Promotie V. (Victor) Pera

Hieronder volgt een korte samenvatting van het proefschrift:

Er werden verschillende benaderingen toegepast om een epidemiologisch overzicht van medicatiefouten te creëren en geselecteerde bijwerkingen van geneesmiddelen te bestuderen. Niet-gestandaardiseerde datasets van spontane meldingssystemen werden gestandaardiseerd met behulp van intern ontwikkelde en gevalideerde software om analyses te vergemakkelijken. De gebruikte spontane meldingssystemen waren EudraVigilance van het Europees Geneesmiddelenagentschap en het meldingssysteem voor bijwerkingen van de Food and Drug Administration. Gestandaardiseerde observationele data werd ook verkregen uit elektronische patiëntendossiers van de Nederlandse Integrated Primary Care Information (IPCI)-database en het Spaanse Information System for Research in Primary Care (SIDIAP). Er werden verschillende inzichten verkregen. De meeste meldingen van medicatiefouten vertegenwoordigden vrouwen, volwassenen en ouderen, terwijl veiligheidssignalen proportioneel hoger waren bij kinderen. Minstens een derde van de gemelde medicatiefouten was geassocieerd met een ernstige uitkomst, en meestal werd slechts één geneesmiddel mede gerapporteerd. Bovendien werden meldingen van parasitaire infecties in verband met het gebruik van biologicals vaker gemeld dan verwacht. Daarnaast is het langdurige gebruik van macrolide-antibiotica de afgelopen jaren toegenomen bij mensen met chronische longziekten, terwijl er in de huisartsendata zelden hartmonitoring activiteiten worden vastgelegd. We hebben aangetoond hoe onze software onderzoek naar medicatiefouten en bijwerkingen in niet-gestandaardiseerde databases vergemakkelijkte en wat de toegevoegde waarde was van het gebruik van al beschikbare gestandaardiseerde databases. Er is ruimte voor verbetering op het gebied van standaardisatie van geneesmiddelnamen, het toekennen van geneesmiddelcodes en het onderhouden van zelfontwikkelde software. Daarnaast liggen er kansen in het aanpakken van ontbrekende gegevens, het verbeteren van gegevensregistratie en analyse van ongestructureerde klinische tekst gegevens met behulp van moderne methoden zoals grote taalmodellen.