文献

J-GLOBAL ID：201902222402923910   整理番号：19A2711434

自発的報告システムを用いた薬物-薬物相互作用を検出するための統計的方法論のレビュー【JST・京大機械翻訳】

Review of Statistical Methodologies for Detecting Drug-Drug Interactions Using Spontaneous Reporting Systems

著者 (4件)： Noguchi Yoshihiro (1Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, Gifu, Japan) ,  Tachi Tomoya (1Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, Gifu, Japan) ,  Teramachi Hitomi (1Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, Gifu, Japan) ,  Teramachi Hitomi (2Laboratory of Community Healthcare Pharmacy, Gifu Pharmaceutical University, Gifu, Japan)
資料名： Frontiers in Pharmacology (Web)  (Frontiers in Pharmacology (Web))
巻： 10  ページ： 1319  発行年： 2019年 
JST資料番号： U7091A  ISSN： 1663-9812  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 近年重要な社会問題として認識されている「多剤状況」として,治療目的に対する複数の薬剤の併用が知られている。多剤状態において,各薬物は有害事象(AE)を誘発するだけでなく,薬物-薬物相互作用(DDIs)によるAEのリスクも増加させる。DDIsによって引き起こされたAEの割合は予想外のAEの約30%であると推定される。プレマーケティングにおける無作為化臨床試験はDDIの調査よりもむしろ単一薬物の安全性と有効性の検証に重点を置いており,従って複数の薬物に関する患者は通常除外されている。しかし,前マーケティング無作為化臨床試験とは異なり,臨床診療(=ポストマーケティング)では,多くの患者が複数の薬剤を使用している。自発的な報告システムは,マーケティング後の重要な医薬品安全性監視の1つである。一般的に,このソースから検出された潜在的な薬物誘発AEの信号は,実世界の設定で検証されている。最近,「単一」薬物の信号検出に関する方法論的研究だけでなく,DDIsの信号検出に関するいくつかの方法論的研究についても行われている。一方,DDIsの信号検出のための統計的方法論を体系的に要約する論文はほとんどない。したがって,本論文は,自然報告システムを用いたDDIsの信号検出のための古典的方法論からの最新の統計的方法論に関する研究をレビューする。本論文では,DDIsに関する公表文献からの各検出法と主要な発見について計算する方法について述べた。最後に,本論文はDDIsの信号検出のために現在使用されている方法論に関連するいくつかの限界と更なる研究のための提案を提示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： マーケティング ,  覚醒 ,  *統計的方法 ,  安全性 ,  *薬物相互作用 ,  ヒト ,  検出法 ,  ランダム化比較試験 ,  治療法 ,  信号検出 ,  有効性
準シソーラス用語： 医薬品安全性監視 ,  診療 ,  有害事象 , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物覚醒 ,  統計的方法論 ,  信号検出 ,  自然報告システム ,  薬物-薬物相互作用

分類 (1件)： 生物薬剤学(基礎)  (GY01021U)

引用文献 (58件)：

• Agrawal R., Srikant R. (1994). “Fast algorithms for mining association rules,” in Proceedings of the 20th International Conference on Very Large Databases, vol. 487-499. (San Francisco, CA: Morgan Kaufman Publishers Inc.).
• Agrawal R., Imielinski T., Swami A. N. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Int. Conf. Manage. Data, 207-216. doi: doi: 10.1145/170035.170072
• Almenoff J. S., DuMouchel W., Kindman L. A., Yang X., Ram D. (2003). Disproportionality analysis using empirical Bayes data mining: a tool for the evaluation of drug interactions in the post-marketing setting. Pharmacoepidemiol Drug Saf. 12, 517-521. doi: doi: 10.1002/pds.885
• Alvarez S. A. (2003). Chi-squared computation for association rules: preliminary results. Tech. Rep. BCCS-2003-01. doi: 10.1002/pds.885
• Ang P. S., Chen Z., Chan C. L., Tai B. C. (2016). Data mining spontaneous adverse drug event reports for safety signals in Singapore - a comparison of three different disproportionality measures. Expert Opin. Drug Saf. 15, 583-590. doi: doi: 10.1517/14740338.2016.1167184

タイトルに関連する用語 (5件)： 報告 ,  薬物 ,  薬物相互作用 ,  統計的方法 ,  レビュー