NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Elektronik sağlık kayıtları ve sigorta talepleri gibi ObjectiveObservational tıbbi veritabanları, milyonlarca bireyin sağlık yörüngesini izler. Bu veritabanları, büyük hasta kohortları ve ilaç reçete geçmişi hakkında gerçek dünya boyuna bilgi sağlar. Piyasa içi reçeteli ilaçlar için yeni endikasyonları belirlemek için bu tür veritabanlarını sistematik olarak analiz eden, kullanımı kolay bir çerçeve sunuyoruz.Materyaller ve yöntemlerKapsamımız, çalışma tasarım parametrelerini tanımlamak ve hasta kohortlarını, hastalıkla ilgili sonuçları ve gözlemsel veritabanlarındaki potansiyel karıştırıcıları çıkarmak için bir arayüz sağlar. Daha sonra reçeteli ilaçlar için yüzlerce randomize kontrollü denemeyi (RCT) taklit etmek için nedensel çıkarım metodolojisini uygularken, karıştırma ve seçim önyargılarına uyum sağlar. Birden fazla test için düzeltildikten sonra, her bir veritabanında tahmini etkileri ve istatistiksel önemini ortaya çıkarır.SonuçlarParkinson hastalığı (PD) ile ilgili bir vaka çalışmasında çerçevenin yararını gösteriyoruz ve 259 ilacın 150 milyondan fazla hastayı kapsayan iki gözlemsel tıbbi veri tabanında çeşitli PD ilerleme ölçümleri üzerindeki etkisini değerlendiriyoruz. Bu taklit çalışmaların sonuçları, en umut verici adaylar için iki veritabanları arasında dikkate değer bir anlaşma ortaya koymaktadır.Gözlemsel verilerden ilaç etkilerini tahmin etmek, veri önyargıları ve gürültü nedeniyle zordur. Bu zorluğun üstesinden gelmek için, nedensel çıkarım metodolojisini alan bilgisi ile entegre ediyoruz ve tahmin edilen etkileri iki ayrı veri tabanında karşılaştırıyoruz.ConclusionOur framework, gözlemsel verileri kullanarak RCT'leri taklit ederek ilaç adaylarını sistematik olarak yeniden gözden geçirmeyi sağlar. Ayrı veritabanları arasındaki yüksek düzeydeki anlaşma, tanımlanan etkileri güçlü bir şekilde desteklemektedir.
Özgün kaynak özetini okuyun
ObjectiveObservational medical databases, such as electronic health records and insurance claims, track the healthcare trajectory of millions of individuals. These databases provide real-world longitudinal information on large cohorts of patients and their medication prescription history. We present an easy-to-customize framework that systematically analyzes such databases to identify new indications for on-market prescription drugs.Materials and methodsOur framework provides an interface for defining study design parameters and extracting patient cohorts, disease-related outcomes, and potential confounders in observational databases. It then applies causal inference methodology to emulate hundreds of randomized controlled trials (RCTs) for prescribed drugs, while adjusting for confounding and selection biases. After correcting for multiple testing, it outputs the estimated effects and their statistical significance in each database.ResultsWe demonstrate the utility of the framework in a case study of Parkinson's disease (PD) and evaluate the effect of 259 drugs on various PD progression measures in two observational medical databases, covering more than 150 million patients. The results of these emulated trials reveal remarkable agreement between the two databases for the most promising candidates.DiscussionEstimating drug effects from observational data is challenging due to data biases and noise. To tackle this challenge, we integrate causal inference methodology with domain knowledge and compare the estimated effects in two separate databases.ConclusionOur framework enables systematic search for drug repurposing candidates by emulating RCTs using observational data. The high level of agreement between separate databases strongly supports the identified effects.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.