基于HIS数据的药物相关肌肉不良反应自动监测模块建立与优化

目的:在临床ADE主动监测与智能评估警示系统-Ⅱ中构建药物相关肌肉不良反应(DAMAR)监测模块,为DAMAR的真实世界研究提供智能挖掘工具。方法:依据相关文献和病例资料,建立DAMAR自动监测报警规则,结合机器学习技术构建决策树模型,确定最佳模块设置条件;对住院患者进行监测,验证模块并获得DAMAR发生情况。结果:基于决策树模型的报警规则涉及7个关键词、实验室检验指标和患者手术时间信息等;模块最佳设置条件下阳性预测值由15.31%提升至55.65%,召回率保持100.00%。用于5441例住院患者DAMAR监测,获得阳性患者64例,发生率为1.18%,属于常见药品不良反应(ADR);其中横纹肌溶解严重不良反应患者5例,发生率为0.092%,属于罕见ADR。结论:本研究构建的DAMAR自动监测模块将相关患者手术信息纳入决策树的判断依据,可以更加高效、精准、快速地获取住院人群中的目标病例,为今后开展单药/多药/全药大样本住院患者中DAMAR的真实世界监测与评估研究提供了技术支持。

基于HIS数据的药源性心律失常自动监测模块规则建立与验证

目的:在临床ADE主动监测与智能评估警示系统-Ⅱ(ADE-ASAS-Ⅱ)中建立药源性心律失常自动监测模块,探究药物与心律失常的关系,为临床合理用药提供参考。方法:建立心律失常模块的关键词词集,采用文本分类技术识别提取上述词集,优化报警规则;扩大监测样本量,对阳性患者的性别、年龄、相关药物等数据进行分析以验证模块。结果:最终确定关键词28个,模块最佳设置条件的阳性预测值(PPV)为10.82%,召回率(R)为99.18%。利用该模块监测患者33007例,其中阳性622例,发生率1.88%,PPV7.88%。65岁及以上患者占比50.32%;涉及药物共64类、133种,以喹诺酮类抗菌药物、钙通道阻滞剂、抗真菌药物为主;药源性心律失常类型多样,主要是期外收缩、心动过速、QTc间期延长。结论:本研究构建的药源性心律失常自动监测模块,可以高效、精准、快速获取真实世界大样本用药人群中的目标病例。监测结果显示住院人群发生药源性心律失常属于常见,相关患者的年龄分布、药物类别、类型分类等与有关研究结果基本一致。

基于HIS数据的住院人群癫痫发作自动监测模块的建立与优化

目的:依托临床ADE主动监测与智能评估警示系统-Ⅱ(ADE-ASAS-Ⅱ)构建住院人群癫痫发作自动监测模块,为癫痫发作大样本真实世界研究提供高效的数据挖掘工具。方法:搜集指南、文献、自发报告中与癫痫相关的描述词为初始关键词集,通过预实验对初始关键词集进行初筛分类,利用文本分类技术与决策树建立报警规则,利用ADE-ASAS-Ⅱ的自定义功能与屏蔽功能对模块进行调试,确定模块最佳设置。扩大监测样本量对模块进行验证,对阳性病例的人口学特征及发作原因进行统计描述。结果:以5557例经人工审查的住院患者为测试数据,对模块进行反复调试后,最终确定决策树各分支报警关键词共37个,标题屏蔽关键词12个,模块阳性预测值(PPV)为13.86%,召回率(R)为100.00%。监测我院2021年5月共14549例在院患者,通过纳排甄别得到90例癫痫发作患者,PPV为14.59%,发生率为0.62%,其中急性症状性癫痫发作53例,以强直阵挛发作为主,发作原因以神经系统肿瘤手术最为常见。结论:基于ADE-ASAS-Ⅱ建立的癫痫发作主动监测模块,可以高效、全面、快速的获取住院人群中的目标病例,能够为癫痫发作大样本真实世界研究提供可靠的文本数据挖掘工具。

基于人群特征的药源性心律失常自动监测模块优化及应用研究

目的对“临床药物不良事件(adverse drug event,ADE)主动监测与智能评估警示系统-Ⅱ”的心律失常自动监测模块进行功能开发与优化,持续完善性能,提升监测效率,探索模块优化方式。方法拓展优化模块功能,增加模块自定义配置内容,并确定最优设置条件;对比优化后测试数据与前期大样本用药人群中药源性心律失常自动监测评价研究结果,验证模块优化程度和准确性。结果根据监测人群特征优化后的新模块,增加了“强制医嘱关键词”功能,并确定纳入6个心电图检查相关的医嘱关键词、且出现频率不少于2次为模块优化最佳配置条件;结合前期自动监测评价研究结果,开展全药和2种单药条件下系统功能验证和比较。在真阳性病例零丢失的同时,系统报警的病例数较模块优化前分别下降了30.75%、80.13%和90.82%,阳性预测值得到了显著提升。结论经过功能拓展与优化完善的心律失常自动监测模块显著降低了病例评价人工成本,同时保持监测结果准确度不变;新模块能够更好地适应自动监测不同模式需求且运行稳定,更具普适性和灵活性,为自动监测模块研发提供了新的思维途径。