使用电子健康记录数据开发和验证药理性他类药物相关的肌肉症状风险分层评分
Boguang Sun1, Pui Ying Yew2, Chih-Lin Chi2,3
1Department of Experimental and Clinical Pharmacology, University of Minnesota College of Pharmacy, Minneapolis, Minnesota, USA.
一个新的分数有助于预测他类药物相关的肌肉症状 (SAMS),识别高风险患者. 这种工具可以指导医生预防SAMS并改善他类药物的坚持.
科学领域:
- 药理学 药理学是指药理学的学科.
- 临床信息学 临床信息学
- 心脏病学 心脏病学
背景情况:
- 类他类药物相关的肌肉症状 (SAMS) 是患者不接受类他类药物治疗的常见原因.
- 区分客观SAMS与nocebo效应对于有效管理至关重要.
- 电子健康记录 (EHR) 数据为识别SAMS预测因子提供了宝贵的资源.
研究的目的:
- 开发和验证药理学SAMS风险分层 (PSAMS-RS) 评分.
- 使用之前开发的PSAMS表型算法进行客观的SAMS识别.
- 评估PSAMS-RS得分在预测SAMS发展方面的临床实用性.
主要方法:
- 一个PSAMS表型算法被应用到明尼苏达州费尔维尤的EHR数据.
- 建立了一个导出队列 (2010-2018年) 和一个验证队列 (2019-2020年).
- 最小绝对收缩和选择运营商回归确定了PSAMS风险的显著预测因素.
主要成果:
- 在1.9% (衍生) 和1.5% (验证) 的他类药物使用者中发现了SAMS病例.
- 在38个临床特征中,有16个是PSAMS的显著预测因素.
- 与最低四分之一相比,PSAMS-RS得分最高的四分之一患者患SAMS的风险高出6~7倍.
结论:
- PSAMS-RS评分是一个简单,有效的工具来分层SAMS风险.
- 这一分数可以为预防SAMS和改善他类药物的坚持提供先发制人的策略.
- 使用EHR数据对SAMS的客观表型化是可行的,并且具有临床相关性.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Lipid-Lowering Drugs: Statins and Miscellaneous Agents
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test
Atherosclerosis III: Management
