Bayes方法筛选药物不良反应信号及利益风险研究

Bayes方法筛选药物不良反应信号及利益风险研究

论文摘要

药物安全关乎民生,历来受到国家的重视,特别是近年来药害事件频繁见于报道,亟待建立一套高效的药物上市后监测体系,以及时发现药物潜在的缺陷并避免药害事件的发生和扩大。我国的药监事业蓬勃发展,目前已经建立了一套遍布全国32个省、自治州和直辖市的药物安全监测体系,这套系统目前已有网络平台,可以通过互联网实现即时的药物不良信息传递。国家中心保存从全国各监测点上报的药物不良信息,截止2007年,已经积累了十几万份的不良反应报告。如此海量的数据靠人工分析需要投入大量的人力、时间,不仅检出率低,而且极易错过对有问题药物进行处理的最佳时机;因此如何对这些数据进行快速准确的分析成为一个亟待解决的问题。比例不平衡算法是一种比较成熟的算法,应用于药物不良反应信息的分析的时间也较长,可以快速、准确的从海量的数据中将因果可能性比较大的药品不良反应挑选出来。在西方发达国家如美国、英国、澳大利亚、新西兰等国都采用该方法对海量的药品不良反应信息进行分析。贝叶斯法是比例不平衡算法中的一种,世界卫生组织的国际药物监测中心使用该方法对药物的不良反应进行监测。我国的药物不良反应数据库与国外相比,积累信息的时间比较短,报告数量相对较少。若将贝叶斯法运用于我国的药物不良反应信号挖掘,需要解决以下几个问题:1、能否有效分析我国的药物不良反应信息数据库中的数据;2、运用于分析我国数据库中的数据时,其敏感度与特异度如何;3、能否根据现实需要对一些有严重不良反应的、风险远大于获得利益的信息进行重点分析。为了解决以上几个问题,本研究进行了如下的处理与分析:本研究使用的数据是从国家药物不良反应监测中心网上平台中的上海市2003年到2007年4月间的药物不良反应数据。下载后,对数据进行了整理、数据规范、不良反应编码。使用了贝叶斯神经网络可信区间递推法(BCPNN)进行了不良反应可疑信号的筛选,对其敏感度与特异度进行了分析。并进一步分析了数据库中报告数量多少对信号分析的影响。并用贝叶斯神经网络可信区间递推法对已经被国家药品食品监督管理局停用的与鱼腥草注射液等7种中药注射剂、欣弗(克林霉素磷酸酯)以及国际公认的卡托普利引起咳嗽的不良反应进行了分析。最后讨论了对根据贝叶斯法为基础对药品不良反应的利益-风险进行了半定量的分析,使可能性高、风险远远大于利益的药物-不良反应组合充分突显。本研究得到结果如下:上海市2003年12月到2007年4月间共上报了不良反应报告31930份,其中涉及药物2147种,不良反应621种,药物-不良反应组合共计61444个。通过贝叶斯神经网络可信区间递推法(BCPNN)筛选得到可疑信号1340个。参考省中心和国家中心的评价结果作为评判标准,对该1340个信号进行了敏感度与特异度的分析,得到结果:灵敏度0.29(去除小于三例的报告后可达到0.62),特异度0.92,假阴性率0.71,假阳性率0.08,约登指数0.21,ROC曲线下面积0.657(p<0.001)。本研究发现使用该方法可以早期发现已经停用的欣弗和鱼腥草注射液等7种中药注射剂的不良反应因果关系。本研究最后讨论了根据贝叶斯法为基础对药品不良反应的利益-风险进行半定量分析的可能性。发现结合了利益-风险半定量分析后可以增加筛选出来的信号数量,使总体的敏感度达到0.33(去除小于三例的报告后可达到0.70);并且尝试使用该方法对已经筛选出来的信号进行精练,使可能性高、风险远远大于利益的药物-不良反应对子充分突显。同时本研究还将数据整理、数据规范、不良反应编码、不良反应可疑信号筛选和信号的利益-风险进行半定量分析过程都用Excel中的Visual Basic语言实现,极大提高工作的效率,缩短了分析和判断的时间。

论文目录

  • 摘要
  • Abstract
  • 第一部分 概述
  • 一、前言
  • 二、研究目的、意义、思路、步骤及内容
  • 三、资料来源、分析工具
  • 第二部分 贝叶斯法在药物不良反应信号筛选中的应用
  • 一、药物不良反应可疑信号发现的一般步骤
  • 二、数据收集-不良反应信息的监测方法
  • 三、数据整理-不良反应的规范化
  • 四、计算机筛选-信号的自动发现
  • 五、BCPNN法在实际数据中的应用
  • 第三部分 药物不良反应可疑信号的利益-风险半定量分析
  • 一、信息的量化
  • 二、计算公式
  • 三、利益-风险半定量分析在实际数据中的应用
  • 第四部分 结果与讨论
  • 一、结果
  • 二、讨论
  • 参考文献
  • 综述
  • 在读期间发表论文和参加科研工作情况说明
  • 一、在读期间发表论文
  • 二、参加科研情况说明
  • 附录 程序代码
  • 一、自动下载程序
  • 二、Excel数据表的合并
  • 三、药物名称的规范
  • 四、不良反应名称的编码
  • 五、数据集的转换
  • 六、信号的筛选和利益-风险半定量分析
  • 致谢
  • 相关论文文献

    • [1].基于产检信息的Bayes判别分析在巨大儿发生风险中的初步探讨[J]. 中华疾病控制杂志 2019(11)
    • [2].基于Bayes网络的机载多功能雷达工作模式识别[J]. 电子信息对抗技术 2020(01)
    • [3].Bayes判别模型在风化基岩富水性预测中的应用[J]. 西安科技大学学报 2019(06)
    • [4].调整型Bayes序贯验后加权战术导弹批抽检方法[J]. 兵器装备工程学报 2017(06)
    • [5].基于多级Bayes判别的砂砾岩体岩性识别方法[J]. 价值工程 2017(30)
    • [6].主成分分析与Bayes判别法在突水水源判别中的应用[J]. 煤田地质与勘探 2017(05)
    • [7].基于Bayes算法的垃圾邮件过滤[J]. 晋中学院学报 2015(03)
    • [8].全概率公式及Bayes公式的几点推广[J]. 品牌 2014(10)
    • [9].定数截尾数据缺失场合下参数m,η的Bayes估计[J]. 文理导航(中旬) 2020(11)
    • [10].关于全概率公式和Bayes公式的应用和推广[J]. 考试周刊 2012(71)
    • [11].电路板维修成本的Bayes估计[J]. 山东工业技术 2016(01)
    • [12].全概率公式和Bayes公式的推广及其应用[J]. 成才之路 2011(14)
    • [13].基于Bayes理论的小子样可靠性评估方法应用[J]. 科技创新与生产力 2014(05)
    • [14].基于Bayes决策的奇异点检测[J]. 计算机应用 2013(01)
    • [15].线性混合模型中方差分量的经验Bayes检验[J]. 中北大学学报(自然科学版) 2013(03)
    • [16].供应链网络可靠性的多层Bayes估计模型[J]. 系统科学与数学 2012(01)
    • [17].基于Bayes理论的液压挖掘机可靠性研究[J]. 煤矿机械 2012(11)
    • [18].矿山地质环境安全评估的Bayes判别分析法及应用[J]. 中国安全科学学报 2011(01)
    • [19].Bayes判别分析法在泥石流预测中的应用研究[J]. 昆明理工大学学报(理工版) 2010(06)
    • [20].推土机故障诊断的Bayes判别方法研究[J]. 筑路机械与施工机械化 2008(04)
    • [21].物种总数的一类Bayes区间估计的改进[J]. 生物数学学报 2008(01)
    • [22].陶瓷原料分类的Bayes判别分析法[J]. 硅酸盐通报 2008(02)
    • [23].熵损失函数下几何分布参数的Bayes估计[J]. 商丘师范学院学报 2008(06)
    • [24].疑诊消化道恶性肿瘤患者四种常用肿瘤标志物诊断效度评价及Bayes判别式构建[J]. 中华肿瘤防治杂志 2020(18)
    • [25].谐波能量谱特征向量的高光谱影像Bayes分类[J]. 计算机应用研究 2017(05)
    • [26].基于Bayes理论的测试性数据融合评估技术[J]. 火力与指挥控制 2017(08)
    • [27].天然草地分类的Bayes判别分析法[J]. 中国草地学报 2016(03)
    • [28].基于Bayes判别分析的配电网故障选线方法[J]. 电力学报 2016(03)
    • [29].基于Bayes空间模型的区域金融发展影响因素分析[J]. 商业研究 2015(01)
    • [30].基于Bayes理论的重型数控机床可靠性评估方法研究[J]. 现代制造工程 2015(08)

    标签:;  ;  ;  ;  

    Bayes方法筛选药物不良反应信号及利益风险研究
    下载Doc文档

    猜你喜欢