开发和应用药理性他类药物相关的肌肉症状表型算法,使用结构化和非结构化电子健康记录数据

科学领域:

• 药理学 药理学是指药理学的学科.
• 生物医学信息学 生物医学信息学
• 临床研究 临床研究

背景情况:

• 类他类药物对于胆固醇管理至关重要,但可能导致肌肉症状 (SAMS),导致治疗中止.
• 开发准确的方法来识别大患者群体中的SAMS对于理解和减轻这种副作用至关重要.

研究的目的:

• 开发和验证使用电子健康记录 (EHR) 识别SAMS的临床表型算法.
• 为进一步研究和风险预测模型开发提供SAMS病例/控制队伍的创建.

主要方法:

• 从他类药物使用者那里获取结构化和非结构化EHR数据.
• 开发和比较机器学习和基于规则的算法,包括ICD代码,过敏信息,肌酸酶水平和临床笔记关键词.
• 从200名患者手动策划了一套SAMS病例和对照的黄金标准.

主要成果:

• 一个基于规则的结合算法 (CRB) 在识别SAMS方面表现出高性能 (精度0.85,回忆0.71,F1 0.77).
• 该算法应用于超过16000名他类药物使用者,显示SAMS患病率为1.9%.
• 确定的SAMS风险因素包括女性性别,冠状动脉疾病,甲状腺功能低下症和免疫抑制剂或纤维素的使用.

结论:

• 开发了一个经过验证的,简单的药理学SAMS表型算法.
• 这种算法有助于创建SAMS队列,用于高级分析和预测模型的开发.