การประยุกต์ใช้อัลกอริทึมระยะทางเลเวนชเตย์นเพื่อตรวจหาชื่อยาที่มองคล้ายกัน
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์: เพื่อประยุกต์ใช้อัลกอริทึมระยะทางเลเวนชเตย์น (Levenshtein distance algorithm: LDA) เป็นเครื่องมือตรวจหารายการยาที่มีชื่อซึ่งมองคล้ายกันในบัญชียาของโรงพยาบาลกระบี่ในปีงบประมาณ 2567 วิธีการ: การวิจัยเชิงทดลองครั้งนี้ประยุกต์ใช้ LDA ตรวจหารายการยาที่มีชื่อมองคล้ายกัน โดยตรวจสอบเฉพาะส่วนที่เกี่ยวข้องกับชื่อยาและความแรงของยาที่ปรากฏบนฉลากยาที่จ่ายให้ผู้ป่วย การศึกษาเปรียบเทียบผลลัพธ์การประเมินความคล้ายคลึงกันของคู่ชื่อยา 150 คู่ด้วย LDA ที่ระดับ threshold 50, 60 และ 70 กับการประเมินโดยอาสาสมัคร 24 คนซึ่งเป็นบุคลากรสังกัดกลุ่มงานเภสัชกรรม โรงพยาบาลกระบี่ ส่วนประสิทธิภาพของอัลกอริทึมในแต่ละระดับ threshold พิจารณาจากค่า F-score และสัดส่วนของผลการประเมินคู่ชื่อยาที่ให้ผลลบปลอม ซึ่งหมายถึง คู่ยาที่ LDA ประเมินว่ามีชื่อมองไม่คล้ายกัน แต่อาสาสมัครประเมินว่ามีชื่อที่มองคล้ายกัน ผลการวิจัย: ผลการประยุกต์ใช้ LDA ที่ระดับ threshold 50 และ 60 เพื่อประเมินความคล้ายคลึงกันของคู่ชื่อยา ไม่มีความแตกต่างจากผลการประเมินโดยอาสาสมัครอย่างมีนัยสำคัญทางสถิติ (P>0.05) LDA ที่ระดับ threshold 50 มีค่าประสิทธิภาพสูงที่สุด โดยมีค่า F-score เท่ากับ 0.80 และพบผลการประเมินคู่ชื่อยาที่ให้ผลลบปลอมน้อยที่สุดเท่ากับ 12 คู่ สรุป: LDA ที่ระดับ threshold 50 สามารถใช้เป็นเครื่องมือตรวจหารายการยาที่มีชื่อมองคล้ายกัน ผลการตรวจสอบยาที่มีชื่อซึ่งมองคล้ายกันบนฉลากยามีความสอดคล้องกับผลการประเมินโดยมนุษย์ ผลการวิจัยทำให้ได้ข้อมูลในการคัดเลือกคู่ยาเข้าสู่บัญชียาที่มีชื่อมองคล้ายกันของโรงพยาบาล เพื่อใช้เผยแพร่ให้บุคลากรทราบถึงคู่ยาที่เป็นความเสี่ยงที่จะก่อให้เกิดความคลาดเคลื่อนทางยา และใช้ประโยชน์ในแผนจัดการความเสี่ยงเพื่อความปลอดภัยด้านยาของผู้ป่วย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ผลการวิจัยและความคิดเห็นที่ปรากฏในบทความถือเป็นความคิดเห็นและอยู่ในความรับผิดชอบของผู้นิพนธ์ มิใช่ความเห็นหรือความรับผิดชอบของกองบรรณาธิการ หรือคณะเภสัชศาสตร์ มหาวิทยาลัยสงขลานครินทร์ ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากการพิมพ์ บทความที่ได้รับการเผยแพร่โดยวารสารเภสัชกรรมไทยถือเป็นสิทธิ์ของวารสารฯ
เอกสารอ้างอิง
Lambert BL, Chang K-Y, Lin S-J. Effect of orthographic and phonological similarity on false recognition of drug names. Soc Sci Med 2001; 52: 1843-57.
Fine SN, Eisdorfer RM, Miskovitz PF, Jacobson IM. Losec or Lasix? N Engl J Med. 1990; 322: 1674.
Hoffman JP. More on "Losec or Lasix?". N Engl J Med 1990; 323: 1428.
Faber J, Azzugnuni M, Di Romana S, Vanhaeverbeek M. Fatal confusion between 'Losec' and 'Lasix'. Lancet. 1991; 337: 1286-7.
Raffalli J, Nowakowski J, Wormser GP. "Vira something": a taste of the wrong medicine. Lancet. 1997; 350: 887.
Medicines and Healthcare products Regulatory Agency. Mercaptamine and mercaptopurine: confusion between drug names [online]. 2010 [cited Jan 13, 2025]. Available from: www.sefap.it/farma covigilanza_news_201011/DSU_October2010_Vol4_Iss3_FINAL.pdf.
Chumchit C, Amrumpai Y, Treesak C. Recognition on medication safety and look-alike/sound-alike medication problems in Thai public hospitals. Silpakorn University Science and Technology Journal. 2015; 9: 40-51.
Supapaan TS, Ruthirakanok R, Srichathum S, Songmuang A, Pitchayajittipong C. Look-alike sound-alike (LASA) medication errors in Thai hospitals. Pharm Pract 2024; 22: 1-8.
National Coordinating Council for Medication Error Reporting and Prevention. NCC MERP index for categorizing medication errors [online]. 2023 [cited Oct 9, 2024]. Available from: www.nccmerp.org/ sites/default/files/index-bw-2022.pdf.
World Health Organization. Medication safety for look-alike, sound-alike medicines. Geneva: World Health Organization; 2023.
Institute for Safe Medication Practices. FDA and ISMP Lists of look-alike drug names with recommended tall man (mixed case) letters [online]. 2023 [cited Oct 9, 2024]. Available from: online.ecri. org/hubfs/ISMP/Resources/ISMP_Look-Alike_Tall man_Letters.pdf.
Gomaa WH, Fahmy AA. A survey of text similarity approaches. Int J Comput Appl 2013; 68: 13-8.
Levenshtein VI. Binary codes capable of correcting deletions, insertions, and reversals. Sov Phys Dokl 1966; 10: 707-10.
Kondrak G, Dorr B. Automatic identification of confusable drug names. Artif Intell Med. 2006; 36: 29-42.
Kovacic L, Chambers C. Look-alike, sound-alike drugs in oncology. J Oncol Pharm Pract 2011; 17: 104-18.
Yothapakdee K, Namahoot C. Similarity checking system of drug names in the national drug list (Thailand) by using combine name matching techniques. In: Proceedings of the 5th National Conference on Information Technology; 2013. p. 281-6.
GeeksforGeeks. Hamming distance vs. Levenshtein distance [online]. 2024 [cited Jan 1, 2025]. Available from: www.geeksforgeeks.org/
hamming-distance-vs-levenshtein-distance.
Wang M, Li Z, Li X. A weighted edit distance for text correction in warship hull number recognition. In: 2024 10th International Conference on Big Data and Information Analytics (BigDIA). IEEE; 2024. p. 418–25.
Abiola OB, Erinfolami O, Adewole LB, Opani OM, Oguntimilehin A, Babalola GO, et al. Automatic spelling corrector for yorùbá language using edit distance and N-gram language models. In: 2024 International Conference on Science, Engineering and Business for Driving Sustainable Development Goals (SEB4SDG). IEEE; 2024. p. 1–6.
Paluekpet T. Applying Levenshtein’s algorithm to find homograph and look-alike herb names [master thesis]. Nakhon Pathom: Silpakorn University; 2017.
Lertnattee V, Paluekpet T. Effects of substring position and character similarity on human perception of Thai herb name similarity. In: Proceedings of the 3rd International Symposium of Information and Internet Technology (SYMINTECH 2018). Springer; 2019. p. 73–81.
Pakdeesattayapong D, Lertnattee V. Correcting and standardizing crude drug names in traditional medicine formulae by ensemble of string matching techniques. In: Intelligent computing theories and methodologies: 11Th international conference, ICIC 2015. Springer; 2015. p. 237–47.
Wonglert J, Lertnattee V. Using approximate string matching for verifying cosmetic product names in the cosmetic notification request form. Thai Journal of Pharmacy Practice. 2023; 15: 884-98.
Doan A, Halevy A, Ives Z. 4 - String Matching. In: Doan A, Halevy A, Ives Z, editors. Principles of data integration. Boston: Morgan Kaufmann; 2012 p. 95-119.
Chirawatkul A. Statistics for health science research. 4th ed. Bangkok: Wittayapat; 2015.
Or CKL, Wang H. A comparison of the effects of different typographical methods on the recogniza- bility of printed drug names. Drug Saf 2014; 37: 351-9.
Burt JS, McFarlane KA, Kelly SJ, Humphreys MS, Weatherall K, Burrell RG. Brand name confusion: subjective and objective measures of orthographic similarity. J Exp Psychol Appl 2017; 23: 320–35.
Dalianis H. Chapter 6 evaluation metrics and evaluation [online]. 2018 [cited Jan 13, 2025]. Available from: link.springer.com/content/pdf/10.10 07/978-3-319-78503-5_6.pdf
Buengkan Hospital. Look-alike sound-alike drug monitoring project of fiscal year 2022 [online]. 2022 [cited Nov 9, 2024]. Available from: bkh.moph.go.th/ bkhweb/uploads/media/202303310725123_4.LASA_update-_2566.pdf.
Ogino MH, Tadi P. Cyclophosphamide [online]. 2023 [cited Nov 9, 2024]. Available from: www.ncbi. nlm.nih.gov/books/NBK553087/
Multum C. Cyproheptadine [online]. 2024 [cited Nov 14, 2024] Available from: www.drugs.com/mtm /cyproheptadine.html.
Patel S, Singh R, Preuss CV, Patel N. Warfarin [online]. 2024 [cited Nov 9, 2024]. Available from: www.ncbi.nlm.nih.gov/books/NBK470313/
DRUGBANK. Narrow therapeutic index drugs [online]. 2024 [cited Nov 9, 2024]. Available from: go.drugbank.com/categories/DBCAT003972.
Filik R, Price J, Darker I, Gerrett D, Purdy K, Gale A. The influence of tall man lettering on drug name confusion. Drug Saf 2010; 33: 677-87.
Institute for Safe Medication Practices Canada. Drug labelling and the application of tallman lettering project report [online]. 2016 [cited Nov 9, 2024]. Available from: www.ismpcanada.org/down load/TALLman/TALLmanLettering-ProjectReport. pdf.
Piempreecha S. Effect of change on drug name labeling using Thai language for drugs with similar names on pre-dispensing errors. Thai Journal of Pharmacy Practice 2019; 11: 119-27.
