换一批动态贝叶斯网络驱动的抗体药物警戒范式探索:从静态因果到时序概率网络
Dynamic Bayesian network-driven paradigm for antibody pharmacovigilance:from static causality to temporal probabilistic networks
摘要目的:探索基于动态贝叶斯网络(DBN)的抗体药物警戒监测新范式.方法:整合暴露剂量、遗传多态性、生物标志物及临床表型等多维动态数据,构建包含9 个关键节点的DBN时序概率网络,建立不良反应风险的多时间片传导模型.采用蒙特卡洛近似推断与时间序列动态推断实现风险预测.结果:构建的DBN模型实现了不良反应风险的动态量化与个体化预测.仿真研究显示,模型能够根据患者个体特征动态预测不良反应概率,并追踪信号强度的时序演变规律.结论:基于DBN的动态风险预测框架可为抗体药物不良反应防控提供个性化决策支持,为新型生物制品的风险动态管控提供技术路径借鉴.
更多相关知识
关键词
动态贝叶斯网络药物警戒抗体药物因果推断风险预测dynamic Bayesian networkpharmacovigilanceantibody drugscausal inferencerisk prediction
分类号
R186（流行病学与防疫）
栏目名称
DOI
10.3969/j.issn.1671-7562.2025.11.001
发布时间
2026-01-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
长三角区药品领域创新与高质量发展监管科学研究资助课题（24692122700）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
