用于合并用药不良反应报告数据中虚假关联信号的筛选方法技术

本发明专利技术揭示了一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，包括如下步骤：S1、数据获取与预处理步骤，获取ADR数据并进行规范化处理；S2、数据拆分步骤，将数据拆分为单一对应组合；S3、频次统计及分析步骤，统计数据中每个组合的出现频次并进行相关性分析；S4、简易假性关联模型建立步骤，建立简易假性关联模型；S5、假性关联信号比例失衡模型建立步骤，建立假性关联信号比例失衡模型；S6、信号检测步骤，对优化前后的数据进行信号检测；S7、有效性评价步骤，对合并用药虚假关联筛选进行有效性评价，判断筛选前后信号检测的效果。本发明专利技术能够提升合并用药数据质量，提高不良反应信号检测的精度和效率。

Screening Method of False Associated Signals in Adverse Drug Reaction Reporting Data

The invention discloses a screening method for false correlation signals in combined ADR report data, which includes the following steps: S1, data acquisition and pre-processing steps, obtaining ADR data and standardizing processing; S2, data splitting steps, dividing data into a single corresponding combination; S3, frequency statistics and analysis steps, frequency of each combination in statistical data, frequency of occurrence of each combination in statistical data. And correlation analysis; S4, simple false correlation model establishment steps, establish simple false correlation model; S5, false correlation signal proportion imbalance model establishment steps, establish false correlation signal proportion imbalance model; S6, signal detection steps, signal detection before and after optimization of data; S7, effectiveness evaluation steps, false correlation screening of combined drugs have been carried out. Validity evaluation to judge the effect of signal detection before and after screening. The invention can improve the quality of data of combined drug use and the accuracy and efficiency of adverse reaction signal detection.

【技术实现步骤摘要】
用于合并用药不良反应报告数据中虚假关联信号的筛选方法
本专利技术涉及一种信号筛选方法，具体而言，涉及一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，属于药品安全数据挖掘领域。
技术介绍
一直以来，药物相互作用是药物安全性中的一个重要问题，也是药物不良反应(AdverseDrugReaction，ADR)信号检测中的一个难题。根据美国食品和药物管理局(FoodandDrugAdministration，FDA)的统计：药物相互作用导致的不良反应比例在6％到30％之间。从可操作性的角度而言，对不同药物之间相互作用的安全性进行监测是极具挑战性的。这是由于在实际的临床使用过程中，联合用药频繁且存在大量不可预知的药品组合，这些都使得我国自发呈报系统中报告组合形式多样，潜在报告数量过多，从而增加了药物相互作用(DrugDrugInteraction，DDI)安全监测的难度并使其变得复杂不可控。为此需要对合并用药中的虚假关联进行筛选，以提高DDI的检测的精度和效率。关于合并用药不良反应信号的挖掘与分析，当前国际上并未形成统一的标准，对于合并用药的ADR分析仍是当前研究的热点问题，并且国际上对于合并用药中药品与不良反应之间的关联度这一类的研究相当少。国内外目前通常采用的数据拆分方法是将一个合并用药报告中的所有药品与所有不良反应之间进行完全关联的方式，但在这样的数据处理方式中，必然存在着虚假关联信号。综上所述，如何在现有技术的基础上提出一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，以克服现有技术中存在着诸多缺陷，充分衡量合并用药中药品与不良反应之间的关联度，删除合并用药中药品与不良反应的虚假关联，提高不良反应信号检测的准确性，也就成为了本领域内技术人员亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷，本专利技术的目的是提出一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，包括如下步骤：S1、数据获取与预处理步骤，获取ADR数据，并将所述ADR数据中的不良反应名称和药品名称进行规范化处理；S2、数据拆分步骤，将经过预处理的ADR数据中多药品、多不良反应以及单药品、多不良反应的报告拆分为一对一的单一对应组合；S3、频次统计及分析步骤，统计所述ADR数据中每个组合的出现频次并进行相关性分析；S4、简易假性关联模型建立步骤，建立简易假性关联模型；S5、假性关联信号比例失衡模型建立步骤，建立假性关联信号比例失衡模型；S6、信号检测步骤，对使用所述简易假性关联模型和假性关联信号比例失衡模型优化前后的数据，使用ADR信号检测的方法进行信号检测；S7、有效性评价步骤，对合并用药虚假关联筛选进行有效性评价，使用药品说明书上面的药品不良反应警示作为已知库来判断虚假关联筛选前后信号检测的效果。优选地，在S1所述数据获取与预处理步骤中，所述ADR数据为国家中心的ADR数据。优选地，S2所述数据拆分步骤具体包括：首先将ADR数据中的合并用药数据和单独用药数据拆分开，将单独用药引起的n种不良反应一对一拆分成n个药品-不良反应组合，再将联合用药的i种药品及j种不良反应拆分为一一对应形成的i*j个药品-不良反应组合。优选地，S3所述频次统计及分析步骤具体包括：统计拆分后所述ADR数据中每条记录出现频次，构建合并用药数据集，其中包含药品名称、不良反应名称、单独用药出现频次、药品与不良反应关联度四个属性的数据表，计算药品与不良反应的相关性，假设单独用药时每种不良反应的发生完全独立，药品单独使用时产生某种不良反应的报告数量能够反应药品引起该不良反应的可能程度，定义药品D1与不良反应A1的相关性系数为随后使用全概率公式计算药品D1引起不良反应A1在单独用药时的相关性，计算公式为其中P(A1|D1)即为使用药品D1引起不良反应A1的概率，P(A1|D1)＝RD1(A1)，为未使用药品D1引起不良反应A1的概率，优选地，S4所述简易假性关联模型建立步骤具体包括：假设某种药品Dk引发不良反应Ai的报告次数小于等于X时，将药品Dk与不良反应Ai的组合视作假性关联，得到简易假性关联模型为其中为在单独用药时药品Dk引发的不良反应Ai事件出现的次数。优选地，在S4所述简易假性关联模型建立步骤中，当不良反应A1出现次数小于3，即可以认为药品D1产生不良反应A1的现象时偶然的，不用考虑这个不良反应组合，结合公式可将简易假性关联模型优化为ND1(A1)<3。优选地，S5所述假性关联信号比例失衡模型建立步骤具体包括：S51、计算药品D1与不良反应A1的映射与关联系数最大组合间的比例失衡dD1(A1)，计算公式为其中MAX(RD1(A1),RD2(A1),RD3(A1))表示在药品D1、药品D2和药品D3与不良反应A1的相关系数中取最大值；S52、将S51中的计算公式推广至一般情况，获得合并用药中的药品K与不良反应A1映射的假性关联信号的计算公式其中MAX(RD1(A1),RD2(A1)...)表示在一个合并用药的药品与不良反应A1的相关系数中取最大值，Rk(A1)为药品K与不良反应A1的相关系数；S53、在合并用药条件下，判断药品K与不良反应A1是否为一对假性关联，判断公式为Nk(A1)＝0|dk(A1)≥2，其中“|”为或逻辑运算，N(D)表示药品K在单独用药时所产生的不良反应A1的数量，dk表示药品K与不良反应的假性关联信号，不良反应A1可以为任意合并用药引起的不良反应。优选地，在S6所述信号检测步骤中，使用比例报告比算法进行信号检测，当药品与不良反应的组合满足PRR≥2，x2≥4时，将药品与不良反应的组合视作一个不良反应阳性信号。优选地，在S7所述有效性评价步骤中，评价指标包括精度、召回率以及F指标。与现有技术相比，本专利技术的优点主要体现在以下几个方面：本专利技术所提出的相关性模型能够有效地度量合并用药的药品与不良反应的相关性，同时，基于相关性模型而提出的假性关联度量模型还能够为删除假性关联提供有效的指导，提升合并用药数据质量，提高不良反应信号检测的精度和效率，从而为合并用药不良反应信号的检测提供参考。此外，本专利技术也为同领域内的其他相关问题提供了借鉴依据，可以以此为依据进行拓展延伸，运用于同领域内其他信号筛选方法的技术方案中，具有十分广阔的应用前景。以下便结合实施例附图，对本专利技术的具体实施方式作进一步的详述，以使本专利技术技术方案更易于理解、掌握。附图说明图1为本专利技术的步骤流程图；图2为本专利技术的原始数据集组合频次分布图；图3为本专利技术的单独用药数据拆分图；图4为本专利技术的合并用药数据拆分图。具体实施方式如图1～图4所示，本专利技术揭示了一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，包括如下步骤：S1、数据获取与预处理步骤，获取ADR数据，并将所述ADR数据中的不良反应名称和药品名称进行规范化处理。此处所述ADR数据为国家中心的ADR数据。S2、数据拆分步骤，将经过预处理的ADR数据中多药品、多不良反应以及单药品、多不良反应的报告拆分为一对一的单一对应组合。具体包括，首先将ADR数据中的合并用药数据和单独用药数据拆分开，将单独用药引起的n种不良反应一对一拆分成n个药品-不良反应组合，再将联合用药的i种药品及j种不良反应拆分为一一本文档来自技高网...

【技术保护点】
1.一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，其特征在于，包括如下步骤：S1、数据获取与预处理步骤，获取ADR数据，并将所述ADR数据中的不良反应名称和药品名称进行规范化处理；S2、数据拆分步骤，将经过预处理的ADR数据中多药品、多不良反应以及单药品、多不良反应的报告拆分为一对一的单一对应组合；S3、频次统计及分析步骤，统计所述ADR数据中每个组合的出现频次并进行相关性分析；S4、简易假性关联模型建立步骤，建立简易假性关联模型；S5、假性关联信号比例失衡模型建立步骤，建立假性关联信号比例失衡模型；S6、信号检测步骤，对使用所述简易假性关联模型和假性关联信号比例失衡模型优化前后的数据，使用ADR信号检测的方法进行信号检测；S7、有效性评价步骤，对合并用药虚假关联筛选进行有效性评价，使用药品说明书上面的药品不良反应警示作为已知库来判断虚假关联筛选前后信号检测的效果。

【技术特征摘要】
1.一种用于合并用药不良反应报告数据中虚假关联信号的筛选方法，其特征在于，包括如下步骤：S1、数据获取与预处理步骤，获取ADR数据，并将所述ADR数据中的不良反应名称和药品名称进行规范化处理；S2、数据拆分步骤，将经过预处理的ADR数据中多药品、多不良反应以及单药品、多不良反应的报告拆分为一对一的单一对应组合；S3、频次统计及分析步骤，统计所述ADR数据中每个组合的出现频次并进行相关性分析；S4、简易假性关联模型建立步骤，建立简易假性关联模型；S5、假性关联信号比例失衡模型建立步骤，建立假性关联信号比例失衡模型；S6、信号检测步骤，对使用所述简易假性关联模型和假性关联信号比例失衡模型优化前后的数据，使用ADR信号检测的方法进行信号检测；S7、有效性评价步骤，对合并用药虚假关联筛选进行有效性评价，使用药品说明书上面的药品不良反应警示作为已知库来判断虚假关联筛选前后信号检测的效果。2.根据权利要求1所述的用于合并用药不良反应报告数据中虚假关联信号的筛选方法，其特征在于：在S1所述数据获取与预处理步骤中，所述ADR数据为国家中心的ADR数据。3.根据权利要求1所述的用于合并用药不良反应报告数据中虚假关联信号的筛选方法，其特征在于，S2所述数据拆分步骤具体包括：首先将ADR数据中的合并用药数据和单独用药数据拆分开，将单独用药引起的n种不良反应一对一拆分成n个药品-不良反应组合，再将联合用药的i种药品及j种不良反应拆分为一一对应形成的i*j个药品-不良反应组合。4.根据权利要求1所述的用于合并用药不良反应报告数据中虚假关联信号的筛选方法，其特征在于，S3所述频次统计及分析步骤具体包括：统计拆分后所述ADR数据中每条记录出现频次，构建合并用药数据集，其中包含药品名称、不良反应名称、单独用药出现频次、药品与不良反应关联度四个属性的数据表，计算药品与不良反应的相关性，假设单独用药时每种不良反应的发生完全独立，药品单独使用时产生某种不良反应的报告数量能够反应药品引起该不良反应的可能程度，定义药品D1与不良反应A1的相关性系数为随后使用全概率公式计算药品D1引起不良反应A1在单独用药时的相关性，计算公式为其中P(A1|D1)即为使用药品D1引起不良反应A1的概率，RD1(A1)＝P(A1|D1)，为未使用药品D1引起不良反应A...

【专利技术属性】
技术研发人员：魏建香，张亚楠，刘美含，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32