Uz administratīvajiem datiem balstīta zāļu devas prognozēšanas modeļa izstrāde

Abstract

Darbs veltīts zāļu devas prognozēšanas modeļa izstrādei, balstoties uz administratīvajiem datiem. Informācija par precīzu pacientam noteikto zāļu lietošanas devu ir nepieciešama dažādos (farmako)epidemioloģiska rakstura pētījumos, kā piemēram, zāļu līdzestības novērtēšana starp konkrētu medikamentu lietotājiem. Tomēr pētniekiem pieejamajos Latvijas administratīvajos datos šādas informācijas nav. Lai prognozētu zāļu devu, izmantojot pacientu raksturojošus rādītājus (demogrāfiskie faktori, blakusslimības), darbā veidoti un salīdzināti vairāki prognozēšanas modeļi: ordinālā regresija, gadījuma meža algoritms un XGBoost. Datu apstrādes un aprēķinu veikšanai tika izmantota datorprogramma R.

This thesis is dedicated to developing a drug dosage prediction model based on administrative data. Information about precise patient's prescribed daily dosage is mandatory in many pharmacy-epidemiological studies. This information is absent in Latvian administrative data. Several prediction models are built and compared, to determine the drug dosage using patient characteristics (demographic factors, comorbidities): ordinal regression, random forest algorithm, and XGBoost. The statistical software program R has been used for calculations.