Dữ liệu đời thực (real world data) có thể được định nghĩa là dữ liệu liên quan đến tình trạng sức khoẻ của bệnh nhân hay dữ liệu về việc cung cấp các dịch vụ chăm sóc sức khoẻ. Dữ liệu này được thu thập thường quy từ nhiều nguồn khác nhau, như Hồ sơ sức khoẻ điện tử (EHR) và dữ liệu hành chính.

Từ hàng trăm năm trước, nhiều phương pháp điều trị mới đã được phát triển dựa trên kinh nghiệm "đời thực". Những khám phá về vai trò của các loại quả thuộc chi citrus trong điều trị bệnh scurvy (mô tả từ những năm 1700) hay vai trò của insulin trong điều trị đái tháo đường (mô tả từ những năm 1920) đã được ghi nhận từ lâu, trước khi có các thử nghiệm lâm sàng ngẫu nhiên hiện đại. Các bệnh này có điểm chung là phương pháp chẩn đoán tin cậy, diễn biến lâm sàng có thể dự đoán được, và hiệu quả điều trị tốt, rõ ràng. 

Vào cuối những năm 1940, cộng đồng y khoa đã bắt đầu chấp nhận việc sử dụng các thiết kế lâm sàng ngẫu nhiên trong thử nghiệm thuốc. Các báo cáo không được kiểm chứng xuất phát từ quan sát trong thực hành lâm sàng được nhận thấy thường gây hiểu nhầm. Hệ quả là các bằng chứng trong các thử nghiệm lâm sàng hiện đại gần như đã thay thế hoàn toàn các "bằng chứng đời thực" (RWE) này. Mặc dù giúp đưa y học phát triển theo hướng khoa học hơn, nhưng đồng thời sự chuyển đổi này cũng làm giảm việc sử dụng cũng như giảm các giá trị của bằng chứng thu được từ các quan sát trong thực hành lâm sàng. Thiết kế phân nhóm ngẫu nhiên và làm mù đã trở thành tiêu chuẩn vàng trong đánh giá hiệu quả điều trị. Định nghĩa về quần thể bệnh nhân đủ điều kiện tham gia nghiên cứu được quy định nghiêm ngặt trong protocol nghiên cứu và nghiên cứu thường tiến hành trên nhóm bệnh nhân thường gặp trong thực hành lâm sàng. Kết quả của thử nghiệm lâm sàng thường không đại diện tốt cho nhóm các bệnh nhân có sự phân bố rộng về mức độ nặng của bệnh, tuổi, sử dụng nhiều loại thuốc đồng thời hơn, có nhiều bệnh mắc kèm.

Bằng cách kiểm soát các nguồn sai số chính, đảm bảo ghép nhóm nghiên cứu phù hợp, các thử nghiệm lâm sàng hiện đại hỗ trợ chứng minh mối quan hệ nhân quả  rõ ràng về hiệu quả của các phương pháp điều trị, do đó đây là bằng chứng quan trọng về hiệu quả trong việc xin cấp phép phê duyệt bởi cơ quan quản lý. Mặt khác, các thử nghiệm này cũng có những hạn chế lớn, bao gồm chi phí cao, yêu cầu nguồn lực lớn và thời gian dài. Tiêu chí tuyển chọn bệnh nhân nghiêm ngặt, nghiên cứu tập trung chính tại một số cơ sở y tế nhất định, khiến một số bệnh nhân gặp khó khăn khi đăng ký, bao gồm cả những người mắc nhiều bệnh, đặc biệt các bệnh nhân có vấn đề về khả năng vận động hoặc nhận thức. Do đó, quần thể trong nghiên cứu không thể phản ánh được quần thể bệnh nhân lớn hơn sẽ sử dụng thuốc trên lâm sàng.

Khả năng tiếp cận dữ liệu y tế điện tử ngày càng tăng, phần lớn do sự chuyển đổi sang hồ sơ sức khoẻ điện tử (EHR), cùng với chi phí gia tăng và những hạn chế đã được công nhận của các thử nghiệm truyền thống, đã khiến việc sử dụng dữ liệu đời thực (RWD) lại được quan tâm trở lại với mục đích tăng cường hiệu quả của nghiên cứu, đồng thời thu hẹp khoảng cách giữa nghiên cứu với thực hành lâm sàng. Dữ liệu đời thực (real world data) có thể được định nghĩa là dữ liệu liên quan đến tình trạng sức khoẻ của bệnh nhân hay dữ liệu về việc cung cấp dịch vụ chăm sóc sức khoẻ. Dữ liệu này được thu thập thường quy từ nhiều nguồn khác nhau, như Hồ sơ sức khoẻ điện tử (EHR) và dữ liệu hành chính.

Theo Đạo luật Điều trị thế kỷ 21, Cơ quan Quản lý Dược phẩm và Thực phẩm Hoa Kỳ (FDA Hoa Kỳ) được yêu cầu xây dựng các chương trình nhằm đánh giá việc sử dụng bằng chứng đời thực trong việc hỗ trợ ra quyết định cấp phép chỉ định mới cho các thuốc đã được cấp phép trước đó hoặc để đảm bảo yêu cầu của nghiên cứu hậu mãi. Bằng chứng đời thực có thể được định nghĩa là các bằng chứng lâm sàng về việc sử dụng, các lợi ích hoặc nguy cơ tiềm tàng của các liệu pháp y học (medical product) thu được từ phân tích các dữ liệu đời thực. Theo kế hoạch, khung của chương trình này được công bố vào cuối năm 2018.

Hiện nay, FDA Hoa Kỳ sử dụng thường quy các dữ liệu đời thực để cung cấp bằng chứng về an toàn thuốc, dựa trên dữ liệu thanh toán và sử dụng từ các nhà thuốc của hơn 100 triệu cá nhân thuộc hệ thống Sentinel. Ngoài ra, các quy định của FDA Hoa Kỳ từ lâu đã công nhận rằng các nhóm chứng lịch sử lấy từ cơ sở thực hành có thể được sử dụng làm nhóm tham chiếu trong các thử nghiệm can thiệp một nhóm (single intervention group treatment studies) từ đó cung cấp bằng chứng quan trọng về hiệu quả. Chẳng hạn, khi diễn biến bệnh có thể dự đoán được (như bệnh hiếm gặp và ung thư), và tác dụng của thuốc là đáng kể. Ví dụ: sự chấp thuận nhanh chóng của blinatumomab đối với điều trị bệnh bạch cầu cấp dòng lympho tiền thân tế bào B tái phát và nhiễm sắc thể Philadelphia âm tính được dựa trên thử nghiệm can thiệp một nhóm. Tỷ lệ ngưỡng đáp ứng được so sánh với dữ liệu lịch sử trên 694 bệnh nhân tương tự trích xuất từ hơn 2000 bệnh án tại các địa điểm nghiên cứu và điều trị thuộc Liên minh châu Âu và Hoa Kỳ. 

FDA Hoa Kỳ hiện đang tập trung vào việc xác định thêm các lĩnh vực mà trong đó dữ liệu đời thực có thể được sử dụng để tạo ra bằng chứng về hiệu quả. Điều này sẽ yêu cầu đánh giá về cả chất lượng và sự phù hợp của dữ liệu sẽ được sử dụng cũng như phương pháp phân tích để tạo ra bằng chứng. Thông qua Sentinel, FDA Hoa Kỳ đã có nhiều kinh nghiệm về việc sử dụng dữ liệu thanh toán bảo hiểm, tuy nhiên dữ liệu này không bao quát được nhiều tiêu chí lâm sàng cần thiết cho việc cấp chỉ định mới của các thuốc đã được phê duyệt trước đó. Hồ sơ sức khoẻ điện tử (EHR) có thể cung cấp dữ liệu lâm sàng chi tiết hơn, bao gồm kết quả xét nghiệm và hình ảnh và đánh giá lâm sàng, tuy nhiên, dữ liệu từ hồ sơ sức khoẻ điện tử thường không có cấu trúc và đôi khi không nhất quán do sự khác biệt giữa các nhà lâm sàng cũng như các hệ thống y tế. Điều này không đáng ngạc nhiên vì dữ liệu EHR được tạo ra không nhằm mục tiêu nghiên cứu.

Để hiểu rõ hơn về cách dữ liệu đời thực có thể được sử dụng để trả lời các câu hỏi pháp lý, Trung tâm Xuất sắc về Ung thư của FDA Hoa Kỳ (FDA Oncology Center for Excellence) đã hợp tác nghiên cứu với Flatiron Health, một công ty phát triển dữ liệu đời thực chất lượng về ung thư, và dữ liệu lớn (big data) của CancerLinq, Hiệp hội Ung thư Lâm sàng Hoa Kỳ. Trọng tâm của các hợp tác này là sử dụng dữ liệu đời thực để hiểu về việc sử dụng các liệu pháp miễn dịch mới trong thực hành lâm sàng. Cùng với nhiều dự án khác, các dự án này đang đánh giá tính đầy đủ, chính xác và tính nhất quán của dữ liệu sức khoẻ điện tử và cuối cùng sẽ thông báo các đánh giá của FDA Hoa Kỳ về sự phù hợp của các dữ liệu này sử dụng trong các nghiên cứu liên quan đến pháp lý. 

Phương pháp phân tích tối ưu để tạo bằng chứng đời thực vẫn còn đang được tranh luận đáng kể. Ngay cả trong các bối cảnh mà việc tiến hành các thử nghiệm truyền thống có thể giúp làm giảm tính ngoại hiệu lực (external validity), ngẫu nhiên hoá vẫn là công cụ chính để hỗ trợ suy luận mối quan hệ nhân quả một cách đáng tin cậy. Áp dụng công cụ khoa học quan trọng này vào đời thực có thể giảm thiểu các yếu tố gây nhiễu đồng thời cho phép tạo dữ liệu từ các quần thể đại diện được hầu hết các bệnh nhân sẽ dùng thuốc trong lâm sàng khi thuốc được cấp phép. Ngẫu nhiên hoá được thực hiện trong thực hành lâm sàng có thể giúp tuyển chọn được đa dạng bệnh nhân hơn, đồng thời giúp việc quan sát bệnh nhân hàng ngày thuận lợi hơn. Dựa trên mô hình của các thử nghiệm đơn giản quy mô lớn, các thử nghiệm lâm sàng ngẫu nhiên có thể được tích hợp ngày càng nhiều hơn vào thực hành lâm sàng. Các tính năng “thực tế” có thể được bao gồm trong những thử nghiệm này, từ đó bắt chước được việc triển khai can thiệp thường quy trong thực hành lâm sàng. Việc tích hợp nghiên cứu vào các bối cảnh lâm sàng cho thấy một số thách thức như quy trình làm việc của bác sĩ, yêu cầu cần đào tạo thêm để đảm bảo thực hành nghiên cứu lâm sàng tốt.

Để khám phá cách các thử nghiệm ngẫu nhiên có thể được tiến hành trong môi trường thực tế, FDA Hoa Kỳ đang hỗ trợ cho một thử nghiệm lâm sàng ngẫu nhiên tiến hành tại Sentinel - cho đến nay mới chỉ được sử dụng để đánh giá sự an toàn. Thử nghiệm IMPACT-Afib6 sẽ đánh giá tác động của can thiệp giáo dục trong việc giải quyết một vấn đề sức khoẻ cộng đồng quan trọng đó là tình trạng thiếu điều trị các thuốc sử dụng nhằm giảm nguy cơ đột quỵ ở bệnh nhân rung nhĩ. Đây có thể là bằng chứng cho khái niệm về các nghiên cứu trên dữ liệu thời thực trong tương lai.

FDA đã cho thấy sự quan tâm của cơ quan này đến việc khai thác dữ liệu đời thực và các phương pháp quan sát để đưa ra bằng chứng về hiệu quả. Các cơ sở dữ liệu cỡ lớn có vai trò đặc biệt hữu ích để nghiên cứu về các biến cố hiếm gặp, đặc biệt là với các biến cố dễ xác định và đặc trưng cho bệnh. Khi áp dụng các phương pháp thống kê tuỳ chỉnh, các nghiên cứu quan sát có khả năng cung cấp bằng chứng để đưa ra quyết định pháp lý. FDA Hoa Kỳ căn cứ vào các dữ liệu quan sát trong trường hợp kết cục điều trị (end point) đã được định nghĩa rõ ràng và diễn biến lâm sàng của bệnh dự đoán được và đã được hiểu rõ. Cần nghiên cứu thêm để xác định khi nào thì các dữ liệu cỡ lớn và phương pháp thống kê là đủ để điều chỉnh được sai số hệ thống trong lấy mẫu, tính chắc chắn, hoặc việc thiếu dữ liệu có thể xảy ra trong các nghiên cứu quan sát. Đây đặc biệt một vấn đề đối với nghiên cứu hồi cứu trong đó việc thiếu các mô tả chi tiết về bệnh nhân dẫn tới việc điều chỉnh các yếu tố gây nhiễu hạn chế hơn. Là một phần của nỗ lực này, FDA Hoa Kỳ đang tài trợ cho một nghiên cứu để khám phá xem liệu các phương pháp quan sát có thể được sử dụng để thay thế cho kết quả của khoảng 30 thử nghiệm lâm sàng thiết kế để cung cấp bằng chứng về hiệu quả của thuốc hay không. Dự án này sẽ hỗ trợ FDA Hoa Kỳ hiểu cách áp dụng các phương pháp quan sát để giải quyết các câu hỏi liên quan đến hiệu quả của thuốc.

Những nỗ lực của FDA Hoa Kỳ sẽ cung cấp những hiểu biết về tiềm năng việc sử dụng bằng chứng đời thực cho các quyết định pháp lý. Tuy nhiên, đây mới chỉ là một khía cạnh của một thử thách lớn hơn. Nếu dữ liệu đời thực và bằng chứng đời thực được sử dụng một cách hiệu quả cho các mục đích liên quan đến y tế công cộng, cần chia sẻ kiến thức và phối hợp giữa bác sĩ, bệnh nhân, hệ thống chăm sóc sức khoẻ, công ty dược phẩm và cơ quan quản lý. Cũng giống như các đối tác thương mại về dữ liệu trong Sentinel thấy được giá trị của việc gộp các nguồn tài nguyên/dữ liệu để trả lời được các câu hỏi quan trọng về khía cạnh an toàn, sẽ cần hợp tác nhiều hơn nữa để tạo ra các mạng dữ liệu chất lượng cao có thể được tận dụng liên tục cho các mục đích nghiên cứu và lâm sàng. Ngoài ra, nếu nghiên cứu tiến hành hướng tới đạt mục tiêu lấy bệnh nhân làm trung tâm, cần phải tận dụng những tiến bộ công nghệ, như các ứng dụng về y tế trên các thiết bị di động, để nắm bắt trải nghiệm của bệnh nhân ngoài hệ thống chăm sóc lâm sàng và thiết lập một bức tranh toàn diện hơn về cách thức hoạt động của các liệu pháp y học (medical product) - những điều này đều nằm ngoài phạm vi tiếp cận được của các thử nghiệm lâm sàng ngẫu nhiên truyền thống.

Nguồn: JAMA September 4, 2018 Volume 320, Number 9 (URL: https://jamanetwork.com/journals/jama/article-abstract/2697359)

Người dịch: Nguyễn Quang Sáng, Nguyễn Thị Thu Thủy