| Revista: | Ingeniería. Investigación y tecnología |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000438726 |
| ISSN: | 1405-7743 |
| Autores: | Colmenares Guillén, Luis Enrique1 Carrillo Ruiz, Maya1 Morales Murillo, Victor Giovanni1 López y López, José Gustavo2 |
| Instituciones: | 1Benemérita Universidad Autónoma de Puebla, Facultad de Ciencias de la Computación, Puebla. México 2Benemérita Universidad Autónoma de Puebla, Facultad de Ciencias Químicas, Puebla. México |
| Año: | 2019 |
| Periodo: | Abr-Jun |
| Volumen: | 20 |
| Número: | 2 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | La interacción farmacológica es la modificación del efecto de un fármaco por la acción de otro fármaco. En México, se ha incrementado año con año el número de reacciones no deseadas de medicamentos provocadas por interacciones farmacológicas. En este artículo se realizó un análisis de los diccionarios médicos iDoctus México, PLM México y Vademécum. Con este análisis, se desarrolló un corpus con 540 interacciones farmacológicas que pueden presentarse en los medicamentos más frecuentes del Hospital Universitario de Puebla. Se generó un modelo de clasificación en la plataforma Weka utilizando un algoritmo Naïve Bayes que predice la posibilidad de una interacción farmacológica, clasificada en leve, moderada o grave. Se realizaron las pruebas con el algoritmo Naïve Bayes utilizando el método de validación cruzada con 10 pliegues. Posteriormente, las pruebas de validación, se compararon con el resultado obtenido con el algoritmo Random Forest, utilizando nuevamente el método de validación cruzada con 10 pliegues. Los resultados en el algoritmo Naïve Bayes son en precisión 79.1%, en recuerdo 75.7% y en F-measure 74.8%. En el algoritmo Random Forest son en precisión 51.7%, en recuerdo 51.7% y en F-measure 50.7%. Finalmente, los resultados obtenidos beneficiarían a la farmacovigilancia para aproximarse a predecir nuevas interacciones farmacológicas antes de la comercialización de un medicamento |
| Resumen en inglés | The pharmacological interaction is the modification of the effect of one drug by the action of another. In Mexico, the number of undesired drug reactions caused by pharmacological interactions has increasing year in year out. In this article an analysis of medical dictionaries such as iDoctus México, PLM México and Vademécum was carried out. With this analysis, a corpus with 540 pharmacological interactions that can occur in the most frequent medications at the Hospital Universitario de Puebla was developed. A classification model was generated on the Weka platform using a Naïve Bayes algorithm, which predicts the possibility of a pharmacological interaction classified as mild, moderate or severe. The tests with the Naïve Bayes algorithm were performed using the cross-validation method with 10 folds. Subsequently, the validation tests were compared with the results obtained by the Random Forest algorithm, again using the cross validation method with 10 folds. The results of the Naïve Bayes algorithm are 79.1%, in precision; 75.7% in recall, and 74.8%, in F-measure. With regard to the Random Forest algorithm, the data is as follows: 51.7%, in precision: 51.7% in recall, and 50.7%, in F-measure. Finally, the results obtained would benefit pharmacovigilance to approximate predicting new pharmacological interactions, prior to marketing a drug |
| Disciplinas: | Ciencias de la computación, Química |
| Palabras clave: | Química farmacéutica, Procesamiento de datos, Interacciones farmacológicas, Farmacovigilancia, Aprendizaje de máquinas, Clasificadores, Validación |
| Keyword: | Medicinal chemistry, Data processing, Pharmacological interactions, Pharmacovigilance, Machine learning, Classifiers, Validation |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
