|
本研究は、PharmacoVigilanceにおいて、頻用されているシグナル検出手法であるProportional Reporting Rate(PRR)、Reporting Odds Ratio(ROR)、Bayesian Confidence Propagation Neural Network(BCPNN)、Gamma Poisson Shrinker(GPS)などに替わる副作用自発報告データベースを用いた副作用発現因子を探索する簡便な手法の構築を目的としている。
そのため、本課題の研究期間を通して、副作用発現因子を探索する簡便な手法として、aprioriアルゴリズムを活用したアソシエーション分析によるシグナル検出の可能性を模索してきた。
最終年度も、アソシエーション分析を使用して従来の評価法とのシグナル検出力の違いについて解析・検証を行った。
本研究で設定したアソシエーション分析の検出基準では、腎障害をもつ全年齢患者における副作用検出は、感度99.58%、特異度94.99%、Youden's index0.946であった。また、肝障害をもつ全年齢患者における副作用検出においても、感度99.57%、特異度94.87%、Youden's index0.944の検出力があることを明らかにした。
また、本研究で提案するアソシエーション分析を活用した検出手法と既存のベイズ推計に基づく検出手法であるBCPNNを用いて、慢性腎不全患者における薬剤性認知機能障害を引き起こす医薬品について明らかにした。
|
