Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

Development of Mining model through reproducibility assessment in Adverse drug event surveillance system

약물부작용감시시스템에서 재현성 평가를 통한 마이닝 모델 개발

  • 이영호 (가천의과대학교 의료공학부 IT학과) ;
  • 윤영미 (가천의과대학교 의료공학부 IT학과) ;
  • 이병문 (가천의과대학교 의료공학부 IT학과) ;
  • 황희정 (가천의과대학교 의료공학부 IT학과) ;
  • 강운구 (가천의과대학교 의료공학부 IT학과)
  • Published : 2009.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

ADESS(Adverse drug event surveillance system) is the system which distinguishes adverse drug events using adverse drug signals. This system shows superior effectiveness in adverse drug surveillance than current methods such as volunteer reporting or char review. In this study, we built clinical data mart(CDM) for the development of ADESS. This CDM could obtain data reliability by applying data quality management and the most suitable clustering number(n=4) was gained through the reproducibility assessment in unsupervised learning techniques of knowledge discovery. As the result of analysis, by applying the clustering number(N=4) K-means, Kohonen, and two-step clustering models were produced and we confirmed that the K-means algorithm makes the most closest clustering to the result of adverse drug events.

약물부작용감시시스템 (Adverse drug event surveillance system)은 약물부작용신호를 이용하여 약물의 부작용 여부를 식별하는 시스템이다. 기존의 자발적 보고나 차트리뷰 보다 효율성이 뛰어난 시스템으로 분류할 수 있다. 본 논문에서는 약물부작용감시시스템을 구현하기 위하여 임상데이터마트(GDM)를 구축하였다. 특히, 데이터 품질관리 기법을 적용하여 구축된 CDM에 지식 탐사 기법 중 비교사학습 기법으로 적용하여 모델의 재현성을 평가하여 최적의 약물부작용 군집화 개수(n=4)를 도출하였다. 군집화 개수(n=4)를 이용하여 약물부작용 판별을 위한 K-means, Kohonen, two-step clustering model 알고리즘에 적용하여 분석함으로써 K-means 알고리즘이 가장 우수한 군집 효과를 나타냄을 확인하였다.

Keywords

References

  1. 범희승, 박성희, 최진욱, 김춘배, "임상의사결정지원시스템의 약제부작용 감소 효과에 관한 메타분석," 대한의료정보학회지, 제8권, 제2호, 55-60쪽, 2002년 11월.
  2. Ashish K, Jha, Gilad J. Kuperman, Jonathan M. Teich, Lucian Leape, Brian Shea, Eve Rittenberg, Elisabeth Burdick, Diane Lew Seger, Martha Vander Vliet, and David W. Bates, "Identifying Adverse Drug Events: Development of a Computer-based Monitor and Comparison with Chart Review and Stimulated Voluntary Report," J Am Med Inform Assoc Vol. 5, No. 3, pp. 305-314, May 1998. https://doi.org/10.1136/jamia.1998.0050305
  3. Homas J. Moore, AB et al, "Serious Adverse Drug Events Reported to the Food and Drug Administration," Arch Intern Med, Vol. 167, No. 16 pp. 1752-1759, September 2007. https://doi.org/10.1001/archinte.167.16.1752
  4. 최경아, 정인성, 유현선, 윤은실, 이영호, 강운구, "의약품 창고관리를 위한 RFID 시스템의 인식률에 관한 연구," 한국컴퓨터정보학회 학술발표논문집, 제16권, 제2호, 249-254쪽, 2009년 1월.
  5. Peter Martin, Walter E. Haefeli, and Meret MartirrFacklam, "A Drug Database Model as a Central Element for Computer-Supported Dose Adjustment within a CPOE System," J Am Med Inform Assoc Vol. 11, No. 5, pp. 427-432, June 2005. https://doi.org/10.1197/jamia.M1296
  6. Kusiak A, Shah S, "Data Mning and Warehousing in Pharma Industry In J.WangCed.): Encyclopedia of Data Warehousing and Mining," Idea Group., Hershey, PA, pp. 239-244, Apr. 2006.
  7. Andrew M.Wilson, Lehana Tabane, Anne Holbrook, Application of Data mining techniques in pharmacovigilance. British Journal of Clinical Pharmacology," Blackwell Publishing Ltd, 57: 2 pp. 127-134. Feb. 2003.
  8. 이재호, 손유동, 오범진, 김원, 임경수, "서울아산병원의약물알레르기 경보시스템 초기적용 경험," 대한의료정보학회지 제12권, 제2호, 133-140쪽, 2006년 6월.
  9. David W. Bates, R. Scott Evans, Harvey Murff, Peter D. Stetson, Lisa Pizziferri, and George Hripcsak, " Detecting Adverse Events Using Information Technology," J Am Med Inform Assoc Vol. 10, No. 2, pp. 115-128, Mar. 2003. https://doi.org/10.1197/jamia.M1074
  10. James G. Anderson, Stephen J. Jay, Marilyn Anderson, and Thaddeus J. Hunt, "Evaluating the Capability of Information Technology to Prevent Adverse Drug Events, A Computer Simulation Approach," J Am Med Inform Assoc Vol. 9, No. 5, pp. 479-490, Sept. 2002. https://doi.org/10.1197/jamia.M1099
  11. 박희경, 최진욱, 황재준, 하승민 "MLMPlusd : Arden Syntax 기반의 실시간 의사결정지원시스템의 개발," 대한의료정보학회지, 제12권, 보완본 2호, 167-172쪽, 2005년 4월.