自发呈报系统(Spontaneous Reporting System)是为世界众多国家采用的药品上市后药物不良反应(Adverse Drug Reaction，ADR)的重要方式。我国也于本世纪初建立起了较为系统完善的国家及地方的自发呈报系统药物不良反应监测网络。2003年以来上海市药物不良反应监测中心至今共积累了6万余份不良反应报告，形成了海量的不良反应监测数据。如何合理使用数据挖掘技术对药物安全性信号进行有效检测已经成为了当前的药物警戒的热点问题。而原始不良反应报告的质量、数据规范化程度、信号检测方法的选择和使用对信号检测的准确性有重要影响。其中原始报告的质量与药物不良反应监测网络的体制、运行机制关；数据的规范化整理需要统一规范的药物与不良反应编码；对于现有的自发呈报系统的数据来说，最为直接的提高信号检测效率的方法就是科学运用数据挖掘的方法。　　 就检测方法而言，目前，各国主要采用频数法和贝叶斯法进行信号检测，包括ROR、MHRA、BCPNN、MGPS等方法进行ADR信号检测。从国内外文献来看，这些方法均存在一些不足，如对于自发呈报系统的数据质量的要求较高；容易受极值的影响；无法有效地进行联合用药不良反应的分析，同时敏感度和特异度不稳定。因此需要积极探索新的、有效的信号检测方法。　　 数据挖掘中关联规则挖掘(Associational Rule Mining)是一种广泛应用于商业、工程等领域的数据挖掘技术，目的是发现数据库中各种属性及属性组合之间的潜在联系。它以数据中项或项组合协同出现的频率为基础，以形如A(→)B的规则来表现数据中蕴涵的信息。对ADR信号检测来讲，主要考察的对象是药物与不良反应两个属性之间的联系，即药物与不良反应在监测数据库中组合出现的规律。因此，关联规则挖掘特别适用于ADR监测数据的信号检测。　　 本研究利用数据库技术对2007-2008年上海市自发呈报系统35330份ADR报告进行了规范化整理，探讨了不良反应检测数据自动化规范化整理的主要模式；分析评价了自发呈报系统的报告质量和数据的基本统计特征，并根据数据的特征进行了药物不良反应数据的模拟，进一步通过模拟数据检测，探索关联规则的实现步骤和信号的检测能力，同时筛选出合理的度量指标，并对实际数据库的ADR信号进行检测，进一步评价关联规则的适用。　　 数据规范化整理中，构建了一套系统、自动化的不良反应信号检测数据整理程序。有效地提高的不良反应信号的检测效率。同时提出，适合中国国情的规范化的药物与不良反应数据编码对不良反应信号的有效分析与判断极为重要；不良反应报告质量的分析，发现总体的报告质量较好，可以为分析提供必要的数据信息，但在报告的完整性，严重不良反应的报告率等问题上仍有待提高。　　 对于关联规则度量指标与不相称测定理论的信号监测指标的理论对比分析发现，两类检测指标之间具有理论上的一致性，可以通过公式相互推导，同时支持度是规则产生和信号检测的重要指标，作用度和可信度可以同时用以辅助评价规则的价值和信号的强度。　　 关联规则不良反应信号检测中，通过蒙特卡罗数据模拟，模拟了单个药物和单个不良反应的不良反应数据库和插入了联合用药信息的不良反应数据库，分别用SAS和Matlab软件实现。同时在模拟数据信号检测过程中，发现关联规则的具有较好的信号检测能力，与预设信号ROC曲线分析，曲线下面积为0.718,P＜0.001，同时与传统的信号检测方法相比，具有较好的一致性。对联合用药模拟数据的分析，建立了两条联合用药规则的筛选标准：①具有包含关系的两条规则，若支持度，可信度相同，则项数少的规则服从项数多的规则；②具有包含关系的两项规则，若项数少的规则支持度高于项数多的规则，则项数多的规则服从项数少的规则。　　 进一步在实际监测数据的信号检测中，通过对关联规则及传统信号检测方法产生前10位信号的分析，发现关联规则与不相称测定理论在信号的检出上有各自的特点，因此全面地关联规则信号检测，应当结合支持度、作用度和可信度等度量质量进行综合分析。同时，以BCPNN法的监测结果作为参照，评价关联规则信号检测结果的一致性，发现关联规则在适宜的支持度阈值下与BCPNN有较好的一致性。　　 综上所述，在自发呈报系统药物ADR信号检测中，不良反应报告的质量及数据的规范化程度对信号检测具有重要的基础意义；关联规则是实现ADR信号检测的可行方法，其度量指标应综合应用；同时结合不同检测方法的结果进行信号的综合评价，可以提高信号检测的全面性和准确性。