ADR信号筛选的常用算法
目前国际上存在多种定量信号检测方法，其中较常用的方法有BCPNN、ROR、PRR等，而这些方法是以比例不平衡的理论作为基础实现的。
贝叶斯判别可信区间递进神经网络模型（bayesian confidence propagation neural netw，BCPNN）是世界卫生组织Uppsala监测中心（UMC）的Andrew Bate等建立的一套新的ADR信号探索方法。该方法在四格表的基础上应用了贝叶斯判别原理，使得模型具有前馈性的特点，随着数据库本身信息的不断增加和更新，模型能进行定期的自主学习和演绎推断，结合新的信息，对以往累计的ADR报告进行再评价。这一特点使模型具有很好的早期发现ADR信号的能力。其中代表药品－不良反应组合相关程度的指标IC值作为处理数据的权重存储在网络之中。
贝叶斯理论计算的是药品－不良反应组合在单个不良反应报告中出现的概率。这个概率读入数据前称为先验概率，在读入数据后得到后验概率。先验概率和后验概率是相对而言的，后验概率在下次的数据训练时又变成先验概率。两者的关系可以用公式表述如下。
P（A/D）＝P（A）P（A，D）/［P（A）P（D）］
P（A）表示先验概率，P（A/D）表示后验概率，系数P（A，D）/［P（A）P（D）］可以认为是系统新入数据对先验概率产生的影响。IC值是该系数的对数值：IC＝log2［P（A，D）/P（A）P（D）］。结合比例不平衡四格表，该方程可以写成表12－2中ICij的公式。
新入数据对药品－不良反应组合联系强度有改变作用。若新入数据增加了原来ADR的出现概率，则IC值升高，反之则降低。
每批数据都可算得一个IC值及其对应的可信区间，从而不断修正药品－不良反应的联系程度，使之逐渐逼近真实值。将这些IC值及其对应的可信区间按时间顺序做图，可直观地观察到该药品－不良反应组合的信号强度随时间的动态变化（图12－4）。
图12－4 卡托普利引起咳嗽的回顾性研究
以上介绍的是单层BCPNN的情况，BCPNN也可扩展为多层，用于解决合并用药－不良反应等以前很难解决的多变量综合考虑的问题。
报告比值比（reporting odds ratio，ROR）是荷兰药物警戒中心的Lareb实验室首先提出的。该中心负责荷兰全国ADR自发报告系统的管理和开发。为了保持与其他数据库衔接的一致性，所有录入系统的可疑ADR和可疑药物都是根据世界卫生组织的WHOART和荷兰规范的药物治疗化学结构（ATC）进行统一编码的。截止到2002年l1月，该系统共收集到31786个ADR报告。2003年，Lareb实验室的Puijenbroek等利用该数据库1985年1月至2002年1月收集的所有经过编码的ADR报告，探索血管神经性水肿的发生和何种可疑药物之间存在可能的关系，通过计算报告比值比及相应的95%的可信区间，发现血管神经性水肿和血管紧张素转化酶抑制药、肾上腺受体Ⅱ阻断药之间存在很强的关联。
比例报告比值比（法）（proportional reporting ratio，PRR）通过计算数据库中出现某特定药品－不良反应组合（Drug－ADR组合）的比例，将所得结果与背景相比，如有明显增强并达到一定标准时，则认为是一个可能的信号。2001年，Evans等首先利用比例报告比值比，在英国国家ADR自发报告系统（黄卡系统）收集的ADR报告的基础上，进行了可疑不良反应信号生成的尝试。在英国，所有可疑ADR的信息都由医疗专业人士填写并制成黄卡，上报给英国医学管理委员会，并由该委员会录入计算机系统，成为网上可查询的ADR数据库（adversedrug reactions on line information trackingdatabase，ADROIT）。该数据库从1991年开始运行，共收集了自1964年以来英国国内的35万件报告，涉及60万例ADR。所有录入的药物和不良反应编码统一参考ADROIT医学典。Evans等通过对英国15个新上市药物有关的不良反应报告的分析，共识别出487个与这15个药物有关的ADR信号，其中6个由于无法进行继续的评价而被排除。在剩下的481个信号中，339个（约70%）属于已经被识别的不良反应，另外62个信号（13%）被认为不良事件的发生可能与某些服药患者自身的潜在疾病有关，最后剩下的80个（17%）信号被认为需要进行进一步的评价。目前，在这80个新发现的信号中，22个已经得到进一步的详细评价，根据评价的信息反馈，个别药品的生产商已经被要求更正、补充和更新药品使用说明书上的安全信息。
除了上述的各种比例不平衡算法之外，其他可能的探索不良反应信号的方法还包括：预测模型法（predictive modeling），聚类分析法（clustering or databas segmentation）。其中，预测模型法非常类似统计学中的多元回归分析，通过建立模型，预测服药人群将来可能发生的结局。但是预测的结果往往会受数据库中一些异常值的影响。另一个方法是聚类分析，该方法是通过比较不同记录报告间相同和不同的地方，对数据库中的记录进行分组和归类。但目前文献中还没有利用上述两种方法来探索ADR发生信号的研究报道。