Making better use of clinical trials : computational decision support methods for evidence-based drug benefit-risk assessment

Softwarepakket kan helpen bij beoordeling behandelingen Beleidsmakers in de gezondheidszorg beoordelen de effecten van verschillende behandelingen, waaronder medicijnen. Hierbij staat de balans werkzaamheid-schadelijkheid centraal: de gewenste effecten en ongewenste bijwerkingen worden tegen elkaar afgewogen. De balans werkzaamheid-schadelijkheid wordt idealiter beoordeeld op basis van de beste beschikbare gegevens, meestal die uit gerandomiseerde klinische studies. Echter, verschillende factoren maken het moeilijk om de beslissing ondubbelzinnig aan de gegevens te koppelen. Ten eerste zijn de gegevens meestal alleen beschikbaar in tekstuele vorm, waardoor ze niet automatisch te verwerken zijn. Ten tweede moeten de gegevens uit verschillende studies met elkaar gecombineerd worden voordat ze gebruikt kunnen worden voor een beoordeling. Ten derde zijn kwantitatieve modellen nodig om de koppeling tussen de gegevens en de beslissing expliciet te maken. Promovendus Gert van Valkenhoef ontwikkelde een softwaresysteem dat de beoordeling van behandelingen kan vereenvoudigen en verbeteren. Het systeem, Aggregate Data Drug Information System (ADDIS) geheten, is gebaseerd op een database van gegevens uit klinische studies. Van Valkenhoef ontwikkelde algoritmen om automatische netwerk meta-analyses uit te voeren, waarmee gegevens uit meerdere studies gecombineerd kunnen worden. Ook stelde hij beslismodellen op waarmee de balans werkzaamheid-schadelijkheid bepaald kan worden. De ADDIS-software laat zien hoe een gestructureerde database van resultaten uit klinische studies concreet kan helpen bij het nemen van beslissingen. Health care policy decision makers routinely evaluate the health impact of alternative treatment options. Here, benefit-risk assessment is key, which consists of weighing the favorable effects (benefits) and unfavorable effects (risks) of the alternatives. For example, before a new drug is allowed onto the market, regulators evaluate its benefit-risk balance in comparison to placebo or competing drugs. Ideally, benefit-risk assessments are based on the best available evidence, typically meaning randomized controlled trials. However, finding the evidence and explicitly linking it for assessment is complicated by several factors. First, the results of clinical trials are mainly made available in text-based documents that cannot be processed automatically. Second, the data from such trials must be combined into a consistent basis for benefit-risk analysis. Third, quantitative decision models are required to directly link decisions to the underlying evidence and to make trade-off decisions explicit. This thesis addresses these topics through the development of the Aggregate Data Drug Information System (ADDIS), an integrated system for decision support, based on databases of structured clinical trials data. Novel algorithms are presented to automate network meta-analysis to combine clinical trial results and multi-criteria decision models are developed to support benefit-risk assessment.