监测自发报告的药物错误的模型,使用辅助复合疹疫苗作为例子

科学领域:

• 药监和药物安全 药监和药物安全
• 医疗信息学 医疗信息学

背景情况:

• 欧洲立法要求报告药物错误.
• 准确的分类对于药物监测至关重要,但传统上是资源密集型的.
• 目前用于对药物错误进行分类的方法耗时且容易出现错误.

研究的目的:

• 开发一种用于分类药物错误的自动化算法.
• 通过使用国际公认的术语来标准化药物错误的分类.
• 提高药物错误报告的效率和准确性.

主要方法:

• 开发了一种算法,将药物错误分为潜在的,拦截的,没有伤害的,有伤害的和冲突的类别.
• 使用"监管活动医学词典" (MedDRA®) 首选的术语进行分类.
• 将算法应用于自发报告的疫苗接种错误数据,使用带有可视化的基于网络的平台.

主要成果:

• 算法自动化了药物错误的分类,减少了人工工作.
• 确保一致的分类与MedDRA®条款保持一致.
• 用疫苗接种错误数据可视化来检测安全信号,证明了算法的实用性.

结论:

• 药物错误的自动分类可以节省时间和资源.
• 与手动分类相比,该算法提高了一致性并减少了错误.
• 在不同数据库中进一步评估和预防药物错误.