| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 研究的内容与目标 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 研究目标 | 第15页 |
| 1.5 本文的章节安排及内容 | 第15-18页 |
| 第2章 数据的提取与处理 | 第18-32页 |
| 2.1 FAERS及STL | 第18-20页 |
| 2.1.1 FAERS数据库 | 第18页 |
| 2.1.2 FAERS数据结构 | 第18-19页 |
| 2.1.3 MedDRA药事管理标准医学术语 | 第19页 |
| 2.1.4 数据提取工具STL | 第19-20页 |
| 2.2 高血糖与低血糖 | 第20-21页 |
| 2.2.1 高血糖 | 第20-21页 |
| 2.2.2 低血糖 | 第21页 |
| 2.3 数据的提取过程 | 第21-30页 |
| 2.3.1 单个DRUG文件与RECT文件中数据的提取过程 | 第22-25页 |
| 2.3.2 多个DRUG文件与RECT文件中数据的汇总过程 | 第25-27页 |
| 2.3.3 汇总后的数据的整理过程 | 第27-28页 |
| 2.3.4 提取不良反应高血糖、低血糖相关的数据 | 第28-30页 |
| 2.4 数据的处理过程 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基线模型对两维药物组合不良反应的风险度评估 | 第32-42页 |
| 3.1 基线模型的基本原理 | 第32页 |
| 3.2 基线模型的构造 | 第32-34页 |
| 3.2.1 加法模型 | 第33页 |
| 3.2.2 乘法模型 | 第33-34页 |
| 3.3 结果与分析 | 第34-41页 |
| 3.3.1 对高血糖、低血糖数据集的分析 | 第34-35页 |
| 3.3.2 对高血糖、低血糖信号的初步筛选 | 第35-37页 |
| 3.3.3 对高血糖、低血糖ADR信号的统计学检验 | 第37-40页 |
| 3.3.4 结果分析 | 第40-41页 |
| 3.4 基线模型的优越性与局限性 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 混合逻辑回归模型对高维药物组合不良反应的风险度评估 | 第42-52页 |
| 4.1 有限混合模型 | 第42-43页 |
| 4.1.1 有限混合模型的简介 | 第42页 |
| 4.1.2 有限混合模型的定义 | 第42-43页 |
| 4.2 混合逻辑回归模型 | 第43-44页 |
| 4.3 模型参数的求解方法 | 第44-45页 |
| 4.3.1 极大似然估计简介 | 第44页 |
| 4.3.2 极大释然原理 | 第44-45页 |
| 4.3.3 极大似然估计对混合逻辑回归模型的参数的求解 | 第45页 |
| 4.4 粒子群寻优算法(PSO) | 第45-48页 |
| 4.4.1 粒子群寻优算法与EM算法的对比 | 第45-46页 |
| 4.4.2 粒子寻优算法简介 | 第46页 |
| 4.4.3 基本粒子群算法 | 第46-47页 |
| 4.4.4 改进的粒子群算法 | 第47页 |
| 4.4.5 参数寻优 | 第47-48页 |
| 4.5 局部错误发现率对单个药物组合不良反应风险的评估 | 第48-50页 |
| 4.5.1 错误发现率简介 | 第48-49页 |
| 4.5.2 局部错误发现率 | 第49-50页 |
| 4.5.3 药物组合局部错误发现率的计算方法 | 第50页 |
| 4.6 混合逻辑回归模型的优越性与局限性 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 结果综合对比 | 第52-60页 |
| 5.1 数据预筛选分析 | 第52-53页 |
| 5.2 高血糖、低血糖的高维药物相互作用的局部错误发现率估计 | 第53-57页 |
| 5.3 混合逻辑回归模型与基线模型的结果对比 | 第57-58页 |
| 5.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |
