奥氮平安全警戒信号的大数据挖掘与分析

目的:基于大数据挖掘分析奥氮平上市后安全警戒信号,为临床合理用药提供参考。方法: 利用美国FDA公共数据开放项目(openFDA)调取FDA不良事件报告系统(FAERs)数据库自2004年1月以 来收集的奥氮平药物不良事件(ADE)报告,采用报告比值比法(ROR)检测信号,以其95%置信区间下限 (ROR 95%cI。…。….)>1提示有安全警戒信号,比较奥氮平和其他抗精神病药(包括喹硫平、氯氮平、利培 酮、帕利哌酮、阿立哌唑、齐拉西酮、氯丙嗪、奋乃静、氟哌啶醇)与警戒信号的比例失衡分析结果,以相对报 告比(RRR)最大提示其与该警戒信号最相关。结果:共提取得到的11 171 211份ADE报告中,以奥氮平为 怀疑药物的ADE报告27 705份,其中以精神疾病分类的ADE报告数与信号数最多,>1 000例的ADE信号 有药物毒性、药物无效、药物相互作用、体重增加、嗜睡、自杀死亡、过量和恶性综合征(NMs)。ROR法检测 数量排序前100位ADE信号中有83个安全警戒信号,其中16个在奥氮平最新药品说明书中未提及,以 NMS风险信号最高(ROR 95%CI。…h。m=58.227)。氯丙嗪(RRR=75.271)、氟哌啶醇(RRR=66.164)与 NMs风险相关性均高于奥氮平(RRR=52.375)。结论:利用openFDA平台对奥氮平的安全警戒信号进行 检测分析,可有效为其后续药物警戒工作提供参考。

  • 2021-06-21
  • 阅读457
  • 下载0
  • 7页
  • pdf

基于数字孪生的智能制造系统设计综述

在工业4.0中,智能制造已成为世界制造业的发展方向。世界各国新的先进制造战略使得设计新的智能制造系统的需求日益增加。智能制造系统(SMS)是一个由智能机器、智能材料、智能产品等各种要素复杂耦合组成的多领域物理系统。SMSD是一个复杂的过程,包括对来自多个来源的数据进行建模、分析、挖掘和学习。除了输入需求和过程扰动的不确定性外,设计变量和目标之间复杂的相互作用、耦合、冲突使得SMSD成为一个高度迭代和费时费力的任务。在SMS的数字化设计过程中,SMS可以在数字空间中分解为各种粒度的数字模型,而物理产品和制造过程则存在于另一个物理空间中;因此,映射SMS真实世界的高保真网络模型对于弥补SMS设计阶段和运行阶段之间的差距至关重要。另外,由于SMS与传统制造系统的主要区别在于工业智能,因此与传统的MSD相比,SMSD在工业人工智能模型的设计方面更具挑战性。然而,数字孪生在智能制造系统设计(SMSD)中的发展处于起步阶段。有必要对数字孪生技术融入SMSD的研究进行探索和梳理。本文试图展示如何将数字孪生技术合理融入SMSD,真正促进智能制造的发展。如下图所示,本文综述了基于数字孪生的智能制造系统设计定义、框架、主要设计步骤、新蓝图模型、关键使能技术、设计案例和研究方向。

  • 2021-06-03
  • 阅读457
  • 下载0
  • 13页
  • docx