VigiBase妊娠算法在药物警戒案例报告数据库中的全面评估：揭示妊娠期药物暴露监测新策略

本研究针对妊娠期用药安全信息匮乏的现状，开发并评估了WHO全球药物不良反应数据库VigiBase中的妊娠病例识别算法。研究团队通过多数据集验证（召回率75%-91%，精确度92%），证实该算法能有效克服国际病例报告标准（ICH E2B）缺乏妊娠专用字段的局限，显著优于传统标准化MedDRA?查询（SMQ）方法。这项研究为妊娠药物警戒建立了可靠工具，同时呼吁全球统一妊娠暴露报告标准以提升数据质量。

　　

妊娠期用药安全始终是医学界的重要课题。超过80%的孕妇在妊娠期间会使用至少一种药物，但受伦理限制，孕妇常被排除在临床试验外，导致药物上市时妊娠安全性数据严重不足。这种信息缺口在20世纪60年代"反应停事件"后引发全球关注，促使各国建立药物不良反应自发报告系统。然而，当前国际病例安全报告传输标准（ICH E2B）缺乏专门标识妊娠相关病例的字段，使得从海量报告中准确识别妊娠暴露案例成为巨大挑战。

为解决这一难题，乌普萨拉监测中心的研究团队开发了VigiBase妊娠算法，并在《Drug Safety》发表了全面评估结果。这项研究创新性地利用E2B格式中多个结构化数据元素，通过排除-纳入双重规则设计（如排除50岁以上患者，纳入"先天性异常"严重性标准等），实现了妊娠病例的高效识别。研究采用三种数据集验证：包含3300万份报告的完整数据集用于规则分布分析；经年龄性别筛选的7874份降采样数据集评估召回率；3万份随机数据集检验精确度。所有案例均由四位经验丰富的药物警戒评估员人工标注，确保评估可靠性。

研究结果显示，该算法整体召回率达75%（95% CI 69-80），在符合E2B格式的报告子集中提升至91%（95% CI 86-95），显著高于传统SMQ方法的62%。精确度方面，算法以92%的表现远超SMQ的74%。分析发现，假阴性主要源于非E2B格式报告中妊娠相关术语映射失败（46/63）或信息仅存在于自由文本字段（8/63）；假阳性则多由产后指征（如产后出血）或非特异性事件（如妊娠斑）引起。值得注意的是，算法中"妊娠/胎儿事件"（i6）和"妊娠/胎儿适应症"（i5）规则贡献最大，分别覆盖77%和25%的阳性报告。

在讨论部分，作者强调该算法在保持透明规则的基础上，有效平衡了召回率与精确度。虽然无法处理自由文本是其局限，但相比自然语言处理等"黑箱"方法，规则系统更利于实际应用和调整。研究同时揭示了全球数据报告中的关键问题：非英语ICD术语映射失败、E2B(R3)格式中"胎儿"年龄组未充分利用、以及妊娠专用药品标识的潜在价值。这些发现为国际妊娠药物警戒的标准化进程提供了重要依据，特别是对ICH E2B格式的改进建议具有直接指导意义。

这项研究的创新价值在于：首次系统评估了妊娠病例识别算法的性能，为后续研究设立基准；证实多规则组合策略优于单一术语查询；揭示不同报告格式对数据质量的影响。正如作者指出，真正的解决方案在于全球统一妊娠报告标准——这不仅需要技术改进（如专用妊娠字段），更需要加强医疗人员的报告规范培训。该算法现已整合至VigiBase分析工具VigiLyze，供150多个成员国的药物警戒中心使用，将持续推动妊娠用药安全监测的国际协作。