Adverse drug event detection using reason assignments in FDA drug labels.
Adverse drug event detection using reason assignments in FDA drug labels.
复制标题
DOI：
10.1016/j.jbi.2020.103552
复制
发表时间：
2020-10
影响因子：
4.5
通讯作者：
McInnes BT
中科院分区：
文献类型：
--
作者：
Sutphin C;Lee K;Yepes AJ;Uzuner Ö;McInnes BT
药物不良事件（ADE）是指涉及服用药物的意外事件。ADE在全球范围内造成严重的健康和财务问题。有关ADE的信息可以为医疗保健提供信息，并提高患者的安全性。然而，这些信息大部分隐藏在叙述性文本中，需要使用自然语言处理技术进行提取，以便对计算机化方法有用。在本文中，我们提出了三种方法，包括条件随机场（CRF），双向长短期记忆单元与CRF（bi-LSTM+CRF），以及两种方法的几个集成，用于从FDA药物标签中提取ADE及其原因。我们将提取的ADE映射到国际医学用语词典（MedDRA）术语进行标准化。我们发现，CRF和bi-LSTM+CRF在我们的任务中表现良好，但它们的组合甚至更强，在识别中达到0.93 F1，在归一化中达到0.54 F1。
Adverse drug events (ADEs) are unintended incidents that involve the taking of a medication. ADEs pose significant health and financial problems worldwide. Information about ADEs can inform health care and improve patient safety. However, much of this information is buried in narrative texts and needs to be extracted with Natural Language Processing techniques, in order to be useful to computerized methods. In this paper, we present three methods consisting of a Conditional Random Field (CRF), a bi-directional Long Short Term Memory Unit with a CRF (bi-LSTM+CRF), and several ensembles of the two for extracting ADEs and their reason from FDA Drug Labels. We map extracted ADEs to the Medical Dictionary for Regulatory Activities (MedDRA) terminology for normalization. We show that each of the CRF and bi-LSTM+CRF perform well on our task, but their combination is even stronger, achieving 0.93 F1 in identification and 0.54 F1 in normalization.
登录
查看更多内容
药物不良事件的文本挖掘：前景、挑战和最新技术。
影响因子：
4.2
作者：
Harpaz, Rave;Callahan, Alison;Tamang, Suzanne;Low, Yen;Odgers, David;Finlayson, Sam;Jung, Kenneth;LePendu, Paea;Shah, Nigam H.
通讯作者：
Shah, Nigam H.
影响因子：
4.5
作者：
Sarker, Abeed;Ginn, Rachel;Nikfarjam, Azadeh;O'Connor, Karen;Smith, Karen;Jayaraman, Swetha;Upadhaya, Tejaswi;Gonzalez, Graciela
通讯作者：
Gonzalez, Graciela
影响因子：
5.3
作者：
Hristovski, Dimitar;Kastrin, Andrej;Rindflesch, Thomas C.
通讯作者：
Rindflesch, Thomas C.
DOI：
10.1093/bioinformatics/btp049
发表时间：
2009-03-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Hur J;Schuyler AD;States DJ;Feldman EL
通讯作者：
Feldman EL
影响因子：
3.5
作者：
Li, Qi;Deleger, Louise;Solti, Imre
通讯作者：
Solti, Imre