Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

EMRs apparaissent en tant que moyen précieux pour trouver de mauvaises réactions de médicament

Le Professeur Adjoint Mei Liu, PhD, un informaticien de NJIT, a récent prouvé dans une étude neuve que les dossiers médicaux électroniques peuvent valider des effets indésirables des médicaments et des neufs précédemment enregistrés d'état.

La « Analyse Comparative des Méthodes de Pharmacovigilance dans le Dépistage des Effets Indésirables des Médicaments du Système d'Archivage de Données Médicales » (Tourillon d'Association Américaine d'Informatique Médicale, Mai 2013) a examiné l'utilisation des commandes rétrospectives de médicament et des résultats de laboratoire de malade hospitalisé documentés dans les dossiers médicaux pour recenser des effets indésirables. Douze ans de données de Centre Médical d'Université de Vanderbilt ont été étudiés par Liu et une équipe de recherche. Les chercheurs ont marqué des résultats anormaux de laboratoire avec des gestions de médicament spécifique en comparant les résultats d'un groupe médicament-exposé et d'un groupe non exposé apparié.

La « sécurité de Médicament exige que chaque médicament soit surveillé durant toute sa durée de vie du marché pendant que le dépistage précoce des effets indésirables des médicaments peut mener aux alertes qui évitent le tort patient, » Liu disait. « Récent, les dossiers médicaux électroniques (EMRs) ont apparu comme moyen précieux pour trouver de mauvaises réactions de médicament. »

Liu, un informaticien, NJIT récent jointif. Il emploie des élans avancés d'informatique pour améliorer la santé, avec l'objectif à long terme de recherches de développer des méthodologies d'exploitation des données pour découvrir la connaissance clinique d'EMRs pour améliorer la qualité, la sécurité, l'efficience et l'efficacité de la santé.

« EMRs ont produit un moyen sans précédent pour des études d'observation puisqu'elles contiennent non seulement l'information patiente détaillée, mais également un grand nombre de données cliniques longitudinales, » il a dit. En Dépit de la promesse d'EMR comme outil de recherches, les défis existent pour des études d'observation de grande puissance. Beaucoup d'information clinique appropriée est incluse en texte narratif et les facteurs multiples conspirent à rendre des conclusions particulières tirantes à partir des données d'EMR plus provocantes que des données rassemblées particulièrement aux hypothèses de recherches de réponse. Ainsi, il est désirable de développer des méthodes de calcul efficaces et décisives pour extraire des données d'EMR conduire la recherche d'observation de grande puissance.

L'Effet indésirable des médicaments (ADR) par exemple, est l'une des causes principales pour la défaillance dans le développement de médicament. Et ADR sévères qui disparaissent non détectés jusqu'à ce que la phase de poteau-mercatique d'un médicament mènent souvent à la morbidité patiente, comme exemplifié par de nombreux sevrages médicamenteux. Actuel, il aboutit trois projets pour examiner simultanément des ADR de différentes cornières. D'abord, il vise à prévoir des ADR des propriétés chimiques, biologiques et phénotypiques des médicaments. En Second Lieu, il emploie le laboratoire et les données rétrospectives de commande de médicament d'EMR pour vérifier des ADR. Troisièmement, il explore l'utilisation des techniques de traitement du langage naturel d'extraire des événements défavorables des notes narratives dans EMR et de marquer ces événements avec des médicaments par l'exploitation d'association. Il est également intéressé à d'autres tâches d'exploitation de données pour l'informatique clinique, telle que le médicament repurposing (c.-à-d. application des médicaments connus aux maladies neuves). Il est également intéressé à employer les dossiers médicaux patients pour établir les modèles prévisionnels pour les maladies telles que le diabète et le cancer.

Source : Institut de Technologie de New Jersey