From manual to automated pharmacovigilance processes and efficient signal management application
Manuelden otomasyona farmakovijilans süreçleri ve verimli sinyal yönetimi uygulaması
- Tez No: 904121
- Danışmanlar: PROF. DR. HANDE SİPAHİ
- Tez Türü: Yüksek Lisans
- Konular: Eczacılık ve Farmakoloji, Pharmacy and Pharmacology
- Anahtar Kelimeler: Farmakovijilans · PYRDR · Otomasyon · Sinyal · Makine Öğrenimi, Pharmacovigilance · PBRER · Automation · Signal · Machine Learning
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Farmasötik Toksikoloji Ana Bilim Dalı
- Bilim Dalı: Farmasötik Toksikoloji Bilim Dalı
- Sayfa Sayısı: 93
Özet
ÖZET Çetin, R. A. (2024) Manuelden Otomasyona Farmakovijilans Süreçleri ve Verimli Sinyal Yönetimi Uygulaması. Yeditepe Üniversitesi, Sağlık Bilimleri Enstitüsü, Farmasötik Toksikoloji Anabilim Dalı, Yüksek Lisans Tezi. İstanbul. Genellikle zaman alıcı ve yoğun iş gücü gerektiren faaliyetler olan farmakovijilans (FV) görevleri, ilaç güvenliliğinin sağlanmasında kritik bir rol oynamaktadır. Bu tez çalışması, belirli FV görevleri ve sinyal tespiti için otomasyonun verimliliğini değerlendirmeyi amaçlamaktadır. Çalışma iki aşamada gerçekleştirilmiştir. İlk aşamada, FV görevlerinden Bireysel Olgu Güvenlilik Raporu (BOGR) girişleri ve Periyodik Yarar/Risk Değerlendirme Raporu (PYRDR) hazırlama için otomasyonun verimliliği incelenmiştir. Bu aşamaya, farklı deneyim seviyelerine sahip küçük ölçekli bir FV çalışanı grubu katılmıştır. Çalışmanın ikinci aşaması, Ocak 2012 ile Aralık 2021 tarihleri arasındaki 10 yıllık FDA Advers Olay Raporlama Sistemi (FAERS) verileri kullanılarak makine öğrenimi (ML) yöntemleriyle ilaç-advers olay (AO) etkileşim desenlerinin tespitine odaklanmıştır. Veri seti 13.568.552 vaka içermekte olup, potansiyel sinyalleri tespit etmek için altı farklı ML algoritması uygulanmıştır. Birinci aşamanın bulguları, örneklem büyüklüğünün sınırlılığı ve PYRDR ile vaka girişlerinin tüm olası senaryoları kapsayamama kısıtlamasına rağmen, otomatikleştirilmiş süreçlerin FV görevlerinde zaman verimliliğini artırdığını ortaya koymuştur. BOGR girişi görevinde ortalama %38,5, PYRDR hazırlama görevinde ise ortalama %26 zaman tasarrufu sağlanmıştır. Çalışmanın ikinci aşamasında, uygulanan ML algoritmaları arasından XGBoost en etkili model olarak seçilmiş ve 0,97 doğruluk, 0,71 F1 skoru ve 0,95 AUC değeri sonuçları elde edilmiştir. Çalışmanın önemli bir bulgusu, modelin işaret ettiği yüksek skorlu ilaç-AO kombinasyonlarının yıllar içinde vaka sayılarında üstel artışlar göstermesi ve bu kombinasyonların potansiyel sinyaller olarak değerlendirilebileceği yönündedir. Sonuçlar, ML yöntemlerinin ilaç-AO etkileşimlerini doğru bir şekilde tespit edebileceğini ve farmakovijilans süreçlerini daha verimli hale getirebileceğini önermektedir.
Özet (Çeviri)
ABSTRACT Çetin, R. A. (2024). From Manual to Automated Pharmacovigilance Processes and Effıcient Signal Management Application. Yeditepe University, Institute of Health Sciences, Department of Pharmaceutical Toxicology MSc thesis, İstanbul. Pharmacovigilance (PV) tasks, which are generally time-consuming and labor-intensive activities, play a critical role in ensuring drug safety. This thesis study aims to evaluate the efficiency of automation in selected PV tasks and signal detection. It was conducted in two phases. In the first phase, the study examines the efficiency of automated processes for the PV tasks, Individual Case Safety Report (ICSR) entries and Periodic Benefit-Risk Evaluation Report (PBRER) preparation. A small-scale group of PV employees with different levels of experience participated in this phase. The second phase of the study focuses on identifying drug-adverse event (AE) interaction patterns within the FDA Adverse Event Reporting System (FAERS) data using machine learning (ML) techniques, focusing on 10-year data from January 2012 to December 2021. The dataset included 13,568,552 cases, and six different ML algorithms were applied to detect potential signals. The findings of the first phase suggested that despite the limitation of sample size and not being able to include all possible scenarios for PBRERs and case entries, automated processes improve the time efficiency for PV tasks by providing an average of 38.5% time savings for the ICSR entry task and an average of 26% time savings for PBRER preparation task. In the second phase of the study, XGBoost was selected as the most effective model among the applied ML algorithms, achieving an accuracy of 0.97, an F1 score of 0.71, and an AUC of 0.95. A significant finding was that high-scoring drug-AE combinations demonstrated exponential increases in case counts over the years, indicating their potential as signals. The results suggest that ML methods have potential for accurately identifying drug-AE interactions, contributing to more efficient pharmacovigilance.
Benzer Tezler
- Paperless environment model for knowledge management in universities with an implementation
Üniversitelerde bilgi yönetimi için kağıt kullanılmayan çevre modeli : Bir uygulama ile
TUĞBA BABAOĞLU
Yüksek Lisans
İngilizce
2020
Bilgi ve Belge YönetimiYeditepe ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR TEVFİK KAPLANCALI
- Effects of using artificial intelligence on the certified public accountant profession: Evidence from İstanbul certified public accountants
Yapay zeka kullanımının yeminli muhasebeclik mesleği üzerindeki etkileri: İstanbul mali muhasebirlerden deliller
SAJA AL FARES
Yüksek Lisans
İngilizce
2023
MaliyeYeditepe ÜniversitesiMuhasebe Finansman Bilim Dalı
DOÇ. DR. HAMDİYE TUBA ŞAVLI İBİŞ
- Computer vision and machine learning based adaptable conversion method for any light microscope to automated cell counter by trypan blue dye-exclusion
Bilgisayarlı görme ve makine öğrenme'ye dayalı olarak trapan mavisi boya dışlama tabanlı ışık mikroskoplarının otomatize hücre sayarına uyarlanabilir dönüşüm yöntemi
AKIN ÖZKAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SULTAN BELGİN İŞGÖR
YRD. DOÇ. DR. GÖKHAN ŞENGÜL
- The effect of different types of electric drive unit on energy consumption for heavy commercial vehicle
Ağır ticari araçlar için farklı elektrik tahrik ünitelerinin enerji tüketimine etkisi
METİN YILDIRIM
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERPİL KURT HABİBOĞLU
- Otomasyonlu iş akış hatlarının analizi ve bilgisayar simülasyonu
The Analyze and the computer simulation of the automated flow lines
ERKAN AKORAL
Yüksek Lisans
Türkçe
1997
Eğitim ve ÖğretimDumlupınar ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAMAZAN SÖKE