Identification of adverse drug-drug interactions through causal association rule discovery from spontaneous adverse event reports

Cai, Ruichu; Liu, Mei; Hu, Yong; Melton, Brittany L.; Matheny, Michael E.; Xu, Hua; Duan, Lian; Waitman, Lemuel R.

doi:10.1016/j.artmed.2017.01.004

Cited by 69 publications

(47 citation statements)

References 41 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Outra estrutura de destaque nesse mapeamento são as Redes Bayesianas, que possuem uma abordagem estatística em sua formação. As Redes Bayesianas foram aplicadas nas fases de extração e pós-processamento (DELGADO et al, 2018;CAI et al, 2017;SHENG et al, 2016;NEMATI;SANT'ANNA;NOWACZYK, 2016;HERNANDEZ-LEAL et al, 2013;ODEH;AL-NAJDAWI, 2013;VEDULA;THATAVARTI, 2011;ZHANG, 2011).…”

Section: Resultsunclassified

“…Nas tarefas de análise exploratória vários tipos de Redes foram utilizadas, bem como a forma na qual cada uma delas se apresentou ANAND;VINODCHANDRA, 2018;SU, 2017;Özgür Cingiz;BIRICIK;DIRI, 2017;KIM et al, 2017;INDHUMATHY;NABHAN;ARUMUGAM, 2017;CAI et al, 2017;NAMAKI et al, 2017;SHA, 2017;ADARICHEVA;NATION, 2017;SHIN, 2017;GAO et al, 2017b;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;BELYI et al, 2016;SHEN, 2016;XU, 2016;WILKE et al, 2016;DASGUPTA;SAHA, 2016;RAWAT et al, 2016;ABAY;MUTLU;KARAGOZ, 2016;DU et al, 2015;YANG, 2015;HENDRICKX et al, 2015;NADI et al, 2014;RANJAN;VAISH;COULL, 2014;ZHAI;PEDRYCZ, 2012;MORE et al, 2011;VEDULA;THATAVARTI, 2011).…”

Section: Resultsunclassified

“…A extração de um número elevado de regras pode, por exemplo, tornar o processo de análise muito custoso computacionalmente, ou até mesmo inviável, além de afetar negativamente o resultado de alguns algoritmos utilizados para extração de conhecimento. Com o intuito de minimizar esses problemas, várias pesquisas buscam abordagens que realizam a seleção das regras por meio de estratégias de poda, uso de Medidas Objetivas para seleção e estruturas de Rede para extração das regras (CAI et al, 2017;ZHENWEI;LINGYUN;LIZHU, 2016;RAWAT et al, 2016;BELYI et al, 2016;CARVALHO, 2014;GAMA;FERREIRA, 2012). No entanto, a grande maioria dessas abordagens se concentra na exploração com o uso de todas as regras geradas e não considerando explorações que possam se concentrar em um pequeno conjunto de itens (itemsets) ou em um item alvo (variável de estudo).…”

Section: Lista De Ilustraçõesunclassified

“…Para dados relacionados à saúde(DELGADO et al, 2018;MINELGA et al, 2017;INDHUMATHY;NABHAN;ARUMUGAM, 2017;TSAI et al, 2017;KIM et al, 2017;TURGEMAN;SCIULLI, 2017;MARTÍNEZ-BALLESTEROS et al, 2017;BELYI et al, 2016;HERNANDEZ-LEAL et al, 2013), a validação estatística transcreve os índices de acurácia dos métodos, além de possibilitar um comparativo com outras abordagens já existentes na literatura. Outros trabalhos que utilizam Redes Bayesianas(DELGADO et al, 2018;CAI et al, 2017;NEMATI;SANT'ANNA;NOWACZYK, 2016;IQBAL et al, 2014;ODEH;AL-NAJDAWI, 2013;ZHANG, 2011;VEDULA;THATAVARTI, 2011) também executam o estudo estatísticos, pois são a base para a construção desse tipo de Rede.A utilização de uma validação estatística foi possível em pesquisas relacionadas a Grafos e Redes (FAN;NAMAKI et al, 2017;ADARICHEVA;NATION, 2017;CAI et al, 2017;XU, 2016;SHEN, 2016; HENDRICKX et al, 2015) por fazerem uso de Medidas de Rede que podem auxiliar no processo de mineração de dados e geração de conhecimento.Estruturas de árvores de decisão foram utilizadas nas pesquisasde Li et al (2017) e Sheu et al (2016, além do trabalhode Wang et al (2018) que utiliza árvores na validação estatística dos itemsets frequentes.Outros trabalhos também realizaram a validação estatística com o uso de métricas específicasSHENG et al, 2016;LI-XIONG et al, 2015) e em etapas de pós-processamento de Regras de Associação (PADUA; CARVALHO; REZENDE, 2016; PADUA; REZENDE; CARVALHO, 2014).…”

unclassified

“…A avaliação por especialistas foi detectada principalmente em dados relacionados à saúde(HONG et al, 2018;Özgür Cingiz;BIRICIK;DIRI, 2017;TSAI et al, 2017;FU et al, 2017). 19 -Descrição do método proposto aplicado na pesquisa Fonte: Elaborada pelo autor.Os processos de validação apresentados foram realizados com o uso de várias estruturas e métricas como Redes Bayesianas(DELGADO et al, 2018;CAI et al, 2017;NEMATI; SANT'ANNA; NOWACZYK, 2016) e árvores de decisão(FU et al, 2017;LI et al, 2017;SHEU et al, 2016).Em 55% dos artigos é efetuada uma comparação (Figura 21) do método proposto com outros na literatura. Destaca-se a pesquisa deDing et al (2013) que trata de um tema muito comum, detecção de malwares de forma rápida.…”

unclassified

See 4 more Smart Citations

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

Este trabalho é dedicado à minha família em todos os planos da vida AGRADECIMENTOS Agradecimentos são sempre feitos de forma simples e direta citando nomes e elementos de uma forma geral que contribuíram com este trabalho. Farei um pouco diferente, pois são nas diferenças que percebemos o quanto a nossa vitória realmente compensou.Dizer que agradeço a Deus é muito pouco diante de tamanha dívida que possuo com o criador. Graças a Ele, tive e tenho a oportunidade de usufruir de uma reencarnação repleta de aprendizados, sendo a conclusão deste trabalho de grande importância em minha vida. Não tendo realmente outras palavras, simplesmente digo OBRIGADO SENHOR! Muito mais que uma orientadora, uma amiga e quase uma mãe, acima de tudo alguém que confiou em mim, no meu potencial. Ela me motivou desde o início, mesmo antes de saber que seria minha orientadora, e continua me inspirando a seguir firme, em frente, e a sempre "defender meu cinturão" após o doutorado. Prof a Solange Rezende, obrigado pela veracidade e pelo norteamento de minha vida acadêmica e pessoal, tornando-me um cientista da computação de verdade e um ser humano melhor.Agradecer a todos que contribuíram diretamente com os experimentos e estudos. Meu amigo Renan pelo tempo compartilhado em várias conversas e debates nos estudos de Mineração de Regras de Associação. Minhas "protetoras" Ivone, Roberta e Camila que me auxiliaram em tantas oportunidades, não só com orientações e sugestões sobre o trabalho, mas também sobre aspectos de minha vida pessoal.Agradecer aos demais membros da equipe SOL que tive o prazer de conviver. João Antunes, Ricardo Scheicher, Ricardo Marcacini, Vítor e Dildre, além dos outros que contribuíram bastante comigo, mesmo sem saber. Agradecer a todos do LABIC, na pessoa dos professores Alneu e Gustavo, e de todos seus orientandos, por me acolherem tão bem e me ensinarem que para crescer profissionalmente a gente DEVE compartilhar.Meu muito obrigado aos professores do Programa de Pós-graduação em Ciências da Computação e Matemática Computacional da USP em São Carlos pela paciência a mim direcionada e pelas disciplinas fundamentais em minha formação, destaco o Professor Cláudio Toledo que se tornou um parceiro de pesquisa e um amigo para o resto da vida. A todos os funcionários da USP que eu tanto "perturbei", muito obrigado! Emano gratidão a todos que coordenaram esse programa durante a minha passagem, em especial ao professor Ades que muitas vezes pareceu que estava atendendo a um parente próximo bem querido quando eu a ele me dirigia para tirar dúvidas e principalmente pedir ajuda. Ajuda que nunca foi negada.Às vezes agradecemos pela realização de sonhos, principalmente àqueles que nem sabíamos que poderiam ser realizados, por isso agradeço à UESPI e à USP-São Carlos por possibilitarem que eu fizesse um doutorado na melhor Universidade da América Latina, e ainda com nota 7 da CAPES, algo inimaginável para mim.Agradecimento a todos os meus colegas de DINTER, que mesmo sem a possibilidade de convivermos durante todo o processo do douto...

show abstract

Section: Resultsunclassified

Section: Lista De Ilustraçõesunclassified

unclassified

See 3 more Smart Citations

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

show abstract

Validation of a Handheld 6-Lead Device for QT Interval Monitoring in Resource-Limited Settings

Metcalfe,

Economou,

Naufal

et al. 2024

JAMA Netw Open

View full text Add to dashboard Cite

ImportanceRifampin-resistant tuberculosis treatment regimens require electrocardiographic (ECG) monitoring due to the use of multiple QTc-prolonging agents. Formal 12-lead ECG devices represent a significant burden in resource-constrained clinics worldwide and a potential barrier to treatment scale-up in some settings.ObjectiveTo evaluate the diagnostic accuracy of a handheld 6-lead ECG device within resource-constrained clinics.Design, Setting, and ParticipantsThis diagnostic study was performed within a multicenter, pragmatic (broad eligibility criteria with no exclusions for randomized participants), phase 3 rifampin-resistant tuberculosis treatment trial (BEAT Tuberculosis [Building Evidence for Advancing New Treatment for Tuberculosis]) in South Africa. A total of 192 consecutive trial participants were assessed, and 191 were recruited for this substudy between January 21, 2021, and March 27, 2023. A low proportion (3 of 432 [0.7%]) of all screened trial participants were excluded due to a QTc interval greater than 450 milliseconds. Triplicate reference standard 12-lead ECG results were human calibrated with readers blinded to 6-lead ECG results.Main Outcomes and MeasuresDiagnostic accuracy, repeatability, and feasibility of a 6-lead ECG device.ResultsA total of 191 participants (median age, 36 years [IQR, 28-45 years]; 81 female participants [42.4%]; 91 participants [47.6%] living with HIV) with a median of 4 clinic visits (IQR, 3-4 visits) contributed 2070 and 2015 12-lead and 6-lead ECG assessments, respectively. Across 170 participants attending 489 total clinic visits where valid triplicate QTc measurements were available for both devices, the mean 12-lead QTc measurement was 418 milliseconds (range, 321-519 milliseconds), and the mean 6-lead QTc measurement was 422 milliseconds (range, 288-574 milliseconds; proportion of variation explained, R2 = 0.4; P &lt; .001). At a QTc interval threshold of 500 milliseconds, the 6-lead ECG device had a negative predictive value of 99.8% (95% CI, 98.8%-99.9%) and a positive predictive value of 16.7% (95% CI, 0.4%-64.1%). The normal expected range of within-individual variability of the 6-lead ECG device was high (±50.2 milliseconds [coefficient of variation, 6.0%]) relative to the 12-lead ECG device (±22.0 milliseconds [coefficient of variation, 2.7%]). The mean (SD) increase in the 12-lead QTc measurement during treatment was 10.1 (25.8) milliseconds, with 0.8% of clinic visits (4 of 489) having a QTc interval of 500 milliseconds or more.Conclusions and RelevanceThis study suggests that simplified, handheld 6-lead ECG devices are effective triage tests that could reduce the need to perform 12-lead ECG monitoring in resource-constrained settings.

show abstract

Harnessing an Artificial Intelligence Platform to Dynamically Individualize Combination Therapy for Treating Colorectal Carcinoma in a Rat Model

Chang

et al. 2019

Advanced Therapeutics

View full text Add to dashboard Cite

Designing multi-drug regimens often involves target-and synergy prediction-based drug selection, and subsequent dose escalation to achieve the maximum tolerated dose (MTD) of each drug. This approach may improve efficacy, but not the optimal efficacy and often substantially increases toxicity. Drug interactions depend on many pathways in the omics networks and further complicate the design process. The virtually infinite drug-dose parameter space cannot be reconciled using conventional approaches, which are largely based on prediction. This barrier at least partially accounts for the low response rates that are observed with conventional mono-and combinatorial chemotherapy. A combination of nonstandard therapies for colorectal cancer (AGCH: adriamycin, gemcitabine, cisplatin, and herceptin) at ¼ MTD is used to treat the rats, the tumor response rates varied in a wide range. Some of the tumor response rates are close to that of control group. This work harnesses an artificial intelligence (AI) platform that is mechanism free and can dynamically optimize combinatorial therapy in rats. The individually optimized AGCH regimen reveal starkly different drug-dose parameters, which can converge each rat toward the same and low tumor response rate. Importantly, this AI-based drug-dose optimization technology is an actionable platform, which can achieve N-of-1 therapy.

show abstract

Identification of adverse drug-drug interactions through causal association rule discovery from spontaneous adverse event reports

Abstract: Evaluation analysis demonstrated that CARD is more likely to identify true causal drug variables and associations to adverse event.

Cited by 69 publications

References 41 publications

Redes de regras de associação filtradas e multialvo

Redes de regras de associação filtradas e multialvo

Validation of a Handheld 6-Lead Device for QT Interval Monitoring in Resource-Limited Settings

Harnessing an Artificial Intelligence Platform to Dynamically Individualize Combination Therapy for Treating Colorectal Carcinoma in a Rat Model

Contact Info

Product

Resources

About