文献

J-GLOBAL ID：202102224419781867   整理番号：21A2325476

薬物-薬物相互作用シグナルのスクリーニングのための医薬品安全性データベースを用いたサブセット解析【JST・京大機械翻訳】

Subset Analysis for Screening Drug-Drug Interaction Signal Using Pharmacovigilance Database

著者 (4件)： Noguchi Yoshihiro (Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, 1-25-4, Daigakunishi, Gifu-shi, Gifu 501-1196, Japan) ,  Tachi Tomoya (Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, 1-25-4, Daigakunishi, Gifu-shi, Gifu 501-1196, Japan) ,  Teramachi Hitomi (Laboratory of Clinical Pharmacy, Gifu Pharmaceutical University, 1-25-4, Daigakunishi, Gifu-shi, Gifu 501-1196, Japan) ,  Teramachi Hitomi (Laboratory of Community Healthcare Pharmacy, Gifu Pharmaceutical University, Daigakunishi, Gifu-shi, Gifu 501-1196, Japan)
資料名： Pharmaceutics (Web)  (Pharmaceutics (Web))
巻： 12  号： 8  ページ： 762  発行年： 2020年 
JST資料番号： U7258A  ISSN： 1999-4923  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 多くの患者は,多剤併用を必要とし,有害事象プロファイルは,個々の薬剤の効果だけでなく,薬剤相互作用も反映する。薬物相互作用シグナルを検出するいくつかのアルゴリズムがあるが,有害事象の早期検出には簡単な解析モデルが必要である。最近,サブセット分析を用いて薬物相互作用のシグナルを検出する報告があるが,適切な検出基準は使用されていない。本研究では,適切な基準を示し,検証した。使用したデータソースは,日本の有害事象報告(JADER)データベースであった。3つの検出アルゴリズムによって検出された信号の組み合わせによって,仮想の真のデータを生成した。調査中の解析モデルの信号検出の精度を,機械学習で使用される指標を用いて検証した。新しく提案したサブセット分析は,以前のサブセット解析における信号検出と比較して,信号検出が改良され,精度(0.584から0.809),精度(Positive予測値;PPV)(0.302から0.596),特異性(0.583から0.878),Youdens指数(0.170から0.465),F測度(0.399から0.592),および陰性予測値(NPV)(0.821から0.874)の指標に基づいて,この信号検出が改良されていることを確認した。”その信号検出”は,精度(0.58から0.809),精度(Positive projective value;PPV)(0.302から0.596),F-測度(0.399から0.592),および陰性予測値(NPV)(0.821から0.874)であった。以前のサブセット分析は多くの偽薬相互作用シグナルを検出した。新しく提案したサブセット解析は,Ω収縮測定モデルと比較して,薬物相互作用信号に対してわずかに低い検出精度を提供するが,新規サブセット解析で使用される基準は,以前のサブセット解析において見出された誤検出信号の量を著しく減少させた。Copyright 2021 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： アルゴリズム ,  信号検出 ,  *相互作用 ,  測度 ,  *データベース ,  偽薬 ,  *薬物相互作用 ,  機械学習 ,  解析モデル
準シソーラス用語： 多剤併用 ,  特異性 ,  予測値 ,  検出精度 ,  検出アルゴリズム ,  有害事象 , 【Automatic Indexing@JST】

著者キーワード (4件)： サブセット解析 ,  信号検出アルゴリズム ,  薬物-薬物相互作用 ,  自然報告システム

分類 (2件)： 薬物の相互作用  (GV01070X) ,  薬事,薬業  (GU01020R)

引用文献 (21件)：

• Berlin, J.A.; Glasser, S.C.; Ellenberg, S.S. Adverse event detection in drug development: Recommendations and obligations beyond phase 3. Am. J. Public Health 2008, 98, 1366-1371.
• Noguchi, Y.; Ueno, A.; Otsubo, M.; Katsuno, H.; Sugita, I.; Kanematsu, Y.; Yoshida, A.; Esaki, H.; Tachi, T.; Teramachi, H. A New Search Method Using Association Rule Mining for Drug-Drug Interaction Based on Spontaneous Report System. Front. Pharmacol. 2018, 9, 197.
• Iyer, S.V.; Harpaz, R.; LePendu, P.; Bauer-Mehren, A.; Shah, N.H. Mining clinical text for signals of adverse drug-drug interactions. J. Am. Med. Inf. Assoc. 2013, 21, 353-362.
• Suling, M.; Pigeot, I. Signal Detection and Monitoring Based on Longitudinal Healthcare Data. Pharmaceutics 2012, 4, 607-640.
• Evans, S.J.; Waller, P.C.; Davis, S. Use of proportional reporting ratios (PRRs) for signal generation from spontaneous adverse drug reaction reports. Pharmacoepidemiol. Drug Saf. 2001, 10, 483-486.

タイトルに関連する用語 (8件)： 薬物 ,  薬物相互作用 ,  シグナル ,  スクリーニング ,  医薬品安全性 ,  データベース ,  サブ ,  解析