Что такое прр в логистике: Погрузочно-разгрузочные работы в транспортной логистике

Содержание

Погрузочно-разгрузочные работы в транспортной логистике

Твитнуть

Перевозки грузов автомобильным транспортом – процесс достаточно сложный и состоящий из многих процессов. Кроме непосредственной перевозки транспортным средством в нем задействованы диспетчера из службы логистики, операторы погрузочно-разгрузочных машин, механики и снабженцы ГСМ. Одним из важнейших факторов влияющих на качество и время доставки груза являются погрузочно-разгрузочные работы.

Погрузочно-разгрузочные  работы – комплекс мероприятий, направленных на поднятие различных грузов с целью их загрузки или выгрузки. Погрузочно-разгрузочные работы выполняются вручную или с помощью специализированной техники.

Техника, применяемая при погрузочно-разгрузочных работах автомобильного транспорта:

  • Вилочный погрузчик – вид складского транспорта, предназначенный для поднятия грузов с помощью вил или других приспособлений.
  • Штабелер – вид складского транспорта, предназначенный для подъема и штабелирования груза в несколько ярусов.
  • Гидравлическая тележка – вид складского оборудования, предназначенного для приподнимания и перемещения груза.
  • Подъемный кран – грузоподъемная машина, предназначенная для подъема и перемещения груза с помощью грузозахватных приспособлений. При погрузке автотранспорта используют стационарные подъемные краны, автокраны и манипуляторы.

Погрузочно-разгрузочные работы являются неотъемлемым фактором автомобильных грузоперевозок. Время, затрачиваемое на погрузку или выгрузку машины, существенно влияет на график перевозок. Особенно это заметно, если транспортное средство зафрахтовано, и должно стать на погрузку через несколько часов после выгрузки доставленного груза.

Кроме временного фактора, с помощью погрузочных работ, происходит распределение груза в кузове автомобиля. Правильно погруженный и распределенный груз, опять же экономит время при разгрузке транспорта. Кроме этого, при погрузке осуществляется процесс крепления товара, что гарантирует целостность груза.

Автотранспортная компания «Мови-СпецТехника» обладает современным автопарком не только транспортных средств, но и погрузочно-разгрузочной техники. В распоряжении компании современные автокраны «Галичанин» и «Liebherr», манипуляторы FASSI, вилочные погрузчики и другое современное оборудование.

30

08.2014

Похожие статьи

Перевозка негабаритных грузов по железной дороге сейчас очень востребована: это надежно, и, в то же …

Профессиональные решения логистов помогают сделать транспортные перевозки по Украине максимально …

Комментарии


Добавить комментарий

Погрузочно-разгрузочные работы на складе в Москве

Логистический комплекс «Техскладлогистик» организует на своей территории погрузочно-разгрузочные работы разных видов грузов: в навал, в палетах, ящиках и коробах, штучных, сборных, ценных и хрупких изделий. С помощью современного оборудования процесс погрузки и разгрузки происходит быстро, без повреждений упаковки и товаров.

Зоны ПРР

Чтобы снизить простои транспорта и ликвидировать очереди, мы организовали несколько зон приёмки. На территории комплекса функционирует погрузочно-разгрузочное оборудование для разных категорий грузов:

  • для грузов в навал ‒ ленточные конвейеры;

  • для штучных и сборных – ручной труд, манипуляторы, тележки;

  • в палетах, коробках, пакетах и ящиках – автопогрузчики и манипуляторы.

Как правило, погрузочно-разгрузочные работы совмещены с процедурами приёмки, сортировки, упаковки и обработки. Схема и затраты времени напрямую зависят от вида и объёма груза.

Преимущества для клиентов

Простои под погрузкой и разгрузкой часто занимают больше времени, чем сам процесс транспортировки. Мы минимизировали это время за счёт автоматизации рабочих процессов и организации нескольких зон ПРР. Для въезда транспорта на территорию имеются 16 ворот, что позволяет избежать очередей и повысить пропускную способность склада.

Пользуясь услугами комплекса «Техскладлогистик», вы получаете ряд преимуществ:

  1. гарантированную сохранность грузов и товаров;

  2. приём и отгрузку заказов без задержек и очередей;

  3. повышение качества и скорости доставки ваших товаров;

  4. ликвидацию рисков повреждения и утери грузов при ПРР;

  5. увеличение объёма продаж за счёт улучшения сервиса доставки.

Приглашаем к сотрудничеству интернет-магазины, торговые компании и производственные предприятия Москвы. Мы располагаем всем необходимым, чтобы организовать правильное хранение и безопасную погрузку-разгрузку ваших грузов.

Правила погрузки и разгрузки грузов — блог компании M3Cargo

Ведущий логист M3Cargo Диана Райхмистр поделилась экспертным мнением об организации погрузочно-разгрузочных работ. Чтение статьи займет 5 минут.

Погрузочно-разгрузочные работы (ПРР) — неотъемлемый этап любого вида транспортировки: от морской до комбинированной. Безопасность перевозимого товара напрямую зависит от правильно выполненных ПРР.

Любая хозяйка использует правила погрузки и разгрузки, сама того не зная. Она не положит помидоры на дно пакета, загрузив сверху тяжелыми бутылками с водой.

В каждом кухонном шкафу сковородки стоят внизу, а хрустальные бокалы — сверху. По тем же принципам мы заполняем контейнеры и автомобили грузами. Сотрудники на складе не поставят тяжелый груз сверху на легкий. Маркировка помогает следить за тем, чтобы автозапчасти не оказались на кальянах.

Принципы ПРР используются на всех этапах логистики: начиная от курьерской доставки, приема груза на склад и погрузки/ выгрузки контейнеров. Также и контейнеры грузятся на суда: тяжелые — вниз, open top — наверх, с опасными грузами — отдельно.

Современные логистические склады значительно упрощают процесс погрузочно-разгрузочных работ. Используется специальная техника и программы автоматизации. Склады организованы таким образом, чтобы соблюсти технику безопасности при такелажных работах и обеспечить надлежащие условия работы сотрудникам. Для них предусматриваются средства защиты: каска, цветные жилеты, перчатки.

Знаете ли вы, что площадь занимаемая вашим грузом по полу, не равна площади арендованного склада? Склад нужно арендовать с запасом на проходы и подъезды, чтобы иметь быстрый и удобный доступ к грузу и возможность подвозки на погрузочно-разгрузочную рампу.

Передача ответственности за груз регулируется условиями поставки Инкотермс

Грузоотправитель или его уполномоченное лицо занимается погрузкой товара. Интересный нюанс, продавец — не всегда фактический грузоотправитель. Например, при отправке сборных грузов отправителем является китайский агент консолидации. Он принимает груз на своем складе и занимается стафировкой контейнера. При этом в инвойсе и в коносаменте отправителем указывается фактический продавец.

При погрузке сложных грузов (крупногабаритные, тяжелые, хрупкие) грузополучателю нужно учесть все особенности выгрузки. Склад должен быть готов принять товары: обеспечен необходимым такелажным оборудованием, роклами, рампой, карами. Например, для очень тяжелого груза, станка весом 20 тонн, понадобится кран, а для ручной выгрузки — достаточное количество грузчиков.

Получатель заранее оговаривает нюансы по приему груза, чтобы отправитель, по возможности, учел их и позаботился об удобной выгрузке.

Несколько принципов корректной погрузки:

  • Маркировка необходима, чтобы легко сортировать и правильно грузить (важна для сборных грузов в контейнере).
  • Безопасность (тяжелые грузы располагают внизу, легкие помещают сверху).
  • Грузы закрепляются (в контейнере ничего не остается подвижным, все стоит надежно).
  • Учитывается порядок выгрузки (первым грузится тот товар, который будет выгружаться последним).

Например, в Днепре выгружается контейнер, в котором находятся товары 10 получателей. Часть из них нужно доставить к дверям клиентов в Киев, поэтому дальше мы формируем погрузку в машину. При этом учитываем маршрут, чтобы первым в авто попал груз, который придет к клиенту последним. При погрузке смотрим на маркировку и надежно закрепляем каждый груз.

Какая разгрузка лучше

Есть несколько технологий, по которым проходят такелажные работы. Самая медленная из них — ручная работа грузчиков. Это технология используется только при малогабаритных и легких грузах.

Для погрузочно-разгрузочных работ оптимально использовать современную технику. Например, при контейнерных грузоперевозках используют специальные краны и погрузчики. Они есть во всех морских портах и транспортных терминалах.

Чтобы увеличить скорость складских работ, используют средства малой механизации и подъемные механизмы, такие как вилочные погрузчики и рокла. В морских портах чаще всего применяют краны. Погрузочно-разгрузочная рампа и стационарные эстакады подходят больше для складов.

Ограничения для такелажных работ

Маркировка тары отражает особенности погрузки и разгрузки, а также условия хранения. Отметки на контейнере покажет вес и тип контейнера.

Напомним, что по технике безопасности к такелажным работам не допускаются женщины и подростки. Чтобы управлять погрузчиком, понадобится свидетельство оператора.

Все партнеры компании M3Cargo, которые задействованы в перевозке и погрузке, соблюдают основные принципы ПРР для безопасной доставки ваших грузов. А заказав комплекс доставки и таможенного оформления, вы получите свой товар в Украине под ключ без дополнительных затрат времени и денег.

Основы логистики

Если вас утомили многочисленные прозрачные статьи ни о чём, которыми обильно наводнили интернет люди, мягко говоря, имеющие весьма далёкое отношение к транспорту, экспедированию грузов или логистике, и не дающие читателю целостной картины транспортной отрасли, эта статья – станет для вас приятным исключением.

Автор убеждён, что его 17-летний практический опыт работы в различных сферах транспортной отрасли, дает ему обоснования полагать, что его знания пригодятся не только молодым специалистам, интересующимся теорией, но и работающим специалистам разного уровня, для получения простого и чёткого понятия о практических аспектах представленных здесь вопросов. Ведь логистика – не модное словечко с неопределённым смыслом, а динамично развивающаяся наука.

Наука управления информационными, финансовыми и материально-техническими потоками, с целью получения максимального результата, при минимальных затратах.

Данной статьёй автор открывает серию обзорных статей по специфике различных видов транспорта, складской и портовой перевалки грузов (перевалка, или ПРР — погрузочно-разгрузочные работы), мультимодальных перевозок, работы многочисленных смежных организаций, без которых процесс грузоперевозки, в большинстве случаев, просто невозможен.

С тех давних пор, как люди стали торговать, человечеству стал необходим транспорт. Поскольку товар по месту его происхождения всегда стоил дешевле, чем там, где его не было, доставлять товар к удалённым рынкам сбыта, туда, где он более востребован, стало делом весьма прибыльным. Транспортировка разнообразнейших грузов — стала главной задачей транспортной отрасли любого современного государства. Сделать это с наименьшими затратами призвана транспортная логистика.

Как дешевле доставить груз, сохранив при этом все его товарные качества? Как избежать порчи груза в дороге и уменьшить до минимума риски в пути? Какой вид транспорта выбрать, что бы не переплачивать за доставку, но получить при этом качественный сервис? Как оптимизировать сроки доставки и себестоимость товара в конечном пункте назначения? Эти и другие вопросы вот уже многие десятилетия волнуют производители различных товаров и их перевозчиков. В наши дни к ним присоединились более узко-профильные специалисты – экспедиторы, страховщики, судовые агенты, сюрвейера (люди, отвечающие за инспекции грузов и транспортных средств) и фрахтовые брокеры (люди, занимающиеся поиском и фрахтом транспорта).

Наиболее полно ответить на эти важные вопросы, возникающие у любого грузовладельца, способны грамотные специалисты по логистике или мультимодальным перевозкам, опытные экспедиторские компаний. Такие специалисты, обязаны владеть многими нюансами внешнеэкономических торговых отношений, страхования грузов, спецификой финансирования торговых сделок, досконально знать и вести документарное сопровождение перевозок, владеть инженерной спецификой грузовых работ и особенностями условий перевалки и транспортировки того или иного груза и даже спецификой работы складских хозяйств и перегрузочных комплексов. Практический опыт показывает, что дважды, а то и более платит тот, кто изначально недооценивает роль смежных организаций в транспортной сфере. Ведь знать всё самому – невозможно. Достаточно знать того, кто владеет ответами на ваши вопросы.

Весь транспорт условно делится на морской, наземный и воздушный. Почему условно, спросите вы? Потому, что в современной транспортной отрасли эти виды транспорта тесно переплетены. По морю ходят паромы, перевозящие сухопутные железнодорожные вагоны, авто и контейнера. По суше ездит специальный транспорт, перевозящий новенькие катера и яхты. А над всем этим летают самолёты с самыми неожиданными грузами, которые требуют самой срочной доставки (например – свежими цветами, важными документами или живой рыбой).

Каждый вид транспорта имеет множество своих, очень важных нюансов. Очень сложно человеку неискушённому разобраться во всех особенностях грузоперевозок. Тем более, что на постсоветском пространстве не существовало (да, пожалуй, и до сих пор толком и не существует) сколь-нибудь толковых учебных заведений, традиций и методик обучения таким важным профессиям как, например, портовый экспедитор, логист, судовой агент, фрахтовый брокер. А ведь без этих профессий современная логистика немыслима. Вот почему, так тяжело самому найти действительно проверенную и объективную информацию по этой тематике. Вот почему, для людей, выбравших грузоперевозки своей профессией основным учителем зачастую становится практика, опыт наставников. Зарубежный опыт, хоть и богаче постсоветского, но, увы, в большинстве случаев не применим к нашим условиям. Возможно отсюда и обилие разного рода (и весьма разного же качества) статей по тематике грузоперевозок. Отсюда и желание автора поделиться своим практическим опытом во многих отраслях транспортной индустрии.

Одной из немаловажных характеристик груза является его удельно-погрузочный объём (УПО) (или stowage factor — по-английски). УПО характеризует показатель того, сколько тонн груза приходится на кубический метр или сколько кубометров занимает тонна груза. Попросту говоря — это коэффициент для расчёта полезного «местозанимания» груза в тех или иных условиях транспортировки или складирования. Например, груз с коэффициентом УПО в 1.4 кубометров на тонну является объёмным, то есть тонна этого груза займёт 1,4 кубометра. Несложно просчитать – сколько кубометров пространства понадобится вам для перевозки полного веса груза. Груз с УПО равным единице – считается «дедвейтным» (морской термин) или стандартным, ни объёмным, ни тяжёлым. УПО меньше единицы говорит о том, что груз тяжёлый, то есть превалирующим критерием для расчёта транспортировки такого груза является вес, а не кубатура, которую он занимает. Особенно важным этот критерии становится для тех перевозок, где объём грузовых помещений является определяющим при выборе транспортного средства, например морские перевозки. Но об этом – чуть позже.

Отдельного внимания заслуживают вопросы специфики оформления документов для международной перевозки грузов. Для каждого вида транспорта существуют свои нюансы оформления провозных документов. Для каждого вида груза – есть множество важных аспектов товаро-сопроводительных бумаг. Для каждого вида внешнеэкономической сделки – есть свои тонкости документооборота. И от всех этих важных моментов напрямую зависит материальный результат сделки и перевозки.

Любая сделка, предполагает наличие минимум двух сторон – продавца (поставщика) и покупателя (получателя). Каждая из сторон заинтересована в том, что бы максимально обезопасить свои деньги или товар. Кто и за чей счёт должен доставить товар до транспортного средства? Кто обязан организовать и оплатить погрузку товара? Разгрузку? Обеспечить и оплатить все расходы по страхованию груза во время следования в пути? Организовать подачу транспортного средства, которое соответствовало бы всем требованиям международных правил безопасной перевозки грузов? Продавец или покупатель? Для того, что бы вопросов было меньше, в профессиональной среде были приняты единые правила и стандарты условий международных сделок/перевозок – Инкотёрмс (Incoterms = International Commercial Terms или Международные Условия Торговых сделок). Вы наверняка уже сталкивались с ними, а если нет, то сможете найти массу информации, порывшись в дебрях интернета. Благодаря Инкотёрмс , стороны всегда могут послать друг друга на три заветные буквы. Эти три буквы – аббревиатура Инкотёрмс, которая заключает в себе ответы на все перечисленные выше вопросы. Например, продажа товара на условиях FOB (Free On Board) означает, что продавец обязан обеспечить доставку качественного груза, его ПРР и оплату всех расходов, связанных с его ПРР на борт судна в оговоренном порту. А покупатель, соответственно, обязан вовремя предоставить это самое судно в порт и своевременно оплатить груз покупателю.

Каждая аббревиатура из трёх (иногда более) букв подразумевает стандартный набор прав и обязанностей сторон для такого типа поставки. Эти условия закрепляются сторонами контрактом. Таким образом, в случае каких-то непредвиденных ситуаций, будет легче определить, у кого же «рыльце в пуху».

Помимо контракта с оговоренными ценами и условиями Инкотёрмс, необходим товаро-распорядительный документ. Таким документом в международных перевозках вообще и авиа перевозках в частности, является коносамент. Коносамент содержит сжатую информацию о сторонах, их реквизиты и контактные детали, условия сделки, условия оплаты фрахта, характеристики груза и его таможенный статус. Для многих молодых специалистов является откровением тот факт, что на время перевозки груз полностью поступает в собственность и под распоряжение перевозчика. Закрепить юридически права на груз , а также обязанности по его сохранности за перевозчиком призван коносамент, который в международных перевозках является товаро-распорядительным документом (по юридической силе таким же, как договор купли-продажи). Поэтому коносамент всегда выдаётся перевозчиком, и закрепляет за ним право собственности на груз на время перевозки, ведь перевозчик тоже должен обезопасить себя от риска неуплаты фрахта по доставке груза. После того, как перевозчику оплатили все его услуги, он передаёт оригиналы коносамента покупателю/получателю груза. Получить товар в пункте назначения без оригинала коносамента или письменного разрешения перевозчика невозможно. Это – непреложный закон международной торговли. Товар выдаётся только лицу, указанному в коносаменте в графе получатель, или лицу, уполномоченному получателем, если такая процедура была заранее оговорена сторонами.

После экспортно-импортного контакта, коносамент, пожалуй, самый важный документ для международной перевозки. Без него не обходится ни одна перевозка. Помимо гаранта оплаты фрахта перевозчику, коносамент так же играет роль платёжного инструмента при расчётах в банке.

Остальные документы, сопровождающие товар в международных перевозках, как правило, имеют сертификационный характер, либо связаны с таможенными или иными формальностями при прохождении товара через границу. Это таможенные декларации, сертификаты качества и происхождения, справки и свидетельства, подтверждающие качественные характеристики груза и его безопасность, различные финансовые документы для учёта налогообложения и разного рода сборов и плат, документы учёта количественных и качественных параметров груза.

Для перевозки грузов нестандартных размеров, агрессивных или химических грузов, наливных и прочих нестандартных грузов авиация используется крайне редко. Поэтому мы эти аспекты затрагивать в данной статье не станем.

КДЛ Логистика. Правила погрузки и разгрузки грузов

Правила погрузки и разгрузки грузов

В соответствии Уставу автомобильного транспорта, грузоотправителем должны производиться: погрузка груза на автомобиль, укрытие, закрепление и увязка груза. Грузополучателем производится: разгрузка груза из автомобиля, снятие креплений и покрытий. Однако так как эта норма является диспозитивной, она применяется лишь в тех случаях, когда в договоре грузоперевозки (оказания экспедиторских услуг) не предусматривается иное. В случае, если в договоре отсутствуют разграничения обязанностей между сторонами по погрузке или разгрузке груза, грузополучатель и грузоотправитель производят соответственно закрытие и открытие бортов автомобиля и люков автоцистерн, опускание и выемку шлангов из люков автоцистерн, отвинчивание и привинчивание шлангов.

Автотранспортная организация или предприятие могут по соглашению с грузоотправителем принять на себя погрузку и разгрузку:

  • Товарных, штучных, катно-бочковых грузов, доставляемых предприятиями торговли и общественного питания, с небольшим оборотом
  • Иных грузов, при наличии у автотранспортной организации или предприятия средств механизации погрузочно-разгрузочных работ

Соглашение может оформляться как отдельным договором, так и включением указанных пунктов в договор грузоперевозки. В случае, если заключается долгосрочный договор на автомобильную грузоперевозку, обязанности по погрузке-разгрузке конкретных грузов транспортной компанией могут оформляться как приложение к договору, а в основном договоре перевозки будут предусматриваться только условия, которые обеспечивают максимальное использование погрузочно-разгрузочных механизмов.

В обязанности грузоотправителя входит: произвести предварительную подготовку груза, его укладку на поддоны, в контейнеры и т.д. и предоставить место для стоянки и при необходимости небольшого ремонта погрузо-разгрузочных механизмов, в том числе служебные помещения, для устройства раздевалок и отдыха рабочих.

Договор транспортно логистической  компании (автотранспортной компании) или организации с грузоотправителем, может подразумевать участие шофера в погрузке и разгрузки груза, в порядке предусмотренном в правилах по охране труда на автомобильном транспорте.

При участие шофера в погрузке или разгрузке, он должен принять груз с борта грузового автомобиля, при разгрузке — груз подается на борт грузового автомобиля. Если автотранспортная компания взяла на себя обязательства по проведению погрузочно-разгрузочных работ, то оно несет ответственность за повреждение или порчу груза во время погрузки и разгрузки, которые произошли по их вине.

Грузоотправитель и грузополучатель обязаны иметь в наличие погрузочно-разгрузочные пункты и погрузочно-разгрузочные площадки , в том числе подъездные пути к ним, которые должны находиться в исправном состоянии, для обеспечения беспрепятственного подъезда подвижного состава. В обязанности грузоотправителя и грузополучателя входит: обеспечение наличия средств механизации, иметь в наличие необходимое количество рабочих, для соблюдения установленных сроков погрузки в грузовые автомобили и выгрузки груза, устройства освещения рабочих мест,  подъездных путей  в вечернее и ночное время, инвентарь, такелаж и в некоторых случаях весовые устройства, если необходимо взвешивание груза, в зависимости от объема и характера производимых работ, необходимо иметь в наличие необходимое количество оборудованных мест для погрузки и выгрузки груза, в том числе указатели размещения складских помещений, въездов и выездов.

Транспортная  компания и грузоотправитель во время грузоперевозки, обязаны в пределах объема груза, указанного при заказе (заявке) грузоотправителя или грузополучателя, произвести загрузку подвижного состава — до полного использования его вмещаемости, при этом не выше его грузоподъемности.

Массовые грузоперевозки легковесных грузов, в том числе сельскохозяйственных грузов — автотранспортная компания обязана нарастить борта или принять другие меры, для обеспечения повышенного использования грузоподъемности подвижного состава.

Штучные грузы, перевозимые без тары (трубы, металлические прутки и пр.) — без значительной потери времени, прием и погрузка которых в данном случае невозможны, должны быть объединены грузоотправителем в наиболее крупные погрузочные единицы (транспортные пакеты).

Погрузка сыпучих грузов, которые перевозятся навалом — в этом случае поверхность груза не должна выступать за верхние края бортов подвижного состава, в целях предотвратить высыпание груза во время движения.

Тяжеловесные грузы, без тары — должны иметь специальные приспособления для застройки: рамы, выступы, петли, проушины и пр.

Перевозки на поддонах — укладываются на них таким образом, чтобы была возможность проверить количество, не нарушая их положение на поддоне и крепления (исключение составляют ящичные закрытые поддоны перевозимые за пломбами грузоотправителя).


Сибирская Логистическая Компания — ответхранение в Красноярске, логистика

Сибирская логистическая компания располагает оборудованными помещениями, техникой и штатом сотрудников для качественного и оперативного проведения погрузо-разгрузочных работ. Мы принимаем автомобильный и железнодорожный транспорт, гарантируем сохранность грузов в процессе обработки, предоставляем широкий спектр дополнительных услуг.

Технические возможности

Для эффективного выполнения погрузо-разгрузочных работ на складе ответственного хранения СЛК оборудованы:
  1. доковые зоны для автомобилей;
  2. крытый тупик с собственной железнодорожной веткой.
Все доковые зоны оснащены докшелтерами, герметизирующими проемы, что обеспечивает надлежащую температуру в процессе разгрузки и погрузки товаров. Тем самым гарантируется сохранность продукции, для которой предусмотрен определенный температурный режим. Кроме того, в зонах приемки поддерживаются стабильные комфортные условия для работы персонала.
Прием автомобильного транспорта организован таким образом, чтобы избегать очередей на въезд и простоя машин. Этим обеспечивается соблюдение сроков транспортировки.
Железнодорожный тупик представляет собой крытое отапливаемое помещение, которое вмещает одновременно до 8 вагонов.
Ускорять процессы разгрузки и погрузки позволяет специализированное оборудование, которым оснащены автомобильные доки и железнодорожный тупик. Во всех точках приемки грузов установлены доклевеллеры – мосты, которые компенсируют перепад высот между помещениями и грузовыми платформами. Применение доклевеллеров значительно повышает скорость и обеспечивает безопасность погрузо-разгрузочных работ.
Для перемещения грузов на территории распределительного центра и складского терминала применяются компактные и маневренные штабелеры и погрузчики под управлением опытных операторов.

Дополнительные логистические услуги

СЛК выполняет не только погрузо-разгрузочные работы, но и предоставляет клиентам полный спектр услуг в сфере логистики, таких как:
  • перераспределение и комплектация товаров в соответствии с заказами
  • хранение грузов в терминале при соответствующем температурном режиме
  • ведение учета, управление запасами
  • инвентаризация и формирование ежедневной отчетности.

Мы обеспечим весь комплекс логистических операций с минимальными издержками для вашего бизнеса.

Заказать услугу

Наш менеджер свяжется с Вами в ближайшее время.

Погрузочно-разгрузочные работы на складе Евралог

Одна из специализаций нашей компании — оказание всех видов погрузочно-разгрузочных работ в Москве, Санкт-Петербурге, а также Московской и Ленинградской областях. Нашими клиентами становятся самые различные организации, которым необходимо разместить на ответственное хранение свой товар с осуществлением погрузочно-разгрузочных работ любой сложности. Мы предлагаем не только комплекс работ по погрузке и выгрузке имущества, но и дополнительные услуги, связанные со складированием, учетом, транспортировкой и многим другим.

Если проведение погрузочно-разгрузочных работ осуществить неправильно, это может привести к материальному ущербу. Нередки случаи, когда, обращаясь к непрофессионалам, компании теряли или повреждали свой груз. Поэтому мы рекомендуем обращаться на аутсорсинг только к надежным профильным организациям, получившим отличную репутацию мастеров своего дела. Как правило, такие компании проводят погрузку и разгрузку в соответствии с выверенным планом и соблюдением всех норм.

Организационный этап
  • Оценка. Необходимо рассчитать вес, габариты и количество груза, а также определить степень хрупкости. На этом этапе определяется оптимальный способ погрузки и подбираются упаковочные материалы.
  • Выбор специальной погрузочной техники с учетом особенностей груза и транспортного средства. Легкие и объемные грузы, загружаются в транспорт вручную. Если имущество тяжелое или негабаритное, то в ход идут автопогрузчики, краны и манипуляторы.
  • Подготовка плана по установке автокрана, определение оптимальных способов погрузки отдельных элементов груза и вариантов закрепления на автомобильных транспортных средствах.
Подготовительный этап
  • Упаковка. В зависимости от типа хрупкости и чувствительности груза к внешним воздействиям, выбираются подходящие упаковочные материалы. Электронику важно защитить от пыли, воды и грязи, хрупкое оборудование от возможного повреждения при транспортировке.
  • Маркировка. Это самый лучший способ для правильной комплектации груза и дальнейшей безошибочной регистрации. После прибытия на ответственное хранение она помогает верно принять и расставить груз по местам в складском помещении.
Погрузка и разгрузка
  • Размещение на транспорте. Погрузка происходит точно в соответствии с планом. Затем имущество надежно закрепляется, а специалисты заносят все данные в сопроводительную документацию.
  • Разгрузка на месте назначения. После подготовки площадки для разгрузочных работ, необходимо освободить грузы от креплений и произвести разгрузку в обратном порядке. Параллельно работники склада делают соответствующие отметки в сопроводительной документации.
5 причин заказать погрузочно-разгрузочные работы у нашей компании
  1. Низкие цены. Каждый пункт нашего прейскуранта строго выверен. Это — одна из причин, почему наши клиенты возвращаются к нам после сравнения прайсов других компаний.
  2. Комплексность. Мы не только оказываем весь спектр погрузочно-разгрузочных работ, но и всевозможные услуги, связанные с транспортировкой, логистикой и ответственным хранением.
  3. Профессионализм. Безошибочная работа с любыми типами грузов — результат высокой квалификации сотрудников и многоступенчатого контроля.
  4. Современное оснащение. На наших складах работает только исправная погрузочная техника: погрузчики грузоподъемностью от 1,5 до 7т, грузовые лифты, штабелеры, автокраны.
  5. Безопасность. Каждый склад оснащен противопожарной сигнализацией, помещения регулярно патрулируются, а также работает видеонаблюдение в режиме 24/7.

Чтобы уточнить расценки и тарифы на погрузочно-разгрузочные работы или заказать их, свяжитесь с нами! Мы предоставим всю необходимую информацию по стоимости работ в час.

PRR Значение в логистике — Что означает PRR в логистике? Определение PRR

Значение для PRR — это проверка готовности производства, а другие значения расположены внизу, которые имеют место в терминологии логистики, а PRR имеет 3 разных значения. Все значения, которые принадлежат аббревиатуре PRR, используются только в терминологии логистики, и другие значения не встречаются. Если вы хотите увидеть другие значения, щелкните ссылку «Значение PRR».Таким образом, вы будете перенаправлены на страницу, где указаны все значения PRR.
Если внизу не указано 3 различных значения аббревиатуры PRR, выполните поиск еще раз, введя структуры вопросов, такие как «что означает PRR в логистике, значение PRR в логистике». Кроме того, вы можете искать, набрав PRR в поле поиска, которое находится на нашем веб-сайте.

Значение Астрологические запросы

Значение PRR в логистике

  1. Обзор готовности производстваЛогистика
  2. Ремонт или замена деталейЛогистика
  3. Запрос на замену деталейЛогистика

Также можно найти значение PRR для логистики в других источниках.

Что означает PRR для логистики?

Мы составили запросы в поисковых системах о аббревиатуре PRR и разместили их на нашем веб-сайте, выбрав наиболее часто задаваемые вопросы. Мы думаем, что вы задали аналогичный вопрос поисковой системе, чтобы найти значение сокращения PRR, и мы уверены, что следующий список привлечет ваше внимание.

  1. Что означает PRR для логистики?

    PRR означает запрос на замену деталей.
  2. Что означает аббревиатура PRR в логистике?

    В логистике сокращение PRR означает «проверка готовности производства».
  3. Что такое определение PRR? Определение
    PRR — это «проверка готовности производства».
  4. Что означает PRR в логистике?
    PRR означает «Запрос на замену запчастей» для логистики.
  5. Что такое аббревиатура PRR? Акроним
    PRR — «Ремонт или замена деталей».
  6. Что такое сокращение «Запрос на замену деталей»?
    Сокращение «Запрос на замену деталей» — PRR.
  7. Каково определение аббревиатуры PRR в логистике?
    Обозначение PRR — это «проверка готовности производства».
  8. Какова полная форма сокращения PRR?
    Полная форма аббревиатуры PRR — «проверка готовности производства».
  9. В чем полное значение PRR в логистике?
    Полное значение PRR — «Ремонт или замена деталей».
  10. Какое объяснение PRR в логистике?
    Пояснение к PRR — «проверка готовности производства».
Что означает аббревиатура PRR в астрологии?

Мы не оставили места только значениям определений PRR. Да, мы знаем, что ваша основная цель — объяснение аббревиатуры PRR. Однако мы подумали, что вы можете рассмотреть астрологическую информацию аббревиатуры PRR в астрологии. Поэтому астрологическое описание каждого слова доступно внизу.

PRR Аббревиатура в астрологии
  • PRR (буква P)

    Вы очень хорошо осведомлены о социальных приличиях.Вы бы не подумали о том, чтобы сделать что-либо, что может навредить вашему имиджу или репутации. Внешность имеет значение, поэтому вам нужен красивый партнер. Вам также нужен умный партнер. Как ни странно, вы можете рассматривать своего партнера как своего врага; Хороший бой стимулирует эти сексуальные флюиды. Вы относительно свободны от сексуальных привязанностей. Вы готовы экспериментировать и пробовать новые способы ведения дел. Вы очень общительны и чувственны; вы любите флирт и нуждаетесь в большом физическом удовлетворении.

  • PRR (буква R)

    Вы серьезный, ориентированный на действия человек.Вам нужен кто-то, кто может идти в ногу с вами, и кто равен вашему интеллекту, чем умнее, тем лучше. Великий ум заводит вас быстрее, чем великое тело. Однако для вас очень важна физическая привлекательность. Вы должны гордиться своим партнером. В личной жизни вы очень сексуальны, но вы не хвастаетесь, вы готовы служить учителем. Секс важен; вы можете быть очень требовательным товарищем по играм.

Справочное руководство по сокращению: логистика и управление цепочками поставок

Логистика и управление цепочками поставок Сокращения

# А Б В Г Д Е Ж З И Й К Л M N O P Q R S T U V W XYZ

#

3PL Сторонний (третий) поставщик логистических услуг

А

A / P или AP Счета к оплате
A / R или AR Дебиторская задолженность
ABC Калькуляция по видам деятельности
ABI Интерфейс автоматизированного брокера
ПРО Управление на основе деятельности
ABP Планирование по видам деятельности
АБС Автоматическая сортировка партий
БСПС Расширенный досмотр грузовых авиаперевозок
ACE Автоматизированная коммерческая среда
ACH Автоматизированная информационная служба
ACI Предварительная коммерческая информация (Канада)
ПО Система поддержки операций ускоренного коммерческого выпуска (Канада)
ACS Автоматизированная торговая система
н. э. Антидемпинговый
ДОБАВИТЬ Антидемпинговые пошлины
АЭИ Предварительная электронная информация
AEO Уполномоченный экономический оператор
AES Автоматизированная система экспорта
AFIP Administración Federal de Ingresos Públicos
AFR Правила предварительной подачи
AIES Автоматизированный обмен информацией
AII Интерфейс автоматизированного счета-фактуры
AMS Автоматизированная система манифестов
AMWF Армия самых разыскиваемых беглецов
ANSI Американский национальный институт стандартов
АОБРД Автоматическое бортовое записывающее устройство
APEC Азиатско-Тихоокеанское экономическое сотрудничество
APHIS Инспекционная служба по охране здоровья животных и растений
API Интерфейс прикладных программ
APS Расширенное планирование и планирование
ARL Книга дебиторской задолженности
АРМАБ Консультативный совет по управлению доходами агентства
ASN Предварительное уведомление об отгрузке
ATA Ассоциация воздушного транспорта
ATA Американская ассоциация грузовиков
ATAC Воздушный транспорт Канады
ATD Предварительные данные о торговле
ATF Бюро алкоголя, табака и огнестрельного оружия
АТС Автоматизированная система наведения
AVL Автоматизированный локатор транспортных средств
AWB Авианакладная

B

B / L или BOL Коносамент
B2B Business-to-Business
B2C Бизнес-потребитель
BI Бизнес-аналитика
BIS Бюро промышленности и безопасности
ударов в минуту Управление бизнес-процессами
BPR Реинжиниринг бизнес-процессов
BSC Сбалансированная система показателей

С

C / I или CI Коммерческий счет-фактура
C / O или COO Сертификат происхождения
CAAC Управление гражданской авиации Китая
CAATSA Закон о противодействии противникам Америки посредством санкций
CADEX Автоматизированный обмен таможенными данными
CAED Канадская автоматизированная экспортная декларация
CAFTA Соглашение о свободной торговле в Центральной Америке
CAGR Совокупный годовой темп роста
CARM Оценка CBSA и управление доходами
CBP U. S. Таможенно-пограничная служба
CBSA Канадское агентство пограничной службы
CCN Контрольный номер груза
CETA Всеобъемлющее торгово-экономическое соглашение
CFIA Канадское агентство по надзору за пищевыми продуктами
CFR Свод федеральных правил
CFR или C&F Стоимость и фрахт
CFS Контейнерно-грузовая станция
CGCVP Список запрещенных судов береговой охраны
CHB Таможенный брокер
CLN Совместная логистическая сеть
CMV Коммерческий автомобиль
наложенным платежом Получение при доставке или наложенным платежом
COFC Контейнер на платформе
COGS Себестоимость проданной продукции
CPG Товары народного потребления
CPSC Комиссия по защите прав потребителей и безопасности
CRM Управление взаимоотношениями с клиентами
CSA Соблюдение, безопасность, ответственность
CSA Таможенная самооценка
CSA Канадская ассоциация стандартов
CSCMP Совет профессионалов в области управления цепочками поставок
CSR Представитель службы поддержки клиентов
C-TPAT Таможенно-торговое партнерство против терроризма
CVD Компенсационные пошлины
CWT Центнер

D

DC Распределительный центр
DDTC Управление по контролю за оборонной торговлей
DFATD Министерство иностранных дел, торговли и развития
ДФО Департамент рыболовства и океанов
DFRL Дизайн для обратной логистики
DFZ Зона беспошлинной торговли
DG Опасные грузы
DHS U. S. Департамент внутренней безопасности
DIF Функции изображения документа
DimWt Габаритный вес
DIS Система изображений документов
DN Ежедневное уведомление
DNL Не загружать
DOA U.S. Департамент сельского хозяйства
DOC Министерство торговли США
DOD Министерство обороны США
DOE Министерство энергетики США
DOSCU Государственный департамент Куба
ТОЧКА СШАДепартамент транспорта
DP Планирование спроса
DPL Список запрещенных лиц (ранее Список запрещенных лиц)
DSL Список динамического скрининга
DSD Доставка прямо в магазин
DVIR Отчет об осмотре автомобиля водителем

E

EAM Управление активами предприятия
EAR Правила экспортного контроля
по К. Э. Европейское сообщество
ECCN Классификационный номер экспортного контроля
ECCRD Требования к клиентам электронной коммерции Документ
ECS Система экспортного контроля
eCSD Электронная декларация о безопасности отправления
EDI Электронный обмен данными
ЭДИФАКТ Электронный обмен данными для администрации, торговли и транспорта
EEC Европейское экономическое сообщество
EEI Электронная экспортная информация
EFT Электронный перевод денежных средств
EFTA Европейская ассоциация свободной торговли
EIN Идентификационный номер экспортера
ELD Электронное регистрационное устройство
Европа, Ближний Восток и Африка Европа, Ближний Восток, Африка
ENS Сводная декларация о ввозе (ЕС)
EOBR Бортовой электронный регистратор
EPA U.S. Агентство по охране окружающей среды
EPCSA Европейская ассоциация систем портового сообщества
ОЭЗ Зона экспортной обработки
ERP Планирование ресурсов предприятия
ETA Расчетное время прибытия
ЕС Европейский Союз
EUMWF Самые разыскиваемые беглецы Европы
EUS Санкции Европейского Союза
EXS Выездная сводная декларация (ЕС)

F

FAA Федеральное управление гражданской авиации
БЫСТРО Быстрая и безопасная торговля
FBL Транспортная накладная
FCC Федеральная комиссия связи
цкк Полная загрузка контейнера
FCPA Закон о коррупции за рубежом
FDA U. S. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов
FDAWL Предупреждающее письмо Управления по санитарному надзору за качеством пищевых продуктов и медикаментов
FedEx Федерал Экспресс
FEI Идентификатор учреждения FDA
ЛТУ Эквивалентная единица длиной 40 футов
FF Экспедитор
ФИАТА Международная федерация экспедиторских ассоциаций
ФИРМЫ Система управления информацией и ресурсами по объектам
FMC Федеральная морская комиссия
FMCSA Федеральное управление безопасности автотранспортных средств
FOB Бесплатно на борту
FPA Без особого среднего
FROB Фрахт остается на борту
ФГИС Служба инспекции безопасности пищевых продуктов
FSR Запрос статуса фрахта
ФСВП Программы проверки иностранных поставщиков
FTA Соглашение о свободной торговле
FTC Федеральная торговая комиссия
FTZ Зона свободной торговли и зона внешней торговли
FWS Служба охраны рыбы и дикой природы

G

GAAP Общепринятые принципы бухучета
ГАГИ Товар государственного агентства
GATT Генеральное соглашение по тарифам и торговле
ГБ / л Государственный коносамент
ВВП Валовой внутренний продукт
ГИС Географическая информационная система
GoC Правительство Канады
GPS Глобальная система позиционирования
GRI Общие правила толкования
GST Налог на товары и услуги (Канада)
ГТИМ Глобальные тарифы и международное картографирование
GTM Управление глобальной торговлей

H
HACCP Критическая контрольная точка анализа опасностей
HAWB Внутренняя авианакладная
HazMat Опасные материалы
HMRC

Доходы и таможня Ее Величества

HOS Часы работы
HS Гармонизированная система / Гармонизированное расписание
HST Гармонизированный налог с продаж (Канада)
HTS Согласованный тарифный план
HVS Отгрузка ценных бумаг

I

ИАТА Международная ассоциация воздушного транспорта
ICC Комиссия по торговле между штатами
МКС Система контроля импорта
IFTA Международное соглашение о налогообложении топлива
IFTA Соглашение о свободной торговле с Израилем
IID Комплексная импортная декларация
IMDG Международные морские перевозки опасных грузов
IMO Международная морская организация
Инкотермс Международные коммерческие условия
ISF Заявление о безопасности импортера
ISO Международная организация по стандартизации
ITA Управление международной торговли
ITC Комиссия по международной торговле
ITMR Управление международной торговлей Версия
ИНН Внутренний номер транзакции
IVR Интерактивный голосовой ответ
IVRS Интерактивная система голосового ответа

Дж

JCPOA Совместный всеобъемлющий план действий
JIT Как раз вовремя
JOC Торговый журнал

К

KC Известный грузоотправитель
КПЭ Ключевой показатель эффективности

L

аккредитив или LOC Аккредитив
LCL Загрузка менее контейнера
LPCO Лицензии, разрешения, сертификаты и прочее
ЛСП Поставщик логистических услуг
литов Меньше чем грузовик
LVC Визуализация и контроль логистики
LVS Малоценная отгрузка

M

MASP Многолетний стратегический план (Европа)
MAWB Основная авианакладная
MFCFR Валютно-финансовый кодекс Франции
MID Идентификационный код производителя
ТО Виды транспорта
МОУ Меморандум о взаимопонимании
MPF Комиссия за обработку товаров
MRM Управление мобильными ресурсами
MRN Справочный номер движения (ЕС)
ППМ Планирование потребности в материалах
MYCFT Малайзия противодействие финансированию терроризма

N

НАФТА Североамериканское соглашение о свободной торговле
НАИКС Североамериканская система отраслевой классификации
NCTS Новая компьютеризированная транзитная система (ЕС)
NDA Соглашение о неразглашении информации
NACCS Автоматизированная грузовая и портовая консолидированная система Nippon
NHTSA Национальная администрация безопасности дорожного движения
NMFC Национальная классификация автомобильных грузоперевозок
NMFS Национальная служба морского рыболовства
NNTL Национальный список террористов Нидерландов
NORBL Норвежский черный список
НРА Соглашение о согласованной ставке
NRP Программа вознаграждений за наркотики
NSA Организация обслуживания NVOCC
NVOCC Общий перевозчик, не работающий на судах
NZWA Новая Зеландия хотела арестовать Список

O

OBL Морской коносамент
OCR Оптическое распознавание символов
OEM Производитель оригинального оборудования
OFAC Управление по контролю за иностранными активами
ОГА Другое государственное агентство
OMC Управление охраны морской среды
OMS Система управления заказами
ORM Прочие регулируемые материалы
OS&D Over, Short и Damaged


-П,

PACT Pre-Load Air Cargo Targeting
ПАПС Система предварительной обработки
PARS Система проверки перед прибытием (Канада)
шт. Системы портового сообщества (ЕС)
PEP Политические деятели
PGA Государственное агентство-участник
PHAC Агентство общественного здравоохранения Канады
PLACI Предварительная загрузка предварительной информации о грузе
PN Предварительное уведомление
PO Заказ на поставку
POD Подтверждение доставки
POE Порт въезда
ПОМ Управление заказами на закупку
POP Пункт покупки
POS Торговая точка
PPD Предоплата
ТОЧНОСТЬ Предварительная загрузка информации об отправке для безопасного ввоза
PST Провинциальный налог с продаж (Канада)

Q

QA Гарантия качества
QC Контроль качества
QM Менеджмент качества
СМК Система менеджмента качества

R

Выпуск
RA Регулируемый агент
RFI Запрос информации
RFID Радиочастотная идентификация
ЗП Запрос предложений
Запрос предложений Запрос цен
RLF Удаленное хранение данных
RMD с минимальной документацией
RNS Система уведомления о выпуске
УДИЛИЩА Записи о дежурстве
Рентабельность инвестиций Возврат инвестиций
ROO Правила происхождения

S

SaaS Программное обеспечение как услуга
SCAC

Стандартный альфа-код оператора связи

SCE Выполнение цепочки поставок
SCM Управление цепочкой поставок
SED Экспортная декларация грузоотправителя
SEM Стратегическое управление предприятием
SIC Стандартная отраслевая классификация
SIMP Программа мониторинга импорта морепродуктов
Артикул Подразделение складского учета
SLA Соглашение об уровне обслуживания
SLI Инструкции грузоотправителя
МСБ Малые и средние предприятия
SOA Выписка по счету
СОЛАС Безопасность человеческой жизни на море
СОП Стандартная рабочая процедура
СОУ Техническое задание
SOX Закон Сарбейнса Оксли
SPI Индикатор специальной программы
SPL Список санкционированных партий
SRM Управление взаимоотношениями с поставщиками
SSCC Серийный код транспортного контейнера
SSE Шанхайская судоходная биржа
СТБ Облигации с одной сделкой
SWI Инициатива «Единого окна»

т

T’s&C Положения и условия
TCCU Отдел технических коммерческих клиентов
TEU Двадцатифутовый эквивалент
TFTEA Закон об упрощении процедур торговли и обеспечении соблюдения правил торговли
БИБ Временный ввоз по облигациям
TL Грузовик
TM Управление транспортом
TMS Система управления транспортом
TOFC Прицеп на платформе
TQM Общее управление качеством
TRCAN Транспорт Канады
TRWTL Список самых разыскиваемых террористов в Турции
TSA Управление транспортной безопасности
TSCA Закон о контроле за токсичными веществами
Т-НАКОНЕЧНИК Трансатлантическое торговое и инвестиционное партнерство
TTB Налоговое и торговое бюро

U

UCC Единый торговый кодекс
UCC Таможенный кодекс Союза (Европа)
UCR Уникальный товарный номер
УКПТГ Соединенное Королевство Запрещенные террористические группы
КБ ООН Совет Безопасности Организации Объединенных Наций
UPC Унифицированный код продукта
ИБП United Parcel Service
долларов США U. S. Департамент сельского хозяйства
USPS Почтовое отделение США

В

ФУРГОН Сеть с добавленной стоимостью
VAR Реселлер с добавленной стоимостью
НДС Налог на добавленную стоимость
ВГМ Подтвержденная масса брутто
ВМ Виртуальная машина
VPN Виртуальная частная сеть

Вт

WCO Всемирная таможенная организация
WM Управление складом
WMS Система управления складом
ВТО Всемирная торговая организация

XYZ

XML Расширяемый язык разметки
ЯМ Управление двором

Безопасность | Стеклянная дверь

Мы получаем подозрительную активность от вас или кого-то, кто пользуется вашей интернет-сетью.Подождите, пока мы убедимся, что вы настоящий человек. Ваш контент появится в ближайшее время. Если вы продолжаете видеть это сообщение, напишите нам чтобы сообщить нам, что у вас проблемы.

Nous aider à garder Glassdoor sécurisée

Nous avons reçu des activités suspectes venant de quelqu’un utilisant votre réseau internet. Подвеска Veuillez Patient que nous vérifions que vous êtes une vraie personne. Вотре содержание apparaîtra bientôt. Si vous continuez à voir ce message, veuillez envoyer un электронная почта à pour nous informer du désagrément.

Unterstützen Sie uns beim Schutz von Glassdoor

Wir haben einige verdächtige Aktivitäten von Ihnen oder von jemandem, der in ihrem Интернет-Netzwerk angemeldet ist, festgestellt. Bitte warten Sie, während wir überprüfen, ob Sie ein Mensch und kein Bot sind. Ihr Inhalt wird в Kürze angezeigt. Wenn Sie weiterhin diese Meldung erhalten, informieren Sie uns darüber bitte по электронной почте: .

We hebben verdachte activiteiten waargenomen op Glassdoor van iemand of iemand die uw internet netwerk deelt.Een momentje geduld totdat, мы узнали, что u daadwerkelijk een persoon bent. Uw bijdrage zal spoedig te zien zijn. Als u deze melding blijft zien, электронная почта: om ons te laten weten dat uw проблема zich nog steeds voordoet.

Hemos estado detectando actividad sospechosa tuya o de alguien con quien compare tu red de Internet. Эспера mientras verificamos que eres una persona real. Tu contenido se mostrará en breve. Si Continúas recibiendo este mensaje, envía un correo electrónico a para informarnos de que tienes problemas.

Hemos estado percibiendo actividad sospechosa de ti o de alguien con quien compare tu red de Internet. Эспера mientras verificamos que eres una persona real. Tu contenido se mostrará en breve. Si Continúas recibiendo este mensaje, envía un correo electrónico a para hacernos saber que estás teniendo problemas.

Temos Recebido algumas atividades suspeitas de voiceê ou de alguém que esteja usando a mesma rede. Aguarde enquanto confirmamos que Você é Uma Pessoa de Verdade.Сеу контексто апаресера эм бреве. Caso продолжить Recebendo esta mensagem, envie um email para пункт нет informar sobre o проблема.

Abbiamo notato alcune attività sospette da parte tua o di una persona che condivide la tua rete Internet. Attendi mentre verifichiamo Che sei una persona reale. Il tuo contenuto verrà visualizzato a breve. Secontini visualizzare questo messaggio, invia un’e-mail all’indirizzo per informarci del проблема.

Пожалуйста, включите куки и перезагрузите страницу.

Это автоматический процесс. Ваш браузер в ближайшее время перенаправит вас на запрошенный контент.

Подождите до 5 секунд…

Перенаправление…

Заводское обозначение: CF-102 / 632f1d35abab7b1b.

Обзор логистики · INDICO-FNAL (Indico)

Информация PSL

Лаборатория физических наук
http://www.psl.wisc.edu/
Контактное лицо: Кристин Перник
[email protected]
Прямая линия: 608 -877-2251
Основная линия PSL: 608-877-2200

Региональный аэропорт округа Дейн
4000 International Lane
Madison, WI 53704
https: // www.msnairport.com/

Информация о вождении из аэропортов :

Региональный аэропорт округа Дейн в лабораторию физических наук, 3725 Schneider Drive, Stoughton, WI 53589
https://goo.gl/maps/WUGjDgATUAx
26 мин. (15,5 миль) через US-51 S

Международный аэропорт О’Хара (ORD) Чикаго, штат Иллинойс, в лабораторию физических наук, 3725 Schneider Drive, Stoughton, WI 53589
http://www.flychicago.com/pages/ Landingpage.aspx
https: // goo.gl / maps / TWX8az1Tnus
2 часа 2 мин (125 миль)


Информация об отеле:
Рядом с лабораторией физических наук, Стоутон, Висконсин

Quality Inn & Suites
4-5 миль от PSL
660 Nygaard Street, Stoughton, WI, 53589, US
Телефон: (608) 877-9000 Факс: (608) 877-9799
Quality Inn & Suites в Стоутоне, штат Висконсин, недалеко от государственного парка озера Кегонса
В отеле Quality Inn & Suites ® в Стоутоне, штат Висконсин, недалеко от государственного парка озера Кегонса, вы получите больше выгоды от ваших кровно заработанных денег.
https://www.choicehotels.com/wisconsin/stoughton/quality-inn-hotels/wi075?source=yext

Sleep Inn & Suites
7 милях от PSL
4802 Tradewinds Parkway, Мэдисон, Висконсин, 53718, US
Телефон: (608) 221-8100 Факс: (608) 221-8118
https://www.choicehotels.com/wisconsin/madison/sleep-inn-hotels/wi178

Центр города Мэдисон
Hilton Madison Monona Terrace
13-15 миль от PSL
9 East Wilson Street, Мэдисон, Висконсин, 53703,
США ТЕЛ: + 1-608-255-5100 ФАКС: + 1-608-251 -4550
http: // www3.hilton.com/en/hotels/wisconsin/hilton-madison-monona-terrace-MSNMHHF/index.html

The Madison Concourse Hotel
12-15 миль от PSL
1 West Dayton St.
Madison, WI 53703
Телефон: 800-356-8293
http://www.concoursehotel.com/

Тарифы и маршруты экспедирования грузов в Мичигане

Наша команда по обслуживанию грузовых перевозок обслуживает компании в Мичигане, предлагая варианты экспедирования грузов в течение нескольких лет. Снова и снова мы слышим отзывы от руководителей бизнеса, которые встречаются с нами.Они хотят обслуживания клиентов. Запрос довольно простой. Нам говорят, что требования к экспедированию грузов в штате Мичиган для руководителей бизнеса таковы: разделить стоимость перевозки авансом с полной стоимостью доставки вместе с разумными сроками на импорт, который должен прибыть в Соединенные Штаты.

У команды есть опытная и надежная команда, которая обеспечивает высочайший уровень обслуживания в этих областях. Рассмотрение того, как груз доставляется в Мичиган, следует обсудить с любым экспедитором, чтобы гарантировать соответствие ожиданиям клиентов.

Варианты обслуживания и тарифов различаются для импортных контейнеров, прибывающих к рампам Чикаго через порты Западного побережья США (USWC) и канадские порты Ванкувер (VAN) и Prince Rupert (PRR). Мичиган имеет преимущество в водоснабжении через порты Восточного побережья США, имеющие доступ к Детройту и Чикаго.

Рассмотрение маршрутов и тарифов

  • Порты USWC на ​​съезды в Чикаго: основными перевозчиками являются APL, MSC, Evergreen, NYK и Maersk. Транзит по железной дороге из портов USWC до эстакады Чикаго может в среднем от трех до шести дней.Порты прибытия USWC из Лонг-Бич / Лос-Анджелес и Сиэтла / Такома предлагают множество вариантов перевозчика и стабильное обслуживание. Порты USWC могут быть временами перегружены и время от времени страдают от перебоев в работе.
  • VAN и PRR на съезды в Чикаго: основными перевозчиками являются COSCO и Maersk. Средний транзит от PRR и VAN до Чикаго составляет от четырех до семи дней. В разгар сезона Ванкувер может быть на несколько дней дольше. Канадские порты стали отличной альтернативой портам входа USWC. Ванкувер отличается разнообразием операторов связи; однако порт может быть перегружен в пик сезона судоходства, когда время простоя составляет до 10 дней.PRR — относительно новый вариант на Среднем Западе с прямым железнодорожным сообщением по CN. Порт ограничен несколькими операторами связи. Порт предлагает стабильное обслуживание и, как правило, очень небольшую загруженность даже в пиковые сезоны судоходства.
  • USEC выполняет рейсы в Чикаго или Детройт: основные перевозчики APL, Kline и Zim. Транзит составляет примерно 15 дней дополнительно по сравнению с вариантом USWC. Клиенты, которые могут работать с более длительным транзитом, от 10 до 15 дней, могут получить выгоду от более дешевых тарифов в течение времени года, когда операторы ограничивают долю рынка.Открытие расширенного Панамского канала, обслуживающего суда вместимостью 14 000 TEU, может обеспечить экономию средств и альтернативу загруженности портов USWC и трудовым ресурсам.

Мы предлагаем импортерам и экспортерам Центрального Мичигана работать со своими международными транспортными партнерами, чтобы понять все варианты, доступные для их международных цепочек поставок. Мы рекомендуем разделять международные перевозки и перемещать их по разным маршрутам обслуживания, чтобы воспользоваться уникальными преимуществами.Эта идея может быть полезна в часы пик, чтобы избежать перегрузок и задержек обслуживания, насколько это возможно.

Если для вас важен выбор способа передвижения и посадочная стоимость, помните — это важно и для нас. Это принесло нам клиентов, которые являются партнерами в бизнесе на протяжении более двух десятилетий и еще много лет вперед.

Свяжитесь с представителем Cargo Service Гэри Бостом для получения дополнительной информации о транспортно-экспедиторских услугах в Мичигане.

стр.r.r. Logistics Private Limited Ченнаи контактный адрес, профиль компании

Корпоративный идентификационный номер

u60220tn2010ptc077048

Название компании

P.r.r. Логистика Прайвит Лимитед

Год основания

2010

Регистратор компаний

RoC-Ченнаи

Регистрационный номер

077048

Направление деятельности

Материнское направление деятельности

Другой нерегулярный наземный пассажирский транспорт [Включает наземный пассажирский транспорт, такой как такси, аренда частных автомобилей с оператором и другие нерегулярные автобусные перевозки, транспортные средства, запряженные людьми или животными]

Высшее направление деятельности

Наземный транспорт прочий

основной вид деятельности

Транспорт, складирование и связь

Категория компании

Компания с ограниченной ответственностью

Подкатегория компании

Индийская неправительственная компания

Класс компании

Частный

Адрес офиса

PRR ILLAM, NO. 280, ‘N’ BLOCK, ANNA NAGAR EAST, ЧЕННАЙ Тамил Наду ИНДИЯ 600102

Государство

Тамил Наду

Уставный капитал (в рупиях)

100000

Оплаченный капитал (в рупиях)

100000

Дата регистрации

18.08.2010

Статус компании (для электронной подачи)

АКТИВНЫЙ

Границы | Обзор статистических методологий для выявления взаимодействий между лекарственными средствами с использованием систем спонтанной отчетности

Введение

Для наблюдения за безопасностью лекарственного средства используются несколько алгоритмов интеллектуального анализа данных для обнаружения количественных сигналов от систем спонтанного сообщения.Алгоритмы интеллектуального анализа данных включают в себя частотные статистические модели: пропорциональный коэффициент отчетности ( PRR ) (Evans et al., 2001) и коэффициент вероятности отчетности ( ROR ) (van, Puijenbroek et al. 2002). ), а байесовскими статистическими моделями являются [информационный компонент ( IC ) как байесовская доверительная нейронная сеть ( BCPNN ) (Bate et al., 1998) и гамма-пуассоновский сжиматель ( GPS ) (Szarfman et al., 2002), используемое в качестве эмпирического среднего геометрического Байеса ( EBGM )].

Хотя недавнее расширение IC и GPS может принимать сигналы взаимодействий высокого порядка (Almenoff et al., 2003; Yang and Fram, 2004; Norén et al., 2006; DuMouchel and Harpaz, 2012), как правило, PRR и ROR используются для раннего обнаружения неизвестных «единичных» нежелательных явлений (НЯ), вызванных лекарственными средствами. И эти модели обнаружения могут обнаруживать потенциальные НЯ, вызванные лекарственными средствами, которые не могли быть обнаружены в клинических испытаниях премаркетинга с использованием систем спонтанной отчетности, включая постмаркетинговые данные.

Рандомизированные клинические испытания на этапе премаркетинга обычно фокусируются на проверке безопасности и эффективности одного препарата, а не на исследованиях межлекарственных взаимодействий (DDI), поэтому пациенты, принимающие несколько препаратов, обычно исключаются из клинических испытаний. Однако, в отличие от предмаркетинговых рандомизированных клинических испытаний, в клинической практике (= постмаркетинговом) многие пациенты используют несколько препаратов, например, в ситуациях полипрагмазии.

Одновременное употребление нескольких лекарств может повлиять на биологическое действие родственных лекарств.Основные типы DDI включают фармакокинетические и фармакодинамические взаимодействия (Aronson, 2004). Из них фармакокинетические взаимодействия могут влиять на метаболизм лекарства, определяющие биодоступность. С другой стороны, в фармакодинамических взаимодействиях не происходит изменений в уровнях лекарств в крови, которые могут происходить либо конкурентно, либо неконкурентно на уровне фармакологических рецепторов.

При одновременном применении нескольких препаратов каждый препарат не только вызывает НЯ, но и увеличивает риск НЯ, вызванного DDI.Доля НЯ, вызванных DDI, оценивается примерно в 30% от непредвиденных НЯ (Pirmohamed and Orme, 1998).

Нежелательные явления, вызванные DDI, также можно предотвратить, если они обнаружены на ранней стадии, как НЯ, вызванные одним лекарством, и практически сложно исследовать взаимодействия всех комбинаций лекарств на предпродажной стадии (Banda et al., 2016). Следовательно, постмаркетинговые опросы помогут раннему выявлению неизвестных НЯ, вызванных не только одним лекарством, но и DDI.

Недавно было проведено несколько методических исследований по обнаружению сигналов DDI. Здесь мы проводим обзор исследований статистических методологий обнаружения сигналов DDI с использованием систем спонтанной отчетности.

Статистическая методология

Модель логистической регрессии

van Puijenbroek et al. предложил статистический метод с использованием модели логистической регрессии для обнаружения сигналов DDI от системы спонтанных сообщений (van, Puijenbroek et al. 1999; van, Puijenbroek et al. 2002).

ROR — это статистическая модель, аналогичная соотношению шансов (van, Puijenbroek et al.2002), и используя модель логистической регрессии , показанную в уравнении. 1, ROR с поправкой на возраст, пол и сопутствующие препараты ( лекарство D 1 и лекарство D 2 ) используется в качестве скорректированного ROR .

log (шансы) = β0 + β1 a + β2 G + β3 x1 + β4 x2 + β5 x1 x2 (1)

где, a = возраст, G = пол, x 1 = наркотиков D 1 , x 2 = лекарство D 2 , и x 1 x 2 = одновременное употребление лекарства D 1 936 D31 и 2 .

В своем первом исследовании авторы показали, что одновременный прием пероральных контрацептивов и противогрибкового итраконазола приводил к возникновению кровотечения отмены. Во втором исследовании авторы показали, что эффективность диуретиков снижалась при одновременном применении диуретиков и нестероидных противовоспалительных препаратов, что приводило к ухудшению застойной сердечной недостаточности (van, Puijenbroek et al., 1999).

Обнаружение сигнала с использованием модели логистической регрессии имеет некоторые ограничения (например,g., игнорируя зависимости / ассоциации между НЯ и регрессионный анализ более 10 000 препаратов, включенных в систему спонтанных сообщений).

Для преодоления ограничений модели классической логистической регрессии , новой статистической модели; Была предложена байесовская модель логистической регрессии , которая расширила модель логистической регрессии, соответствующую данным очень больших размеров. Модель байесовской логистической регрессии может выполнять регрессионный анализ с использованием миллионов предикторов, содержащихся в системе спонтанных отчетов.(Генкин и др., 2007).

Используя байесовскую модель логистической регрессии , Caster et al. также учитывался маскирующий эффект ( см. Ограничение ), который влияет на фоновое сообщение о НЯ (Wang et al., 2010) и искажение, вызванное одновременным употреблением нескольких препаратов (Caster et al., 2010).

Расширенная гамма-пуассоновская термоусадочная машина

Многопозиционная гамма-пуассоновская термоусадочная машина, модель

Многопозиционная гамма-пуассоновская термоусадочная машина ( MGPS ) модель в настоящее время используется Управлением по контролю за продуктами и лекарствами США ) и представляет собой статистическую модель, которая расширила модель GPS для обнаружения сигналов потенциальных DDI (Almenoff et al., 2003; Ян и Фрам, 2004).

Модель MGPS может вычислять оценку « лекарство лекарство событие » или « лекарство событие событие » (включая оценку с взаимодействиями более высокого порядка, такими как « Лекарство Лекарство Лекарство Событие » или « Лекарство Лекарство Событие Событие »). Кроме того, модель MGPS может применяться к наборам элементов размером 3 или более, но по мере увеличения количества элементов объем вычислений резко возрастает.

В модели MGPS , Excess2 используется значение индикатора. Пороговое значение обнаружения сигнала не установлено, и поскольку значение Excess2 относительно велико, преимущественно предполагается влияние взаимодействия, вызванного сопутствующими лекарствами.

Для произвольного набора элементов желательно оценить математическое ожидание λ = E [ N / E ]. Где N — наблюдаемая частота набора элементов (= количество отчетов), а E — это количество, предсказанное исходя из предположения, что элементы независимы, то есть базовое количество.

Наблюдаемая частота набора элементов определяется i , j , k ,…, as N i , N j , N …, E и другие переменные обозначаются буквами нижнего индекса, а также N . Например, E ij — это базовый прогноз для количества задействованных элементов i и j .

Как обычная модель, базовые подсчеты рассчитываются на основе предположения о независимости внутри слоя. E , вычисленное при этом предположении, часто выражается как E 0.

Если все отчеты назначены страте, обозначенной как s = 1, 2,…, S, доля отчетов в страте s , что содержит элемент i выражается как P i s , а общее количество отчетов в страте s выражается как n s .

Здесь частота базового уровня для тройного набора элементов ( i , j и k ) определяется в зависимости от независимости как:

E0ijk = ∑nsPisPjsPks (2)

Для наборов элементов размером 3 или более, знак « двухфакторную логлинейную модель можно определить как частоту E 2 для наборов элементов, которые соответствуют всем оцененным попарным двусторонним маргинальным частотам, но не содержат зависимостей высокого порядка.

Для наборов элементов размера 3 (например, DDI: лекарство D 1 и лекарство D 2 и AE) оценочная частота двухфакторной логлинейной модели может быть определена как частота E 2 Сравнивается предсказание простым вычитанием.

Например:

Excess2ijk = λijkE0ijk − E2ijk (3)

Параметр λ оценивается с помощью геометрических средних, обозначенных как EBGM , их эмпирических апостериорных распределений Байеса.

Обнаружение сигналов DDI с использованием модели MGPS основано на значении EBGM для двух препаратов, причем нижний из 90% доверительного интервала (ДИ) больше, чем верхний из оценок 90% доверительного интервала для каждого из двух препаратов.

Пример, в одном из отчетов сигналы потенциальных DDI, обнаруженные с использованием модели MGPS , представляют собой профиль AE верапамила (блокатора кальциевых каналов) и комбинации трех классов сердечно-сосудистых препаратов (Almenoff et al., 2003).

Этот результат показал, что модель MGPS для измерения диспропорциональности является многообещающей статистической моделью для обнаружения сигналов потенциальных DDI в ситуациях полипрагмазии.

Модель гамма-пуассоновской усадки с поправкой на регрессию

Модель GPS , предложенная DuMouchel, хуже модели логистической регрессии (Harpaz et al., 2013). Однако, в отличие от GPS модели , обнаружение сигнала с использованием t -тестов в модели логистической регрессии не подходит для небольших выборок, таких как редкие AE (DuMouchel and Pregibon, 2001).

DuMouchel et al. предложила модель с поправкой на гамма-пуассоновскую усадку ( RGPS ), которая объединила модель GPS и модель логистической регрессии в гибридную модель обнаружения с преимуществами обеих, чтобы преодолеть недостатки Модель GPS (DuMouchel, Harpaz, 2012).

Модель RGPS аналогична модели MGPS (см. Multi-item Gamma-Poisson Shrinker Model ) тем, что относительная частота отчетов ( RRR ) вводится в байесовское гамма-пуассоновское сжатие . алгоритм , и получают надежную скорость оценки и CI.

Напротив, основное различие между моделью RGPS и MGPS моделью состоит в том, что модель MGPS не учитывает эффекты полипрагмазии и, таким образом, может привести к недооценке оценки диспропорциональности для лекарственного средства интерес. Кроме того, с этим может справиться модель RGPS .

Кроме того, значения скорректированного ожидаемого значения (E) в модели RGPS рассчитываются не с помощью стандартной логистической регрессии, а с помощью расширенной логистической регрессии.

Рекомендуется заменить EBGM в качестве апостериорного среднего геометрического на эмпирический байесовский относительный коэффициент отчетности ( EBRRR ) в качестве апостериорного среднего в модели RGPS .

Для каждого ответа пары ( N j , E j ) из предыдущего шага вводятся в алгоритм гамма-пуассоновской усадки. Предполагается, что предварительные распределения являются простыми гамма-распределениями, а не смесью двух гамма-распределений, как это сделано в модели MGPS .В частности, для получения оценок усадки используется двухпараметрическая гамма-модель Пуассона, где предполагается, что предварительное распределение относительных отчетных соотношений является гаммой ( γ , δ ) и где ( N j , E j ) для оценки гиперпараметров γ и δ . Апостериорное среднее относительное отношение отчетности по препаратам составляет EBRRR j = ( N j + γ ) / ( E j + δ ) и RRR 05 и RRR 95 вычисляются с использованием соответствующего гамма-распределения Gamma ( N j + γ , E j + δ ) (DuMouchel and Harpaz, 2012).

В модели RGPS DDI, n jk определяется как количество отчетов, включающих лекарство j и лекарство k 970 N3571 и и jk определяется как количество отчетов, связанных с ожидаемыми AE. Затем EBRRR j и EBRRR k определяются как соответствующие оценки диспропорциональности для двух препаратов в отчете i .

pi = Pα (μi = β0g (i) + ∑Xijβj) (4)

, где P α — функция, которая связывает линейный предиктор µ i со шкалой вероятности и β j и β 0 g ( i ) — оценочные коэффициенты для препаратов и перехватов, где перехват зависит от того, с какой группой g ( i ) отчет i принадлежат.Кроме того, пусть X ij = 1, если лекарство j включено в отчет i , X ij = 0 в противном случае, и пусть N j будет количество событий, зарегистрированных при приеме препарата j .

E jk определяется как ожидаемое значение ( E ) N jk при нулевой гипотезе, что лекарство j лекарство k не влияют на RRR .

Ejk = ∑XijXikPα (μi − βj − βk) (1≤j где β j или β k рассматривается как 0, если подозреваемое лекарство не входило в модель логистической регрессии .

«Нет взаимодействия» означает, что показатель диспропорциональности для обоих препаратов (= N jk / E jk ), как ожидается, будет выше для EBRRR j и EBRRR k .Следовательно, ожидаемое количество без взаимодействия определяется следующим образом:

Ejk * = Ejk * max (EBRRRj, EBRRRk) (6)

Будет J int ( J int — 1) / 2 сырое соотношение взаимодействий ( INTRR jk ) в форме:

DuMouchel et al. предложил метод использования однопараметрического априорного гамма-распределения (γ 1 , γ 1 ), среднего 1, в качестве модели для среднего значения INTRR jk и оценки γ 1 с помощью ввод набора ( N jk , E * jk ) в эмпирическую байесовскую оценку.

В результате апостериорное среднее отношения взаимодействий выражается следующим образом:

INTEBjk = Njk + γ1Ejk * + γ1 (8)

Апостериорный предел 5% ( INTEB 05 jk ) и апостериорный 95% лимит ( INTEB 95 jk ) — соответствующие квантили гамма-распределения ( N jk + γ 1 , E jk + γ 1 ).

Предлагаемая модель RGPS представляет оценки взаимодействия только в том случае, если INTEB 05 > INTEB 05min или INTEB 95 < INTEB 95max

со значениями по умолчанию = 1 и INTEB 95max = 1/3 по DuMouchel and Harpaz (2012).

Если у INTEB очень низкий уровень, то еще не было полностью проверено, являются ли это сигналами потенциальных DDI.Однако, поскольку такие результаты получаются часто, потребуется дополнительная проверка.

Модель компонента с расширенной информацией

IC является мерой ассоциации только пар наркотиков и НЯ, но часто есть интерес к взаимодействиям высокого порядка как DDI (= наборы элементов размера 3).

Хотя расширение IC до ассоциаций 3-го порядка, включая 3 набора элементов в качестве DDI, было предложено Orre et al. (2000) предложенный метод не компенсировал попарные ассоциации.Таким образом, Norén et al. (2006) предложили следующее определение для расширенной модели ИС :

ICxyz = ICxy | z-ICxy = ICyz | x-ICyz (9)

где

ICxy | z = log2P (xy | z) P (x | z) P (y | z) (10)

Как и в случае простых алгебраических операций, IC xyz можно перевыразить следующим образом:

ICxyz = log2P (yz | x) P (y | x) P (z | x) −log2P (y) P (z) P (y, z) = log2P (x, y, z) P (x) P (y) P (z) P (x, y) P (x , z) P (y, z) (11)

Хотя можно использовать произвольно точные оценки апостериорного среднего распределения IC (Koski and Orre, 1998), максимум апостериорных (m. à.p.) вместо этого можно использовать для централизованных оценок, потому что распределение IC , как правило, является одномодальным.

Есть три основных преимущества m.à.p. оценивать.

Во-первых, он хорошо подходит для использования в стратифицированной IC . Во-вторых, он обладает интуитивно понятным свойством быть равным 0, когда оцененная совместная вероятность равна произведению оцененных предельных вероятностей. В-третьих, концепция наиболее вероятного значения неизвестного параметра, возможно, более естественна, чем концепция ожидаемого значения.

Это важные аспекты в приложениях для обеспечения безопасности лекарственных средств, и результаты должны интерпретироваться не только статистиками, но и нестатистиками, такими как медицинские работники.

Norén et al. (2006) предложили следующее m.à.p. оценивать. Большая часть теории, разработанной для попарной модели IC (модель IC m.à.p. ), приблизительно соответствует модели IC для более высокого порядка.

В одном из отчетов сигналы потенциальных DDI, обнаруженные с использованием расширенной модели IC , представляли собой фибрилляцию желудочков, вызванную терфенадином и кетоконазолом.Было пять сообщений о фибрилляции желудочков из-за комбинации терфенадина и кетоконазола в VigiBase ® в качестве системы спонтанных сообщений и расширенном IC ( IC xyz m.à.p. . ) составляет 2,40 с нижним из 95% доверительного интервала, равным 1,08 (Norén et al., 2006).

Ом Модель измерения усадки

Модель для измерения усадки Ом была предложена для расчета отношения наблюдаемого к ожидаемому в качестве системы спонтанного сообщения для обнаружения сигналов потенциальных DDI (Norén et al., 2008).

Norén et al. подвергли критике модель логистической регрессии за то, что она упустила несколько сигналов, которые сильно наводят на мысль о потенциальных DDI, кроме того, они продемонстрировали, что после проведения сравнительных исследований с использованием базы данных Всемирной организации здравоохранения модель для измерения усадки Ом является усовершенствованным методом по сравнению с модель логистической регрессии .

Для модели измерения усадки Ом наблюдаемый коэффициент отчетности составил f 11 AE, вызванных одновременным употреблением 2 лекарств: лекарства D 1 и лекарства D 2 , кроме , его ожидаемое значение было E [ f 11 ].

f00 = n001n00 +, f10 = n101n10 +, f01 = n011n01 +, f11 = n111n11 + (12)

, где n — количество отчетов, показанных на рисунке 1. Например, n 111 — это номер сообщенной цели. НЯ, вызванные препаратом D 1 и препаратом D 2 .

Рисунок 1 Таблица непредвиденных обстоятельств «четыре на два» для оценки лекарственного взаимодействия.

E [ f 11 ] неизвестно.Однако f 11 можно сравнить с оценкой g 11 из E [ f 11 ], g 11 дается следующим образом:

g11 = 1−1max ⁡ (f001 − f00, f101 − f10) + max⁡ (f001 − f00, f011 − f01) — f001 − f00 +1 (13)

Когда f 10 < f 00 (которые обозначают no риск НЯ, вызванного препаратом D 1 ), получается наиболее разумная оценка г 11 = макс ( f 00 , f 01 ) и наоборот при f 01 < f 00 .

Norén et al. определила безусадочную меру для выявления НЯ, вызванных препаратом D 1 и препаратом D 2 следующим образом:

Однако, поскольку НЯ встречается редко, г 11 может показывать очень мала, и, следовательно, Ω 0 чувствительна к ложным помехам и имеет тенденцию ложно обнаруживать сигнал.

Это хорошо известное явление при скрининге избыточных показателей парных НЯ с наркотиками в системе спонтанных сообщений, и было доказано, что сокращение является эффективным подходом к снижению чувствительности к случайным колебаниям в показателях диспропорциональности, основанных на редких случаях. Такие модели, как BCPNN и EBGM , также использовали парные меры диспропорциональности в качестве меры усадки.

Чтобы построить аналогичную меру усадки по формуле. 14, Norén et al. повторно выразил наблюдаемое и ожидаемое RRR f 11 и g 11 в терминах наблюдаемого количества отчетов n 111 и ожидаемого количества отчетов E 111 = г 11 × n 11+ , соответственно:

f11g11 = n111 / n11 + E111 / n11 + = n111E111 (15)

и предложенная мера усадки Ω:

Ω = log2n111 + αE111 + α (16)

α — параметр настройки, определяющий силу усадки.Когда α = 0, Ω = Ω 0 . Эффект α эквивалентен влиянию дополнительных ожидаемых отчетов α и точно соответствует увеличению наблюдаемого числа.

Регрессия усадки может быть установлена ​​как значение параметра настройки на основе оценок перекрестной проверки производительности классификатора. Однако в анализе непропорциональности нет объективных оснований для выбора конкретного значения для α. Следовательно, в модели для измерения усадки Ом, α = 0,5 было установлено, чтобы обеспечить достаточную усадку для предотвращения непропорционального выделения на основе редких отчетов.

В частотном методе Ω немного отличается от Ω 0 для больших n 111 и E 111 , а дисперсия Ω 0 дается следующим образом:

Var (Ω0) = Var (log2n111E111) ≈1n111log (2) 2 (17)

Используя уравнение. 17, нижний из 95% ДИ для Ω можно оценить с помощью следующего уравнения:

Ω025 = Ω − ϕ (0,975) log (2) n111 (18)

, где ϕ (0,975) составляет 97,5% от стандартное нормальное распределение.

Напротив, в байесовском методе точный КИ для µ может быть получен как решение следующего уравнения для соответствующих апостериорных квантилей µ q :

∫0μq (E111 + α) n111 + αΓ (n111 + α) un111 + α − 1e− (n111 + α) udu = q (19)

где α — параметр настройки. n 111 и E 111 — количество зарегистрированных целевых НЯ, вызванных препаратом D 1 и препаратом D 2 и их ожидаемыми значениями.

Здесь логарифм решения уравнения. 19 для q = 0,025 и 0,975 дает 025 Ом (нижний предел 95% ДИ) и 075 Ом (верхний предел 95% ДИ) соответственно.

Как в частотном, так и в байесовском методах, Ω 025 > 0 используется в качестве порога для обнаружения сигналов одновременного употребления с наркотиком D 1 и наркотиком D 2 .

Qian et al. построили компьютеризированную систему, в которой сбор и размещение данных автоматизированы. Затем с помощью этой системы были обнаружены сигналы потенциальных DDI. (Qian et al., 2010). Это исследование обнаружило сигналы потенциальных DDI с помощью трех различных моделей; модель измерения усадки Ом , модель логистической регрессии (см. . Модель логистической регрессии ) и аддитивная модель и мультипликативная модель (см. . Аддитивная и мультипликативная модели ).Сравнение сигналов, обнаруженных с помощью трех моделей, показало, что сигналы потенциальных DDI, обнаруженные в среднем по крайней мере двумя моделями, могут отражать тот факт, что эти 3 модели сильно коррелированы (Qian et al., 2010).

Аддитивные и мультипликативные модели

Thakrar et al. (2007) предложили аддитивную модель и мультипликативную модель для обнаружения сигналов потенциальных DDI. Для двух моделей Thakrar et al. (2007) провели ретроспективное исследование для обнаружения сигналов известных DDI с помощью системы сообщений о нежелательных явлениях FDA.

Добавочная модель предполагает, что риски, связанные с наркотиками, увеличиваются аддитивно, напротив, мультипликативная модель предполагает, что риски, связанные с наркотиками, увеличиваются синергетически. Модель добавок и мультипликативная модель предоставляют подробные сведения о каждой модели с использованием рисунка 2.

Рисунок 2 Таблица сопряженности два на два для оценки взаимодействия лекарство-лекарство.

Аддитивная модель

В аддитивной модели, если риск, связанный с препаратом D 1 без препарата D 2 , аналогичен риску, связанному с препаратом D 1 и препаратом D 2 вместе, то сигнал DDI отсутствует.Другими словами, существуют потенциальные DDI, если риск комбинации высок по сравнению с ожидаемым на основе отдельного препарата:

p11 − p00 = (p10 − p00) + (p01 − p00) (20)

Это равенство подразумевает ( RD : разница рисков):

RD лекарство D1∩ лекарство D2 = RD только лекарство D1 + RD только лекарство D2 (21)

То есть когда RD лекарство D1 лекарство D2 RD только лекарство D1 + RD

> 0 ( p 11 p 10 p 01 + p 00 > 0) обнаружен сигнал аддитивной модели .

Формальный статистический тест для DDI выполняется в рамках линейной регрессии биномиального распределения:

риск события = α0 + α1 x1 + α2 x2 + α12 x1 x2 + ε (α12 = p11 − p10 − p01 + p00) (22 )
Мультипликативная модель

В мультипликативной модели , при предположении, что нулевая гипотеза верна (т. Е. Отсутствие взаимодействия), доля НЯ, связанного с одновременным приемом препарата D 1 и препарата D 2 совпадает с пропорциональными рисками отдельных лекарств в отсутствие либо лекарства D 1 , либо лекарства D 2 .

p11p00 = p10p00 × p01p00 (23)

или

p11 / (1 − p11) p00 / (1 − p00) = p10 / (1 − p10) p00 / (1 − p00) ⋅p01 / (1 − p01) p00 / (1 − p00) (24)

Это равенство подразумевает:

PRR лекарство D1∩ лекарство D2 = PRR только лекарство D1 × PRR только лекарство D2 (25)

или

ROR лекарство D1∩ лекарство D2 = ROR только лекарство D1 × ROR только лекарство D2 ( 26)

Следовательно, если мера, показанная в формуле. 27 или уравнение. 28 превышает 1, можно определить, что обнаружены сигналы потенциальных DDI. В терминологии моделирования следующая мультипликативная модель (уравнения 25 и 26) может применяться для лог-линейных регрессий и логистических регрессий :

лог-линейных регрессий

log (риск события) = β0 + β1 x1 + β2 x2 + β12 x1 x2 + ε (eβ12 = PRR препарат D1∩ препарат D2PRR Только препарат D1 × PRR Только препарат D2) (27)

логистических регрессий

logit (риск события) = γ0 + γ1 x1 ​​+ γ2 x2 + γ12 x1 x2 + ε (eγ12 = ROR лекарство D1∩ лекарство D2ROR только лекарство D1 × ROR только лекарство D2) (28)

где, x 1 = лекарство D 1 , x 2 = лекарство D 2 , x 1 x 2 = одновременный прием препарата D 1 и препарата D 2 .

Thakrar et al. (2007) показали, что аддитивная модель имеет более высокую чувствительность, чем мультипликативная модель , при обнаружении сигналов потенциальных DDI. Таким образом, Noguchi et al. сравнили мощность аддитивной модели с мощностью мультипликативной модели для модели комбинированного отношения рисков (см. модель комбинированного отношения рисков ). Подобно результату Takagi et al., Аддитивная модель продемонстрировала более высокую способность обнаружения, чем мультипликативная модель (чувствительность: 95.62 против 65,46%, специфичность: 96,92 против 98,78%, индекс Юдена: 0,925 против 0,642, прогностическая ценность положительного результата: 89,47% против 93,64%, прогностическая ценность отрицательного результата: 98,78 против 91,26% F — оценка: 0,924 против 0,771) (Noguchi et al. , 2018a).

Модель коэффициента риска комбинации

Для оценки степени потенциального риска для безопасности в комбинации, Susuta и Takahashi (2014) предложили метод оценки риска для комбинированного использования лекарств с частотой, при которой одновременно сообщается о двух или более лекарствах, предполагая, что Возможность лекарственного взаимодействия представляет собой совокупный риск возникновения НЯ.

Риск сопутствующего использования был определен, когда соотношение между показателем сопутствующего использования и показателем (например, PRR , ROR ), полученным отдельно для обоих агентов, превышало 2. Ниже приводится выражение с использованием PRR в качестве индикатор.

Соотношение рисков комбинации = PRR лекарство D1∩ лекарство D2max (PRR лекарство D1, PRR лекарство D2) (29)

Когда n 111 ≥ 3, PRR лекарственный препарат D D 936 ∩ лекарственное средствоD 2 > 2, χ 2 лекарственное средство D 1 > 2, это был сигнал DDI.

Формула для расчета PRR и χ 2 выглядит следующим образом:

PRR = (N11 / N1 +) (N01 / N0 +) (30) χ2 = n +++ × (| N11 × N00 − N10 × N01 | −n +++ / 2) 2N1 + × N + 1 × N0 + × N + 0 (31)

Дополнительно для расчета PRR и χ 2 наркотиков D 1 drugD 2 , препарат D 1 и препарат D 2 , замените его следующим образом.

лекарство D 1 лекарствоD 2 : N 11 = n 111 , N 00 = n 000 000936 + n 100 , N 10 = n 110 , N 01 = n 001 + n 011 011 , N 1+ = n 11+ , N +1 = n ++ 1 , N 0+ = n 00+ + n 01+ + n 10+ , N +0 = n ++ 0 .

препарат D 1 : N 11 = n 111 + n 101 , N 00 = n 00070 + n 00070

35 , N 10 = n 110 + n 100 , N 01 = n 001 + n 011 + 011 + = n 11+ + n 10+ , N +1 = n ++ 1 , N 0+ = n 00+ 00+ 00+ 00+ + n 01+ , N +0 = n ++ 0 .

лекарство D 2 : N 11 = n 111 + n 011 , N 00 = n 100 , N 10 = n 110 + n 010 , N 01 = n 001 + n 9361 5 1+ = n 11+ + n 01+ , N +1 = n ++ 1 , N 0+ = n 00 + + n 10+ , N +0 = n ++ 0 .

Чтобы проверить валидность модели соотношения рисков комбинации , отчеты о синдроме Стивенса – Джонсона (SJS) или токсическом эпидермальном некролизе, вызванном DDI, были проанализированы с использованием базы данных японских отчетов о побочных эффектах лекарств.

Что касается одновременного использования подозреваемых препаратов, которые соответствуют ситуациям сопутствующего риска, SJS: 10 кандидатов из 159 комбинаций и токсический эпидермальный некролиз: обнаружено 22 кандидата из 111 комбинаций.

Кроме того, этот метод, предложенный Susuta et al. был использован для поиска DDI, связанных с одновременным применением блокаторов рецепторов ангиотензина и комбинированной терапии тиазидными диуретиками Noguchi et al. (2015) и для обнаружения сигналов о одновременном применении деферасирокса с другими лекарствами Mizuno et al. (2016) в Японии.

Статистическая модель хи-квадрат

Gosho et al. (2017) предложили статистическую модель хи-квадрат для обнаружения сигналов потенциальных DDI.

Во-первых, они разработали следующую меру (χ 0 ) для оценки несоответствия между наблюдаемым и ожидаемым количеством НЯ с комбинациями лекарств:

χ0 = n111-E111E111 (32)

Ожидаемое количество НЯ ( E 111 ) можно оценить с помощью E 111 = г 11 · n 11 ·, , представленных в модели измерения усадки Ом. Мера χ N , которая представляет собой квадратный корень из статистики критерия хи-квадрат, основана на нормальном приближении модели Пуассона , поэтому χ N не подходит для оценка редких событий. Таким образом, при оценке редких событий обычно считается более подходящим использовать критерий хи-квадрат с поправкой Ята, чем стандартный критерий хи-квадрат (Yates, 1934), следовательно, χ также корректировался с поправкой «0».5 ”на основе критерия хи-квадрат с поправкой Ята:

χ = n111 − E111−0,5E111 (33)

Gosho et al. (2017) устанавливают χ> 2 и χ> 2,6 в качестве пороговых значений для обнаружения сигналов АЭ, вызванных DDI в исследовании моделирования. Эти пороговые значения указаны на основе 95% и 99% распределения хи-квадрат с одной степенью свободы. Согласно этому симуляционному исследованию, с критерием: χ> 2, ложные срабатывания контролируются в допустимых пределах, кроме того, статистическая модель хи-квадрат показала более высокую чувствительность и AUC, чем у частотных и байесовских методов измерения усадки Ом. модель (Gosho et al. , 2017).

Подобно модели измерения усадки Ом , обнаружение сигнала с использованием статистической модели хи-квадрат сконцентрировано на обнаружении синергизма, а не антагонизма между некоторыми DDI.

Gosho (2018) использовал статистическую модель хи-квадрат и модель измерения усадки Ω , чтобы изучить клинические лекарственные взаимодействия, вызывающие гипогликемию и рабдомиолиз (Gosho, 2019).

Модель майнинга правил ассоциации

Для всестороннего поиска сигналов потенциальных DDI, если используется расчет с использованием обычных методов, которые просто создают комбинации из большой базы данных, такой как система спонтанных отчетов, учитываемое количество одновременного использования будет быть огромным.Следовательно, было бы сложно обнаружить сигналы потенциальных DDI на ранней стадии.

Напротив, модель интеллектуального анализа правил ассоциации часто используется для поиска интересных комбинаций, скрытых в больших базах данных, а не только в медицинских базах данных. В модели извлечения правил ассоциации , « априорный алгоритм » может использоваться для уменьшения количества вычислений (Агравал и др., 1993; Агравал и Шрикант, 1994).

Если использовалась модель интеллектуального анализа правил ассоциации, нет необходимости вычислять индикаторы для всех комбинаций сопутствующего использования, как в предыдущих моделях.

Индикатор модели общего правила ассоциации показан ниже.

Среди транзакции T как набора элементов правило ассоциации может быть выражено как антецедент правила X → следствие правила Y ; где X и Y — взаимоисключающие наборы элементов.

Есть несколько индикаторов модели интеллектуального анализа правил ассоциации . Во-первых, поддержка определяется как процентное отношение всех элементов в X и Y к транзакции T в данных.То есть, как часто правила ( X Y ) встречаются в транзакции T . Поддержка выглядит следующим образом: поддержка

(X → Y) = {X → Y} {T} (34)

Во-вторых, уверенность — это условная вероятность P ( Y | X ) , и измеряет надежность вмешательства, сделанного в соответствии с правилами ( X Y ). Доверие выглядит следующим образом: уверенность

(X → Y) = поддержка (X → Y) поддержка (X) (35)

В-третьих, подъем правила ассоциации представляет собой отношение вероятностей.Это соотношение между доверительной вероятностью правила и поддержкой набора элементов в следствии правила. Подъемник выглядит следующим образом: подъем

(X → Y) = уверенность (X → Y) опора (Y) = опора (X → Y) опора (X) × опора (Y) (36)

Если подъемник > 1, это показывает степень, в которой эти два случая зависят друг от друга. Поэтому подъемник часто используется для оценки интереса к правилу.

Наконец, убеждение правила ассоциации можно интерпретировать как отношение ожидаемой частоты, что X происходит без Y , если X и Y независимы, и деленное на наблюдаемую частоту неверных прогнозов. .Убеждение выглядит следующим образом: Убеждение

(X → Y) = 1 — поддержка (Y) 1 — уверенность (X → Y) (37)

В лифте , даже если X и Y являются поменяны местами, значение показателя то же. Напротив, в обвинительном приговоре при замене местами X и Y значение показателя другое. Это указывает на то, что подъемная сила не может быть правильно оценена, если Y фактически является антецедентом правила, а X фактически является следствием правила, и обвинительный приговор также может быть правильно оценен в такой ситуации.

На данный момент мы представили четыре индикатора, которые особенно часто используются в модели интеллектуального анализа правил ассоциации . Затем три модели поиска сигналов потенциальных DDI с использованием этих индикаторов показаны на рисунке 3.

Рисунок 3 Диаграмма Венна для оценки взаимодействия лекарство-лекарство.

Модель добычи по правилам ассоциации Ширакуни

Shirakuni et al. (2009) исследовали комбинированное и дискретное употребление двух препаратов, используя модель для анализа ассоциативных правил .

В модели комбинированного использования двух препаратов антецедент правила X был определен как наркотиков D 1 и D 2 , а следствие правила Y было определено как целевое НЯ. ( AE ).

поддержка (препарат D1 и препарат D2 → AE) = {препарат D1 и препарат D2 → AE} {T} (38) уверенность (препарат D1 и препарат D2 → AE) = поддержка (препарат D1 и препарат D2 → AE) поддержка (лекарство D1 и лекарство D2) (39)

В дискретной модели использования двух лекарств антецедент правила X был определен как наркотиков D 1 (или 2) -индуцированная АЕ, и следствие правила Y было определено как наркотиков D 2 (или 1) .В этом правиле и гипотезы, и выводы имеют отношение к AE, и, следовательно, сигналы могут быть обнаружены от лекарств D 1 и лекарств D 2 по отдельности.

Поддержка и уверенность каждого препарата рассчитывается для препаратов D 1 и препаратов D 2 на основе случаев пациентов с НЯ, включенных в набор данных.

поддержка (НЯ, вызванное лекарством D1 (или 2) → лекарство D2 (или 1)) = {лекарство D1 (или 2) вызванное НЯ → лекарство D2 (или 1)} {T} (40) уверенность (препарат D1 и препарат D2 → AE) = поддержка (AE, вызванная лекарством D1 (или 2) → AE, вызванная лекарством D2or1) поддержка (AE, вызванная лекарством D1 (or2)) (41)

Кубота предположил, что, поскольку PRR показывает коэффициент образования AE, результат оценивается независимо от размера выборки и χ 2 важно при изучении общего размера выборки (Kubota, 2001). Следовательно, препараты с высокими значениями log PRR и log χ 2 считаются имеющими сильный сигнал.

Для оценки метода Ширакуни в качестве силы сигнала использовалась оценка сигнала , полученная сложением log PRR и log χ 2 . Этот показатель сигнала также используется для сравнения сигналов о половых и возрастных различиях (Noguchi et al., 2018b; Noguchi et al., 2018c).

Оценка сигнала = log PRR + log χ2 (42)

Набор данных FDA Adverse Event Reporting System содержал достаточно информации для применения модели интеллектуального анализа правил ассоциации . В модели интеллектуального анализа правил ассоциации высокие показатели поддержки и уверенности обычно оцениваются как сильная взаимосвязь. Затем Shirakuni et al. (2009) сравнили каждые оценок сигнала SJS, вызванного DDI, с результатами модели интеллектуального анализа ассоциативных правил, чтобы оценить производительность предложенной модели.

В этом результате корреляция между «дискретным использованием 2 препаратов» и оценкой сигнала была слабее, чем корреляция между «комбинированным использованием 2 лекарств». Таким образом, был сделан вывод, что среди двух методов режима добычи правил ассоциации l, предложенных Shirakuni et al. (2009), метод, ориентированный на «комбинированное использование двух препаратов», обнаружил такие важные сигналы на ранней стадии.

Метод анализа ассоциативных правил Харпаза Модель

В Метод Харпаза (Harpaz et al., 2010), как и модель комбинированного использования двух препаратов, предложенная Shirakuni et al. (Shirakuni et al., 2009), антецедент правила X был определен как наркотики D 1 и D 2 , а следствие правила Y было определено как AE.

Однако в модели интеллектуального анализа правил ассоциации иногда нецелесообразно оценивать с использованием значения достоверности . Например, часто регистрируемые НЯ (например, тошнота) дают большие значения достоверности независимо от препарата, связанного с НЯ.Принимая во внимание, что редко регистрируемые НЯ могут давать небольшие значения достоверности, хотя НЯ сильно связаны с некоторыми лекарствами.

Следовательно, в методе Harpaz , RRR использовался вместо уверенности в качестве второго параметра для определения ценности или силы правила ассоциации (Harpaz et al., 2010 ).

RRR определяется как отношение частоты наблюдения правила к прогнозируемой частоте базовой линии и отображается как уравнение.43.

Другие методы анализа диспропорциональности основаны на RRR , а именно на BCPNN и EBGM в обнаружении сигнала одного лекарства.

RRR = ObservedExpected = достоверность (препарат D1 и препарат D2 → AE) × N (43)

N — общее количество записей в данных.

Экстраполяция оценочной выборки Harpaz, полный набор потенциальных DDI, определенных этим методом, может быть описан с помощью таксономии и пропорций, показанных ниже.

Лекарства делятся на следующие три категории; (1) лекарственные средства, которые, как известно, вводятся вместе или лечат одно и то же показание: 57%; (2) препараты с тем же активным ингредиентом: 2%; и (3) предположительно неродственные препараты: 41%.

НЯ делятся на следующие четыре категории: (1) одно из лекарств, как известно, вызывает эффект: 22%; (2) все наркотики вызывают эффект: 21%; (3) ни один из препаратов не оказывает эффекта: 27%; и (4) смешанная ассоциация, когда лекарства вводят для лечения НЯ: 30%.

DDI делятся на следующие две категории: (1) взаимодействие с известными лекарственными средствами: 35% и (2) взаимодействие с неизвестными лекарственными средствами: 65%.

При оценке с использованием метода Harpaz результаты показывают, что можно идентифицировать значительное количество DDI. Кроме того, очень низкое значение p указывает на то, что крайне маловероятно, что метод Харпаза обнаружил их случайно, и, таким образом, является достоверной статистической моделью для обнаружения сигналов.

Модель извлечения ассоциативных правил Ногучи

Мы предложили метод Ногучи с использованием модели извлечения ассоциативных правил (Ногучи и др., 2018а). В методе Noguchi антецедент правила X был определен как лекарство D 2 (или 1) , а следствие правила Y было определено как лекарство D 1 (или 2) -индуцированный AE. То есть, метод Ногучи фокусируется на том, сколько дополнительного препарата D 2 (или 1) вносит вклад в лекарство D 1 (или 2) -индуцированное AE.

лифт (лекарство D2 (или1) → лекарство D1 (или2), вызванное НЯ) = уверенность (лекарство D2 (или1) → лекарство D1 (или2), вызванное НЯ) поддержка (НЯ, вызванное лекарством D1 (или2)) (44)

лифт согласно этой модели указывает на то, что присутствие препарата D 2 (или 1) влияет на вероятность препарата D 1 (или 2), индуцированного AE. Кроме того, в этом методе было подтверждено обвинением , что полученные DDI не являются ложным предсказанием.

осуждение (лекарство D2 (или 1) → лекарство D1 (или 2), вызванное НЯ) = 1 — поддержка (НЯ, вызванное препаратом D1 (или 2)) 1 — достоверность (лекарство D2 (или 1) → лекарство D1 (или 2), вызванное НЯ) (45 )

В исследовании Noguchi et al., лифтов, из> 1 и обвинительных приговоров, из> 1 использовались в качестве критерия для обнаружения с использованием модели интеллектуального анализа правил ассоциации . Поскольку данные о рисках для проверки были созданы с помощью модели соотношения комбинаций рисков , представленной в разделе 2.6 , в данных о рисках для проверки нет комбинации из n <3.Следовательно, при проверке комбинация n 111 <3 была исключена из сигнала, а n 111 ≥ 3 был добавлен к критерию обнаружения.

Метод Ногучи обладает высокой детектирующей способностью (чувствительность: 99,05%, специфичность: 92,60%, индекс Юдена: 0,917, прогностическая ценность положительного результата: 78,57%, прогностическая ценность отрицательного результата: 99,72% F — оценка: 0,876), как и аддитивная модель и мультипликативная модель (Noguchi et al., 2018а).

В методе Ногучи , чтобы сравнить мощность обнаружения, все комбинации DDI были рассчитаны с использованием модели извлечения правил ассоциации . Следовательно, не было определено, насколько можно сократить время вычислений по сравнению с предыдущими методами с использованием априорного алгоритма .

Однако, учитывая количество лекарств, зарегистрированных в системах спонтанной отчетности, существует несколько возможных комбинаций DDI. Поскольку метод Ногучи упрощает вычисления, ожидается, что время обнаружения сигнала будет сокращено, так же как и статистические модели, использующие другую модель извлечения правил ассоциации в реальном поиске.

Модель интеллектуального анализа ассоциативных правил легко расширить до взаимодействий более высокого порядка. Однако среди трех методов, представленных в этом обзоре, золотой стандарт не определен.

Статистика хи-квадрат полезна для определения уровня статистической значимости. Альварес показал, что статистику хи-квадрат можно вычислить напрямую, используя достоверность , поддержку и подъем с уравнением. 46 (Альварес, 2003).

χ2 = T × (подъем) 2 × поддержка × уверенность (достоверность — поддержка) × (подъем — достоверность) (46)

Статистика хи-квадрат упрощает проверку комбинаций, полученных с использованием стандартной модели анализа правил ассоциации ( е.g., метод Ширакуни и метод Ногучи ), и могут идентифицировать статистически значимые сигналы DDI, которые могут быть ложноположительными.

Модель обнаружения правила ассоциации

Как описано в Модель извлечения правил ассоциации , модель извлечения правил ассоциации часто используется для обнаружения сигналов потенциальных DDI в системе спонтанных отчетов. Однако основным ограничением традиционной модели интеллектуального анализа правил ассоциации является то, что сила сигналов измеряется на основе корреляции, а не причинно-следственной связи.

Сообщалось о нескольких исследованиях концепции причинной связи, таких как индуктивные модели причинно-следственной связи (Pearl, 2000), методы, основанные на каузальных байесовских сетях (Spirtes et al., 2001), модель аддитивного шума (Hoyer et al., 2008). , и гибридный подход (Cai et al., 2013), однако обнаружение причинно-следственных связей на разреженных данных высокого порядка DDI до сих пор не решено.

Чтобы решить эту проблему, вместо реконструкции причинно-следственной байесовской сети, Cai et al. предложила открытие правила причинной связи ( CARD ) модель с целью выявления истинной причинно-следственной связи между одновременным употреблением двух препаратов и НЯ (Cai et al., 2017).

Для правила X Y с X ≥ 3, любые подправила, содержащие два антецедента, также должны образовывать V-структуру с AE: наркотиков D 1 → AE ← наркотиков D 2 (например, аспирин → Кровотечение ← варфарин).

Потому что интересное правило X ( наркотиков D 1 , наркотиков D 2 ) → Y (AE) зависит от слабости его подправил и причинной связи Интересная мера ( CAIM ) определяется следующим образом:

CAIM (X → Y) = min⁡ {Xi1, Xi2} ⊂ YCAIM (Xi1Xi2 → Y) (47)

Доминирование модели CARD было определено оценка врачом 100 случайно выбранных ассоциаций более высокого порядка, обнаруженных с использованием модели CARD и метода анализа ассоциативных правил модели Харпаза (см. Метод ассоциативного анализа правил Harpaz, модель ) (Harpaz et al., 2010). При идентификации известного DDI модель CARD была более точной, чем метод Harpaz : CARD модель (20%) по сравнению с методом Harpaz (10%). Кроме того, в модели CARD обнаружение неизвестных комбинаций меньше, чем у по методу Harpaz : по модели CARD (50%) по сравнению с по методу Harpaz (79%) (Cai et al., 2017).

Ограничение

Системы спонтанных сообщений, используемые в этих исследованиях, основаны на клинических испытаниях и спонтанных постмаркетинговых отчетах, поэтому регистрируются только наблюдаемые НЯ, и их причинно-следственная связь неясна.Следовательно, сведения о случаях могут быть занижены. Кроме того, на количество отчетов и значения сигналов влияют различные факторы. Хотя это не обязательно очевидно, количество случаев увеличивается в первые 2 года после выхода на рынок, а затем начинает уменьшаться. Это известно как эффект Вебера (Weber, 1984; Hartnell, Wilson, 2004).

Количество и количество сигналов также могут колебаться в течение нескольких лет после запуска (Hochberg et al., 2009). После выделения НЯ, вызванного лекарственными средствами, количество сообщений обычно может быть увеличено.Это известно как эффект дурной славы (Pariente et al., 2007).

Кроме того, отчеты о лекарствах того же класса, что и зарегистрированные, также могут быть ускорены. Это известно как волновой эффект (Pariente et al., 2007).

Сигнал может быть недооценен многочисленными сообщениями и тем, что тот же НЯ связан с другими лекарствами. Это называется эффектом маскировки или эффектом маскировки (Wang et al., 2010).

Matsuda et al. (2015) пояснили, что факторы, связанные с отношением к сообщениям о НЯ, вызванных лекарственными препаратами, в Японии могут отличаться от таковых в других странах из-за участия медицинских представителей в бдительности на раннем постмаркетинговом этапе в рамках уникальной японской системы надзора и добровольной отчетности. процесс.

Таким образом, на системы спонтанной отчетности влияют несколько предубеждений в отчетности и состояние обследования в стране. Более того, частота сообщений о НЯ меняется от года к году, и ценность сигнала может легко меняться в зависимости от времени проведения опроса.

В дополнение к общим ограничениям исследования с использованием систем спонтанной отчетности, исследование DDI имеет некоторые уникальные ограничения.

При наблюдении за DDI отсутствие информации об одном из двух препаратов приведет к завышению RRR побочных эффектов, вызванных лекарственными препаратами, когда любое лекарство используется отдельно (Norén et al., 2008).

Это серьезная проблема при оценке AE для DDI, потому что это приводит к занижению n 111 и завышению n 101 или n 011 (Рисунок 1) . Кроме того, некоторые из этих статистических моделей не применимы к взаимодействиям с тремя или более лекарствами.

Наконец, эти статистические модели предназначены для выявления синергизма, а не антагонизма между некоторыми взаимодействиями DDI.

Выводы и перспективы

В этом обзоре мы обсудили статистические методологии обнаружения сигналов DDI в системах спонтанных сообщений. Насколько нам известно, это последний обзор, включающий недавно предложенные статистические методики.

Двумерный анализ диспропорциональности (например, НЯ, вызванный одним лекарством) представляет собой основную часть повседневной жизни PhV. Однако по мере того, как использование нескольких препаратов становится все более распространенным, проблемы НЯ, вызванные DDI, нельзя игнорировать.Поэтому в будущих операциях PhV важно обнаруживать сигналы неизвестных DDI на ранней стадии.

В двумерном анализе непропорциональности частотные методы обычно имеют следующие преимущества и ограничения по сравнению с байесовскими методами. Сообщалось о нескольких сравнительных исследованиях тенденций обнаружения этих подходов к обнаружению (van, Puijenbroek et al., 2002; Kubota et al., 2004; Li et al., 2008; Bonneterre et al., 2012; Ang et al., 2016). ; Pham et al., 2019).

Преимущества частотных методов обычно следующие: 1. раннее обнаружение сигнала, 2. чувствительность, 3. простота применения и 4. простота понимания. Пока ограничениями являются 1. обнаружение ложноположительных сигналов и 2. низкая специфичность.

Хотя считается, что эти преимущества и ограничения демонстрируют аналогичную тенденцию в моделях обнаружения сигналов DDI, на данном этапе проверки недостаточно. Кроме того, статистические модели, представленные в статистической методологии , недостаточно проясняют разницу в способности обнаружения.Следовательно, в будущем необходимо изучить сходство и специфичность тенденции обнаружения сигналов каждой введенной статистической модели.

Как упоминалось в Ограничении , существуют различные предубеждения (Weber, 1984; Hartnell and Wilson, 2004; Pariente et al., 2007; Hochberg et al., 2009; Wang et al., 2010; Matsuda et al., 2015), поскольку эти сигналы рассчитываются с использованием системы спонтанных сообщений. Так что полученный сигнал — это только гипотеза. Это не меняет того, являются ли это сигналы одиночного лекарства или DDI.Следовательно, значительное внимание следует уделять интерпретации результатов исследования сигналов DDI.

Как уже указывалось, большинство исследований было сосредоточено на анализе НЯ, вызванных одновременным употреблением двух препаратов. Однако у пациентов с полипрагмазией возникновение НЯ в результате взаимодействия нескольких лекарственных средств (например, лекарственное взаимодействие четвертого порядка: лекарственное средство D 1 лекарственное средство D 2 лекарственное средство D 3 AE ) вызывает беспокойство.Следовательно, в будущем более важным будет создание метода обнаружения сигнала для взаимодействия с лекарствами более высокого порядка.

В этом обзоре представлены только статистические методики обнаружения DDI на основе количества сообщенных AE.

В последние годы был изучен метод обнаружения сигналов, использующий время до появления сигнала вместо количества сообщений (van Holle et al., 2012; van Holle et al., 2014; Scholl and Van Puijenbroek, 2016), но нет примеров их использования для DDI.Поскольку возможно обнаружение сигналов, которые невозможно получить с помощью статистических моделей, представленных в этом обзоре, ожидаются дальнейшие исследования.

Вклад авторов

Рукопись написали YN и HT. TT также внесла свой вклад в бумажную организацию. Все авторы внесли свой вклад в библиографическое исследование.

Финансирование

Это исследование было поддержано грантом JSPS KAKENHI номер 19K20731.

Конфликт интересов

Хотя лаборатория аптеки общественного здравоохранения при фармацевтическом университете Гифу получает финансовую поддержку за счет пожертвований от WELCIA YAKKYOKU CO., LTD., Авторы не сообщают об отсутствии конфликта интересов в отношении содержания этой статьи.

Управляющий редактор и рецензент W-CC заявили о своем участии в качестве соредакторов в теме исследования и подтвердили отсутствие какого-либо другого сотрудничества.

Ссылки

Agrawal, R., Srikant, R. (1994). «Быстрые алгоритмы для правил ассоциации интеллектуального анализа данных», в Трудах 20-й Международной конференции по очень большим базам данных, т. 487-499. (Сан-Франциско, Калифорния: Morgan Kaufman Publishers Inc.).

Google Scholar

Агравал Р., Имиелински Т., Свами А. Н. (1993). Правила ассоциации интеллектуального анализа данных между наборами элементов в больших базах данных. ACM SIGMOD Int. Конф. Управлять. Данные , 207–216. doi: 10.1145 / 170035.170072

CrossRef Полный текст | Google Scholar

Almenoff, J. S., DuMouchel, W., Kindman, L.A., Yang, X., Ram, D. (2003). Анализ диспропорциональности с использованием эмпирического анализа байесовских данных: инструмент для оценки лекарственного взаимодействия в постмаркетинговых условиях. Pharmacoepidemiol Drug Saf. 12, 517–521. doi: 10.1002 / pds.885

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Альварес, С. А. (2003). Вычисление хи-квадрат для ассоциативных правил: предварительные результаты. Тех. Репу . BCCS-2003–01.

Google Scholar

Ang, P. S., Chen, Z., Chan, C. L., Tai, B. C. (2016). Сбор данных из отчетов о спонтанных побочных эффектах лекарств для сигналов безопасности в Сингапуре — сравнение трех различных показателей диспропорциональности. Мнение эксперта. Drug Saf. 15, 583–590. doi: 10.1517 / 14740338.2016.1167184

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Аронсон, Дж. К. (2004). Классификация лекарственных взаимодействий. руб. J. Clin. Phramacol 56, 343–344. doi: 10.1111 / j.1365-2125.2004.02244.x

CrossRef Полный текст | Google Scholar

Банда, Дж. М., Каллахан, А., Винненбург, Р., Страсберг, Х. Р., Ками, А., Рейс, Б. Ю. и др. (2016). Возможность определения приоритета ассоциаций, связанных с наркотиками и наркотиками, обнаруженных в электронных медицинских записях. Drug Saf. 39, 45–57. doi: 10.1007 / s40264-015-0352-2

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Bate, A., Lindquist, M., Edwards, I.R., Olsson, S., Orre, R., Lansner, A., et al. (1998). Метод байесовской нейронной сети для генерации сигналов о побочных эффектах лекарств. евро. J. Clin. Pharmacol. 54, 315–321. doi: 10.1007 / s002280050466

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Bonneterre, V., Bicout, D.Дж., Гаудемарис, Р. (2012). Применение методов фармаконадзора в надзоре за профессиональным здоровьем: сравнение семи показателей диспропорциональности. Saf. Здравоохранение. 3, 92–100. doi: 10.5491 / SHAW.2012.3.2.92

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Cai, R., Liu, M., Hu, Y., Melton, B.L., Matheny, M.E., Xu, H., et al. (2017). Выявление неблагоприятных лекарств-взаимодействий посредством обнаружения правила причинно-следственной связи из отчетов о спонтанных нежелательных явлениях. Artif Intell Med. 76, 7–15. doi: 10.1016 / j.artmed.2017.01.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Цай, Р., Чжан, З., Хао, З. (2013). «SADA: общая основа для поддержки надежного обнаружения причинно-следственных связей», in Proceedings of the 30th International Conference on Machine Learning, vol. 28 (2) 208-216.

Google Scholar

Кастер, О., Норен, Г. Н., Мэдиган, Д., Бейт, А. (2010). Открытие крупномасштабных моделей на основе регрессии: пример проверки глобальной базы данных ВОЗ по безопасности лекарственных средств. Стат. Analy. Данные Мин. 3, 197–208. doi: 10.1002 / sam.10078

CrossRef Полный текст | Google Scholar

DuMouchel, W., Harpaz, R. (2012). Алгоритм GPS с поправкой на регрессию (RGPS). Белая книга Oracle, ноябрь. .

Google Scholar

DuMouchel, W., Pregibon, D., (2001). «Эмпирический байесовский скрининг для множественных ассоциаций», в материалах седьмой Международной конференции ACM SIGKDD по открытию знаний и интеллектуальному анализу данных, KDD‘01, 67-76 (Нью-Йорк, Нью-Йорк, США: ACM).

Google Scholar

Эванс, С. Дж., Уоллер, П. К., Дэвис, С. (2001). Использование пропорциональных отчетных соотношений (PRR) для генерации сигнала из отчетов о спонтанных нежелательных реакциях на лекарства. Фармакоэпидемиол. Drug Saf. 10, 483–486. doi: 10.1002 / pds.677

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Генкин, А., Льюис, Д. Д., Мэдиган, Д. (2007). Крупномасштабная байесовская логистическая регрессия для категоризации текста. Technometrics 49, 291-304 DOI: 10.1198/004017007000000245

CrossRef Полный текст | Google Scholar

Гошо, М. (2018). Риск гипогликемии после одновременного приема антидиабетических, гипотензивных и гипотензивных препаратов: исследование базы данных. J. Clin. Pharmacol. 58, 1324–1331. doi: 10.1002 / jcph.1147

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Гошо, М. (2019). Риск рабдомиолиза при использовании комбинации двух антидислипидемических препаратов с гипотензивными и противодиабетическими препаратами: анализ обнаружения сигнала. Fundam Clin. Pharmacol. 33, 339–346. doi: 10.1111 / fcp.12435

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Гошо, М., Маруо, К., Тада, К., Хиракава, А. (2017). Использование статистики хи-квадрат для скрининга нежелательных лекарственных взаимодействий в системах спонтанной отчетности. евро. J. Clin. Pharmacol. 73, 779–786. doi: 10.1007 / s00228-017-2233-3

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Harpaz, R., Chase, H.С., Фридман К. (2010). Выявление ассоциаций с множественными побочными эффектами лекарств в системах спонтанной отчетности. BMC Bioinf. 11, S7. doi: 10.1186 / 1471-2105-11-S9-S7

CrossRef Полный текст | Google Scholar

Harpaz, R., DuMouchel, W., LePendu, P., Bauer-Mehren, A., Ryan, P., Shah, N.H. (2013). Эффективность сигнала фармаконадзора — алгоритмы обнаружения для системы отчетности о нежелательных явлениях fda. Clin. Pharmacol. Ther. 93, 539–546. DOI: 10,1038 / clpt.2013.24

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Harpaz, R., Haerian, K., Chase, H. S., Friedman, C. (2010). Статистический анализ потенциальных побочных эффектов взаимодействия лекарств в системе спонтанной отчетности fda. AMIA Annu. Symp Proc. 2010, 281–285.

PubMed Аннотация | Google Scholar

Хартнелл, Н. Р., Уилсон, Дж. П. (2004). Воспроизведение эффекта Вебера с использованием постмаркетинговых отчетов о побочных эффектах, добровольно представленных в Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США. Фармакотерапия 24, 743–749. doi: 10.1592 / phco.24.8.743.36068

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хохберг, А. М., Хаубен, М., Пирсон, Р. К., О’Хара, Д. Дж., Райзингер, С. Дж. (2009). Систематическое изучение временных окон для сбора данных о побочных эффектах для недавно одобренных препаратов. J. Clin. Pharmacol. 49, 626–633. doi: 10.1177 / 0000

  • 84

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Hoyer, P.О., Янцинг, Д., Моой, Дж., Петерс, М., Шолкопф, Б. (2008). «Нелинейное обнаружение причин с помощью моделей аддитивного шума», в Neural Information Processing Systems (NIPS) , vol. 689-696. (Ванкувер, Канада).

    Google Scholar

    Коски Т., Орре Р. (1998). «Статистика информационной составляющей в байесовских нейронных сетях» в техническом отчете (Стокгольм, Швеция: отдел численного анализа и вычислительной техники Королевского технологического института).

    Google Scholar

    Кубота, К. (2001). Обнаружение сигнала из спонтанных сообщений — новые методы в MCA в Великобритании, FDA в США и ВОЗ. Jpn. J. Pharmacoepidemiol. 6, 101–108. doi: 10.3820 / jjpe1996.6.101

    CrossRef Полный текст | Google Scholar

    Li, C., Xia, J., Deng, J., Jiang, J. (2008). Сравнение показателей диспропорциональности для обнаружения сигналов в базе данных спонтанных сообщений о нежелательных реакциях на лекарства провинции Гуандун в Китае. Pharmacoepidemiol Drug Saf. 17, 593–600. doi: 10.1002 / pds.1601

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Matsuda, S., Aoki, K., Kawamata, T., Kimotsuki, T., Kobayashi, T., Kuriki, H., et al. (2015). Предвзятость в спонтанных сообщениях о побочных реакциях на лекарства в Японии. PloS One 10, e0126413. doi: 10.1371 / journal.pone.0126413

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Mizuno, T., Umemura, T., Sakai, T., Фукацу, М., Ямада, Т., Кадзигучи, Т. и др. (2016). Обнаружение сигналов при одновременном применении деферасирокса с другими лекарствами и об острой почечной недостаточности с использованием интеллектуального анализа данных японской базы данных отчетов о побочных эффектах лекарственных препаратов и оценки с помощью исследования случай-контроль. Jpn. J. Pharm. Health Care Sci. 42, 717–726. doi: 10.5649 / jjphcs.42.717

    CrossRef Полный текст | Google Scholar

    Noguchi, Y., Esaki, H., Asano, S., Yokoi, T., Usui, K., Kato, M., et al. (2015). Анализ влияния диуретиков на уровни калия и натрия в крови с блокаторами рецепторов ангиотензина и комбинированной терапией тиазидными диуретиками: анализ данных японской базы данных отчетов о нежелательных явлениях, связанных с лекарственными средствами, JADER. Jpn. J. Pharm. Health Care Sci. 41, 488–496. doi: 10.5649 / jjphcs.41.488

    CrossRef Полный текст | Google Scholar

    Noguchi, Y., Katsuno, H., Ueno, A., Otsubo, M., Yoshida, A., Kanematsu, Y., et al. (2018c). Сигналы гастроэзофагеальной рефлюксной болезни, вызванной препаратами на основе инкретина: анализ диспропорциональности с использованием базы данных отчетов о нежелательных явлениях в Японии. J. Pharm. Health Care Sci. 4, 15. doi: 10.1186 / s40780-018-0109-z

    PubMed Реферат | CrossRef Полный текст | Google Scholar

    Noguchi, Y., Ueno, A., Katsuno, H., Otsubo, M., Yoshida, A., Kanematsu, Y., et al. (2018b). Анализ небензодиазепиновых побочных эффектов и прогнозов у ​​пожилых пациентов на основе японской базы данных отчетов о побочных эффектах. J. Pharm. Health Care Sci. 4, 10. doi: 10.1186 / s40780-018-0106-2

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Noguchi, Y., Ueno, A., Otsubo, M., Katsuno, H., Sugita, I., Kanematsu, Y., et al. (2018a). Новый метод поиска, использующий интеллектуальный анализ ассоциативных правил для взаимодействия наркотиков и наркотиков, основанный на системе спонтанных отчетов. Фронт. Pharmacol. 9, 197. doi: 10.3389 / fphar.2018.00197

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Норен Г. Н., Бейт А., Орре Р., Эдвардс И. Р. (2006). Расширение методов, используемых для проверки базы данных ВОЗ по безопасности лекарственных средств, с целью анализа сложных ассоциаций и повышения точности для редких событий. Стат. Med. 25, 3740–3757. doi: 10.1002 / sim.2473

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Орре, Р., Ланснер, А., Бейт, А. (2000). Линдквист М. Байесовские нейронные сети с оценками достоверности применительно к интеллектуальному анализу данных. Comput. Стат. Data Anal. 34, 473–493. doi: 10.1016 / S0167-9473 (99) 00114-0

    CrossRef Полный текст | Google Scholar

    Pariente, A., Gregoire, F., Fourrier-Reglat, A., Haramburu, F., Moore, N. (2007). Влияние предупреждений о безопасности на меры диспропорциональности в базах данных спонтанных сообщений: предвзятое отношение к дурной славе. Drug Saf. 30, 891–898.DOI: 10.2165 / 00002018-200730100-00007

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Pearl, J. (2000). Причинность: модели, рассуждения и выводы Первое издание. изд: Cambridge Univ Press .

    Google Scholar

    Фам, М., Ченг, Ф., Рамачандран, К. (2019). Сравнительное исследование алгоритмов выявления ассоциаций нежелательных явлений с лекарствами: частотный, байесовский и машинный подходы. Drug Saf. 42, 743–750. DOI: 10.1007 / s40264-018-00792-0

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Пирмохамед, М., Орм, М. (1998). «Лекарственные взаимодействия, имеющие клиническое значение», в учебнике Дэвиса по побочным реакциям лекарств , ред. Дэвис, Д., Фернер, Р., де Гланвилл, Х. (Лондон: Chapman & Hall Medical), 888–912.

    Google Scholar

    Qian, Y., Ye, X., Du, W., Ren, J., Sun, Y., Wang, H., et al. (2010). Компьютеризированная система для обнаружения сигналов из-за лекарственного взаимодействия в системах спонтанных сообщений. руб. J. Clin. Pharmacol. 69, 67–73. doi: 10.1111 / j.1365-2125.2009.03557.x

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Scholl, J. H., Van Puijenbroek, E. P. (2016). Значение времени до начала в статистическом обнаружении сигналов о побочных реакциях на лекарства: сравнение с анализом диспропорциональности в спонтанных сообщениях из Нидерландов. Pharmacoepidemiol Drug Saf. 25, 1361–1367. doi: 10.1002 / pds.4115

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Shirakuni, Y., Окамото, К., Кавасита, Н., Ясунага, Т., Такаги, Т. (2009). Обнаружение сигналов о лекарственных осложнениях с применением обучения ассоциативным правилам для синдрома Стивенса-Джонсона. J. Com. Помогать. Chem. 10, 118–127. doi: 10.2751 / jcac.10.118

    CrossRef Полный текст | Google Scholar

    Spirtes, P., Glymour, C., Scheines, R. Cusation, Prediction, and Search Second Edition ed ., 2001.

    Google Scholar

    Susuta, Y., Takahashi, Y. (2014 ). Методология оценки рисков безопасности при выявлении риска сопутствующего употребления лекарств, который может вызвать критическую сыпь. Jpn. J. Pharmacoepidemiol. 19, 39–49. doi: 10.3820 / jjpe.19.39

    CrossRef Полный текст | Google Scholar

    Шарфман А., Мачадо С. Г., О’Нил Р. Т. (2002). Использование алгоритмов скрининга и компьютерных систем для эффективного оповещения о более высоких, чем ожидалось, комбинациях лекарств и событий в базе данных спонтанных отчетов FDA США. Drug Saf. 25, 381–392. DOI: 10.2165 / 00002018-200225060-00001

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Thakrar, B.Т., Грюндшобер, С. Б., Дессеггер, Л. (2007). Обнаружение сигналов о лекарственном взаимодействии в базе данных спонтанных отчетов. руб. J. Clin. Pharmacol. 64, 489–495. doi: 10.1111 / j.1365-2125.2007.02900.x

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    van Holle, L., Tavares Da Silva, F., Bauchau, V. (2014). Обнаружение сигнала на основе времени до появления: расширение нового метода от спонтанных отчетов до наблюдательных исследований. Pharmacoepidemiol Drug Saf. 23, 849–858. doi: 10.1002 / pds.3669

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    van Holle, L., Zeinoun, Z., Bauchau, V., Verstraeten, T. (2012). Использование времени до начала болезни для обнаружения сигналов безопасности в спонтанных сообщениях о побочных эффектах после иммунизации: исследование, подтверждающее концепцию. Pharmacoepidemiol Drug Saf. 21, 603–610. doi: 10.1002 / pds.3226

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    van, Puijenbroek, E.П., Бейт, А., Лойфкенс, Х. Г., Линдквист, М., Орре, Р., Эгбертс, А. С. (2002). Сравнение показателей диспропорциональности для обнаружения сигналов в системах спонтанных сообщений о побочных реакциях на лекарства. Pharmacoepidemiol Drug Saf. 11, 3–10. doi: 10.1002 / pds.668

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    van, Puijenbroek, E.P., Egberts, A.C., Heerdink, E.R., Leufkens, H.G. (2000). Выявление межлекарственных взаимодействий с использованием базы данных для спонтанных побочных реакций на лекарства: пример с диуретиками и нестероидными противовоспалительными препаратами. евро. J. Clin. Pharmacol. 200056, 733–738. doi: 10.1007 / s002280000215

    CrossRef Полный текст | Google Scholar

    van, Puijenbroek, E.P., Egberts, A.C., Meyboom, R.H., Leufkens, H.G. (1999). Сигнализация о возможных лекарственных взаимодействиях в системе спонтанных сообщений: задержка кровотечения отмены при одновременном применении оральных контрацептивов и итраконазола. руб. J. Clin. Pharmacol. 47, 689–693. doi: 10.1046 / j.1365-2125.1999.00957.x

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Ван, Х.В., Хохберг, А. М., Пирсон, Р. К., Хаубен, М. (2010). Экспериментальное исследование маскировки в базе данных системы отчетности о нежелательных явлениях FDA США. Drug Saf. 33, 1117–1133. DOI: 10.2165 / 11584390-000000000-00000

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Weber, J. (1984). Эпидемиология побочных реакций на нестероидные противовоспалительные препараты. Adv. Воспаление Res. 6, 1–7.

  • Похожие записи

    Вам будет интересно

    Как создать юридическую фирму с нуля: Как открыть юридическую фирму с нуля – пошаговая инструкция. – Как открыть Юридическую фирму с нуля, как начать бизнес

    Акт приема сдачи работ – Акт выполненных работ. Образец заполнения и бланк 2019-2020 года

    Добавить комментарий

    Комментарий добавить легко