[发明专利]一种基于关联规则分析的药品不良反应信号检测方法

权利要求书

1.一种基于关联规则分析的药品不良反应信号检测方法，其特征在于：包括如下步骤：

步骤1、基于我国药物不良反应ADR自发报告数据进行数据预处理，将原始数据汇总并整理成表格；所述表格包含药物名称、不良反应名称、药物产生目标不良反应的记录数a、药物产生其它不良反应的记录数b、药物产生目标不良反应的记录数c、药物产生非目标不良反应的记录数d、PRR、卡方值χ²、MHRA、支持度Sup、置信度Con、信号标志SC11、目标药物产生所有不良反应的记录数ab、所有药物产生目标不良反应的记录数ac和数据集的总记录数abcd；

步骤2、计算步骤1整理的表格中每条药物记录需要计算的参数值；所述参数值包括b、c、d、PRR值、χ²值、MHRA 值、支持度和置信度；

步骤3、以MHRA法产生的阳性信号数量作为参考，确定支持度和置信度两个最小阈值的范围与调整步长；

步骤4、以MHRA法产生的信号集作为参考，计算每次设定支持度和置信度条件下的召回率、精度、F指标值和KS值，具体步骤如下，

步骤4.1根据步骤3划定的支持度置信度范围与调整步长不断调节支持度与置信度的大小根据每一次阈值条件下MHRA和SC11的值得到TP、FN、FP、TN的值：

MHRA为“1”，SC11为“1”记录总数为TP，TP代表MHRA为阳性的药物-不良反应组合被本方法检测为阳性信号的数量；

MHRA为“1”，SC11为“0”的记录总数为FN，FN代表MHRA为阳性的药物-不良反应组合被本方法检测为阴性信号的数量；

MHRA为“0”，SC11为“1”的记录总数为FP，FP代表MHRA为阴性的药物-不良反应组合被本方法检测为阳性信号的数量；

MHRA为“0”，SC11为“0”的记录总数为TN，TN代表MHRA为阴性的药物-不良反应组合被本方法检测为阴性信号的数量；

步骤4.2、计算不同支持度和置信度条件下的精度Precision、召回率Recall、F指标值、真阳性率TPR、假阳性率FPR和KS值，计算公式为：

KS＝TPR-FPR

步骤5、找到KS值最大的记录并分析。

2.根据权利要求1所述的一种基于关联规则分析的药品不良反应信号检测方法，其特征在于：步骤1中所述MHRA为经MHRA 法判别后的信号阳/阴性判断，设阳性为“1”，阴性为“0”；所述SC11为支持度与置信度是否均大于所设定的阈值，当支持度和置信度均大于设为“1”，否则为“0”。

3.根据权利要求1所述的一种基于关联规则分析的药品不良反应信号检测方法，其特征在于，步骤2的操作步骤包括：

步骤2.1、原始数据中可得到a，对表格中的数据进行分析处理后可以得到ab、ac和abcd，通过公式b＝ab-a,c＝ac-a,d＝abcd-a-b-c，计算得出b、c和d；

计算PRR值，计算公式为：

计算χ²值，计算公式为：其中n＝a+b+c+d；

计算MHRA 值，当同时满足条件a≥3，PRR≥2，χ²≥4时，MHRA 值为阳性，设为“1”；

当不满足条件时MHRA 值为阴性，设为“0”；

步骤2.2、计算支持度，计算公式为：Sup＝a/(a+b+c)，数据中保留小数点后五位；

步骤2.3、计算置信度，计算公式为：Con＝a/(a+b)，数据中保留小数点后五位。

4.根据权利要求1所述的一种基于关联规则分析的药品不良反应信号检测方法，其特征在于：步骤3的操作步骤包括：以MHRA法得出的阳性信号数量作为参考，即MHRA值为“1”的记录数，划定出支持度置信度阈值的范围与调整步长。