基于药物不良反应信号监测的随机森林模型

如何充分利用现有的药物不良反应信息资料，快速、高效、准确地筛选可疑的药物不良反应信号，使"药物危害事件"给人们带来的危害降到最小，是目前极受关注并迫切需要解决的问题。本研究以上海市药品不良反应监测中心自发呈报系统数据库资料为背景，在整理、规范、标准化数据库之后，探讨基于随机森林模型的药物不良反应信号检测方法。通过自助法生成多个分类树组成随机森林，按各种药物不良反应的重要性评分进行分类，将变量的重要性动态排序，通过比较变量集取舍前后的分类性能，逐步从数据中删除"不起作用"的变量。通过逐步迭代法对未删除的变量反复筛选，自动获取对分类有意义的不良反应信号，形成"药物-不良反应"组合，建立"最优"随机森林判别模型，建立随机森林模型在药物警戒中的标准流程算法，提高模型的判别效果，提高监测的灵敏度和特异度。并将该模型应用于药物不良反应实际监测之中，检验其效能，发挥其在药物预警中的作用，造福人类社会。