Korea Adverse Event Reporting System Database를 이용한 아목시실린의 약물유해반응 실마리정보 검색

학위논문 (석사)-- 서울대학교 대학원 : 의학과 예방의학 전공, 2016. 2. 박병주.목적: 한국의약품안전관리원의 의약품부작용원시자료(KIDS-KD)를 이용하여 다른 항생제와 비교를 통한 아목시실린의 실마리정보를 찾고 9개 나라의 약물허가정보를 비교한다. 방법: 가장 최신의 KAERS database를 이용하여 아목시실린과 다른 항생제의 부작용정보들을 데이터마이닝기법으로 분석하였다. 불균형분석의 세 가지 방법인 PRR(Proportional Reporting Ratio), ROR (Proportional Odds Ratio), IC(Information Component)를 사용하였고, 세 가지 지표의 기준을 모두 만족시킨 유해사례를 실마리 정보로 정의하였다. 찾아낸 실마리정보들을 9개 나라의 약물허가정보와 비교하였다. 결과: 1988년부터 2014년 6월까지 KAERS database에는 87,167명 에게 발생한807,582건의 부작용이 보고되었는데, 그 중192,510건의 항생제 관련 부작용 보고가 있었고, 1,722명에게 발생한 2,913건이 아목시실린 복용후 발생한 부작용으로 인한 보고였다. 아목시실린에 의한 부작용 종류는 241종이었으며, 그중 52종의 부작용이 실마리정보로 파악되었다. 9개 국가의 약물허가정보와 비교하였을 때 약효없음, 기관지염, 비염, 부비동염, 구강건조, 역류성 식도염, 위암, 비정상적인 울음, 고콜레스테롤혈증, 국소경화, 폐암, 인플루엔자를 포함한 12개의 실마리정보들이 9개국 약물허가정보에 포함되어 있지 않았다. 결론: 약물감시체계에서 수집된 부작용보고자료에 데이터마이닝기법을 적용하여 실마리정보를 파악하는 것은 신약허가시 작성된 약물허가정보에 수록되지 않은 부작용정보를 파악하는 유용한 도구임을 확인하였다. 실마리정보의 인과성, 임상적 의의, 예방가능성을 포함한 내용들을 평가하기 위해 잘 설계된 약물역학연구를 수행할 필요가 있다.Objective: To detect adverse drug reaction (ADR) signals of amoxicillin compared to other antibiotics using Korea Adverse Event Reporting System (KAERS) Database and compare the information with drug labels of nine countries. Methodology: We conducted pharmacovigilance data mining using KAERS database to analyze the AE reports of amoxicillin, the most frequently reported drug during the study period, against a background of all reports suspected by other antibiotics in the database. Frequentist and Bayesian methods were used to calculate disproportionality distribution of drug-AE pairs. The AE which was detected by all the three indices including PRR, ROR, and IC was defined as a signal. In addition, we identified whether the detected signals were listed on the drug labels among nine countries or not. Result: From December 1988 until June 2014 KAERS database contains 807,582 AE reports, among which 1,722 reports were attributed to amoxicillin. Among the 192,510 drug-AE pairs, 2,913 drug-AE pairs were for amoxicillin and 189,597 were for other antibiotics. 241 adverse events were suggested as amoxicillin associated, among which 52 adverse events were detected as amoxicillins signals. After compared to drug labels of nine countries, 12 adverse events including ineffective medicine, bronchitis, rhinitis, sinusitis, dry mouth, gastroesophageal reflux, gastric carcinoma, abnormal crying, hypercholesterolemia, induration, pulmonary carcinoma, and influenza-like symptoms were not listed on any drug labels of nine countries. Conclusion: We found pharmacovigilance data mining was good tool for detecting new signals which were not listed on drug approval labels of nine countries, however it should be followed by signal evaluation including causality, clinical significance, and preventability through well designed pharmacoepidemiologic research.I.Introduction 1 II. Materials and Methods 5 2.1Source of Data 5 2.2 Query Terms 7 2.3Analysis Disproportionality 9 III.Results 11 IV. Discussion 20 V. References 24 Abstract (Korean) 30Maste