基于计算统计学的个案不良药物相互作用检测：以比例失衡度为例
应用统计
2025-04-02 v1 统计计算
摘要
不良药物相互作用是药物警戒中的关键关注点，因为临床试验和自主举报系统常缺乏足够的广度以检测复杂药物相互作用。本研究引入一种计算框架用于不良药物相互作用检测，利用个案不良事件报告中的比例失衡度进行分析。通过整合解剖治疗药物（ATC）分类，该框架超越药物相互作用，捕获药物分层关系。为解决现有比例失衡度 measure 固有的偏见，我们采用超几何风险度量指标，马尔可夫链蒙特卡洛算法为风险关联的鸡尾酒提供稳健的经验 p 值估计。遗传算法进一步促进了高风险药物鸡尾酒的高效识别。对合成数据和美国食品药品监督管理局不良事件报告系统数据进行的验证表明，该方法在检测与肌肉相关不良事件关联的既定药物及药物相互作用方面具有有效性。该框架作为 R 软件包实现，提供了可复制、可扩展的药后市场药物安全监测工具。
引用
@article{arxiv.2504.00646,
title = {Detecting adverse high-order drug interactions from individual case safety reports using computational statistics on disproportionality measures},
author = {Jules Bangard and Einar Holsbø and Kristian Svendsen and Vittorio Perduca and Etienne Birmelé},
journal= {arXiv preprint arXiv:2504.00646},
year = {2025}
}