シグナル検出と統計的評価

シグナル検出とは、蓄積された報告やデータから、医薬品と有害事象との間に新たな、あるいは変化した関連性を示唆し、調査する価値のある情報を特定するプロセスです。統計的および臨床的評価は、生データを優先順位付けされた仮説へと変換し、定量的不均衡法と個々の症例の構造化された評価を組み合わせます。

Definition

ファーマコビジランスにおけるシグナル検出とは、医薬品と事象との間に潜在的な因果関係、または既知の関連性の新たな側面を、1つ以上の情報源から導き出し、検証する価値があると判断される情報を特定することです。症例評価とは、医薬品が特定の反応を引き起こした可能性がどの程度あるかを構造的に評価することです。

Scope

この項目では、安全性シグナルとは何か、自発報告データベースにおけるシグナルを特定するための主要な定量的アプローチ（頻度論的報告不均衡法およびベイズ収縮法）、および個々の症例に対する因果関係評価の補完的なタスクについて説明します。これは方法論的な参考文献であり、臨床的ガイダンスを提供するものではありません。

Core questions

• 安全性シグナルとして何が認定されますか？
• 不均衡指標はどのように薬剤と事象の組み合わせを特定しますか？
• ベイズ法は単純な不均衡法をどのように改善しますか？
• 個々の報告について因果関係はどのように判断されますか？

Key concepts

• 安全性シグナル
• 不均衡分析
• 比例報告比 (PRR)
• 報告オッズ比 (ROR)
• ベイズ収縮 (BCPNN, MGPS / 経験的ベイズ)
• 因果関係評価 (例: Naranjoアルゴリズム, WHO-UMC分類)
• 適応による交絡および報告バイアス

Mechanisms

定量的シグナル検出は、報告データベースを大規模な分割表として扱い、特定の薬剤と事象の組み合わせが、残りのデータから期待されるよりも不均衡に多く報告されているかどうかを問いかけます。比例報告比（proportional reporting ratio）や報告オッズ比（reporting odds ratio）などの頻度論的指標は、この不均衡を直接的に表現します（Evans et al., 2001; van Puijenbroek et al., 2002）。ベイズ法 — ベイズ信頼伝播ニューラルネットワーク（Bayesian confidence propagation neural network）および多項目ガンマポアソン収縮器/経験的ベイズ幾何平均（multi-item gamma-Poisson shrinker / empirical Bayes geometric mean）— は、報告数が少ない組み合わせが誤ってフラグ付けされることを防ぐために収縮を適用し、スパースデータに対する安定性を向上させます（Bate et al., 1998; DuMouchel, 1999）。統計的なフラグは出発点に過ぎません。候補となるシグナルは臨床的にレビューされ、個々の症例は、時間的関係、中止（dechallenge）、再投与（rechallenge）、および代替説明を考慮するNaranjo確率尺度などの構造化された因果関係評価ツールを用いて評価されます（Naranjo et al., 1981; Bate & Evans, 2009）。

Clinical relevance

シグナル検出は、規制当局や臨床医がさらに調査すべき医薬品の潜在的な有害事象を決定し、因果関係評価は、個々の疑われる反応がどのように解釈されるかを枠組み化します。この項目は、これらの分析方法を説明するものであり、エビデンスがどのように評価されるかを記述するものであって、個々の診断や治療の決定の根拠となるものではありません。

Epidemiology

不均衡法は、数百万件の報告を含む自発報告データベースに適用され、偽陽性を管理しながら効率的にスクリーニングすることを目的としています。比較研究では、様々な指標が強いシグナルについてはしばしば一致するものの、スパースな薬剤と事象の組み合わせについては異なることが示されており、これが収縮法が広く使用される理由です（van Puijenbroek et al., 2002; Bate & Evans, 2009）。

History

因果関係評価は最初に体系化され、1981年のNaranjo尺度のような構造化されたアルゴリズムは症例評価に再現性をもたらしました。集団レベルの定量的シグナル検出は1990年代から2000年代にかけて発展しました。ベイズ信頼伝播ニューラルネットワークは1998年にWHOデータベースに導入され、経験的ベイズデータマイニングは1999年にFDAシステムに導入され、比例報告比は2001年に日常的なシグナル検出に導入されました。その後、比較および方法論的レビューによって実践が統合されました（Bate et al., 1998; DuMouchel, 1999; Evans et al., 2001; Bate & Evans, 2009）。

Debates

不均衡シグナルは実際の危険性を反映していますか？

統計的シグナルは発生率ではなく報告パターンを測定するものであり、報告バイアス、適応による交絡、またはメディアの注目から生じる可能性があります。自動化されたシグナルにどの程度の重みを与えるべきか、どの閾値を使用すべきかについては議論が続いています。

単一症例の因果関係評価はどの程度信頼できますか？

構造化されたアルゴリズムは再現性を向上させますが、依然として判断と不完全な情報に基づいており、異なるツールが同じ症例を異なる方法で分類する可能性があるため、単一症例の因果関係は確定的なものではなく、確率的なものとして扱われます。

Key figures

• Stephen Evans
• Andrew Bate
• William DuMouchel
• Eugène van Puijenbroek
• Claudio Naranjo

Seminal works

• naranjo-1981
• bate-1998
• dumouchel-1999
• evans-2001

Frequently asked questions

安全性シグナルとは何ですか？

医薬品と有害事象との間に、新たな、または変化した因果関係の可能性を示唆し、さらなる調査を必要とすると判断される情報のことです。シグナルは検証すべき仮説であり、証明されたリスクではありません。

単純な比率の代わりにベイズ法が使用されるのはなぜですか？

薬剤と事象の組み合わせの報告数が非常に少ない場合、単純な比率は偶然によって大きくなる可能性があります。ベイズ収縮法は、そのような推定値を全体的なパターンに引き寄せ、スパースデータにおける偽陽性を減少させます。