Big Data Mining and Adverse Event Pattern Analysis in Clinical Drug Trials.
Big Data Mining and Adverse Event Pattern Analysis in Clinical Drug Trials.
复制标题
DOI：
10.1089/adt.2016.742
复制
发表时间：
2016-12
影响因子：
1.8
通讯作者：
Tan AC
中科院分区：
文献类型：
--
作者：
Federer C;Yoo M;Tan AC
药物不良事件（AE）是对寻求药物治疗的患者的主要健康威胁，也是药物发现和开发的重要障碍。现在要求在临床试验期间提交AE，并可从（）中提取，这是一个全球临床研究数据库。通过从数据库中提取药物和AE信息并将其构建到数据库中，可以为未来的药物开发和重新定位建立药物AE。据我们所知，目前的AE数据库主要包含美国食品药品监督管理局（FDA）批准的药物。然而，我们的数据库包含FDA批准的和实验中提取的化合物。我们的数据库包含8，161项临床试验，3，102，675例患者和713，103例报告的AE。我们使用一组Python脚本提取信息，然后使用正则表达式和药物字典处理相关信息并将其结构化到关系数据库中。我们对数据库中的药物AE进行了数据挖掘和模式分析。我们的数据库可以作为一种工具，帮助研究人员发现药物-AE关系，以开发，重新定位和重新利用药物。
Drug adverse events (AEs) are a major health threat to patients seeking medical treatment and a significant barrier in drug discovery and development. AEs are now required to be submitted during clinical trials and can be extracted from (), a database of clinical studies around the world. By extracting drug and AE information from and structuring it into a database, drug-AEs could be established for future drug development and repositioning. To our knowledge, current AE databases contain mainly U.S. Food and Drug Administration (FDA)-approved drugs. However, our database contains both FDA-approved and experimental compounds extracted from . Our database contains 8,161 clinical trials of 3,102,675 patients and 713,103 reported AEs. We extracted the information from using a set of python scripts, and then used regular expressions and a drug dictionary to process and structure relevant information into a relational database. We performed data mining and pattern analysis of drug-AEs in our database. Our database can serve as a tool to assist researchers to discover drug-AE relationships for developing, repositioning, and repurposing drugs.
登录
查看更多内容
影响因子：
14.9
作者：
Davies M;Nowotka M;Papadatos G;Dedman N;Gaulton A;Atkinson F;Bellis L;Overington JP
通讯作者：
Overington JP
影响因子：
17.1
作者：
Tatonetti NP;Ye PP;Daneshjou R;Altman RB
通讯作者：
Altman RB
DOI：
10.1093/jamia/ocv153
发表时间：
2016-05
期刊：
Journal of the American Medical Informatics Association : JAMIA
影响因子：
--
作者：
Kass-Hout TA;Xu Z;Mohebbi M;Nelsen H;Baker A;Levine J;Johanson E;Bright RA
通讯作者：
Bright RA
影响因子：
14.9
作者：
Kim S;Thiessen PA;Bolton EE;Chen J;Fu G;Gindulyte A;Han L;He J;He S;Shoemaker BA;Wang J;Yu B;Zhang J;Bryant SH
通讯作者：
Bryant SH
影响因子：
56.9
作者：
Campillos, Monica;Kuhn, Michael;Bork, Peer
通讯作者：
Bork, Peer