five

ATC (Anatomical Therapeutic Chemical) Classification System|药物分类数据集|ATC系统数据集

收藏
www.who.int2024-10-27 收录
药物分类
ATC系统
下载链接:
https://www.who.int/tools/atc-ddd-toolkit/atc-classification
下载链接
链接失效反馈
资源简介:
ATC分类系统是一个用于药物分类的国际标准系统,由世界卫生组织(WHO)维护。该系统根据药物的解剖学、治疗学和化学特性对药物进行分类。ATC代码由五个字母组成,每个字母代表不同的分类层次。第一层代表解剖学主组,第二层代表治疗学亚组,第三层代表药理学亚组,第四层代表化学亚组,第五层代表具体的化学物质。
提供机构:
www.who.int
AI搜集汇总
数据集介绍
main_image_url
构建方式
ATC分类系统数据集的构建基于世界卫生组织(WHO)的ATC分类标准,该标准将药物按照其治疗用途、化学结构和药理作用进行多层次分类。数据集的构建过程包括收集全球范围内的药物信息,根据其化学成分、药理作用和治疗领域进行分类,并将其映射到ATC的五个层次结构中。每一层次的分类都经过严格的科学验证和国际共识,确保分类的准确性和一致性。
特点
ATC分类系统数据集的特点在于其多层次的分类结构,从第一层次的解剖学分类到第五层次的具体药物,每一层次都提供了详细的分类信息。此外,该数据集涵盖了广泛的药物种类,包括处方药和非处方药,适用于全球范围内的药物管理和研究。数据集的更新频率较高,以反映药物市场的最新变化和科学研究的进展。
使用方法
ATC分类系统数据集可用于多种药物管理和研究场景。在药物管理方面,该数据集可用于药物目录的编制、药物政策的制定和药物使用的监测。在研究领域,ATC分类系统可用于药物流行病学研究、药物相互作用分析和药物疗效评估。使用该数据集时,研究人员需根据具体需求选择合适的分类层次,并结合其他数据源进行综合分析,以确保研究结果的准确性和可靠性。
背景与挑战
背景概述
ATC(Anatomical Therapeutic Chemical)分类系统是由世界卫生组织(WHO)于1976年开发的一种药物分类系统,旨在根据药物的药理作用、治疗用途和化学结构对其进行分类。该系统由五个层次组成,从解剖学主分类(第一层次)到化学物质分类(第五层次),为全球药物管理和研究提供了标准化的框架。ATC分类系统的引入极大地促进了药物信息的统一和标准化,为药物研发、临床应用和公共卫生政策制定提供了重要的参考依据。
当前挑战
尽管ATC分类系统在药物分类和标准化方面取得了显著成就,但其构建过程中仍面临诸多挑战。首先,随着新药的不断涌现,系统需要不断更新以适应新的化学物质和治疗用途,这要求持续的维护和扩展。其次,不同国家和地区的药物使用习惯和法规差异,可能导致分类标准的不一致性。此外,数据的质量和完整性也是一大挑战,确保所有药物信息准确无误地纳入系统需要大量的资源和专业知识。
发展历史
创建时间与更新
ATC分类系统由世界卫生组织(WHO)于1976年首次提出,旨在为药物提供一个系统的分类框架。该系统自创建以来,经历了多次修订和更新,最近一次重大更新是在2021年,以确保其与现代药物和治疗实践的同步。
重要里程碑
ATC分类系统的重要里程碑包括1996年的第二次修订,引入了第五级分类,即药物的具体成分分类,从而提高了系统的详细性和实用性。2004年,WHO发布了ATC/DDD(Defined Daily Dose)系统,将药物的临床使用剂量纳入分类标准,进一步增强了其在临床实践中的应用价值。此外,2011年,ATC系统与ICD-11(国际疾病分类第十一版)的整合,标志着其在全球卫生信息系统中的核心地位。
当前发展情况
当前,ATC分类系统已成为全球药物分类和管理的黄金标准,广泛应用于药品监管、医疗保险报销、药物经济学研究等多个领域。其不断更新的分类标准和与国际疾病分类系统的整合,确保了其在现代医疗体系中的持续相关性和实用性。ATC系统的持续发展不仅推动了药物分类的科学化,也为全球卫生政策的制定和实施提供了坚实的数据支持。
发展历程
  • ATC分类系统首次由世界卫生组织(WHO)正式发布,旨在对药物进行系统分类,以便于药物的研发、监管和使用。
    1976年
  • WHO对ATC系统进行了重大修订,引入了第五级分类(ATC/DDD系统),增加了药物的日剂量(DDD)指标,以标准化药物使用量的比较。
    1996年
  • ATC分类系统被广泛应用于全球多个国家的药物监管和医疗保健系统,成为药物分类和使用的重要标准。
    2003年
  • WHO发布了ATC系统的最新版本,进一步细化了药物分类,并更新了药物的DDD值,以反映最新的临床实践和药物使用情况。
    2011年
常用场景
经典使用场景
在药物分类与管理领域,ATC(Anatomical Therapeutic Chemical)分类系统被广泛应用于药物的系统化分类。该系统根据药物的解剖学、治疗学和化学特性,将药物分为五个层次,从大类到具体药物。这一分类方法不仅有助于药物的科学管理,还为药物的研发、生产和临床应用提供了标准化的参考框架。通过ATC分类系统,研究人员和临床医生能够更高效地检索和比较不同药物的特性和用途,从而优化药物选择和治疗方案。
衍生相关工作
ATC分类系统的引入和应用,催生了大量相关的经典研究工作。例如,基于ATC分类系统的药物相互作用研究,帮助揭示了不同药物之间的潜在相互作用,为临床用药提供了重要参考。此外,ATC分类系统还被用于药物流行病学研究,分析不同药物在人群中的使用模式和效果,为公共卫生决策提供了数据支持。在药物经济学领域,ATC分类系统也被广泛应用于药物成本效益分析,帮助优化药物资源配置。
数据集最近研究
最新研究方向
在药物分类领域,ATC(Anatomical Therapeutic Chemical)分类系统作为国际通用的药物分类标准,其最新研究方向主要集中在利用机器学习和大数据分析技术,以提升药物分类的准确性和效率。研究者们通过整合多源数据,如药物化学结构、临床试验结果和患者反馈,构建更为精细的药物分类模型。这些模型不仅有助于药物的精准分类,还能为个性化医疗提供支持,从而优化治疗方案,减少药物不良反应。此外,随着全球药物监管政策的不断更新,ATC分类系统的研究也在不断适应这些变化,确保其分类标准的时效性和适用性。
相关研究论文
  • 1
    The Anatomical Therapeutic Chemical (ATC) Classification SystemWorld Health Organization · 2002年
  • 2
    The Anatomical Therapeutic Chemical (ATC) Classification System: A Review of Its History and DevelopmentNational Center for Biotechnology Information · 2015年
  • 3
    Application of the Anatomical Therapeutic Chemical (ATC) Classification System in PharmacovigilanceElsevier · 2018年
  • 4
    The Anatomical Therapeutic Chemical (ATC) Classification System and Its Use in Drug Utilization ResearchNational Center for Biotechnology Information · 2019年
  • 5
    Anatomical Therapeutic Chemical (ATC) Classification System: A Tool for Drug Classification and Its Application in Clinical PracticeElsevier · 2020年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

github 收录

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

Nexdata/chinese_dialect

该数据集包含25,000小时的中文方言语音数据,收集自多个方言区域的本地方言使用者,涵盖闽南语、粤语、四川话、河南话、东北话、上海话、维吾尔语和藏语等。数据格式为16kHz、16bit、未压缩的wav文件,单声道。句子准确率超过95%。数据集支持的任务包括自动语音识别(ASR)和音频说话人识别。

hugging_face 收录

中国沙漠边界数据集(2000-2020年)

  本数据集基于Landsat遥感影像,通过辐射定标和大气校正等预处理算法得到沙漠区域影像,通过人工目视解译及波段指数的方法提提取沙漠边界区域。数据集涉及的沙漠主要包括中国八大沙漠。分别为腾格里沙漠,塔克拉马干沙漠,巴丹吉林沙漠,库布奇沙漠,乌兰布和沙漠,库木塔格沙漠,古尔班通古特沙漠,...

国家冰川冻土沙漠科学数据中心 收录