Naranjo因果关系算法

Naranjo因果关系算法是由Naranjo及其同事于1981年发布的一种结构化问卷，用于评估药物引起不良事件的可能性。它提出了一组固定的“是/否/未知”问题，每个问题都有一个权重，并将答案汇总成一个分数，该分数对应于“确定”、“可能”、“潜在”和“存疑”等可能性类别。

Definition

Naranjo算法是一个包含十个项目的加权问卷，它将关于可疑药物不良反应的时间和临床特征的答案转换为总分，然后将该总分归类为药物致因的四个概率类别之一。

Scope

本条目描述了该算法的目的、其问题所涵盖的标准类型（时间、停药再观察、再次用药、替代原因、既往报告和客观确认），以及其作为可重复性工具的优点和局限性。它是一个关于命名评估工具的方法学参考，并非针对评估个体患者反应的临床指南。

Core questions

• Naranjo问卷编码了哪些标准，其项目如何加权为总分？
• 所得分数如何映射到“确定”、“可能”、“潜在”和“存疑”类别？
• 该算法在多大程度上再现了专家判断并提高了评估者间的一致性？
• 相对于整体内省法和贝叶斯方法，其主要局限性是什么？

Key concepts

• 加权问卷评分
• 概率类别：确定、可能、潜在、存疑
• 时间关系项目
• 停药再观察和再次用药项目
• 替代原因项目
• 既往报告和剂量反应项目
• 评估者间可重复性
• 药物不良反应的操作性定义

Mechanisms

该算法提出了一系列固定的问题，这些问题涵盖了标准的因果关系标准：是否有关于该反应的先前确凿报告、事件是否在给药后出现、停药后是否改善、再次用药后是否再次出现、是否有其他原因可以解释、安慰剂是否会复发、药物是否达到中毒浓度、严重程度是否随剂量变化、患者之前是否有类似反应，以及事件是否通过客观证据得到证实。每个答案（是、否或不知道）都有预设的权重，并将加权答案求和；然后根据阈值读取总分，将病例分配到“确定”、“可能”、“潜在”或“存疑”的药物致因类别。通过固定问题和权重，该工具旨在使不同评估者之间的评估明确且可重复（Naranjo 1981）。

Clinical relevance

Naranjo算法是标准化病例报告和研究中不良事件与药物相关性记录的最常被引用的工具之一，因此熟悉它有助于批判性阅读药物警戒文献。它记录了归因是如何达成的，而不是个体诊断或治疗决策的基础。

Evidence & guidelines

该算法在引入时据报道与未经辅助的临床判断相比，提高了评估者间的一致性和有效性（Naranjo 1981）。后来的系统比较将其列为结构化算法之一，这些算法比整体内省法更能提高一致性，但发现它与所有现有方法一样，在相同病例上可能与其他工具不一致，并非明确的金标准（Agbabiaka 2008; Hutchinson & Lane 1989）。它仍然是病例报告和研究中广泛使用的参考工具。

History

该算法源于1970年代后期，旨在使药物不良反应评估可操作和可重复，以响应Karch和Lasagna对明确标准的要求。Naranjo及其同事于1981年发布了概率量表，并迅速被采纳为一种方便、透明的评分方案，无需专业的统计学培训即可应用。

Debates

Naranjo算法是解决因果关系，还是仅仅使其标准化？

该算法相对于非结构化判断提高了可重复性，但系统评价指出，结构化算法在个体病例上仍可能与其他方法不一致，不能被视为经过验证的金标准，因此该分数最好被解读为结构化意见而非明确的结论。

Key figures

• Cesar A. Naranjo
• Usoa Busto
• Edward M. Sellers

Seminal works

• naranjo-1981

Frequently asked questions

Naranjo算法产生什么？

它通过一个加权十项问卷产生一个数值分数，将可疑药物不良反应与药物的关系分类为确定、可能、潜在或存疑。

Naranjo算法是因果关系的明确测试吗？

不是。它使推理标准化和明确化，提高了评估者之间的一致性，但系统评价报告称，包括此方法在内的任何因果关系方法都不是经过验证的金标准。