Pharmacovigilance using clinical notes.
Pharmacovigilance using clinical notes.
复制标题
DOI：
10.1038/clpt.2013.47
复制
发表时间：
2013-06
影响因子：
6.7
通讯作者：
Shah, N. H.
中科院分区：
文献类型：
--
作者：
LePendu, P.;Iyer, S. V.;Bauer-Mehren, A.;Harpaz, R.;Mortensen, J. M.;Podchiyska, T.;Ferris, T. A.;Shah, N. H.
随着电子健康记录(EHR)越来越多地被采用，有机会使用EHR的自由文本部分进行药物警戒。我们提出了新的方法，注释非结构化的临床笔记，并将它们转换为使用医学术语编码的明确的患者特征矩阵。我们展示了所产生的高通量数据用于检测药物-不良事件关联和与药物-药物相互作用相关的不良事件。我们表明，这些方法可以提前标记不良事件(在大多数情况下是在正式警报之前)，允许通过调整潜在的混杂来过滤虚假信号，并汇编流行率信息。我们认为，分析大量自由文本的临床笔记可以使用尚未开发的数据源进行药物安全监测。这种数据挖掘可用于假设生成和疑似不良事件风险的快速分析。
With increasing adoption of electronic health records (EHRs), there is an opportunity to use the free-text portion of EHRs for pharmacovigilance. We present novel methods that annotate the unstructured clinical notes and transform them into a deidentified patient–feature matrix encoded using medical terminologies. We demonstrate the use of the resulting high-throughput data for detecting drug–adverse event associations and adverse events associated with drug–drug interactions. We show that these methods flag adverse events early (in most cases before an official alert), allow filtering of spurious signals by adjusting for potential confounding, and compile prevalence information. We argue that analyzing large volumes of free-text clinical notes enables drug safety surveillance using a yet untapped data source. Such data mining can be used for hypothesis generation and for rapid analysis of suspected adverse event risk.
登录
查看更多内容
影响因子：
2.6
作者：
Coloma, Preciosa M.;Trifiro, Gianluca;Sturkenboom, Miriam
通讯作者：
Sturkenboom, Miriam
DOI：
10.1136/amiajnl-2011-000183
发表时间：
2011-09-01
影响因子：
6.4
作者：
D'Avolio, Leonard W.;Nguyen, Thien M.;Fiore, Louis D.
通讯作者：
Fiore, Louis D.
DOI：
10.1016/s1553-7250(12)38016-1
发表时间：
2012-03-01
影响因子：
2.3
作者：
Hug, Balthasar L.;Keohane, Carol;Bates, David W.
通讯作者：
Bates, David W.
多药：具有误导性，但可以管理。
影响因子：
3.6
作者：
Bushardt RL;Massey EB;Simpson TW;Ariail JC;Simpson KN
通讯作者：
Simpson KN
影响因子：
9.9
作者：
Kuhn M;Campillos M;Letunic I;Jensen LJ;Bork P
通讯作者：
Bork P