Efek Samping obat otonom dari penelitian langsung Pasien yang diajukan

Ulasan: Fokus pada Obat Statin

Jingjing Liu, Alice Li and Stephanie SeneffMIT Computer Science & Artificial Intelligence

LaboratoryCambridge, MA 02139, USA

{jingl, aliceli, s e n e f f @ c s ail . m i t . e du}

Abstrak-Dalam beberapa tahun terakhir,

konsumen telah dibohongi untuk berbagi

pengalaman pribadi tentang obat resep

melalui diskusi halaman web. Makalah ini

menjelaskan penelitian terakhir kami

secara otomatis mengidentifikasi reaksi

negatif dari pasien yang disediakan review

obat pada kesehatan yang berhubungan

dengan situs web. Kami fokus pada kelas

statin obat penurun kolesterol. Kami

mengambil satu set lengkap ekspresi efek

samping dari pasien-disampaikan tinjauan

obat, dan membangun efek samping

ontologi hirarkis. Kami menggunakan log-

kemungkinan estimasi rasio untuk

mendeteksi bias dalam distribusi kata

ketika membandingkan review dari obat

statin dengan usia-cocok review dari

spektrum yang luas dari obat lain. Kami

menemukan korelasi yang sangat

signifikan antara statin dan berbagai

gangguan dan kondisi, termasuk diabetes,

amyotrophic lateral sclerosis (ALS),

rhabdomyolysis, neuropati, penyakit

Parkinson, arthritis, kehilangan memori,

dan gagal jantung. Sebuah tinjauan

literatur penelitian tentang efek samping

statin menguatkan banyak temuan kami.

Kata kunci-obat ; penemuan efek samping

obat

I. PENDAHULUAN

Beberapa dekade terakhir telah

menyaksikan peningkatan yang stabil

dalam resep obat untuk pengobatan

penanda biometrik bukan gejala fisiologis

terbuka. Saat ini, orang secara teratur

mengambil beberapa obat untuk

menormalkan kadar serum biomarker

seperti kolesterol atau glukosa, atau untuk

mengurangi tekanan darah. Semua obat

memiliki efek samping, yang kadang

melemahkan atau bahkan mengancam

jiwa. Ketika seseorang mengambil

beberapa obat mengalami gejala baru,

tidak selalu jelas yang, jika ada, dari obat

atau kombinasi obat bertanggung jawab.

Semakin, konsumen yang beralih ke Web

untuk mencari informasi, dan, semakin,

informasi ini datang dalam bentuk

konsumen memberikan komentar dalam

kelompok diskusi atau chat room. Ulasan

pengguna produk dan jasa telah

diberdayakan konsumen untuk

memperoleh data yang berharga untuk

memandu proses keputusan mereka. Baru-

baru ini, metode statistik dan bahasa telah

diterapkan untuk dataset besar tinjauan

untuk mengekstrak ringkasan dan / atau

informasi rating dalam berbagai domain

([9] [22]).

Perawatan kesehatan dan obat resep adalah

topik yang berkembang diskusi online,

tidak mengherankan mengingat bahwa

hampir setengah dari semua orang

Amerika mengambil obat resep setiap

bulan, biaya lebih $ 200 milyar pada 2008

saja ([5]). Meskipun obat tunduk pada

uji klinis sebelum mencapai pasar, uji coba

ini sering terlalu pendek, dan mungkin

melibatkan terlalu sedikit orang untuk

memberikan hasil yang konklusif. Sebuah

studi besar baru-baru ini dilakukan pada

gagal jantung

obat, nesiritude, batal temuan dari studi

yang lebih kecil yang telah menyebabkan

persetujuan obat [11]. Sementara lembaga

regulator melakukan usaha untuk

memantau keamanan pengobatan medis

disetujui, pengawasan program-program

seperti US Food and Drug Administration

(FDA) dan Event Sistem Pelaporan

Adverse (AERS) sering sulit bagi pasien

untuk digunakan.

Selain itu, kesenjangan yang besar antara

bahasa dan kosa kata dokumen medis

pasien dapat menyebabkan kebingungan

dan kesalahpahaman ([23]). Kami

berharap untuk mengambil keuntungan

dari sejumlah besar informasi yang

tersedia dalam anekdot pasien diposting

online untuk mengatasi masalah ganda dari

studi klinis tidak cukup dan terminologi

cocok.

Kami membayangkan suatu sistem yang

meningkatkan kesadaran pasienterkait obat

efek samping dengan memungkinkan

konsumen obat resep untuk dengan mudah

mencari database konsolidasi besar posting

dari kesehatan yang berhubungan dengan

situs web. Selain menggabungkan data dari

tinjauan kesehatan obat dan situs diskusi,

kami merencanakan untuk mendukung

permintaan yang diucapkan, yang akan

dijawab melalui serangkaian hits ringkas

disimpulkan bahwa paling cocok query,

berdasarkan teknik statistik dan bahasa

canggih. Pengguna kemudian bisa klik

pada salah satu dari ringkasan ditampilkan

untuk membaca posting terkait.

Makalah ini menjelaskan upaya awal kami

untuk mendeteksi asosiasi antara kelas

obat dan efek samping. Kami

menggunakan statistik dan metode

heuristik untuk membangun sebuah

ontologi hirarkis efek samping

menjumlahkan pasien diajukan tinjauan

obat. Kami menggunakan log-likelihood

ratio untuk mengekstrak informasi

ringkasan berasal dari bias dalam distribusi

kata dan frase, dan untuk mengukur

hubungan antara obat dan gejala. Untuk

cakupan makalah ini, kita fokus pada obat

statin, yang termasuk obat yang paling

mahal dan sering diresepkan di Amerika

Serikat. Metode yang dijelaskan berlaku

untuk semua kelas obat.

Dalam sisa tulisan ini, pertama-tama kita

akan meninjau literatur penelitian

mencerminkan efek samping diketahui

atau diduga terkait dengan obat statin.

Setelah menjelaskan pendataan dan efek

samping konstruksi ontologi, kami

menjelaskan metodologi kami dan

memverifikasi bahwa banyak dari asosiasi

kami diekstraksi sejajar dengan

pengamatan dari literatur.

II. SINGKAT KAJIAN PUSTAKA

A. Efek Samping obat Statin

Statin (Hidroksi metil glutaryl koenzim A

reduktase inhibitor) telah menjadi semakin

populer sebagai sangat efektif agen untuk

menormalkan kadar kolesterol serum.

Yang paling populer ini, atorvastatin,

dipasarkan dengan nama dagang, Lipitor,

telah menjadi pendapatan tertinggi

bermerek farmasi selama 6 tahun terakhir.

Situs web resmi Lipitor daftar sebagai

potensi efek samping terutama nyeri otot

dan kelemahan dan masalah pencernaan.

Namun, beberapa praktisi dan peneliti

telah mengidentifikasi efek samping yang

dicurigai di daerah yang lebih

mengkhawatirkan lainnya, seperti gagal

jantung, kognisi dan masalah memori, dan

penyakit saraf bahkan parah seperti

penyakit Parkinson dan ALS (penyakit

Lou Gehrig). [21] memberikan argumen

kuat untuk efek samping beragam statin,

menghubungkan mereka terutama untuk

penurunan kolesterol dalam membran sel.

Sudah secara luas diakui bahwa obat statin

menyebabkan nyeri otot, kelemahan dan

kerusakan ([7] [12]), kemungkinan karena

sebagian gangguan mereka dengan sintesis

antioksidan ampuh Koenzim Q10 (CoQ10)

([10]). CoQ10 memainkan peran penting

dalam fungsi mitokondria untuk

menghasilkan energi. Gagal jantung

kongestif adalah suatu kondisi di mana

jantung tidak dapat lagi memompa cukup

darah ke seluruh tubuh, pada dasarnya

karena terlalu lemah. Karena jantung

adalah otot, adalah masuk akal bahwa

kelemahan otot jantung bisa muncul dari

penggunaan jangka panjang statin.

Memang, atorvastatin telah terbukti

mengganggu kinerja jantung diastolik

ventrikel ([14]). Selanjutnya, suplementasi

CoQ10 telah terbukti memperbaiki fungsi

jantung ([13] [20]).

Literatur riset memberikan biologis yang

masuk akal

penjelasan untuk hubungan yang mungkin

antara obat statin dan neuropati ([15] [24]).

Sebuah artikel berdasarkan bukti baru ([1])

menemukan bahwa pengguna obat statin

memiliki insiden tinggi gangguan

neurologis, terutama neuropati, parasthesia

dan neuralgia, dan tampaknya lebih

berisiko terhadap penyakit saraf yang

melemahkan, ALS dan penyakit

Parkinson. Bukti didasarkan pada label

petunjuk-hati dari satu set yang dilaporkan

sendiri rekening dari 351 pasien. Sebuah

mekanisme untuk kerusakan tersebut dapat

melibatkan gangguan pada kemampuan

oligodendrocytes, sel glial khusus dalam

sistem saraf, untuk memasok kolesterol

yang cukup untuk selubung mielin di

sekitar akson saraf. Rekayasa genetik tikus

dengan cacat oligodendrocytes

menunjukkan patologi terlihat dalam

selubung mielin yang bermanifestasi

sebagai berkedut otot dan tremor ([16]).

Deplesi kolesterol dalam otak akan

diharapkan untuk menyebabkan patologi

dalam transportasi sinyal neuron, karena

tidak hanya untuk cacat selubung mielin

tetapi juga untuk gangguan transportasi

sinyal di sinapsis ([17]). Gangguan

kognitif, kehilangan memori, kebingungan

mental, dan depresi secara signifikan ada

pada populasi pasien Cable ([1]). Wagstaff

dkk. ([19]) melakukan survei terhadap

disfungsi kognitif dari data AERS, dan

menemukan bukti dari kedua hilangnya

memori jangka pendek dan amnesia yang

terkait dengan penggunaan statin. Golomb

dkk. ([6]) melakukan penelitian untuk

mengevaluasi bukti dari statin-induced

kognitif, mood atau perilaku perubahan

pada pasien. Dia menyimpulkan dengan

permohonan untuk studi yang "lebih jelas

menetapkan dampak statin hidrofilik dan

lipofilik pada kognisi, agresi, dan

serotonin."

B. Hubungan antara kolesterol dan

Kesehatan

ALS dan gagal jantung keduanya kondisi

dimana literatur yang diterbitkan

menunjukkan peningkatan risiko terkait

dengan terapi statin ([1] [10]). Memang,

untuk kedua kondisi tersebut, manfaat

kelangsungan hidup dikaitkan dengan

kadar kolesterol tinggi. Sebuah korelasi

terbalik yang signifikan secara statistik

ditemukan dalam sebuah studi pada

kematian pada gagal jantung. Untuk 181

pasien dengan penyakit jantung dan gagal

jantung, setengah dari mereka yang serum

kolesterol di bawah 200 mg / dl sudah mati

tiga tahun setelah diagnosis, sedangkan

hanya 28% dari pasien yang serum

kolesterol di atas 200 mg / dl meninggal.

Dalam studi lain pada sekelompok 488

pasien yang didiagnosis dengan ALS,

kadar serum trigliserida dan kolesterol

puasa diukur pada saat diagnosis ([2]).

Nilai tinggi untuk kedua lipid dikaitkan

dengan kelangsungan hidup lebih baik,

dengan nilai p-<0,05.

Sebuah studi yang sangat baru pada

hubungan antara berbagai tindakan status

kolesterol dan kesehatan pada orang tua

datang dengan beberapa hasil

mengejutkan, sangat menunjukkan bahwa

kolesterol tinggi bermanfaat untuk segmen

dari populasi [18]. Sebuah studi populasi

awalnya lebih dari 75 tahun diikuti selama

awal periode 17 tahun pada tahun 1990.

Selain kolesterol serum, biometrik terkait

dengan kemampuan untuk mensintesis

kolesterol (lathosterol) dan biometrik

terkait dengan kemampuan untuk

menyerap kolesterol melalui usus

(sitosterol) diukur. Untuk semua tiga

ukuran kolesterol, nilai-nilai rendah

dikaitkan dengan prognosis yang lebih

buruk untuk kelemahan, penurunan mental

dan kematian dini. Sebuah mengurangi

kemampuan untuk mensintesis kolesterol

menunjukkan hubungan terkuat dengan

hasil yang buruk. Individu dengan ukuran

tinggi dari ketiga biometrik menikmati

ekstensi 4,3 tahun di masa hidup,

dibandingkan dengan mereka yang semua

langkah yang rendah.

III. EFEK SAMPING PENELITIAN

A. Pengumpulan Data

Untuk mempelajari asosiasi yang

mendasari antara efek samping dan

penggunaan narkoba dari tinjauan pasien

yang diberikan, kami mengumpulkan

review obat dari tiga forum diskusi obat

("AskPatient.com," "Medications.com"

dan "WebDB.com") yang memungkinkan

pengguna untuk mengirim review obat

spesifik dan berbagi pengalaman. Tabel 1

memberikan statistik pada koleksi tinjauan

data. Sebanyak 8.515 tinjauan statin

dikumpulkan dari tiga sumber data. Kami

juga mengumpulkan Review obat 105K

dari AskPatient.com, pada obat untuk

mengobati berbagai masalah seperti

depresi, penyakit asam surutnya, tekanan

darah tinggi, diabetes, dll set ini meliputi

ulasan untuk non-statin obat penurun

kolesterol.

Tabel 1. Statistik koleksi obat data review.

Data source Number of statin reviews

AskPatient.com 2

Medications.com 4

WebMD.com 1

T 8

Sebuah entri Tinjauan khas berisi informasi

pribadi dari pengguna (misalnya, jenis

kelamin, umur), dosis dan durasi pengobatan,

alasan mengonsumsi obat, efek samping

bahwa pengguna telah dialami, serta bebas

gaya komentar teks. Contoh dari tinjauan

ditunjukkan pada Gambar 1.

: obat "Lipitor"

: dosis "40mg 1X D"

: seks "Pria"

: usia "47"

: durasi "4 tahun"

: alasan "kolesterol tinggi"

: side_effects "Badan pegal-pegal, nyeri sendi,

penurunan mobilitas, penurunan testosteron

dan libido, kesulitan bangun tidur di tangan

pagi, kesemutan dan gatal, dan penurunan

kekuatan secara keseluruhan."

: komentar "Saya telah mengambil lipitor

selama bertahun-tahun saya mulai keluar pada

10mgs dan sekarang saya di 40mgs Saya

memiliki penggantian pinggul, punggung

operasi, dan operasi bahu saat obat ini saya

telah melihat kekuatan saya menurun secara

dramatis ......"

Gambar 1. Contoh dari tinjauan dari

AskPatient.com.

B. Side-Pengaruh Ekstraksi

Kebanyakan sebelumnya medis penelitian

bahasa pengolahan alami bergantung pada

leksikon medis seperti yang disediakan

oleh Sistem Bahasa Bersatu Kedokteran

(UMLS) atau di Food and Drug

Administration (FDA) COSTART luteum.

Namun, leksikon resmi sering memiliki

cakupan rendah dari ekspresi efek samping

sehari-hari, yang sangat umum dalam

tinjauan pasien diajukan. Dengan

demikian, dalam studi ini kita mengekstrak

ekspresi efek samping dari review itu

sendiri, bukan menggunakan leksikon

membatasi.

Seperti ditunjukkan pada contoh pada

Gambar 1, masukan dari "sisi efek "sering

berisi daftar frasa singkat yang

menjelaskan efek samping utama resensi

memiliki, dan masukan dari" komentar

"berisi gaya bebas teks yang menceritakan

kisah tentang pengalaman para pengkaji

dengan obat. Untuk mendapatkan satu set

bersih ekspresi efek samping, kita pertama

secara otomatis mengekstrak frase singkat

dari masukan dari "side_effects" dalam

setiap entri review. Dari review 107K

dikumpulkan dari AskPatient.com

(termasuk statin dan obat non-statin), kita

diekstraksi 7.500 kata dan frase yang

menggambarkan efek samping yang umum

pada berbagai obat.

Ungkapan-ungkapan ini diambil dari

masukan pengguna umum 'mengandung

banyak kebisingan. Sebagai contoh,

beberapa pengguna dapat mengetikkan

kalimat-kalimat panjang yang

menggambarkan kondisi mereka daripada

menggunakan frase singkat. Juga, banyak

frase mungkin menguraikan jenis yang

sama efek samping (misalnya, "nyeri

sendi," "nyeri di sendi sakit parah" dan "di

lengan dan kaki bersama"). Untuk

menghilangkan kebisingan dan redundansi,

ungkapan diekstraksi pertama kali

mengalami filter stop-kata, menghilangkan

377 kata-kata umum. Sebuah frase yang

hanya berisi kata-kata henti disaring

sebagai kebisingan. Kami juga menyaring

frase yang memiliki jumlah frekuensi

kurang dari lima dalam dataset tinjauan

keseluruhan. Selanjutnya kami menyaring

frase dengan mengelompokkan frasa berisi

set yang sama non-stop-kata (misalnya,

"nyeri sendi" dan "rasa sakit di sendi").

Dengan proses penyaringan, jumlah frase

efek samping menyusut menjadi 2.314.

C. Side-Efek Onology

Untuk mengatur set frase efek samping,

kami meminta seorang Annotator yang

memiliki pengetahuan dalam terminologi

medis untuk mengklasifikasikan frase ke

dalam ontologi hirarkis. Pertama, sinonim

diidentifikasi dan dikelompokkan (seperti

terlihat pada Tabel 2). Misalnya,

"ditinggikan tekanan darah," "peningkatan

tekanan darah" dan "tekanan darah tinggi"

ini terkelompok ke dalam kelompok yang

sama. Lalu, kelompok-kelompok sinonim

selanjutnya disusun dalam kelas yang luas.

Sebagai contoh, kelompok sinonim dari

"kaki pegal", "nyeri otot" dan "nyeri sendi"

semua dikelompokkan ke dalam kelas

generik "sakit."

Tabel 2. Contoh-contoh dari sinonim dari efek

samping.

grup penjelasan

hilangnya jiwa kejernihan mental kelambatan, otak

lambat, berpikir fuzzy,

berkabut kepala, kepala berawan,

berpikir kacau

seluruh tubuh

sakit

pegal badan, sakit perasaan, pegal

tulang, pegal semua

atas, secara keseluruhan pegal-

pegal, sakit badan, sakit dan nyeri

lupa

kata kesulitan

lupa

kata kesulitan

menemukan kata yang tepat,

mencampur

kata-kata, tidak dapat menemukan

kata-kata, kesulitan menemukan

kata-kata

diabetes diabetes, gula darah tinggi, gula

darah tinggi

Sebagai hasil dari proses manual, frase sisi

2.314 efek ini terkelompok ke dalam 307

kelompok sinonim, yang ditindaklanjuti

dikelompokkan ke dalam 30 kelas. Tabel 3

menunjukkan 30 kelas serta jumlah

kelompok sinonim di setiap kelas, dan

Tabel 4 memberikan contoh dari kelompok

sinonim dalam beberapa kelas. Catatan

bahwa ini skema klasifikasi meliputi efek

samping untuk semua obat, dan dapat

digunakan untuk golongan obat lain selain

statin.

Tabel 3. Kelas efek samping. Sebagai hasil

dari proses manual, frase sisi 2.314 efek

ini terkelompok ke dalam 307 kelompok

sinonim, yang ditindaklanjuti

dikelompokkan ke dalam 30 kelas. Tabel 3

menunjukkan 30 kelas serta jumlah

kelompok sinonim di setiap kelas, dan

Tabel 4 memberikan contoh dari kelompok

sinonim dalam beberapa kelas. Catatan

bahwa ini skema klasifikasi meliputi efek

samping untuk semua obat, dan dapat

digunakan untuk golongan obat lain selain

statin.

Tabel 3. Kelas efek samping

Kelas # Syn.

kelompok

Kelas # Syn.

kelompok

Kelas # Syn.

kelompok

sakit 11 mata

mulut

6 mulut 11

nafsu

makan

6

rambut

4 Otot 11

radang

sendi

4 jantung 10 syaraf 24

darah

29

9 infeksi 10 Sakit 29

payudara 4 ginjal 12 kulit 15

pernafas

an

5 libido 9 Tidur 13

kesadara

n

13 hati 4 pembeng

kakan

12

kondisi 10 menstrual 8 selera 3

pencerna

an20 5 suhu 3

telinga 4 mood 27 tinggi 5

Tabel 4. Contoh pengelompokan efek

samping ke dalam kelas.

Kelas Sinonim kelompok

otak kognisi, pikiran jernih, masalah

guncangan kognitif, demensia, kehilangan kata-

kata, kehilangan kejernihan mental,

masalah memori, ketidakstabilan mental,

masalah konsentrasi, rentang perhatian

pendek

jantung atrial fibrilasi, serangan jantung, gagal

jantung, jantung

katup, jantung berdebar-debar, detak

jantung yang tinggi, nadi tinggi, detak

jantung rendah, sesak di dada, kalium

suasana hati perilaku agresif, gelisah, bipolar, pikiran

aneh, emosi tumpul, mudah menangis,

depresi, putus asa, bingung, euforia

kelelahan otot, kehilangan massa otot, kehilangan tonus

otot,

otot kram, nyeri otot, kejang otot,

kekakuan otot, kelemahan otot,

rhabdomyolysis

D. Asosiasi Kelas Obat dengan Efek

Samping

Mengingat ontologi hirarkis efek samping,

kita sekarang dapat menemukan yang

mana efek samping yang berkaitan erat

dengan obat statin. Untuk ini, kita

menggunakan log-likelihood ratio ([3]).

Dalam statistik, uji rasio kemungkinan

digunakan untuk membandingkan fit dari

dua model, salah satunya (model null)

adalah kasus khusus dari yang lain (model

alternatif). Tes ini didasarkan pada rasio

kemungkinan, yang menyatakan berapa

kali lebih mungkin data berada di bawah

satu model dari yang lain. Ini rasio

kemungkinan, atau ekuivalen logaritma,

maka dapat digunakan untuk menghitung

nilai p untuk memutuskan apakah akan

menolak model nol demi model alternatif.

Untuk menerapkan algoritma log rasio

kemungkinan, kami memperlakukan efek

samping asosiasi masalah sebagai koin

toss model. Himpunan ulasan pada obat

statin () adalah analog dengan A. koin

Himpunan review non-statin obat () adalah

analog dengan koin B. Setiap review (di

atau) adalah koin toss misalnya. Untuk frase

efek samping tertentu, jika ditinjau berisi

kalimat, "Kepala" dari koin muncul, jika tidak,

"Tail" muncul. Dengan demikian, hipotesis nol

bahwa koin A dan B koin memiliki

probabilitas yang sama untuk menunjukkan

"Kepala" atau "Tail", yaitu, set review dan

memiliki kemungkinan yang sama yang

mengandung frase. Model alternatif adalah

koin bahwa A dan koin B memiliki

probabilitas berbeda muncul "Kepala"

atau "Tail", yaitu satu set review (atau)

memiliki probabilitas yang lebih tinggi

mengandung frase dari yang lain. Pengukuran

hipotesis bahwa kalimat adalah lebih mungkin

terjadi pada set tinjauan statin () dihitung

dengan:

L1=K1 log p2 + (n2-k2) log 1-P2

P 1-p

di mana k1 adalah jumlah tinjauan statin yang

mengandung sisi efek frase t, k2 adalah jumlah

non-statin review yang mengandung frase t, p1

adalah probabilitas dari frase t yang terjadi di

R1, P2 adalah probabilitas dari frase yang

terjadi di R2, p adalah probabilitas kalimat yang

terjadi di dokumen seluruh set ( R1 ∪ R2 ), n1

adalah ukuran, dan n2 adalah ukuran untuk R2

Maksimum kemungkinan dicapai dengan :

P1 = k1 p2 = k2

Sebuah persamaan simetris (1) dapat

diturunkan untuk, hipotesis bahwa kalimat

lebih banyak terjadi pada. Apakah model

alternatif cocok signifikan lebih baik dan

dengan demikian harus lebih disukai dapat

ditentukan dengan menurunkan para

probabilitas atau p-nilai perbedaan diperoleh

L1- L2. Distribusi probabilitas dari perbedaan

dapat didekati dengan distribusi chi-kuadrat.

P-nilai dihitung berdasarkan asumsi bahwa ada

satu derajat kebebasan antara model nol dan

model alternatif.

IV. EKSPERIMEN

Dalam dataset kami tinjauan, ukuran non-

statin ulasan (105K) jauh lebih besar dari itu

tinjauan statin (8515). Untuk membuat dua set

dokumen yang setara untuk perbandingan,

kami secara acak memilih ukuran yang sama

tinjauan (8515) dari non-statin sebagai review.

Satu pertimbangan penting adalah untuk

mengoreksi bias usia mungkin kajian-penyedia

dalam proses seleksi data. Gambar 2

memberikan distribusi usia penulis ulasan obat

statin. Kami mengikuti distribusi yang sama

usia ulasan 'untuk pemilihan acak non-statin

tinjauan. Kami mengamati bahwa, pada set

Tinjauan statin, sebagian besar ulasan (83,6%)

yang diterbitkan oleh pengguna berusia 40-70.

Untuk setiap efek samping dalam ontologi

hirarki kami, kami menghitung rasio log

likelihood dari himpunan tinjauan statin dan

non-statin Tinjauan ditetapkan sebagai

dijelaskan pada bagian algoritma. Kami

memperlakukan semua sinonim untuk setiap

efek samping sama, yaitu kejadian alternatif

dalam hitungan kelompok yang sama untuk t

pharse sama

Tabel 5 daftar semua cluster efek samping

yang terkait dengan menghasilkan p-value

kurang dari 0,05. Nyeri pada dasarnya semua

bagian tubuh - lengan, kaki, leher, bahu, dan

punggung, semua terjadi lebih sering pada

review statin dengan margin besar. "Nyeri

otot" khususnya yang sangat berhubungan

dengan statin, dengan nilai p-dari 1.4e-06.

Tabel 5: Nyeri pada berbagai bagian tubuh

sakit (diurutkan berdasarkan nilai p).

Efek

samping

K1 K2 L1-L2 p-value

nyeri otot 1029 221 1419,26 1.4E-06

Sakit 2499 1557 1444.31 0.00004

Sakit di

kaki

570 265 514.16 0.00114

Nyeri di 142 34 189.65 0.0048

bahu 5

Sakit

punggung

323 163 265.20 0.00738

Sakit

leher

111 36 130.77 0.01417

Nyeri 76 21 96.38 0.02009

Tabel 6 memberikan hitungan dan p-nilai

untuk sejumlah cluster efek samping yang

berhubungan dengan otot kelemahan dan

patologi. Sangat mengganggu adalah sangat

rendah nilai p untuk "kesulitan berjalan"

(0,0004). Rhabdomyolysis adalah suatu

kondisi sering fatal yang melibatkan gagal

ginjal akibat paparan racun bagi puing

mioglobin dilepaskan ke dalam aliran darah

berikut rincian otot. Karena umumnya jarang

terjadi, tidak terjadi sama sekali dalam non-

statin review, tapi muncul 31 kali dalam

review statin. "Kehilangan otot massa "adalah

sepuluh kali lebih sering di review statin.

"Kram otot," "kelemahan umum" dan

"kelemahan otot," sangat terkait dengan

"kelemahan", memiliki sangat rendah p-nilai.

Selain itu, "mati rasa umum" dan "kejang otot"

juga bermakna dikaitkan dengan statin.

Tabel 6: Otot kelemahan dan nyeri patologi

(diurutkan berdasarkan nilai p).

Efek samping K1 K2 L1-L2 p-value

Otot kram 678 193 850.12

0.00005

Kelemahan

umum

687 210 834.24

0.00006

Kelemahan

otot

302 45 448.73

0.00023

Kesulitan

berjalan

419 128 508.96

0.00044

Kehilangan

massa otot

54

5 84.75 0.01332

Mati rasa

umum

293 166 203.34

0.01552

Kejang otot 136 57 135.0 0.0184

3 9rhabdomylosi 3

10 51.52 0.0217

7Tendonitis 4

28 59.68 0.0319

3Kesemibanga

n masalah

71

32 65.91 0.05371

Tabel 7 menunjukkan distribusi frekuensi

untuk beberapa sering melemahkan kondisi

yang berhubungan dengan patologi di otak dan

sistem saraf. Paling mengkhawatirkan untuk

kita adalah Rasio 10:1 kejadian ALS, sebuah

penyakit yang melemahkan terkait dengan

motor neuron yang rusak di sumsum tulang

belakang yang hampir selalu fatal. Yang

berhubungan p-nilai 0,008 membuat hasil ini

sangat signifikan. Rasio ini bahkan lebih tinggi

untuk penyakit Parkinson (18:1). Penyakit

Parkinson terjadi kerusakan sel mensekresi

dopamin di substantia nigra. Nilai p untuk

masalah memori juga sangat rendah (0,01),

memberikan bukti kuat bahwa statin

menyebabkan masalah memori. Bentuk

ekstrem dari masalah memori, demensia,

datang dengan nilai p-tepat di atas cutoff

signifikansi pada 0,056. Neuropati, karena

kerusakan saraf di perifer sistem saraf,

umumnya berhubungan dengan kelemahan

otot, kram, dan kejang, efek samping lain yang

terjadi sangat sering dalam tinjauan obat statin.

Tabel 7: Masalah seputar sistem otak dan

saraf.

Efek

samping

K1 K2 L1-L2 p-value

ALS 71 7 110.75 0.00819

Masalah

memori

545 353 286.76 0.01118

Penyakit

parkinson

53 3 85.38 0.01135

Neuropati 133 73 97.03 0.04333

demensia 41 13 48.80 0.05598

Tabel 8 menunjukkan masalah kesehatan

utama lainnya yang frekuensi kata sangat bias

terhadap review statin. Sebagian besar

distribusi adalah sangat signifikan, dengan

nilai p-<0,01. Diabetes yang sangat mencolok,

dengan tiga kali frekuensi kejadian dalam

review statin seperti di review lain, meskipun

fakta bahwa obat diabetes termasuk dalam

kelas lain. Hasil yang sangat signifikan untuk

diabetes sejalan dengan keprihatinan terbaru

tentang kemungkinan bahwa statin dapat

meningkatkan risiko diabetes ([4] [8]).

"Serangan jantung" memiliki sangat rendah

nilai p, tapi dalam kasus peracikan kuat dari

prasyarat tidak bisa disangkal. Hal serupa

muncul dengan Korelasi terkuat di antara

kondisi sisanya ditemukan hati "stroke."

kerusakan (p <0,003), efek samping potensial

yang diakui oleh produsen statin. Sangat

menarik bahwa arthritis asosiasi kuat dengan

statin, radang sendi belum diidentifikasi

sebagai efek samping dikenal. Juga, "gagal

jantung" dan "enzim hati dibangkitkan" berada

di bawah cutoff 0,05, dan "gagal ginjal" adalah

enam kali lebih sering di review statin dengan

nilai p-tepat di atas 0,051.

Tabel 8: Berbagai kondisi lain.

Efek

samping

K1 K2 L1-l2 p-value

Serangan

jantung299 73 396.87 0.00068

Kerusakan

hati326 133 331.15 0.00285

Diabetes 185 62 214.2 0.00565

Stroke 147 44 180.18 0.00700

Radang sendi 245 120 208.51 0.01117

mengangkat

hati enzim61 22 67.52 0.04204

Gagal

jantung36 8 49.17 0.04473

Gagal hati 26 4 38.56 0.05145

Kerusakan

ginjal87 45 69.05 0.05949

Untuk mempelajari hubungan tingkat tinggi

antara efek samping dan obat statin, kita lanjut

agregat efek samping ke dalam kelas, dan

menghitung rasio log likelihood serta p-nilai

untuk setiap kelas. Tabel 9 memberikan

peringkat atas kelas dengan p-nilai di bawah

0,05 untuk review statin. Kategori ini dianggap

sebagai yang paling sangat terkait dengan obat

statin. Secara khusus, "masalah otot" ini sangat

terkait dengan statin, dengan nilai p-dari 2.0e-

07.

Tabel 9. Efek samping kelas terkait dengan

obat statin.

Efek

samping

K1 K2 L1-L2 p-value

Masalah

otot

4188 2060 3549.73

2.0E-07

Mobility 535 199 581.47 0.00049

Masalh

hati

404 163 413.99 0.00166

Nyeri 4735 3908 731.07 0.00308

Masalah

nerves

1196 894 380.06 0.01108

arthritis 456 317 194.72 0.02690

V. PEMBAHASAN

Dalam tulisan ini, kami telah menggambarkan

visi kami database berbasis web menyediakan

pengguna potensial dengan fasilitas kaya

untuk mengeksplorasi hubungan antara obat

resep dengan efek samping yang mungkin.

Kami menggunakan strategi dasar untuk

membandingkan distribusi kata frekuensi

antara dua database sebagai sarana untuk

mengungkap pola frase statistik menonjol.

Upaya kami berfokus pada obat statin, karena

ini adalah banyak diresepkan obat dengan efek

samping yang beragam. Melalui estimasi log

kemungkinan standar statistik rasio, kami telah

menunjukkan bahwa obat statin sangat sangat

terkait dengan nyeri otot dan kelemahan, dan

bahwa ada juga hubungan statistik yang

signifikan antara obat statin dan penyakit

melemahkan beberapa, seperti ALS, penyakit

Parkinson, rhabdomyolysis , dan gagal

jantung. Banyak dari temuan kami didukung

oleh literatur penelitian tentang statin.

Penelitian kami terinspirasi oleh penelitian

yang dilakukan oleh Jeff Kabel ([1]).

Sementara ia melihat hanya 350 review, dia

menggunakan analisis manual-hati untuk

menyimpulkan efek samping yang terkait.

Kami melihat satu set jauh lebih besar tinjauan

(lebih dari 8.000), dan digunakan teknik

statistik untuk analisis. Di satu sisi, sangat

menggembirakan bahwa kedua metode sama

ditemukan efek samping pada profil data yang

berbeda. Di sisi lain, hal ini mengganggu

bahwa kelas obat sebagai banyak diresepkan

sebagai obat statin memiliki reaksi seperti efek

samping berat dan kadang-kadang mengancam

nyawa.

Salah satu keterbatasan dari metode ini adalah

efek peracikan prasyarat. Hal ini jelas

mempengaruhi bias untuk statin berkaitan

dengan "serangan jantung" dan "menyalakan,"

tetapi juga dapat berkontribusi untuk hal lain

seperti diabetes dan gagal jantung. Selain itu,

pengguna kadang-kadang memberikan

komentar yang membahas potensi efek

samping bahwa mereka tidak mengalami

secara pribadi.

VI. MASA DEPAN KERJA

Di masa depan, kita akan fokus pada

menggabungkan hasil analisis statistik kita ke

dalam database user. Kami juga akan

mengembangkan teknik untuk meringkas

tinjauan individu dan memberikan istilah

indeks yang terkait. Tujuan ambisius adalah

dengan menggunakan teknik parsing untuk

mengambil alur cerita yang menangkap sebab-

akibat. Misalnya, dengan memberikan

komentar, "Ini baru 2 hari tanpa obat dan kram

membaik," pengguna jelas tersirat bahwa obat

telah menyebabkan kram. Kami juga

berencana untuk memperluas database untuk

golongan obat lain, seperti

psychopharmaceuticals dan terapi asam

refluks. Akhirnya, kami ingin menyediakan

antarmuka berbasis pidato untuk query

database.

UCAPAN TERIMA KASIH

Penelitian ini didukung oleh Komputer

Quanta, Inc melalui proyek T-Partai.

REFERENSI

[1] J. Cable. 2009. Adverse Events of Statins - An Informal

Internet-based Study. JOIMR, 7(1).[2] J. Dorstand, P. K¨uhnlein, C. Hendrich, J.

Kassubek, A.D.Sperfeld, and A.C. Ludolph. 2010. Patients with elevated triglyceride and cholesterol serum levels have a prolongedsurvival in amyotrophic lateral sclerosis. J Neurol, inPress:Published online Dec. 3 2010.

[3] T. Dunning. 1993. Accurate methods for the statistics of surprise and

coincidence. Computational linguistics,

19(1):61–74.[4] M.R. Goldstein and L. Mascitelli. 2010.

Statin-induced diabetes: perhaps, its the tip of the iceberg. QJM, Published online, Nov 30.

[5] Q. Gu, CF Dillon, and VL Burt. 2010. Prescription drug use continues to increase: U.S. Prescription drug data for 2007-2008. NCHS data brief, (42):1.

[6] B.A. Golomb, M.H. Criqui, H. White, and J.E. Dimsdale.

2004. Conceptual foundations of the UCSD Statin Study: arandomized controlled trial assessing the impact of statins on cognition, behavior, and biochemistry. Archives of internalmedicine, 164(2):153.

[7] J. Hanai, P. Cao, P. Tanksale, S. Imamura, E. Koshimizu, J.

Zhao, S. Kishi, M. Yamashita, P.S. Phillips, V.P. Sukhatme,et al. 2007. The muscle-specific ubiquitin ligase atrogin-1/MAFbx mediates statin-induced muscle toxicity. Journal ofClinical Investigation, 117(12):3940–3951.

[8] J. Hagedorn and R. Arora. 2010. Association of Statins and

Diabetes Mellitus. American journal of therapeutics,17(2):e52.

[9] J. Liu and S. Seneff. 2009. Review sentiment scoring via a parse-and-paraphrase paradigm. In Proc. EMNLP, pages 161–

169. Association for Computational Linguistics.[10] P.H. Langsjoen and A.M. Langsjoen. 2003. The

clinical use of HMG CoA-reductase inhibitors and the associated depletion of coenzyme Q10. A review of animal and human publications. Biofactors, 18(1):101–111.

[11] Califf R. LBCT I, Abstract 21828. Presented at: American Heart Association Scientific Sessions 2010; Nov. 13-17; Chicago.

[12] M.G. Mohaupt, R.H. Karas, E.B. Babiychuk, V. Sanchez- Freire, K. Monastyrskaya, L. Iyer, H. Hoppeler, F. Breil, and A. Draeger. 2009. Association between statin-associated myopathy and skeletal muscle damage. Canadian Medical Association Journal, 181(1-2):E11.

[13] S.L. Molyneux, C.M. Florkowski, A.M. Richards, M. Lever, J.M. Young, and P.M. George. 2009. Coenzyme Q10; an adjunctive therapy for congestive heart failure? Journal of the New Zealand Medical Association, 122:1305.

[14] M.A. Silver, P.H. Langsjoen, S. Szabo, H. Patil, and A.

Zelinger. 2004. Effect of atorvastatin on left ventriculardiastolic function and ability of coenzyme Q10 to reverse that dysfunction. The

American journal of cardiology,

94(10):1306–1310.

[15] C. Silverberg. 2003. Atorvastatin-induced polyneuropathy.

Annals of Internal Medicine, 139(9):792.[16] G. Saher, B. Br¨ugger, C. Lappe-Siefke, W. M¨obius, R.

Tozawa, M.C. Wehr, F. Wieland, S. Ishibashi, and K.A.Nave. 2005. High cholesterol level is essential for myelin membrane growth. Nature neuroscience, 8(4):468–475.

[17] J. Tong, P.P. Borbat, J.H. Freed, and Y.K. Shin. 2009. A scissors mechanism for stimulation of SNAREmediated lipid mixing by cholesterol. Proceedings of the National Academy of Sciences, 106(13):5141.

[18] R.S. Tilvis, J.N. Valvanne, T.E. Strandberg and T.A.

Miettinen (2011) Prognostic significance of serum

cholesterol, lathosterol, and sitosterol in old age; a 17-year population study. Annals of Medicine, Early Online, 1-10.

[19] L.R.Wagstaff, M.W. Mitton, B.M. ARVIK, and P.M.

Doraiswamy. 2003. Statin-associated memory loss: analysis of 60 case reports and review of the literature.Pharmacotherapy, 23(7):871–880.

[20] K.A. Weant and K.M. Smith (2005) The Role of Coenzyme

Q10 in Heart Failure. Ann Pharmacother. Sep; 39(9), 1522-6.

[21] G. Wainwright, L. Mascitelli, and M.R. Goldstein. 2009.

Cholesterol-lowering therapy and cell membranes: stable plaque at the expense of unstable membranes? Arch Med Sci,5:3.

[22] L. Zhuang, F. Jing, and X.Y. Zhu. 2006. Movie review mining and summarization. In Proceedings of CIKM, pages43–50. ACM.

[23] Q. Zeng, S. Kogan, N. Ash, RA Greenes, and AA Boxwala.

2002. Characteristics of consumer terminology for health information retrieval. Methods of information in medicine,41(4):289–298.

[24] P.E. Ziajka and T. Wehmeier. 1998. Peripheral neuropathy and lipid-lowering therapy. Southern medical journal,91(7):667.