Показатели эффективности лекарственных препаратов, применяемых при плоскоклеточном раке легкого
- Авторы: Суюнов Н.Д.1, Ражабова Н.Х.1
-
Учреждения:
- Ташкентский фармацевтический институт
- Выпуск: Том 72, № 1 (2023)
- Страницы: 36-48
- Раздел: Организация и экономика
- URL: https://journals.eco-vector.com/0367-3014/article/view/313326
- DOI: https://doi.org/10.29296/25419218-2023-01-06
- ID: 313326
Цитировать
Полный текст
Открытый доступ
Доступ предоставлен
Доступ платный или только для подписчиков
Аннотация
Введение. Плоскоклеточный рак легкого (РЛ) является разновидностью немелкоклеточного РЛ и специфичен по клинико-патологическим характеристикам, процесс лечения его несколько затруднен в силу таких причин, как пожилой возраст, наличие сопутствующих заболеваний, расположение основного очага опухоли в центре легкого.
Цель исследования: определение эффективности лекарственных препаратов (ЛП), применяемых при лечении РЛ, путем интеллектуального анализа.
Материал и методы. В исследовании использовались методы анализа искусственного интеллекта для обработки статистических данных о потреблении ЛП.
Результаты. По результатам оценки эффективности ЛП, применяемых при плоскоклеточном РЛ, выявлено, что являются высокоэффективными ЛП такие, как Цисплатин Эбеве® (50 мг/100 мл), Карбоплатин-Эбеве® (150 мг/15 мл) Карбоплатин-Эбеве® (450 мг/45 мл), Гемцитабин Эбеве® (200 мг/5 мл), Гемцитабин Эбеве® (1000 мг/25 мл), Этопозид Эбеве® (100 мг/5 мл), Паклитаксел Эбеве® (30 мг/5 мл), Паклитаксел Эбеве® (100 мг/16,7 мл), Паклитаксел Эбеве® (300 мг/50 мл), Доцетаксел Эбеве® (10 мг/мл), Доцетаксел Эбеве® (20 мг/2 мл), Доцетаксел Эбеве® (80 мг/8 мл), Авастин® (100 мг/4 мл), Авастин® (400 мг/16 мл), Эрлониб (25 мг, №30), Эрлониб (100 мг, №30), Эрлониб (150 мг, №30), Эрлоникс (100 мг, №30), Эрлоникс (150 мг, №30), Эртиноб (100 мг, №30), Эртиноб (150 мг, №30).
Заключение. На основании показателей эффективности ЛП, применяемых при плоскоклеточном РЛ, определены приоритетные для приема группы их.
Полный текст
Об авторах
Низом Давурович Суюнов
Ташкентский фармацевтический институт
Email: suyunovn.d.5555@gmail.com
ORCID iD: 0000-0002-2712-958X
доктор фармацевтических наук, профессор, заведующий кафедрой организации фармацевтического дела
Узбекистан, 100015, Ташкент, ул. Айбека, 45Наргиза Халимовна Ражабова
Ташкентский фармацевтический институт
Автор, ответственный за переписку.
Email: nargiza-rh@mail.ru
ORCID iD: 0000-0003-2237-150X
базовый докторант кафедры организации фармацевтического дела
Узбекистан, 100015, Ташкент, ул. Айбека, 45Список литературы
- Зайцев А.М., Кобылецкая Т.М., Кисарьев С.А., Михайлов Н.И., Даценко П.В., Кирсанова О.Н. Длительное наблюдение за пациентом с плоскоклеточным раком легкого с синхронным метастатическим поражением головного мозга (Клиническое наблюдение и обзор литературы). Онкология. Журнал им. П.А. Герцена. 2022; 11 (4): 51–7.
- Суюнов Н.Д. Фармакоэкономические исследования лекарственного обеспечения хронической обструктивной болезни легких в Узбекистане. Пульмонология. М., 2011; 3: 64–9. https://doi.org/10.18093/0869-0189-2011-0-3-64-69
- Игнатьев Н.А. Обобщенные оценки и локальные метрики объектов в интеллектуальном анализе данных. Монография. Ташкент: Издательство «Университет», 2014; 72.
- Мадрахимов Ш.Ф., Суюнов Н.Д., Хуррамов А.Х., Икромова Г.М. Интеллектуал таҳлил усуллари билан дори воситаларининг VEN гуруҳга тегишлигининг умумлашган баҳосини ҳисоблаш. ЎзМУ хабарлари, М.Улуғбек номидаги Ўзбекистон Миллий университети илмий журнали. Тошкент: «Университет», 2013; 2: 95–8.
- Rocha A.,S. Goldenstein. Multiclass from Binary: Expanding One-Versus-All, One-Versus-One and ECOC-Based Approaches. IEEE transactions on neural networks and learning systems. 2014; 25: 289–302. doi: 10.1109/TNNLS.2013.2274735.
- Ignatyev N.A., Rakhimova M.A. Formation and analysis of sets of informative features of objects by pairs of classes. Artificial intelligence and decision making. 2021; 4: 18–26. doi: 10.14357/20718594210402.
- Madrakhimov Sh. F., Rozikhodjaeva G. A. and Makharov K. T. Construction of fuzzy inference rules for medicine diagnostics problems. J. of Physics: Conf. Ser. 2032 012032, 2021. DOI: https://doi.org/10.1088/1742-6596/2032/1/012032
- Кривенко М.П. Обучаемая классификация неполных клинических данных. Информатика и ее применения. 2017; 11 (3): 27–33. URL: https : //doi . org/ 10.14357/ 1 9922264 170303.
- Мадрахимов Ш.Ф., Махаров К.Т., Хуррамов А.Х. Отбор информативных признаков с учетом пропусков в данных. Проблемы вычислительной и прикладной математики. 2022; 4 (42): 147–57.
- Ражабова Н.Х., Суюнов Н.Д. Анкетный опросник для врачей-специалистов по фармакоэкономической оценке используемых лекарственных средств при лечении рака легких. Отпечатано в типографии «Инновацион ривожланиш нашриет-матбаа уйи». Ташкент, 2021; 18.
Дополнительные файлы
