风险识别与特征描述

风险识别与特征描述是药物安全风险管理的前端：它旨在发现药物可能导致危害（安全信号），然后精确描述该危害，以便采取行动——包括受影响人群、发生频率、严重程度以及作用机制。它依赖于自发报告、统计信号检测方法以及临床和流行病学评估。

Definition

风险识别是指发现药物与不良事件之间可能存在新的或已改变的因果关联（即信号）；风险特征描述是对该风险的发生频率、严重程度、可逆性、受影响人群和合理机制进行的后续描述。

Scope

本主题涵盖了安全信号的定义、用于从自发报告数据库中发现信号的数据源、不成比例性分析和贝叶斯方法，以及将信号验证、优先排序和特征描述为明确风险的步骤。它被定位为药物警戒领域的参考方法学，而非临床指南。

Core questions

• 是否有信号表明某种药物可能导致特定的不良事件？
• 这种关联是可能具有因果关系，还是可以用偏倚、混杂或偶然性来解释？
• 该风险的频率和严重程度如何？哪些人受影响最大？
• 哪些信号应优先进行进一步调查？

Key concepts

• 安全信号
• 自发报告系统
• 不成比例性分析（PRR, ROR）
• 贝叶斯方法（BCPNN, EBGM）
• 信号验证与优先排序
• 因果关系评估
• 已识别风险与潜在风险

Mechanisms

大多数信号最初来源于国家和国际数据库中收集到的疑似不良反应自发报告。定量筛选会标记出报告频率高于预期的药物-事件对：频率论的不成比例性度量（如比例报告比）比较观察到的报告与预期的报告（Evans et0 al., 2001），而贝叶斯方法（如贝叶斯置信传播神经网络）则能缩小稀疏数据中不稳定估计的范围（Bate et al., 1998）。统计学上的不成比例性仅产生假设；信号随后需要经过验证、因果关系评估以及临床和流行病学特征描述——明确频率、严重程度、风险因素和机制——然后才能被归类为已识别风险或潜在风险（Wisniewski et al., 2016; Edwards & Aronson, 2000）。

Clinical relevance

通过此过程定义的风险将成为标签和沟通中的安全信息，供临床医生和患者使用。本条目解释了这些风险如何在人群层面被检测和描述，不提供个体诊断或治疗建议。

Epidemiology

自发报告存在报告不足和报告偏倚的问题，因此不成比例性信号反映的是报告模式而非真实发病率。因此，特征描述通常会利用其他来源——观察性研究、注册登记和电子医疗保健数据——以更可靠地估计频率和识别风险因素。

History

系统性信号检测起源于沙利度胺悲剧后建立的自发报告系统，例如英国的黄卡系统和世界卫生组织的国际药物监测计划。定量方法在20世纪90年代末和21世纪初趋于成熟，BCPNN（Bate et al., 1998）和比例报告比（Evans et al., 2001）成为标准筛选工具，后来整合到良好的信号检测实践中（Wisniewski et al., 2016）。

Debates

不成比例性统计数据能告诉我们多少信息？

不成比例性度量能有效筛选大型数据库，但仅能产生假设；它们对报告偏倚和数据库特性敏感，不能单独建立因果关系或真实频率。

Key figures

• Andrew Bate
• Stephen J. W. Evans
• I. Ralph Edwards

Seminal works

• bate-1998
• evans-2001
• edwards-aronson-2000

Frequently asked questions

什么是安全信号？

信号是指提示药物与不良事件之间可能存在新的或已改变的因果关联的报告信息，需要进一步评估；它是一个有待调查的假设，而非已确认的风险。

不成比例性信号是否意味着药物导致了该事件？

不是。不成比例性标记出报告频率高于预期的药物-事件对，但这种关联仍需经过验证和因果关系评估，才能被视为真实风险。