基于BCPNN法的依那西普药物警戒信号的挖掘

摘要：

目的:挖掘和评价依那西普上市后的不良反应信号,为临床安全合理用药提供参考.方法:提取2018年1月至2020年12月美国食品药品监督管理局不良事件报告系统数据库(FDA Adverse Event Reporting System,FAERS)发布的依那西普为首要怀疑对象的药品不良事件报告,采用贝叶斯置信区间递进神经网络(Bayesian confidence propagation neural network,BCPNN)法,以信息成分(information component,IC)的95％置信区间下限＞0且报告数≥3为条件,挖掘该药品的警戒信号.结果:共计检索依那西普相关不良事件报告25 790份,女性患者(74.62％)多于男性患者(25.38％),年龄主要分布在45～65岁(50.54％),报告主要来源于美国(84.54％).利用BCPNN法识别得到166个警戒信号,涉及16个系统器官分类.信号强度大且报告频数较多的不良反应有注射部位反应、上呼吸道感染、支气管炎等,与说明书收录的一致;另有7个说明书未载明的警戒信号,分别为胎儿畸形、耳漏、呼吸道充血、咳嗽、注射恐惧、睡眠障碍、肾石症.结论:临床在使用依那西普时既要关注说明书已明确的不良反应,也应关注新检测出的7种警戒信号.育龄期、妊娠期以及老年患者应慎用该药.

关键词：依那西普、数据挖掘、药物警戒、药品不良反应

所属期刊栏目：42

分类号：R969.3(药理学)

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1923-1926