Eventos adversos en la era digital y dónde encontrarlos
La inteligencia artificial puede ayudar a reducir o incluso eliminar el ruido de estos datos, lo que permite a los expertos en seguridad centrarse en la evidencia más pertinente. Proponemos una tipología de datos y brindamos consideraciones sobre cómo definir eventos adversos dentro de diferentes tipos de datos, incluso cuando no existe un informador humano. Se hacen propuestas para la automatización de los procesos de cribado. Pharmacoepidemiol Drug Saf. 22 de agosto de 2022
El crecimiento exponencial de los datos relacionados con la salud recopilados por herramientas digitales es una realidad dentro de la investigación y el desarrollo de dispositivos médicos y farmacéuticos. Los datos generados a través de herramientas digitales pueden clasificarse como relevantes para la eficacia y/o seguridad. La enormidad de estos datos requiere la adopción de nuevos enfoques para su procesamiento y evaluación. El reconocimiento de patrones dentro de los datos de seguridad es vital para los patrocinadores que buscan la aprobación regulatoria para sus nuevos productos. Las fuentes de datos no tradicionales pueden contener información de seguridad relevante; la evaluación temprana de estos datos ayudará a determinar el perfil de seguridad del producto. Las tecnologías avanzadas han permitido el desarrollo de herramientas digitales para filtrar estos datos, que en algunas situaciones se clasifican como software como dispositivos médicos y están sujetos a evaluación clínica y vigilancia posterior a la comercialización. La inteligencia artificial puede ayudar a reducir o incluso eliminar el ruido de estos datos, lo que permite a los expertos en seguridad centrarse en la evidencia más pertinente. Proponemos una tipología de datos y brindamos consideraciones sobre cómo definir eventos adversos dentro de diferentes tipos de datos, incluso cuando no existe un informador humano. Se hacen propuestas para la automatización de los procesos de cribado. Consideramos aspectos de validación para respaldar soluciones que han demostrado producir resultados confiables y brindar resultados confiables a las partes interesadas. Se hacen propuestas para la automatización de los procesos de cribado. Consideramos aspectos de validación para respaldar soluciones que han demostrado producir resultados confiables y brindar resultados confiables a las partes interesadas. Se hacen propuestas para la automatización de los procesos de cribado. Consideramos aspectos de validación para respaldar soluciones que han
El trabajo
Giovanni RD, Cochrane A, Parker J, Lewis DJ. Adverse events in the digital age and where to find them. Pharmacoepidemiol Drug Saf. 2022 Aug 22. doi: 10.1002/pds.5532. Epub ahead of print. PMID: 35996833.