Klíčová slova dle MeSH: karcinom prsu, farmakoterapie, radioterapie, operace, zobrazovací metody
Klíčová slova dle EuroVoc: rakovina, onkologie, léčba
Typ článku: původní práce
Zdrojové databáze
Národní registr hrazených zdravotních služeb, Národní onkologický registr, List o prohlídce zemřelého: databáze zemřelých
Popis dat a použitých výpočetních metod
Data pro studii byla získána prostřednictvím žádosti o syntetická data podané Národnímu zdravotnickému informačnímu systému (NZIS). Tento přístup umožnil analýzu rozsáhlých populačních dat při současném zachování ochrany osobních údajů pacientek.
Primárním zdrojem informací jsou data z Národního registru hrazených zdravotních služeb (NRHZS), který shromažďuje kompletní informace o poskytnuté zdravotní péči hrazené ze systému veřejného zdravotního pojištění v České republice. Tento registr poskytuje unikátní pohled na reálné využití zdravotní péče v populačním měřítku a umožňuje sledování trendů v léčebných postupech. Klíčové bylo propojení dat z NRHZS s údaji z Národního onkologického registru (NOR) a Listu příčin úmrtí (LPZ). Toto propojení umožnilo komplexní pohled na pacienty zahrnující nejen informace o léčbě, ale také klinické charakteristiky nádorového onemocnění a údaje o mortalitě. Národní onkologický registr poskytl detailní informace o morfologii nádoru, histologickém gradu a TNM klasifikaci včetně specifických lokalizací metastatického postižení. Seznam příčin úmrtí doplnil datovou sadu o informace týkající se mortality pacientek.
Atributy datové sady:
| Id | Název sloupce | Popis | Datový typ | Zdroj |
|---|---|---|---|---|
| 1 | Pacient_id | Anonymní ID pacienta | Integer | NRHZS |
| 2 | Rok_mesic | Měsíc a rok léčby | Integer | NRHZS |
| 3 | Pripravek_vykon | Kód výkonu/přípravku | Varchar | NRHZS |
| 4 | Mnozstvi_pocet | Množství výkonů/balení | Numeric | NRHZS |
| 5 | Vekovy_interval | Pětiletý věkový interval pacienta | Varchar | NRHZS |
| 6 | Rok_mesic_umrti | Měsíc a rok úmrtí | Integer | LPZ |
| 7 | Pricina_umrti_mkn3 | Příčina úmrtí dle MKN klasifikace | Varchar | LPZ |
| 8 | Icz | Identifikátor zařízení které poskytuje léčbu | Integer | NOR |
| 9 | Morfologie_poradi | Pořadí nádoru | Integer | NOR |
| 10 | Morfologie_grade | Grade nádoru | Integer | NOR |
| 11 | T_vysl | TNM klasifikace | Varchar | NOR |
| 12 | N_vysl | TNM klasifikace | Varchar | NOR |
| 13 | M_vysl | TNM klasifikace | Varchar | NOR |
| 14 | M_OTH | Lokalizace metastáz ano/ne | Integer | NOR |
| 15 | M_SKI | Lokalizace metastáz ano/ne | Integer | NOR |
| 16 | M_LYM | Lokalizace metastáz ano/ne | Integer | NOR |
| 17 | M_ADR | Lokalizace metastáz ano/ne | Integer | NOR |
| 18 | M_BRA | Lokalizace metastáz ano/ne | Integer | NOR |
| 19 | M_PER | Lokalizace metastáz ano/ne | Integer | NOR |
| 20 | M_HEP | Lokalizace metastáz ano/ne | Integer | NOR |
| 21 | M_PLE | Lokalizace metastáz ano/ne | Integer | NOR |
| 22 | M_OSS | Lokalizace metastáz ano/ne | Integer | NOR |
| 23 | M_MAR | Lokalizace metastáz ano/ne | Integer | NOR |
| 24 | M_PUL | Lokalizace metastáz ano/ne | Integer | NOR |
| 25 | M_XXX | Lokalizace metastáz ano/ne | Integer | NOR |
| 26 | Diagnoza_datum | Měsíc a rok diagnózy novotvaru | Integer | NRHZS |
Použita byla retrospektivní observační metodika založená na sekundárních datech z reálné klinické praxe. Tento přístup umožňuje hodnocení skutečného využití léčebných postupů v běžné klinické praxi, na rozdíl od kontrolovaných klinických studií, které mohou mít omezenou externí validitu.
Analýza zahrnovala standardní klasifikační systémy pro identifikaci léčivých přípravků podle ATC (Anatomical Therapeutic Chemical) klasifikace a diagnóz podle MKN-10. Tyto mezinárodně uznávané klasifikační systémy zajišťují standardizaci a porovnatelnost výsledků s mezinárodními materiály.
Analýzy se zaměřily na několik klíčových oblastí: popis trendů v používání jednotlivých předem specifikovaných molekul v čase, hodnocení četnosti různých kombinací léčiv, analýzy podle věkových kategorií pacientek a dále volbu léčebné sekvence. Tento multidimenzionální přístup umožnil komplexnější pohled na používání léčiv v reálné klinické praxi u časného i metastatického karcinomu prsu.
Data byla zpracována metodou deskriptivní analýzy bez testování statistických hypotéz. Použité statistické metody zahrnovaly výpočet relativních četností, trendovou analýzu a stratifikaci podle relevantních demografických a klinických charakteristik.
Pacienti byli klasifikováni do relevantních skupin na základě jejich historického využití specifických cílených terapií. Longitudinální léčebná anamnéza každého pacienta byla následně transformována do vektorové matice s pevnou délkou, která byla zarovnána k vybranému cílovému klinickému události. Tento přístup umožnil standardizaci časových os napříč všemi pacienty. Takto vytvořené zarovnané vektory byly použity jako vstupní data pro modely strojového učení zaměřené na shlukovou analýzu, které umožnily identifikaci a vizualizaci vzorců léčebných postupů v souvislosti s cílovými událostmi.
Hlavními limitacemi je použití administrativních dat místo klinických výstupů, což omezuje možnost hodnocení efektivity léčby a bezpečnostních parametrů. Absence informací o liniích léčby představuje další významné omezení, které znemožňuje jasnou diferenciaci mezi jednotlivými liniemi terapie (určení linií léčby je nutné odvodit dle předem daných definicí vycházejících z úhradových podmínek léčby, doporučených postupů a na základě analýzy dat dalších hrazených s léčbou spojených výkonů, jako je radioterapie a chirurgická léčba). Potenciální zkreslení způsobené postupnou implementací úhrady jednotlivých preparátů v průběhu sledování může ovlivnit interpretaci trendů.
Navzdory těmto limitacím představuje tato datová sada unikátní zdroj informací o reálném využití farmakoterapie v české populaci a poskytuje cenné poznatky.
Popis výsledků a použití výsledku v praxi
Výsledky analýz dat zdravotních pojišťoven, zachycujících úhrady péče o pacientky a pacienty s časným a metastatickým karcinomem prsu v České republice, přinesly ucelený obraz reálné klinické praxe. Dataset umožnil odhadnout velikost a strukturu aktivně léčené populace, popsat demografii, regionální rozložení a vybrané klinické charakteristiky odvozené z kombinace kódů farmakoterapie, radioterapie, chirurgických výkonů a diagnostického zobrazování. Na základě algoritmů identifikace jsme definovali klinicky smysluplné kohorty a sledovali trajektorie péče od diagnózy přes jednotlivé linie systémové léčby až po podpůrné intervence. Tento popis doplňují časové řady, které zachycují dynamiku léčebných trendů v průběhu let.
Časové analýzy prokázaly zřetelné změny v preskripci po vstupu nových terapií do úhradového systému a po aktualizacích doporučení odborných společností. Bylo patrné přeskupování preferencí v první a následných liniích terapie, růst využití některých tříd léčiv a ústup jiných. Rychlost adopce novinek se lišila mezi regiony i typy poskytovatelů.
Analýzy současně poukázaly na heterogenitu praxe: regionální rozdíly v rychlosti implementace nových terapií a v míře a způsobu využití různých léčebných kombinací. Tyto rozdíly mohou odrážet dostupnost specializovaných center, lokální organizační zvyklosti, kapacitní limity diagnostiky a podpůrné péče či odlišné strategie v interpretaci doporučení.
Výstupy z analýzy zaměřené na léčbu CDK4/6 inhibitory byly syntetizovány do mezinárodně prezentovaného posteru zaměřeného na reálnou praxi u vymezených pacientských skupin a specifických terapií.1 Paralelně vznikly interní přehledy klíčových metrik (velikost populace, využití linií, sekvenování terapie, trendové křivky), které lze pravidelně aktualizovat při dostupnosti nových dat.
Zjištěné vzorce preskripce a sekvence léčby poskytují referenční rámec pro klinická pracoviště a umožňují podpořit harmonizaci s národními i mezinárodními doporučeními. Mapování adopce novinek napomáhá odhalit překážky implementace a zacílit na ně edukační, organizační či logistické aktivity. Pro plánování kapacit a zdrojů slouží odhady velikosti léčené populace a trendů v délce léčby. Z pohledu úhradové politiky dokumentované posuny po změnách úhrad poskytují zpětnou vazbu plátcům. V oblasti výzkumu a vzdělávání pomáhají kvantifikované segmenty populace při návrhu observačních studií, registrů a edukačních programů a zvyšují přesnost plánování náboru a výběru center.
Interpretaci výsledků provází limity těchto dat: nepřítomnost přímých klinických ukazatelů, závislost na kvalitě kódování a možné zpoždění aktualizací. Tyto limity minimalizujeme konzistentní definicí kohort, triangulací napříč typy výkonů a citlivostními analýzami.
Související odkazy
Trdlička V. Real-world evidence of CDK4/6 inhibitor therapy in patients with HR‑positive HER2‑negative metastatic breast cancer in the first three years of reimbursement in the Czech Republic. Online. The Breast. 2025, vol. 83, s. S42. ISSN 0960-9776. Dostupné z: https://doi.org/10.1016/s0960-9776(25)00735-0. [cit. 2025-12-04].
Skript ke stažení
Odkaz na výstup v Katalogu zdravotnických dat
Autoři
- Julija Jeršova (AstraZeneca Czech Republic s.r.o., Praha)
- Jan Habětínek (AstraZeneca Czech Republic s.r.o., Praha)
- Vojtěch Trdlička (AstraZeneca Czech Republic s.r.o., Praha)
- Zuzana Moravcová (AstraZeneca Czech Republic s.r.o., Praha)
Doporučená citace: Jeršova J, Habětínek J, Trdlička V, Moravcová Z. Trendy v léčbě pacientů s karcinomem prsu. NZIS Open Journal 2026; 2: 2026-001.