跳转到主页内容
访问键 NCBI主页 MyNCBI主页 主要内容 主导航
1998年6月,54(4):315 - 21所示。
doi: 10.1007 / s002280050466。

药物不良反应信号产生的贝叶斯神经网络方法

从属关系

药物不良反应信号产生的贝叶斯神经网络方法

一个软化et al。 欧J临床药物学 1998年6月

摘要

摘要目的:乌普萨拉监测中心代表世界卫生组织(世卫组织)国际药物监测合作规划47个国家持有的药物不良反应数据库包含近200万份报告。它是世界上最大的此类数据库,每季度新增约3.5万份报告。试图寻找新的药物不良反应信号的任务已经由一个专家小组执行,但有如此大量的材料,这项任务是艰巨的。我们开发了一种灵活的自动化程序,可以从背景数据中找到具有已知概率差异的新信号。

方法:数据挖掘,使用各种计算方法,已应用于各种学科。开发了一种贝叶斯置信传播神经网络(BCPNN),它可以管理大型数据集,在处理不完整数据时具有鲁棒性,并且可以用于复杂变量。利用信息论,这种工具非常适合寻找与其他变量的药物不良反应组合,这些变量与存储数据的一般性或存储数据的一部分高度相关。该方法透明,便于检查,对不同类型的搜索具有灵活性。

结果:使用BCPNN,给出了一些时间扫描示例,展示了该技术在早期发现信号(卡托普利咳嗽)和避免数据库中常见药物和不良反应发生时的假阳性(地高辛痤疮;digoxin-rash)。还对BCPNN在季度更新中的常规应用进行了测试,显示1004种可疑药物不良反应组合达到了与一般情况差异的97.5%置信水平。其中307例是潜在的严重不良反应,其中53例与新药有关。后者中有12种没有记录在CD版的《医生案头参考》或《马丁代尔额外药典》中,也没有出现在《反应周刊》在线版中。

结论:结果表明,BCPNN可用于WHO国际药物监测规划数据集的重要信号检测。BCPNN将是一个非常有用的辅助专家评估非常大量的自发报告的adr。

类似的文章

引用的256文章

网格计算

LinkOut -更多的资源