期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于文本知识库的肝损伤药物不良反应大数据智能识别研究 被引量：1
1
作者 葛斐林 郭玉明 +4 位作者 牛明 赵旭 柏兆方 王伽伯 肖小河 《临床肝胆病杂志》 CAS 北大核心 2022年第2期387-391,共5页
目的本研究基于药物不良反应(ADR)文本知识库的探索性构建,尝试建立肝损伤相关ADR的大数据智能识别方法。方法以“药物性肝损伤”“药源性肝损伤”“肝功能异常”等为关键词,检索时间为2012年1月1日—2016年12月31日,检索并随机抽取药... 目的本研究基于药物不良反应(ADR)文本知识库的探索性构建,尝试建立肝损伤相关ADR的大数据智能识别方法。方法以“药物性肝损伤”“药源性肝损伤”“肝功能异常”等为关键词,检索时间为2012年1月1日—2016年12月31日,检索并随机抽取药品不良反应监测系统数据库中5%(4152份)肝损伤相关ADR病例报告。结合医师临床再评价,分为“否定病例”“疑似病例”“确定病例”。在此基础上,进行关键要素的识别(不良反应名称、生化指标、临床症状),采用关键要素与临床再评价的相关性分析,以及ROC曲线确定评分阈值等构建肝损伤相关ADR智能识别方法,并采用交叉验证的方法评价该智能识别方法的效能。结果肝损伤相关ADR评价识别公式为:总分(M)=症状分数+指标分数+不良反应名称分数,“否定病例”与“疑似病例”“确定病例”在M=5分区分度最好(AUC=0.97),敏感度为99.57%,特异度为84.61%;“确定病例”与“疑似病例”“否定病例”在M=12分区分度最好(AUC=0.938),敏感度为87.93%,特异度为85.98%。结论该方法将为肝损伤相关ADR大数据智能识别评价提供参考和依据,有望有效减轻人工处理肝损伤相关ADR大数据的负担,为肝损伤相关ADR的早期风险信号识别及预警提供有效工具和方法学示范。 展开更多
关键词 肝疾病 药物相关性副作用和不良反应 知识库 人工智能
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部