USA: Wpływ pandemii COVID-19 i modulatorów CFTR na opiekę nad pacjentami z mukowiscydozą
Nierówności w leczeniu mukowiscydozy – co ujawniły lata pandemii i nowe terapie
W ostatnich latach opieka nad osobami z mukowiscydozą (CF) uległa radykalnym zmianom. Dwie siły wpłynęły na ten proces szczególnie mocno: pojawienie się modulatorów CFTR, w tym terapii trójlekowej elexakaftor/tezakaftor/ivakaftor (ETI), oraz pandemia COVID-19, która wymusiła gwałtowne upowszechnienie telemedycyny. Badania przeprowadzone przez naukowców z MaineHealth Institute for Research, Maine Medical Center oraz Northeastern University dostarczają nowego obrazu tego, jak w latach 2017–2022 zmieniała się częstotliwość wizyt, sposób monitorowania pacjentów oraz nierówności w dostępie do opieki.
Cele i metodyka badania
Zespół badawczy pod kierunkiem dr Alexandry C. Hinton, z udziałem dr Edmunda H. Searsa, dr Sary Lopez-Pintado oraz dr Jonathana B. Zuckermana, przeanalizował dane z United States Cystic Fibrosis Foundation Patient Registry (USCFFPR).
Do badania włączono:
-
- 28 340 pacjentów w wieku 6–65 lat,
- ponad 463 tysiące wizyt zarejestrowanych w latach 2017–2022.
Głównym wskaźnikiem był odstęp pomiędzy kolejnymi wizytami (BVI – between-visit interval). Badacze zastosowali modele statystyczne mieszanych efektów, które pozwoliły uwzględnić zmienne socjodemograficzne, kliniczne oraz wpływ pandemii na system opieki zdrowotnej.
Najważniejsze wyniki
- Wzrost odstępów między wizytami
- Średni BVI wzrósł o 22,6% w latach 2019–2022.
- Największe zmiany odnotowano u dorosłych pacjentów, co wskazuje na przesunięcie w stronę rzadszych kontaktów z ośrodkami CF.
- Wpływ terapii ETI
- Bezpośrednio po wprowadzeniu terapii trójlekowej ETI wizyty były częstsze – lekarze monitorowali bezpieczeństwo leczenia i szybkie efekty kliniczne (m.in. poprawę funkcji płuc).
- Po kilku miesiącach odstępy zaczęły się wydłużać, a pacjenci utrzymywali dobrą stabilność kliniczną.
- Różnice między pacjentami homozygotycznymi i heterozygotycznymi dla mutacji F508del uległy znacznemu zmniejszeniu – ETI zniwelowało część wcześniejszych nierówności zdrowotnych wynikających z genotypu.
- Telemedycyna jako stały element opieki
- W 2022 i 2023 roku około 20% wszystkich wizyt odbyło się zdalnie.
- Telewizyty wiązały się z krótszymi odstępami między kontaktami pacjenta a lekarzem, co poprawiło ciągłość opieki mimo ograniczeń pandemicznych.
- Czynniki socjodemograficzne
- Zmiany w ubezpieczeniu zdrowotnym oraz jego brak były jednym z najważniejszych czynników wydłużających odstępy między wizytami – nawet o 56%.
- Odległość od ośrodka CF również miała znaczenie – pacjenci mieszkający ponad 300 km od ośrodka odwiedzali lekarza rzadziej.
- Stan zdrowia a częstotliwość wizyt
- Pacjenci z cięższymi objawami (ciężkie upośledzenie czynności płuc, CF-related diabetes, przewlekłe infekcje) zgłaszali się częściej.
- Z kolei osoby stabilne klinicznie, z dobrymi wynikami terapii ETI, potrzebowały mniejszej liczby wizyt w roku.
Znaczenie kliniczne
Badanie pokazuje, że:
- Nowe terapie zmieniają dynamikę opieki – dzięki ETI pacjenci są stabilniejsi, co pozwala zmniejszyć liczbę wizyt.
- Telemedycyna ułatwia dostęp do opieki, zwłaszcza w pandemii i dla osób mieszkających daleko od ośrodków specjalistycznych.
- Nierówności w systemie ochrony zdrowia pozostają poważnym problemem – szczególnie w kontekście ubezpieczenia zdrowotnego i geografii.
- Modele opieki nad CF powinny być elastyczne, uwzględniając indywidualne potrzeby pacjenta, stabilność kliniczną i bariery socjoekonomiczne.
Autorzy podkreślają, że optymalizacja opieki nad pacjentami z CF wymaga działań na dwóch płaszczyznach:
- Rozwoju terapii farmakologicznych – modulatory CFTR już zbliżyły opiekę do modelu przewlekłego monitorowania zamiast intensywnej kontroli.
- Redukcji nierówności – konieczne są strategie wyrównywania szans w dostępie do opieki i leków, szczególnie wśród pacjentów nieubezpieczonych, mieszkających daleko od ośrodków i pochodzących z grup mniejszościowych.
Źródło: Impact of COVID-19 and CFTR Modulators on Cystic Fibrosis: A Real-World Analysis of Care Patterns
DOI: 10.22541/au.175822573.32094693/v1
