Návrh metod vhodných matematických nástrojů pro analýzu spotřeby antibiotik s důrazem na hodnocení anomálií v datech

Zuzana Kozáková

Master's thesis

Design of suitable statistical methods for time series analysis and anomaly detection in antibiotics consumption data

Abstract:

Nadužívání a chybná preskripce antimikrobiálních látek v humánní medicíně snižuje bezpečnost a účinnost léčby, podporuje vznik a šíření rezistentních pa-togenů a celkově ohrožuje udržitelnost zdravotního systému. Analýza a hodno-cení přiměřenosti konzumace antibiotik ve zdravotnickém zařízení napomáhá detekci špatných preskripčních návyků, potenciálních fraudů nebo význam-ných mezníků ve vývoji epidemiologické situace. Využití statistických technik pro nalezení suspektních anomálních bodů ve spotřebě poskytuje odborníkům z oblasti mikrobiologie významné vodítko pro zavedení případných koordino-vaných opatření v místě potřeby. V rámci práce byly navrženy a testovány na reálných datech anonymizovaného zdravotnického zařízení ČR od společnosti Janiga Labs, s.r.o. statistické nástroje vhodné pro analýzu časových řad a detekci potenciálních anomálií v trendu. Vedle metod založených na principu modelování procesů časové řady byla aplikována i technika LOF využívající vzdálenosti měření od sousedních hodnot. Detekční statistiky označily na výběru celkem 251 suspektních měření. Odborná interpretace nejvýznamnějších 15 bodů byla následně konzultována s primářem mikrobiologie daného zařízení. Aplikované matematické nástroje identifikovaly adekvátně anomální spotřebu antibiotik a jejich implementace do systémů nemocnice pro automatické zasílá-ní upozornění o neobvyklém používání ATB může významně napomoci při za-vádění kontrolních a preventivních opatření ve věci racionálního používání an-timikrobiálních látek, a tedy dosahování cílů efektivní antibiotické politiky.

Abstract:

Overuse and misprescription of antimicrobials in human medicine reduces the safety and efficacy of treatment, promotes the emergence and spread of resistant pathogens, and generally endangers the sustainability of the health system. Analyzing and assessing the adequacy of antibiotic consumption in a healthcare facility helps detect poor prescription habits, potential frauds, or significant milestones in the development of an epidemiological situation. Statistical techniques to detect anomalies in consumption provide an important guide to microbiology experts for implementation of most efficient coordinated measures. In this paper, statistical tools suitable for analysis and anomaly detection in time series were reviewed and tested on de-identified real data from a Czech healthcare facility obtained in collaboration with Janiga Labs, s.r.o. The LOF technique, based on neighborhood density comparison, was applied alongside the time-series decomposition based methods. The measures of relative extremity based on ESD test and the modified Z-score indicated a total of 251 possible anomalous measurement. The 15 most significant outliers identified by the proposed methods were subsequently consulted with the head of microbiology at the data providing healthcare facility. This interpretation showed that the methods successfully identified anomalies in antibiotic consumption. Adoption of techniques for automatic notification of unusual use of ATB in hospital systems could significantly improve control and prevention measures for prudent use of antimicrobials and thus support achieving effective antibiotic policy objectives.

Keywords

dekompozice časové řady, detekce anomálií, antimikrobiální látky, antibiotická rezistence, časové řady

Keywords

time series, time series decomposition, antibiotic resistance, antimicrobials, anomaly detection

Language used: Czech

Date on which the thesis was submitted / produced: 6. 3. 2019

Thesis defence

• Date of defence: 9. 6. 2020
• Supervisor: Peter Pažitný
• Reader: Lenka Komárková

Vysoká škola ekonomická v Praze

Master programme / field:
Ekonomika a management / Management