| ชื่อบทความ: | การพัฒนาตัวแบบการพยากรณ์การเกิดอาการไม่พึงประสงค์รุนแรงจนนำไปสู่ การใช้ยาฉีด Benztropine ในผู้ป่วยจิตเวชโดยเทคนิคการทำเหมืองข้อมูล |
| Research Article: | Development of a Predictive Model for Serious Adverse Drug Reaction in Psychiatric Patients Leading to the Use of Benztropine Injection by Using Data Mining Techniques |
| ผู้เขียน|Author: | พรทิพย์ ธีรรัตน์ไชยเลิศ, วิญญู ชะนะกุล, จันทร์เจ้า มงคลนาวิน, ถนอมพงษ์ เสถียรลัคนา, สิริวัฒน์ สุวัฒนปรีดา, พรยุพา เตียงพัฒนะวงษ์ และอนุสรา เครือนวล | Porntip Theraratchilert, Winyoo Chanakul, Janjao Mongkolnavin, Thanompong Sathienluckana, Siriwat Suwattanapreeda, Pornyupa Tiangphattanawong and Anusara Kraunual |
| Email: | thanompong.sat@siam.edu |
| สาขาวิชา|คณะ: | คณะเภสัชศาสตร์ มหาวิทยาลัยสยาม กรุงเทพฯ 10160 |
| Department|Faculty: | Faculty of Pharmacy, Siam University, Bangkok 10160 |
| Published|แหล่งเผยแพร่: | วารสารเภสัชกรรมไทย ปีที่ 15 ฉบับที่ 2 (เมษายน – มิถุนายน 2566) หน้า 523 – 535 | Thai Journal of Pharmacy Practice Vol.15 No.2 (April – June 2023) pages 523 – 535. |
การอ้างอิง|Citation
พรทิพย์ ธีรรัตน์ไชยเลิศ, วิญญู ชะนะกุล, จันทร์เจ้า มงคลนาวิน, ถนอมพงษ์ เสถียรลัคนา, สิริวัฒน์ สุวัฒนปรีดา, พรยุพา เตียงพัฒนะวงษ์ และอนุสรา เครือนวล. (2566). การพัฒนาตัวแบบการพยากรณ์การเกิดอาการไม่พึงประสงค์รุนแรงจนนำไปสู่ การใช้ยาฉีด Benztropine ในผู้ป่วยจิตเวชโดยเทคนิคการทำเหมืองข้อมูล. วารสารเภสัชกรรมไทย, 15(2), 523 – 535.
Theraratchilert P, Chanakul W, Mongkolnavin J, Sathienluckana T, Suwattanapreeda S, Tiangphattanawong P and Kraunual A. (2023). T Development of a Predictive Model for Serious Adverse Drug Reaction in Psychiatric Patients Leading to the Use of Benztropine Injection by Using Data Mining Techniques. Thai Journal of Pharmacy Practice, 15(2), 523 – 535.
บทคัดย่อ
วัตถุประสงค์: เพื่อพัฒนาแบบพยากรณ์การเกิดอาการไม่พึงประสงค์รุนแรงโดยเฉพาะการเกิดภาวะกล้ามเนื้อบิดเกร็งเฉียบพลันจนนำไปสู่การใช้ยาฉีด benztropine ในผู้ป่วยโรคทางจิตเวช วิธีการ: ผู้วิจัยรวบรวมข้อมูลของผู้ป่วยได้รับการวินิจฉัยโรคด้วยรหัส ICD10 F00.00 – F99.99 และมีอายุระหว่าง 15 – 80 ปีจากฐานข้อมูลของผู้ป่วยสถาบันจิตเวชศาสตร์สมเด็จเจ้าพระยาระหว่างเดือน มกราคม 2559 – ธันวาคม พ.ศ.2564 หลังจากนั้นคัดเลือกข้อมูลตามตัวแปรที่ได้กำหนดไว้เพื่อพิจารณาความเกี่ยวข้องกับการเกิดเหตุการณ์ไม่พึงประสงค์จนได้รับยาฉีด benztropine จากนั้นทำความสะอาดข้อมูล และนำข้อมูลมาสร้างแบบพยากรณ์ด้วยต้นไม้ตัดสินใจโดยใช้โปรแกรม RapidMiner Studio และปรับแต่งแบบพยากรณ์ให้เกิดความแม่นยำสูงสุด ผลการวิจัย: การศึกษานี้สามารถรวบรวมชุดข้อมูลจากผู้ป่วยจำนวน 41,713 ราย พบว่าเกิดเหตุการณ์ไม่พึงประสงค์จนได้รับยาฉีด benztropine ร้อยละ 5.47 การศึกษารวมรวมตัวแปรย่อยได้ทั้งหมด 164 ตัวแปร และพบตัวแปรที่สำคัญในการสร้างต้นไม้ตัดสินใจจำนวน 15 ชนิด ตัวแปรสำคัญระดับชั้นที่หนึ่ง คือ การได้รับการปรับขนาดยารักษาโรคจิตเพิ่มขึ้นภายใน 7 วัน พบว่าเกิดเหตุการณ์ไม่พึงประสงค์จนได้รับยาฉีด benztropine ร้อยละ 91.39 ตัวแปรสำคัญอื่นๆ ที่พบจากการสร้างแบบพยากรณ์ต้นไม้ตัดสินใจ ได้แก่ การได้รับยาฉีดออกฤทธิ์สั้น haloperidol หรือได้รับยารักษาโรคจิตชนิดรับประทานซึ่งมีปริมาณรวมต่อวันเทียบเท่า risperidone มากกว่า 5 มิลลิกรัมต่อวัน (sum DDD>5) โดยที่ไม่ได้รับยารับประทานกลุ่ม anticholinergic ร่วมด้วย การพัฒนาแบบพยากรณ์ต้นไม้ตัดสินใจจากการศึกษานี้สามารถนำไปใช้พยากรณ์โดยมีความถูกต้องของแบบพยากรณ์ ร้อยละ 84.32 และมีความไวร้อยละ 85.31 สรุป: ภาวะกล้ามเนื้อบิดเกร็งเฉียบพลันถือเป็นอาการไม่พึงประสงค์ที่รุนแรงจากการได้รับยารักษาโรคจิต จึงต้องมีการติดตามอย่างเหมาะสมโดยเฉพาะผู้ที่มีความเสี่ยงสูง คือ ผู้ป่วยที่ได้รับการปรับขนาดยารักษาโรคจิตภายใน 7 วัน
คำสำคัญ: ยารักษาโรคจิต, ภาวะกล้ามเนื้อบิดเกร็งเฉียบพลัน, เบนซ์โทรปีน, เหมืองข้อมูล, แบบพยากรณ์ต้นไม้ตัดสินใจ
ABSTRACT
Objective: To develop a predictive model for an occurrence of serious adverse drug reactions, especially acute dystonia, leading to an administration of benztropine injection in psychiatric patients. Methods: Data of patients diagnosed with ICD10 F00.00 -F99.99,aging between 15-80years old were gathered from Somdet Chaopraya institute of psychiatry’s database from January 2016 to December 2021. Subsequently, the collected data werethen processed by a data selection algorithm with a predetermined set of variables to analyze theassociationwith serious adverse drug reaction leading to an administration ofbenztropine injection. Data were then cleaned, and used togenerate a predictive model by a decision tree method via RapidMiner Studio program. The program’s parameters were later adjusted for maximum precision. Results: This study gathered data of 41,713 patients with 5.47% of a serious adverse drug reaction leading to an administration of benztropine injection. A total of 164 variables were established with 16 being significant for generating the decision tree. The important first-class variable was an increase in antipsychotic drug dosage within 7 days which accounted for 91.39% of the serious adverse drug reaction. The other significant variables in the predictive model were the receiving of short-acting haloperidolinjection or antipsychotic medication with a daily dosage equalto 5 mg/dayof risperidone (sum DDD>5)withno concomitantanticholinergic drug.Development of the predictive model by a decision tree method from this study had shown to predict an occurrence of a serious adverse drug reaction with an accuracy of 84.32%and recall of 85.31%. Conclusion: Acute dystonia is a serious drug adverse reaction of antipsychotic medications with appropriate monitoring needed, particularly in patients with high-risk, i.e., those with the increased dosageof antipsychotic drugs within 7 days.
Keywords: antipsychotics, acute dystonia, benztropine, datamining, decision tree.
การพัฒนาตัวแบบการพยากรณ์การเกิดอาการไม่พึงประสงค์รุนแรงจนนำไปสู่ การใช้ยาฉีด Benztropine ในผู้ป่วยจิตเวชโดยเทคนิคการทำเหมืองข้อมูล | Development of a Predictive Model for Serious Adverse Drug Reaction in Psychiatric Patients Leading to the Use of Benztropine Injection by Using Data Mining Techniques
คณะเภสัชศาสตร์ มหาวิทยาลัยสยาม | Faculty of Pharmacy, Siam University, Bangkok, Thailand