个例药物不良反应的判断（二）
3、统计学分析方法
（1）泊松分布判断法
泊松分布的概念 泊松分布（Poisson distribution）最初是作为二项分布的一种特例提出来的，当某事件的发生率π或（1-π）很小（比如小于0.05），而每次的观察单位数n很大时，用二项分布计算某事件出现的次数X（X=0，1，2，…，n）的概率很麻烦，而用泊松分布则能得到良好的概率近似值。后来泊松分布发展成为描述小概率事件出现规律性的一种重要的离散型分布。本法适用于发生频率很小（小于1%）的不良反应的判断。
泊松分布概率计算公式
式中e为自然对数的底，约为2.71828。μ为总体平均数，μ=nπ。p（X）亦可按下列递推公式计算：
泊松分布的应用
例1 用某药治疗40人，一人出现精神抑郁症，此现象可能为药物引起，也可能在不用药的人群中出现，过去抑郁症在人群中发生率为0.01%，问用某药治疗的人群中精神抑郁症的出现是否比一般人群中的要高即40个服药病人中出现1例抑郁症是否与服药有关？
由于有p（1≤X）<0.05，故拒绝检验假设而接受备择假设，认为用某药治疗的人群中精神抑郁症的出现比一般人群中的要高，说明这一例在不用药人群中出现的概率太小，因而可以认为40个服药病人中出现1例抑郁症与服药有关。
（2）贝叶斯判别（Bayes discrimination）法
贝叶斯判别的基本思想 有一个新样品，计算把它归入每一类的概率，最后把该新样品判归概率最大的一类中去。由于概率计算不太方便，实际上还是对每一类建立一个判别函数式，然后按函数值的大小作判别归类。
此法基于贝叶斯判别的基本思想，将一个可能的药物不良事件作为一种特殊的条件概率对病例加以鉴别诊断。本法中要计算两种主要方面的概率：一是事件以往药物引起的可能性相对于其它可能性的概率；二是待评定病例中药物引起的可能性相对于其它可能性的概率。应用公式为：
例2 某一病人用了镇痛剂45min后发生恶心，用贝叶斯判别法来计算因果关系：
目前贝叶斯判别法已用于评价各种严重的不良事件，如肝中毒、肾中毒等。
（3）利用死亡率统计调查不良反应发生的原因
有些不良反应调查不适于运用病例对照或前瞻性方法来研究，简单的死亡统计资料可以合理地分析问题。如通过不同国家使用气雾剂类型和销售量与副作用、死亡人数作比较，可以找出哮喘病人使用气雾剂后发生不良反应的原因，肯定了使用浓气雾剂为致病、致死因素，因没有使用这种剂型的国家无这种死亡增加现象。
（4）干预试验法 干预试验可判断药物与不良反应的关系。
如反应停（商品名Grippex）有安眠和镇静作用，常为孕妇所使用。在联邦德国，从1959年开始在市场销售，1960年销售量迅速上升。1960年底和1961年初出生短肢畸形病例数亦随之上升。两条曲线相隔3个季度，故反应停销售量曲线正与这些病例的母亲怀孕初期相吻合。1961年12月对反应停进行干预，从联邦德国市场撤消，反应停停止出售后，1962年下半年以后出生的儿童便很少发生这种畸形。说明此不良反应是反应停所致。见图1。
图1 联邦德国反应停销售总量（虚线）与短肢畸形病例数（实线）的时间分布
（Davis and Dobbling.1974）
