Signal Detection using Disproportionality Analysis
Signal detection is the process of identifying potential causal relationships between a drug and an adverse event from large datasets, typically spontaneous reporting systems. It uses statistical methods, known as disproportionality analysis, to find drug-event combinations reported more frequently than expected. A common measure is the Reporting Odds Ratio (ROR), a value greater than one suggesting a potential signal that requires further investigation.
Die Disproportionalitätsanalyse ist eine zentrale Data-Mining-Technik in der modernen Pharmakovigilanz. Sie dient dazu, in riesigen Datenbanken mit Spontanmeldungen, die Millionen von Meldungen enthalten, die „Nadel im Heuhaufen“ zu finden. Der Grundgedanke besteht darin, den Anteil der Meldungen zu einem bestimmten unerwünschten Ereignis in Verbindung mit einem bestimmten Arzneimittel mit dem Anteil der Meldungen zu demselben Ereignis in Verbindung mit allen anderen Arzneimitteln in der Datenbank zu vergleichen. Tritt ein Arzneimittel-Ereignis-Paar signifikant häufiger auf, als zufällig zu erwarten wäre, wird es als Hinweis auf einen möglichen Zusammenhang gekennzeichnet.
Die Berechnung erfolgt üblicherweise mithilfe einer 2 ×2-Kontingenztabelle. Für ein bestimmtes Medikament (Medikament X) und Ereignis (Ereignis Y) enthält die Tabelle vier Zellen: (a) Meldungen mit Medikament X und Ereignis Y, (b) Meldungen mit Medikament X und einem beliebigen anderen Ereignis, (c) Meldungen mit einem beliebigen anderen Medikament und Ereignis Y sowie (d) Meldungen mit einem beliebigen anderen Medikament und einem beliebigen anderen Ereignis. Die Meldequote (Reporting Odds Ratio, ROR) wird dann wie folgt berechnet: (a/c) / (b/d) = ad/bc. Ein ROR-Wert deutlich über 1 deutet in Verbindung mit einer ausreichenden Fallzahl auf einen statistischen Zusammenhang hin.
Other common measures include the Proportional Reporting Ratio (PRR) and Bayesian methods like the Multi-item Gamma Poisson Shrinker (MGPS). It is crucial to understand that these methods do not establish causality. They are hypothesis-generating tools. A statistical signal can be influenced by many biases, such as media attention (the ‘Weber effect’), co-prescribed medications, or the underlying disease being treated. Therefore, any detected signal must undergo a thorough qualitative and clinical assessment by experts before any regulatory action is considered.
UNESCO Nomenclature: 1209
- Statistik
Verwendung
Weitverbreitete Verwendung
Vorläufer
- the establishment of large-scale spontaneous reporting databases
- advances in computational power and data mining techniques
- foundational principles of epidemiology and biostatistics
- the bayesian statistical framework
Anwendungen
- prioritizing which drug-safety issues require in-depth investigation
- automated screening of large adverse event databases like FAERS and VigiBase
- providing early warnings about potential drug hazards
- supporting regulatory decision-making on drug safety communications
Potenzielle Innovationsideen
Aufgrund des hohen Datenverkehrs durch Web-Scraping-Bots, der derzeit mehr als 40.000 Anfragen pro Tag umfasst, ist dieser Inhalt ausschließlich Community-Mitgliedern vorbehalten.
> Anmelden < oder > Registrieren < (100% kostenlos) Zugriff darauf sowie auf alle anderen eingeschränkten Inhalte und Tools.
Verwandt mit: Signalerkennung, Disproportionalitätsanalyse, proportionales Meldeverhältnis (PRR), Melde-Odds-Ratio (ROR), Data Mining, Pharmakovigilanz, VigiBase, Pharmakoepidemiologie.