基于Super Learner的边缘结构模型研究及发展

摘要：时依性混杂是纵向观察性研究数据中常见,但较难用传统回归模型控制的特殊混杂。边缘结构模型通过计算逆概率权重对原始人群进行加权,获得新的虚拟人群,消除混杂因素的影响,是目前控制时依性混杂较流行的方法。近年来,随着机器学习的发展,利用数据自适应算法计算逆概率权重的边缘结构模型逐步受到关注。Super Learner是其中较新颖的一种方法,其能很好地规避传统估计逆概率权重方法的缺陷。该文基于前人的相关研究,总结传统边缘结构模型和逆概率权重的构建与计算,介绍Super Learner的构建、优缺点以及目前在药物流行病学相关研究中的实际应用,并提出未来可研究和待解决的问题。     

药物流行病学研究中的时依性变量处理方法简介及比较

基于纵向数据的因果推断,进而评价药物安全性与有效性是药物流行病学的重要工作之一.但在现实研究中由于存在不同程度的混杂,无法直接计算药物效应值.混杂中时依性混杂最为常见,却难以通过常规方式消除影响.除了混杂因素,在一些试验中暴露因素同样具有时依性.本文基于领域相关研究,试图对时依性变量的种类进行辨析,简要介绍含时依系数的...     

基于美国不良事件报告系统数据库的阿帕他胺不良事件分析研究

摘要：目的:利用美国FDA不良事件报告系统（FAERS）分析上市后阿帕他胺的用药不良事件,为可疑药品不良事件提供数据支持,挖掘潜在不良事件信号,为安全用药提供现实依据。方法:利用FAERS数据库2018年第一季度到2020年第四季度数据,首先进行数据清洗与目标药物名称标准化,以阿帕他胺为主要怀疑药物作为筛选条件,在16 686 793条记录中获得5 053条阿帕他胺不良事件记录,利用不相称测定分析法中的报告比值法（ROR）和信息成分法（IC）挖掘药品不良事件信号,利用MedDRA 23.0术语集对信号结果进行系统分类并进行中文名称对应。结果:根据所选方法的检出条件,即ROR值置信区间下限大于1或IC置信区间下限大于0为限制条件,共得到90个不良事件信号,经过同义合并和排除药物外所致不良事件共获得69个药品不良信号,阿帕他胺的不良事件主要表现在皮肤及皮下组织类疾病、神经系统疾病、心脏器官疾病,且存在严重不良事件,不良事件结局较差。结论:潜在不良事件信号结果为近期日本提示的间质性肺炎和中毒性表皮坏死松解症的个案报道提供了数据支撑,数据挖掘结果显示该两种严重不良事件反应为阿帕他胺较为强烈的检出信号。此外,检出痴呆、多形性红斑、冠状动脉综合征、细菌性肺炎感染等新的不良信号,为进一步完善药品使用说明提供线索。     

机器学习方法在FAERS布加替尼不良反应信号检测中的应用

目的 评估机器学习算法在检测布加替尼（Brigatinib）药品不良反应信号中的性能。方法 使用美国食品药品监督管理局（FDA）不良反应事件报告系统（FAERS）2017年4月1日至2022年3月31日收集的布加替尼药品不良反应信号数据开展研究。首先为研究药品构建一个输入数据集,包括药品标签上列出的已知不良反应和未知不良反应。对于已知不良反应,训练4种机器学习算法,并通过曲线下面积（AUC）评估机器学习算法[随机森林（random forest,RF）、极限梯度提升机（extremegradientboosting）、Logistic回归和邻近算法（k-NearestNeighbor,kNN）]与传统不相称分析方法 [报告优势比（ROR）]和信息成分（IC）]进行比较。结果 kNN算法具有最高的AUC,平均值0.875,其余方法中Logistic回归（0.852）,XGBoost(0.722),RF(0.662)和DPA(0.548)。在未知不良反应数据集中,以kNN算法建立的机器学习模型检出6个额外信号（占15.8%）,传统不相称方法检出4个额外信号（占10.5%）。结论 以kNN算...     

放置胆管支架与儿童ERCP术后胰腺炎的关系

 目的 探讨放置胆管支架与儿童内镜逆行胰胆管造影(ERCP)术后胰腺炎(PEP)的关系。方法 基于美国国家住院患者样本(NIS)数据库中的儿童患者,使用复杂抽样资料的Logistic回归和多重填补方法进行评价,并根据性别进行亚组分析。结果 放置胆管支架的儿童患者,患PEP的风险较未放置胆管支架的高(OR: 1.44,95% CI: 1.05~1.99,P=0.0246)。亚组分析结果显示,男性儿童放置胆管支架者患PEP风险约为未放置者的1.9倍(OR: 1.89,95% CI: 1.08~3.31,P=0.0262);女性儿童患者未发现放置胆管支架与PEP患病相关联。结论 放置胆管支架与儿童ERCP术后发生PEP风险增加相关,因此对儿童放置胆管支架时,应采取预防措施、停止或更改手术方式等,以降低发生PEP的危险。     

观察性健康数据科学和信息学组织实用工具简介

摘要：运用真实世界大数据进行药品不良反应主动监测受到了国内外学者的高度关注。其中如何实现多个形式不一数据库之间的数据整合,仍然是发挥大数据优势对药品不良反应进行主动监测时存在的一个巨大的挑战。本文旨在通过介绍观察性健康数据科学和信息学（OHDSI）组织的几种工具软件,为我国开展药品不良反应主动监测的数据整合提供思路及方向。     

缺失数据处理在药物流行病学研究中的应用及进展

缺失数据是药物流行病学研究中常见而且难以避免的问题,但与混杂因素相比,往往没有受到重视,其会导致后续对药物的评估引入潜在偏倚,以致得出错误结论.本文旨在通过介绍几种缺失数据的处理方法,为药物流行病学研究提供更多有价值的信息.     

重叠加权法在药品不良反应信号检测中的模拟研究

目的 通过模拟研究探索重叠加权法在药品不良反应信号检测中均衡混杂因素的效果。方法 采用点估计值、标准误、偏倚、均方差、95%置信区间覆盖率综合评价倾向性评分分层、倾向性评分匹配、逆概率加权法及重叠加权法这4种方法在4种不同组间重叠程度时效应估计的准确性和稳定性。结果 在本研究的模拟情景中,重叠加权法效应估计的结果最准确、稳定,其他3种方法的准确性和稳定性随着重叠程度的减小均逐渐变差,逆概率加权法差异最大。结论 重叠加权法可以作为在药品不良反应信号检测中均衡混杂因素的一种选择。     

观察性研究中混杂因素控制的敏感性分析方法

摘要：随机对照试验是因果推断的金标准。然而由于药品上市前研究的局限性,需要在上市后进一步开展药品不良反应监测。上市后药品不良反应监测主要为基于真实世界的观察性研究,无法完全替代随机对照临床试验的最主要原因就是其控制混杂因素的效果不如随机对照试验。现在有很多方法可有效控制已知混杂因素,但未知混杂因素的控制仍是一大难点。目前比较流行的控制未知混杂因素的方法(如工具变量法、双重差分法等)适用条件过于苛刻,而敏感性分析法应用条件较为灵活,但使用相对复杂,并未得到广泛使用。本文介绍三类实用性较强的敏感性分析法,阐明了其原理及使用方法,以便研究者在观察性研究中适当应用。     

上市后不良反应评价中似然比检验方法的比较

目的 对上市后安全性监测中各类似然比检验方法（likelihood ratio test, LRT）进行概述及比较。方法 通过文献检索对上市后不良反应评价中LRT方法的原理进行综述并对进一步的探索方向进行展望。结果 现有研究表明与报告比值比、信息成分方法相比LRT方法能更好控制I型错误发生率,并且有多种方法适用于不同的应用场景。结论 LRT方法是上市后不良反应评价可行的方法之一,尤其适用于需要严格控制伪发现率,或者需要权衡伪发现率/I型错误发生率与灵敏度/检验功效的情况,但仍有许多问题需进一步探索。