基于自发呈报系统的关联规则挖掘技术对信号检测地研究.pdfVIP

2011年中国卫生统计学年会论文集 基于自发呈报系统的关联规则挖掘技术对信号检测的研究‘ 于超1孙弧林1吴骋1许金芳1叶小飞1钱维1杜文民2贺佳1△ 摘要背景自从白发呈报系统(SRSs)建立以来，检测药品不良反应信号的方法逐日增多。 如今众多方法虽已成熟但仍各有利弊，本研究目的就是探索一个新的数据挖掘算法——关联规则 (AR)，观察并展示其在监测药品安全性中的应用。方法本研究应用蒙特卡罗模拟方法随机的产生 单个药物导致的不良事件报告。再用AR连其他同其他四种现行的算法备臼挖掘并对结果进行比较。 另外，我们还对上海市2009年的SRSs采朋AR算法，并展示它的可行性。研究中使用的所有算法 通过SAS 9．1，3软件实现。结果蒙特卡洛模拟方法平均共产生108337个报告。AR与其他算法相比 应检测中心发布的通报信息，AR对09年上海市的报告检出了570个可疑关联。其中包括国家药品 际数据中都是一个有效的信号检测算法，并且其较好的灵敏度也保证了发现罕见可疑信号的能力。 本文尚有不足，还需对此方法进行更深入的研究。 关键词关联规则数据挖掘自发呈报系统药物警戒 药物警戒学(PHV)与人类的健康和医疗卫生密切相关，如今已经越发被人们所重视。PHV的 定义是：“它是一个有关于检测，评价，理解和预防不良效果或任何其他约品相关问题的活动和学 科。”【¨。PHV的关键是去收集和分析药品安全性的数据并获得有力的结论。由于动物实验数据和 临床试验的缺陷，为了获得完整的药品信息描述，上市后药品安全性的监测在PHV工作中将会是一 个重要的部分。应用在信号检测的主要的数据集是自发呈报系统(SRSs)。尽管中国的PI-W尚未成 增加。然而，对于监管药品安全的专家来说，从庞大的数据库中去鉴别常见的或严重的药品．不良事 件报告是不可思议的。而且，尽管SRSs对大规模数据有很高的效能和可行性，但药品不良事件在整 个人群中的背景发生率和病人对于药品的暴露率都无从知晓，更不用说缺失数据、随着时间推移报 告模式的改变、重复报告、报告质量不稳定等问题lZJ。 因此，我们急需一个有效的信号检测方法。英国药品与保健产品管理局和其他不良反应监测中 简单直观，对信号检测：I：作有很大的帮助【41。国际药品检测WHO合作中心(乌普萨拉监测中心)基 于贝叶斯理论发展了一种新的方法，叫做贝叶斯置信增值神经网络算法(BCPNN)[510这种方法经 证明也是一种应用在ADR信号检测中极其有用的方浏61。美国食品药品监督管理局(FDA)则应 用多重伽马泊松分布收缩法(MGPS)在大量频数表中挖掘信息[7．8l。然而每种方法都是有利有弊， 因为没有一个统一的金标准，我们无法充分的评价这些方法的性能优劣。 上述提到的所有这些分析方法都是基于一个基本的2x2频数表的比例失衡分析法。通过比较人 们服用某种药品导致的某不良反应与服用其他药品的某不良反应，就可以将发现的不成比例的报告 ，国家自然科学基金资助；上海市优秀学科带头人计划(A类)(09xDl405500) 1．第二军医大学卫生统计学教研室(200433) 2．上海市药品不良反应监测中心(200040) △通讯作者：贺佳教授，E-mail：hejia63@yahoo．COrn． 242 2011年中国一卫生统计学年会论文集 作为信号。但由于对照组一直处于变动的状态，用比例失衡方法来分析SRSs数据可能不是最合适的。 在此，我们正试着采用关联规则(AR)数据挖掘技术作为一种新的信号检测方法，并应用模拟数据 的形式来证实它的可行性。 理论和方法 1．关联规则挖掘技术 Retc． 数据挖掘是指应用统计方法来处理火型数据库，目的是发现新的信息【孔。 AR是Agrawal 在1993年首次提出，迄今为止是知识发现领域中最重要的数据挖掘技术之一，其主要用在辅助市场 决策中吼基本理论描述如下： ，={‘，之，…，‘)是一个项目集的集合。设任务相关的数据集D是数据库事务的集合，其中每个事 务T是项的集合，使得T∈I。关联规则提供了一个以“if-then”形式的语句，例如，如果一个孕妇服 用了利沙度安，那么她们