استخراج ارتباط ميان بيماري و اثرات جانبي داروها با استفاده از روش مدل سازي موضوعي با رجوع به متون پزشكي در شبكه هاي اجتماعي

Extracting the relationship between disease and side effects of drugs using topic modeling approach by referring to medical texts in social networks

رابطه ميان بيماري و اثرات جانبي داروي مورداستفاده در دو وب‌سايت اينترنتي Sider و WebMD تعريف‌شده است. هدف از اين مقاله يافتن ارتباط بين بيماري و اثرات جانبي داروي مورداستفاده آن از طريق گزارش كاربران معمولي از وب‌سايت Ask a patient و مقايسه اين گزارش‌ها با عوارض جانبي اعلام‌شده در وب‌سايت‌هاي مرجع مانند Sider و WebMD مي‌باشد. علاوه بر اين، نظرات كاربران معمولي در مورد داروهاي بسيار موردنظر (داروهاي اعصاب، ناباروري و گوارش) در دهه‌هاي گذشته مورد تجزيه‌وتحليل قرارگرفته است. علت چنين تحقيقاتي اين است كه نظرات متداول كاربران و گرايشات آن‌ها به‌عنوان يك عامل مهم براي تعيين بهترين داروها ازنظر بهبود در درمان يا كاهش عوامل خطر است. نظرات متداول كاربران در مورد اثر جانبي دارو از وب‌سايت Ask a patient جمع‌آوري شد. پس‌ازآن، موضوعات اصلي عوارض جانبي براي هر گروه از داروها شناسايي‌شده و درنهايت، عوارض جانبي داروها از طريق وب‌سايت‌هاي Sider و WebMD بازيابي مي‌شوند و گزارش مي‌شوند. به‌طوركلي هدف از اين مطالعه، تحليل نظرات مشتريان گزارش‌شده در وب‌سايت Ask a patient و مقايسه اين نظرات با گزارشات مربوط به اثر جانبي داروها با وب‌سايت‌هاي مهمي كه ذكر شد، بوده است. مدل ما نشان مي‌دهد كه توانايي لازم به‌منظور شناسايي اثر جانبي در يك داكيومنت متني را دارا مي‌باشد. با استفاده از به‌كارگيري روش مدل‌سازي موضوعي اين قابليت به وجود آمد تا اثر جانبي داروهاي جديد را شناسايي كند. درواقع، با توجه به ماهيت بي‌طرفانه نظر كاربران معمولي، اين نظرات شاخص قابل‌اعتماد براي شركت‌هاي توليدكننده دارو به‌منظور كاهش اثر جانبي هستند.

The relationship between the disease and the side effects of the drug used has been defined on the websites of Sider and WebMD. The purpose of this article is to find the link between the disease and the side effects of the drug used by reporting normal users on the Ask a patient website and comparing these reports with side effects reported on reference websites such as Sider and WebMD. In addition, the opinions of ordinary users about the most sought after drugs namely :neurological, infertility and digestive drugs have been analyzed in recent decades. The reason for such research is that the users usual opinions and their tendencies are an important factor in determining the best medicines in terms of healing in the treatment or reduction of risk factors. Users common opinions about the side effects of the drug were collected from the Ask a patient website. Subsequently, the main issues are identified for each group of drugs, and eventually the side effects of drugs are retrieved and reported via Sider and WebMD websites. In general, the purpose of this study was to analyze the opinions of the customers reported on the Ask a patient website and compare these comments with reports on the side effects of drugs with the major websites mentioned. Our model shows that it has the ability to identify the side effect in a text document. Using the method of thematic modeling, this ability was created to identify the side effects of new drugs. In fact, given the unbiased nature of the opinion of ordinary users, these comments are a trustworthy index for pharmaceutical companies to reduce the side effect.