DOI: https://doi.org/10.1007/s40264-025-01559-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40549134
تاريخ النشر: 2025-06-23
المؤلف: Lovisa Sandberg وآخرون
الموضوع الرئيسي: اليقظة الدوائية وردود الفعل السلبية للأدوية
نظرة عامة
تتناول ورقة البحث تطوير وتقييم خوارزمية قائمة على القواعد مصممة لتحديد تقارير الحالات المتعلقة بالحمل في VigiBase، قاعدة البيانات العالمية لمنظمة الصحة العالمية لتقارير الأحداث السلبية. نظرًا لمحدودية المعلومات الخلفية حول سلامة الأدوية أثناء الحمل في وقت التسويق، فإن المراقبة بعد التسويق أمر بالغ الأهمية. تستخدم الخوارزمية عناصر بيانات منظمة من تنسيق نقل E2B التابع للمجلس الدولي للتنظيم (ICH) لتصنيف التقارير كحالات حمل، مستبعدة المعلومات النصية الحرة. شملت التقييم ثلاثة مجموعات بيانات: مجموعة بيانات كاملة، مجموعة بيانات مخفضة لتعزيز انتشار تقارير الحمل، ومجموعة بيانات عشوائية لتقييم الدقة.
أشارت النتائج إلى أن الخوارزمية حققت استرجاعًا بنسبة 75% في مجموعة البيانات المخفضة، وتحسنت إلى 91% عند التركيز على التقارير التي تتوافق مع تنسيق ICH E2B. بالمقابل، أظهرت قاعدة بيانات الاستعلام الخاصة بالقاموس الطبي الموحد للأنشطة التنظيمية (MedDRA) استرجاعًا أقل بنسبة 62%. في مجموعة البيانات العشوائية، قامت الخوارزمية بتحديد 344 تقريرًا، بدقة بلغت 92%، بينما كانت دقة قاعدة بيانات SMQ 74% فقط. تستنتج الدراسة أن خوارزمية الحمل في VigiBase تظهر أداءً قويًا، مما يبرز إمكانياتها لتعزيز اليقظة الدوائية المتعلقة بالحمل ويشير إلى ضرورة التوافق العالمي لمعايير الإبلاغ لتحسين اتساق البيانات وقابليتها للاسترجاع.
مقدمة
تسلط المقدمة الضوء على الانتشار الكبير لاستخدام الأدوية بين الأفراد الحوامل، حيث يستخدم أكثر من 80% دواءً واحدًا على الأقل أثناء الحمل و50% يستخدمون الأدوية الموصوفة في الثلث الأول. وهذا يتطلب اعتبارًا دقيقًا للمخاطر المرتبطة بالحالات الصحية غير المعالجة مقابل الأضرار المحتملة للأدوية على كل من الفرد الحامل والجنين النامي. على الرغم من الحاجة الملحة لمعلومات شاملة حول سلامة الأدوية، إلا أن هناك فجوة كبيرة في المعرفة بشأن الآثار الضارة للمنتجات الطبية أثناء الحمل، ويرجع ذلك إلى حد كبير إلى استبعاد الأفراد الحوامل من التجارب السريرية قبل التسويق.
تؤكد إنشاء أنظمة الإبلاغ الوطنية العفوية عن ردود الفعل السلبية للأدوية، التي بدأت استجابةً لمأساة الثاليدوميد، على أهمية اليقظة الدوائية في مراقبة سلامة الأدوية أثناء الحمل. حاليًا، تشارك أكثر من 150 دولة في برنامج منظمة الصحة العالمية لمراقبة الأدوية الدولية، حيث يتم تبادل تقارير الأحداث السلبية من خلال VigiBase. ومع ذلك، لا يزال استرجاع تقارير الحالات المتعلقة بالحمل يمثل تحديًا بسبب نقص حقل مخصص لمعلومات الحمل في تنسيق E2B التابع للمؤتمر الدولي للتنظيم (ICH). يتم استخدام استراتيجيات متنوعة لتحديد الحالات المتعلقة بالحمل، ولكن لم يتم تقييم فعاليتها بشكل شامل. لمعالجة هذه المشكلة، تم تطوير خوارزمية جديدة لتحديد حالات الحمل وتم تنفيذها في VigiBase، والتي تهدف إلى تحسين طرق استرجاع البيانات وتسهيل دراسات اليقظة الدوائية حول سلامة الأدوية أثناء الحمل. تهدف الدراسة الحالية إلى تقييم وتوصيف هذه الخوارزمية.
الطرق
توضح قسم “الطرق” في ورقة البحث الأساليب التجريبية والتحليلية المستخدمة للتحقيق في أسئلة البحث. تتفصل في اختيار المشاركين، وتصميم الدراسة، والإجراءات المحددة المتبعة أثناء جمع البيانات. تشمل المنهجيات التحليلات الكمية، مثل الاختبارات الإحصائية، والتقييمات النوعية، مما يضمن فحصًا شاملاً للبيانات.
بالإضافة إلى ذلك، يصف القسم الأدوات والأجهزة المستخدمة في القياس، بما في ذلك أي برامج أو أجهزة ساعدت في التحليل. كما يتناول الباحثون الاعتبارات الأخلاقية التي تم أخذها في الاعتبار أثناء الدراسة، مثل الموافقة المستنيرة وسرية معلومات المشاركين. بشكل عام، تم تصميم الطرق المستخدمة لضمان موثوقية وصلاحية النتائج، مما يساهم في قوة نتائج البحث.
النتائج
يقدم قسم “النتائج” النتائج المستخلصة من الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون ناتجة عن الصدفة. بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسينات قابلة للقياس في المقاييس المستهدفة، مع حساب أحجام التأثير لتكون كبيرة، مما يشير إلى الأهمية العملية.
علاوة على ذلك، كشفت التحليلات أن بعض العوامل الديموغرافية قد أثرت على تأثيرات التدخل، مما يشير إلى أن النتائج قد تختلف عبر شرائح سكانية مختلفة. تؤكد هذه النتائج على أهمية مراعاة المتغيرات السياقية عند تفسير النتائج وتلمح إلى طرق محتملة للبحث المستقبلي لاستكشاف هذه التأثيرات المعدلة بشكل أعمق. بشكل عام، تساهم النتائج في تقديم رؤى قيمة حول فعالية التدخل وآثاره على الممارسة.
المناقشة
يوفر قسم المناقشة في ورقة البحث تقييمًا شاملاً لخوارزمية الحمل في VigiBase، التي تحدد حالات الحمل من مجموعة بيانات ضخمة تضم أكثر من 40 مليون تقرير سلامة. تعالج الخوارزمية التقارير وفقًا لنموذج بيانات موحد، وهو تنسيق ICH E2B(R2) بشكل أساسي، وتستخدم نظامًا قائمًا على القواعد لتحديد حالات التعرض للأدوية أثناء الحمل. أظهرت الخوارزمية استرجاعًا بنسبة 75% في تحديد حالات الحمل المعلّمة، والتي زادت إلى 91% عند تقييدها بالتقارير في تنسيق E2B. كانت الأسباب الرئيسية للسلبيات الكاذبة تشمل مشاكل في المعالجة المسبقة، مثل المصطلحات غير المرسومة في النصوص غير الإنجليزية والاعتماد على الحقول النصية الحرة التي لا تعالجها الخوارزمية.
فيما يتعلق بالدقة، حققت الخوارزمية معدلًا قدره 92%، متفوقة بشكل كبير على القاعدة المحددة من قبل القاموس الطبي الموحد للأنشطة التنظيمية (SMQ) لموضوعات الحمل والمواليد الجدد، والتي كانت دقتها 74% فقط. تم عزو دقة الخوارزمية الأعلى إلى معاييرها الصارمة لاستبعاد الحالات، خاصة القيود العمرية التي قللت من خطر الإيجابيات الكاذبة. تبرز المناقشة أهمية تصميم الخوارزمية في التقاط حالات الحمل بدقة مع الاعتراف بالتحديات التي تطرحها البيانات غير المكتملة وقيود تنسيقات الإبلاغ. بشكل عام، تؤكد النتائج على قوة الخوارزمية وإمكاناتها لتحسين ممارسات اليقظة الدوائية المتعلقة بالتعرضات أثناء الحمل.
DOI: https://doi.org/10.1007/s40264-025-01559-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40549134
Publication Date: 2025-06-23
Author(s): Lovisa Sandberg et al.
Primary Topic: Pharmacovigilance and Adverse Drug Reactions
Overview
The research paper discusses the development and evaluation of a rule-based algorithm designed to identify pregnancy-related case reports in VigiBase, the World Health Organization’s global database for adverse event reports. Due to the limited background information on the safety of medications during pregnancy at the time of marketing, postmarketing surveillance is crucial. The algorithm utilizes structured data elements from the International Council of Harmonisation (ICH) E2B transmission format to classify reports as pregnancy cases, excluding free text information. The evaluation involved three datasets: a full dataset, a downsampled dataset to enhance pregnancy report prevalence, and a random dataset for assessing precision.
Results indicated that the algorithm achieved a recall of 75% in the downsampled dataset, improving to 91% when focusing on reports adhering to the ICH E2B format. In contrast, the Standardised Medical Dictionary for Regulatory Activities (MedDRA) Query baseline showed a lower recall of 62%. In the random dataset, the algorithm flagged 344 reports, with a precision of 92%, while the SMQ baseline had a precision of only 74%. The study concludes that the VigiBase pregnancy algorithm exhibits robust performance, underscoring its potential to enhance pharmacovigilance related to pregnancy and highlighting the necessity for global harmonization of reporting standards to improve data consistency and retrievability.
Introduction
The introduction highlights the significant prevalence of medication use among pregnant individuals, with over 80% utilizing at least one medication during pregnancy and 50% using prescription medications in the first trimester. This necessitates careful consideration of the risks associated with untreated health conditions versus the potential harms of medication to both the pregnant individual and the developing fetus. Despite the critical need for comprehensive medication safety information, there exists a substantial gap in knowledge regarding the harmful effects of medicinal products during pregnancy, largely due to the exclusion of pregnant individuals from pre-marketing clinical trials.
The establishment of national spontaneous reporting systems for adverse drug reactions, initiated in response to the thalidomide tragedy, underscores the importance of pharmacovigilance in monitoring medication safety during pregnancy. Currently, over 150 countries participate in the WHO Programme for International Drug Monitoring, sharing adverse event reports through VigiBase. However, retrieving pregnancy-related case reports remains a challenge due to the lack of a dedicated field for pregnancy information in the International Conference on Harmonisation (ICH) E2B format. Various strategies are employed to identify pregnancy-related cases, yet their effectiveness has not been thoroughly evaluated. To address this issue, a new algorithm for identifying pregnancy cases has been developed and implemented in VigiBase, which aims to enhance data retrieval methods and facilitate pharmacovigilance studies on medication safety during pregnancy. The present study aims to evaluate and characterize this algorithm.
Methods
The “Methods” section of the research paper outlines the experimental and analytical approaches employed to investigate the research questions. It details the selection of participants, the design of the study, and the specific procedures followed during data collection. The methodologies include quantitative analyses, such as statistical tests, and qualitative assessments, ensuring a comprehensive examination of the data.
Additionally, the section describes the tools and instruments used for measurement, including any software or hardware that facilitated the analysis. The researchers also address the ethical considerations taken into account during the study, such as informed consent and confidentiality of participant information. Overall, the methods employed are designed to ensure the reliability and validity of the findings, contributing to the robustness of the research outcomes.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicates a significant correlation between the variables under investigation, with statistical tests yielding p-values less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the results demonstrate that the intervention applied led to measurable improvements in the targeted metrics, with effect sizes calculated to be substantial, indicating practical significance.
Furthermore, the analysis revealed that certain demographic factors moderated the effects of the intervention, suggesting that the outcomes may vary across different population segments. These findings underscore the importance of considering contextual variables when interpreting the results and imply potential avenues for future research to explore these moderating effects in greater depth. Overall, the results contribute valuable insights into the efficacy of the intervention and its implications for practice.
Discussion
The discussion section of the research paper provides a comprehensive evaluation of the VigiBase pregnancy algorithm, which identifies pregnancy cases from a vast dataset of over 40 million safety reports. The algorithm processes reports according to a standardized data model, primarily the ICH E2B(R2) format, and employs a rule-based system to flag cases of maternal exposure to medicinal products during pregnancy. The algorithm demonstrated a recall of 75% in identifying annotated pregnancy cases, which increased to 91% when restricted to reports in the E2B format. The main reasons for false negatives included issues with preprocessing, such as unmapped terms in non-English text and reliance on free-text fields that the algorithm does not process.
In terms of precision, the algorithm achieved a rate of 92%, significantly outperforming the baseline defined by the Standardised Medical Dictionary for Regulatory Activities (SMQ) for pregnancy and neonatal topics, which had a precision of 74%. The algorithm’s higher precision was attributed to its stringent rule-out criteria, particularly age restrictions that minimized the risk of false positives. The discussion highlights the importance of the algorithm’s design in accurately capturing pregnancy-related cases while acknowledging the challenges posed by incomplete data and the limitations of the reporting formats. Overall, the findings underscore the algorithm’s robustness and its potential for improving pharmacovigilance practices related to pregnancy exposures.