ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Background: Look-alike and sound-alike (LASA) drug name errors are an internationally recognized patient safety risk, occurring across all stages of the medication use process and contributing to clinically significant harm. Proactive computational screening using orthographic similarity algorithms has been validated in Western and Australian drug registers; however, no validated computational approach exists for drug nomenclature in Thailand. Objective: To compare three orthographic similarity measures and an unweighted combined score for characterizing reported LASA drug name pairs in the Thai drug market. Methods: A total of 311 reported LASA drug name pairs from the LASA UBU database were analyzed using three individual orthographic measures—Normalized Levenshtein Edit Distance (LED), Bi-Similarity (BI-SIM), and Dice coefficient—and an unweighted combined score. Pairs were categorized as Brand–Brand, Generic–Generic, and Brand–Generic. A predefined similarity threshold of >0.5 was used to describe pairs exceeding the screening criterion. Results: The Generic-Generic group showed the highest proportion of high-similarity pairs: LED 55.95%, DICE 43.73%, Combined 43.41%, and BI-SIM 42.44%. Brand-Brand showed intermediate similarity (LED 38.59%, DICE 24.44%, Combined 24.44%, BI-SIM 23.15%), while Brand-Generic showed the lowest (LED 16.88%, DICE 5.14%, Combined 3.22%, BI-SIM 1.77%). LED classified the largest proportion of pairs above the predefined threshold overall. Conclusion: Computational orthographic analysis is feasible for proactive LASA screening in Thailand. Generic–Generic pairs had the highest proportion of names exceeding the threshold. LED classified the largest proportion of pairs above the threshold, whereas the combined score provided a more conservative summary across measures. Future work should prioritize two directions: (1) integration of phonetic similarity measures with Thai-adapted phonological rules — including EDITEX and ALINE — to capture the sound-alike dimension of LASA risk not addressed in the present study; and (2) prospective validation linking computational similarity scores to real-world Thai dispensing error outcomes, which would provide the evidence base required for national policy adoption.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 74/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Data Quality and Management · Pharmacy and Medical Practices · Patient Safety and Medication Errors
บทบาทของนักวิจัยและสถาบันไทย
Parin Chaithisan · Peerawit Sitthichai · Jintana Napaporn · Saksit Sripa · Chonladda Pitchayajittipong · Natthawut Banrueangthong · Chutchai Kaewta · Rapeepan Pitakaso · Thanatkij Srichok · Natthapong Nanthasamroeng · Prem Enkvetchakul · Sarayut Gonwirat · Teeraporn Sadira Supapaan · Ratchathani University · Ubon Ratchathani University · Ubon Ratchathani Rajabhat University · Buriram Rajabhat University · Kalasin University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง