Quais métodos estatísticos e de aprendizado de máquina são usados para detectar reações adversas a medicamentos?
Resposta curta: Uma revisão sistemática de 72 artigos (2015-2020) mostrou que 51 usaram métodos estatísticos e 21 de aprendizado de máquina. Para dados de notificação espontânea, predominaram métodos de desproporcionalidade; para prontuários eletrônicos, regressão. Em aprendizado de máquina, o DrugBank foi o banco mais usado, com destaque para o método k-nearest neighbor.
Resposta
A revisão sistemática analisou 72 artigos publicados entre 2015 e 2020 que aplicaram métodos estatísticos ou de aprendizado de máquina para detectar sinais de reações adversas a medicamentos (RAM). Desses, 51 abordaram métodos estatísticos e 21, métodos de aprendizado de máquina. O objetivo foi examinar as ferramentas analíticas empregadas e as bases de dados utilizadas.
Para dados de sistemas de notificação espontânea, como o FDA Adverse Event Reporting System (FAERS), os componentes do método de desproporcionalidade foram os preferidos. Já os dados de prontuários eletrônicos foram analisados exclusivamente por métodos de regressão. Essa distinção reflete a adequação de cada método ao tipo de dado disponível.
No campo de aprendizado de máquina, o DrugBank foi o banco de dados mais utilizado, embora apenas metade de seu conteúdo tenha sido explorada. O método k-nearest neighbor foi o mais frequente entre os estudos de aprendizado de máquina. Além disso, observou-se uma forte tendência de combinar diferentes fontes de dados nesses estudos.
Os autores concluem que a revisão fornece orientações sobre quais bases de dados são frequentemente utilizadas e quais métodos de análise podem ser associados a cada tipo de dado. Para análises estatísticas, mais de 90% dos casos usaram desproporcionalidade ou regressão com dados de notificação espontânea ou prontuários eletrônicos. Para aprendizado de máquina, houve maior diversidade de combinações de dados.
Essas informações podem auxiliar na escolha de abordagens metodológicas para estudos de farmacovigilância e para a implementação de sistemas de detecção de RAM em serviços de saúde, considerando as características dos dados disponíveis.
O que o estudo mostrou
Revisão sistemática de 72 artigos publicados entre 2015 e 2020, seguindo as diretrizes PRISMA. Desses, 51 abordaram métodos estatísticos e 21, aprendizado de máquina. Dados de prontuários eletrônicos foram analisados exclusivamente por regressão. Para dados do FAERS, predominaram métodos de desproporcionalidade. O DrugBank foi o banco mais usado em aprendizado de máquina, com destaque para o método k-nearest neighbor. Mais de 90% das análises estatísticas usaram desproporcionalidade ou regressão.
Limitações
O resumo não informa as limitações do estudo, como viés de publicação ou heterogeneidade dos artigos incluídos. Também não detalha a qualidade metodológica dos estudos analisados. As conclusões se restringem aos artigos publicados entre 2015 e 2020, e o resumo não permite generalizações para outras bases de dados ou períodos.
Aplicação no consultório
O conhecimento sobre os métodos mais utilizados para detectar RAM pode orientar médicos na interpretação de alertas de farmacovigilância e na escolha de ferramentas para monitorar reações adversas em prontuários eletrônicos. Na gestão do consultório, entender que métodos estatísticos como desproporcionalidade e regressão são predominantes pode auxiliar na seleção de sistemas de apoio à decisão clínica. Além disso, a revisão destaca a importância de combinar diferentes fontes de dados para melhorar a detecção de RAM, o que pode influenciar a implementação de tecnologias de informação na prática clínica.
Estudo citado
Analyzing adverse drug reaction using statistical and machine learning methods: A systematic review. Medicine, 2022.
Autores: Kim HR, Sung M, Park JA, Jeong K, Kim HH, Lee S, Park YR.
DOI: 10.1097/MD.0000000000029387 · PubMed: PMID 35758373
Perguntas para aprofundar
- Quais métodos estatísticos são mais usados para detectar sinais de reações adversas a medicamentos?
- Como o aprendizado de máquina pode ser aplicado na farmacovigilância?
- Quais bases de dados são mais utilizadas em estudos de reações adversas a medicamentos?
Mais sobre IA em triagem e prontuário eletrônico
- Modelos de machine learning são eficazes para prever eventos adversos a medicamentos em pacientes ambulatoriais?
- Como o aprendizado de máquina tem sido aplicado aos registros administrativos de saúde e quais são as limitações dessa abordagem?
- A aprendizagem de máquina distribuída a partir de bases federadas pode viabilizar big data em saúde sem centralizar dados de pacientes?
- Aprendizado de máquina e aprendizado profundo são eficazes para prever mortalidade por sepse usando prontuário eletrônico?
- Modelos preditivos baseados em aprendizado de máquina superam os modelos clínicos tradicionais na tromboembolia venosa?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown