Desenvolvimento de modelo de machine learning para detecção de relatos de evento adverso em mídias sociais (2019)
- Authors:
- USP affiliated author: RODRIGUES, CAMILA KOKRON - FCF
- School: FCF
- Subjects: MÍDIAS SOCIAIS; FARMACOVIGILÂNCIA; MINERAÇÃO DE DADOS
- Language: Português
- Abstract: INTRODUÇÃO: A Farmacovigilância consiste no conjunto de atividades com o objetivo de identificar, avaliar, compreender e prevenir efeitos adversos ou qualquer problema relacionado ao uso de medicamentos. O monitoramento pós-registro representa a vigilância contínua sobre o perfil de segurança e eficácia dos medicamentos, garantindo a prevalência do benefício sobre o risco associado ao uso de produtos farmacêuticos. O grande número de relatos relacionados a medicamentos carece do uso de algoritmos computadorizados em complementação aos métodos tradicionais de detecção de sinais de eventos adversos. Coletar grande quantidade de dados, por exemplo em mídias sociais e analisar de forma agrupada permite maior entendimento e fornece evidências seguras para embasar as conclusões, encontrar relações que podem fornecer maior segurança dos produtos em comercialização. OBJETIVO: Descrever os principais aspectos para o desenvolvimento de um modelo de machine learning e data mining capaz de detectar relatos de eventos adversos em mídias sociais com foco na descrição geral sobre conceitos importantes para identificação de cenários de Farmacovigilância e coleta de dados de mídias sociais para automação do monitoramento de eventos adversos ao uso de medicamentos. MATERIAIS E MÉTODOS: Foram fornecidas informações de dados da literatura e dados oficiais do governo que fornecem as diretrizes referentes aos conceitos e classificações em Farmacovigilância, para detecção de eventos adversos ao uso de medicamentos. O Twitter foi selecionado como rede social modelo para realizar a coleta de informações de postagens. A proposta consistiu no desenvolvimento de dois códigos em linguagem de programação Python, a fim de (1) extrair de forma organizada postagens em mídias públicas envolvendo produtosfarmacêuticos e (2) classificar os dados de acordo com critérios relevantes para a segurança do produto.RESULTADOS: Os modelos desenvolvidos tiveram sucesso na extração de dados de postagens para identificação de cenários de Farmacovigilância, bem como a possibilidade de realizar uma classificação dos dados obtidos com base em parâmetros prédeterminados. A execução do código trouxe um resultado com 407 tweets, em que 73 (17,9%) possuíam algum tipo de relato de evento adverso15,1%, dentre os quais foram classificados como graves. CONCLUSÃO: Com aprimoramento dos modelos, o estudo demonstrou que seria possível incluir mais parâmetros e classificações para aplicação efetiva do modelo proposto. Com base em requisitos legais e padrões utilizados em Farmacovigilância, verificou-se que é possível desenvolver uma ferramenta automatizada de detecção e triagem de relatos de EA em mídias digitais. Dessa forma, os resultados compreendem estudos e processos que se apresentam consistentes, representando grande oportunidade para o aprimoramento das análises e divulgação das atividades de monitoramento dos medicamentos
- Imprenta:
-
ABNT
RODRIGUES, Camila Kokron. Desenvolvimento de modelo de machine learning para detecção de relatos de evento adverso em mídias sociais. 2019. Trabalho de Conclusão de Curso (Graduação) – Faculdade de Ciências Farmacêuticas, Universidade de São Paulo, São Paulo, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/c9d629fd-0a21-4ece-8261-a30b291f479d/3050181.pdf. Acesso em: 24 abr. 2024. -
APA
Rodrigues, C. K. (2019). Desenvolvimento de modelo de machine learning para detecção de relatos de evento adverso em mídias sociais (Trabalho de Conclusão de Curso (Graduação). Faculdade de Ciências Farmacêuticas, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/c9d629fd-0a21-4ece-8261-a30b291f479d/3050181.pdf -
NLM
Rodrigues CK. Desenvolvimento de modelo de machine learning para detecção de relatos de evento adverso em mídias sociais [Internet]. 2019 ;[citado 2024 abr. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/c9d629fd-0a21-4ece-8261-a30b291f479d/3050181.pdf -
Vancouver
Rodrigues CK. Desenvolvimento de modelo de machine learning para detecção de relatos de evento adverso em mídias sociais [Internet]. 2019 ;[citado 2024 abr. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/c9d629fd-0a21-4ece-8261-a30b291f479d/3050181.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3050181.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
