کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.
از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود
سال انتشار:
2013
ترجمه فارسی عنوان مقاله:
کاربردِ رویکردهای بازیابی اطلاعات در مورد طبقه بندی موار در سیستم گزارش دهی رویداد عوارض جانبی واکسن
عنوان انگلیسی مقاله:
Application of Information Retrieval Approaches to Case Classification in the Vaccine Adverse Event Reporting System
منبع:
Springer, Drug Saf (2013) 36:573–582
نویسنده:
Taxiarchis Botsis • Emily Jane Woo • Robert Ball
چکیده انگلیسی:
Background Automating the classification of adverse
event reports is an important step to improve the efficiency
of vaccine safety surveillance. Previously we showed it
was possible to classify reports using features extracted
from the text of the reports.
Objective The aim of this study was to use the information encoded in the Medical Dictionary for Regulatory
Activities (MedDRA) in the US Vaccine Adverse Event
Reporting System (VAERS) to support and evaluate two
classification approaches: a multiple information retrieval
strategy and a rule-based approach. To evaluate the performance of these approaches, we selected the conditions
of anaphylaxis and Guillain–Barre´ syndrome (GBS).
Methods We used MedDRA Preferred Terms stored in
the VAERS, and two standardized medical terminologies:
the Brighton Collaboration (BC) case definitions and
Standardized MedDRA Queries (SMQ) to classify two
sets of reports for GBS and anaphylaxis. Two approaches
were used: (i) the rule-based instruments that are available
by the two terminologies (the Automatic Brighton
Classification [ABC] tool and the SMQ algorithms); and
(ii) the vector space model.
Results We found that the rule-based instruments, particularly the SMQ algorithms, achieved a high degree of
specificity; however, there was a cost in terms of sensitivity
in all but the narrow GBS SMQ algorithm that outperformed the remaining approaches (sensitivity in the testing
set was equal to 99.06 % for this algorithm vs. 93.40 % for
the vector space model). In the case of anaphylaxis, the
vector space model achieved higher sensitivity compared
with the best values of both the ABC tool and the SMQ
algorithms in the testing set (86.44 % vs. 64.11 % and
52.54 %, respectively).
Conclusions Our results showed the superiority of the
vector space model over the existing rule-based approaches
irrespective of the standardized medical knowledge represented by either the SMQ or the BC case definition. The vector
space model might make automation of case definitions for
spontaneous report review more efficient than current rulebased approaches, allowing more time for critical assessment
and decision making by pharmacovigilance experts.
چکیده فارسی:
پیش زمینه ی طبقه بندی خودکارِ گزارش های رویداد عوارض جانبی گام مهمی بمنظور بهبود بخشیدنِ نظارت بر ایمنی واکسن است . پیش از این نشان دادیم چگونه امکان طبقه بندی گزارشها با استفاده از دقتِ مشتق شده از متن گزارشات است .
هدف : هدف از این مطالعه استفاده از اطلاعات کدگذاری شده در فرهنگ لغت پزشکی برای فعالیتهای هماهنگ کننده (MedDRA) در سیستم گزارش دهی رویداد عوارض جانبی واکسن (VAERS) در ایالت متحده بمنظور حمایت و ارزیابی دو نوع رویکرد طبقه بندی کننده است : استراتژی عوارض جانبی واکسن و رویکرد مبتنی بر منطق . بمنظور ارزیابی عملکرد این رویکردها ، ما شرایط تحلیلی سندروم گیلن باره (GBS) را انتخاب کردیم .
روشها : ما ترجیحا از MedDRA ذخیره شده در VAERS و دو اصطلاح پزشکی استاندارد شده استفاده نمودیم :
تعاریف موردی بنیاد همکاری برایتون (BC) و پرسش و پاسخهای مربوط به استانداردسازی فرهنگ لغت پزشکی برای فعالیتهای هماهنگ کننده (SMQ) که میتوانیم دو مجموعه از GBS و آنافیلاکسی / بیش دفاعی را طبقه بندی کنیم. در اینجا دو رویکرد مورد استفاده قرار گرفتند : i) ابزارهای مبتنی بر قواعد که توسط دو اصطلاح در دسترس قرار دارند ( ابزار طبقه بندی خودکارِ برایتون (ABC) و الگوریتمهای (SMQ و ii) مدل های بردار فضا .
نتایج : ما دریافتیم که ابزارهای مبتنی بر قواعد ،بویژه الگوریتمهای SQM ، به دقتِ بسیار بالا دست پیدا کرده اند ، با این وجود ، از نظر میزان بازخوانی در تمام الگوریتمهای GBS SMQ که در مابقی رویکردها از آنها استفاده میشود هزینه هایی تخصیص داده میشود ( بازخوانی در مجموعه های مورد آزمایش برای این الگوریتم حدود 99.06% و برای مدل فضا بردار حدود 93.40% بود) . در مورد آنافیلاکسی ، مدل فضا بردار در مقایسه با بهترین ابزارهای ABC و SMQ در مجموعه مورد آزمایش دارای بیشترین میزان بازخوانی بود (86.44% در مقابل 64.11% و 52.54% بترتیب) .
پیامدها : نتایج ما نشان میدهد که اولویت مدل فضا بردار نسبت به رویکردهای مبتنی بر قواعد ،صرفنظر از دانش پزشکی استانداردسازی نشان دهنده ی تعریف های SMQ و یا BC است . مدل فضا – بردار میتواند اتوماسیون موارد تعریف شده برای گزارش خود به خود و داوطلبانه را بیش از زرویکردهای مبتنی بر قواعد مورد مرور و بازبینی قرار دهد ، و زمان بیشتری برای ارزیابی های انتقادی و تصمیم گیری توسط متخصصان مراقبتهای دارویی در اختیار ما قرار میدهد .
حجم فایل: 367 کیلوبایت
قیمت: 28000 تومان 22400 تومان(20% تخفیف)
توضیحات اضافی:
تعداد نظرات : 0