Parameter PK yang Sering Muncul — dan Artinya
| Parameter | Singkatan | Artinya | Relevansi Klinis |
|---|---|---|---|
| Area Under the Curve | AUC | Total pajanan obat selama interval waktu tertentu | Predictor efektivitas untuk antibiotik (AUC/MIC) dan toksisitas (vankomisin) |
| Maximum Concentration | Cmax | Konsentrasi puncak setelah pemberian dosis | Relevan untuk antibiotik concentration-dependent (aminoglikosida) |
| Trough Concentration | Ctrough | Konsentrasi terendah sebelum dosis berikutnya | Target TDM untuk vankomisin, tacrolimus, digoksin |
| Half-life | t½ | Waktu untuk konsentrasi turun 50% | Menentukan frekuensi dosis dan waktu washout |
| Volume of Distribution | Vd | Volume hipotetis tempat obat terdistribusi | Vd besar = terdistribusi luas ke jaringan (e.g., klorokuin, amiodaron). Penting untuk loading dose |
| Clearance | CL | Volume plasma yang dibersihkan dari obat per satuan waktu | Dasar penyesuaian dosis pada gangguan ginjal/hati |
| Bioavailabilitas | F | Fraksi dosis yang mencapai sirkulasi sistemik | Menentukan ekuivalensi dosis IV vs oral |
| Protein Binding | %PB | Persentase obat terikat protein plasma | Hanya fraksi bebas yang aktif. Penting pada hipoalbuminemia (ICU, malnutrisi) |
Pertanyaan Kritis untuk Studi PK
Sebagian besar studi PK dilakukan pada sukarelawan sehat dewasa muda. Ini sangat berbeda dari pasien kritis di ICU yang punya:
- Fungsi ginjal berfluktuasi (AKI, ARC — Augmented Renal Clearance)
- Hipoalbuminemia berat → protein binding berubah → fraksi bebas meningkat
- Perubahan Vd akibat edema masif atau resusitasi cairan
- Disfungsi hati → metabolisme terganggu
- Interaksi obat multipel dari polifarmasi ICU
Rekomendasi dosis dari studi populasi sehat mungkin tidak applicable langsung ke pasien kritismu. Ini alasan mengapa TDM (Therapeutic Drug Monitoring) sangat penting di ICU.
Banyak target PK/PD (seperti AUC/MIC untuk vankomisin, atau Cmin tertentu untuk tacrolimus) ditetapkan berdasarkan studi surrogate endpoint — bukan langsung pada outcome klinis seperti kesembuhan atau mortalitas.
Tanyakan: "Apakah mencapai target PK ini terbukti meningkatkan outcome klinis, atau hanya surrogate?" Contoh: target AUC/MIC ≥400 untuk vankomisin — evidence untuk ini terus berkembang dan tidak konsisten di semua populasi.
Banyak panduan dosis berbasis model populasi PK (population PK modeling) — bukan pengukuran langsung di setiap individu. Model ini menggunakan data dari banyak pasien untuk memprediksi PK individu.
Cek: dari populasi mana model ini dikembangkan? Model yang dikembangkan dari pasien Eropa mungkin tidak akurat untuk pasien Asia dengan karakteristik genetik metabolisme yang berbeda.
PD Indices — Tiga Pola Pembunuhan Bakteri oleh Antibiotik
Bias Utama yang Mengancam Studi Farmakoepidemiologi
Metode untuk Mengontrol Confounding
Propensity score adalah probabilitas seseorang mendapat intervensi tertentu berdasarkan karakteristik baseline mereka. Dengan menyeimbangkan propensity score antar kelompok, kita bisa mengurangi confounding yang terukur.
Metode penggunaan PS:
— PS Matching: Pascarkan pasien dengan PS mirip di kedua kelompok
— IPTW: Beri bobot pada tiap pasien berdasarkan kebalikan probabilitasnya
— Stratifikasi PS: Bagi populasi ke dalam kuintil PS
PS hanya mengontrol confounding yang terukur. Confounding yang tidak tercatat di data (unmeasured confounding) tidak bisa dikontrol dengan PS. Jika ada faktor penting yang tidak ada di database — PS tidak akan membantu.
Pada pasien dengan penyakit berat, kematian sering bersaing dengan outcome lain (misalnya: "readmisi karena GJ" tidak bisa terjadi jika pasien sudah meninggal). Analisis Kaplan-Meier standar mengabaikan competing risk ini — dan bisa overestimate insidensi outcome.
Fine-Gray subdistribution hazard model adalah pendekatan yang lebih tepat ketika ada competing risk. Cari apakah studi yang kamu baca mempertimbangkan ini, terutama pada studi dengan mortalitas tinggi seperti di ICU atau pasien kanker.
Studi farmakoepidemiologi yang baik menyertakan sensitivity analysis — mengulang analisis dengan asumsi atau definisi yang berbeda untuk melihat apakah kesimpulan tetap konsisten.
Contoh: E-value analysis (mengukur seberapa kuat unmeasured confounder harus ada untuk menghilangkan asosiasi yang ditemukan). Jika E-value kecil — hubungan yang ditemukan mudah digugurkan oleh confounding tak terukur.
Sebagian besar bukti tentang drug-related problems, adherence, dan medication outcomes di populasi nyata datang dari studi farmakoepidemiologi. Kemampuan menilai kualitas studi ini — terutama mengenali bias yang ada — adalah kompetensi kritis apoteker klinis yang sering diremehkan.
Composite Endpoint — Kekuatan dan Kelemahannya
Meningkatkan event rate → power studi lebih tinggi dengan sampel lebih sedikit. Mencakup semua outcome yang relevan secara klinis.
Komponen yang berbeda bobotnya berbeda. Manfaat di komponen yang "ringan" bisa mendominasi dan menyembunyikan tidak adanya manfaat di komponen yang paling penting (kematian).
Ketika composite endpoint bermakna statistik: "komponen mana yang paling berkontribusi?" Jika manfaat hanya dari hospitalisasi (dan bukan kematian atau MI), implikasinya sangat berbeda dari manfaat yang merata di semua komponen.
Surrogate vs Clinical Outcome
| Surrogate Endpoint | Clinical Endpoint | Kekuatan Surrogate | Risiko |
|---|---|---|---|
| LDL kolesterol | Infark miokard, kematian CV | Kuat — terbukti korelasi di banyak studi | Obat yang turunkan LDL tidak selalu turunkan mortalitas (contoh: beberapa studi niacin) |
| Tekanan darah | Stroke, gagal jantung, kematian | Kuat secara umum | Penurunan TD yang terlalu agresif bisa berbahaya pada beberapa populasi |
| Ejection Fraction (EF) | Mortalitas, rawat inap GJ | Sedang — EF naik tidak selalu berkorelasi dengan outcome lebih baik | Beberapa obat meningkatkan EF tapi tidak meningkatkan survival |
| HbA1c | Komplikasi mikrovaskular, mortalitas | Kuat untuk mikrovaskular | Penurunan HbA1c agresif tidak selalu turunkan mortalitas (ACCORD trial) |
| QTc interval | Torsades de pointes, kematian mendadak | Sedang — QTc panjang adalah faktor risiko, tapi korelasi tidak sempurna | Beberapa obat panjangkan QTc tanpa meningkatkan aritmia nyata |
Analisis Survival — Membaca Kurva Kaplan-Meier
Di akhir periode follow-up, jumlah pasien yang tersisa sering sangat sedikit. Ini membuat kurva di bagian ekor sangat tidak stabil — satu event bisa mengubah kurva drastis. Lihat angka "at risk" di bawah kurva. Jika <30 di titik tertentu, interpretasi di titik itu dengan sangat hati-hati.
Cox regression (yang menghasilkan HR) mengasumsikan bahwa rasio hazard antara dua kelompok konstan sepanjang waktu. Jika kurva Kaplan-Meier bersilangan atau berkonvergen — asumsi ini mungkin dilanggar. HR menjadi ringkasan yang menyesatkan dari efek yang sebenarnya berubah seiring waktu.
RMST (Restricted Mean Survival Time) adalah rata-rata waktu event-free sampai titik waktu tertentu. Lebih mudah diinterpretasikan secara klinis: "Pasien di kelompok intervensi rata-rata hidup 4,2 bulan lebih lama dalam 3 tahun pertama dibanding kelompok kontrol."
Ini lebih baik dari HR dalam banyak kasus, tapi tidak selalu dilaporkan. Jika ada — baca RMST, bukan hanya HR.
Uji Klinis Kardiovaskular Besar yang Wajib Kamu Kenali
| Studi | Topik | Temuan Kunci | Implikasi |
|---|---|---|---|
| PARADIGM-HF | ARNI vs enalapril pada HFrEF | Sakubitril-valsartan turunkan composite endpoint (mortalitas CV + rawat inap GJ) 20% vs enalapril | Dasar rekomendasi ARNI sebagai standar GJ |
| DAPA-HF | Dapagliflozin pada HFrEF ± DM | Turunkan composite outcome GJ 26%, efektif tanpa DM | SGLT2i bukan hanya antidiabetes — ini obat GJ |
| EMPEROR-Reduced | Empagliflozin pada HFrEF | Konfirmasi manfaat SGLT2i, efek renoprotektif kuat | Memperkuat rekomendasi "Fantastic Four" |
| RALES | Spironolakton pada GJ berat | Turunkan mortalitas 30% pada NYHA III-IV | MRA menjadi standar pada HFrEF berat |
| PLATO | Ticagrelor vs clopidogrel pada ACS | Ticagrelor superior untuk MACE, tapi lebih banyak perdarahan | Dasar preferensi ticagrelor pada ACS |
| ACCORD | Target HbA1c intensif pada DM | HbA1c <6% meningkatkan mortalitas vs target 7–7,9% | Target HbA1c pada DM harus individual, tidak selalu serendah mungkin |
Hierarki Bukti Interaksi Obat
Pertanyaan Kritis untuk Studi Interaksi
Perubahan AUC atau Cmax sebesar tertentu apakah bermakna klinis bergantung pada:
- Therapeutic index obat: Warfarin (sempit) vs amoksisilin (lebar). Perubahan 30% AUC warfarin sangat berbahaya; perubahan 30% AUC amoksisilin mungkin tidak bermakna.
- Konsentrasi saat ini relatif terhadap therapeutic range: Jika pasien sudah di batas atas range terapeutik, peningkatan 20% bisa jadi toksik.
- Perubahan ke arah mana: Inhibisi (konsentrasi naik) vs induksi (konsentrasi turun). Keduanya berbahaya tapi dengan cara berbeda.
Memahami mekanisme membantu kamu memprediksi interaksi yang belum pernah diteliti. Contoh:
- Rifampisin adalah inducer kuat multiple CYP (3A4, 2C9, 2C19, 1A2) → substrat CYP3A4 (siklosporin, statin, ARV, kontrasepsi), CYP2C9 (warfarin S-enantiomer), dan CYP lain akan terkena
- Amiodaron menginhibisi CYP2D6 dan CYP3A4 → meningkatkan kadar banyak obat jantung lain
- Verapamil menginhibisi P-glikoprotein → meningkatkan absorpsi digoksin
Jika kamu tahu suatu obat adalah inhibitor kuat CYP tertentu — kamu bisa mengantisipasi interaksi dengan semua substrat CYP tersebut, meski belum ada studi spesifik.
Interaksi yang dimediasi inhibisi enzim biasanya onset cepat (jam ke hari). Interaksi yang dimediasi induksi enzim (rifampisin, karbamazepin) butuh 1–2 minggu untuk efek penuh — dan butuh 1–4 minggu setelah dihentikan untuk kembali normal.
Implikasi klinis: Jika rifampisin dimulai pada pasien yang pakai warfarin → INR akan turun bertahap selama 2 minggu. Jika rifampisin dihentikan → warfarin akan naik bertahap lagi. Monitoring intensif diperlukan di kedua momen transisi ini.
Database interaksi obat (Lexicomp, Micromedex, Stockley) berguna sebagai titik awal — bukan keputusan akhir. Sebagian besar interaksi yang "major" di database bisa dikelola dengan monitoring lebih ketat atau penyesuaian dosis. Jarang sekali interaksi yang benar-benar kontraindikasi mutlak.
Mengapa Guideline Bisa Bertentangan
Cara Menavigasi Pertentangan Guideline
Target tekanan darah: AHA/ACC 2017 mendefinisikan hipertensi ≥130/80 mmHg (lebih rendah dari sebelumnya). ESC/ESH 2018 tetap ≥140/90 mmHg. PERHI Indonesia mengikuti cut-off ≥140/90 mmHg. Perbedaan ini bukan karena salah satu guideline keliru — tapi karena penilaian yang berbeda terhadap evidence yang sama dan pertimbangan konteks populasi yang berbeda.
Pasien kritis sangat heterogen — syok septik berbeda dari gagal jantung akut berbeda dari ARDS. Studi yang menggabungkan semua "pasien ICU" sering memberikan hasil yang tidak bermakna karena mencampur populasi yang fisiologinya sangat berbeda.
Masalah Spesifik di Studi ICU
Dalam kondisi kritis, waktu sangat penting. Studi yang memulai intervensi terlambat mungkin melewatkan window of opportunity. Contoh: antibiotik pada sepsis — setiap jam keterlambatan meningkatkan mortalitas.
Cek: kapan persis intervensi dimulai? Time from diagnosis to treatment adalah informasi kritis yang sering tidak dilaporkan dengan jelas.
Di ICU, pasien yang paling berat sering meninggal dalam 24–48 jam pertama sebelum sempat menerima intervensi yang diteliti. Jika analisis hanya mencakup pasien yang "survive cukup lama" untuk menerima intervensi — hasilnya bias ke arah pasien yang relatif lebih ringan.
Immortal time bias sangat umum di studi retrospektif ICU: periode dari masuk ICU sampai mulai terapi sering salah diklasifikasikan sebagai "waktu terpapar" padahal pasien belum menerima intervensi.
Di ICU, pemilihan terapi sangat dipengaruhi oleh penilaian klinis real-time yang tidak bisa sepenuhnya dikuantifikasi. Pasien yang terlihat "lebih sakit" mungkin mendapat intervensi berbeda — dan confounding by indication menjadi sangat sulit dikontrol.
Cek apakah studi menggunakan severity scoring (APACHE II, SOFA, SAPS) sebagai covariat. Skor yang hanya diambil saat masuk ICU tidak mencerminkan trajektori penyakit yang dinamis.
Di ICU, PK obat sangat tidak stabil dan sulit diprediksi:
- ARC (Augmented Renal Clearance): Klirens ginjal meningkat di pasien muda-berat dengan SIRS — dosis standar tidak cukup untuk banyak obat (antibiotik, antiepilepsi)
- Hipoalbuminemia: Fraksi bebas obat terikat protein meningkat drastis
- Edema massif: Vd meningkat → konsentrasi serum turun padahal dosis sama
- Renal replacement therapy (CRRT): Klirens obat melalui membran dialisis sangat bervariasi
Vasopresor dan Inotropik — Cara Membaca Studinya
1. Definisi kardiogenik syok harus konsisten — banyak studi menggunakan definisi berbeda (MAP, CI, SVR, laktat). Perubahan definisi bisa mengubah populasi yang direkrut secara fundamental.
2. Hemodynamic endpoint vs clinical outcome — banyak studi inotropik hanya mengukur parameter hemodinamik (CI, MAP) sebagai endpoint, bukan mortalitas. Perbaikan hemodinamik tidak selalu berkorelasi dengan survival.
3. Crossover yang tinggi — pasien syok sering butuh eskalasi terapi, membuat analisis intention-to-treat sulit diinterpretasikan.
4. Confounding by indication sangat kuat — pasien yang menerima inotropik biasanya lebih berat dari yang tidak, membuat studi observasional sangat sulit diarahkan.
Untuk Studi PK/PD dan TDM
- Populasi studi relevan dengan pasien saya (bukan hanya sukarelawan sehat)
- Parameter PK yang dilaporkan mencakup yang relevan (AUC, Cmax, atau Cmin sesuai obat)
- Target PK/PD didukung oleh outcome klinis, bukan hanya surrogate laboratorium
- Kondisi khusus ICU dipertimbangkan (ARC, hipoalbuminemia, CRRT) jika relevan
- Model PK dikembangkan dari populasi yang sesuai dengan pasien saya
Untuk Studi Farmakoepidemiologi
- Confounding by indication dikenali dan metode untuk mengatasinya dijelaskan
- Immortal time bias tidak ada (atau dikoreksi)
- Competing risk dipertimbangkan jika mortalitas tinggi di populasi studi
- Sensitivity analysis dilakukan untuk menilai robustness temuan
- Kesimpulan tidak mengklaim kausalitas dari data observasional
Untuk Studi Outcome Kardiovaskular
- Composite endpoint — komponen individual dilaporkan dan dianalisis
- ARR dan NNT dihitung (tidak hanya RRR atau HR)
- Durasi follow-up cukup untuk melihat outcome yang relevan
- Subgroup analysis pre-specified (bukan post-hoc fishing)
- Efek pada mortalitas all-cause dilaporkan (tidak hanya mortalitas CV)
Untuk Studi Interaksi Obat
- Mekanisme interaksi jelas (CYP, transporter, PD)
- Besaran perubahan PK dilaporkan secara kuantitatif (AUC ratio)
- Relevansi klinis dinilai berdasarkan therapeutic index obat yang terlibat
- Manajemen yang direkomendasikan proporsional dengan risiko aktual
Critical appraisal bukan tentang menemukan alasan untuk menolak setiap studi. Tujuannya adalah menerima bukti secara proporsional dengan kualitasnya — dan menerapkannya dengan judgment klinis yang mempertimbangkan konteks pasien individualmu. Semakin sering kamu berlatih, semakin intuitif prosesnya.
Panduan ini adalah Bagian 2 — lanjutan dari Cara Membaca Jurnal Ilmiah (Bagian 1) yang membahas struktur artikel IMRAD, desain studi, statistik dasar (ARR/RRR/NNT), dan cara menyimpulkan. Baca keduanya secara berurutan untuk pemahaman yang lengkap.