科研 Skill
药物警戒信号挖掘
pharm-pharmacovigilance
下载FAERS数据去重标准化后计算ROR/PRR/EBGM信号,讨论报告偏倚局限。适用于药物不良事件信号挖掘类论文,不做因果判定。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
药物警戒不成比例分析(Disproportionality Analysis in Pharmacovigilance)
适用场景
- 挖掘某类药物(如免疫检查点抑制剂、GLP-1 受体激动剂)在 FAERS 中的不良事件信号。
- 比较同类药物间特定不良事件(如肝损伤、间质性肺病)的报告比例差异。
- 分析不良事件的发生时间(time-to-onset)、严重结局分布和人群特征。
- 对已有临床试验或文献提示的风险进行真实世界报告层面的复核。
- 为毕业论文或期刊投稿准备符合 READUS-PV 的方法与结果描述。
边界与不适用
- 仅用于科研性信号检测;不可据此对个体患者做用药、停药、剂量调整或治疗决策。
- 不成比例信号只表示"报告比例偏高",不代表因果关系、发生率或风险大小,不能计算发病率。
- 不替代监管机构的正式信号评估;国家药品不良反应监测中心的个例数据一般不公开,不在本 Skill 处理范围。
- 不覆盖药物利用研究(见
pharm-drug-utilization)。
工作流
- 数据获取
- 输入:研究药物、目标不良事件、研究时间窗。
- 操作:从 FDA FAERS 官网下载季度 ASCII 文件(DEMO、DRUG、REAC、OUTC、RPSR、THER、INDI);2012Q4 之前为 legacy AERS(字段名为 ISR/CASE),之后为 FAERS(PRIMARYID/CASEID),合并时需统一。
- 产出:按季度合并的原始表。
- 去重
- FDA 推荐思路:同一 CASEID 保留 FDA_DT 最新的记录;FDA_DT 相同时保留 PRIMARYID 最大者。
- 剔除 FDA 每季度随数据包发布的已删除病例清单中的病例。
- 可进一步按关键字段(性别、年龄、事件日期、国家、药物、PT)做疑似重复检测,规则须写明。
- 药物识别
- DRUG 表中 drugname 和 prod_ai 为自由文本:统一大小写、去除剂型/规格词,构建包含通用名、商品名的同义词表;可借助 RxNorm 标准化。
- 角色代码 role_cod:PS(首要怀疑)、SS(次要怀疑)、C(合并)、I(相互作用);主分析通常仅用 PS(或 PS+SS),需预先规定。
- 事件编码
- REAC 表 PT 为 MedDRA 首选术语;按 MedDRA 层级映射至 SOC,或使用 SMQ(标准 MedDRA 分析查询)定义复合事件。MedDRA 需通过 MSSO 订阅获取(学术机构可申请)。
- 注意 MedDRA 版本更替导致的 PT 变化。
- 信号计算(2×2 表)
- a:目标药物-目标事件报告数;b:目标药物-其他事件;c:其他药物-目标事件;d:其他药物-其他事件。
- ROR = (a/c)/(b/d),95% CI 下限 > 1 且 a ≥ 3 视为信号(常用标准)。
- PRR = [a/(a+b)]/[c/(c+d)];Evans 标准:PRR ≥ 2、χ² ≥ 4、a ≥ 3。
- BCPNN:信息成分 IC,IC025 > 0 为信号。
- MGPS:EBGM,EB05 ≥ 2 常作为信号阈值。
- 决策点:比较组选择(全库 vs 同类活性对照药),后者可部分缓解适应症混杂;考虑排除已知强刺激报告(如媒体关注期)。
- 补充分析
- 发生时间:event_dt − start_dt,Weibull 分布形状参数描述风险随时间变化。
- 亚组:性别、年龄、报告者类型(医疗专业人员 vs 消费者)。
- 敏感性分析:仅 PS、排除特定适应症、不同时间窗。
- 局限讨论
- 漏报、刺激性报告(Weber 效应、notoriety bias)、适应症混杂、缺乏分母、数据质量参差。
工具与数据源
- FDA FAERS 季度数据文件(FDA 官网 FAERS 页面)与 FAERS Public Dashboard。
- WHO VigiBase(Uppsala Monitoring Centre,需申请访问);VigiAccess 公开查询。
- MedDRA(MSSO,订阅许可)。
- RxNorm(美国国家医学图书馆)药物名称标准化。
- R:
openEBGM(MGPS/EBGM 计算)、data.table/dplyr(大表处理);Python:pandas、duckdb。 - 中文:国家药品不良反应监测中心年度报告(宏观背景引用)。
最小代码示例(Python,ROR 与 PRR)
import numpy as np
from scipy.stats import chi2_contingency
def disproportionality(a, b, c, d):
ror = (a / c) / (b / d)
se = np.sqrt(1/a + 1/b + 1/c + 1/d)
ror_ci = np.exp(np.log(ror) + np.array([-1.96, 1.96]) * se)
prr = (a / (a + b)) / (c / (c + d))
se_p = np.sqrt(1/a - 1/(a + b) + 1/c - 1/(c + d))
prr_ci = np.exp(np.log(prr) + np.array([-1.96, 1.96]) * se_p)
chi2 = chi2_contingency([[a, b], [c, d]], correction=True)[0]
return dict(a=a, ROR=ror, ROR_lo=ror_ci[0], ROR_hi=ror_ci[1],
PRR=prr, PRR_lo=prr_ci[0], chi2=chi2,
ROR_signal=(a >= 3 and ror_ci[0] > 1),
PRR_signal=(a >= 3 and prr >= 2 and chi2 >= 4))
print(disproportionality(a=45, b=12000, c=3800, d=9_500_000))
质量检查
- 数据季度范围、FAERS/legacy AERS 合并方式已说明。
- 去重规则与官方删除病例清单已应用,报告去重前后病例数(流程图)。
- 药物同义词表与 role_cod 选择已公开(附件)。
- MedDRA 版本、PT/SMQ 定义已注明。
- 每种算法的阈值预先设定;报告 a 值与 CI,不仅报告点估计。
- 比较组选择与敏感性分析已说明。
- 讨论中未使用"风险增加""导致"等因果表述,局限完整。
- 按 READUS-PV 清单逐项核对。
输出格式
- 病例筛选流程图(原始报告 → 去重 → 目标药物 → 目标事件)。
- 人口学表:性别、年龄、报告国家、报告者、严重结局。
- 信号表:SOC、PT、a、ROR(95% CI)、PRR(χ²)、IC025、EB05、是否信号。
- 发生时间分析:中位时间(IQR)、Weibull 参数。
- 论文局限段落模板与 READUS-PV 核对表。
参考规范与文献
- Evans SJW, Waller PC, Davis S. 2001. Use of proportional reporting ratios (PRRs) for signal generation from spontaneous adverse drug reaction reports. Pharmacoepidemiology and Drug Safety.
- Bate A, et al. 1998. A Bayesian neural network method for adverse drug reaction signal generation. European Journal of Clinical Pharmacology.
- DuMouchel W. 1999. Bayesian data mining in large frequency tables, with an application to the FDA spontaneous reporting system. The American Statistician.
- van Puijenbroek EP, et al. 2002. A comparison of measures of disproportionality for signal detection in spontaneous reporting systems for adverse drug reactions. Pharmacoepidemiology and Drug Safety.
- Fusaroli M, et al. 2024. The REporting of A Disproportionality Analysis for DrUg Safety Signal Detection Using Individual Case Safety Reports in PharmacoVigilance (READUS-PV): explanation and elaboration. Drug Safety.
- CIOMS Working Group VIII. 2010. Practical Aspects of Signal Detection in Pharmacovigilance.
示例提示词
请清洗近五年 FAERS 数据,对某类药物的肝损伤报告计算 ROR、PRR 和 BCPNN 并说明局限。
所属插件
安装该插件会一并获得同领域的 9 个 Skill / MCP。
同插件的其他科研 Skill
- 药物ADMET计算预测用SwissADME、ADMETlab等工具预测化合物吸收分布代谢排泄与毒性,评估适用域局限。适用于先导化合物早期筛选,不作安全性依据。
- 剂量效应与协同分析用drc或scipy拟合四参数剂量效应曲线估计IC50/EC50,并用Bliss/Loewe模型评估联用协同。适用于细胞活力与酶抑制实验分析,不外推临床剂量。
- 药物利用研究基于WHO ATC/DDD体系将处方数据换算为用药频度,做结构趋势与政策中断时间序列分析。适用于抗菌药物等药事管理研究。
- 制剂处方 QbD 优化按ICH QbD理念做风险评估与Box-Behnken/CCD响应面实验优化处方工艺。适用于片剂纳米制剂的处方研究,不涉及临床给药。
- 非房室药动学与生物等效用PKNCA计算AUC/Cmax等参数,按交叉设计做ANOVA估计几何均值比90%CI。适用于仿制药生物等效性研究与CRO结果复核。
- 群体药动学建模用nlmixr2/NONMEM估计群体药动学结构模型与协变量效应,做VPC和bootstrap验证。适用于稀疏采样PK数据与暴露-效应研究。
- 药理实验设计与报告按ARRIVE 2.0规划动物实验的随机化盲法与样本量估算,落实3R原则。适用于药效学方案设计与投稿前自查,不替代伦理审查。
- 靶点与药物数据库检索从ChEMBL、BindingDB等数据库检索靶点活性数据,统一单位去重整合。适用于SAR建模数据集构建与老药新用线索梳理。
常见问题
药物警戒信号挖掘能做什么?
下载FAERS数据去重标准化后计算ROR/PRR/EBGM信号,讨论报告偏倚局限。适用于药物不良事件信号挖掘类论文,不做因果判定。
如何安装药物警戒信号挖掘?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「药物警戒信号挖掘」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
药物警戒信号挖掘需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
药物警戒信号挖掘经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。