روش هاي تشخيص سيگنال در مراقبت هاي دارويي با استفاده از تكنيك هاي داده كاوي

Signal detection methods in pharmacological care using data mining techniques

سيستم هاي گزارش خود به خود داروهاي تجويزي عمدتاً به تشخيص زودهنگام واكنش هاي ناخواسته داروهاي فروخته شده اطلاق مي شوند. برخي كشورها پايگاه هاي اطلاعات لحظه اي (SRD) در اختيار دارند كه داراي چندين روش ارسال سيگنال خودكار هستند. محدوديت رايج اين روش ها در اين واقعيت نهفته است كه آنها ارزيابي خودكار سيگنال هاي توليد شده را انجام نمي دهند در نتيجه آستانه هاي هشدار به صورت تصادفي انتخاب مي شوند. شناسايي علائم و ارزيابي آنها مهمترين جنبه حمايت دارويي است كه نقش مهمي در اطمينان از اين امر دارد كه بيماران داروهاي ايمني را دريافت كنند. در مورد شناسايي واكنش هاي مامطلوب دارويي آزمايشات باليني اطلاعات محدودي را ارائه مي دهند چون در شرايط بسيار كنترل شده اجرا مي شوند. برخي از واكنش هاي مخرب دارويي تنها پس از استفاده درازمدت در جمعيت هاي بزرگتر و گروه هاي بيماران خاص ديده مي شوند و علت اين امر ابتلا به بيماري هاي خاص يا به كارگيري نادرست داروها است. شناسايي علائم ناشناخته و غيرقابل پيش بيني در مراحل اوليه مي تواند عامل مهمي در تامين داده هاي موثردر رفع چالش حمايت دارويي باشد. از اين رو هدف اصلي در اين مقاله بررسي چند روش (مدل انحراف گاما پواسون (GPS) و مدل شبكه عصبي افزايش اعتماد بايس (BCPNN) در چارچوب تصميم كلي بايس) تشخيص سيگنال مراقبت هاي دارويي و ارزيابي اين ها در حمايت از داروها است تا از اين طريق ايمني دارو را تائيد كند. در ادامه پيشرفت ها و چالش ها و نيازهاي اتي و جديد مورد بحث قرار مي گيرند.

Self-reporting systems for prescribing drugs mainly refer to the early detection of unwanted drug-drug reactions. Some countries have instantaneous databases (SRDs) that have multiple methods for sending automated signaling. The common limitation of these methods lies in the fact that they do not automatically evaluate the signals generated, so the thresholds for the alert are randomly selected. Identifying symptoms and evaluating them is the most important aspect of drug support that plays an important role in ensuring that patients receive immunosuppressive drugs. Concerning the identification of mucosal drug reactions, clinical trials provide limited information because they are administered under very controlled conditions. Some destructive drug reactions are only seen after long-term use in older populations and specific patient groups, due to the presence of certain diseases or the misuse of drugs. Identifying unknown and unpredictable symptoms in the early stages can be an important factor in providing effective data to resolve the challenge of pharmaceutical support. Therefore, the main purpose of this paper is to explore a number of methods (Gamma Poisson (GPS) deviation model and BCNN in the framework of general decision making) to diagnose drug care signals and evaluate them in drug support. This will confirm the safety of the medicine. In the future, developments and challenges and new and emerging needs are discussed.