基于真实世界数据与定量构效关系的儿童药源性免疫性血小板减少症研究
Pediatric Drug-Induced Immune Thrombocytopenia Based on Real World Data and Quantitative Structure-Activity Relationship
摘要目的 利用医院电子病历数据和药物的构效关系开展儿童药源性免疫性血小板(DIIT)风险信号挖掘及毒性评价研究.方法 使用北京儿童医院 2009年1月1日至 2020 年12月31日电子病历数据开展真实世界研究,利用改良的实验室极端异常比例失衡法挖掘儿童DIIT潜在信号;基于多来源信息构建DIIT基准数据库,并利用3种机器学习算法支持向量机、随机森林和XGBoost算法和药物分子描述符(ECFP4和CORINA),构建定量构效关系(QSAR)模型,基于药物理化性质和分子指纹开展DIIT的毒性评价研究.结果 基于电子病历数据挖掘 18个儿童DITP阳性信号药物.其中制霉菌素和拉氧头孢钠是儿童和成人的2个新的DITP阳性信号(DITP风险分别为OR:1.75,95%CI:1.37~2.22 和OR:1.61,95%CI:1.38~1.88),另发现 6 个儿童尚未报告的新的阳性信号药物:亚胺培南、替考拉宁、夫西地酸、头孢唑肟钠、头孢他啶和头孢吡肟.基于1 319 种化合物所构建的9个不同的QSAR模型中效果最优的前3个模型分别为SVM-ECFP4+CORINA模型、RF-ECFP4+CORINA模型及XGBoost-ECFP4模型,其外部验证集上曲线下面积依次为0.747、0.732及0.712.经3个最优模型所组成的共识模型可准确预测出在第一步中发现的7种潜在阳性信号.结论 真实世界信号挖掘方法与QSAR模型相结合可进一步完善我国药品上市后安全性评价的方法学体系.
更多相关知识
- 浏览2
- 被引0
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文