摘要 | 第1-9页 |
Abstract | 第9-13页 |
第一部分 前言 | 第13-18页 |
一、研究背景 | 第13-15页 |
(一) 药品不良反应 | 第13-14页 |
(二) 关联规则 | 第14-15页 |
(三) 循证医学 | 第15页 |
二、研究内容与方法 | 第15-16页 |
(一) 研究内容 | 第15-16页 |
(二) 研究方法 | 第16页 |
三、研究目的与意义 | 第16-17页 |
(一) 研究目的 | 第16-17页 |
(二) 研究意义 | 第17页 |
四、资料来源、分析工具 | 第17-18页 |
第二部分 药品不良反应监测及信号挖掘方法 | 第18-31页 |
一、药品不良反应监测 | 第18-20页 |
(一) 国内外药物不良反应监测现状 | 第18-19页 |
(二) 药品不良反应自发呈报系统 | 第19-20页 |
二、药品不良反应术语集 | 第20-24页 |
(一) 概况 | 第21-22页 |
(二) 结构层次 | 第22-23页 |
(三) 发展状况 | 第23页 |
(四) 药品不良反应术语集在我国的应用 | 第23-24页 |
三、数据挖掘 | 第24-31页 |
(一) 单药不良反应数据挖掘方法 | 第24-29页 |
(二) 药物联合作用不良反应数据挖掘方法 | 第29-31页 |
第三部分 关联规则基本理论及实现 | 第31-42页 |
一、关联规则挖掘基本理论 | 第31-37页 |
(一) 关联规则挖掘的基本概念 | 第31-32页 |
(二) 关联规则的有趣性度量 | 第32-35页 |
(三) 关联规则挖掘的分类 | 第35-36页 |
(四) 关联规则挖掘的主要算法 | 第36-37页 |
二、关联规则挖掘的实现 | 第37-40页 |
(一) 数据的预处理 | 第37-38页 |
(二) 参数的设置及规则的产生 | 第38-40页 |
(三) 规则的显示 | 第40页 |
三、关联规则在ADR监测中的应用 | 第40-42页 |
第四部分 数据模拟 | 第42-57页 |
一、数据模拟的理论依据 | 第42-43页 |
二、模拟对象及实现步骤 | 第43-47页 |
(一) 数据模拟对象 | 第43页 |
(二) 模拟主要参数 | 第43页 |
(三) 模拟核心程序 | 第43-47页 |
(四) 对核心程序的扩展 | 第47页 |
三、参数设置及模拟结果 | 第47-56页 |
(一) 单种药品引起不良反应 | 第47-53页 |
(二) 关联规则挖掘多维信息 | 第53-54页 |
(三) 关联规则挖掘多层信息 | 第54-56页 |
四、讨论 | 第56-57页 |
第五部分 自发呈报系统数据分析及实现 | 第57-78页 |
一、数据获取 | 第57页 |
二、数据库的建立 | 第57-58页 |
三、数据库的分析 | 第58-65页 |
(一) 描述性分析 | 第58-60页 |
(二) 数据挖掘 | 第60-65页 |
四、计算机自动实现 | 第65-78页 |
(一) 注册用户管理 | 第65-66页 |
(二) 原始数据导入 | 第66-71页 |
(三) 管理规范名称 | 第71页 |
(四) 新增名称规范 | 第71-72页 |
(五) 常规统计分析 | 第72-74页 |
(六) 模型统计分析 | 第74-76页 |
(七) 模型统计排名 | 第76-78页 |
第六部分 质子泵抑制剂治疗与髋部骨折的风险:系统评价与Meta分析 | 第78-89页 |
一、循证医学 | 第78页 |
二、质子泵抑制剂治疗与髋部骨折的风险 | 第78-89页 |
(一) 方法 | 第79-80页 |
(二) 结果 | 第80-87页 |
(三) 讨论 | 第87-89页 |
第七部分 尚待继续探讨的问题 | 第89-92页 |
一、药品不良反应监测数据需要进一步加强管理 | 第89页 |
二、进一步充分利用药品不良反应监测的有效数据 | 第89页 |
三、信号检测结果的评价没有统一的标准 | 第89-90页 |
四、混杂因素的控制方法 | 第90页 |
五、掩饰效应的消除方法 | 第90-92页 |
参考文献 | 第92-99页 |
综述一:药品不良反应评价中的meta分析 | 第99-104页 |
参考文献 | 第102-104页 |
致谢 | 第104-105页 |
附录1:不良反应数据挖掘网络系统程序 | 第105-130页 |
附录2:实际数据信号挖掘SAS程序 | 第130-132页 |
附录3:在读期间发表论文和参加科研工作 | 第132-133页 |