🎯 系统概述
🔍 系统简介
PV数据挖掘系统是基于美国FDA不良事件报告系统(FAERS)数据库开发的专业药物警戒分析平台，为药品安全性评价和药物警戒研究提供强大的数据支持。
💡 核心功能
- 多维度药品安全信号检测
- 多种统计算法支持
- 实时数据查询与分析
- 可视化结果展示
- 专业级数据筛选
🚀 功能模块详解
💊 模块一：药品-不良反应数据挖掘
功能： 查询药品与不良反应之间的关联关系
适用场景： 评估特定药品的安全性特征，发现潜在的不良反应信号
🔬 模块二：药品-适应症数据挖掘
功能： 查询药品与适应症的关联关系，支持数值筛选；数据驱动的药物常见用途
特色功能： Excel式数据筛选，支持≥、＞、≤、＜、＝等运算符
💡 使用技巧： 可以组合多个筛选条件，如"ROR值 ≥ 2"且"a值 > 5"，实现精准数据筛选。
📈 模块三：适应症-不良反应数据挖掘
功能： 查询特定适应症下出现的不良反应信号；提示疾病本身对不良事件的影响
适用场景： 研究特定疾病治疗中的安全性问题
📊 信号检测算法说明
| 算法名称 | 英文全称 | 算法特点 | 适用场景 |
|---|---|---|---|
| ROR | Reporting Odds Ratio | 报告比值比，计算简单，响应快速 | 初步信号筛查 |
| PRR | Proportional Reporting Ratio | 比例报告比，考虑背景报告频率 | 常规信号检测 |
| BCPNN | Bayesian Confidence Propagation Neural Network | 贝叶斯置信传播神经网络，稳定性好 | 精确信号验证 |
| EBGM | Empirical Bayes Geometric Mean | 经验贝叶斯几何均值，抗干扰能力强 | 复杂数据分析 |
🎮 快速使用指南
基础查询步骤：
1
选择查询模块
根据您的分析需求，选择相应的功能模块
2
输入查询条件
填写药品名称、不良反应或适应症等关键词
3
选择算法
根据分析需求选择合适的信号检测算法
4
查看结果
系统将显示查询结果，支持数据导出和分析
高级筛选技巧：
1
数值筛选
在模块二中，可以使用数值筛选功能精确控制结果范围
2
多条件组合
支持多个筛选条件组合使用，实现复杂查询
3
结果排序
点击表头可以对结果进行排序，便于数据分析
❓ 常见问题解答
❔ 如何选择合适的信号检测算法？
建议： 初学者建议从ROR算法开始，熟悉后可尝试PRR和BCPNN算法进行验证，复杂分析可使用EBGM算法。
❔ 查询结果中的a、b、c、d值代表什么？
解释： 这是四格表数据：a-目标药品目标事件数，b-目标药品其他事件数，c-其他药品目标事件数，d-其他药品其他事件数。
❔ 为什么有些查询没有结果？
可能原因： 输入的关键词不准确、筛选条件过于严格、或该药品/适应症在数据库中暂无相关报告。
⚠️ 重要提示： 本系统提供的信号检测结果仅供参考，不能直接作为临床决策依据。实际应用中需要结合专业知识进行综合判断。
