Enhancing adverse drug reaction data quality in Canada: A high-precision pipeline for medication name standardization and enrichment
Notice bibliographique
Résumé
BACKGROUND: The Canada Vigilance Adverse Reaction database is a vital pharmacovigilance tool, but its utility is severely limited by heterogeneity in medication nomenclature. A substantial portion (∼36.8%) of unique drug name variants in the database lack any mapping to an active ingredient, representing a critical data quality gap that can mask important adverse drug reaction (ADR) signals. METHODS: We developed, validated, and publicly released a high-precision, automated pipeline to standardize and enrich medication names. The pipeline employs a cascaded matching strategy that leverages the RxNorm and Observational Health Data Sciences and Informatics (OHDSI) vocabularies. Standardized names are assigned a RxNorm Concept Unique Identifier (RxCUI) and enriched with active ingredient data and Anatomical Therapeutic Chemical (ATC) classifications via RxNav APIs. The pipeline's accuracy was rigorously assessed by two independent experts on a balanced validation set of 200 cases. RESULTS: The final pipeline successfully standardized 94.5% of the 46,585 unique drug names. A blinded expert validation confirmed high reliability, demonstrating a precision of 98.02% (95% CI: 0.9307-0.9946) and specificity of 97.22% (95% CI: 0.9043-0.9923). Case studies showed that standardization and aggregation of reports revealed known safety signals (e.g., mesalamine and asthenia) that were statistically undetectable in the raw data. CONCLUSION: Our transparent and reproducible pipeline effectively resolves medication name heterogeneity in Canada's national ADR database. By transforming variable text into standardized concepts, it significantly enhances data quality, improves the sensitivity of safety signal detection, and facilitates interoperability with global health datasets. The publicly available tool provides a valuable resource for strengthening drug safety surveillance in Canada and beyond.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,068 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».