09 Automatische Erkennung medikamentöser Nebenwirkungen in der Geriatrie

Die Studie umfasste vier Schritte:

1. Erstellung einer umfassenden Liste von Antithrombotika mit ihren Nebenwirkungen und den mit Blutungen verbundenen Risikofaktoren.
2. Extraktion und Harmonisierung der Daten aus den elektronischen Krankengeschichten der drei Spitäler.
3. Entwicklung von Algorithmen zur Erkennung von Blutungen und deren Risikofaktoren anhand der strukturierten und textbasierten Daten aus den elektronischen Krankengeschichten. Dabei wurden insbesondere Methoden der künstlichen Intelligenz angewandt und mit Experten/-innen aus den Bereichen Datenwissenschaft und Klinik zusammengearbeitet.
4. Validierung der Algorithmen durch eine manuelle Durchsicht der Krankengeschichten.

Unerwünschte Arzneimittelwirkungen (UAW) werden bei etwa einem Drittel aller älteren Personen im Spital beobachtet. Zu den Arzneimitteln mit dem grössten Risiko gehören Antithrombotika, die in der Geriatrie häufig zur Vorbeugung und Behandlung von thromboembolischen Erkrankungen eingesetzt werden. Zur schweizweiten Überwachung von UAW im Zusammenhang mit Antithrombotika sollten automatisierte Systeme entwickelt werden. Strukturierte und textbasierte Daten aus elektronischen Krankengeschichten in Spitälern stellen eine wertvolle Informationsquelle dar.

Ziel der Studie war die Entwicklung und Validierung eines automatischen Systems zur Erkennung von UAW bei antithrombotischen Medikamenten auf der Grundlage von Daten aus elektronischen Krankengeschichten in drei Schweizer Universitätsspitälern. Die Studie wollte die Häufigkeit von Blutungen (je nach Schweregrad) abschätzen, die damit verbundenen Faktoren ermitteln und die Kausalität zwischen Medikamenten und UAW untersuchen.

Insgesamt wurden 37’079 Fälle von Hospitalisierungen von Personen ab 65 Jahren untersucht, die mit antithrombotischen Medikamenten behandelt und zwischen 2015 und 2016 in Spitälern in Lausanne, Genf und Zürich hospitalisiert wurden. Die Häufigkeit von Blutungen in den strukturierten Daten betrug 10,8%, wovon 3,4% schwere Blutungen waren. Die Integration von Daten über verabreichte Medikamente und Labortestergebnisse führte zu einer verbesserten Erkennungsrate von Blutungen. Textdaten aus Austrittsberichten trugen ebenfalls dazu bei, die Erkennung von Blutungsereignissen aus den strukturierten Daten zu verbessern. Schließlich wurde ein skalierbares System zur Erkennung medizinischer Probleme in den elektronischen Krankengeschichten entwickelt.

Diese Studie ermöglicht es, die Überwachung von Blutungsereignissen in einer älteren Bevölkerung, die mit Antithrombotika behandelt wird, zu optimieren, die Verschreibung dieser Risikomedikamente im klinischen Alltag sicherer zu machen und die Patientinnen und Patienten zu informieren. Schließlich werden die erarbeiteten Methoden und Instrumente für die Erforschung und Überwachung von unerwünschten Arzneimittelereignissen zur Verfügung gestellt.

Automated detection of adverse drug events from older inpatients’ electronic medical records using structured data mining and natural language processing