DOOR ELIZABETH DEVITT Nigam Shah en zijn collega's kunnen wij een strategie voor het extraheren van gegevens uit de records van relaties tussen gezondheidswerkers en patiënten te informeren met betrekking tot mogelijke drug bijwerkingen. Mijnbouw de records van routine interacties tussen individuen en hun zorgverleners kunt identificeren drug bijwerkingen jaren voordat een standaard waarschuwing van de Amerikaanse Drug en voedsel administratie, heeft een University School of Medicine studie gevonden. De studie, gebracht door Nigam Shah, MBBS, PhD, associate professor in de geneeskunde, werd gepubliceerd op lijn 10 April in aard klinische farmacologie en Therapeutics. Deze methode is gewoon een stap vooruit in de mijnbouw patiënt gebaseerde gegevens, zei in plaats van verzekeringen rekeningen of drug-specifieke databases, gecodeerd te stimuleren gezondheidszorg technieken, uitvoerende analyse link Paea LePendu, PhD, de hoofdauteur van het document. De benadering wordt verondersteld als aanvulling op het FDAas negatieve gebeurtenis Reporting System, waarin de verzamelde studies van de negatieve effecten van de behandeling van particulieren, artsen en farmaceutische fabrikanten sinds 1968. Medische dossiers variëren van de gegevens een sitter dicteert in de geschiedenis van een patientas, zoals de patientas symptomen of medische problemen. Het zou moeten precies wat een arts zegt of schrijft voor de stationaire. aIf u vragen elke markt verband met gezondheidszorg gewoon hoeveel van de medische informatie is gebundeld in tekst, u wonat krijgen een oplossing onder de 70 procent, een genoemde Shah. aIf 70 tot 80 procent van de informatie is opgesloten in tekstnotities, vroegen wij ons, wat zou een eenvoudige methode om het te openen? aa hun strategie bouwt voort op de onlangs gepubliceerde werk dat een gouden standaard voor de evaluatie van de prestaties van data-mining methoden ontwikkeld. De info opgedaan wordt verondersteld om huidige protocollen of klinische ervaring te ondersteunen. een verschuiving in de richting een leren stelsel van gezondheidszorg, waar we studie van de dagelijkse ervaringen en de gecombineerde kennis van de keuzes die artsen maken wanneer behandelen patiënten Shah en LePendu hun werk zien. Zij achten aanbieders van gezondheidszorg dergelijke datamining kunnen gebruiken om wetenschappelijke datawarehouses om het maken van een nieuwe manier om bewijsmateriaal te verkrijgen een praktijk gebaseerde bewijs een voor patiëntenzorg. Hun programma is nieuw, zijn hun informatieverzameling methoden gebaseerd op reeds lang gevestigde tekst verwerkingstechnieken. ITA zei ook sneller en gemakkelijker dan huidige benaderingen gevonden in precies dezelfde sector, LePendu. Inhoud wordt eerst verzameld via aontologies, een die informatie grafieken georganiseerd door associatieve relaties in plaats van een stijve lineaire ontwerp. Bijvoorbeeld, kanker is een soort van kanker van de huid, en is dus Kaposias Sarcoom; door te begrijpen askin cancera bevat beide vormen van kanker, accumuleert het onderzoeksproces deze medische kennis. Het systeem ook de-identifies patiëntengegevens in het proces, daarom gevoelig en pijnlijk informatie, zoals bijvoorbeeld de adressen en namen, doesnat krijgen onthuld. Met deze technieken, LePendu gezegd, het proces kan ze voor het verwerken van 11 miljoen wetenschappelijke records in ongeveer zeven uur op apparatuur niet anders vanaf een laptopcomputer een ' een tarief dat andere plannen canat wedstrijd. De gegevens kunnen ook worden huidige: ITA gegenereerd op basis van wat is geregistreerd en in een medische faciliteit of doctoras kantoor in acht genomen. Thatas een voordeel over de FDA Aer verhalen, die afhankelijk van patiënten en zorgverleners zijn te maken van de extra inspanning te rapporteren van ongewenste voorvallen. De onderzoekers gemaakt van de methode voor sortering via de inhoud van wetenschappelijke notities in elektronische medische dossiers en gebruikte het om te onderzoeken hoe meestal specifieke drugs en voorwaarden werden beschreven in ongeveer 10 miljoen notities voor ongeveer 1,8 miljoen patiënten meer dan 15 jaar. Het doel was om te rangschikken van deze notities in een data-mining substraat als een matrix van patiënt-functie verwijzen. aEveryone is opgebouwd over het vooruitzicht van abig dataa exploratie van elektronische medische recordgegevens, zei een Shah. Wordt aangetoond door awe in practice.a echter medisch dossier bieden een uitzonderlijke aanbod van onaangesproken informatie, dit proces exploratie komt met beperkingen. Een grote database wordt vereist door het nauwkeurige eigenschappen en het volume van de typen machines door maakt het voor de behandeling van activiteiten, zoals hart-problemen, nog veel meer nuttige gegevens te verwerven zei Shah. Hij voegde eraan toe dat de FDA rapportagesysteem nog steeds opmerkelijke wellicht voor te kijken ongebruikelijke dilemma's, welke wouldnat optreden in hoog genoeg hoeveelheid op een enkel bedrijf. Ook het apparaat canat onderzoeken bijwerkingen die dosis afhankelijk zijn. Maar het onderzoeksteam is gericht op verbeteringen die kunnen ruiming nog meer nuttige informatie uit klinische notities, zoals accounts van reacties als gevolg van combinaties van drugs, het gebruik van drugs doorgaans voorgeschreven voor een situatie maar gevonden nuttig voor de behandeling van een gezondheidsprobleem, of het vinden van medische profielen van mensen die een bepaalde situatie passen. aThis strategie is interessant, en het verhoogt de kans dat exploratie klinische notities kunt aanvulling op conventionele geneesmiddelenbewaking monitoring, een bovengenoemde Steve Goodman, MD, PhD, associate dean van klinisch onderzoek en vertaling analyse voor de medische universiteit die ook was medevoorzitter van de 2012 Instituut van geneeskunde Commissie dat de veiligheid van onderzocht geneesmiddelen goedgekeurd. Goodman was niet betrokken bij het onderzoek. aIt neemt ook voordelige troef van elektronische medische records die toevallig there.a een nadeel is dat een heleboel elektronische medische record systemen zijn creëren voor patiëntenzorg, misschien niet geduldig studie, Goodman opgemerkt. In dit onderzoek gedolven de onderzoekers een kennissysteem ontworpen voor dit soort studie, die isnat verkrijgbaar. De onderzoekers maakten gebruik van de Stanford translationeel onderzoek ingebouwde Database sfeer, genaamd tempo. Verschillende Stanford co-auteurs werden geassocieerd chief information officer Todd Ferris, MD; Engineering research associate Rave Harpaz, PhD; postdoctoraal student Anna Bauer-Mehren, PhD; en STRIDE medische gegevens magazijn curator Tanya Podchiyska. LePendu, Iyer en Shah zijn uitvinders van technologie, gehouden door Stanford, voor de productie van de patiënt-functie matrix. Het onderzoek werd gefinancierd door subsidies van de National Institutes of Health (verlenen HG004028) voor het National Center voor biomedische ontologie. Informatie over de afdeling van geneeskunde Stanfordas, die ook het onderzoek ondersteund, is beschikbaar op http://medicine.stanford.edu.
No comments:
Post a Comment