| 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12-14页 |
| 1.2.1 药物警戒工作现状 | 第12-13页 |
| 1.2.2 已有不良反应信号检测方法 | 第13-14页 |
| 1.3 研究的内容与目标 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究目标 | 第15-16页 |
| 1.4 本文的章节安排及内容 | 第16-18页 |
| 第2章 FAERS数据预处理 | 第18-30页 |
| 2.1 FAERS数据库 | 第18-21页 |
| 2.1.1 FAERS数据结构 | 第18-20页 |
| 2.1.2 FAERS数据库的局限 | 第20-21页 |
| 2.2 FAERS数据名称规范化 | 第21-25页 |
| 2.2.1 FAERS数据规范化分析 | 第21-23页 |
| 2.2.2 FAERS数据药物名称规范化 | 第23-24页 |
| 2.2.3 FAERS数据不良反应名称规范化 | 第24-25页 |
| 2.3 FAERS数据整理 | 第25-28页 |
| 2.3.1 数据整理工具 | 第25-26页 |
| 2.3.2 FAERS数据整理步骤 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 经典药物不良反应监测方法 | 第30-40页 |
| 3.1 FAERS中药物不良反应事件分析 | 第30-31页 |
| 3.2 四种比例失衡分析法 | 第31-38页 |
| 3.2.1 比例报告比值比法 | 第31-33页 |
| 3.2.2 报告比值比法 | 第33-34页 |
| 3.2.3 贝叶斯置信度递进神经网络法 | 第34-36页 |
| 3.2.4 多项经验贝叶斯伽马泊松分布缩减法 | 第36-37页 |
| 3.2.5 实验结果分析 | 第37-38页 |
| 3.3 总结与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 三元混合模型与错误发现率 | 第40-50页 |
| 4.1 三元混合模型 | 第40-41页 |
| 4.1.1 模型提出背景 | 第40页 |
| 4.1.2 三元混合模型的定义 | 第40-41页 |
| 4.2 多重假设检验与错误发现率 | 第41-43页 |
| 4.2.1 错误发现率的应用 | 第41-42页 |
| 4.2.2 局部错误发现率 | 第42-43页 |
| 4.3 模型参数的求解方法 | 第43-45页 |
| 4.3.1 极大似然估计 | 第43-44页 |
| 4.3.2 极大似然估计对三元混合模型的参数的求解 | 第44-45页 |
| 4.4 似然函数参数寻优 | 第45-48页 |
| 4.4.1 粒子寻优算法 | 第45-46页 |
| 4.4.2 基本粒子群算法 | 第46页 |
| 4.4.3 改进的粒子群算法 | 第46-47页 |
| 4.4.4 参数寻优步骤 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 模型结果分析与工具开发 | 第50-62页 |
| 5.1 实验方案 | 第50-51页 |
| 5.2 实验步骤 | 第51-58页 |
| 5.3 工具开发 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |