シーケンス対称分析処方傾向のグラフィック調整

背景：シーケンス対称分析（SSA）は、薬物イベントの有害な検出を支援するために使用できる信号検出方法です。リスク推定とデータの視覚化の両方を提供します。公開された方法では、調整されたシーケンス比の形で結果を提供します。これは、薬の使用の基礎となる市場動向に調整されますが、視覚化を調整する方法はありません。私たちは、トレンドを処方するための別の調整方法を開発および評価し、SSAの視覚化に適用することを目指しました。 方法：SSAメソッドは、関心のある薬のペアのインシデント処方に依存しています。スムージング曲線は、インシデント医療の使用の頻度分布に適合しました。分割されて正規化された場合、これらの曲線は、フォローアップの処方傾向の違いに関連する一連の割合を生成しました。次に、これらを使用して、SAAの視覚化におけるインシデント処方のユニット数を調整し、シーケンス比を計算しました。カーブフィッティングは、SSAの時間の経過とともにシーケンス間の比例関係を特定するためにも使用され、SSAへの補足的な視覚化として提示されます。私たちの方法の感度と特異性を、Tsiropolous et alのSSA法からの感度と特異性を比較しました。結果：曲線フィット調整されたSSA視覚化により、調整されたシーケンス比がTsiropolousの配列比に非常に近く、2つのサンプルコルモゴロフスミルノフテストのp値は0.999でした。調整されたシーケンス比から導出された感度と特異性の結果も実質的に同じでした。曲線適合メソッドは、シーケンスの比例性をグラフで示し、SSA視覚化の両側の正味の違いの有用なサプリメントを提供します。さらに、両方の分布に共通する患者のインシデント処方は、調整計算から最も妨げられ、1つまたは他の分布に固有の患者のインシデント処方のみを残すことがわかりました。これにより、一部の非定型インスタンスでSSAの精度が向上し、他の場所での精度に無視できる影響がありました。 結論：私たちの曲線適合法は、SAAの処方傾向を調整するための文献の現在の方法と同等であり、SAAの視覚化に組み込まれた調整を提供するという利点があります。

BACKGROUND: Sequence symmetry analysis (SSA) is a signal detection method that can be used to assist with adverse drug event detection. It provides both a risk estimate and a data visualisation. Published methods provide results in the form of an adjusted sequence ratio, which adjusts for underlying market trends of medicine use, however no method for adjusting the visualisation is available. We aimed to develop and evaluate another method of adjustment for prescribing trends and apply it to the SSA visualisation. METHODS: The SSA method relies on incident prescriptions for pairs of medicines of interest. Smoothing curves were fitted to the frequency distributions of incident medicine use. When divided and normalised, these curves yielded a set of proportions related to differences in prescribing trends over follow-up. These were then used to adjust the unit counts for incident prescriptions in the SAA visualisation and to calculate the sequence ratio. Curve fitting was also used to identify the proportional relationship between sequences over time for SSA and is presented as a supplementary visualisation to the SSA. We compared the sensitivity and specificity of our method with that from the SSA method of Tsiropolous et al. RESULTS: Curve-fit adjusted SSA visualisations yielded adjusted sequence ratios very close to those of Tsiropolous, with a p-value of 0.999 for the two sample Kolmogorov-Smirnov test. Results for sensitivity and specificity derived from adjusted sequence ratios were also practically the same. The curve-fit method graphically indicates the proportionality of the sequence and provides a useful supplement of net differences between the two sides of the SSA visualisation. Additionally, we found that incident prescriptions for patients common to both distributions are best precluded from adjustment calculations, leaving only incident prescriptions for patients unique to one or other distribution. This improved the accuracy of SSA in some atypical instances with negligible affect on accuracy elsewhere. CONCLUSIONS: Our curve-fit method is equivalent to current methods in the literature for adjusting prescribing trends in SAA, with the advantage of providing adjustment incorporated in the SAA visualisation.