考虑结果之间语义相似性的贝叶斯动态借贷在FAERS中的不成比例性分析

本文提出了一种贝叶斯动态借贷(BDB)方法，以增强自发报告系统中不良事件(AEs)的定量识别能力。该方法通过引入语义相似性度量(SM)来实现与目标优选术语临床相似的MedDRA术语的信息加权共享，从而解决了当前不成比例性分析中严格层次分组的局限性。研究发现，IC SSM方法在识别不良事件的敏感性上显著优于传统IC分析，且在早期市场后期表现出更高的稳定性和相关性。