نبذة مختصرة : Aquesta tesi consisteix en una recopilació de tres articles d'investigació elaborats entre el 2020 i el 2023. Els tres articles comparteixen un lligam comú: són diferents contribucions basades en el mètode desenvolupat durant la tesi per millorar i automatitzar la modelització de l'exposició a fàrmacs utilitzant la història clínica informatitzada (EHR). En essència, l'algoritme desenvolupat, anomenat "smooth", s'inspira en tècniques estadístiques de sèries temporals que calculen tendències centrals mitjançant mitjanes mòbils. Aquesta tècnica s'emplea principalment per obtenir una sèrie numèrica més estable, lliure de tendències i estacionalitats, i per suavitzar les fluctuacions de curta durada. Utilitzant aquesta estratègia, es va crear un mètode específic per als EHR, el qual calcula automàticament el perfil d'exposició més probable al llarg del temps. En el primer treball d'aquesta tesi, es presenta en detall la creació, desenvolupament, implementació i posterior validació de l'algorisme. Més enllà dels detalls del seu funcionament, una de les característiques de l'algorisme és que incorpora un paràmetre d'ajust anomenat Wt, que controla el grau d'alleujament. Vam avaluar l'impacte d'aquest paràmetre mitjançant un estudi de simulació. A mesura que augmentem aquest paràmetre, les dades originals es modifiquen, encara que l'algorisme afecta en pocs pacients, i la majoria d'ells presenta canvis inferiors al 5%. Després de desenvolupar i implementar l'algorisme, vam buscar analitzar la seva utilitat des d'una perspectiva clínica i farmacològica. Amb aquest propòsit, vam dur a terme una validació amb la participació de quatre experts independents, els quals van avaluar perfils de tractament en diferents escenaris farmacològics. Cada revisor, de manera cega, va comparar els resultats obtinguts per l'algorisme respecte a les dades originals, així com en relació a un mètode no automàtic més comú a la literatura. La validació va evidenciar una avaluació positiva a favor de l'algorisme "smooth" en general i per als ...
No Comments.