Um Processo para Extração de Dados em Mídias Sociais para Detecção de Reações Adversas a Medicamentos
Resumo
Em farmacovigilância, estuda-se, dentre muitos tópicos, reações adversas à medicamentos (RAMs). Tais reações podem ser notificadas em sistemas próprios para esta finalidade. Contudo, as notificações podem ser visualizadas sendo feitas em mídias sociais como o Twitter. Este trabalho possui como objetivo apresentar um processo para extração de dados em mídias sociais para apoiar a detecção de RAMs. Almeja-se que esse trabalho auxilie pesquisas futuras relacionadas à análise dos dados textuais extraídos de mídias sociais para detecção de RAMs em benefício da farmacovigilância brasileira.
Palavras-chave:
Farmacovigilância, Reações Adversas, Redes Sociais, Extração de Dados
Referências
Anvisa (2019). Vigimed: Sistema de notificação de eventos adversos no uso de medicamentos. [link]. Acessado em: abril/2021.
Anvisa (2020). Portal brasileiro de dados abertos: Medicamentos registrados no brasil. https://dados.gov.br/dataset/medicamentos-registrados-no-brasil. Acessado em: Setembro/2021.
CNS (1997). Regulamento para a realização de ensaios clínicos com medicamentos no brasil. https://bvsms.saude.gov.br/bvs/saudelegis/cns/1997/res0251_07_08_1997.html. Acessado em: abril/2021.
Duval, F. V. and da Silva, F. A. B. (2019). Mining in twitter for adverse events from malaria drugs: The case of doxycycline. Cadernos de Saude Publica, 35(5).
Ferreira, J., Miranda, M., Abelha, A., and Machado, J. (2010). O Processo ETL em Sistemas DataWarehouse. INForum 2010 - II Simpósio de Informática, pages 757–765.
Koutkias, V., Lillo-Le Louët, A., and Jaulent, M.-C. (2017). Exploiting heterogeneous publicly available data sources for drug safety surveillance: computational framework and case studies. Expert Opinion on Drug Safety, 16(2):113–124.
Lombardino, J. G. and Lowe, J. A. (2004). The role of the medicinal chemist in drug discovery—then and now. Nature Reviews Drug Discovery, 3(10):853–862.
Organization, W. H. et al. (2002). The importance of pharmacovigilance.
Pirmohamed, M., Breckenridge, A. M., Kitteringham, N. R., and Park, B. K. (1998). Adverse drug reactions. Bmj, 316(7140):1295–1298.
Plachouras, V., Leidner, J. L., and Garrow, A. G. (2016). Quantifying self-reported adverse drug events on Twitter: Signal and topic analysis. In ACM International Conference Proceeding Series.
Saff, R. (2018). Epidemiology of Drug Allergy. cited By 1.
TwitterDev (?). Filtered stream:how to build a rule. [link]. Acessado em: setembro/2021.
Vogler, M., Conesa, H. R., de Araújo Ferreira, K., Cruz, F. M., Gasparotto, F. S., Fleck, K., Rebelo, F. M., Kollross, B., and Gonçalves, Y. S. (2020). Electronic reporting systems in pharmacovigilance: The implementation of vigiflow in brazil. Pharmaceutical medicine, 34(5):327–334.
Zhang, Y., Cui, S., and Gao, H. (2020). Adverse drug reaction detection on social media with deep linguistic features. Journal of Biomedical Informatics, 106. cited By 4.
Anvisa (2020). Portal brasileiro de dados abertos: Medicamentos registrados no brasil. https://dados.gov.br/dataset/medicamentos-registrados-no-brasil. Acessado em: Setembro/2021.
CNS (1997). Regulamento para a realização de ensaios clínicos com medicamentos no brasil. https://bvsms.saude.gov.br/bvs/saudelegis/cns/1997/res0251_07_08_1997.html. Acessado em: abril/2021.
Duval, F. V. and da Silva, F. A. B. (2019). Mining in twitter for adverse events from malaria drugs: The case of doxycycline. Cadernos de Saude Publica, 35(5).
Ferreira, J., Miranda, M., Abelha, A., and Machado, J. (2010). O Processo ETL em Sistemas DataWarehouse. INForum 2010 - II Simpósio de Informática, pages 757–765.
Koutkias, V., Lillo-Le Louët, A., and Jaulent, M.-C. (2017). Exploiting heterogeneous publicly available data sources for drug safety surveillance: computational framework and case studies. Expert Opinion on Drug Safety, 16(2):113–124.
Lombardino, J. G. and Lowe, J. A. (2004). The role of the medicinal chemist in drug discovery—then and now. Nature Reviews Drug Discovery, 3(10):853–862.
Organization, W. H. et al. (2002). The importance of pharmacovigilance.
Pirmohamed, M., Breckenridge, A. M., Kitteringham, N. R., and Park, B. K. (1998). Adverse drug reactions. Bmj, 316(7140):1295–1298.
Plachouras, V., Leidner, J. L., and Garrow, A. G. (2016). Quantifying self-reported adverse drug events on Twitter: Signal and topic analysis. In ACM International Conference Proceeding Series.
Saff, R. (2018). Epidemiology of Drug Allergy. cited By 1.
TwitterDev (?). Filtered stream:how to build a rule. [link]. Acessado em: setembro/2021.
Vogler, M., Conesa, H. R., de Araújo Ferreira, K., Cruz, F. M., Gasparotto, F. S., Fleck, K., Rebelo, F. M., Kollross, B., and Gonçalves, Y. S. (2020). Electronic reporting systems in pharmacovigilance: The implementation of vigiflow in brazil. Pharmaceutical medicine, 34(5):327–334.
Zhang, Y., Cui, S., and Gao, H. (2020). Adverse drug reaction detection on social media with deep linguistic features. Journal of Biomedical Informatics, 106. cited By 4.
Publicado
23/11/2021
Como Citar
NASCIMENTO, Luan; CARVALHO, Lucas; SOUZA, Matheus; MAURO, Renato; BELLOZE, Kele.
Um Processo para Extração de Dados em Mídias Sociais para Detecção de Reações Adversas a Medicamentos. In: ESCOLA REGIONAL DE INFORMÁTICA DO RIO DE JANEIRO (ERI-RJ), 4. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 17-24.
DOI: https://doi.org/10.5753/eri-rj.2021.18770.
