O trabalho futuro incide em investimento para criac¸˜ao de uma identidade visual para o F´acil Bula, na qual uma nova marca seja criada, para que tanto o website, quanto os aplicati- vos utilizem os mesmos componentes e layout, assim mantendo para o usu´ario uma vis˜ao que independente da plataforma a marca se mant´em.
Tamb´em elencam-se: a escrita de artigos por meio do estudo de novas tecnologias se- guindo a publicac¸˜ao aceita pelo SBSI (DA SILVA; SILLA JR.; KASHIWABARA, 2015), junta- mente com a procura por parcerias para o crescimento do projeto, como a UTFPR e o SEBRAE com cursos, consultoria e estrutura, juntamente com a participac¸˜ao de eventos relacionados com sa´ude, empreendedorismo, tecnologias, entre outras ´areas. A procura por recursos para investi- mento em infraestrutura, servidores com melhores desempenhos, e marketing, relacionado com m´ıdias sociais e tamb´em com publicidade digital, atrelado ao estudo de t´ecnicas para melhorar os ´ındices de CTR, bem como potencializar a taxa de CPC em an´uncios do Google AdWords. O crescimento do projeto possui como principal objetivo a busca de mais usu´arios para o sistema, j´a que nosso plano de neg´ocio aprovado pela Incubadora da UTFPR se resume na aquisic¸˜ao de clientes que paguem mensalmente assinatura ao website e assim tenham acesso a todas as ferramentas que sejam disponibilizadas pela plataforma.
Pretende-se manter um canal aberto por meio de um question´ario com os usu´arios do F´acil Bula para que esses possam avaliar as ferramentas dispon´ıveis e descrever sobre d´uvidas, sugest˜oes ou melhorias que possam agregar para o sistema. Pelo aspecto social do projeto ´e de interesse que se submeta a ferramenta a um Comitˆe de ´Etica para que se fac¸a uma avaliac¸˜ao do projeto como um todo.
Por fim, pretende-se continuar a pesquisa por tecnologias e desenvolver novas ferra- mentas para o mercado, tamb´em desenvolver aplicativos para Android e Windows Phone, al´em de disponibiliz´a-los para o uso em tablets e integrac¸˜ao com outros dispositivos seguindo o con- ceito da internet das coisas, t´ıtulo que representa a revoluc¸˜ao tecnol´ogica atualmente.
REFER ˆENCIAS
ABRAFARMA. ABRAFARMA - Associac¸˜ao Brasileira de Redes de Farm´acias e Droga- rias. nov. 2015. Dispon´ıvel em: <http://www.abrafarma.com.br/>.
ADWORDS, Google. Vantagens Google AdWords. ago. 2015. Dispon´ıvel em:
<https://www.google.com.br/adwords/benefits/>.
AGICHTEIN, E.; GRAVANO, L. Snowball: Extracting relations from large plain-text collecti- ons. In: Proceedings of the Fifth ACM Conference on Digital Libraries. San Antonio, Texas, USA: ACM, 2000. p. 85–94.
ANALYTICS, Google. An´alise da Web e relat´orios - Google Analytics. abr. 2015. Dispon´ıvel em: <https://www.google.com/analytics/>.
ANGLES, R.; GUTIERREZ, C. Survey of graph database models. ACM Computing Surveys (CSUR), Volume 40, n. Issue 1, p. 1–39, 2008. Article No. 1, ACM New York, NY, USA.
ANVISA. Resoluc¸˜ao-RDC No140, de 29 de maio de 2003. 2003. ANVISA. Resoluc¸˜ao-RDC No47, de 8 de setembro de 2009. 2009.
ANVISA. Como acessar o Bul´ario Eletrˆonico? out. 2013. Dispon´ıvel em: <http://s.anvisa.gov.br/wps/s/r/f4>.
ANVISA. ANVISA - A Agˆencia. jul. 2015. Dispon´ıvel em: <http://portal.anvisa.gov.br/>.
APPLE, Inc. iTunes Connect. set. 2015. Dispon´ıvel em: <https://itunesconnect.apple.com/>.
ATKINSON, M. P.; BANCILHON, F.; DEWITT, D. J.; DITTRICH, K. R.; MAIER, D.; ZDONIK, S. B. The object-oriented database system manifesto. In: Deductive and Object- Oriented Databases. Kyoto, Japan: DOOD, 1989. p. 40–57.
AWS. Cloud Solutions - Amazon Web Services (AWS). mar. 2015. Dispon´ıvel em: <https://aws.amazon.com/solutions/>.
BERNERS-LEE, Tim; HENDLER, James; LASSILA, Ora et al. The semantic web. Scientific american, New York, NY, USA:, v. 284, n. 5, p. 28–37, 2001.
BIGUETTI, C. C.; ANDRADE, H. L. de. Farmacologia 01 - Como agem os
f´armacos: Receptores, Agonista e Antangonistas - B´asico. Nov. 2014. Dispon´ıvel em: <https://www.youtube.com/watch?v=eTFpIIuJ8Xg>.
BRASIL. Presidˆencia da Rep ´ublica. Lei No9.782, de 26 de janeiro de 1999. 1999.
BRASIL. Minist´erio da Sa ´ude. Uso racional de medicamentos: temas selecionados. 2012. 1. ed. Bras´ılia: Editora MS. 156 p.
BUENO, C. S.; OLIVEIRA, K. R. DE; BERLEZI, E. M.; EICKHOFF, H. M.; DALLEPIANE, L. B.; GIRARDON-PERLINI, N.; MAFALDA, A. et al. Utilizac¸˜ao de medicamentos e risco de interac¸˜oes medicamentosas em idosos atendidos pelo programa de atenc¸˜ao ao idoso da uniju´ı. Revista de Ciˆencias Farmacˆeuticas B´asica e Aplicada, v. 30, n. 3, p. 331–338, 2010.
CALDEIRA, T. R.; NEVES, E. R. Z.; PERINI, E. Evoluc¸˜ao hist´orica das bulas de medica- mentos no brasil. Cadernos de Sa ´ude P ´ublica, SciELO Public Health, v. 24, n. 4, p. 737–743, 2008.
CAPASSO, R.; IZZO, A. A.; PINTO, L.; BIFULCO, T.; VITOBELLO, C.; MASCOLO, N. Phytotherapy and quality of herbal medicines. Fitoterapia, v. 71, p. 58–65, 2000.
CASSIANI, S. H. D. B. A seguranc¸a do paciente e o paradoxo no uso de medicamentos. Revista Brasileira de Enfermagem, SciELO Brasil, v. 58, n. 1, p. 95–99, 2005.
CHERVEN, K. Network graph analysis and visualization with Gephi. : Packt Publishing Ltd, 2013.
CIOLKO, E.; LU, F.; JOSHI, A. Intelligent clinical decision support systems based on snomed ct. In: Engineering in Medicine and Biology Society (EMBC), 2010 Annual International Conference of the IEEE. Buenos Aires: IEEE, 2010. p. 6781–6784.
C ˆOT ´E, R.A.; PATHOLOGISTS, College of American; ASSOCIATION, American Veteri- nary Medical. The systematized nomenclature of human and veterinary medicine: SNO- MED international. United States: College of American Pathologists and Schaumburg, IL: American Veterinary Medical Association, 1993.
COULET, A.; SHAH, N. H.; GARTEN, Y.; MUSEN, M.; ALTMAN, R. B. Using text to build semantic networks for pharmacogenomics. Journal of biomedical informatics, Elsevier, v. 43, n. 6, p. 1009–1019, 2010.
CUNNINGHAM, H.; MAYNARD, D.; BONTCHEVA, K.; TABLAN, V.; URSU, C.; DIMI- TROV, M.; DOWMAN, M.; ASWANI, N.; ROBERTS, I.; LI, Y. Developing language proces- sing components with gate. The University of Sheffield, Department of Computer Science, United Kingdom, 2014.
DA SILVA, J. F.; SILLA JR., C. N.; KASHIWABARA, A. Y. Adding structured information to the anvisa’s ”bul´ario eletrˆonico”. In: Proceedings of the Annual Conference on Brazilian Symposium on Information Systems: Information Systems: A Computer Socio-Technical Perspective. Porto Alegre, Rio Grande do Sul, Brazil: Brazilian Computer Society, 2015. (SBSI 2015, v. 1), p. 69:509–69:516.
DA SILVA, M.; ALMEIDA, A. E.; OLIVEIRA, A. M.; CORREIA, C. C.; BENZATTI, F. P.; FERNANDES, J. T.; BARBOSA, G. R.; PIMENTA, C. P.; COSTA, T.; DONEIDA, V. C. Es- tudo da bula de medicamentos: uma an´alise da situac¸˜ao. Revista de Ciˆencias Farmacˆeuticas B´asica e Aplicada, p. 229–236, 2006.
DATASUS. O DATASUS. ago. 2015. Dispon´ıvel em:
<http://www2.datasus.gov.br/DATASUS/index.php?area=01>.
DAVIS, A. P.; GRONDIN, C. J.; LENNON-HOPKINS, K.; SARACENI-RICHARDS, C.; SCI- AKY, D.; KING, B. L.; WIEGERS, T. C.; MATTINGLY, C. J. The comparative toxicogenomics
database’s 10th year anniversary: update 2015. Nucleic acids research, Oxford Univ Press, v. 43, n. D1, p. D914–D920, 2015.
DAVIS, A. P.; MURPHY, C. G.; ROSENSTEIN, M. C.; WIEGERS, T. C.; MATTINGLY, C. J. The comparative toxicogenomics database facilitates identification and understanding of chemical-gene-disease associations: arsenic as a case study. BMC medical genomics, BioMed Central Ltd, v. 1, n. 1, p. 48, 2008.
DAVIS, A. P.; MURPHY, C. G.; SARACENI-RICHARDS, C. A.; ROSENSTEIN, M. C.; WI- EGERS, T. C.; MATTINGLY, C. J. Comparative toxicogenomics database: a knowledgebase and discovery tool for chemical–gene–disease networks. Nucleic acids research, Oxford Univ Press, v. 37, n. suppl 1, p. D786–D792, 2009.
DEVELOPERS, Google. Google Developers - Explorar os servic¸os do Google para disposi- tivos m´oveis. out. 2015. Dispon´ıvel em: <https://developers.google.com/>.
DONNELLY, K. Snomed ct: The advanced terminology and coding system for ehealth. Studies in Health Technology and Informatics, v. 121, p. 279–290, 2006.
DRUGBANK. DrugBank. nov. 2014. Dispon´ıvel em: <http://www.drugbank.ca/>.
EDWARDS, I. R.; ARONSON, J. K. Adverse drug reactions: definitions, diagnosis, and mana- gement. The Lancet, Elsevier, v. 356, n. 9237, p. 1255–1259, 2000.
ELEVITCH, F. Snomed ct: electronic health record enhances anesthesia patient safety. Ameri- can Association of Nurse Anesthetists, v. 73, p. 361–366, 2005.
ELMASRI, R.; WEELDREYER, J.; HEVNER, A. The category concept: an extension to the entity-relationship model. Data & Knowledge Engineering, Elsevier, v. 1, n. 1, p. 75–116, 1985.
EVANS, W. E.; RELLING, M. V. Pharmacogenomics: translating functional genomics into rational therapeutics. science, American Association for the Advancement of Science, v. 286, n. 5439, p. 487–491, 1999.
FAERS. FDA Adverse Event Reporting System (FAERS): Latest Quarterly Data Files. set. 2015. Dispon´ıvel em: <http://goo.gl/vYe6BG>.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge disco- very in databases. AI magazine, v. 17, n. 3, p. 37, 1996.
FDA. U.S. Food and Drug Administration - Protecting and Promoting Your Health. jul. 2015. Dispon´ıvel em: <http://www.fda.gov/AboutFDA/default.htm>.
FELDMAN, R.; SANGER, J. The text mining handbook: advanced approaches in analy- zing unstructured data. : Cambridge University Press, 2007.
FIELDING, R. Representational state transfer. Architectural Styles and the Design of Netowork-based Software Architecture, p. 76–85, 2000.
FOX, C. A stop list for general text. SIGIR Forum, ACM, New York, NY, USA, v. 24, n. 1-2, p. 19–21, set. 1989.
GAROFALAKIS, M.; RASTOGI, R.; KYUSEOK, S. Mining sequential patterns with regular expression constraints. Knowledge and Data Engineering, IEEE Transactions on, v. 14, n. 3, p. 530–552, May 2002.
GUARINO, Nicola. Formal ontology and information systems. In: Proceedings of FOIS. 1998. v. 98, n. 1998, p. 81–97.
HAMOSH, A.; SCOTT, A. F.; AMBERGER, J. S.; BOCCHINI, C. A.; MCKUSICK, V. A. Online mendelian inheritance in man (omim), a knowledgebase of human genes and genetic disorders. Nucleic acids research, Oxford Univ Press, v. 33, n. suppl 1, p. D514–D517, 2005. HAN, J.; HAIHONG, E.; LE, G.; DU, J. Survey on nosql database. In: PROCEEDINGS OF THE 6TH INTERNATIONAL CONFERENCE ON. Pervasive Computing and Applications (ICPCA). Port Elizabeth, South Africa, 2011. p. 363–366.
HAN, J.; KAMBER, M. Data mining: Concepts and techiniques. Morgan Kaufmann Pu- blishers, v. 2. ed, 2006. San Francisco.
HARRIS, J. Next generation linkage management system. In: AUSTRALIAN COMPUTER SOCIETY, INC. Proceedings of the Sixth Australasian Workshop on Health Informatics and Knowledge Management. Adelaide, Australia, 2013. v. 142, p. 7–12.
HEALTH, US Department of; SERVICES, Human et al. Coding symbols for thesaurus of ad- verse reaction terms. rockville (md): Department of health and human services. Food and Drug Administration, Center for Drug and Biologics, Division of Drug and Biological Experi- ence, 1995.
HEPPLE, M. Independence and commitment: Assumptions for rapid training and execution of rule-based pos taggers. In Proceedings of the 38th Annual Meeting of the Association for Computational Linguistics, p. 277–278, 2000.
HOLZSCHUHER, F.; PEINL, R. Performance of graph query languages: Comparison of cypher, gremlin and native access in neo4j. In: Proceedings of the Joint EDBT/ICDT 2013 Workshops. New York, NY, USA: ACM, 2013. (EDBT ’13), p. 195–204.
IHTSDO. SNOMED-CT. nov. 2014. Dispon´ıvel em: <http://www.ihtsdo.org/snomed-ct>. J ´UNIOR, F. P.; GODOY, D. B.; PIRES, D. F. S.; PIETROBON, E.; ROSA, F. T. A.; SARAIVA, J. S. et al. Potenciais interac¸˜oes medicamentosas em prescric¸˜oes de um hospital-escola de porto alegre. Rev Assoc Med Rio Grande Do Sul, p. 251–6, 2009.
KANEHISA, M.; GOTO, S. Kegg: kyoto encyclopedia of genes and genomes. Nucleic acids research, Oxford Univ Press, v. 28, n. 1, p. 27–30, 2000.
KIBBE, W. A.; ARZE, C.; FELIX, V.; MITRAKA, E.; BOLTON, E.; FU, G.; MUNGALL, C. J.; BINDER, J. X.; MALONE, J.; VASANT, D. Disease ontology 2015 update: an expanded and updated database of human diseases for linking biomedical knowledge through disease data. Nucleic acids research, Oxford Univ Press, p. 1–8, 2014.
KIVIKANGAS, P.; ISHIZUKA, M. Improving semantic queries by utilizing unl ontology and a graph database. In: IEEE. Proceedings of the 2012 IEEE Sixth International Conference on Semantic Computing (ICSC). Palermo, 2012. p. 83–86.
KUHN, M.; CAMPILLOS, M.; LETUNIC, I.; JENSEN, L. J.; BORK, P. A side effect resource to capture phenotypic effects of drugs. Molecular systems biology, EMBO Press, v. 6, n. 1, p. 343, 2010.
LAPORTE, J. R.; BAKSAAS, I.; LUNDE, P. K. M. General background. In: Drug Utiliza- tion Studies: Methods and Uses (M. N. G. Dukes, ed.), European Series 45, p. 5–22, 1993. Copenhagen.
LEAMAN, R.; WOJTULEWICZ, L.; SULLIVAN, R.; SKARIAH, A.; YANG, J.; GONZA- LEZ, G. Towards internet-age pharmacovigilance: Extracting adverse drug reactions from user posts in health-related social networks. In: Proceedings of the 2010 Workshop on Biomedical Natural Language Processing. Uppsala, Sweden: Association for Computational Linguistics, 2010. p. 117–125.
LI, Y.; MANOHARAN, S. A performance comparison of sql and nosql databases. In: 2013 IEEE PACIFIC RIM CONFERENCE ON. Communications, Computers and Signal Proces- sing (PACRIM). Victoria, BC, 2013. p. 15–19.
LIPSCOMB, C. E. Medical subject headings (mesh). Bulletin of the Medical Library Asso- ciation, Medical Library Association, v. 88, n. 3, p. 265, 2000.
LIU, M.; MATHENY, M. E.; HU, Y.; XU, H. Data mining methodologies for pharmacovigi- lance. ACM SIGKDD Explorations Newsletter, ACM, v. 14, n. 1, p. 35–42, 2012.
MAHDIRAJI, A. R.; BAUMANN, P. Database support for unstructured meshes. Proc. VLDB Endow., VLDB Endowment, v. 6, n. 12, p. 1404–1409, aug 2013.
MATTINGLY, C. J.; COLBY, G. T.; FORREST, J. N.; BOYER, J. L. The comparative toxico- genomics database (ctd). Environmental health perspectives, National Institute of Environ- mental Health Science, v. 111, n. 6, p. 793–795, 2003.
MEIJ, E.; BRON, M.; HOLLINK, L.; HUURNINK, B.; DE RIJKE, M. Mapping queries to the linking open data cloud: A case study using dbpedia. Web Semantics: Science, Services and Agents on the World Wide Web, Elsevier, v. 9, n. 4, p. 418–433, 2011.
MILLER, J. J. Graph database applications and concepts with neo4j. In: Proceedings of the Southern Association for Information Systems Conference. Atlanta, GA, USA: AIS, 2013. (SAIS ’13), p. 141–147.
MOURA, C. S.; RIBEIRO, A. Q.; STARLING, S. Avaliac¸˜ao de interac¸˜oes medicamentosas potenciais em prescric¸˜oes m´edicas do hospital das cl´ınicas da universidade federal de minas gerais. Latin American Journal of Pharmacy, v. 26, n. 4, p. 596–601, 2007.
NEO4J. Intro to Cypher. nov. 2014. Dispon´ıvel em: <http://neo4j.com/developer/cypher- query-language/>.
NEVES, E. R. Z.; CALDEIRA, T. R.; MELO, G.; MURASAKI, R. T. Projeto bulas: Informac¸˜ao sobre medicamentos on-line. In: ASSOCIATION FOR COMPUTATIONAL LIN- GUISTICS. Congresso Brasileiro de Inform´atica em Sa ´ude. 2006. v. 10, n. 2006, p. 1474– 1479.
NOTIVISA. Sistema Nacional de Notificac¸˜oes para a Vigilˆancia Sanit´aria - NOTIVISA. dez. 2014. Dispon´ıvel em: <http://www.anvisa.gov.br/hotsite/notivisa/apresenta.htm>.
PIAO, S. A Highly Accurate Sentence and Paragraph Breaker – Try It! nov. 2014.
PORTER2, M. The English (Porter2) stemming algorithm. nov. 2014. Dispon´ıvel em: <http://Snowball.tartarus.org/algorithms/english/stemmer.html>.
RAMASUBRAMANIAN, C.; RAMYA, R. Effective pre-processing activities in text mining using improved porter?s stemming algorithm. International Journal of Advanced Research in Computer and Communication Engineering, v. 2, n. 12, p. 4536–4538, dec. 2013.
RATH, A.; OLRY, A.; DHOMBRES, F.; BRANDT, M. M.; URBERO, B.; AYME, S. Repre- sentation of rare diseases in health information systems: the orphanet approach to serve a wide range of end users. Human mutation, Wiley Online Library, v. 33, n. 5, p. 803–808, 2012. RHO, M. J.; KIM, S. R.; PARK, S. H.; JANG, K. S.; PARK, B. J.; CHOI, I. Y. Development common data model for adverse drug signal detection based on multi-center emr systems. In: IEEE. International Conference on Information Science and Applications (ICISA). Pattaya, Thailand, 2013. p. 1–7.
RILOFF, E.; LEHNERT, W. Information extraction as a basis for high-precision text classifica- tion. ACM Transactions on Information Systems (TOIS), Volume 12, n. Issue 3, p. 296–333, 1994.
ROSA, M. B.; PERINI, E.; ANACLETO, T. A.; NEIVA, H. M.; BOGUTCHI, T. Erros na prescric¸˜ao hospitalar de medicamentos potencialmente perigosos. Revista de Sa ´ude P ´ublica, SciELO Brasil, v. 43, n. 3, p. 490–498, 2009.
SCHEMA.ORG. Welcome to Schema.org. jul. 2015. Dispon´ıvel em: <http://schema.org/>.
SCHRIML, L. M.; ARZE, C.; NADENDLA, S.; CHANG, Y. W.; MAZAITIS, M.; FELIX, V.; FENG, G.; KIBBE, W. A. Disease ontology: a backbone for disease semantic integration. Nucleic acids research, Oxford Univ Press, v. 40, n. D1, p. D940–D946, 2012. USA.
SEAN, C. S. Martindale: The Complete Drug Reference. 33rd. ed. London: The Pharma- ceutical Press, 2002.
SECOLI, S. R. Interac¸˜oes medicamentosas: fundamentos para a pr´atica cl´ınica da enfermagem. Revista da Escola de Enfermagem da USP, v. 35, n. 1, p. 28–34, 2001.
SEHN, R.; CAMARGO, A. L.; HEINECK, I.; FERREIRA, M. B. C. Interac¸˜oes medicamen- tosas potenciais em prescric¸˜oes de pacientes hospitalizados. Infarma, v. 15, n. 9-10, p. 77–81, 2003.
STONEBRAKER, M. Sql databases v. nosql databases. Commun. ACM, ACM, New York, NY, USA, v. 53, n. 4, p. 10–11, abr. 2010.
STORE, Apple. Downloads de App Store no iTunes. set. 2015. Dispon´ıvel em: <https://itunes.apple.com/br/>.
SUN, P. G. The human drug–disease–gene network. Information Sciences, Elsevier, v. 306, p. 70–80, 2015.
THELWALL, M. A web crawler design for data mining. Journal of Information Science, Sage Publications, v. 27, n. 5, p. 319–325, 2001.
USP. Trabalhando com a FDA nos EUA - U. S. Pharmacopeial Convention. ago. 2015. Dispon´ıvel em: <http://www.usp.org/pt/usp/reconhecimento-legal/trabalhando-com-fda-nos- eua>.
VALENTINI, G.; RE, M. Network-based drug ranking and repositioning with respect to drug- bank therapeutic categories. Journal IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB)., v. 10, p. 1359–1371, 2013.
WALLACE, J.; PAAUW, D. S. Appropriate prescribing and important drug interactions in older adults. Medical Clinics of North America, Elsevier, v. 99, n. 2, p. 295–310, 2015.
WHO. World Health Organization. International Classification of Diseases (ICD). out. 2015. Dispon´ıvel em: <http://www.who.int/classifications/icd/en/>.
WHO. World Health Organization. International statistical classification of diseases and related health problems - 10th Revision. United Nations: World Health Organization, 2015. WILLIAMS, D.W.; HUAN, J.; WANG, W. Graph database indexing using structured graph decomposition. In: ENGINEERING, Data (Ed.). IEEE 23rd International Conference on. Istanbul, 2007. p. 976–985.
WINKLER, W. E. The State of Record Linkage and Current Research Problems. 1999. Statistical Research Division, U.S. Census Bureau.
WISHART, D.S.; KNOX, C.; GUO, A. C.; CHENG, D.; SHRIVASTAVA, S.; TZUR, D.; GAU- TAM, B.; HASSANALI, M. Drugbank: a knowledgebase for drugs, drug actions and drug targets. Nucleic Acids Research, v. 36, p. D901–D906, 2008.
WISHART, D. S.; KNOX, C.; GUO, A. C.; CHENG, D.; SHRIVASTAVA, S.; TZUR, D.; GAUTAM, B.; HASSANALI, M. Drugbank: a knowledgebase for drugs, drug actions and drug targets. Nucleic acids research, Oxford Univ Press, v. 36, n. suppl 1, p. D901–D906, 2008. YOON, D.; PARK, M. Y.; CHOI, N. K.; PARK, B. J.; KIM, J. H.; PARK, R. W. Detection of adverse drug reaction signals using an electronic health records database: Comparison of the laboratory extreme abnormality ratio (clear) algorithm. Clinical Pharmacology & Therapeu- tics, Wiley Online Library, v. 91, n. 3, p. 467–474, 2012.
ZENG-TREITLER, Q.; GORYACHEV, S.; TSE, T.; KESELMAN, A.; BOXWALA, A. Esti- mating consumer familiarity with health terminology: a context-based approach. Journal of the American Medical Informatics Association, Elsevier, v. 15, n. 3, p. 349–356, 2008. ZHU, F.; HAN, B.; KUMAR, P.; LIU, X.; MA, X.; WEI, X.; HUANG, L.; GUO, Y.; HAN, L.; ZHENG, C. et al. Update of ttd: therapeutic target database. Nucleic acids research, Oxford Univ Press, v. 38, n. suppl 1, p. D787–D791, 2010.
ANEXO A -- ARTIGO SBSI 2015
O estudo realizado gerou a publicac¸˜ao de um artigo no XI SBSI, ocorrido entre o dia 26 at´e o dia 29 de maio de 2015, na cidade de Goiˆania-GO. O t´ıtulo da publicac¸˜ao foi “Adicionando informac¸˜oes estruturadas ao Bul´ario Eletrˆonico da ANVISA” e pode ser visualizado a seguir. O objetivo deste artigo foi apresentar as t´ecnicas utilizadas para estruturar as informac¸˜oes das bulas m´edicas dispon´ıveis na ANVISA e inferi-las em um banco de dados n˜ao relacional base- ado em grafos, ou seja, Neo4j, e mostrar as consultas por interac¸˜oes medicamentosas, reac¸˜oes adversas, ou contraindicac¸˜oes desses registros estruturados.
A apresentac¸˜ao do artigo foi feita no dia 28 de maio de 2015, nesta oportunidade foi apresentado o website do F´acil Bula, juntamente com todas as t´ecnicas e tecnologias utilizadas na concepc¸˜ao do trabalho, ao final perguntas foram feitas com o intuito de sanar d´uvidas com relac¸˜ao `a obtenc¸˜ao das bulas, tamb´em no modo de estruturac¸˜ao dos dados e notificac¸˜oes contra automedicac¸˜ao.
Pontos positivos da participac¸˜ao integral deste evento listam-se pelo network entre v´arios pesquisadores de diferentes regi˜oes do pa´ıs, com ´areas de interesses diversos que na medida do poss´ıvel foram dispostos a contribuir com melhorias do projeto, oportunidade de apresentar a ideia do trabalho e colher feedback de pessoas interessadas, juntamente com a sinalizac¸˜ao de parcerias com pesquisa e projetos que podem ocorrer com a maturidade deste trabalho.
Por fim, a cada palestra presenciada, ideias eram adicionadas ao projeto, por mais sim- ples que fossem, seja uma t´ecnica de minerac¸˜ao de textos ou at´e mesmo um forma de neg´ocio para comercializac¸˜ao e disponibilizac¸˜ao por exemplo. O evento proporcionou uma palestra internacional do professor Kevin Crowston, da Syracuse University, que apresentou algo so- bre sistemas colaborativos, em que trouxe ideias para que o F´acil Bula seja um sistema de colaborac¸˜ao entre profissionais da ´area de sa´ude e pacientes.
Adicionando informações estruturadas
ao Bulário Eletrônico da ANVISA
Alternative Title: Adding structured information
to the ANVISA’s “Bulário Eletrônico”
João Vitor F. da SilvaPrograma de Pós-Graduação em Informática Universidade Tecnológica Federal do Paraná CEP 86300-000 – Cornélio Procópio – PR – Brasil poferrari@gmail.com Carlos N. Silla Jr. Programa de Pós-Graduação em Informática Universidade Tecnológica Federal do Paraná CEP 86300-000 – Cornélio Procópio – PR – Brasil carlosjunior@utfpr.edu.br André Y. Kashiwabara Programa de Pós-Graduação em Informática Universidade Tecnológica Federal do Paraná CEP 86300-000 – Cornélio Procópio – PR – Brasil kashiwabara@utfpr.edu.br RESUMO
O Minist´erio da Sa´ude e outros ´org˜aos relacionados preten- dem evitar a automedica¸c˜ao e incentivar o cuidado do uso concomitante entre medicamentos, por´em estes ´org˜aos n˜ao disponibilizam ferramentas para facilitar este processo. A ANVISA disponibiliza um conjunto de 6.076 bulas em for- mato PDF, mas as informa¸c˜oes nelas contidas n˜ao est˜ao es- truturadas. Um dos desafios deste trabalho consistiu em extrair automaticamente as informa¸c˜oes presentes nesse con- junto de bulas. Este artigo apresenta uma metodologia se- miautom´atica de minera¸c˜ao de textos para mapear as bulas da ANVISA nas redes de intera¸c˜oes entre f´armacos da base de dados DrugBank, juntamente com as doen¸cas encontra- das na base SNOMED-CT. Os medicamentos, as doen¸cas, os f´armacos e suas rela¸c˜oes foram estruturadas e armazena- das em um banco de dados em grafos utilizando a tecnologia Neo4j.
Palavras-Chave
minera¸c˜ao de textos, bulas, intera¸c˜oes, f´armaco, doen¸ca
ABSTRACT
The Brazilian Ministry of Health and other related orga- nizations are concerned with the issue of self-medication.