机译:过滤来自社交媒体的大数据 - 构建一个用于不良药物的预警系统
Cent Univ Finance &
Econ Sch Informat Dept Informat Management Beijing 100081 Peoples R China;
Calif State Univ Long Beach Dept Informat Syst Long Beach CA 90840 USA;
Acad Math &
Syst Sci Beijing 100190 Peoples R China;
Partially supervised classification; Latent Dirichlet Allocation (LDA); Adverse drug reactions; Social media filtering; Social media mining;
机译:从社交媒体过滤大数据-建立药物不良反应预警系统
机译:使用食物和药物管理局的直接口服抗凝血剂引起的出血不良反应的不良反应谱不同,使用食品和药物管理局不良事件报告系统(FAEERS)数据库和日本不利药物事件报告(JADER)数据库
机译:筛选实体以优化从社交媒体进行的药物不良反应的识别:消息中实体之间的单词数量如何提供帮助?
机译:从西班牙健康社交媒体中提取药物适应症和药物不良反应
机译:使用复杂性科学方法通过电子健康记录,临床报告,科学文献和社交媒体中的数据预测药物相互作用和不良反应
机译:使用食品药品监督管理局不良事件报告系统(FAERS)数据库和日本不良药品事件报告(JADER)数据库分析直接口服抗凝剂引起的出血性不良反应的不良反应概况
机译:从社交媒体过滤大数据–建立药品不良反应预警系统
机译:药物滥用警告网络(DaWN)报告:急诊部门访问涉及12岁或12岁儿童的药物不良反应