მონაცემების საფუძველზე ჩვენ შეგვიძლია ვიპოვოთ ახალი და ეფექტური გზები მედიკამენტების იშვიათი და მოულოდნელი გვერდითი ეფექტების გამოსავლენად. ჩვენი კომპანია ავითარებს მეთოდებს მონაცემების საფუძველზე გამოვლენისთვის, რაც ხელს უწყობს მედიკამენტების პოტენციური გვერდითი ეფექტების შესახებ შემოსული ანგარიშების დიდი მოცულობის ანალიზს. დიდი რაოდენობით მოხსენებების დეტალური მიმოხილვა შეიძლება არ იყოს სიგნალის აღმოჩენისა და შეფასების განხორციელებადი ან ეფექტური მიდგომა. მონაცემების საფუძველზე აღმოჩენის მეთოდები ეხმარება ადამიანთა ექსპერტების ყურადღებას მიმართოს ყველაზე საინტერესო და რელევანტური შემთხვევების სერიებისკენ, რათა განიხილონ და გამოავლინონ მნიშვნელოვანი მოხსენების შაბლონები, რომლებიც გავლენას ახდენენ სიგნალის შეფასებაზე. საკვანძო მონაცემებზე ორიენტირებული კვლევა. კლინიკურად დაკავშირებული გვერდითი მოვლენების სია. ინტენსიური კვლევის სფეროა არასასურველი მოვლენების შესახებ ინფორმაციის უკეთ წარმოჩენისა და ასახვის მეთოდები. კლასტერული ანალიზით, ჩვენ ვცდილობთ აღმოვაჩინოთ შაბლონები გვერდითი მოვლენის მოხსენებებიდან, ყველა დაფიქსირებული ნიშნის, სიმპტომებისა და დიაგნოზის საფუძველზე. გარდა ამისა, ალგორითმი აჯგუფებს არასასურველი მოვლენის მოხსენებებს მათში აღწერილი კლინიკური პირობების საფუძველზე, როგორც ამას გააკეთებენ ადამიანები ექსპერტები. ჩვენი პროგრამის დისტრიბუციული სემანტიკით, ჩვენ შეგვიძლია მივიღოთ მონაცემების საფუძველზე წამლების ვექტორული წარმოდგენები და გვერდითი მოვლენები, მონაცემთა ბაზაში მოხსენების შაბლონებზე დაყრდნობით. ეს საშუალებას იძლევა დაჯგუფდეს არასასურველი მოვლენები, რომლებიც, როგორც წესი, უნდა იყოს მოხსენებული მსგავს კონტექსტში, მათი პოზიციის საფუძველზე მონაცემების საფუძველზე დაფუძნებულ ვექტორულ სივრცეში და მათი პოზიციისგან დამოუკიდებლად იერარქიულ ტერმინოლოგიაში, როგორიცაა MedDRA (არასასურველი რეაქციების საერთაშორისო ლექსიკონი, რომელიც წარმოიქმნება მედიკამენტების სამედიცინო მიზნებისთვის გამოყენებისას. ). რისკის ფაქტორის იდენტიფიკაცია იმის ცოდნა, თუ რომელ პირებს ემუქრებათ კონკრეტული გვერდითი ეფექტების განვითარების რისკი, შეუძლია დაეხმაროს პაციენტებს და ჯანდაცვის პროფესიონალებს მედიკამენტების გამოყენებისას უფრო გონივრული თერაპიული გადაწყვეტილებების მიღებაში. მკვლევარები აქტიურად სთავაზობენ და აფასებენ მიდგომებს დაკვირვების სამედიცინო მონაცემებში არსებული შაბლონების ხაზგასასმელად, რომლებიც შეიძლება ასახავდეს კონკრეტულ გვერდით მოვლენებთან დაკავშირებულ რისკ ფაქტორებს. მაგალითები მოიცავს წამლის ურთიერთქმედებას, ფარმაკო-ეთნიკურ დაუცველობას, ასაკთან და სქესთან ასოცირებულ რისკებს, ორსულობას და სხეულის მასის ინდექსს. მონიტორინგის ცენტრმა ასევე შეიმუშავა ანგარიშგების შაბლონების მონაცემების საფუძველზე შესწავლის მეთოდი, რომელიც შეიძლება გამოყენებულ იქნას ამ და რამდენიმე სხვა მიზნებისთვის. სტატისტიკური სიგნალის გამოვლენა ინდივიდუალური შემთხვევის მოხსენებების ეფექტური ანალიზი შეიძლება დაეყრდნოს სტატისტიკური სიგნალის გამოვლენის მეთოდებს, რათა მიმართოს და ხელი შეუწყოს ექსპერტთა კლინიკურ მიმოხილვას. დაბნეულობა და ჰეტეროგენულობა ინდივიდუალური შემთხვევის მოხსენებების დიდ კოლექციაში მოხსენების ნიმუშები განსხვავდება დროთა განმავლობაში, გეოგრაფიული რეგიონების და დემოგრაფიული ჯგუფების მიხედვით, რამაც შეიძლება გამოიწვიოს როგორც გამოტოვებული, ასევე ხელოვნური ასოციაციები. ჩვენ შევიმუშავეთ და შევაფასეთ რამდენიმე მეთოდი ამ ეფექტების შესამცირებლად. ისინი მოიცავს შეკუმშვის ლოგისტიკურ რეგრესიას, რათა შემცირდეს ნიღბები და სიგნალის გაჟონვა ერთობლივი მოხსენებული მედიკამენტებიდან და ვაქცინებიდან, ქვეჯგუფებისა და სტრატიფიკაციის სისტემატიური გამოყენება მოხსენებების კონკრეტული კატეგორიისთვის უნიკალური შაბლონების გამოსავლენად, ასევე მარტივი მიდგომა ასოციაციების ამოღების მიზნით, რომლებიც დამალულია. დაკავშირებული მედიკამენტებისა და გვერდითი მოვლენების კომბინაციების მასიური მოხსენება.