随着老龄化人数不断增加、环境污染等外部环境改变,呼吸系统疾病无论从发病率、致残率、死亡率等方面均出现明显增加。目前,在呼吸疾病患者治疗过程中的用药安全性和有效评估主要是依靠医护人员临床经验和相关领域知识。因此对药物治疗和临床结局之间的关系判断,以及药物上市后对用药有效性、安全性再评价,是目前医院和医保部门的难题。随着医疗信息化逐渐发展,医疗行业领域医疗数据激增、医疗数据库规模逐渐庞大,这其中潜在巨大的实用价值,近年基于机器学习的数据挖掘手段也不断成熟。以上发展为本文开展结合大数据统计和基于机器学习的数据挖掘方法,为用药有效性、安全性评价提供了必要条件。本文基于中国医院药物警戒系统(China Hospital Pharmacovigilance System,简称CHPS)所收集的某医院近5年的典型呼吸系统疾病患者数据,通过应用相关统计学方法进行了药物有效性评价研究。此外,基于天普药业的乌司他丁药物不良反应反馈报告数据,应用了三种机器学习预测模型进行了药物安全性评价的相关研究。本文的主要工作如下:1本文采用了倾向性得分匹配、卡方检验、生存分析等方法,对某医院呼吸系统疾病患者使用药物进行了有效性评价研究。(2)本文通过使用SPSS Modeler软件,建立基于机器学习方法的预测模型,对患者数据进行安全性分析,挖掘出药物不良反应的影响因素。在使用Logistic回归、支持向量机、神经网络三种机器学习方法建立的模型实验后发现,用量、用药次数、用法、是否合并用药、是否有家族药物不良反应等特征是药物出现不良反应的主要影响因素。表明Logistic回归算法、支持向量机算法在药物安全性分析中,具有一定实际应用价值。