Asset Details
Do you wish to reserve the book?
基于文本知识库的肝损伤药物不良反应大数据智能识别研究
Hey, we have placed the reservation for you!
By the way, why not check out events that you can attend while you pick your title.
Oops! Something went wrong.
Looks like we were not able to place the reservation. Kindly try again later.
Are you sure you want to remove the book from the shelf?
基于文本知识库的肝损伤药物不良反应大数据智能识别研究
Do you wish to request the book?
基于文本知识库的肝损伤药物不良反应大数据智能识别研究
Please be aware that the book you have requested cannot be checked out. If you would like to checkout this book, you can reserve another copy
We have requested the book for you!
Your request is successful and it will be processed during the Library working hours. Please check the status of your request in My Requests.
Oops! Something went wrong.
Looks like we were not able to place your request. Kindly try again later.
Journal Article
基于文本知识库的肝损伤药物不良反应大数据智能识别研究
2022
Overview
目的 本研究基于药物不良反应(ADR)文本知识库的探索性构建，尝试建立肝损伤相关ADR的大数据智能识别方法。 方法 以“药物性肝损伤”“药源性肝损伤”“肝功能异常”等为关键词，检索时间为2012年1月1日—2016年12月31日，检索并随机抽取药品不良反应监测系统数据库中5%(4152份)肝损伤相关ADR病例报告。结合医师临床再评价，分为“否定病例”“疑似病例”“确定病例”。在此基础上，进行关键要素的识别(不良反应名称、生化指标、临床症状)，采用关键要素与临床再评价的相关性分析，以及ROC曲线确定评分阈值等构建肝损伤相关ADR智能识别方法，并采用交叉验证的方法评价该智能识别方法的效能。 结果 肝损伤相关ADR评价识别公式为：总分(M)=症状分数+指标分数+不良反应名称分数，“否定病例”与“疑似病例”“确定病例”在M=5分区分度最好(AUC=0.97)，敏感度为99.57%，特异度为84.61%；“确定病例”与“疑似病例”“否定病例”在M=12分区分度最好(AUC=0.938)，敏感度为87.93%，特异度为85.98%。 结论 该方法将为肝损伤相关ADR大数据智能识别评价提供参考和依据，有望有效减轻人工处理肝损伤相关ADR大数据的负担，为肝损伤相关ADR的早期风险信号识别及预警提供有效工具和方法学示范。
Publisher
Journal of Clinical Hepatology,北京中医药大学中药学院,北京100029%中国人民解放军总医院第五医学中心肝病医学部研究所/全军中医药研究所,北京100039,中国人民解放军总医院第五医学中心肝病医学部研究所/全军中医药研究所,北京100039
Subject
