Đại dịch COVID-19 đã mang lại nhiều thay đổi đối với y học. Việc phân tích từ dữ liệu, hồ sơ của hàng triệu bệnh nhân và các báo cáo lâm sàng có thể đưa ra cái nhìn tổng thể, những xu hướng quan trọng, mang lại cho bác sĩ lâm sàng và chuyên gia y tế công cộng những thông tin có giá trị cho cả phòng ngừa và can thiệp.
Đại dịch COVID-19 đã tác động mạnh mẽ đến hệ thống chăm sóc sức khỏe.
Marinka Zitnik, Giáo sư tin học y sinh tại Viện Blavatnik tại Trường Y Harvard, đã sử dụng khoa học dữ liệu và phương pháp máy học để thu thập về sự phát triển và tiến triển của COVID-19, kết quả điều trị và phản ứng với điều trị.
Nghiên cứu được công bố trên Tạp chí Nature Computational Science của ông đã phân tích các mô hình về các tác dụng phụ của thuốc trước và trong đại dịch.
Gia tăng tần suất tác dụng phụ của thuốc trong đại dịch COVID-19
Trong nghiên cứu, GS. Zitnik và các đồng tác giả tại Đại học Harvard, đã sử dụng hơn 1,4 triệu báo cáo y tế liên quan đến 2.821 loại thuốc, phát hiện ra rằng 54 loại tác dụng phụ gia tăng tần suất trong đại dịch, mặc dù về tổng thể, số lượng tác dụng phụ của thuốc đã giảm đi phần nào.
Kết quả này có ý nghĩa rất quan trọng đối với việc sử dụng thuốc an toàn và có thể cung cấp những cách tốt hơn để phân tầng bệnh nhân theo hồ sơ nguy cơ nhằm ngăn ngừa, hoặc ít nhất là giảm thiểu sự bất bình đẳng về chăm sóc sức khỏe trong các trường hợp khẩn cấp về sức khỏe.
Các sự kiện bất lợi do sử thuốc đã gây ra hơn 110.000 ca tử vong ở Hoa Kỳ vào năm 2019. Động lực chính đằng sau nghiên cứu là hiểu được mức độ đại dịch và những gián đoạn, có thể đã tác động đến hệ thống chăm sóc sức khỏe và đảm bảo sử dụng thuốc an toàn. Vậy, liệu các sự kiện bất lợi do thuốc có gia tăng nếu đại dịch không xảy?
Để trả lời câu hỏi này, các nhà nghiên cứu đã xem xét các kiểu tác dụng phụ do thuốc xảy ra từ 7 năm trước đại dịch, xem xét các xu hướng lịch sử của từng loại thuốc và từng tác dụng phụ được ghi lại trong cơ sở dữ liệu để dự đoán những gì sẽ xảy ra.
Một số phát hiện chính:
Thứ nhất, các nhà nghiên cứu nhận thấy sự thay đổi đáng kể các tác dụng phụ của thuốc trước và trong đại dịch. Họ đã xác định được 64 loại sự kiện bất lợi mà mô hình của chúng đã thay đổi đáng kể so với mức độ trước đại dịch. Điều đáng ngạc nhiên là 54 trong số 64 trường hợp bất lợi đã tăng lên trong thời kỳ đại dịch.
Gia tăng tần suất tác dụng phụ của thuốc trong đại dịch COVID-19.
Thứ hai, họ nhận thấy sự khác biệt về giới tính trước đại dịch trong các phản ứng có hại về thuốc trở nên trầm trọng hơn trong đại dịch. Phụ nữ phải chịu nhiều tác dụng phụ hơn nam giới, so với mức độ trước đại dịch, và những khác biệt giới tính đó tồn tại ở tất cả các nhóm tuổi.
Thứ ba, là sự khác biệt lâm sàng có liên quan về tác dụng phụ của thuốc giữa các nhóm tuổi. Các tác dụng phụ như lo lắng và mất ngủ tăng lên một cách không cân đối ở phụ nữ và người cao tuổi, cho thấy đây là những nhóm bệnh nhân có nguy cơ.
Kết hợp với nhau, chúng ta có thể xác định các sự kiện bất lợi làm thay đổi rủi ro nhất định hoặc các sự kiện bất lợi có nguy cơ bị thay đổi bởi sự gián đoạn bên ngoài, trong trường hợp này là COVID-19.
Nghiên cứu cung cấp thông tin về thực hành kê đơn thuốc và cải thiện sự an toàn đối với bệnh nhân
Có rất nhiều nghiên cứu trước về các tác dụng phụ của thuốc từ môi trường phòng thí nghiệm tập trung vào đặc tính phân tử của thuốc trong quá trình thử nghiệm lâm sàng trước khi được phê duyệt. Các nghiên cứu về tính an toàn của bệnh nhân được thực hiện trong đại dịch cũng rất hạn chế và chỉ giới hạn ở một số lượng nhỏ các loại thuốc - những loại thuốc điều trị COVID-19 hoặc các tình trạng liên quan - số lượng báo cáo nhỏ và phạm vi thời gian hẹp.
Nhưng phân tích dữ liệu lớn này cho phép các nhà nghiên cứu gỡ rối những mối quan hệ phụ phức tạp này giữa ảnh hưởng của đại dịch, ảnh hưởng của thuốc và đặc điểm của bệnh nhân.
Ví dụ: Thuốc remdesevir, đã được bán trên thị trường trước đại dịch và được sử dụng lại để điều trị COVID-19, có liên quan đến nguy cơ thiếu oxy hoặc nồng độ oxy thấp. Tình trạng thiếu oxy được báo cáo là một tác dụng phụ mới trong các thử nghiệm lâm sàng của remdesevir để điều trị COVID-19 nhưng trước đây chưa được biết đến. Vì vậy, trong trường hợp này, phân tích làm nổi bật cách các mô hình thuật toán được sử dụng ở quy mô dân số có thể xác định các sự kiện hiếm gặp và tinh vi không xuất hiện cho đến khi một số lượng lớn người bắt đầu dùng thuốc.
Phân tích như vậy có thể giúp cảnh giác dược lý đối với các phương pháp điều trị, bao gồm cả những phương pháp điều trị đã được cấp phép khẩn cấp hoặc thay thế cho COVID-19, như trường hợp của remdesevir.
Hy vọng rằng những hiểu biết này có thể giúp cung cấp thông tin về thực hành kê đơn thuốc và cải thiện sự an toàn của bệnh nhân bằng cách gắn cờ các cá nhân hoặc nhóm bệnh nhân có thể có nguy cơ cao hơn đối với các biến cố bất lợi trong trường hợp khẩn cấp về sức khỏe cộng đồng. Về lâu dài, loại phân tích quy mô lớn này có thể cung cấp đủ dữ liệu chi tiết để giúp chúng ta phân tầng nguy cơ tác dụng phụ của thuốc đối với bệnh nhân dựa trên một loạt các đặc trưng.
Mời xem thêm video đang được quan tâm:
Khi tiêm mũi 3 vaccine phòng COVID-19 cần lưu ý điều gì?
