Key points are not available for this paper at this time.
Translationalen Ansätze können die Überwachung der Arzneimittelsicherheit nach der Markteinführung durch die zunehmende Verfügbarkeit von Daten der Systempharmakologie profitieren. Hier schlagen wir ein neuartiges Bayessches Rahmenwerk zur Identifizierung von Arzneimittel-Arzneimittel-Interaktionssignalen (DDI) und zur Unterscheidung zwischen individuellen Arzneimittel- und Arzneimittelkombinationssignalen vor. Dieses Rahmenwerk ist mit einem systempharmakologischen Ansatz zur automatisierten bioloischen Plausibilitätsbewertung gekoppelt. Durch die Integration von statistischen und biologischen Beweisen erzielt unsere Methode eine Verbesserung um 16,5% (AUC: von 0,620 auf 0,722) bei Arzneimittel-Ziel-Unerwünschten Ereignis-Assoziationen, 16,0% (AUC: von 0,580 auf 0,673) bei Arzneimittel-Enzymen und 15,0% (AUC: von 0,568 auf 0,653) bei Arzneimittel-Transporter-Informationen. Bei der Anwendung dieses Ansatzes zur Erkennung potenzieller DDI-Signale von QT-Verlängerung und Rhabdomyolyse innerhalb des FDA-Systems für meldungen unerwünschter Ereignisse (FAERS) betonen wir die Bedeutung der Systempharmakologie zur Verbesserung der statistischen Signaldetektion in der Pharmakovigilanz. Unsere Studie zeigt das Potenzial der datengestützten biologischen Plausibilitätsbewertung im Kontext herausfordernder Überwachung von DDI nach der Markteinführung.
Kontsioti et al. (Mon,) haben diese Frage untersucht.