基于HIS数据的药物相关肌肉不良反应自动监测模块建立与优化

目的：在临床ADE主动监测与智能评估警示系统-Ⅱ中构建药物相关肌肉不良反应（DAMAR）监测模块,为DAMAR的真实世界研究提供智能挖掘工具。方法：依据相关文献和病例资料,建立DAMAR自动监测报警规则,结合机器学习技术构建决策树模型,确定最佳模块设置条件;对住院患者进行监测,验证模块并获得DAMAR发生情况。结果：基于决策树模型的报警规则涉及7个关键词、实验室检验指标和患者手术时间信息等;模块最佳设置条件下阳性预测值由15.31%提升至55.65%,召回率保持100.00%。用于5441例住院患者DAMAR监测,获得阳性患者64例,发生率为1.18%,属于常见药品不良反应（ADR）;其中横纹肌溶解严重不良反应患者5例,发生率为0.092%,属于罕见ADR。结论：本研究构建的DAMAR自动监测模块将相关患者手术信息纳入决策树的判断依据,可以更加高效、精准、快速地获取住院人群中的目标病例,为今后开展单药/多药/全药大样本住院患者中DAMAR的真实世界监测与评估研究提供了技术支持。