将药物警戒与机器学习相结合：癌症患者使用口服抗凝剂时的出血信号检测与风险预测

《Research and Practice in Thrombosis and Haemostasis》：Integrating Pharmacovigilance and Machine Learning: Bleeding Signal Detection and Risk Prediction for Oral Anticoagulants in Cancer Patients

　　

摘要

背景

口服抗凝剂已被广泛用于癌症患者的血栓预防与治疗，但针对该群体中不同口服抗凝剂所引发的出血风险，目前尚未有充分研究。

目的

本研究旨在比较不同口服抗凝剂在癌症患者中的出血风险特征，识别相关风险因素，并建立相应的预测模型。

方法

本研究基于美国食品药品监督管理局的不良事件报告系统数据库，运用报告比值比来分析2014年第一季度至2024年第一季度期间癌症患者使用口服抗凝剂所出现的出血风险。同时，本研究采用回顾性队列设计，评估口服抗凝剂对癌症患者出血风险的影响。

结果

本研究共分析了29,897份癌症患者使用口服抗凝剂的相关不良事件报告，其中包含4,084例出血事件。研究显示，出血事件多发生在用药后的前两个月内。与其他三种口服抗凝剂相比，阿哌沙班引发的出血风险相对较低。在癌症患者中，男性性别、心血管疾病、脑梗死、肾功能不全、胃肠道癌症以及国际标准化比率偏高，都是增加口服抗凝剂引发出血风险的危险因素。在四种出血风险预测模型中，XGBoost模型的表现最为优异（训练集AUC值为0.788，测试集AUC值为0.783）。

结论

与口服抗凝剂相关的出血不良事件多发生在治疗初期。阿哌沙班的出血风险相对较低。男性性别、心血管疾病、脑梗死、肾功能不全、胃肠道癌症以及国际标准化比率偏高，可能是导致出血事件的潜在风险因素。本研究建立的口服抗凝剂相关出血风险预测模型，在内部验证中表现良好。

吕梅娜|郑晓春|谢航|林碧娟

中国福建省福州市福建医科大学附属协和医院药学部，邮编350001