АС и ПсА с использованием дорогостоящих ГИБП занимают одно из ведущих мест в структуре общих затрат на лекарственное обеспечение для лечения социально значимых заболеваний [5]. Количественная оценка потребления лекарственных препаратов (ЛП) приобретает особую значимость, поскольку позволяет изучать их использование с течением времени и проводить оптимизацию системы лекарственного обеспечения в условиях дефицита бюджетных средств [6]. Использование современных методов исследования для оценки потребления ЛП, включая ATC/DDD-методологию, является целесообразным, т. к. фактор составления оптимальной заявки на закуп ЛС является ключевым в экономии бюджетных средств, в особенности финансовых ресурсов медицинских организаций [7, 8]. ATC/DDD-методология служит основным инструментом для проведения исследований по изучению потребления ЛС, с помощью которого можно оценить структуру расходов на закупку ЛС, а также изучить динамику использования лекарственных препаратов [9, 10]. В 1996 г. Всемирная организация здравоохранения (ВОЗ) впервые рекомендовала ATC/DDD-анализ как международный стандарт исследований для оценки потребления ЛС [8]. АТС/DDD-методология основана на классификационной системе, где для каждого ЛП, имеющего ATХ (АТС) код, ВОЗ установлены средние суточные поддерживающие дозы (Defined Daily Dose - DDD), позволяющие объективно оценивать приблизительный объём использования ЛП [10, 11]. Таким образом, в связи с необходимостью рационального распределения финансовых ресурсов в условиях дефицита бюджетных средств предложено использование АТС/DDD-методологии для прогнозирования потребности в ГИБП. Цель исследования: оценить целесообразность использования ATC/DDD-методологии для прогнозирования потребности в ГИБП на модели специализированного отделения. Материалы и методы При проведении ретроспективного фармакоэпидемиологического исследования проанализировано 3329 историй болезни пациентов с диагнозами РА, АС и ПсА, госпитализированных в ревматологическое отделение ГАУЗ «Республиканская клиническая больница» г. Казани за 2015-2020 гг. Произведён контент-анализ 1181 медицинской карты и листов врачебных назначений, где указывалось применение генно-инженерной терапии. Выкопировка данных проводилась с применением специально разработанной статистической карты, исключающей использование персональных данных и возможность разглашения конфиденциальной информации. С целью изучения динамики фактического потребления ГИБП за анализируемый период был использован частотный анализ структуры назначений. Для определения госпитальной потребности в ГИБП был применён ATC/DDD-анализ [9, 10]. Для конкретного клинического случая при РА, АС и ПсА в зависимости от наименования ГИБП предусмотрена определённая схема лечения, поэтому, учитывая особенности применения генно-инженерной терапии, потребность (Пi) рассчитывалась не на 1 пациента, а на 1 фактический случай применения [12]: Пi = DDDi × ti × m, (1) где Пi - потребности в i-м ГИБП на 1 случай применения в натуральных показателях (мг); ti - средняя продолжительность лечения i-м ГИБП в расчётный период (дней); m - частота назначения i-го ГИБП. Годовая потребность в натуральных показателях (мг) в ГИБП была рассчитана по формуле: П - Пi × N, (2) где П - годовая потребность в ГИБП для лечения пациентов с РА, АС и ПсА в натуральных показателях (мг); N - число случаев фактического применения ГИБП на прогнозируемый период - 2020 г. Величины DDD установлены согласно представленным данным Центра по статистике ЛП на специализированном сайте ВОЗ 57 [13]. При расчёте потребности в ГИБП использование установленных DDD не представлялось возможным, т. к. они не соответствуют предписанной суточной дозе. Учитывая фармакокинетические особенности ГИБП и характеристики больного, в терапии АРЗ используются терапевтические дозировки ГИБП, которые значительно отличаются от поддерживающих (DDD) [14]. Для МНН Ритуксимаб DDD не определена ввиду широкого спектра дозирования. Учитывая данные факторы, в исследовании были использован показатель средней дозы лекарственного средства PDD (Prescribed Daily Dose), установленной путем репрезентативной выборки листов врачебных назначений [10]. В условиях стохастичного фактического потребления показатель «число случаев фактического применения ГИБП на прогнозируемый период» (N) определено с помощью метода аналитического выравнивания временного ряда, где в качестве линии тренда использовалась функция полинома второй степени. Для удобства сравнения потребности в ГИБП на 2020 г., прогнозируемой с помощью ATC/DDD-методологии и фактического потребления за 2020 год, установленного в результате контент-анализа, полученные значения в натуральных показателях (мг) были количественно переведены в число упаковок конкретного ГИБП. Интерпретация проводилась исходя из торговых наименований ЛС, которые на 2021 г. зарегистрированы в Государственном реестре лекарственных средств и наиболее часто встречались в медицинской документации. Результаты и обсуждение За анализируемый период установлено, что для лечения пациентов с РА, АС и ПсА назначают ГИБП по 6 МНН: абатацепт, голимумаб, инфликсимаб, ритуксимаб, тоцилизумаб и цертолизумаба пэгол. В результате проведения частотного анализа установлена динамика потребления 6 ГИБП за 2015-2019 гг., которая указывает на его неравномерный характер (рис. 1). Неравномерный характер потребления при отсутствии прямой функциональной зависимости свидетельствует о невозможности прогнозирования на основе однофакторных моделей (экстраполяция тенденции, экспоненциальное сглаживание). Частота назначений каждого ЛС рассчитывалась как отношение фактического применения каждого МНН к общему числу назначений ГИБП за последний исследуемый период - 2019 г. (280 случаев). Таким образом, частота назначений составила: абатацепт - 0,218, голимумаб - 0,128, инфликсимаб - 0,064, ритуксимаб - 0,268, тоцилизумаб - 0,196 и цертолизумаба пэгол - 0,125. Число случаев фактического применения ГИБП на прогнозируемый период было определено с использованием программного обеспечения «Microsoft Office Excel 2016». Максимальная точность прогноза достигается при достижении показателя R2 = 1,0. Согласно данному методу, исследуемый показатель R2 составил 0,8284, прогнозируемое число случаев - 355 человек (рис. 2). На следующем этапе для каждого ГИБП рассчитаны потребность на 1 случай применения и годовая потребность на 355 прогнозируемых случаев в натуральных показателях (табл. 1). re202201.4htm00049.jpg При проведении сравнения прогнозируемых показателей с данными фактического потребления ГИБП годовая потребность в натуральных показателях была пересчитана на число упаковок конкретных ЛС. Результаты проведённого анализа представлены в табл. 2. Прогноз потребности считается удовлетворительным, если расхождение фактического и прогнозируемого значения не превышает 25%. В нашем случае установлено значительное расхождение в прогнозируемых данных для ГИБП: абатацепт (62,33%), инфликсимаб (73,35%), ритуксимаб (68,42%), цертолизумаба пэгол (38,63%). Для голимумаба и тоцилизумаба расхождение не превысило критического значения и составило 2,22 и 10,14% соответственно. Заключение Проведённое определение краткосрочной госпитальной потребности с использованием ATC/DDD-методологии показало разную возможность прогнозирования для ГИБП в условиях стационара. Так, для голимумаба и тоцилизумаба методика является приемлемой, расхождение составило 2,22 и 10,14% соответственно, однако для 4 МНН прогнозирование данным методом не является возможным. Таким образом, в условиях, когда потребление не является детерминированным, необходима разработка научно обоснованных методических подходов к определению потребности в ГИБП, представляющих собой многовариантный прогноз потребности с использованием в том числе корреляционно-регрессионного анализа.1.Левашова О. А., Левашов С. Ю. 20-летний мониторинг ревматических заболеваний у детей города Челябинска за 2000-2019 годы // Вятский медицинский вестник. 2021. Т. 69, № 1. С. 36-41. doi: 10.24411/2220-7880-2021-10148.2.Галушко Е. А., Насонов Е. Л. Распространенность ревматических заболеваний в России // Альманах клинической медицины. 2018. Т. 46, № 1. С. 32-39. doi: 10.18786/2072-0505-2018-46-1-32-39.3.Лила А. М., Древаль Р. О., Инамова О. В. Медико-экономический анализ влияния инвалидизации, ассоциированной с ревматическими заболеваниями, на экономику страны с учетом реализации пенсионной реформы // Современная ревматология. 2019. Т. 13, № 4. Р. 18-25. doi: 10/14412/1996-7012-2019-4-18-25.4.Кундер Е. В. Псориатический артрит: эпидемиология, социально-экономическая значимость, этиопатогенез // Вестник Витебского государственного медицинского университета. 2012. Т. 11, № 4. С. 64-73.5.Бурбелло А. Т., Федоренко А. С., Латария Э. Л. Сравнительный клинико-экономический анализ затрат на лекарственные препараты в многопрофильном стационаре за 2014-2018 гг. // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2019. Т. 12, № 4. С. 291-299. doi: 10.17749/2070-4909.2019.12.4.291-299.6.Евстигнеев С. В., Александрова Э. Г., Абакумова Т. Р. Оценка потребления антибактериальных лекарственных средств в многопрофильном стационаре, проведенная по методологии ATC/DDD анализа // Медико-фармацевтический журнал «Пульс». 2019. № 7. С. 131-137.7.Васькова Л. Б., Тяпкина М. В., Михайленко Е. В. Сравнительный анализ объема потребления антипсихотических препаратов для лечения больных шизофренией на стационарном этапе лечения: 5-летнее ретроспективное исследование // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2020. Т. 13, № 3. С. 251-261. doi: 10.17749/2070-490.8.Федоренко А. С., Бурбелло А. Т., Покладова М. В. Какие факторы необходимо учитывать при оценке финансовых затрат на лекарственные средства // Вестник Северо-Западного государственного медицинского университета им. И. И. Мечникова. 2018. Т. 10, № 2. С. 64-72. doi: 10.17816/mechnikov201810264-72.9.Федоренко А. С., Бурбелло А. Т., Сычев Д. А. Врач-клинический фармаколог: основные трудовые функции и их необходимость в медицинской организации // Менеджер здравоохранения. 2019. № 4. С. 60-68.10.Чеберда А. Е. Исследования потребления лекарственных средств // Качественная клиническая практика. 2017. № 1. С. 42-45.11.Жусупова Г. К., Жалдыбаева С. С., Утепова Д. Б., Жаменкенова А. А. Оценка потребления антибиотиков, закупленных единым дистрибьютором в рамках гарантированного объема бесплатной медицинской помощи за период 2012-2016 гг. с использованием рекомендаций Всемирной организации здравоохранения // Наука и здравоохранение. 2017. № 2. С. 34-47.12.Сафиуллин Р. С., Шакирова Д. Х., Красильников Д. М. Использование АТС/DDD-методологии для прогнозирования потребности в антибактериальных препаратах для лечения панкреонекроза // Фармакоэкономика: теория и практика. 2017. № 1. С. 12-14.13.Жукова О. В., Некаева Е. С., Хорошавина Е. С. и др. Фармакоэпидемиологический анализ фармакотерапии ожоговой травмы в реальной клинической практике // Медицинские технологии. Оценка и выбор. 2020. № 1. С. 70-79. doi: 10.31556/2219-0678.2020.39.1.070-079.14.Рачина С. А., Козлов Р. С., Белькова Ю. А. Фармакоэпидемиология: от теоретических основ к практическому применению // Фармакоэкономика. 2014. № 1. С. 32-38.