雙聚類算法研究及其在我國藥品不良反應監(jiān)測中的應用.pdf

1、研究背景和目的:
　　作為藥品上市后安全性監(jiān)測的重要組成部分，藥品不良反應自發(fā)呈報系統(tǒng)可以廣泛收集不良反應報告，實現(xiàn)對藥品不良反應的及時監(jiān)測。我國自發(fā)呈報系統(tǒng)數據庫中數據量龐大。2009年至2016年，年報告數量已從60余萬份激增到140余萬份。利用不相稱測定方法，研究者可以從自發(fā)呈報系統(tǒng)數據中檢測出大量不良反應信號，為藥品安全性評價提供基本依據。在檢測出不良反應信號之后，仍需要對信號進行評價才可以確定其是否為真實的藥品不良反應，

2、但是大量的信號給評價工作帶來十分艱巨的挑戰(zhàn)。
　　目前不良反應信號評價方法主要包括將檢測出的不良反應信號與藥品說明書數據對比、進行專家評價等，評價效率低下。如何提高信號評價工作的效率是藥品不良反應監(jiān)測領域中研究者亟需解決的問題之一。有研究指出:分析包含同一種不良反應的多個相似信號或包含同一種藥品的多個相似信號可能可以提高信號評價效率。這為提高我國信號評價過程的效率提供了新的思路。
　　本研究期望引入一種新的方法——雙聚類分析

3、方法，以期識別出我國不良反應信號數據中相似信號組合。利用組合中已確認信號的信息對待評價信號進行快速評價，提高信號評價工作的效率，并探索在分析我國不良反應信號數據過程中最優(yōu)參數設置。
　　研究方法:
　　將Bimax雙聚類算法引入到我國不良反應信號數據分析中。將檢測出的不良反應信號數據構建出原始定量數據矩陣。依據不同的區(qū)分強弱信號的IC值閾值將定量矩陣轉化成不同的0-1數據矩陣，并結合不同的Bimax算法參數，對不同的0-1數

4、據矩陣進行雙聚類分析，從中識別出對應信號值均超過閾值的多個藥品-不良反應組合，獲取相似性信號組合信息。然后，利用秩和比綜合評價法結合平均符合比例、涉及比例兩個指標對分析雙聚類結果進行評價，確定最優(yōu)區(qū)分強弱信號的IC值閾值及最優(yōu)Bimax算法參數。最后對最優(yōu)參數設置組合下雙聚類分析結果進行深入分析，明確雙聚類算法在我國不良反應信號數據分析中的運用效果。
　　研究結果:
　　通過秩和比綜合評價法比較不同參數設置組合下雙聚類方法的

5、分析結果，確定最優(yōu)區(qū)分強弱信號的閾值為IC=0.80，最優(yōu)的Bimax算法參數為最小雙簇行數3、最小雙簇列數3。
　　在上述參數設置組合下，利用Bimax雙聚類方法可以從不良反應信號數據中識別出4293個雙簇。雙簇平均包含23.41個信號，雙簇內組合的平均IC值為2.38。通過分類學評價可以發(fā)現(xiàn)所包含的藥品具有相似性或所包含的不良反應具有相似性的雙簇共有1836個，占雙簇總數的42.8％，涉及72.3％的IC值不小于0.80的待評

6、價信號;至少包含有一個已得到藥品說明書確認信號的雙簇有4272個，占總數的99.5％;包含的所有信號均已得到藥品說明書確認的雙簇有193個，占總數的4.5％。
　　在所有雙簇中出現(xiàn)頻次最多的藥品為“利培酮”，共在708個雙簇中出現(xiàn)，占總數的16.5％;出現(xiàn)頻次最多的不良反應為“肝功能異常”，共在720個雙簇中出現(xiàn)，占總數的16.8％。
　　研究結論:
　　利用雙聚類算法分析我國不良反應信號數據所得到的雙簇可以為潛在藥品