Abstrakt

Erkennung von Medikationsmustern bei Krankheitskomorbidität auf der Grundlage einer Netzwerkmotivanalyse

Di Chen, Jin Tian, ​​Yuepeng Yao, Songxing Du, Jieyin Gao, Rongjuan Guo, Yun Wei und Peng Lu

Komorbidität ist ein häufiges und wichtiges Problem in der medizinischen Praxis. Patienten mit solchen Erkrankungen müssen spezielle medizinische Eingriffe vornehmen. Hier haben wir ein netzwerkbasiertes Rechenmodell vorgeschlagen, um die Komorbiditätsmedikationsmuster zu ermitteln, indem wir die elektronischen Gesundheitsakten eines Krankenhauses für Traditionelle Chinesische Medizin (TCM) nutzen. Ein wichtiger Schritt dieses Modells ist die Schätzung von drei Arten von Assoziationen, nämlich Krankheitsassoziationen, Krankheits-Medikamentassoziationen und Medikament-Medikamentassoziationen durch statistische Analysen. Basierend auf diesen Assoziationen wurde ein Krankheits-Medikamenten-Netzwerk (DDN) erstellt. Anschließend wurden Komorbiditätsmedikationsmuster aus dem DDN durch Random-Walk- und Netzwerkmotiv-basierte Analyse ermittelt. Am Beispiel der Kreislauferkrankungen haben wir dieses Modell angewendet, um die Komorbiditätsbeziehungen zwischen verschiedenen Krankheiten zu ermitteln und die entsprechenden Medikationsmuster zu erkennen. Als Ergebnis haben wir Licht auf die Komorbiditäten zwischen verschiedenen Kreislauferkrankungen geworfen und festgestellt, dass eine Kreislauferkrankung mit einer anderen Läsion an einer anderen Stelle des Kreislaufsystems einhergehen kann. Darüber hinaus haben wir einige bedeutsame Medikationsmuster identifiziert, die mit der TCM-Theorie übereinstimmen. Beispielsweise kann ein Blutregulierungsmittel allein oder in Kombination mit einem anderen Mittel wie einem Stärkungsmittel zur Behandlung von Komorbiditäten bei verschiedenen mit „Blutstauung“ verbundenen Krankheiten eingesetzt werden.