检测阿托伐他汀药物的不良反应
摘要：不良药物反应（ADR）是公共卫生的重大关切。ADR是撤销某些药物市场的最常见原因之一。目前，检测ADR的两种主要方法是自发报告系统（SRS）和处方事件监测（PEM）。世界卫生组织（WHO）将药物警戒定义为“任何已报告的有可能存在不良事件与药物之间的因果关系的信息，这种关系以前未知或文献资料不完整”。对于自发报告系统，许多机器学习方法被用于检测ADR，如贝叶斯置信传播神经网络（BCPNN），决策支持方法，遗传算法，基于知识的方法等等。一个限制因素是报告机制以提交ADR报告，这会导致严重的低报告率，并且无法准确量化相应的风险。另一个限制因素是在数据库中很难检测到每种药物事件关联发生的少数次数的ADR。在本文中，我们提出了一种特征选择方法来从The Health Improvement Network（THIN）数据库中检测ADR。首先，通过将患者的处方和相应的医疗事件联系在一起，创建一个特征矩阵，该矩阵表示患者在服药前后的医疗事件。然后，基于特征选择方法选择显著特征，比较患者服药前后的特征矩阵。最后，可以根据相应的特征从数千个医疗事件中检测出显著的ADR。在Atorvastatin药物上进行了实验，取得了良好的性能。
作者：Yihui Liu, Uwe Aickelin
论文ID：1308.6697
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2013-09-02