文献

J-GLOBAL ID：201402252711162802   整理番号：14A0716635

メカニズムの理解に向けての薬剤副作用クラスターの薬剤疫学特性評価

Pharmacoepidemiological characterization of drug-induced adverse reaction clusters towards understanding of their mechanisms

著者 (4件)： MIZUTANI Sayaka ,  NORO Yousuke ,  KOTERA Masaaki ,  GOTO Susumu
資料名： Computational Biology and Chemistry  (Computational Biology and Chemistry)
巻： 50  ページ： 50-59  発行年： 2014年06月 
JST資料番号： H0201B  ISSN： 1476-9271  CODEN： COCHDK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 薬理学における大きな挑戦課題は,ある場合では,薬剤の適応症の違いとは関係なくお互いに類似しており,そして他の場合では薬剤の同じ適応症とは関係なく異なる薬剤誘発ADRsを引き起こす基となるメカニズムを理解することである。FDAの有害事象報告システム(FAERS)は,薬剤疫学,大規模なヒト集団における医薬品の用途と効果の研究に対して貴重な資源を提供する。しかし,FAERSは,従来のクラスタリング手法の適用をはずれるノイズを必然的に含む自発報告システムである。FAERSデータにバイクラスタリング分析を行うことにより,著者らは,関連する薬剤にわたってADRの発生回数が一貫して高い,総計で691ADRsと240薬剤から,薬剤誘発副作用の163バイクラスターを同定した。医学的に類似するADRsは,バイクラスターの大部分(145/163=88%)において数種の用途の異なる適応症から派生し,そのことは類似するADRsにつながる基となるメカニズムを議論することを可能とする。さらに,著者らは異なるADRsでなく同じ薬剤を含むバイクラスターを比較し,患者の集団が年齢,性別,および体重に関して異なっている症例を発見した。著者らは,大規模なFAERSデータセットから薬剤と副作用との間の関係を編集するバイクラスタリング法を適用し,類似の副作用をもたらす異なる薬剤投与症例を明らかにする体系的な方法,および同じ薬剤が患者の状態に依存して異なる副作用を引き起こす可能性があることを実証した。Copyright 2014 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *副作用 ,  *クラスタ化 ,  *検索 ,  薬理学 ,  病気 ,  ヒト ,  薬剤疫学 ,  *改変
準シソーラス用語： *バイクラスタリング ,  適応症

分類 (1件)： ドキュメンテーション  (GU01030C)

タイトルに関連する用語 (7件)： メカニズム ,  理解 ,  薬剤 ,  副作用 ,  クラスター ,  薬剤疫学 ,  特性評価