基于临床大数据的多模式多视图不合理处方识别模型的构建与优化研究

To minimize the harm of irrational use of drugs, real-time irrational prescriptions detection is foundation for effective intervention in routine medical practice. Current practice of prescription review need to be improved urgently because of its limitations such as low coverage, high omission rate and lag of supervision. Electronic prescription big data provide a golden opportunity to automate the process of irrational prescription detection. Using billions of prescription data in the Chinese monitoring system for rational use of drugs, the research aims to develop a multi-view and multi-modal irrational prescription detection model based on anomaly detection and frequent pattern mining techniques, and to iteratively evaluate and optimize the model based on multiple outcomes of the clinical data from Yinzhou. The research focuses on three key issues: 1) the construction of a multi-view irrational prescription detection model. 2) the parameter settings of different models in a multi-modal method. 3) the decision making strategy of the model based on the outcomes of the patients. The model aims to effectively filter irrational prescriptions from prescription big data, which is much more economically efficient than manual prescription review. By discovering the latent irrational prescription pattern and imbedding the model into routine medical practice, it is possible to achieve real-time intervention of irrational prescription, which can help to minimize the harm of irrational drug use and provides significant social benefit. Last but not the least, the research can be of great value in providing references for other data-driven studies in the field of irrational drug use.

不合理用药危害巨大，及时发现不合理处方是进行有效干预的基础。但目前采用的抽样处方点评模式覆盖面小、漏查率高、监管滞后，亟需改进。本研究拟利用全国合理用药监测系统2010年至今收集的上百亿条门诊处方数据，基于异常检测技术、频繁模式挖掘技术进行多模式多视图的不合理处方识别模型的构建；基于宁波鄞州区数年来积累的临床大数据从多类结局视图角度进行模型可用性的验证并不断迭代优化模型。拟解决三个关键科学问题：多视图不合理处方检测模型构建；多模式方法中不同模型的参数设置；综合判定结局指标的方法。本课题所研究的方法能从大量的处方数据中快速有效地筛选不合理处方，减少抽样点评人力和时间的消耗，具有很好的经济效益；通过发现大量潜在的不合理用药模式，将模型嵌入到日常诊疗流程中，还可实现不合理处方的及时干预，减少不合理用药危害，具有良好的社会效益。这种数据驱动的不合理用药研究也为今后的同类研究提供思路和方法学参考。

不合理用药危害巨大，如何及时发现不合理处方是当前亟待解决的问题，通过及时发现和有效干预可以减少不合理用药的巨大危害。处方点评是发现不合理用药的手段之一，但采用传统的人工处方点评耗时费力，对药品风险管理具有滞后性。随着大数据时代的到来，以大规模电子处方数据库，借助数据挖掘技术探索基于数据的不合理用药处方识别成为可能，但如何从中提取有效的合理用药规则是制约其使用的瓶颈。本研究基于大量的处方数据，利用多视图主题建模技术结合主题匹配方法构建不合理用药处方识别模型，评价模型不合理用药处方识别能力。研究中通过对全国性处方监测数据的深入了解，探讨电子处方数据应用于数据挖掘领域的可行性，并基于北京市区域处方点评数据建立了不合理用药处方识别模型评价的金标准数据库，为本研究的模型评价提供了验证数据基础，也可以用于相似研究中。此外，基于朴素LDA算法，开发了多视图主题模型算法并提出了内存优化方案及计算优化方案，大大提高了主题模型构建诊断-用药联合主题模型的效率；针对本研究提出了用于多项分布相似度计算的方法——主题匹配法，提高了不合理用药处方识别模型的识别能力。通过利用金标准数据库评价模型的真实性，对模型的训练参数不断优化，在获得最优模型的基础上，开发了用户友好的图形界面支持系统，可以实现数据的读取、模型训练及不合理用药处方的筛选功能。本研究构建的不合理用药处方识别模型具有较好的灵敏度和稳定性，但由于其特异度较低，现阶段可以作为初筛工具弥补当前处方点评工作的缺陷，提高不合理用药处方的识别效率。本研究首次尝试基于多视图多属性的主题模型构建了不合理用药处方识别模型，为今后快速有效的发现不合理用药处方提供了新的方法学探索，也为我国开展基于更大型电子处方数据、电子病历数据构建针对所有门诊及住院患者不合理用药相关研究提供了参考。

内容获取失败，请点击重试