[發明專利]一種基于關聯規則分析的藥品不良反應信號檢測方法

有效

• 申請號: 201911117883.3
• 申請日: 2019-11-15
• 公開（公告）號: CN110879822B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 魏建香;陳帥;盧志強
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

本發明提供了一種基于關聯規則分析的藥品不良反應信號檢測方法，所述檢測方法以我國藥品不良反應ADR自發報告數據為基礎，對原始的數據記錄進行匯總并整理成表格，計算各項集中需要計算的參數；然后以MHRA信號檢測方法得出的陽性信號數量作為參照，確定支持度和置信度兩個最小閾值的大致范圍與調整步長；接著以MHRA法產生的信號集作為參考標準，計算不同支持度和置信度閾值條件下的召回率、精度、F指標值以及KS值；從所有組合測試的結果中，選擇KS最大值時所對應的支持度閾值和置信度閾值，為本方法的最小支持度閾值和最小置信度閾值，在這種情況下藥品和不良反應之間存在關聯關系。

技術領域

本發明涉及一種信號檢測方法，具體涉及一種基于關聯規則分析的藥品不良反應信號檢測方法，屬于藥品安全數據挖掘領域。

背景技術

藥品安全問題自提出以來，一直都是受到重視的熱點問題之一，它同人民健康、社會安穩密切相關。當今，國內已建立起系統性的藥品不良反應(Adverse Drug Reaction,ADR) 自發呈報數據庫。作為藥物安全監測的主要部分，它能定期收集病人和保健專業人員的不良事件報告，從分析中獲取最全面的藥物與不良反應之間的關系，為臨床運用與實際研究提供重要的支持。ADR信號挖掘是從ADR自發呈報系統的數據庫中，通過信號挖掘技術，高效、精確地挖掘ADR發生的規則和信號。

藥品不良反應信號檢測是指通過各類信號檢測技術找出藥品與不良反應事件之間可能存在因果關系，這種關系是未知的或者以前的文獻資料不能充分證實的。關聯規則是一種經典的數據挖掘方法，現在已經被廣泛應用于醫學領域。關聯規則挖掘中，支持度置信度是兩個最重要的參數，支持度表示同時包含事務A和事務B的事務占所有事務的比例，表示規則的實用性；置信度表示包含事務A的事務中同時包含事務B的比例，表示規則的確定性。但是，支持度置信度的閾值是由人為設定的，這將可能導致得出的規則擬合度高或者信號缺失嚴重。

關聯規則的挖掘算法大都在用戶設置的支持度閾值的限制條件下，挖掘出數據屬性之間的關系。但是如果沒有相關領域的專門知識，很難人為設置合適的支持度閾值。如果閾值設置得過高,一些隱含于數據中非頻繁特征或稀少特征項中的規則就可能被忽略掉,難以發現足夠的分類規則；如果設置得過小，又可能會產生過多的分類規則,甚至是無意義規則,最終導致過擬合問題。

發明內容

本發明將關聯規則分析方法應用于藥品不良反應信號檢測，基于我國藥品不良反應監測數據和藥品說明書數據，設計了信號檢測性能的評價指標并提出了支持度和置信度閾值的確定方法。本發明提供了一種基于關聯規則分析的藥品不良反應信號檢測方法，采用以下技術方案：

步驟1、基于我國藥品不良反應ADR自發報告數據進行數據預處理，將原始數據匯總并整理成表格；所述表格包含藥品名稱、不良反應名稱、該藥物產生目標不良反應的記錄數a、該藥物產生其它不良反應的記錄數b、其它藥物產生目標不良反應的記錄數c、其它藥物產生其它不良反應的記錄數d、PRR、卡方值χ²、MHRA、支持度Sup、置信度Con、信號標志SC11、目標藥物產生所有不良反應的記錄數ab、所有藥物產生目標不良反應的記錄數ac和該數據集的總記錄數abcd；

步驟2、計算步驟1整理的表格中每條藥品記錄需要計算的參數值；所述參數值包括b、 c、d、PRR值、χ²值、MHRA 值、支持度和置信度，

步驟3、以MHRA法產生的陽性信號數量作為參考，確定支持度和置信度兩個最小閾值的大致范圍與調整步長；

步驟4、以MHRA法產生的信號集作為參考，計算每次設定支持度和置信度條件下的召回率、精度、F指標值和KS值；

步驟5、找到KS值最大的記錄并分析。

優選地，步驟1中所述MHRA為經MHRA 法判別后的信號陽/陰性判斷，設陽性為“1”，陰性為“0”；所述SC11為支持度與置信度是否均大于所設定的閾值，當支持度和置信度均大于設為“1”，否則為“0”。