指南与共识重症综合管理与镇静镇痛

DeviCare:剂量偏差感知与调控的药物推荐框架

DeviCare: Dosage Deviation-Aware and Regulated Medication Recommendation.
指南 / 共识 · IEEE J Biomed Health Inform · 2026-10-26
一句话结论在MIMIC-III与MIMIC-IV上,DeviCare通过显式建模处方剂量与实际给药剂量之间的偏差来调控表征,多项评价指标优于现有方法,提示剂量偏差是有临床价值的细粒度信号。

该研究关注电子健康记录(EHR)药物推荐中处方剂量与实际给药剂量之间的偏差被忽略的问题,提出DeviCare框架,从多事件时间序列中提取剂量偏差,并引入自适应校准机制调控剂量变异引起的表征偏移。在MIMIC-III和MIMIC-IV数据集上的大量实验显示,DeviCare在多项评价指标上持续优于现有最先进方法,验证了建模剂量偏差在药物推荐任务中的有效性。该文为方法学论文,未报告患者层面的用药剂量方案、阈值或临床结局。

要点

  • DeviCare的核心思路是将处方剂量与实际给药剂量之间的偏差作为细粒度临床信号显式建模,并纳入药物推荐学习框架。
  • 框架从多事件时间序列中提取剂量偏差,并用自适应校准机制调控剂量变异引起的表征偏移。
  • 在MIMIC-III和MIMIC-IV数据集上,DeviCare在多项评价指标上持续优于现有最先进方法。
  • 研究提示仅依赖医生处方剂量会丢失处方与实际给药不一致所携带的临床语义。

研究设计与关键结果

  • 研究为方法学论文,提出DeviCare框架,在MIMIC-III与MIMIC-IV数据集上进行大量实验,评估药物推荐性能。
  • DeviCare在多项评价指标上持续优于现有最先进方法,验证了建模剂量偏差在药物推荐任务中的有效性。

证据类型、等级与局限

  • 证据类型:方法学研究(基于EHR的算法框架与实验评估),原文摘要未给出证据等级或推荐强度。
  • 局限:原文未报告局限性

对床旁实践的改变

  • 原文结论提示,在基于EHR构建药物推荐模型时,处方剂量与实际给药剂量的偏差可能作为有用的细粒度信号,仅使用处方剂量可能丢失临床语义。
  • 原文未据此给出面向急诊或ICU床旁用药决策的推荐。

提炼说明

  • 本条依据论文摘要整理;摘要未涉及「适用人群与场景」「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目;全文请点「阅读原文」。
英文原文(摘要)· 点击展开

Medication recommendation based on electronic health records (EHRs) is a critical research area in healthcare, aiming to support clinical decision-making by leveraging patients' historical visit data. Although prior studies have acknowledged the importance of fine-grained medication administration events, they primarily rely on physician-prescribed dosages while overlooking the discrepancy between prescribed and actual administered dosages, resulting in the loss of essential clinical semantics. To address this issue, we propose DeviCare, a novel framework that explicitly models dosage deviation as a fine-grained clinical signal and integrates it into a dosage deviation-regulated learning framework for medication recommendation. Specifically, we extract dosage deviations from multi-event temporal sequences and introduce an adaptive calibration mechanism to regulate representation shifts induced by dosage variations, thereby enhancing recommendation performance. Extensive experiments on the MIMIC (Medical Information Mart for Intensive Care)-III and MIMIC-IV datasets demonstrate that DeviCare consistently outperforms state-of-the-art methods across multiple evaluation metrics, validating the effectiveness of modeling dosagedeviation in medication recommendation tasks.

来源:IEEE J Biomed Health Inform,查看原文。版权归原作者所有。

参考来源

  1. Mu, Zhang. DeviCare: Dosage Deviation-Aware and Regulated Medication Recommendation. IEEE J Biomed Health Inform. 2026. PMID: 42932196. doi:10.1109/JBHI.2026.3747286

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。