随着医药领域信息化建设的不断完善，医药产业取得了飞速发展，大量药品涌入市场的同时，监测到的药品不良反应病例也日益增多。面对日益膨胀的药品不良反应数据和药品不良反应所带来的一系列问题，急需寻找新的方法发现药品不良反应发生的规律，并对其发生可能性进行预测，进而为药品不良反应监测和评价提供决策支持，提高医药服务质量。　　本文在深入分析药品不良反应数据特点的基础上，通过建立药品不良反应数据仓库，采用基于数据立方的关联规则挖掘方法，有效的挖掘出药品不良反应维度、层次以及联合用药关联规则，并引入支持度和置信度，将定性属性与定量值结合，建立预警模型，最后应用实际数据进行实验验证，能够预测各年龄阶段患者发生不良反应现象的可能性大小，为药品监测机构、医生和临床药师监测和评价药品不良反应提供决策支持。本文的研究工作主要包括以下四个方面：　　(1)药品不良反应数据仓库构建和数据ETL处理　　在对药品不良反应原始数据进行需求分析的基础上，构建药品不良反应多维数据模型，确定药品不良反应数据仓库的相关属性，以及构建维度表和事实表，最后对数据进行抽取、转换和装载(Extraction，Transformation and Loading，ETL)设计，消除药品不良反应数据集中某些记录数据属性缺失以及不同数据之间属性不一致的现象，将数据装载到药品不良反应数据仓库中。　　(2)药品不良反应关联规则挖掘　　在对药品不良反应数据进行预处理以及构建药品不良反应数据仓库的基础上，将基于数据立方的关联规则挖掘算法应用于药品不良反应关联规则挖掘中，进而生成用户感兴趣的频繁谓词集，通过设置不同的支持度和置信度，实现药品不良反应多维关联规则、多层和联合用药关联规则的挖掘，发现药品与不良反应、用药人群等之间的关联关系。　　(3)基于关联规则的预警模型研究　　通过挖掘药品不良反应关联规则，构建基于关联规则的预警模型，该模型主要分为训练和预警两个阶段：训练阶段主要是利用关联规则挖掘算法挖掘出关联规则，以此作为预警规则，并建立规则库；在预警阶段，根据支持度和置信度来设置预警的信号，即根据用户输入的属性值和训练阶段得到的预警规则，两者匹配，根据设计好的预警策略实现预警功能。　　(4)实证研究　　采用Visual Studio2005集成开发环境实现预警功能，选取心脑血管疾病患者发生不良反应的数据进行实证研究，通过对药品不良反应预警准确率进行分析，验证该预警方案的有效性。