Perfiles depacientes diabéticos…
275
1. ANTECEDENTES
Las fuentes de datos en farmacovigilancia se generan a partir de estudios
específicos sobreunapoblaciónexpuesta, de lashistorias clínicasode los sistemas
estables de recogida de reacciones adversas (RAs). Estos últimos aglutinanmayor
número de reacciones y son de gran utilidad para estudiar los problemas de
seguridad de los medicamentos, siendo el Sistema de Notificación Espontánea de
ReaccionesAdversas aMedicamentos (RAM) elmás extendido internacionalmente
(1). Las sospechas de RAM son notificadas por los profesionales sanitarios a los
CentrosRegionalesdeFarmacovigilanciadondesecodificanyevalúan(2).
A partir de las notificaciones espontáneas se generan alertas sobre una
posible relación causal entre la administraciónde un fármaco y la apariciónde un
determinado acontecimiento adverso, normalmente desconocido o poco
documentado (3). Estas alertas son el origen de las hipótesis sobre las que se
pueden realizar estudios de farmacovigilancia tales como ensayos clínicos u otros
estudiosepidemiológicosespecíficos (2, 4).
A pesar de ello, los estudios sobre notificaciones espontáneas son escasos
para algunos grupos de fármacos muy utilizados, como es el caso de los
antidiabéticos (5). Sus efectos adversos conocidos aparecen recogidos en la
literatura (ver Tabla 1), mientras que otros van apareciendo por nuevas
inclusionesocombinaciones.
Existen características conocidas en el perfil de pacientes diabéticos tales
como el grupo de edadmás numeroso –entre 70 y 80 años-‐ (6), las proporciones
de pacientes diabéticosmayores de 80 años -‐24,2%-‐ y de 40omenos años -‐3,5%-‐
(7) o el porcentaje de mujeres diabéticas -‐52%-‐ (6). A través de notificación
espontánea, también se conocen detalles sobre los pacientes que sufren RAM,
como que lasmujeres presentan con frecuenciamás RAMque los hombres (57%
vs. 41%) (8), o que Galicia presenta el mayor número de notificaciones en 2005 y
Cantabria en2009 (9). En cambio, no sedisponedeperfiles definidos depacientes
diabéticosquesufrenRAM.
Para identificar estos perfiles a partir de los registros de sospechas deRAs,
los métodos estadísticos tradicionales no son suficientes. Hay que recurrir a las
técnicas de minería de datos (
‘data mining’
) para manejar de forma eficiente el
volumende informacióndisponibleencadacaso(10).
