2021 Fiscal Year Annual Research Report
計算科学に基づくデータマイニングを活用したエビデンスの高い有害事象シグナルの創出
| Project/Area Number |
19K20731
|
|---|
| Research Institution | Gifu Pharmaceutical University |
|---|
Principal Investigator |
野口 義紘 岐阜薬科大学, 薬学部, 講師 (80724608)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 医薬品相互作用 / シグナル / 計算科学 / データマイニング / 頻度論的統計学 / 検出アルゴリズム / ベイズ流アプローチ |
|---|
| Outline of Annual Research Achievements |
本研究は、計算科学に基づくデータマイニングを活用したエビデンスの高い有害事象シグナルの創出を目的としている。昨年度に引き続き、既存のシグナル検出手法について、より理解を深めるために、検出アルゴリズムについて網羅的な文献調査や検出アルゴリズムの検出傾向について検証した。
昨年度の段階で、既に医薬品相互作用のシグナルを検出するためのアルゴリズムのうち、頻度論的統計学に基づくアルゴリズムである（１）Ω Shrinkage Measure model、（２）Additive model、 （３）Multiplicative Model、（４）Combination Risk Ratio Model、（５）Chi-Square Statistics Model、これら5つの検出アルゴリズムのうち、Ω Shrinkage Measure modelが最も保守的なシグナル検出傾向を示すことを明らかにしている。
本年度は、一般的には、単剤のシグナル検出に用いられるReporting Odds Ratioの医薬品相互作用への適用に関する問題点を調査した。
また、自発報告データベースを用いた有害事象シグナル解析には、報告バイアスのほかに様々な留意点が存在する。それら留意点についても調査し、検出アルゴリズムと解析上の留意点について総説をまとめた。
この総説に基づき、留意点に注意して、適切な検出アルゴリズムを使用して、医薬品と有害事象の関連性についていくつか報告している。それらのうち、同じペプチド（サブスタンスP）に作用する医薬品群（Dipeptidyl peptidase-4阻害薬およびAngiotensin-converting-enzyme阻害薬）における有害事象としての「血管浮腫」の発現傾向の違いについても明らかにした。
|
