CN103488890A - 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 - Google Patents
一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 Download PDFInfo
- Publication number
- CN103488890A CN103488890A CN201310429691.2A CN201310429691A CN103488890A CN 103488890 A CN103488890 A CN 103488890A CN 201310429691 A CN201310429691 A CN 201310429691A CN 103488890 A CN103488890 A CN 103488890A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- patient
- adverse drug
- probability
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种基于朴素贝叶斯的患者药物不良反应预警方法和系统。其特征在于基于医院已有的信息化系统和及系统中既有的患者基本情况、临床诊断、用药情况、病理体征、检查检验情况等数据,以及药物临床试验数据和药物不良反应病例报告数据,使用特定算法进行概率计算,对可能发生的高概率不良反应时间进行提醒。本发明能够帮助临床医生和药师进行用药安全性分析,调整用药方案,提高医疗服务水平。
Description
技术领域
本发明涉及一种基于朴素贝叶斯的患者药物不良反应预警方法和系统。
背景技术
药品不良反应(Adverse Drug Reaction,ADR)是指合格药品在正常用法用量下出现的与用药目的无关的或意外的有害反应,药物不良事件的诊断评价的主体一般为临床医师,但是由临床药师单独进行可疑药物不良事件的诊断评价对临床药师的知识结构和临床实践经验要求很高,而且主要依靠评判者的知识和经验,因而人为因素干扰较大。而当前医疗机构信息化系统中已含有大量患者用药诊疗数据,充分利用信息化系统的数据做一些统计分析可以帮助临床医生和药师进行用药提醒和安全性分析。
发明内容
本发明的目的是在医院现有的信息系统的基础上建立患者药物不良反应预警方法及系统,帮助临床医生和药师进行用药安全性分析,调整用药方案,提高医疗服务水平。
为了达到上述目的,本发明的一个技术方案是提供了一种基于朴素贝叶斯的患者药物不良反应预警方法,其特征在于,步骤为:
步骤1、将医院现有的信息化系统中的药品信息数据与药物不良反应病例报告数据在系统初始化时导入数据库;
步骤2、收集目标患者的特征信息:从医院现有的信息系统中收集目标患者当前的各项特征信息,至少包括年龄、性别、现病史、各项临床症状和检查结果,以T1,T2,……,Tn表示;
步骤3、分析目标患者用药信息和相关药物信息:从医院现有的信息系统中查出目标患者的历史用药信息,并依据可靠的药物临床试验数据和药品信息库获取目标药物发生不良反应的先验概率,以p(D)表示;
步骤4、检索药物不良反应病例报告库,从相同药物的不良反应病例中计算各个特征项T1,T2,……,Tn出现的似然概率,第i个特征项Ti的似然概率表示为p(Ti|D);
步骤5、使用与步骤4相同的方法从医院现有的信息系统中统计出各个特征项T1,T2,……,Tn出现的先验概率,第i个特征项Ti的先验概率表示为p(Ti);
步骤6、应用朴素贝叶斯方法统计患者发生药物不良反应的概率:目标患者在各个特征项T1,T2,……,Tn的条件下发生药物不良反应的概率表示为p(D|T1,T2,……,Tn), 其中,当p(D|T1,T2,……,Tn)超过指定的阈值时,医院的信息系统将向使用医生给出预警。
优选地,在所述步骤4中,第i个特征项Ti的似然概率p(Ti|D)的计算方法为:若第i个特征项Ti为分类属性,则p(Ti|D)是药物不良反应病例报告库中具有Ti属性的目标药物不良反应病例数除以总的目标药物不良反应病例数;若第i个特征项Ti为连续值属性,则:
本发明的另一个技术方案是提供了一种基于朴素贝叶斯的患者药物不良反应预警系统,其特征在于:基于医院已有的信息化系统及系统中既有的患者数据,以及药物临床试验数据和药物不良反应病例报告数据,使用上述的方法进行概率计算,对可能发生的高概率不良反应及时进行提醒。
本发明提供了一种以流行病学研究资料为背景,在医院现有的信息系统使用朴素贝叶斯方法实现的患者药物不良反应预警方法及系统,本发明将检索医院现有的信息系统中患者基本情况(年龄、性别等)、临床诊断、用药情况、病理体征、检查检验情况等数据,以及药物临床试验数据和药物不良反应病例报告数据,并基于朴素贝叶斯方法分析出目标患者出现药物不良反应的概率并在概率超过阈值时给出预警。
本发明能够帮助临床医生和药师进行用药安全性分析,调整用药方案,提高医疗服务水平。
具体实施方式
为使本发明更明显易懂,兹以优选实施例作详细说明如下。
本发明提供了一种基于朴素贝叶斯的患者药物不良反应预警方法,其步骤为:
步骤1、将医院现有的信息化系统中的药品信息数据与药物不良反应病例报告数据在系统初始化时导入数据库;
步骤2、收集目标患者的特征信息:从医院现有的信息系统中收集目标患者当前的各项特征信息,包括年龄、性别、现病史、各项临床症状和检查结果等,以T1,T2,……,Tn表示;
步骤3、分析目标患者用药信息和相关药物信息:从医院现有的信息系统中查出目标患者的历史用药信息,并依据可靠的药物临床试验数据和药品信息库获取目标药物发生不良反应的先验概率,以p(D)表示;
步骤4、检索药物不良反应病例报告库,从相同药物的不良反应病例中计算各个特征项T1,T2,……,Tn出现的似然概率,第i个特征项Ti的似然概率表示为p(Ti|D),若第i个特征项Ti为如现病史、临床症状等之类的分类属性,则p(Ti|D)是药物不良反应病例报告库中具有Ti属性的目标药物不良反应病例数除以总的目标药物不良反应病例数;若第i个特征项Ti为如一些生化检测指标的数值之类的连续值属性,则:
步骤5、使用与步骤4相同的方法从医院现有的信息系统中统计出各个特征项T1,T2,……,Tn出现的先验概率,第i个特征项Ti的先验概率表示为p(Ti);
步骤6、应用朴素贝叶斯方法统计患者发生药物不良反应的概率:目标患者在各个特征项T1,T2,……,Tn的条件下发生药物不良反应的概率表示为p(D|T1,T2,……,Tn), 其中,上述公式的推导过程为(在下列推导过程中,
根据贝叶斯定理有:
而这里使用朴素贝叶斯方法假定各个特征项之间是类条件独立,即:
则得到以下公式:
而对于每项特征项应用贝叶斯定理可得:
由此可导出:
则最终可得到:
当p(D|T1,T2,……,Tn)超过指定的阈值时,医院的信息系统将向使用医生给出预警。
Claims (3)
1.一种基于朴素贝叶斯的患者药物不良反应预警方法,其特征在于,步骤为:
步骤1、将医院现有的信息化系统中的药品信息数据与药物不良反应病例报告数据在系统初始化时导入数据库;
步骤2、收集目标患者的特征信息:从医院现有的信息系统中收集目标患者当前的各项特征信息,至少包括年龄、性别、现病史、各项临床症状和检查结果,以T1,T2,……,Tn表示;
步骤3、分析目标患者用药信息和相关药物信息:从医院现有的信息系统中查出目标患者的历史用药信息,并依据可靠的药物临床试验数据和药品信息库获取目标药物发生不良反应的先验概率,以p(D)表示;
步骤4、检索药物不良反应病例报告库,从相同药物的不良反应病例中计算各个特征项T1,T2,……,Tn出现的似然概率,第i个特征项Ti的似然概率表示为p(Ti|D);
步骤5、使用与步骤4相同的方法从医院现有的信息系统中统计出各个特征项T1,T2,……,Tn出现的先验概率,第i个特征项Ti的先验概率表示为p(Ti);
步骤6、应用朴素贝叶斯方法统计患者发生药物不良反应的概率:目标患者在各个特征项T1,T2,……,Tn的条件下发生药物不良反应的概率表示为p(D|T1,T2,……,Tn), 其中,当p(D|T1,T2,……,Tn)超过指定的阈值时,医院的信息系统将向使用医生给出预警。
2.如权利要求1所述的一种基于朴素贝叶斯的患者药物不良反应预警方法,其特征在于,在所述步骤4中,第i个特征项Ti的似然概率p(Ti|D)的计算方法为:若第i个特征项Ti为分类属性,则p(Ti|D)是药物不良反应病例报告库中具有Ti属性的目标药物不良反应病例数除以总的目标药物不良反应病例数;若第i个特征项Ti为连续值属性,则:
3.一种基于朴素贝叶斯的患者药物不良反应预警系统,其特征在于:基于医院已有的信息化系统及系统中既有的患者数据,以及药物临床试验数据和药物不良反应病例报告数据,使用如权利要求1所述的方法进行概率计算,对可能发生的高概率不良反应及时进行提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310429691.2A CN103488890A (zh) | 2013-09-18 | 2013-09-18 | 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310429691.2A CN103488890A (zh) | 2013-09-18 | 2013-09-18 | 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103488890A true CN103488890A (zh) | 2014-01-01 |
Family
ID=49829106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310429691.2A Pending CN103488890A (zh) | 2013-09-18 | 2013-09-18 | 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488890A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765947A (zh) * | 2015-03-02 | 2015-07-08 | 大连理工大学 | 一种面向大数据的潜在药物不良反应数据挖掘方法 |
CN105740992A (zh) * | 2016-03-28 | 2016-07-06 | 浙江大学 | 一种医院医疗风险评估系统及方法 |
CN106687959A (zh) * | 2014-07-09 | 2017-05-17 | 拜耳医药保健有限公司 | 用于管理基于造影介质的医疗程序中的不良反应的系统和方法 |
CN107229813A (zh) * | 2016-03-24 | 2017-10-03 | 深圳中迈数字医疗技术有限公司 | 实施监护的判断方法及系统 |
CN107408283A (zh) * | 2015-03-25 | 2017-11-28 | 富士胶片株式会社 | 诊疗辅助装置、诊疗辅助装置的工作方法以及诊疗辅助系统 |
CN108122059A (zh) * | 2016-11-30 | 2018-06-05 | 沈阳药科大学 | 一种药品生产企业的生产风险识别的方法及自动预警系统 |
CN108369721A (zh) * | 2015-07-22 | 2018-08-03 | 拜尔梅里科有限公司 | 用于基于食物敏感性测试来提供食物建议的系统和方法 |
CN109376357A (zh) * | 2018-10-16 | 2019-02-22 | 北京深度制耀科技有限公司 | 一种数据处理方法和装置 |
CN110322944A (zh) * | 2019-05-31 | 2019-10-11 | 浙江大学 | 药物不良反应智能监测方法、装置、系统和计算机设备 |
CN111383725A (zh) * | 2018-12-28 | 2020-07-07 | 国家食品药品监督管理总局药品评价中心 | 不良反应数据鉴别方法、装置、电子设备及可读介质 |
CN111383761A (zh) * | 2018-12-28 | 2020-07-07 | 医渡云(北京)技术有限公司 | 医疗数据分析方法、装置、电子设备及计算机可读介质 |
CN112200704A (zh) * | 2020-07-21 | 2021-01-08 | 重庆市中迪医疗信息科技股份有限公司 | 基于gis的健康宣传方法、系统、服务器及介质 |
CN114283949A (zh) * | 2021-11-08 | 2022-04-05 | 湖南云视数据科技有限责任公司 | 一种基于深度学习的adr辅助决策系统 |
-
2013
- 2013-09-18 CN CN201310429691.2A patent/CN103488890A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106687959A (zh) * | 2014-07-09 | 2017-05-17 | 拜耳医药保健有限公司 | 用于管理基于造影介质的医疗程序中的不良反应的系统和方法 |
CN104765947B (zh) * | 2015-03-02 | 2017-12-26 | 大连理工大学 | 一种面向大数据的潜在药物不良反应数据挖掘方法 |
CN104765947A (zh) * | 2015-03-02 | 2015-07-08 | 大连理工大学 | 一种面向大数据的潜在药物不良反应数据挖掘方法 |
CN107408283A (zh) * | 2015-03-25 | 2017-11-28 | 富士胶片株式会社 | 诊疗辅助装置、诊疗辅助装置的工作方法以及诊疗辅助系统 |
CN108369721A (zh) * | 2015-07-22 | 2018-08-03 | 拜尔梅里科有限公司 | 用于基于食物敏感性测试来提供食物建议的系统和方法 |
CN108369721B (zh) * | 2015-07-22 | 2023-06-23 | 拜尔梅里科有限公司 | 用于保护患者免于产生不良反应的系统、方法和存储介质 |
CN107229813A (zh) * | 2016-03-24 | 2017-10-03 | 深圳中迈数字医疗技术有限公司 | 实施监护的判断方法及系统 |
CN105740992A (zh) * | 2016-03-28 | 2016-07-06 | 浙江大学 | 一种医院医疗风险评估系统及方法 |
CN105740992B (zh) * | 2016-03-28 | 2020-06-26 | 浙江大学 | 一种医院医疗风险评估系统及方法 |
CN108122059B (zh) * | 2016-11-30 | 2021-12-24 | 沈阳药科大学 | 一种药品生产企业的生产风险识别的方法及自动预警系统 |
CN108122059A (zh) * | 2016-11-30 | 2018-06-05 | 沈阳药科大学 | 一种药品生产企业的生产风险识别的方法及自动预警系统 |
CN109376357A (zh) * | 2018-10-16 | 2019-02-22 | 北京深度制耀科技有限公司 | 一种数据处理方法和装置 |
CN111383761A (zh) * | 2018-12-28 | 2020-07-07 | 医渡云(北京)技术有限公司 | 医疗数据分析方法、装置、电子设备及计算机可读介质 |
CN111383725A (zh) * | 2018-12-28 | 2020-07-07 | 国家食品药品监督管理总局药品评价中心 | 不良反应数据鉴别方法、装置、电子设备及可读介质 |
CN111383761B (zh) * | 2018-12-28 | 2023-05-12 | 医渡云(北京)技术有限公司 | 医疗数据分析方法、装置、电子设备及计算机可读介质 |
CN110322944A (zh) * | 2019-05-31 | 2019-10-11 | 浙江大学 | 药物不良反应智能监测方法、装置、系统和计算机设备 |
CN112200704A (zh) * | 2020-07-21 | 2021-01-08 | 重庆市中迪医疗信息科技股份有限公司 | 基于gis的健康宣传方法、系统、服务器及介质 |
CN114283949A (zh) * | 2021-11-08 | 2022-04-05 | 湖南云视数据科技有限责任公司 | 一种基于深度学习的adr辅助决策系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103488890A (zh) | 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统 | |
CN110504035B (zh) | 医疗资料库及系统 | |
Caraceni et al. | Episodic (breakthrough) pain prevalence in a population of cancer pain patients. Comparison of clinical diagnoses with the QUDEI—Italian questionnaire for intense episodic pain | |
Sawaya et al. | Estimated quality of life and economic outcomes associated with 12 cervical cancer screening strategies: a cost-effectiveness analysis | |
Riegel et al. | Electronically monitored medication adherence predicts hospitalization in heart failure patients | |
Al-Rashoud et al. | Medication discrepancies identified during medication reconciliation among medical patients at a tertiary care hospital | |
Kim et al. | Reusability of EMR data for applying Cubbin and Jackson pressure ulcer risk assessment scale in critical care patients | |
Gromisch et al. | Who is not coming to clinic? A predictive model of excessive missed appointments in persons with multiple sclerosis | |
US10489717B2 (en) | System and method for pharmacovigilance | |
DI MUZIO et al. | Validation of a questionnaire for ICU nurses to assess knowledge, attitudes and behaviours towards medication errors | |
US8744872B1 (en) | System and method for pharmacovigilance | |
Kim et al. | Subgroups of cancer patients with unique pain and fatigue experiences during chemotherapy | |
US11424040B2 (en) | System and method for pharmacovigilance | |
Ding et al. | The validity of self-reported primary adherence among Medicaid patients discharged from the emergency department with a prescription medication | |
Morgan et al. | Medical internet of Things-based Healthcare Systems, wearable biometric sensors, and personalized clinical care in remotely monitoring and caring for confirmed or suspected COVID-19 patients | |
Moss et al. | Heart rate dynamics preceding hemorrhage in the intensive care unit | |
US9978165B2 (en) | Dynamic presentation of waveform tracings in a central monitor perspective | |
Serrano et al. | Benefits and challenges of remote patient monitoring as perceived by health care practitioners: a systematic review | |
Viernes et al. | Characterizing VA users with the OMOP common data model | |
Zhang et al. | Predicting PTSD severity using longitudinal magnetoencephalography with a multi-step learning framework | |
Andrews et al. | A longitudinal examination of the asthma medication ratio in children | |
Lam et al. | High prevalence and burden of adult malnutrition at a tertiary hospital: An opportunity to use nutrition-focused care to improve outcomes | |
Noe et al. | The challenges of big data in dermatology | |
Čufar et al. | Electronic medication ordering with integrated drug database and clinical decision support system | |
US20200161001A1 (en) | Personal Data Analytics System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140101 |