相关实验视频
Updated: Jan 14, 2026
08:07
Preclinical Drug Testing in Scalable 3D Engineered Muscle Tissues
Published on: April 7, 2023
4.2K
基于电子健康记录衍生结构元素的,开发和应用一种基于他类药物诱导肌病的算法
Akinyemi Oni-Orisan1,2, Meng Lu3, Jonathan A Peng4,5
1Department of Clinical Pharmacy, University of California San Francisco, San Francisco, California, USA.
Pharmacoepidemiology and drug safety
|October 22, 2025
概括
这项研究开发了一种新算法,用于在电子健康记录中准确识别他类药物诱导肌肉病变 (SIM). 该算法表现出良好的性能,可以改善未来的SIM研究.
科学领域:
- 药物监督 药物监督 药物监督
- 临床信息学 临床信息学
- 药物安全研究 药物安全研究
背景情况:
- 类固醇诱导肌肉病变 (SIM) 呈现非特异性症状,使电子健康记录 (EHR) 中的识别复杂化.
- 以前用于SIM检测的算法由于研究人口的局限性而缺乏广泛适用性.
研究的目的:
- 开发和验证一种准确,高效和广泛适用的算法,用于识别使用结构化EHR数据的他类药物诱导肌肉病变 (SIM).
- 在大规模的EHR研究中提高SIM病例识别的可靠性.
主要方法:
- 使用结构化EHR数据创建了一个两步算法:第一步排除了次要原因,第二步要求停止使用他类药物.
- 算法性能与手动图表审查 (黄金标准) 进行了验证,使用灵敏度,特异性和积极的预测值.
- 经过验证的算法被应用于识别SIM病例和分析预测因素.
主要成果:
- 该算法实现了76%的灵敏度,77%的特异性和48%的积极预测值来检测SIM.
- 在5430个潜在病例中,发现了1257个SIM病例.
- 普拉瓦斯塔丁使用增加了SIM几率 (OR 2.18),而甲状腺功能低下显著增加了风险 (OR 15.65).
结论:
- 已开发出一种高效且易于使用的算法,用于在EHR中识别他类药物诱导肌肉病变 (SIM).
- 这种方法工具提高了未来关于他类药物诱导肌肉病的研究质量和准确性.
