通过结合基于涌现模式挖掘识别的交互变量来精炼药物不良反应信号
人工智能
2016-07-21 v1
摘要
目的：开发一个框架，用于识别候选混杂交互项并将其纳入正则化 Cox 回归分析，以精炼通过纵向观测数据获得的药物不良反应信号。方法：我们考虑了在观测医疗数据中通常与心肌梗死相关联的六个药物家族，且其因果关系真实情况已知（是否为药物不良反应）。我们应用涌现模式挖掘来寻找与心肌梗死发生相关的药物和医疗事件项集。这些即为候选混杂交互项。随后，我们采用队列研究设计，使用纳入并考虑了候选混杂交互项的正则化 Cox 回归。结果：该方法能够解释由混杂产生的信号，且具有弹性网正则化的 Cox 回归正确地将已知为真实药物不良反应的药物家族排在其他药物之上。
引用
@article{arxiv.1607.05906,
title = {Refining adverse drug reaction signals by incorporating interaction variables identified using emergent pattern mining},
author = {Jenna M. Reps and Uwe Aickelin and Richard B. Hubbard},
journal= {arXiv preprint arXiv:1607.05906},
year = {2016}
}
备注
Computers in Biology and Medicine, 69 , pp. 61-70, 2016