这不是一个录入界面，而是一次真实的安全性分析。 对 openFDA 全库做不相称性 （disproportionality）分析，输出可复现的统计结论。
很多药物警戒工具做的是「把 ICSR 录进系统」，本项目做的是从数据里算出信号 —— 这才是 PV 岗位的硬技能。
实测结果（真实数据，非示例）
对 3 个药物 × 45 个首选术语（PT）共 135 个药物-反应组合的分析， 全库药物-反应报告对总数 N = 39,497,182：
| 指标 | 数值 |
|---|---|
| 检出信号数（任一判据满足） | 125 / 135 |
| 三条判据（PRR+ROR+IC025）同时满足 | 111 |
| METFORMIN 信号数 | 42 / 45 |
| IBUPROFEN 信号数 | 41 / 45 |
| ASPIRIN 信号数 | 42 / 45 |
最强信号：METFORMIN → LACTIC ACIDOSIS（乳酸酸中毒）
| 统计量 | 数值 |
|---|---|
| 报告数 a | 20,130 |
| PRR | 157.38（95% CI 153.85–160.99） |
| ROR | 165.01（95% CI 161.24–168.86） |
| IC / IC025 | 5.86 / 5.83 |
| χ² | 1,140,825.4 |
| 期望报告数 E | 347.13 |
这个结果本身是一次有意义的方法学验证：二甲双胍导致乳酸酸中毒是临床上 公认的、说明书明确警示的风险。一个信号检测算法如果在真实全库数据上复现不出 这个信号，那它一定是错的。本项目复现出了，且强度（PRR 157）与文献报道的量级一致。
实现的统计方法
全部从零实现，不依赖 scipy / statsmodels，每个公式都在 README 中给出：
| 方法 | 说明 |
|---|---|
| PRR | 比例报告比，含 χ² 与 95% CI |
| ROR | 报告比值比，95% CI 用对数正态近似 |
| BCPNN | 贝叶斯置信传播神经网络，实现 IC 与 IC025，含近似方差公式 |
| 判据 | EU 标准（PRR≥2 且 χ²≥4 且 N≥3）、ROR 下限>1、IC025>0 |
| 零值处理 | 所有除数零值均做防护；单元格为 0 时按 Haldane-Anscombe 加 0.5 并在文档中说明 |
尾部未校正 χ²：实现的是 Pearson χ²（不校正），与手工复算精确到小数点后 7 位。 Yates 校正版本在本文量级下对 EU 判据（χ²≥4）结论无影响。
数据来源
openFDA 公开 API（api.fda.gov/drug/event.json），使用其 count= 聚合接口
构建 2×2 列联表，礼貌限流（每次请求间隔约 1 秒）。
正确处理了两个容易踩的坑：openFDA 在查无结果时返回 HTTP 404（不是空 JSON），
把它当故障重试的爬虫会在空查询上死循环；count 结果里的 term 大小写不统一，
必须归一化后再配对。
快速开始
git clone https://github.com/leerogerstheman/FAERSSignal
cd FAERSSignal
# 运行一次完整分析并生成报告
python faers_signal.py analyze --drug METFORMIN --drug IBUPROFEN --drug ASPIRIN
# 输出：examples/signals.csv、examples/report.md、examples/faers_example.sqlite环境要求：Python 3.9+，纯标准库，无需 pip install。
测试
python -m pytest tests/ # 或 python tests/test_stats.py统计函数用手工计算的期望值做断言，而非用被测代码自身生成的”快照”。
报告内容
生成的 Markdown 报告包含：方法学说明、2×2 列联表定义、判据、按信号强度排序的 结果表，以及局限性说明：
- FAERS 是自发报告系统，没有分母，不能计算发生率
- 报告数受报告偏倚、媒体关注、诉讼影响
- 存在重复报告与信息不全
- 不相称性不等于因果关系，信号仅提示需要进一步评估
这些限制不是免责声明，而是 PV 从业者必须能说清楚的专业常识。
资源
- 源码与文档：GitHub
- 数据源：openFDA Drug Adverse Event API