リアルワールド処方データベースにおける日数供給量の推定に対する包括的アプローチ：アルゴリズム開発と検証研究

科学分野:

• ヘルスインフォマティクス
• 製薬科学
• データサイエンス

背景:

• 正確な薬剤使用統計と服薬遵守率の計算は、正確な日数供給量（DS）に依存します。
• 欠落または不正確なDS情報は、代替のデータ管理戦略を必要とします。
• 信頼性の高い分析のためには、不完全な処方データを処理するための堅牢な方法を開発することが不可欠です。

研究 の 目的:

• 不完全および欠落している処方データに対する多様なデータ管理技術を実装すること。
• すべての薬剤タイプにわたる日数供給量（DS）の計算精度を向上させること。
• これらのデータ修正方法が、リアルワールドの服薬遵守率の計算に与える影響を評価すること。

主な方法:

• 大規模なエストニアの処方データセット（2012-2019年、150,824人の患者）を利用しました。
• データクリーニング、補完、DS計算の3段階のワークフローを採用しました。
• モードベースの1日用量や外部ガイドライン（製品特性の概要、法律）を含む補完方法を組み合わせました。

主要な成果:

• 補完により、処方箋の98.3%でDSを特定しました。
• インスリン注射剤（3.1%）や膣内避妊薬（8%）など、初期DS精度が低い特定の薬剤形態を特定しました。
• データ修正方法は、異なる期間間の服薬遵守率の不一致を減らすことが観察されました。

結論:

• データ駆動型アプローチとドメイン知識を統合した、適切に設計された補完パイプラインは、処方データ品質を大幅に向上させます。
• 適用された方法は、より正確で一貫した服薬遵守率の指標を生成します。
• 将来の研究では、補完技術の改良、機械学習の探索、外部検証に焦点を当てるべきです。