管制藥物之多變量異常偵測與辨識 – 以藥局處方資料為例

Abstract

近年來世界各國濫用管制處方類藥物的議題不斷出現，不但會使過多用量的病患有著生命安全的疑慮，也會造成國家經濟的不良影響。在美國，鴉片類藥物一直以來都是較常被濫用的管制處方類藥物，根據美國在「全國藥物使用及健康調查（National Survey on Drug Use and Health）」的年度調查中發現，非法藥物的濫用比例逐年提升，從2015年全國人口的17.8%到2019年的20.8%。而其中處方類止痛藥物一直都是美國較常被濫用的非法藥物，僅次於第一大的大麻，平均每年有1000萬名病患濫用此類藥物。而臺灣的管制類藥物濫用案例也越來越多，在108年度衛生福利部的「藥物濫用案件暨檢驗統計資料」中可以發現，濫用的首要原因為「紓解壓力」，因此臺灣在鎮定、安眠類的藥物濫用情況是比較嚴重的。雖然在美國有「處方藥監測系統（Prescription Drug Monitoring Programs）」，而臺灣也有與日本和美國相同的「管制藥品使用執照」勾稽策略，卻還是無法有效防止管制處方類藥物的不當轉移與濫用。因此，本研究的主要目的為分析管制類藥品的歷史資料，偵測與辨識潛在的藥物濫用或不當轉移情形與原因。本研究使用多變量的異常偵測方法，首先會將觀察對象的行為轉換為不同的變數，並分為兩個階段來分別分析離群的觀察對象、離群的行為與離群時間點。在第一階段中使用包含Hotelling’s T2 統計方法及Isolation Forest非監督式機器學習方法來偵測離群的對象，並在第二階段中進一步針對第一階段所偵測到的離群對象，進行離群行為與時間點的辨識，最後對結果進行探討。本研究使用美國某連鎖藥局之歷史處方箋資料進行研究，研究結果發現利用藥局的歷史處方箋資料能夠偵測到不同地區醫師的濫用程度與較常濫用的管制藥物成分，並與NSDUH的年度統計資料相符。