CN111681778B - 一种基于异常购买信息的潜在致瘾致幻药品的预警方法 - Google Patents
一种基于异常购买信息的潜在致瘾致幻药品的预警方法 Download PDFInfo
- Publication number
- CN111681778B CN111681778B CN202010538092.4A CN202010538092A CN111681778B CN 111681778 B CN111681778 B CN 111681778B CN 202010538092 A CN202010538092 A CN 202010538092A CN 111681778 B CN111681778 B CN 111681778B
- Authority
- CN
- China
- Prior art keywords
- target
- total purchase
- medicine
- purchase amount
- medicines
- 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.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 253
- 238000000034 method Methods 0.000 title claims abstract description 45
- 206010012335 Dependence Diseases 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 26
- 229940079593 drug Drugs 0.000 claims abstract description 162
- 208000024891 symptom Diseases 0.000 claims abstract description 40
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 11
- 235000019788 craving Nutrition 0.000 claims description 22
- 230000001932 seasonal effect Effects 0.000 claims description 18
- 208000011117 substance-related disease Diseases 0.000 abstract description 4
- 206010013654 Drug abuse Diseases 0.000 abstract description 3
- 238000009412 basement excavation Methods 0.000 abstract description 3
- OROGSEYTTFOCAN-DNJOTXNNSA-N codeine Chemical compound C([C@H]1[C@H](N(CC[C@@]112)C)C3)=C[C@H](O)[C@@H]1OC1=C2C3=CC=C1OC OROGSEYTTFOCAN-DNJOTXNNSA-N 0.000 description 12
- 229960004126 codeine Drugs 0.000 description 6
- OROGSEYTTFOCAN-UHFFFAOYSA-N hydrocodone Natural products C1C(N(CCC234)C)C2C=CC(O)C3OC2=C4C1=CC=C2OC OROGSEYTTFOCAN-UHFFFAOYSA-N 0.000 description 6
- 206010021403 Illusion Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000002775 capsule Substances 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 2
- 206010026749 Mania Diseases 0.000 description 2
- XADCESSVHJOZHK-UHFFFAOYSA-N Meperidine Chemical compound C=1C=CC=CC=1C1(C(=O)OCC)CCN(C)CC1 XADCESSVHJOZHK-UHFFFAOYSA-N 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 208000032140 Sleepiness Diseases 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 206010022000 influenza Diseases 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000037321 sleepiness Effects 0.000 description 2
- 206010061623 Adverse drug reaction Diseases 0.000 description 1
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- 229940126675 alternative medicines Drugs 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 206010013663 drug dependence Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000009929 lianhuaqingwen Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003533 narcotic effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Toxicology (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Pharmacology & Pharmacy (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于药品监管技术领域，具体涉及一种基于异常购买信息的潜在致瘾致幻药品的预警方法。该方法首先选取一段时间内的病例数据，所述病例数据包括各个病例的医嘱和/或症状信息、以及目标药品总购买量；然后对目标药品总购买量进行判断，若目标药品总购买量出现显著增长，则根据筛选结果，采用修正PRR算法，确定修正PRR值，修正PRR算法将目标药品总购买量的异常情况考虑在内；最后根据修正PRR值确定目标药品是否为潜在的致瘾致幻隐患药品。本发明实现了对潜在的致瘾致幻药品的挖掘，对目标药品是否为潜在的致瘾致幻药品的识别更加准确，防止漏掉一些潜在的致瘾致幻药品，以便及时发现潜在的药物滥用情况。
Description
技术领域
本发明属于药品监管技术领域，具体涉及一种基于异常购买信息的潜在致瘾致幻药品的预警方法。
背景技术
近年来，我国医药行业得到了迅猛发展。药品在维护我们的身体健康中起着不可替代的作用，身体一旦受到疾病的侵扰，小到身体不适，大到重大疾患，均需要使用药品予以调节或治疗，以恢复健康。当前药品种类繁多，消耗量大，已批准药物的风险信号识别差，一些药物虽可一定程度解决疾病问题，但存在致瘾致幻风险，致瘾致幻不但引起耐受与生理精神依赖，还会引起精神、躯体、社会等诸多问题。
例如，市面上曾经流行的含可待因成分类药品。可待因可以止咳，其原理是麻痹神经反射，麻痹患者“想咳”的感觉，是有一定的成瘾性的，服用过量会导致药物成瘾，年龄越小，对药物敏感性越高，更容易上瘾，对于未成年人来讲，像是一个“隐形炸弹”。故如何保障人民群众健康对药品的需求的同时，合理科学管控药品安全风险成为重中之重。
现有技术中，药品不良反应监测中常用的算法为PRR算法，应用该算法确定目标样品是否存在致瘾致幻风险时，需要从医疗机构收集病例数据，并对病例数据进行分析，采用下式计算得到PRR值，根据PRR值便可确定目标药品是否为潜在的致瘾致幻药品。PRR算法的公式为：
式中，A为目标药品的医嘱和/或症状中发现致瘾致幻信息的病例数，B为目标药品医嘱和/或症状中未发现致瘾致幻信息的病例数，C为其他药品医嘱和/或症状中发现致瘾致幻信息的病例数，D为其他药品医嘱和/或症状中未发现致瘾致幻信息的病例数。
该方法仅根据医嘱和/或症状中的信息来确定目标药品是否存在致瘾致幻风险，但并非所有医生都会在医嘱和/或症状中写明药品可能存在的风险，这便使得使用现有的PRR算法来确定目标药品是否存在致瘾致幻风险并不准确，容易漏掉一些存在致瘾致幻隐患的药品。
发明内容
本发明提供了一种基于异常购买信息的潜在致瘾致幻药品的预警方法，用以解决仅采用根据医嘱和/或症状信息的PRR算法造成的漏掉一些存在致瘾致幻隐患的药品的问题。
为解决上述技术问题，本发明的技术方案包括：
本发明提供了一种基于异常购买信息的潜在致瘾致幻药品的预警方法，包括如下步骤：
选取一段时间内的病例数据，所述病例数据包括各个病例的医嘱和/或症状信息、以及目标药品总购买量；
根据各个病例的医嘱和/或症状信息中与致瘾致幻相关的信息，对各个病例进行筛选，得到筛选结果，所述筛选结果包括目标药品的医嘱和/或症状中发现致瘾致幻信息的病例数A、目标药品医嘱和/或症状中未发现致瘾致幻信息的病例数B、其他药品医嘱和/或症状中发现致瘾致幻信息的病例数C、以及其他药品医嘱和/或症状中未发现致瘾致幻信息的病例数D；
对目标药品总购买量进行判断，若目标药品总购买量出现显著增长，显著增长为总购买量相比于对应标准值的增长大于设定幅度，则根据筛选结果，采用修正PRR算法，确定修正PRR值；其中，所述修正PRR算法为：
式中，PRR为修正PRR值；α为购买量权重，α>1；
根据修正PRR值识别目标药品是否为潜在的致瘾致幻药品。
上述技术方案的有益效果为：针对一些潜在的致瘾致幻药品会使使用者造成依赖和上瘾的现象，使使用者会大量购买该药品的现象，该方法将目标药品总购买量的异常情况考虑在内来修正PRR算法，结合病例的医嘱和/或症状信息，进而根据修正PRR算法来综合确定目标药品是否为潜在的致瘾致幻药品，实现了对潜在的致瘾致幻药品的挖掘，对目标药品是否为潜在的致瘾致幻药品的识别更加准确，防止漏掉一些潜在的致瘾致幻药品，以便及时发现潜在的药物滥用情况。该分析结果更加方便了监管部门对潜在致瘾致幻药品的有效监管，为药品监管甚至禁毒工作提供便利，共同推进大健康、大卫生建设。
作为方法的进一步改进，目标药品的总购买量相比于对应的标准值的增长指的是：(X-Y)/Y或者(X/Y)，式中，X为目标药品总购买量，Y为目标药品总购买量标准值。
作为方法的进一步改进，还包括对目标药品总购买量出现显著增长的情况进行确认的步骤：获取相关药品总购买量，判断相关药品总购买量是否出现显著增长；其中，相关药品为与目标药品药效相同或同类型的药品。
作为方法的进一步改进，相关药品的总购买量相比于对应的标准值的增长指的是：(X1-Y1)/Y1或者(X1/Y1)，式中，X1为相关药品总购买量，Y1为相关药品总购买量标准值。
作为方法的进一步改进，对于季节性药品，以某个季节为选取的时间段；对于非季节性药品，以一个月、多个月或者一年为选取的时间段。
作为方法的进一步改进，预设两个以上的购买量权重α；目标药品总购买量越大，则采用更大的购买量权重α用于修正PRR算法。
附图说明
图1是本发明的基于购买信息的潜在致瘾致幻药品的预警方法实施例1的流程图；
图2是本发明的基于购买信息的潜在致瘾致幻药品的预警方法实施例2的流程图。
具体实施方式
本发明在现有的PRR算法的基础上，根据目标药品的购买量(销售量)，对PRR算法进行修正，得到修正PRR值，根据修正PRR值确定目标药品是否为潜在的致瘾致幻药品。该种修正方式是从宏观上考量，购买量异常增长，整体上增加PRR公式中的A值。其中，修正PRR公式为：
式中，PRR为修正PRR值；α为购买量权重，α>1；A为目标药品的医嘱和/或症状中发现致瘾致幻信息的病例数，B为目标药品医嘱和/或症状中未发现致瘾致幻信息的病例数，C为其他药品医嘱和/或症状中发现致瘾致幻信息的病例数，D为其他药品医嘱和/或症状中未发现致瘾致幻信息的病例数。
在实施本发明前，需要先收集药品购买量的历史数据，可以以月份为单位进行收集，以月份收集的历史数据如表1所示。
表1
对收集的这些历史数据进行分析，以确定目标药品购买量的规律。分析发现：
现象1：表征为小幅度波动型。一般来说，药品每年的购买量会有一定波动，波动的原因是包括人口数量、药品销售策略(例如广告)、替代药品的出现、以及季节性因素(例如春季流感时期会导致某些药品在春季的购买量明显高于其在其他季节的购买量)等因素的影响，但波动的程度不会特别大，一般在正常范围内波动。而且，月份相同，药品的购买量差异不大，会有小幅度波动。例如，药品在2011年1月的购买量L11、2012年1月的购买量L21、2013年1月的购买量L31基本相同，20011年5月的购买量L15、2012年5月的购买量L25、2019年5月的购买量L35基本相同。
现象2：表征为增长型。一些药品每年的购买量保持一定程度的增产。例如，2012年的总购买量(L21+L22+……+L212)相较于2011年的总购买量(L11+L12+……+L112)有了一定幅度增长，2013年的总购买量(L31+L32+……+L312)相较于2012年的总购买量(L21+L22+……+L212)有了一定幅度增长，每次的增幅相对稳定。
现象3：表征为季节型。一些药品一年中每月的购买量均差异不大，例如，某些药品在2011年1月、2011年2月、……、2011年12月中每月的购买量差异不大，不会有大幅度波动，称这类药品为非季节性药品。另一些药品在某些季节的购买量明显高于其他季节的购买量，例如，治疗春季流感的药品，其在春季的购买量会明显高于其在夏季、秋季、冬季的购买量，称这类药品为季节性药品。
基于上述现象，可得到如下结论：无论是季节性药品还是非季节性药品，如若其某月的购买量相比于历史同期的购买量有大幅度变化，且该变化并非由客观因素(例如之前提到的广告、替代药品的出现等因素)造成的，则说明该药品为潜在的致瘾致幻药品。对于季节性药品，如若其某季的购买量相比于历史同期的购买量有了大幅度变化，且该变化并非由客观因素，则说明该药品为潜在的致瘾致幻药品。基于此，可确定一标准值，将其当月(或者当季、年初至当月)购买量与标准值(月份标准值、季度标准值、或者年初至当月对应的标准值)进行比较，根据比较结果来判断药品是否为潜在的致瘾致幻药品。以月份标准值为例，具体标准值的确定方式可为：
方式1，以所需计算月份的历史同期的购买量的均值作为标准值。例如，根据目标药品2020年3月的购买量来确定该目标药品是否为潜在的致瘾致幻药品时，其对应的标准值可为(L13+L23+L33+L43)/4。该种方式对于季节性药品或非季节性药品均可适用。
方式2，以所需计算月份的去年同期的购买量(或者去年同期购买量的应有增长幅度)作为标准值。该种方式主要针对表征为增长型目标药品，该类型药品今年的销售量与去年同期的销售量更为紧密。例如，根据目标药品2020年3月的购买量来确定该目标药品是否为潜在的致瘾致幻药品时，其对应的标准值可为L93。
方式3，以一年中各月购买量的平均值作为标准值。该种方式针对的是一年中各月购买量均差异不大的情况，主要针对非季节性药品。例如，根据目标药品今年3月的购买量来确定该目标药品是否为潜在的致瘾致幻药品时，其对应的标准值可为(L11+L12+L13+……+L12)/12。
基于上述结论和确定标准值的方式，可实现本发明的一种基于异常购买信息的潜在致瘾致幻药品的预警方法。下面结合附图及实施例，对本发明进行进一步的详细说明。
方法实施例1：
本发明的一种基于异常购买信息的潜在致瘾致幻药品的预警方法实施例，其流程如图1所示，目标药品为非季节性药品，根据其本年(为2020年)3月的购买量来判断目标药品是否为致瘾致幻药品，且购买量权重α不变，固定设置为1.3。步骤如下：
步骤一，从医疗机构收集2020年3月的病例数据，例如医院的HIS系统中的住院病人所涉及到的数据。病例数据包括各个病例的医嘱和症状信息、以及目标药品总购买量。
步骤二，确定各个病例的医嘱和症状描述中与致瘾致幻相关的信息(包含致瘾致幻关键字)，例如“幻听”、“幻视”、“嗜睡”、“狂躁”等关键词。根据这些关键词，对收集的各个病例进行筛选，得到筛选结果。筛选结果包括目标药品的医嘱和症状中发现致瘾致幻信息的病例数A、目标药品医嘱和症状中未发现致瘾致幻信息的病例数B、其他药品医嘱和症状中发现致瘾致幻信息的病例数C、以及其他药品医嘱和症状中未发现致瘾致幻信息的病例数D。
步骤三，将目标药品总购买量X与目标药品总购买量标准值Y进行比较判断，确定目标药品总购买量是否出现显著增长。目标药品购买量标准值为2010年3月目标药品总购买量、2011年3月目标药品总购买量、……、以及2019年3月目标药品总购买量的平均值。若目标药品总购买量X相较于目标药品总购买量标准值Y有了不小幅度的增长，例如10％为设定幅度(正常幅度)，则X＝Y*k1(k1＞1.1)、或者(X-Y)/Y>0.1时，说明目标药品总购买量出现了异常，出现了一定程度不正常的增长。
步骤四，在判定目标药品总购买量出现显著增长时，再对显著增长情况进行确认。
确认的方法为：如果相关的其他药品(与目标药品具为同类药品或者药效相同的药品)的购买量也出现显著增加(具体如何定义显著增长可参考步骤三中关于目标药品总购买量是否出现显著的定义方法)，而且目标药品总购买量的增幅速度和相关药品总购买量的增幅速度也是比较接近的，则认为可能是因为某些传染性疾病造成了目标药品总购买量出现异常，例如新冠病毒的突然来袭致使连花清瘟胶囊的总购买量出现大幅增长，那么便可确认目标药品不是潜在的致瘾致幻药品，否则，便可确认目标药品总购买量出现显著增长为异常增长。
需说明的是，当相关药品的有多种(至少两种)时，则将这多种相关药品的购买量的平均值作为相关药品的购买量，同理，将这多种相关药品的增幅速度的平均值作为相关药品的增幅速度。
步骤五，在判定步骤四的显著增长为异常增长时，将步骤二中确定的筛选结果代入至修正PRR公式(2)中，得到修正PRR值。
步骤六，根据修正PRR值识别目标药品是否为潜在的致瘾致幻药品。
其中，购买量权重α可以根据历史情况进行标定得到。例如，在2005年我国东部某省出现麻醉药品杜冷丁使用和销售异常增高，通过调查发现，杜冷丁存在较为严重的流弊现象。收集该药品的历史病例数据，包括各个病例的医嘱和症状信息、以及购买量信息，通过标定，确定一个采用常规PRR(公式1)无法识别、但采用修正PRR(公式2)可以识别的α值。进一步，还可以研究多种药品，综合考虑后确定α值。从而可以将标定出的α值作为本实施例的α值，这个值不是一成不变的，可以根据需要进行调整。
该方法针对一些潜在的致瘾致幻药品会使使用者造成依赖和上瘾的现象，使使用者会大量购买该药品的现象，该方法将目标药品总购买量的异常情况考虑在内来修正PRR算法，结合病例的医嘱/症状信息，进而根据修正PRR算法来综合确定目标药品是否为潜在的致瘾致幻药品，实现了对潜在的致瘾致幻药品的挖掘，对目标药品是否为潜在的致瘾致幻药品的识别更加准确，防止漏掉一些潜在的致瘾致幻药品，以便及时发现潜在的药物滥用情况。该分析结果更加方便了监管部门对潜在致瘾致幻药品的有效监管，为药品监管甚至禁毒工作提供便利，共同推进大健康、大卫生建设。
方法实施例2：
本发明的一种基于异常购买信息的潜在致瘾致幻药品的预警方法实施例，其流程如图2所示，本实施例的目标药品为季节性药品，与方法实施例1中非季节性药品的区别在于，季节性药品根据其本年(为2020年)春季(农历1月至农历3月)的购买量来判断目标药品是否为致瘾致幻药品，而非根据其某月的购买量来判断目标药品是否为致瘾致幻药品。本实施例中购买量权重α不变，固定设置为1.3。步骤如下：
步骤一，从医疗机构收集2020年农历1月至农历3月的病例数据，例如医院的HIS系统中的住院病人所涉及到的数据。病例数据包括各个病例的医嘱和症状信息、以及目标药品总购买量。
步骤二，确定各个病例的医嘱/症状描述中与致瘾致幻相关的信息(包含致瘾致幻关键字)，例如“幻听”、“幻视”、“嗜睡”、“狂躁”等关键词。根据这些关键词，对收集的各个病例进行筛选，得到筛选结果。筛选结果包括目标药品的医嘱和症状中发现致瘾致幻信息的病例数A、目标药品医嘱和症状中未发现致瘾致幻信息的病例数B、其他药品医嘱和症状中发现致瘾致幻信息的病例数C、以及其他药品医嘱和症状中未发现致瘾致幻信息的病例数D。
步骤三，将目标药品总购买量X与目标药品总购买量标准值Y进行比较判断，确定目标药品总购买量是否出现显著增长。目标药品总购买量标准值为2010年农历1月至3月的目标药品总购买量、2011年农年1月至3月的目标药品总购买量、……、2019年农历1月至3月的目标药品总购买量的平均值。若目标药品总购买量X相较于目标药品总购买量标准值Y有了不小幅度的增长，例如10％为设定幅度，则X＝Y*k1(k1＞1.1)、或者(X-Y)/Y>0.1时，说明目标药品总购买量出现了异常，出现了一定程度不正常的增长。
需说明的是，该步骤中，如果历史数据中出现了闰月的情况，例如目标药品总购买量标准值是历史夏季(农历4月至6月)购买量的平均值，而其某一年出现了闰四月的情况，那么例如将该年两个四月购买量的平均值作为该年四月购买量。
步骤四，在判定目标药品总购买量出现显著增长时，再对显著增长情况进行确认。
确认的方法为：如果相关的其他药品(与目标药品具为同类药品或者药效相同的药品)的购买量也出现显著增加(具体如何定义显著增长可参考步骤三中关于目标药品总购买量是否出现显著的定义方法)，而且目标药品总购买量的增幅速度和相关药品总购买量的增幅速度也是比较接近的，则认为可能是因为某些传染性疾病造成了目标药品总购买量出现异常，那么便可确认目标药品不是潜在的致瘾致幻药品，例如，新冠病毒的突然来袭时，致使连花清瘟胶囊的总购买量出现大幅增长，同时也造成清热解毒等药品的总购买量也出现了大幅增长，那么便可排除连花清瘟胶囊在此期间的增长为异常增长的情况；否则，便可确认目标药品总购买量出现显著增长为异常增长。
步骤五，在判定步骤四的显著增长为异常增长时，将步骤二中确定的筛选结果代入至修正PRR公式(2)中，得到修正PRR值。
步骤六，根据修正PRR值识别目标药品是否为潜在的致瘾致幻药品。
具体如何确定购买量权重α如何取值可参考方法实施例1，这里不再赘述。
方法实施例3：
本发明的一种基于异常购买信息的潜在致瘾致幻药品的预警方法实施例，与方法实施例1的区别仅在于，购买量权重α不再是一成不变的，而是预设有多个α值，α值跟随目标药品总购买量超过目标药品总购买量标准值的程度来变化的，目标药品总购买量超过目标药品总购买量标准值的程度越大，α值越大。
例如，定义目标药品总购买量为X，目标药品总购买量标准值为Y：Y＜X≤2Y，α＝1.2；2Y＜X≤3Y，α＝1.4；3Y＜X≤4Y，α＝1.6；……；以此类推，使得随着目标药品总购买量的增大，α越来越大。
该方法针对目标药品总购买量情况来适时调整与目标药品购买量相关的系数α，在目标药品总购买量越大时，α越大，以相当于整体上增加目标药品的医嘱和症状中发现致瘾致幻信息的病例数，对目标药品是否为潜在的致瘾致幻药品的识别更加准确。
Claims (6)
1.一种基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，包括如下步骤：
选取一段时间内的病例数据，所述病例数据包括各个病例的医嘱和/或症状信息、以及目标药品总购买量；
根据各个病例的医嘱和/或症状信息中与致瘾致幻相关的信息，对各个病例进行筛选，得到筛选结果，所述筛选结果包括目标药品的医嘱和/或症状中发现致瘾致幻信息的病例数A、目标药品医嘱和/或症状中未发现致瘾致幻信息的病例数B、其他药品医嘱和/或症状中发现致瘾致幻信息的病例数C、以及其他药品医嘱和/或症状中未发现致瘾致幻信息的病例数D；
对目标药品总购买量进行判断，若目标药品总购买量出现显著增长，显著增长为总购买量相比于对应标准值的增长大于设定幅度，则根据筛选结果，采用修正PRR算法，确定修正PRR值；其中，所述修正PRR算法为：
式中，PRR为修正PRR值；α为购买量权重，α>1；
根据修正PRR值识别目标药品是否为潜在的致瘾致幻药品。
2.根据权利要求1所述的基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，目标药品的总购买量相比于对应的标准值的增长指的是：(X-Y)/Y或者(X/Y)，式中，X为目标药品总购买量，Y为目标药品总购买量标准值。
3.根据权利要求1所述的基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，还包括对目标药品总购买量出现显著增长的情况进行确认的步骤：获取相关药品总购买量，判断相关药品总购买量是否出现显著增长；其中，相关药品为与目标药品药效相同或同类型的药品。
4.根据权利要求3所述的基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，相关药品的总购买量相比于对应的标准值的增长指的是：(X1-Y1)/Y1或者(X1/Y1)，式中，X1为相关药品总购买量，Y1为相关药品总购买量标准值。
5.根据权利要求1所述的基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，对于季节性药品，以某个季节为选取的时间段；对于非季节性药品，以一个月、多个月或者一年为选取的时间段。
6.根据权利要求1～5任一项所述的基于异常购买信息的潜在致瘾致幻药品的预警方法，其特征在于，预设两个以上的购买量权重α；目标药品总购买量越大，则采用更大的购买量权重α用于修正PRR算法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010507660 | 2020-06-05 | ||
| CN2020105076604 | 2020-06-05 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111681778A CN111681778A (zh) | 2020-09-18 |
| CN111681778B true CN111681778B (zh) | 2024-03-19 |
Family
ID=72435568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010538092.4A Active CN111681778B (zh) | 2020-06-05 | 2020-06-12 | 一种基于异常购买信息的潜在致瘾致幻药品的预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111681778B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050612A (zh) * | 2014-03-13 | 2014-09-17 | 无锡香象生物科技有限公司 | 一种基于云计算的药品比值比失衡安全监测方法 |
| CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
| CN109637614A (zh) * | 2018-11-27 | 2019-04-16 | 哈尔滨三联药业股份有限公司 | 药品销售系统 |
-
2020
- 2020-06-12 CN CN202010538092.4A patent/CN111681778B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050612A (zh) * | 2014-03-13 | 2014-09-17 | 无锡香象生物科技有限公司 | 一种基于云计算的药品比值比失衡安全监测方法 |
| CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
| CN109637614A (zh) * | 2018-11-27 | 2019-04-16 | 哈尔滨三联药业股份有限公司 | 药品销售系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111681778A (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gibbons et al. | Treatment of fatigue in amyotrophic lateral sclerosis/motor neuron disease | |
| Lewis et al. | Melatonin for the promotion of sleep in adults in the intensive care unit | |
| Denissen et al. | Interventions for preventing falls in people after stroke | |
| Gal et al. | Corticosteroids for treating optic neuritis | |
| Mahler | How should health-related quality of life be assessed in patients with COPD? | |
| Williams et al. | Pain beliefs: assessment and utility | |
| Hasnat et al. | Intrathecal baclofen for treating spasticity in children with cerebral palsy | |
| Alhassan et al. | Peribulbar versus retrobulbar anaesthesia for cataract surgery | |
| Van Veen et al. | Corticosteroids for treating nerve damage in leprosy | |
| Ives et al. | Drug-related admissions to a family medicine inpatient service | |
| Zhang et al. | Acupuncture for acute stroke | |
| Brodaty et al. | Meta‐analysis of psychosocial interventions for caregivers of people with dementia | |
| Ad Hoc Committee on Systemic Lupus Erythematosus Response Criteria for Fatigue | Measurement of fatigue in systemic lupus erythematosus: a systematic review | |
| Luo et al. | A vision “bolt-on” item could increase the discriminatory power of the EQ-5D index score | |
| Chen et al. | Antibiotics versus placebo for acute bacterial conjunctivitis | |
| Bahraini et al. | A Rasch analysis of the Neurobehavioral Symptom Inventory in a national cohort of Operation Enduring and Iraqi Freedom veterans with mild traumatic brain injury. | |
| Vedula et al. | Corticosteroids for treating optic neuritis | |
| CN111681778B (zh) | 一种基于异常购买信息的潜在致瘾致幻药品的预警方法 | |
| Woodard | The opioid epidemic in 2017: are we making progress? | |
| White et al. | Interventions for fatigue in peripheral neuropathy | |
| Wamble et al. | What’s been the bang for the buck? Cost-effectiveness of health care spending across selected conditions in the US | |
| Wolffsohn et al. | An enhanced functional ability questionnaire (faVIQ) to measure the impact of rehabilitation services on the visually impaired | |
| Rosen | Patient controlled analgesia. | |
| CN111681777B (zh) | 一种基于病史信息的潜在致瘾致幻药品的预警方法 | |
| Baek et al. | Signal detection between fluoroquinolone use and the risk of rhegmatogenous retinal detachment: sequence symmetry analysis using nationwide South Korean healthcare database between 2004 and 2015 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |