针对纵向观察数据库开发的数据挖掘算法比较
机器学习
2013-07-08 v1 计算工程、金融与科学
数据库
摘要
纵向观察数据库因其能为检测负面副作用提供新视角，近期引起了上市后药物警戒领域的兴趣。挖掘纵向观察数据库的算法不受许多局限于自发报告系统数据库的传统方法的限制。本文通过将四种近期开发的挖掘纵向观察数据库的算法应用于 The Health Improvement Network (THIN) 数据库，针对六种具有明确 documented 负面副作用的药物，调查了这些算法的鲁棒性。结果表明，现有算法均无法在高于药物因果相关事件的情况下始终如一地识别已知的药物不良反应，且没有任何一种算法表现出优越性。
引用
@article{arxiv.1307.1584,
title = {Comparing Data-mining Algorithms Developed for Longitudinal Observational Databases},
author = {Jenna Reps and Jonathan M. Garibaldi and Uwe Aickelin and Daniele Soria and Jack E. Gibson and Richard B. Hubbard},
journal= {arXiv preprint arXiv:1307.1584},
year = {2013}
}
备注
UKCI 2012, the 12th Annual Workshop on Computational Intelligence, Heriot-Watt University, pp 1-8, 2012