美国观察医疗结果合作项目中数据组织及通用数据模型的应用研究

目的为进一步加强药品安全性监测与评价工作提供思路和参考,为开展观察性数据二次利用实现药品使用利益最大化风险最小化提出建议。方法研究美国观察医疗结果合作项目及其数据组织、访问技术和模型,对通用数据模型进行了研究与分析。结果与结论观察医疗结果合作项目的创建与实施具有明显特征;利用多来源的医疗保健数据开展药物安全性主动监测,在技术层面的关键和基础是医疗卫生信息标准的建立、完善和统一应用;通用数据模型的设计、应用及效果评估,能够为我国开展多方合作、利用多数据源进行观察性数据二次开发、开展上市后产品安全性主动监测提供思路和方法 。

基于约束的混合类型数据因果推断方法构建研究

目的构建适用于含隐变量混合数据类型的因果推断方法,通过模拟研究评估方法的效果,为观察性数据的因果结构研究提供依据。方法基于约束的FCI-stable结构学习方法,结合条件高斯独立性检验,建立适用于含隐变量混合数据类型的因果推断算法框架。利用Tetrad 6.9.0生成含隐变量的混合类型模拟数据,模拟研究设置不同的离散型数据占比、隐变量占比、网络节点数量及样本量;将FCI_(cg)方法与基于约束的FCI_(chi-square)、FCI_(dg)、FCIF_(fisher-z)、FCI_(kci)及FCI_(mrcit)五种方法进行比较,采用F1 Score和马修斯相关系数(matthews correlation coefficient,MCC)对因果结构识别效果进行评估。结果本研究建立了适用于含隐变量混合数据类型的因果推断方法FCI_(cg),该方法可用于从观察性数据中学习变量间的因果结构。模拟结果表明,在不同离散型数据占比下,除FCI_(chi-square)和FCIF_(fisher-z)外,其他方法估计效果较稳定,FCI_(cg)和FCI_(kci)的估计效果优于FCIdg和FCI_(mrcit);在有无隐变量和隐变量占比随之增加的情况下,除FCI_(mrcit)外其他方法估计效果的变化较平缓,FCIcg和FCIFkci的估计效果好于其他方法;在不同网络大小的情况下,除FCI_(mrcit)外其他方法评估效果较稳定;随着样本数量的增加,FCI_(cg)和FCIF_(fisher-z)估计效果稳步提升;当样本数量为2000,网络节点数量为14时,FCI_(cg)的平均运行时间为(0.580±0.301)秒。结论本文构建的因果推断方法针对含有隐变量的混合数据类型具有良好的效果,算法运行速度快;本方法可作为医学领域观察性数据因果结构识别的推荐方法。

利用真实世界数据的上市后药品安全监测的统计学方法综述

药品不良反应,特别是危及生命的药品不良反应,是患者、临床医生和监管机构的重要关注点。严重药品不良反应的发现常伴随强制性四期临床试验、说明书中的黑框警告或者最终被迫退出市场。监管方、支付方和供应方一直致力于利用真实世界数据为包括上市后药品安全监测在内的药品全生命周期管理提供高质高效的决策支持。本文按照不同类型的真实世界数据,对上市后药品安全监测相关统计方法进行回顾和概述,包括基于自发报告系统、电子健康记录、保险索赔数据以及混合数据源的方法。不仅涵盖了开发成熟、得到广泛应用的方法(如比值失衡分析法、疫苗监测中的最大序贯统计检验方法等),还包括仍处于开发验证阶段的方法(如肿瘤药物监测中的最大序贯统计检验方法、药物警戒专用数据处理管道等)。本文主要介绍了各方法的适用场景及优劣,并结合实例进行阐述。此外,还就真实世界数据二次使用过程中的注意事项、安全信号再评估的必要性、统计学方法的底层假设、新兴方法在未来的使用和推广进行了讨论。

倾向值分析在药物经济学评价中的应用

倾向值分析是常用于观察性数据分析的一类方法,在药物经济学评价中也得到了越来越广泛的应用。本研究对倾向值分析进行了简述,并对其在药物经济学评价中的应用实例和分析过程进行了总结,最后对其应用价值和局限性进行了讨论。