基于医院信息系统数据的临床用药风险自动监测评价专家共识

中国研究型医院学会药物评价专业委员会，解放军药品不良反应监测中心

1 引言

探索制定《基于医院信息系统数据的临床用药风险自动监测评价专家共识》，有助于为相关人员规范开展该领域相关研究及实践提供有益参考。

随着新药上市的增加，以药品不良反应（adverse drug reaction，ADR）为表现的临床用药风险日益凸显，其中严重ADR导致的用药风险受到更多关注。《国家药品不良反应监测年度报告（2020年）》显示，全年收到的167.5万份ADR自发报告中，严重ADR占比10.0%[1]。近十年来，ADR监测作为用药风险监测的基础性工作日趋深化，监测范围已经由ADR扩展到所有药物不良事件（adverse drug event，ADE）。自2011年《药品不良反应报告和监测管理办法》[2]颁布以来，药品安全风险监管重心已由信息采集向技术性评价转移，常规的ADR监测工作趋于ADR/ADE监测评价并重。

随着信息化与人工智能技术的发展与融合，药物安全性评价水平得到了显著的提升[3]。而依托计算机的高速运算与智能评估、开展基于医院信息系统（hospital information system，HIS）数据的临床用药风险主动监测，能够筛除大量无关病例，显著减少研究成本，较之以集中监测为主的主动监测更趋精准、高效、灵活、经济[4]。

在当前各级监管机构先后出台相关政策法规、鼓励开展上市后药品安全性再评价研究的背景下，规范基于HIS数据的临床用药风险自动监测评价工作，在临床用药风险的综合防控和药学重点监护工作中发挥更大作用极有必要。为此，我们探索性编撰了《基于医院信息系统数据的临床用药风险自动监测评价专家共识》，汇集了医院药学、临床医学、药物警戒、药物流行病、信息技术等领域专家意见，在技术、方法、流程等方面进行系统阐述，为相关人员开展临床用药风险自动监测评价提供参考。

2 临床用药风险自动监测评价的相关概念、数据来源及研究范围

临床用药风险自动监测评价，是指借助专项系统或软件、基于临床真实世界数据对重点患者和重点ADR开展主动监测，进而对监测数据开展深度挖掘与分析，高效快准地获取ADR发生率、临床特征、危险因素等量化的风险信息。目的是为用药风险防范与管控提供科学参考，减少或规避临床用药风险。

2.1 相关概念

自动监测（automated surveillance，AS）是指借助计算机技术、以尽可能小的成本，对低频率事件进行的连续性主动监测活动[5-7]。临床用药风险自动监测属于自动监测范畴，特指借助专项系统或软件，基于临床真实世界数据（real world data，RWD），高效智能地对重点监测目标开展的ADR主动监测[4]。

用药评价（medication-use evaluation，MUE）是一种系统的、跨学科的绩效改进方法，其首要目标是通过多学科协作对药品使用进行持续评估以改善患者的治疗效果和生活质量，安全性评价是其重要内容[8]。临床用药风险评价是指评价主体应用多种评价方法和工具，对上市后药品临床安全性开展科学规范的、定性定量相结合的数据整合分析与综合研判，以获取上市后药品安全信息，为药品监管政策制定和药品使用规范提供参考和建议[9]。

2.2 数据来源

HIS数据为临床RWD的最重要来源，包含大量与患者健康状况和/或诊疗及保健有关数据[10]。本共识提到的临床用药风险自动监测，特指利用专项系统或软件直接对接HIS数据源接口，获取最原始数据开展的用药风险监测评价研究[4,11-12]；较之以分布式数据系统获取标准化数据的国外主流主动监测系统，我们的这种方式获取数据类型多样、时效性及可溯源性均较好，且可以开展实时监测研究，强化了对真实世界研究（real world study，RWS）的支撑能力，也更加符合我国目前医疗数据源分散、异质性大的基本国情。

2.3 研究范围

囿于对数据完整性的较高要求，目前基于HIS数据开展自动监测的目标人群主要为住院患者；监测与评价的重点是高风险人群、非预期或严重ADR。受限于住院时间及随访能力，也较少涉及潜伏期较长的ADR。

3 共识背景

3.1 国内外相关工作发展状况

多年的系统研发与实践显示，临床用药风险自动监测评价能够高效地开展风险信号验证，为各级监管部门实施药品风险管控提供可信的依据，助力构建药品全生命周期管理的药物警戒体系。

上世纪60年代“反应停事件”促成了全球ADR监测工作的起步，并逐渐由被动监测发展到被动/主动监测并行。主流数据库中历年来发表的ADR主动监测、自动监测的文献数量随时间呈现明显的增长趋势，并进而促进了各国药物警戒（pharmacovigilance，PV）体系的构建。药物警戒是发现、评价、认识和预防ADR或其他任何与药物相关问题的科学和活动，其目标是广义的药品安全，并贯穿于药品的全生命周期[13]。

信息化技术的发展，使得将现有医疗保健数据库链接对应的监测分析系统，开展临床用药风险自动监测成为可能。2008年欧盟药品管理局（European Medicines Agency，EMA）启动“探索与理解药品不良反应项目（exploring and understanding adverse drug reactions，EU-ADR）”，尝试跨越多个数据库进行ADR的早期监测[14-15]。同年，美国食品药品管理局（Food and Drug Administration，FDA）从“迷你哨点（mini-sentinel，MS）”试点起步，创建了由18个数据合作伙伴组成、覆盖了1.5亿余人群的分布式数据网络[16]；随后于2015年由试点转为“哨点（sentinel）系统”，目前已成为FDA现有上市后药品安全性监测工具库核心、先进监测技术和方法的关键测试平台[17-18]。日本药品和医疗器械局（Pharmaceuticals and Medical Devices Agency，PMDA）2009年启动“医疗信息风险评估行动（medical information for risk assessment initiative，MIHARI）”，致力于建立基于多种电子医疗信息的药物流行病学分析体系[19]。

近年来，我国相关机构和科研团队围绕临床用药风险自动监测评价工作也尝试进行了多个系统的开发与应用实践。郭代红等于2012年设计开发了对接HIS的“医疗机构ADE主动监测与智能评估警示系统（adverse drug event active surveillance and assessment system，ADE-ASAS）[20-21]”；2018年进一步研发了“临床ADE主动监测与智能评估警示系统-Ⅱ（adverse drug event active surveillance and assessment system-Ⅱ，ADE-ASAS-Ⅱ）[20-21]”，迄今已经完成了涉及百万例次用药人群的自动监测研究，成为开展临床用药风险自动监测评价的实用工具[12]。2016年，国家药品评价中心开发了“中国医院药物警戒系统（China hospital pharmacovigilance system，CHPS）”，用于主动抓取医院药械警戒信息，提升ADR上报效率及质量的同时，可以通过自动监测实现重点品种的重点监测，及时发现电子病历中潜在的、漏报的ADR[22]。此外，也有针对单一事件或特殊患者研发的自动监测模型，如张帆等[23]以HIS为基础，建立了住院患者甘草酸制剂相关低钾血症主动监测系统；韩忠灵等[24]运用全面触发工具（global trigger tool，GTT）初步建立了肾移植受者免疫抑制ADE的主动监测模型等。

3.2 我国开展临床用药风险自动监测评价的法理依据

我国各相关部门陆续出台了鼓励开展药物评价RWS的法理依据，不断完善并明确了国家药品再评价相关法制体系和伦理要求，也为规范推进并拓展临床用药风险自动监测评价工作提供了利好支持。

3.2.1 法规依据 我国近年来不断加大对新药研发的支持力度，加快了新药上市速度[25]，但同时也增加了新药上市后临床用药风险[26]。因此，上市后新药的综合评价研究，特别是安全性再评价研究日趋受到各方关注和重视，各相关部门也陆续出台了鼓励开展药品评价RWS等政策[9,27-29]。2019年4月国家卫生健康委员会发布《关于开展药品使用监测和临床综合评价工作的通知》[30]，鼓励充分利用药品临床实践RWD开展药品临床使用的安全性等数据整合分析。2019版《中华人民共和国药品管理法》[31]首次在法律层面提出国家建立药物警戒制度，对ADR及其他与用药有关的有害反应进行监测、识别、评估和控制。2020年7月国家药品监督管理局发布《国家药监局关于进一步加强药品不良反应监测评价体系和能力建设的意见》[27]，提出建设基于医疗大数据的主动监测与评价系统，探索利用RWD研究药品上市后安全监测与评价新方法。2020年11月国家卫生健康委员会发布《药品临床综合评价管理指南（试行）》[9]鼓励以药品临床价值为导向，利用RWD开展药品实际应用评价。2021年5月国家药品监督管理局发布《药物警戒质量管理规范》[28]，明确要求上市许可持有人应承担起药品安全性监测主体责任，加强重点品种的上市后监测。

3.2.2 伦理依据 基于HIS数据的自动监测评价研究是利用住院患者诊疗数据开展的观察性研究，原则上仍然需要获取知情同意并保护患者隐私。然而，自动监测评价研究涉及样本量大，且多为回顾性研究，实际工作中获取知情同意困难，属符合豁免知情同意的条件（需要采集患者生物学标本的前瞻性研究除外）。2016年，国家卫生健康委员会发布《涉及人的生物医学研究伦理审查办法》[32]提到，利用可识别身份信息的数据进行研究，若已无法找到该受试者，且研究项目不涉及个人隐私和商业利益的，可以免除签署知情同意书。国际医学科学组织委员会（Council for International Organizations of Medical Sciences，CIOMS）2016版《涉及人的健康相关研究国际伦理指南》[33]指出，豁免知情同意必须同时满足以下三个条件：（1）如果没有豁免和变更，研究将不可行或无法实施；（2）该研究具有重要的社会价值；（3）研究对受试者构成的风险不超过最小的风险。此外，若自动监测评价收集数据目的为工作调研，则不属于伦理审查范围。因此，开展自动监测评价的伦理工作重点是避免数据信息泄露风险，需通过系统权限审批和相应备案流程实现对患者信息、临床用药原始数据等的保密管理，并对接触患者隐私信息的人员进行培训和教育。

4 临床用药风险自动监测评价工作基本原则

基于HIS数据的临床用药风险自动监测评价工作应遵从符合伦理、数据真实、方法科学、系统稳定、评价客观及流程规范的基本原则。

4.1 符合伦理

在《赫尔辛基宣言》和贝尔蒙精神指导下，恪守尊重自主、有利与不伤害、公平正义、医疗行善的四项基本原则，并遵从知情同意、生命价值、保密与最优化等应用原则[34]。

4.2 数据真实

RWD是产生真实世界证据（real world evidence，RWE）的基础。来源于HIS中的临床用药原始数据具备真实、全面、可溯源等特征，应全程规范研究人员对数据的管理与应用，确保安全合理使用数据。

4.3 方法科学

自动监测工作应根据研究目的选用科学合理的研究方法，并进行预实验评估方法的系统性，以保障所得结果的再现性。

4.4 系统稳定

自动监测借助专项系统或软件对HIS数据进行挖掘分析，系统或软件应能够对接不同版本的HIS，同时具备性能稳定、功能实用、界面友好等特征。

4.5 评价客观

疑似ADR病例甄别应持客观立场，应当由两名及以上药学或医学相关专业人员，根据相应的ADR关联性评价标准进行独立评估。若评估结果不一致，应咨询相关领域专家并经过小组论证后确定，最终评价结果应经专家总体审查把关。

4.6 流程规范

应根据研究评价目的、具体需求等，结合实际情况综合制定监测方案，做到技术路线清晰可行、阶段安排高效合理、结果分析严谨可靠。

5 临床用药风险自动监测评价相关技术

现阶段临床用药风险自动监测评价应用较为成熟的技术，包括数据抽取技术、触发器技术及文本分类技术，不同ADR模块涉及的关键技术各有侧重。数据抽取技术是获取数据的保证和自动监测研究的前提；触发器技术为目前最可行的自动监测技术，已经显示出较强的应用价值；文本分类技术对文本信息的强大挖掘与利用能力也展现出良好的应用潜力。

5.1 数据抽取技术

近年来，在国家医改政策支持下，我国各级医疗机构积极推进以电子病历为核心的医院信息化建设[35]，其中包含大量结构化与非结构化的数据，从中抽取并挖掘用药风险信息涉及的关键技术即数据抽取技术。数据抽取指从数据源中抽取所需数据的过程，广义的数据抽取涵盖数据抽取-转换-加载（extract，transform and load，ETL）的全流程。作为数据处理的第一步，数据抽取具有至关重要的作用；抽取的方法包括全量抽取以及增量抽取，前者类似于数据迁移或复制，后者更注重捕捉数据的动态变化；应根据数据源类型选择合适的抽取方法，以尽可能提高ETL运行效率[10]。基于HIS数据的自动监测评价中涉及的数据抽取技术主要指通过ETL采集工具将来源于HIS中的大量数据信息，经过转换清洗后存储到缓存数据库中作为原始数据[12,36]。数据抽取的方法应通过验证，保障提取的数据符合研究方案要求，同时应确保原始数据与源数据的一致性[10]。

5.2 触发器技术

触发器技术最早用于ADR的监测可追溯到1990年，美国Classen等编制了一套计算机程序，用于分析住院患者的相关检验指标和症状表现筛选疑似ADR病例，并将其定义为：通过专门编写的计算机程序对医院集成化的信息系统进行电子监控[37-38]。该技术提出后因其在筛选ADR疑似病例方面的实用性受到广泛的关注。2003年美国健康促进协会（Institute for Healthcare Improvement，IHI）进一步改进并开发了用于不良事件监测的GTT[39]。该技术在病历审查过程中以“触发器”为线索，有目的地定位病历中与ADR有关的内容，以进一步确定ADR，其检出率可达到常规自发报告方法的10倍以上[40]。利用触发器技术的常用ADR自动监测模块包括药源性肝损伤、药源性肾损伤、药源性血细胞异常等。目前，触发器技术因其经济、高效、便捷等特点，成为当前最可行的ADR自动监测技术，国内外的相关研究也积累了较多的实践经验[20,24,41-43]。

5.3 文本分类技术

触发器技术只能用于处理编码格式、数字格式等结构化数据，而HIS中患者信息最为丰富的是自然语言文本信息形式的病历[43-44]。对这些文本信息的识别和利用涉及到的文本分类技术，实质是基于对电子病历资料中的文本信息进行的分析，给出发生ADR或未发生ADR的判定结果[45]。应用比较广泛的文本分类方法为朴素贝叶斯法和决策树法[21,44]，均是将预先设定的特征词集作为文本分类的依据。特征词集内的特征词与文本性质均存在一定的逻辑关系，特征词应能够全面地描述ADR，涵盖目标ADR相关的专业词、同义词和特殊词。朴素贝叶斯法是根据特征词在各类文本中的分布概率进行文本分类，而决策树法则根据特征词间存在的具有方向性的联系对文本分类[21]。利用文本分类技术的常用ADR自动监测模块包括变态反应、过敏性休克、心脏毒性等。文本分类技术受限于电子病历记录情况，由于不同医疗机构文本信息差异性较大，目前研究多是单中心探索[46-47]。未来开展多中心研究需要规范医疗文本信息记录，整合分散的数据源，对数据进行标准化治理。虽然目前将文本分类技术全面应用于临床用药风险自动监测仍存挑战，但其对电子病历中海量信息强大的挖掘与利用能力，已经展现出良好的应用潜力。

5.4 其他相关技术

随着人群队列和样本资源逐渐积累，真实世界中临床用药复杂性升级，临床用药风险自动监测评价涉及的技术也日趋丰富。这其中，以大数据技术及人工智能技术发展最为迅速。大数据指大量、规模化、复杂的数据[48]。在与互联网技术广泛融合过程中，大数据技术的概念、内涵和外延也得到不断拓展与深化，在临床用药风险信号筛选、自动监测及药物警戒体系建设中发挥出重要作用，弥补了传统的药物安全性评价方法的局限性，成为获取药物安全性评价证据的可信来源[49-50]。人工智能（artificial intelligence，AI）是研究通过计算机模拟人类某些智能行为和思维过程的学科，主要包括基于计算机实现智能的原理研究、制造类似于人脑智能的计算机研究等，使其实现更高层次的应用[51]。在自动监测研究方面，借助人工智能可以实现更高效的ADR预警功能，在ADR发展初期识别高危人群从而早期干预[52]。此外，自动监测涉及的其他具体技术还包括数据挖掘技术、机器学习技术等。

综上，基于不同技术的自动监测系统，均是通过规范的数据提取、处理、分析，综合利用HIS中相关量化指标及文本信息，精准快廉地识别、验证ADR信号，其研发设计的重点是解决数据的规范采集、灵活分析以及后台高效支持。系统开发人员和研究人员共同参与系统研发和优化的过程，可以确保及时、准确、完整地抓取目标数据，灵活、高效、深入地分析利用数据。

6 临床用药风险自动监测评价相关研究方法

临床用药风险自动监测评价的研究方法分为回顾性自动监测研究及实时自动监测研究，前者样本量大、数据稳定，后者可追踪患者用药风险并对发生趋势进行预警预测。

6.1 回顾性自动监测研究

回顾性自动监测研究可利用HIS历史库及在用库数据信息，回顾性监测某一时期住院患者发生ADR的情况。因研究对象为出院患者，电子病历信息相对稳定。自动监测中获取的用药安全数据经研究人员综合利用流行病学及统计学方法进行深入的评价分析后，可以获取真实世界大样本人群中ADR发生率及发生特征信息[53-54]；亦可以进行不同诊断标准的自动监测对比研究[55]。围绕有明确因果关联的ADR病例，可以进一步分析目标ADR发生的临床特征及危险因素[56-58]；也可以在获取独立危险因素的基础上进一步建立并验证相关ADR发生的疾病预测模型[59]，进而将研究结果应用于临床实践，达到减少ADR发生、促进临床安全合理用药目的。回顾性自动监测研究虽然存在个别病历记录不够详实、缺失数据难以追溯而导致 ADR因果关联性评价结果偏倚等问题，但其能够一次性处理大量数据，节省研究时间，避免了可能对临床的干扰，同时基于大样本人群的研究成果对防控临床的潜在用药风险更具参考价值[60]。

6.2 实时自动监测研究

实时自动监测研究主要基于HIS在用数据库，在监测系统中预先分别设定异常报警和趋势报警规则，对住院患者相关信息指标进行实时自动监测分析，比较患者相关指标的动态变化，并进行临床用药风险趋势预警[61]。与回顾性自动监测不同，实时自动监测研究需要研究人员持续监测、收集数据，投入的人力、物力、时间成本较大；但其研究对象为在院患者，信息提取滞后时间短、数据可实时溯源，对数据缺失和关联性评价难度较大的病例可进行临床查房予以沟通补充。此外，实时自动监测研究可进行患者住院期间用药治疗全过程风险追踪，预警预测潜在的临床用药风险[62]，帮助一线临床药师开展更具针对性的药学监护，真正体现自动监测研究在临床药学实践中的支撑作用。

7 临床用药风险自动监测评价研究流程

基于HIS数据的临床用药风险自动监测评价研究流程主要包括：风险信号筛选、监测条件设定、风险信号验证、风险因素评估以及风险管理支持。研究全过程需要专业人员的人工评价配合系统或软件的自动监测完成。

临床用药风险自动监测评价研究各步骤流程间呈递进深入的关系，详见图1。研究流程的规范有助于用药风险信号的识别、分析与管理。借助自动监测系统或软件虽然能够完成大量的数据提取、分析、报警，但仍然属于辅助手段，对报警病例的甄别、风险因素的评估以及结果的转化反馈等仍需人工完成。人工评价时应注意区分医疗事件，并明确药物与ADR的因果关联性。关联性评价标准可参考《药品不良反应术语使用指南》[63]中“药品不良反应/事件关联性评价标准”或Naranjo评价标准[64]等，也可以选择体系完整且广受认可的其他标准，如用于药源性肝损伤评价的RUCAM量表[65]等。

图1 基于HIS数据的临床用药风险自动监测评价研究流程图Fig 1 Research flow chart of automatic monitoring and evaluation of clinical drug use risk based on HIS data

7.1 风险信号筛选

筛选临床用药风险信号是确定自动监测目标的前提。目前，国际上公认的药物警戒信号定义为：一个或多个来源的报告信息提示某些干预措施与某个或某类、不良或有利事件之间存在新的潜在因果关系，或已知关联事件新的信息，该信息被认为有必要进行进一步验证[66]。2012年WHO界定的药品安全信号特征为[67]：（1）药品安全信号用来揭示药品和用药事件之间的关联性，可以通过观察或试验获得，并且安全信号可以有多个来源；（2）这些信号既可能揭示一些新的且重要的关联，也可能揭示已知的但并未被验证或反驳的关联；（3）这些信号需要经过调查、验证和分析。

以上定义强调了风险信号的未知性和非预期性，同时明确了其来源具有多样化的特征。实际工作中风险信号的来源及筛选方法可以分为以下几个方面：（1）基于数据挖掘技术的ADR自发报告分析[68-70]；（2）临床实践中发现的潜在或有争议的用药风险[71-72]；（3）通过循证评价手段归纳学术文献报道及相关ADR/ADE信息通报中提到的风险信号，如罕见ADR个案报道[73]、国家药监部门ADR年报[1]、药物警戒快讯[74]等；（4）药品说明书中体现的潜在的或有待明确的ADR信息；（5）借助自动监测系统发现相关风险信号集中及关联趋势，如在纳入患者全部用药情况下自动监测研究中发现的重点药品风险信号[54,75]、不同ADR自动监测研究中发现的共同高危药品等[53,57]。自动监测研究中发现的风险信号更能体现真实世界发生情况。

7.2 监测条件设定

临床用药风险自动监测评价的优势在于纳入患者范围广、信息全、数据真实，但其面临的最大问题也在于信息量大、时间跨度长、影响因素多。软件系统支持下的数据处理非常快捷，应开展多次小样本量预实验，遴选最优的自动监测条件并进行样本量预估，从而提高监测精度和效率[11,60]。

自动监测系统的条件设定内容包括监测模式、监测时间、药品选择、报警规则、纳排标准、基值矫正等。根据研究目的和预期，通过“设定-执行-评价”多次循环，获得最优的条件设定。在保证完整纳入ADR患者的前提下，通过纳排触发标准调整、机器学习完善特征词集以及基值矫正等方法提高系统报警准确性，同时监测系统可以通过触发标准的设定辅助人工完成ADR病例严重程度分级，使研究对象更具针对性。

利用自动监测系统开展的小样本预实验，主要目的是调试并设定最适宜的自动监测条件，也可以视作一种风险信号筛选途径[76]。

7.3 风险信号验证

风险信号验证是在完成自动监测系统条件设定的基础上，延长监测时间、扩大样本量，对筛选出的风险信号进行验证的过程。在国外药物警戒体系中，风险信号验证作为其中的重要一环，在风险管理中发挥着重要作用[14,16,77]。风险信号的验证主要依赖于回顾性自动监测研究及实时自动监测研究，前者因纳入的样本量较大，涵盖病例种类丰富，更能发现潜在风险信号关联，尤其是对于罕见ADR产生的低频信号验证效能更强；后者可以起到对回顾性自动监测模式的补充验证作用，但更重要的则是对自动监测系统两种模式稳定性和一致性的评价。一般情况下，自动监测中风险信号验证主要以回顾性自动监测为主。风险信号的验证应该是多线程、闭环式、系统化的过程[19,78]，其结果可以为药品使用监管提供RWE。

由于风险信号的验证结果与自动监测系统的适用性密切相关，应该在单中心验证的基础上拓展组织多中心自动监测研究，以获得更具代表性的真实世界临床用药风险数据[76-77]；同时，风险信号验证也可用于方法学研究，例如比较不同条件设置下以及不同研究模式下得出的验证结果，或者对比不同时期以及采取风险管理措施前后的风险信号验证结果等。实际操作中应根据目标风险信号特点及研究目的来确定风险信号验证的具体流程。

7.4 风险因素评估

在完成风险信号的验证后，可以继续进行风险信号的深度分析，开展风险因素评估，将风险信号精细化、实体化[19,78-79]。风险因素评估是将前期研究确定的ADR病例作为药物流行病学研究的样本，计算研究目标ADR的发生率，并与未发生ADR的患者进行对比研究，以获取ADR相关危险因素[60,76]；还可以据此进一步构建相关风险评估预测模型，用于预测用药患者的ADR发生风险[59]。

风险因素评估涉及的流行病学方法，包括队列研究、病例对照研究、横断面研究等；涉及的统计学方法包括Logistic回归分析、倾向性评分匹配、个案控制匹配等[3,56-59,80]。对于前瞻性研究，还可以采集重点患者生物学标本，获取更为详实可靠的数据，深入探索药品风险的发生机制[81]。

风险因素评估不仅是对风险信号的量化表达，也是对风险信号的深度分析和转化，使自动监测研究中得到的大样本用药人群风险数据能够为进一步的风险管理提供可靠依据。

7.5 风险管理支持

医疗机构开展临床用药风险自动监测评价的最终目的是尽可能减少/规避ADR的发生，在识别用药风险的基础上实现有效的风险管理[82]。风险管理支持主要体现在以下几个方面：（1）获取真实世界大样本人群中药品安全数据，为临床防范用药风险、监管机构及时修正上市药品固有风险及缺陷提供参考依据。具体可以是针对临床重点药品或ADR的监测[61,77,83]、超适应证用药综合分析[84]、临床用药合理性评价[85]、处方行为分析[86]等；（2）实时追踪监测临床实践中锁定的重点患者，尽早发现临床用药风险、评估发展趋势、进而及时采取干预，实现用药风险“止于未动，治于未乱”的目的[76]；（3）对ADR自发报告及风险信号筛选模式的有效补充。传统的自发报告体系存在低报、漏报、无法计算发生率等局限性[87]，而自动监测可围绕风险信号，挖掘特定药品-事件组合，并针对药品-事件组合进行补充性监测[26,88]；（4）为药学专业人员提供高效支撑工具，能够更便捷的结合临床药学实践开展RWS，提升药学团队科研水平，强化临床用药风险防控实践及科研转化能力。

8 临床用药风险自动监测评价优势和应用前景

基于HIS数据的临床用药风险自动监测评价，虽然相关工作尚属探索性实践，有待进一步拓展，但因其具备了精准、高效、灵活、经济等特点，在获取临床用药风险RWE、深化药学监护、推进大样本RWS及完善风险监管体系方面，均具有明显的优势与广阔的应用前景。

8.1 精准高效获取临床用药风险真实世界证据

ADR自发报告监测主要用于筛选风险信号[68-70]，传统的主动监测（集中监测）虽然可以获取重点品种ADR发生率，但所需时间及人力成本巨大[87,89]。而基于HIS数据的自动监测评价研究效率高、样本量大，更易发现一些罕见ADR[60,90]。在获得ADR发生率、量化用药风险的同时，为临床提供用药风险的预警预测，精准高效地获取RWE。

8.2 灵活便捷助力临床药师深化药学监护

临床用药风险自动监测评价专项软件或系统多基于触发器及文本分类等技术[40,91]，评价人员可根据研究需求自由设置监测模块和报警规则[12]，并选择不同监测模式丰富了研究的转化实践。例如，回顾性监测研究用于验证药学监护实践中发现的风险信号，实时自动监测研究可实现重点监测目标ADR早期预警[62,82]。自动监测评价拓展了药学研究的实践转化途径，助力临床药师开展药学服务更趋灵活便捷。

8.3 全面拓展推进大样本用药人群真实世界研究

HIS中的海量电子医疗信息，结合自动监测系统或软件实施大样本用药人群RWS，尤其适于用药人群分散、用药例次少、人工难以收集足量病例的重点药品监测评价研究[12]。未来可以依托相关机构或第三方委托，秉持自愿参与的原则推进同质化多中心大样本用药人群RWS；其RWD的来源还可以包括但不限于：门诊患者用药数据、可穿戴智能设备收集的慢性病社区及居家治疗用药健康数据信息、以及探索对不同类型数据源的整合。

8.4 完善强化用药风险监测与管控体系

基于HIS数据的临床用药风险自动监测评价完善了药品风险管控循环，弥补了药品上市后被动监测模式的局限[26,89]。未来应进一步优化自动监测系统与医院内自发报告管理系统的实时联动、与各哨点医院不同HIS数据源接口特点更具适应性的对接设计，并做好针对不同类型数据源的质量控制与同质化工作。深化企业、学会与医疗机构的协作，构建低成本、广覆盖的自动监测网络，实现更广泛、更全面、更系统的临床用药风险评价与管控，完善国家层面药品全生命周期管理的药物警戒体系建设。

9 结语

基于HIS数据的临床用药风险自动监测评价可以用于药物安全性评价研究，获取临床用药风险RWE；也可以支持临床药师实施重点目标用药风险的监测评价、追踪预警真实世界药品潜在风险，提升药学监护效能；进而还可以为各级机构药品监管决策提供科学依据。目前国内相关工作尚处于探索和完善阶段，制定《基于医院信息系统数据的临床用药风险自动监测评价专家共识》既是对目前工作的总结与规范，也是冀望对其未来发展的展望与引导，最终目的是提升临床用药风险防范与管控能力。

执笔人：郭代红（解放军总医院解放军ADR监测中心）；于承暄（解放军总医院/解放军医学院）

编写组专家名单（按姓名拼音排序）：

艾超（清华大学长庚医院）；陈超（解放军总医院京中医疗区）；陈锦珊（解放军第九〇九医院/厦门大学附属东南医院）；陈孟莉（解放军总医院药剂科）；陈万生（海军军医大学附属长征医院）；封卫毅（西安交通大学第一附属医院）；付桂英（解放军总医院第五医学中心）；葛卫红（南京鼓楼医院）；郭代红（解放军总医院解放军ADR监测中心）；胡欣（北京医院）；黄立峰（苏州科技城医院）；菅凌燕（中国医科大学附属盛京医院）；姜玲（安徽省立医院）；冷家骅（北京大学肿瘤医院）；李大魁（北京协和医院）；刘丽宏（首都医科大学附属北京朝阳医院）；刘敏超（解放军总医院信息科）；缪丽燕（苏州大学附属第一医院）；邱峰（重庆医科大学附属第一医院）；沈传勇（国家药品评价中心）；师少军（华中科技大学同济医学院附属协和医院）；史惠卿（解放军西部战区总医院）；宋海波（国家药品评价中心）；童荣生（四川省人民医院）；王辰允（解放军总医院第四医学中心）；魏玉辉（兰州大学第一医院）；文爱东（空军军医大学附属西京医院）；吴晶（天津大学药学院）；吴新荣（解放军南部战区总医院）；夏培元（陆军军医大学附属西南医院）；肖小河（解放军总医院第五医学中心）；解立新（解放军总医院第八医学中心）；谢婷婷（《中国药物应用与监测》杂志社）；徐珽（四川大学华西医院）；薛万国（解放军总医院创新转化中心）；杨悦（清华大学药学院）；余爱荣（解放军中部战区总医院）；于倩（吉林大学中日联谊医院）；翟所迪（北京大学第三医院）；詹思延（北京大学公共卫生学院）；张波（北京协和医院）；张健（上海市新华医院）；张兰（首都医科大学宣武医院）；张伶俐（四川大学华西第二医院）；张相林（中日友好医院）；张小莉（解放军984医院）；张弋（天津市第一中心医院）；赵荣生（北京大学第三医院）；赵志刚（首都医科大学附属北京天坛医院）；朱曼（解放军总医院药剂科）；朱珠（北京协和医院）；左笑丛（中南大学湘雅三医院）。