基于电子健康数据的信号检测的暴露模型框架
统计方法学
2024-04-23 v1
摘要
尽管药物在进入市场前进行了广泛的安全评估，但仍有某些不良药物反应（ADRs）未被检测到。药物监测的主要目标是识别这些ADRs（即信号）。除了传统的Spontaneous Reporting Systems（SRS）外，电子健康（EHC）数据也被用于信号检测。与SRS不同，EHC数据是纵向的，因此需要对患者的药物暴露史及其对ADRs发生时间影响进行假设建模，而许多当前方法并未显式地进行此类建模。我们提出了一种暴露模型框架，显式地建模药物与ADRs之间的纵向关系。通过同时考虑多个此类模型，可以检测其他方法可能忽略的信号。这些模型的参数使用最大似然估计，采用贝叶斯信息准则（BIC）选择最合适的模型。由于BIC与后验分布相关联，它既用于识别最佳拟合模型，又用于通过评估原假设模型的后验概率来确定信号的存在。我们通过模拟研究评估了该框架的有效性，其中我们开发了一个EHC数据模拟器。此外，我们对四个药物-ADR对应用了该方法，使用的EHC数据集包含超过120万名投保者。该方法和EHC数据模拟器代码均作为R软件包的一部分公开访问，链接为https://github.com/bips-hb/expard。
引用
@article{arxiv.2404.14213,
title = {An Exposure Model Framework for Signal Detection based on Electronic Healthcare Data},
author = {Louis Dijkstra and Tania Schink and Ronja Foraita},
journal= {arXiv preprint arXiv:2404.14213},
year = {2024}
}
备注
40 pages, 7 figures