• Fatima Palani
4. semester, Medicin med Industriel Specialisering, Kandidat (Kandidatuddannelse)
Formål: Formålet med dette studie er at foretage et kvalitets mapping ind til MedDRA, ved at, udfører tekst mining med formålet om opdage mulige bivirkninger, og dermed være i stand til at mappe termerne ind til en medicinsk terminologi.
Introduktion: Polyfarmaci er den mest almindelige behandlingsstrategi hos diabetespatienter, som er forbundet med mange følgekomplikationer; Dog er den vigtigste interaktioner mellem to forskellige lægemidler. Pharmako-overvågelse vigtig efter et godkendt lægemiddel. Medical Dictionary for Regulatory Activity (MedDRA) blev oprettet for at dele og hente nye fund om et lægemiddel på kryds af forskellige lande. Den er opbygget af et 5 hierarkisk niveauer fra meget generelt til meget specifikt. Hvert term er karakteriseret med et 8-cifret nummer, og forbliver det samme tal på alle sprog. Denne form for kommunikation tillader videnskaber at forstå og dele nyt viden på tværs af forskellige sprog, hvilket leder til bedre sundhed globalt.
Metode: En automatisk databehandlingsteknologi blev udført i 12.073 ustrukturerede elektroniske patientjournaler. Naturlig sprogbehandling (NLP) algoritmen blev udført for at strukturere, forstå og validere relevante information fra teksterne. Unikke tegn der blev opdaget blev oversat i MedDRA, der blev oprettet af International Classification of disease (ICD) i kombination med in-house ordbog for at være i stand til at sammenligne databasen på internationalt niveau.
Resultater: Anvendelse af tekst mining i 12.073 EPR med NLP gav os 3.830 unikke tegn, hvilket kan være mulige bivirkninger. Alle termer var i stand til at blive oversat til MedDRA. Simple ord var nemmere at mappe sammenlignet med komplekse ord. Herudover var vi i stand til at trække fænotypes profiler samt de mest hyppige recept skrevne medikamenter samt relaterede bivirkninger.
Konklusion: Baseret på vores resultater kan vi konkludere, at anvendelse af MedDRA som vores medicinske terminologi i kombination med vores in-house ordbog var muligt at udføre og kan give en sofistikeret analyse på et skandinavisk samt internationalt plan. Derudover var det muligt at udføre tekst mining til at opdage mulige unikke tegn, hvilket betyder at det er et godt værktøj til håndtering af store databaser, hvilket er tilfældet i de fleste kliniske sikkerhedsundersøgelser.

SprogEngelsk
Udgivelsesdato30 sep. 2019
Antal sider38
Ekstern samarbejdspartnerNovo Nordisk Foundation Center for Protein Research, Faculty of Health and Medical Sciences, University of Copenhagen, Denmark.
Søren Brunak soren.brunak@cpr.ku.dk
Anden
ID: 311896284