Orapporterade läkemedelsbiverkningar som finns i webbsökningsdata


Orapporterade läkemedelsbiverkningar som finns i webbsökningsdata

Användarbeteende på internet erkänns alltmer som en värdefull informationskälla. Nu har ett team från Stanford University School of Medicine och Microsoft Research visat hur miningrika sömmar av data från användarnas sökhistorik ger viktig information om de orapporterade biverkningarna av droger.

De rapporterar sina resultat i online-utgåvan av den 6 mars Journal of the American Medical Informatics Association .

Medförfattare Russ Altman är professor i bioengineering, genetik och medicin i Stanford. Han säger i ett uttalande:

"Söker hälsoinformation är en stor användning av Internet nu. Så vi trodde att folk troligen skriver in droger de tar och de biverkningar de upplever och att det måste finnas ett sätt för oss att använda dessa data."

Behovet av att öka drogsäkerhetsövervakningen

Författarna noterar i sin studiebakgrund att dåliga läkemedelsbiverkningar orsakar en hög nivå av sjukdom och dödsfall, och är ofta bara upptäckta efter att ett läkemedel kommer på marknaden.

Så det är ett brådskande behov att hitta snabba och korrekta sätt att upptäcka om droger antingen för sig eller i kombination har oväntade biverkningar.

I USA driver mat- och drogadministrationen ett system som heter Biverkningsrapporteringssystemet (AERS) där läkare kan rapportera biverkningar. Men systemet är frivilligt och tar inte alltid upp alla fall där patienter eller läkare märker en ovanlig bieffekt.

Mining Internet Search Histories Redan ger resultat i medicin

Mining sökhistorier av internetanvändare har redan visat sig vara ett korrekt sätt att spåra influensautbrott. Under 2008 lanserade Google ett verktyg som heter Flu Trends, som uppskattar nivån av influensa i varje stat i USA i nästan realtid genom att hålla reda på vissa Google-sökfrågor.

Ett papper som publicerades 2010 visade att titta på platsen och frekvensen av Internet-sökningar relaterade till influensa och dess symtom följde spridningen av influensa i USA så exakt som sjukhusspårningsmetoden som används av Centers for Disease Control and Prevention.

Och under 2012 tog två forskare detta ett steg längre när de avslöjade en ny influenseprognosmodell med hjälp av Googles Flu Trends som förutspår regionala toppar vid influensavörbrott i mer än 7 veckor framåt.

Inspirerad av exempel som dessa var Altman och kollegor intresserade av att upptäcka om gruvansökningsdata för Internet kunde upptäcka droginteraktioner.

Altmans laboratorium hade redan utvecklat några automatiska verktyg för att mina FDA-rapporter för läkemedelsinteraktioner.

Studiemyntdata från 82 miljoner Internet-sökningar på läkemedelsinteraktion

Så med hjälp av Microsoft-teamet anpassade de verktygen för att analysera 12 månaders sökhistorik 2010 från 6 miljoner internetanvändare. Användarna hade samtyckt till att dela loggar av deras webbsökningar anonymt för forskning, via en plug-in för webbläsare.

Det totala antalet läkemedels-, symptom- och tillståndssökningar kom till 82 miljoner.

Forskarna bestämde sig för att mina den här stora databasen för sökningar om en biverkning som uppstår när två droger, paroxetin och pravastatin samlas, som inte var kända under 2010.

Paroxetin är ett antidepressivt läkemedel, och pravastatin är ett kolesterolsänkande läkemedel.

Biverkningen är att risken för att utveckla hyperglykemi (höga blodsockernivåer) är högre från att ta båda drogerna än att ta endera av dem själva.

Teamet använde de förbättrade gruvverktygen för att identifiera sökningar efter information om endera eller båda drogerna och för att utreda sannolikheten för att användarna gör dessa sökningar skulle också söka hyperglykemi eller fraser som internetanvändare kan använda för att beskriva dess symtom.

Viktigt att överväga icke-medicinska sätt att beskriva symtom

Altman säger, "Vi måste verkligen ta hänsyn till denna svårighet att förutsäga folks språk", vilket var hur de kom upp med nästan 80 villkor för symptom eller beskrivningar av hyperglykemi, till exempel "högt blodsocker", "uttorkning", "suddig Vision "eller" frekvent urinering ".

"Vi kunde sakna saker för att, genom att de inte känner sig själva, allmänheten inte känner till medicinsk jargong", förklarar Altman.

Resultaten visade att bland internetanvändare som sökte efter paroxetin eller dess varumärken (t.ex. Paxil) 2010 sökte omkring 5% också en av de 80 termerna som beskrivs hyperglykemi-relaterade symtom. För pravastatin och dess varumärken (t.ex. Pravachol, Selektine) var denna siffra under 4%.

Men för internetanvändare som sökte efter båda drogerna, och även letade efter hyperglykemi-relaterade symtom eller deskriptorer, var kursen mycket högre, med 10%.

För att dubbelkontrollera noggrannheten i deras gruvverktyg gjorde forskarna en annan analys där de letade efter 31 läkemedelskombinationer som redan är kända för att orsaka hyperglykemi och 31 som är kända för att vara säkra.

Den nya analysen visade att läkemedelskombinationerna med kända interaktioner, liksom resultaten för paroxetin-pravastatin-gruvanalysen, gav en högre frekvens av användare som letade efter hyperglykemirelaterade symtom.

Hög grad av falska positiva kan vara en nackdel

Men forskarna fann också att ungefär 12% av internetanvändarna som letar efter interaktioner med läkemedel som visste att de inte hade några biverkningar, visade också en ovanligt hög sökmängd för hyperglykemi-relaterade symtom. Dessa "falska positiva" skulle ha lett till att ingen hade bestämt sig för att följa upp dem.

Trots de falska positiven tror forskarna att de lyssnar på "signaler från mängden", eller eftersträvar "pharmacovigilance" på webben, kan ge noggranna resultat.

De behöver bara utarbeta hur användbar denna gruvmetod kan vara i kontinuerlig övervakning av biverkningar.

Mining flera datakällor kan övervinna nackdelar med att arbeta med "rörig" data

Det kan vara möjligt att sänka frekvensen av falska positiva genom att kombinera internetsökdata med andra källor, t.ex. sociala nätverk, journaler och patientstöd för forum.

Lägg till till det FDA AERS, och datahanteringshälsopersonal som arbetar med medicinska forskningsprogram, och det finns potential att tillhandahålla tillförlitliga listor över läkemedelsinteraktioner för att undersöka ytterligare i kliniska prövningar.

Medförfattare Nigam Shah, biträdande professor i medicin i Stanford, och hans team ser redan hur man ska gruva för läkemedelsinteraktioner i anonymiserade elektroniska hälsovårdsregister.

"Om vi ​​överskrider flera datakällor, kan vi triangulera utifrån vad läkare och patienter är oroade över" Säger Shah.

Shah medger att data från internet sökningar alltid kommer att vara "rörigt". Det uppstår för så många olika anledningar: Användare kan söka efter symtom eftersom de tar drogerna, eller någon annan tar dem. Och när det finns hög profilmedia täckning av ett visst läkemedel eller symtom, kommer det att finnas alltför stora sökningar på de som blåser upp resultaten.

Men Shah säger att du kan arbeta med röriga data om du har tillräckligt med det, vilket är fallet när miljontals sökningar är tillgängliga. Då kan resultaten informera riktlinjer för vidare utredning.

Altman tror att patienter säger mycket om droger och "Vi måste räkna ut sätt att lyssna" .

Mining internet sökningar är "bara ett sätt att lyssna och en ansökan", tillägger han.

Fonder från National Institutes of Health hjälpte till att betala för studien.

(Hd) Hon Fick Sitt Minne Förstört Av Elchocksbehandlingar (Ect) 3 (Video Medicinsk Och Professionell 2019).

Avsnitt Frågor På Medicin: Kvinnor hälsa