药物联合作用不良反应监测的贝叶斯网-关联规则

药物不良反应监测是保障用药安全的重要手段，监测的实施通过药物不良反应信号的检测来完成。目前常用的药物不良反应信号检测方法多为针对单药不良反应的分析方法，缺乏对药物联合作用不良反应信号检测方法的研究及应用，而药物联合作用导致的安全性问题更严重、更复杂、更隐匿。课题组前期进行了一系列单药不良反应信号检测方法的研究，取得了一定的成果。本研究拟在前期工作的基础上，探讨药物联合作用不良反应监测方法。以药物不良反应自发呈报系统为依托，将贝叶斯网与关联规则相结合，构建"药物-药物"与"不良反应"以及其他相关因素之间的贝叶斯网-关联规则数据挖掘算法和模型，通过最小支持度、最小可信度、作用度等信号检测度量指标的科学设置以及通过贝叶斯网有向无环图间节点关系，建立药物联合作用不良反应之间关联程度评价依据，解决联合用药产生的不良反应信号检测的问题，切实提高药物联合作用不良反应信号检测的可行性和效能。

药品不良反应监测是保障用药安全的重要手段，监测的实施通过药品不良反应信号的检测来完成。目前常用的药品不良反应信号检测方法多针对单药不良反应的分析方法，缺乏对药物联合作用不良反应信号检测方法的研究及应用，而药物联合作用导致的安全性问题更严重，更复杂，更隐匿。本课题构建了贝叶斯网-关联规则模型，并应用于药物联合作用不良反应信号检测。发现最小支持度、最小可信度及支持度是贝叶斯网-关联规则产生信号的关键指标。贝叶斯网-关联规则数据挖掘技术在药品不良反应信号检测中，最重要的规则筛选度量函数为支持度，作用度可以作为辅助评价不良反应信号强弱的指标，置信度则可以作为同一药品不同不良反应发生率的比较。通过模拟研究发现，当最小作用度设为1.2时，youden指数最高，说明作用度为1.2是信号检测较好的阈值。设置最小支持度设为3时，此时ROC曲线下面积为0.788，达到较好的诊断水准。课题组利用所建立的贝叶斯网-关联规则模型，挖掘上海市药品不良反应自发呈报系统，检测出药物联合作用引起的药品不良反应信号，如泼尼松-阿巴西普引起的带状疱疹，红细胞生成素-腹膜透析液引起的嗜酸性粒细胞增多症。此外，课题组探讨了药品不良反应信号检测中混杂因素消除的方法，如分层分析，倾向性评分法等。基于循证医学，探讨质子泵抑制剂与髋部骨折之间风险等关系。课题组多次与国内外相关专家深入探讨药物警戒与生物统计学科相关问题，参加第29届国际药物流行病学会年会。切实加强各方的合作关系，不仅解决了贝叶斯网-关联规则模型构建上的一些难题，也为后续的科学研究的发展打下了扎实的基础，同时增强了我国在药物警戒领域的影响力。此外，课题组开发了一套药品不良反应数据整理与分析管理软件“基于数据挖掘技术的药品不良反应信号检测系统应用软件（网络版）V1.0”。课题组自立项以来，培养博士生1名，硕士研究生3名，发表SCI论文9篇，核心论文7篇。