药物不良反应（ADR）的监测与信号检测

药物不良反应监测是药物警戒的核心环节，旨在识别、评估和预防药物相关风险。以下是系统化的监测方法与信号检测流程：

 

 

一、ADR监测的主要方法  

1. 自发报告系统（Spontaneous Reporting System, SRS）

机制：依赖医务人员或患者主动上报可疑ADR。  

数据库：  

   国际：WHO的VigiBase、FDA的FAERS（FDA Adverse Event Reporting System）。  

  中国：国家药品不良反应监测中心（ADR Center）。  

优点：成本低，覆盖广，可发现罕见ADR。  

局限：漏报率高（约90%-95%）、因果关系不确定。  

2. 主动监测（Active Surveillance）

哨点监测（Sentinel Sites）：定点医院/药房系统化收集数据（如疫苗AEFI监测）。  

登记研究（Registry Studies）：针对特定药物（如抗肿瘤新药）长期跟踪患者结局。  

电子健康记录（EHR）挖掘：利用大数据筛查潜在ADR信号。  

3. 集中监测（Intensive Monitoring）

医院集中监测：限定时间段内对住院患者全面记录用药与不良事件（如抗菌药物肝损伤监测）。  

处方事件监测（PEM：通过处方数据追踪患者后续健康结局（英国黄卡系统）。

  

二、ADR信号检测的关键步骤  

1. 信号生成（Signal Generation）  

定量方法：  

  比例报告比（PRR）：计算某药-事件组合报告比例是否显著高于背景值。  

  报告比值比（ROR）：基于四格表评估关联强度。  

  贝叶斯置信传播神经网络（BCPNN）：识别“非预期”报告模式（WHO常用）。  

定性方法：专家评估病例报告（如时间相关性、去激发/再激发结果）。  

2. 信号验证（Signal Validation）

病例分析：排除混杂因素（如合并用药、基础疾病）。  

文献回顾：检索已有研究证据支持或反驳关联性。  

生物学合理性：分析药物作用机制与事件的潜在联系（如PD-1抑制剂与免疫性肺炎）。  

3. 信号评估（Signal Evaluation）

因果关系判定：采用WHO-UMC标准或Naranjo量表评分。  

风险分级：根据严重性、可预防性、人群暴露量划分优先级。  

三、信号检测的实践工具与技术

1. 数据挖掘工具

OpenVigil：免费工具，可分析FAERS/VigiBase数据。  

Empirica Signal：商业软件，支持多维度信号筛选。  

2. 人工智能（AI）应用  

自然语言处理（NLP）：从电子病历、社交媒体文本中提取ADR描述。  

深度学习模型：预测高风险药物-事件组合（如基于EHR的ADRPredict）。  

3. 真实世界证据（RWE）整合  

多源数据联动：结合医保数据库、患者自报数据（如PatientsLikeMe平台）交叉验证信号。

  

四、经典案例与教训

1. 罗非昔布（万络）与心血管风险：  

   信号发现：SRS报告心肌梗死增加，PRR分析提示风险。  

   验证：VIGOR临床试验数据确认风险，最终撤市。  

2. 奥司他韦（达菲）与神经精神事件：  

   争议：日本青少年自杀报告激增，后经病例对照研究证实关联性有限。  

五、ADR监测的挑战与对策

1. 数据质量问题  

对策：推广结构化报告（如ICH E2B格式），减少自由文本误差。  

2. 信号过载与假阳性

对策：多方法交叉验证（如SRS+EHR+文献证据链）。  

3. 因果关系判定困难

对策：建立多学科专家委员会（如FDA的DSaRM）。

 

六、未来趋势  

1. 全球数据共享：WHO的PIDM（个例安全性报告国际传输）项目加速跨国信号检测。  
2. 患者参与：通过APP直接上报ADR（如FDA的MedWatcher）。  
3. 预测性警戒：基于组学数据（如代谢组学）预测个体化ADR风险。