摘要
在药物安全领域内，对药品引起的不良反应事件的监督越来越受到重视。药品不良反应(AdverseDrugReaction，ADR）是由正常剂量的药物正常使用引起的意外伤害。药品引起的不良反应事件不仅危害公众的健康，而且给医疗保健系统造成巨大的损失，是医院第五大常见的死亡原因。现有的信号检测方法主要集中在单个药品和单个不良反应之间的关联关系，缺乏在药品类的水平上研究药品风险。在我国药物警戒信息中，药品类的不良反应事件曾经多次被报道。因此，如何有效挖掘药品类的风险成为一个非常值得研究的课题。为了挖掘药品类的风险特征，本文提出了一种基于概念泛化的方法，将传统药品不良反应信号检测中的“药品-不良反应”泛化为对应的“药品类-累及系统器官”。首先将主流的信号检测方法应用于我国ADR监测数据，并对信号结果进行对比分析的基础上，选择IC为本文的信号检测方法挖掘药品类风险信号。同时，提出了一种基于互信息的药品类信号检测方法并利用DCG特征提取技术分析药品类与累及系统之间的潜在关联。本文的主要工作包括： （1）本研究选取了2011年至2018年我国江苏省药品不良反应自发报告数据库的ADR报告为数据源。从中选择5类药品为本文的实验数据，共涉及44种药物，699种不良反应。根据WHO-ART不良反应术语集、药品目录和中国药典，对原始数据报告进行拆分、规范、分类和概念泛化，提取数据集中的药品类别、药品名称、不良反应名称、累及系统器官等关键属性。 （2）从网络采集美国食品药品监督管理局(FoodandDrugAdministration，FDA)和中国国家食品监督管理局(ChinaFoodandDrugAdministration，CFDA)发布的不良反应通报信息，构建结果验证库，为本文提出方法的信号检测结果提供客观评价标准。 （3）采集药品说明书数据，构建已知信号库，为本文所采用的信号评价指标，如召回率、精确率、F1、AP、MAP等，提供计算依据。将常规信号检测方法（PRR、ROR、MHRA、IC、x2）应用于实验数据，经过对各信号检测方法评价分析，确定IC为本文的信号检测方法。而后使用DCG（Discountedcumulativegain）算法对基于IC的实验结果进行评级、打分和风险特征提取，并与结果验证库进行对比，正确率高达67%，故IC信号检测方法结果较为理想。 （4）提出了一种基于互信息的药品类信号检测方法SDMI（signaldetectionbasedonmutualinformationfordrugcategory）。利用F1指标最大化原则来设置SDMI方法的信号检测阈值，并将此方法与常规信号检测方法进行对比。将该方法应用于实验数据挖掘药品类和累及系统器官关联信号，并使用DCG算法对实验结果进行风险特征提取。实验结果表明，与IC相比，本文提出的SDMI具有更好的药品类信号挖掘的性能。
NETL