Un algoritmo informático sirve para descubrir efectos secundarios generados por interacciones entre fármacos
(17-20/03/2012) - E.P.
En más de los cuatro millones de informes contenidos en la base de datos de la FDA no es posible saber si los efectos secundarios que constatan son verdaderos efectos secundarios, resultado de una combinación de medicamentos o incluso un simple cúmulo de circunstancias
Investigadores de la Stanford University School of Medicine, en Estados Unidos, han diseñado un algoritmo informático que permite escudriñar rápidamente millones de informes de las autoridades del medicamento de Estados Unidos (FDA) e identificar los verdaderos efectos secundarios de los fármacos. Asimismo, este método sirve para identificar interacciones inesperadas entre fármacos distintos.
La investigación, que incluye una lista detallada con varias docenas de las interacciones entre fármacos más importantes, se publica en la revista especializada Science Translational Medicine.
Uno de los principales investigadores del estudio, Russ Altman, profesor de Bioingeniería, Genética y Medicina en Stanford, las personas de 70 años toman una media de siete diferentes fármacos de prescripción. Sin embargo, es muy difícil descubrir los verdaderos efectos secundarios, porque las personas tienen diferentes historiales médicos, enfermedades y los fármacos que toman, así como en edad, género y entorno.
Tatonetti ha desarrollado una forma de desarrollar un tipo de estudio de control de casos con estos datos, creando grupos de personas lo más similares posible, con la excepción de un fármaco variable para la hipertensión.
Si significativamente más gente que toma un fármaco informó de un evento adverso, como dolores de cabeza o vómitos, que aquellos que no tomaban el medicamento, es probable que la medicación sea realmente la culpable. Un método similar se puede usar para analizar las interacciones entre fármacos.
Emparejando la mayor cantidad de esta variables posible, los autores controlaron también por género, edad, dieta y muchas otras cosas que podrían no estar incluidas directamente en la base de datos de la FDA, esto incrementa el poder predictivo de la técnica, explican.
Tatonetti y Altman probaron su método analizando los registros sanitarios electrónicos de pacientes del Stanford Hospital & Clinics. Así confirmaron que 47 nuevas interacciones entre fármacos identificadas en el Estudio AERS eran reales cuando se analizaban los registros de los pacientes "reales".
La investigación, que incluye una lista detallada con varias docenas de las interacciones entre fármacos más importantes, se publica en la revista especializada Science Translational Medicine.
Uno de los principales investigadores del estudio, Russ Altman, profesor de Bioingeniería, Genética y Medicina en Stanford, las personas de 70 años toman una media de siete diferentes fármacos de prescripción. Sin embargo, es muy difícil descubrir los verdaderos efectos secundarios, porque las personas tienen diferentes historiales médicos, enfermedades y los fármacos que toman, así como en edad, género y entorno.
Tatonetti ha desarrollado una forma de desarrollar un tipo de estudio de control de casos con estos datos, creando grupos de personas lo más similares posible, con la excepción de un fármaco variable para la hipertensión.
Si significativamente más gente que toma un fármaco informó de un evento adverso, como dolores de cabeza o vómitos, que aquellos que no tomaban el medicamento, es probable que la medicación sea realmente la culpable. Un método similar se puede usar para analizar las interacciones entre fármacos.
Emparejando la mayor cantidad de esta variables posible, los autores controlaron también por género, edad, dieta y muchas otras cosas que podrían no estar incluidas directamente en la base de datos de la FDA, esto incrementa el poder predictivo de la técnica, explican.
Tatonetti y Altman probaron su método analizando los registros sanitarios electrónicos de pacientes del Stanford Hospital & Clinics. Así confirmaron que 47 nuevas interacciones entre fármacos identificadas en el Estudio AERS eran reales cuando se analizaban los registros de los pacientes "reales".
.png)
No hay comentarios:
Publicar un comentario