摘要目的 确定贝伐珠单抗相关不良反应(ADR)的触发器条目,判定并分析相关ADR发生情况,构建该药致严重不良反应(SAR)的预测模型.方法 基于全面触发工具(GTT)理念,参考GTT白皮书、药品说明书及相关文献,结合单轮德尔菲法确定贝伐珠单抗相关ADR触发器条目;利用所建条目,基于中国医院药物警戒系统对桂林市人民医院2020年1月至2024年9月相关患者的电子病历进行主动筛查,由药师判定并统计贝伐珠单抗致ADR的发生情况.以所得触发器条目阳性患者的资料为对象(按7∶3划分训练集和测试集),通过Boruta算法从训练集相关39项变量中筛选候选特征变量,以是否发生SAR为因变量进行多因素Lo-gistic回归分析;以上述候选特征变量为基础,构建Logistic回归、极端梯度提升、轻量级梯度提升机、随机森林、类别特征提升模型,通过受试者操作特征曲线的曲线下面积(AUC)、召回率等指标评估模型性能,应用Shapley加性解释(SHAP)法分析解释各变量的贡献,并基于最优模型构建列线图.结果 最终确定用于贝伐珠单抗相关ADR主动监测的触发器条目38项,含检验指标17项、临床表现13项、干预措施8项.共纳入触发器条目阳性患者483例,其中发生ADR者318例,发生SAR者83例;触发器条目和病例阳性预测值分别为43.57%(708/1 625)和63.84%(318/483).贝伐珠单抗致ADR涉及7个系统/器官,以血液系统受累最为常见(64.15%).经Boruta算法共筛选到血钾、红细胞压积、白/球蛋白比值、前白蛋白、既往高血压史、年龄、红细胞计数7个候选变量.多因素Logistic回归分析显示,血钾水平升高(OR=0.234,P=0.002)与贝伐珠单抗致SAR风险降低相关,既往高血压史(OR=2.642,P=0.006)和年龄增加(OR=1.040,P=0.025)与贝伐珠单抗致SAR风险升高有关.Logistic回归模型的AUC、F1值、召回率(0.761、0.447、0.607)均高于其他模型;SHAP评估结果显示,血钾、红细胞压积、年龄等变量的重要性位居前列.结论 成功确定38项触发器条目用于贝伐珠单抗相关ADR的主动筛查.血钾水平升高是贝伐珠单抗致SAR的保护因素,而既往高血压史、年龄增加则是危险因素;Logistic回归模型为贝伐珠单抗致SAR的最优预测模型.