<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[药物评价研究 -->国内外药物相互作用临床评价技术与方法]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[药物相互作用指南在药物研发和临床管理中的应用及启示]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250301]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[<b>目的</b> 系统梳理中国、美国、欧洲、日本药品监管机构、非监管机构发布的药物相互作用（DDI）指南，分析其在药物开发和临床管理中的应用，为我国DDI研究及监管提供建议。<b>方法</b> 检索PubMed、中国学术期刊全文数据库（CNKI）、万方数据库（Wanfang Data）、维普生物医学数据库（VIP），补充检索国家药品监督管理局（NMPA）、美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）、英国药监机构（MRHA）、日本药品和医疗器械管理局（PMDA）、人用药品技术要求国际协调理事会（ICH）、国际医学科学组织理事会（CIOMS）、美国国立指南文库（NGC）、MedSci、医脉通网站等，收集中国、美国、欧洲、日本公开发布的DDI指南，检索时限均为建库至2023年5月31日。<b>结果</b> 共筛选出32部DDI指南，其中药品监管机构发布16部，非监管机构发布16部。<b>结论</b> DDI研究贯穿药品非临床研究、临床研究及上市后评价等整个生命周期。现已发布的DDI指南涵盖了DDI体外实验、临床研究的各个方面，为药品研发和临床合理用药管理提供实质技术指导与核心信息。未来药物研发阶段需按照指南严格进行DDI体内、体外评估；在临床应用阶段，指南可帮助临床医师了解药物联用的DDI机制、潜在后果及管理建议，以提高联合用药疗效、减少风险；对于上市后再评价，各国应出台相应DDI指南规范上市后新药的DDI监测流程，以建立健全DDI安全性监管体系。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[袁如月，杨秋波，杨天绎，张力，赵志刚，李新辰，李皎月，黄举凯，杨晓晖]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250301]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[药物相互作用临床研究进展]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250302]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[药物相互作用（DDI）临床研究的目的在于确认人体内是否会发生DDI并对其严重程度进行评估，为临床DDI防控策略制定提供科学依据。通过结合多项DDI临床研究具体案例，从独立或嵌套设计的DDI随机对照临床试验（RCT）及其事后分析，基于健康医疗数据或自发呈报不良反应报告的DDI真实世界研究，包括模型引导药物研发、机器学习和人工智能在内DDI计算机模拟研究、DDI文献研究，以及DDI临床研究内容与类型等方面，综述了DDI的临床研究现状。DDI相关真实世界数据和随机对照临床试验数据的链接和共享，将更有助于其计算机模拟研究的开展，以全面评估DDI临床效应与患者获益风险，从而为指导临床合理用药、保障公众用药安全提供科学的依据。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[翟天野，吕炯贤，井源浩，杨天绎，黄一欢，刘岩，苏钰文，张力]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250302]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[药物相互作用分析软件性能的量化评估与思考]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250303]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[<b>目的</b> 采用多维度定量评估国外5个常用药物相互作用（DDI）分析软件的性能，为我国DDI软件开发提供参考。<b>方法</b> 对DDI分析软件的评估涵盖4个维度，即准确性、全面性、易用性、可靠性，准确性采用诊断性Meta分析方法对敏感度、特异度等数据进行定量合成，绘制集成受试者工作特征曲线（SROC）图并计算曲线下面积；全面性、易用性、可靠性通过访问软件平台进行量表评分，每个条目1分制进行评分，全面性总分7分，易用性总分3分，可靠性总分10分；最终将4个性能评分相加得到综合分数。<b>结果</b> 通过既往系统综述文献选取研究频率较高的5个DDI分析软件为研究对象，包括Micromedex DrugReax&reg;、Lexicomp Interactions、Epocrates、Drug Interactions Checker(Drugs.com)、Medscape<sup>&reg;</sup>。准确性方面，Epocrates敏感度合并值最高，为0.71；Micromedex特异度合并值最高，为0.85；Epocrates阳性似然比合并值最高，为6.14；Lexicomp Interactions、Epocrates阴性似然比最低，为0.2；Epocrates曲线下面积最高，为0.933 2。全面性得分排名为：Micromedex（7分）＞Lexicomp Interactions（6分）＞Drugs.com（5分）＞Medscape（3.5分）＞Epocrates（3分）。5个软件易用性得分均为3分，可靠性得分排名为：Lexicomp Interactions（9分）＝Drugs.com（9分）＞Micromedex（8分）＞Medscape（7分）＞Epocrates（5分）。最终综合得分排名为Lexicomp Interactions（8.5分） ＞Epocrates（7.75分）＞Micromedex（7.5分）＞Medscape（5.375分）＞Drugs.com（5.25分）。<b>结论</b> 国外DDI分析软件识别能力及信息质量参差不齐，对于DDI严重程度分类标准、参考文献及信息来源等重要信息有待完善，一些软件的易用性及可靠性也有待提升。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[袁如月，刘岩，杨天绎，张力，赵志刚，李新辰，李皎月，黄举凯，杨晓晖]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250303]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于Web of Science数据库近10年药物相互作用预测模型文献计量学分析]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250304]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[<b>目的</b> 探究近10年药物相互作用（DDI）领域预测模型的研究现状和热点。<b>方法</b> 检索2013年1月1日—2024年8月13日Web of Science核心合集数据库中发表的有关DDI预测模型研究文献，运用CiteSpace 6.3 R1软件绘制作者、研究机构、国家地区合作网络以及期刊、关键词可视化知识图谱，进行文献计量分析。<b>结果</b> 2013—2024年DDI预测模型研究相关文献754篇，发文量呈逐年上升趋势；美国发文量最多，中国其次；发文量最多的学者是Sugiyama，Yuichi；发文量第1的研究机构是RLUK-Research Libraries UK；热点关键词为抑制、代谢、药代动力学、清除率；发文量最多的期刊及被引频次最高的期刊是Bioinformatics；在高频被引文献中显示了对机器学习、深度学习的关注度较高。<b>结论</b> 分析2013—2024年DDI预测模型文献，可知此领域研究热点为药动学和体外实验研究，研究前沿为机器学习和深度学习，为未来研究提供新的视角。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[张晔，刘岩，杨天绎，张力，赵志刚，李新辰，李皎月，黄举凯，杨晓晖]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250304]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于机器学习构建药物相互作用预测模型的系统评价]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250305]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[<b>目的</b> 评价采用机器学习（ML）算法构建的药物相互作用（DDI）风险预测模型性能，为临床应用与科研提供参考。<b>方法</b> 检索PubMed、Embase、中国学术期刊全文数据库（CNKI）、万方数据知识服务平台、维普数据库（VIP），收集截至2023年1月31日的相关文献，并使用PROBAST工具评估模型质量。<b>结果</b> 共纳入54个DDI预测模型，主要使用Drugbank、Twosides数据库构建模型，共涉及21种ML算法，以图神经网络和深度神经网络使用最频繁。药物结构特征是最常用的预测因子，药时曲线下面积（AUC）为0.83～0.99。所有模型存在较高的偏倚风险，主要源于信息偏倚和黑盒效应，但整体适用性风险低。<b>结论</b> 基于ML构建DDIs风险预测模型对临床用药有一定参考价值，但模型质量亟待提高，未来应开发更具可解释性的模型并验证其临床实用性。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[张晔，刘岩，杨天绎，张力，赵志刚，李新辰，胡超越，黄举凯，杨晓晖]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250305]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[糖尿病治疗药物相互作用文献计量学分析]]></title>
<link><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250306]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[<b>目的</b> 探索糖尿病治疗药物相互作用研究的热点及趋势。<b>方法</b> 检索中国学术期刊全文数据库（CNKI）、万方数据库（Wanfang Data）、维普生物医学数据库（VIP）和Web of Science（WOS）数据库，收集与研究目的相关文献，采用CiteSpace、VOS Viewer、COOC和Excel软件进行数据可视化和文献计量学分析。<b>结果</b> 共纳入82篇中文文献和174篇英文文献；作者分析显示共出现113位核心作者；国内发文机构多为大学及附属医院，平均发文量4篇，国际发文机构集中于跨国制药公司，平均发文量7篇；发文量排名前3的国家分别为美国、印度、中国；排名前3的共被引文献分别关注二甲双胍和恩格列净的药动学以及2型糖尿病的药物管理共识算法；关键词显示降糖药物出现频次由高到低分别为二甲双胍、胰岛素、瑞格列奈；突现词分析显示近5年的中文突现词为转运体、新型冠状病毒肺炎、氯吡格雷、基因多态性、药动学；英文突现词包括elderly、polypharmacy、drug-food interactions、hypertension。<b>结论</b> 二甲双胍与其他药物的相互作用仍是糖尿病治疗药物相互作用的研究热点，基因多态性、老年人群及药物-食物间相互作用或将成为未来研究重点。]]></description>
<pubDate>2025/3/7 13:32:10</pubDate>
<category><![CDATA[国内外药物相互作用临床评价技术与方法]]></category>
<author><![CDATA[赵琦瑶，刘岩，杨天绎，张力，赵志刚，李新辰，胡超越，黄举凯，杨晓晖]]></author>
<guid><![CDATA[https://www.tiprpress.com/ywpjyj/article/abstract/20250306]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>