![Lower and Upper Approximations
• 目前有一資訊系統 S={U,A} , 設X、P分別為
U、A的子集合，則PX的上下近似集定義如
下:
}][|{ X
P
eUeXP
}][|{ X
P
eUeXP](https://image.slidesharecdn.com/rsadr-151026174243-lva1-app6892/85/Rough-set-based-ADR-signaling-from-SRS-data-with-missing-values-20-320.jpg)
![Example
Case Height Weight Age
1 170 75 18
2 165 50 30
3 165 60 18
4 145 75 18
5 145 50 30
6 170 45 45
7 145 50 45
8 170 45 30
X={1,2,6,8}
P={Weight, Age}
Equivalence classes:
{1,4}
{2,5}
{3}
{6}
{7}
{8}
}8,6{
}][|{
XP
X
P
eUeXP
}8,6,5,4,2,1{
}][|{
XP
X
P
eUeXP ](https://image.slidesharecdn.com/rsadr-151026174243-lva1-app6892/85/Rough-set-based-ADR-signaling-from-SRS-data-with-missing-values-22-320.jpg)
![Example
the singleton approximation& global
Gender = g1 PT = s1 other reactions
Drug = d2 [1, 1] 0
other drugs [3, 4] 0
)(
)(
PRR
)(
)(
bac
dca
bac
dca
333.1
)01(3
)04(1
PRR75.0
)01(4
)03(1
](https://image.slidesharecdn.com/rsadr-151026174243-lva1-app6892/85/Rough-set-based-ADR-signaling-from-SRS-data-with-missing-values-33-320.jpg)
Rough-set-based ADR signaling from SRS data with missing values
- 1. 智慧型計算實驗室 指導教授: 林文揚 教授 作者: 藍琳 簡報人: 王敏賢 On the Feasibility of Rough-Set-based ADR Signaling from Spontaneous Reporting Data with Missing Values
- 2. 甚麼是ADR • Adverse Drug Reaction(藥物不良反應) • ADR rule: Predc, drug → symptom • e.g. sex=“Female”, drug=“d1” → symptom=“s1”
- 3. ADR 案例 • 1950年在德國上市的Thalidomide在當時被 認為是最安全且快速的鎮定劑之一，經常 用在抑制懷孕期間的嘔吐感。 • 造成超過12000畸形胎兒，並在多個國家被 發現容易造成多發性神經炎。
- 5. Spontaneous Reporting System(SRS) • 自發性通報系統 • FDA Adverse Event Reporting System (FAERS) • 所有通報資料以line-oriented格式儲存，並 定期開放。
- 6. FAERS開放資料
- 7. FAERS開放資料
- 9. Drug Safety Labeling Changes http://goo.gl/FEoWsj 2008-01~2014-10 ,每個月一份清單
- 10. The 2*2 contingency table Predc. Symptom Other symptom Total Drug a b a + b other drugs c d c + d Total a + c b + d N = a + b +c + d •For ADR signal detection
- 11. ADR信號量測方式 • Frequentist methods – Proportional Reporting Ratio(PRR) – Reporting Odds Ratio(ROR) • Bayesian methods – Bayesian Confidence Propagation Neural network(BCPNN) – Multi-item Gamma Poisson Shrinker(MGPS) d)c/(c b)a/(a db ca / /
- 13. 世界不會永遠是美好的!!
- 15. Missing Value
- 16. 幾個處理Miss Value的傳統方法 • Deletion methods: – Listwise deletion – Pairwise deletion 5104523 3528835 3720493 4709159 Total Listwise Pairwise-age Pairwise-gender
- 17. ROUGH SET BASED METHOD
- 18. Rough Set Theory • 由波蘭數學家Zdzisław I. Pawlak(1926-2006)在1982 年提出，是一個用來分析 帶有不確定性資料的工具。 • 用以求出明確集(crisp set) 的上、下逼近集合。
- 19. 一些簡單的名詞 Case Height Weight Gender 1 170 60 Male 2 165 55 Female 3 155 45 Female 4 150 65 Male S={U,A} •U={1,2,3,4} •A={Height,Weight,Gender}
- 20. Lower and Upper Approximations • 目前有一資訊系統 S={U,A} , 設X、P分別為 U、A的子集合，則PX的上下近似集定義如 下: }][|{ X P eUeXP }][|{ X P eUeXP
- 21. Lower and Upper Approximations Lower approximation Set X Upper approximation
- 22. Example Case Height Weight Age 1 170 75 18 2 165 50 30 3 165 60 18 4 145 75 18 5 145 50 30 6 170 45 45 7 145 50 45 8 170 45 30 X={1,2,6,8} P={Weight, Age} Equivalence classes: {1,4} {2,5} {3} {6} {7} {8} }8,6{ }][|{ XP X P eUeXP }8,6,5,4,2,1{ }][|{ XP X P eUeXP
- 23. ROUGH SET STRATEGIES TO DATA WITH MISSING DATA
- 24. 原有的列聯表 •在Information system完整的情況下，a、b、c及d四 個值是確定的。 Predc. Symptom Other symptoms Drug a b Other Drugs c d
- 25. 帶有近似範圍的列聯表 The specific attribute symptom Other symptoms drug Other drugs •利用粗糙集理論目的是求出該crisp set的上 下逼近集合。
- 26. 對缺漏值的兩種解釋 • Lost(?): – 原本應該存在的資料但遺失或被刪除。 – 不應被忽略。 • Don’t care(*): – 缺漏的屬性值可有可無。
- 27. Characteristic relation & Characteristic set • Lost(?) – Similarity characteristic relation: – Similarity characteristic set: .)( ?,such thatallfor ),(),(ifonlyandif)(),( axPa ayaxPRyx S )}(),(|{),( PsRyxyxPKs
- 28. Characteristic relation & Characteristic set • Don’t care(*): – Tolerance characteristic relations: – Tolerance characteristic set: .*)(*)( Paayax ayaxPRyx T allfor,or, or),(),(ifonlyandif)(),( )}(),(|{),( PRyxyxPK TT
- 29. Lower and Upper approximations • Singleton approximation })(|{ XxKUxXP P k g })(|{ XxKUxXP P k g • Subset approximation }),(,|),({ XxpKUxxpKXPK s }),(,|),({ XxPKUxxPKXP K S • Concept approximation }),(,|),({ XxPKXxxPKXPK c }),(,|),({ XxPKXxxPKXP K c Lower approximation Set X Upper approximation
- 30. Incomplete SRS data Attribute set P Strength Computation • global • local Characteristic set K(P, x) • tolerance (don’t care) • Similarity (lost) Approximation PX • singleton • subset • concept known rule : Predc , drug reaction • Analyze the feasibility of the 12 different methods Rough Set : Basic Idea
- 31. Example the singleton approximation& global ISR Age Gender Drug PT 1 ? ? d1 s1 2 a2 ? d2,d3 s1,s2 3 a1 g1 d1 s1 4 a1 g1 d2,d3 s1,s2 5 ? ? d2,d3 s1,s2 6 ? g2 d1 s1 7 ? g1 d1 s1 8 a1 g1 d3 s1,s2 }8{)8,(}4{)4,( }73{)7,(}3{)3( }6{)6,(}2{)2( }542{)5,(}7631{)1( PKPK ,PKP,K PKP,K ,,PK,,,P,K SS SS SS SS .)( ?,such thatallfor ),(),(ifonlyandif)(),( axPa ayaxPRyx S Similarity characteristic relation:
- 32. Example the singleton approximation& global Gender = g1 PT = s1 other PT Drug = d2 Xa={4} Xb={} other drugs Xc={3,7,8} Xd={} }8{)8,(}4{)4,( }73{)7,(}3{)3( }6{)6,(}2{)2( }542{)5,(}7631{)1( PKPK ,PKP,K PKP,K ,,PK,,,P,K SS SS SS SS dd cc bb aa XPXP XPXP XPXP XPXP }8,7,3,1{}8,7,3{ }4{}4{ })(|{ XxKUxXP P k g })(|{ XxKUxXP P k g
- 33. Example the singleton approximation& global Gender = g1 PT = s1 other reactions Drug = d2 [1, 1] 0 other drugs [3, 4] 0 )( )( PRR )( )( bac dca bac dca 333.1 )01(3 )04(1 PRR75.0 )01(4 )03(1
- 34. Experiment No. Rule Drug Name Symptom The suitable of group (Age or Gender) Marked year in US Year withdrawn in US R1-1 AVANDIA MYOCARDIAL INFARCTION 18~ 1990 2010R1-2 DEATH R1-3 CEREBROVASCULAR ACCIDENT R2 TYSABRI PROGRESSIVE MULTIFOCAL LEUKOENCEPHALOPATH Y 18~ 2004 2005 R3 ZELNORM CEREBROVASCULAR ACCIDENT Female 2002 2007
- 35. 實驗結果 0 53 106 159 212 265 0 1 2 3 4 5 04Q1 04Q2 04Q3 04Q4 05Q1 05Q2 05Q3 05Q4 06Q1 06Q2 06Q3 06Q4 07Q1 07Q2 07Q3 07Q4 08Q1 08Q2 08Q3 08Q4 09Q1 09Q2 09Q3 09Q4 10Q1 10Q2 10Q3 10Q4 11Q1 11Q2 11Q3 11Q4 12Q1 12Q2 12Q3 12Q4 13Q1 13Q2 13Q3 A Value PRR Method 1 M(s, g, g) for R1-2 PRR_ld PRR_lower PRR_pd PRR_upper Threshold=2 A_ld A_rs A_pd
- 36. 0 53 106 159 212 265 0 1 2 3 4 5 04Q1 04Q2 04Q3 04Q4 05Q1 05Q2 05Q3 05Q4 06Q1 06Q2 06Q3 06Q4 07Q1 07Q2 07Q3 07Q4 08Q1 08Q2 08Q3 08Q4 09Q1 09Q2 09Q3 09Q4 10Q1 10Q2 10Q3 10Q4 11Q1 11Q2 11Q3 11Q4 12Q1 12Q2 12Q3 12Q4 13Q1 13Q2 13Q3 A Value ROR Method 1 M(s, g, g) for R1-2 ROR_ld ROR_lower ROR_pd ROR_upper Threshold=2 A_ld A_rs A_pd
- 37. Q & A
Editor's Notes
- #2: 我們想利用粗糙集理論來處理帶有缺漏值的資料，以利於能更早發現ADR訊號。
- #3: ADR全名為藥物不良反應，是病患在服藥後跟其產生不良反應的關係，我們將這種關係表示成如下的ADR規則。 不良反應的情形很廣，輕則頭暈昏睡、食慾不振，重則憂鬱症、殘障或死亡。
- #4: 沙利竇邁是在60年代德國上市的一種鎮定劑，被大量用於抑制孕婦害喜症狀，一年後醫生發現大量懷有畸胎的孕婦接服用該藥物。
- #6: 藥物的不良反應症狀不可能在藥廠試驗時全部都被發現，各國FDA相關的單位都有各自的通報系統來處理藥廠、醫院的通報，並在觀測到ADR信號時提出警告甚至是強制將藥物下架。中國、歐盟、美國、世界衛生組織等都有相關的通報單位，台灣FDA在近兩年才成立通報系統，可惜的是目前暫不開放資料，應是無資訊能力整理通報資料。 目前實驗的資料都是由美國FDA的FAERS單位所開放，主要是資料量大且有一定程度經過整理。
- #7: 所有通報資料以line-oriented格式儲存，以錢字號當分隔符號。簡報結束後時間分享處理過程。
- #8: 自發性通報系統不保證所有欄位值都完整。
- #11: 用列連表來觀察數據，透過兩個以上的屬性來分類。圖中abcd代表該類別的案例數量。
- #17: 會刪掉近兩百萬筆資料，通常通報缺漏資料的可能來自同單位，所以很有可能會集中在某個時間點，最差情況可能只留下30%的資料量。
- #23: indiscernibility relation不可分辨關係
- #35: 論文使用的資料集從04Q1到13Q3，目前公佈最新到14Q3，每季約有6萬到19萬筆的通報紀錄，