論文の概要: A randomized simulation trial evaluating ABiMed, a clinical decision support system for medication reviews and polypharmacy management

• arxiv url: http://arxiv.org/abs/2409.01903v1
• Date: Tue, 3 Sep 2024 13:50:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 01:23:22.073120
• Title: A randomized simulation trial evaluating ABiMed, a clinical decision support system for medication reviews and polypharmacy management
• Title（参考訳）: ABiMed(AbiMed, 臨床診断支援システム)を用いた医薬品レビューと多薬局管理のためのランダム化シミュレーションの試み
• Authors: Abdelmalek Mouazer, Sophie Dubois, Romain Léguillon, Nada Boudegzdame, Thibaud Levrard, Yoann Le Bars, Christian Simon, Brigitte Séroussi, Julien Grosjean, Romain Lelong, Catherine Letord, Stéfan Darmoni, Karima Sedki, Pierre Meneton, Rosy Tsopra, Hector Falcoff, Jean-Baptiste Lamy,
• Abstract要約: STOPP/START v2ガイドラインの実装に基づき,臨床診断支援システムであるABiMedを設計した。 ランダム化シミュレーション試験において,39名の薬剤師によるABiMedの評価を行った。
• 参考スコア（独自算出の注目度）: 3.8243906257653504
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background: Medication review is a structured interview of the patient, performed by the pharmacist and aimed at optimizing drug treatments. In practice, medication review is a long and cognitively-demanding task that requires specific knowledge. Clinical practice guidelines have been proposed, but their application is tedious. Methods: We designed ABiMed, a clinical decision support system for medication reviews, based on the implementation of the STOPP/START v2 guidelines and on the visual presentation of aggregated drug knowledge using tables, graphs and flower glyphs. We evaluated ABiMed with 39 community pharmacists during a randomized simulation trial, each pharmacist performing a medication review for two fictitious patients without ABiMed, and two others with ABiMed. We recorded the problems identified by the pharmacists, the interventions proposed, the response time, the perceived usability and the comments. Pharmacists' medication reviews were compared to an expert-designed gold standard. Results: With ABiMed, pharmacists found 1.6 times more relevant drug-related problems during the medication review (p=1.1e-12) and proposed better interventions (p=9.8e-9), without needing more time (p=0.56). The System Usability Scale score is 82.7, which is ranked "excellent". In their comments, pharmacists appreciated the visual aspect of ABiMed and its ability to compare the current treatment with the proposed one. A multifactor analysis showed no difference in the support offered by ABiMed according to the pharmacist's age or sex, in terms of percentage of problems identified or quality of the proposed interventions. Conclusions: The use of an intelligent and visual clinical decision support system can help pharmacists when they perform medication reviews. Our main perspective is the validation of the system in clinical conditions.
• Abstract（参考訳）: 背景: メディケイト・レビューは薬剤師が実施し, 薬物治療の最適化を目的とした患者の構造化されたインタビューである。 実際には、薬のレビューは、特定の知識を必要とする長く認知的に要求されるタスクである。 臨床実践ガイドラインが提案されているが、その適用は退屈である。 方法:STOPP/START v2ガイドラインの実装と,テーブル,グラフ,フラワーグリフを用いた総合的な薬物知識の視覚的提示に基づいて,医薬レビューのための臨床意思決定支援システムであるABiMedを設計した。 ABiMed と ABiMed の2例について, ランダム化シミュレーション試験において, ABiMed と 39 の地域薬剤師による ABiMed の評価を行った。 薬剤師が特定した問題点,提案した介入,応答時間,ユーザビリティ,コメントなどを記録した。 薬剤師の薬品レビューは専門家が設計した金の基準と比較された。 結果: ABiMedでは、薬剤師は薬物検査中に関連性のある薬物関連問題を1.6倍(p=1.1e-12)発見し、時間を要することなくより良い介入(p=9.8e-9)を提案した(p=0.56)。 システム・ユーザビリティ・スケールのスコアは82.7であり、「優秀」である。 彼らのコメントの中で、薬剤師はABiMedの視覚的側面と、現在の治療法と提案された治療法を比較できる能力を評価した。 多因子分析では, 薬剤師の年齢や性別によるABiMedの支持率に差は認められなかった。 結論: インテリジェントで視覚的な臨床診断支援システムを使用することで、薬剤レビューを行う際に薬剤師を助けることができる。 本研究の主目的は臨床におけるシステム検証である。

関連論文リスト

• Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
  本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。 入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。 稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
  論文  参考訳（メタデータ） (2024-03-26T14:36:22Z)
• ABiMed: An intelligent and visual clinical decision support system for medication reviews and polypharmacy management [3.843569766201585]
  ABiMedの目的は、医薬品レビューと多薬局管理のための革新的な臨床決定支援システムを設計することである。 ABiMedは、ガイドラインの実装と、GPの電子健康記録から患者データを自動抽出し、薬剤師に転送すること、および視覚分析を用いてコンテキスト化された薬物知識を視覚的に提示すること、の2つのアプローチを関連付けている。
  論文  参考訳（メタデータ） (2023-12-13T11:06:45Z)
• Decision Support System for Chronic Diseases Based on Drug-Drug Interactions [67.9840225237587]
  本稿では,医師の意思決定を支援するための薬物と薬物の相互作用に基づくDSSDDIと呼ばれる意思決定支援システムを提案する。 DDIモジュールは、薬物と薬物の相互作用からより安全で効果的な薬物表現を学習する。 MDモジュールは、患者と薬物の表現を文脈として、DDIと患者の類似性を治療として、薬物の使用を結果として考える。
  論文  参考訳（メタデータ） (2023-03-04T12:44:38Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• RecoMed: A Knowledge-Aware Recommender System for Hypertension Medications [1.2633386045916444]
  本稿では,高血圧の処方薬プロセスにおいて,医師を支援するためにRecoMedという薬剤推薦システムを開発することを目的とする。 推奨医薬のリストがシステムの出力として提供され、医師は患者の臨床症状に基づいて1つ以上の薬を選択できる。
  論文  参考訳（メタデータ） (2022-01-09T08:01:41Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Drug Recommendation System based on Sentiment Analysis of Drug Reviews using Machine Learning [0.0]
  我々は,Bow,TFIDF,Word2Vec,Manual Feature Analysisなどの様々なベクトル化プロセスを用いて,患者レビューを用いて感情を予測する医薬推薦システムを構築した。 その結果, TFIDFベクトル化を用いたLinearSVCは, 93%の精度で他のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-03-24T10:11:18Z)
• Assessment of Amazon Comprehend Medical: Medication Information Extraction [0.3161954199291541]
  Amazon Comprehend Medical (ACM)は、臨床テキストから臨床概念を自動的に抽出するディープラーニングベースのシステムである。 ACMは2009年のi2b2薬物抽出チャレンジと2018年のn2c2トラック2の試験セットを用いて評価された。 ACMはFスコア0.768と0.828を達成した。
  論文  参考訳（メタデータ） (2020-02-02T20:08:34Z)
• Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
  C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。 残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
  論文  参考訳（メタデータ） (2020-01-08T11:46:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。