疑似预防接种异常反应(Adverse Events Following Immunization,AEFI)监测是疫苗警戒研究的主要方式之一,其主要目的是侦测疫苗的安全性信号。由于被动AEFI监测系统存在数据质量不稳定、疫苗接种剂次难以收集等问题,造成传统的以分母为...疑似预防接种异常反应(Adverse Events Following Immunization,AEFI)监测是疫苗警戒研究的主要方式之一,其主要目的是侦测疫苗的安全性信号。由于被动AEFI监测系统存在数据质量不稳定、疫苗接种剂次难以收集等问题,造成传统的以分母为基础的研究方法难以实施。近数十年来,疫苗警戒研究者和统计学家开始利用以分子为基础的数据挖掘技术(Data Mining Algorithms,DMAs)对AEFI监测数据进行安全性信号的侦测。目前疫苗警戒研究中最常见的DMAs方法为比例失衡分析,主要分为传统频数方法和贝叶斯方法,计算的指标主要有比例报告比、报告比值比和相对报告比;以及贝叶斯置信传播神经网络的信息组件和模糊贝叶斯伽马-泊松收缩论的经验贝叶斯几何均数。现对DMAs的基本原理及其应用进行综述。展开更多
