基于 VAERS 的不良事件富集检验

疫苗安全性对个人与公共卫生至关重要。许多现有方法已被用于借助 VAERS（疫苗不良事件报告系统）数据库开展安全性研究。然而，这些方法常识别出大量不良事件（AE）信号，且在生物学背景下往往难以解释。AE 本体通过将相似 AE 相连，为 VAERS 数据库引入了具有生物学意义的结构，从而为潜在的安全性问题提供有意义的解读。本文中，我们发展了严格的统计方法，通过执行 AE 富集分析来识别“有趣”的 AE 组。我们将已有的基因富集检验推广以进行 AE 富集分析。与连续的基因表达数据不同，AE 数据为计数数据。因此，AE 数据存在大量零值与结。我们提出两种富集检验：AEFisher 与 AEKS。AEFisher 是基于预先筛选的显著 AE 的修正 Fisher 精确检验，而 AEKS 基于一种修正的 Kolmogorov-Smirnov 统计量。两种检验均纳入了 AE 数据的特殊特征。所提方法通过模拟研究进行了评估，并进一步在两项使用 VAERS 数据的研究中加以说明。通过恰当处理 AE 计数数据中结与过多零值的问题，我们的富集检验表现良好，这由模拟研究及 VAERS 数据分析所证实。所提方法已在 R 包 AEenrich 中实现，并可从综合 R 档案网络 CRAN 安装。