기계학습 방법을 활용한 Cephalosporins의 피부 이상반응 분석: KAERS DB를 활용한 약물감시 데이터 기반 연구

이혜원; 오경선; 권혜준; 임솔하; 최승호; 김종윤

추천

검색

자료유형: 학술저널

저자정보: 이혜원 (이화여자대학교 의학과) 오경선 (동덕여자대학교 약학대학) 권혜준 (이화여자대학교 휴먼바이오기계공학부) 임솔하 (한양대학교 사학과) 최승호 (한성대학교 기초교양학부) 김종윤 (동덕여자대학교 약학대학)

저널정보: 한국병원약사회 병원약사회지 병원약사회지 제41권 제3호

발행연도: 2024.8

수록면: 275 - 283 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Background : Cross-reactivity and hypersensitivity to β-lactam antibiotics significantly limit their use. This study aimed to analyze cutaneous adverse reaction patterns associated with cefoxitin and cephalothin, which share R1 side chain chemical structures, using machine learning techniques applied to the Korea Adverse Event Reporting System Database (KAERS DB). The goal was to establish evidence for safer antibiotic use. Methods : We utilized KAERS DB data from January 2018 to December 2022. The dataset was divided into dermatological adverse events and others, with 2018-2019 data serving as the training set and 2020-2022 data as the test set. Eight machine learning models were developed to predict cutaneous adverse reaction risks. Model performance was evaluated using accuracy and Area under the Receiver Operating Characteristic Curve (AUC) on both training and test sets. Statistical analyses were performed using Python 3.7.6. Results : In the training dataset, most models achieved high accuracy (0.986), with Bagging Classifier and Extra Trees Classifier demonstrating excellent performance (AUC 0.974). The test dataset also showed high accuracy (0.998) across models, but AUC scores varied. AdaBoost Classifier (AUC 0.812), Random Forest Classifier (AUC 0.786), and MLP Classifier (AUC 0.736) performed particularly well. Conclusion : This study employed machine learning techniques to classify cutaneous adverse reactions associated with second-generation (cefoxitin) and first-generation (cephalothin) cephalosporins, which have relatively high adverse event risks, and to predict potential cutaneous reactions in new cases. The models incorporated cross-reactivity possibilities based on cephalosporin chemical structures and demonstrated high predictive accuracy. These findings are expected to contribute to the development of safer antibiotic use guidelines based on scientific evidence.

#β-Lactam antibiotics #Cutaneous adverse reactions #Machine learning #KAERS DB (Korea Adverse Event Reporting System Database) #Cross-reactivity

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)