FAERS數(shù)據(jù)庫(kù)概覽、核心模塊、常用分析方法及研究方向綜合介紹

一、概述
FAERS（FDA Adverse Event Reporting System），即美國(guó)食品藥品監(jiān)督管理局不良事件報(bào)告系統(tǒng)，是美國(guó)食品藥品監(jiān)督管理局（FDA）建立并維護(hù)的，用于系統(tǒng)收集、管理與分析藥品及治療性生物制品在上市后實(shí)際使用過程中所發(fā)生的不良事件報(bào)告的專項(xiàng)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)構(gòu)成了FDA藥物安全警戒體系的核心數(shù)據(jù)來(lái)源之一，通過對(duì)海量自發(fā)報(bào)告信息的持續(xù)監(jiān)測(cè)與深度分析，為識(shí)別潛在藥品安全風(fēng)險(xiǎn)信號(hào)、評(píng)估獲益-風(fēng)險(xiǎn)平衡以及制定相應(yīng)風(fēng)險(xiǎn)管理策略提供關(guān)鍵的循證依據(jù)。

二、數(shù)據(jù)概覽與核心模塊
FAERS數(shù)據(jù)庫(kù)的原始報(bào)告主要來(lái)源于醫(yī)療機(jī)構(gòu)專業(yè)人員、用藥患者或其監(jiān)護(hù)人以及藥品生產(chǎn)企業(yè)的法定提交。截至最新數(shù)據(jù)更新，該系統(tǒng)累計(jì)收錄的獨(dú)立患者報(bào)告已超過1,800萬(wàn)份，涉及各類不良事件記錄逾5,400萬(wàn)條。

該數(shù)據(jù)庫(kù)遵循季度更新機(jī)制，當(dāng)前已涵蓋至2024年第4季度數(shù)據(jù)，確保了監(jiān)測(cè)信息的時(shí)效性與連續(xù)性。從數(shù)據(jù)結(jié)構(gòu)角度分析，F(xiàn)AERS主要由以下七個(gè)核心數(shù)據(jù)模塊構(gòu)成👇：

三、常用分析方法
基于FAERS數(shù)據(jù)庫(kù)開展藥物警戒研究的核心目標(biāo)，在于通過科學(xué)的數(shù)據(jù)挖掘方法識(shí)別潛在藥物不良事件信號(hào)。其中，以比例失衡分析法（Disproportionality Analysis）及其衍生算法為國(guó)際學(xué)界普遍采用的量化工具。以下是四種主要分析方法：

✔️ 比例報(bào)告比值比（Proportional Reporting Ratio, PRR）
該方法通過計(jì)算目標(biāo)藥物中特定不良事件報(bào)告的比例，與數(shù)據(jù)庫(kù)內(nèi)所有其他藥物中該事件報(bào)告比例的比值，來(lái)初步評(píng)估藥物與事件之間是否存在統(tǒng)計(jì)意義上的關(guān)聯(lián)。

✔️  報(bào)告比值比（Reporting Odds Ratio, ROR）
此方法通過構(gòu)建四格表，計(jì)算目標(biāo)藥物發(fā)生目標(biāo)不良事件的報(bào)告比值，與對(duì)照藥物（其他所有藥物）發(fā)生該事件的報(bào)告比值之比，進(jìn)一步量化關(guān)聯(lián)強(qiáng)度，是較常用的信號(hào)檢測(cè)指標(biāo)。

✔️ 貝葉斯置信傳播神經(jīng)網(wǎng)絡(luò)（Bayesian Confidence Propagation Neural Network, BCPNN）
作為一種基于貝葉斯統(tǒng)計(jì)理論的數(shù)據(jù)挖掘模型，BCPNN通過計(jì)算信息成分（Information Component, IC）及其可信區(qū)間，以概率方式評(píng)估藥物與不良事件之間關(guān)聯(lián)的穩(wěn)健性。

✔️ 多項(xiàng)伽馬泊松收縮估計(jì)器（Empirical Bayes Geometric Mean, EBGM）
該方法采用經(jīng)驗(yàn)貝葉斯框架，通過計(jì)算觀測(cè)報(bào)告數(shù)與期望報(bào)告數(shù)的幾何均值（即EBGM值），并對(duì)結(jié)果進(jìn)行收縮校正，以減少小樣本報(bào)告帶來(lái)的隨機(jī)誤差，提高信號(hào)檢測(cè)的穩(wěn)定性。

以上方法各有其統(tǒng)計(jì)假設(shè)與適用場(chǎng)景，在實(shí)際研究中常結(jié)合使用，相互驗(yàn)證，以增強(qiáng)信號(hào)發(fā)現(xiàn)的可靠性。

四、核心研究方向
基于FAERS數(shù)據(jù)資源的學(xué)術(shù)研究，主要聚焦于以下幾個(gè)關(guān)鍵領(lǐng)域：

💯上市后藥品安全性評(píng)價(jià)
通過對(duì)不良事件報(bào)告的系統(tǒng)性分析，識(shí)別和評(píng)估已上市藥品潛在的風(fēng)險(xiǎn)信號(hào)，為風(fēng)險(xiǎn)控制措施提供證據(jù)支持。

💯藥物相互作用與安全性研究
探究不同藥物聯(lián)用時(shí)可能產(chǎn)生的不良反應(yīng)模式，旨在發(fā)現(xiàn)并闡明具有臨床意義的藥物-藥物相互作用風(fēng)險(xiǎn)。

💯特殊人群用藥風(fēng)險(xiǎn)特征分析
針對(duì)生理或病理狀態(tài)特殊的群體（如兒童、妊娠期婦女、老年患者等），分析其藥物不良反應(yīng)的報(bào)告特征與潛在風(fēng)險(xiǎn)差異。

💯疾病相關(guān)不良事件監(jiān)測(cè)與流行病學(xué)分析
利用不良事件報(bào)告數(shù)據(jù)，輔助監(jiān)測(cè)特定疾病或健康事件的流行趨勢(shì)，并可對(duì)報(bào)告人群的人口學(xué)特征（如性別、年齡分布）進(jìn)行描述性分析。

💯藥物警戒方法學(xué)與應(yīng)用研究
基于真實(shí)世界報(bào)告數(shù)據(jù)，開發(fā)或驗(yàn)證藥物警戒信號(hào)檢測(cè)與風(fēng)險(xiǎn)評(píng)估的新方法、新模型，推動(dòng)藥物警戒學(xué)科的發(fā)展與實(shí)踐優(yōu)化。

五、跨學(xué)科適用性
FAERS數(shù)據(jù)庫(kù)作為藥物警戒研究的關(guān)鍵工具，其數(shù)據(jù)具有廣泛的適用性，幾乎涵蓋所有臨床醫(yī)學(xué)及藥學(xué)相關(guān)學(xué)科領(lǐng)域，可供相關(guān)領(lǐng)域的專業(yè)研究者開展藥品安全性評(píng)價(jià)和風(fēng)險(xiǎn)信號(hào)挖掘工作。下圖直觀展示了其主要適用科室的范圍。

樂備實(shí)（上海優(yōu)寧維生物科技股份有限公司旗下全資子公司），是國(guó)內(nèi)專注于提供高質(zhì)量蛋白檢測(cè)以及組學(xué)分析服務(wù)的實(shí)驗(yàn)服務(wù)專家，自2018年成立以來(lái)，樂備實(shí)不斷尋求突破，公司的服務(wù)技術(shù)平臺(tái)已擴(kuò)展到單細(xì)胞測(cè)序、空間多組學(xué)、流式檢測(cè)、超敏電化學(xué)發(fā)光、Luminex多因子檢測(cè)、抗體芯片、PCR Array、ELISA、Elispot、PLA蛋白互作、多色免疫組化、DSP空間多組學(xué)等30多個(gè)，建立起了一套涵蓋基因、蛋白、細(xì)胞以及組織水平實(shí)驗(yàn)的完整檢測(cè)體系。