基于FAERS的新型冠狀病毒肺炎治療用藥安全信號挖掘研究：α-干擾素*

吳斌，肖桂榮，羅敏，胡巧織，吳逢波，徐珽

(四川大學華西醫院臨床藥學部，成都 610041)

2020年1月20日，國家衛生健康委員會(下文簡稱“國家衛健委”)將新型冠狀病毒感染的肺炎納入《中華人民共和國傳染病防治法》乙類傳染病，并采取甲類傳染病的預防和控制措施管理[1]，隨后將“新型冠狀病毒感染的肺炎”命名為“新型冠狀病毒肺炎(Novel Coronavirus Pneumonia，NCP)”[2]，世界衛生組織(WHO)命名為COVID-19。

對COVID-19目前尚無特效疫苗及確認有效的抗病毒治療藥物。國家衛健委根據疫情變化及救治經驗，先后發布七版《新型冠狀病毒肺炎診療方案》(以下簡稱《方案》)，指導COVID-19的臨床科學、規范救治?！斗桨浮返谄甙鎸ⅵ?干擾素、洛匹那韋/利托那韋、利巴韋林、磷酸羥氯喹和阿比多爾納入了抗病毒治療備選藥物[3]。

α-干擾素(interferon-α，IFN-α)在臨床主要經皮下、肌內或靜脈給藥，主要用于治療病毒性疾病和惡性腫瘤?！斗桨浮返谄甙嫱扑]可試用IFN-α霧化吸入給藥[3]，屬于超說明書用藥范疇，臨床在緊急情況下的藥品特殊使用仍應加強管理，關注用藥安全。

除藥品說明書、文獻報告之外，不良事件報告系統(adverse events reporting system，AERS)是藥品安全性研究的重要數據來源。國內外也逐步形成了基于AERS大數據的不良事件信號挖掘方法，應用于藥品上市后安全性監測。美國FDA的AERS(FAERS)因數據量大而且對公眾免費開放[4]，成為藥品不良事件(adverse drug event，ADE)信號挖掘的應用最廣泛的數據庫之一。FAERS數據按季度更新，對公眾免費開放。2020年2月6日最新一期(2019年第4季度)數據發布后，本研究團隊第一時間獲取數據，及時完成數據庫更新及數據清洗工作。本研究擬基于FARES對IFN-α上市后不良事件進行安全信號挖掘，以期為COVID-19抗疫過程中IFN-α的安全使用提供參考數據。

1 數據與方法

1.1資料來源

1.1.1ADE數據源 數據來源于FAERS，該數據以ASCII或XML形式存儲，本研究下載2004Q1至2019Q4，共64個季度的ASCII數據，選擇個人信息記錄(DEMO)、不良事件記錄(REAC)、藥物使用記錄(DRUG)和事件結局(OUTC)數據表進行后續分析。

1.1.2數據清洗 根據FAERS說明文件去除DEMO表的重復報告，并映射到DRUG、REAC和OUTC表。采用Medex_UIMA_1.3.7系統對DRUG表中藥品名稱進行標準化處理，并賦予RxCUI編碼[5]。FAERS不良事件數據采用《ICH國際醫學用語詞典》(Medical Dictionary for Regularly Activities，MedDRA)首選語(Preferred Terms，PT)編碼。本研究下載MedDRA 21.1版，用于首選語(PT)、高位語(High Level Term，HLT)、高位組語(High Level Group Term，HLGT)、系統器官分類(System Organ Class，SOC)編碼和語言漢化[6]。

1.1.3藥品提取 限定上報藥品的“ROLE_COD”為“首要懷疑藥品(Primary Suspect Drug)”，模糊檢索標準化的DRUG表中的所有干擾素(interferon)病例，剔除其中β-干擾素、γ-干擾素和PEG干擾素等，得到首要懷疑的IFN-α報告編碼(PRIMARYID)和病例編碼(CASEID)。

1.1.4ADE提取 根據1.1.3中得到的報告編碼和病例編碼映射REAC表，篩選出對應報告事件(PT)，并通過SOC映射到系統分類。

1.2數據分析 采用比例失衡法(disproportionality methods)中的報告比值比法(reporting odds ratio，ROR)和比例報告比值法(proportional reporting ratio，PRR)進行信號檢測。該方法基于四格表(表1)，通過比較目標藥品(IFN-α)的目標事件發生比例與其他所有藥品的目標事件的發生比例(背景數據)，以檢測潛在ADE信號。PRR法報告數≥3，PRR≥2，且χ2≥4提示信號；ROR法雙側檢驗 95%CI下限>1提示信號[7]，即藥品和事件之間潛在關聯性。計數資料采用例數和構成比描述。統計分析采用SPSS 20.0版軟件和Microsoft Excel 2016版軟件。

表1 比例失衡法四格表

Tab.1Four-foldtableofdisproportionalitymethods

目標事件報告數其他事件報告數小計IFN-αaba+b其他所有藥品cdc+d小計a+cb+dN=a+b+c+d

2 結果

2.1不良事件報告情況 經過數據清洗，共得藥品不良事件報告11 450 529例，其中以IFN-α為首要懷疑藥品的報告2 889例。男女比例為1.32。中位年齡55歲，18～64歲患者占53.96%。醫師報告39.91%。來自美國的報告占58.81%。52.34%報告未說明給藥途徑，前3位分別為皮下、靜脈和肌內給藥，共占43.89%，未見經鼻給藥報告。其余報告基本信息參見表2和圖1。

表2 FAERS中IFN-α相關不良事件報告基本信息

Tab.2PrimaryinformationofIFN-αrelatedeventsreportedinFAERS

維度與亞類報告例數/n構成比/%性別 男性152852.90 女性116240.20 不清楚1996.90 年齡段 <18歲341.18 18～65歲155953.96 >65歲45315.68 不清楚84329.18報告者 醫師115339.91 消費者55119.07 其他健康專家50417.45 藥師2488.58 律師10.03 不清楚43214.95報告國家(前五) 美國169958.81 德國1013.50 巴西983.39 日本722.49 法國622.15給藥途徑(前五) 皮下109938.04 靜脈953.29 肌內742.56 膀胱301.04 眼內270.93

2.2各SOC不良事件報告及信號情況 對以IFN-α為首要懷疑藥品報告的事件(PT)進行信號分析，并映射得到對應的系統器官分類(SOC)，表3列出各SOC下報告例數前3位的事件及信號分析結果(表中Y代表檢出信號，N代表未檢出信號)，其中全身性及給藥部位各種反應(如疲乏、發熱、流感樣癥狀)、各類檢查(如中性粒細胞計數降低、體質量降低、血小板計數降低)、血液及淋巴系統事件(如貧血、中性粒細胞減少癥、血小板減少癥)報告例數相對較多，且其項下前3位事件均檢出信號。

圖1 FAERS中IFN-α相關不良事件逐年報告數量

Fig.1YearlyreportsofIFN-αrelatedeventsreportedinFAERS

2.3前20位信號事件 對以IFN-α為首要懷疑藥品報告的事件(PT)分別采用PRR和ROR方法進行信號分析，前20位中檢出“低磷酸鹽血癥”和“血清肌酸磷酸激酶升高”尚未收載于藥品說明書。

2.4病例轉歸 對以IFN-α為首要懷疑藥品報告的病例轉歸情況進行分析，結果見表5，其中273例(9.45%)患者最終死亡，另有91例(3.15%)為威脅生命事件。

3 討論

IFN-α在臨床主要用于慢性病毒性肝炎、淋巴或造血系統腫瘤以及某些實體腫瘤的治療。本次研究納入的以IFN-α為首要懷疑藥品的2889例病例報告中，超過半數的病例來自美國報告，我國報告病例僅13例。病例中位年齡為55歲，18～64歲病例超過半數，因此從年齡分布來看，并非老年患者不良事件報告更為集中。而本次COVID-19危重癥、死亡患者以老年或有基礎疾病的患者為主，所以更應關注IFN-α使用過程中可能存在的安全問題[4]。

在本研究納入的IFN-α報告中，以全身性及給藥部位各種反應(如疲乏、發熱、流感樣癥狀)、各類檢查、血液及淋巴系統事件報告例數相對較多，部分高頻不良事件與COVID-19癥狀相似，臨床可能存在誤判風險。在報告例數前20位且檢出信號的事件中，“低磷酸鹽血癥”和“血清肌酸磷酸激酶升高”尚未收載于藥品說明書，可進一步設計前瞻性研究以探求因果關系。

IFN-α為I型干擾素，相對分子質量約19 300，主要采用皮下注射、肌內注射或靜脈給藥的方式給藥。

表3 各SOC項下IFN-α報告例數前3位事件及其信號分析

續表3 各SOC項下IFN-α報告例數前3位事件及其信號分析

“Y”代表檢出信號；“N”代表未檢出信號。

“Y” respresents the detectted signal；“N”means the signal is not detected.

表4 FAERS中IFN-α報告例數前20位信號事件

①為說明書(以重組人α-干擾素-2a注射液(羅蕘愫)、重組人α-干擾素-2b注射液(甘樂能)為例)尚未載入的不良事件。

①Adverse events that have not been listed in the label of recombinant human interferon α-2a injection (Roferon-A) and interferon α-2b injection (INTRONA).

因相對分子質量大，IFN-α霧化吸入給藥，從肺部吸收很少，與皮下注射比較，相對生物利用度低。因此，理論上IFN-α霧化吸入不良事件發生率應低于傳統給藥方式。本次基于FAERS對IFN-α的數據挖掘過程中，未發現有霧化吸入給藥的病例報告。當前IFN-α霧化吸入研究相對較少：有研究報告重組人IFN-α1b肌內注射對比霧化吸入治療小兒病毒性肺炎[8]，結果兩組均未發現不良事件；另有研究報告IFN-α霧化吸入用于治療小兒病毒性肺炎[9]、毛細支氣管炎[10]，結果顯示不良事件表現為發熱、萎靡不振、粒細胞減少、腹瀉、皮疹，與本研究發現的高頻不良事件相似。所以，本文分析結果雖更適用于IFN-α傳統給藥途徑，但IFN-α霧化吸入給藥仍可參考。

表5 FAERS中IFN-α相關不良事件報告病例轉歸情況

Tab.5OutcomeforpatientsofIFN-αrelatedeventsreportedinFAERS

患者轉歸報告例數/n構成比/%死亡2739.45威脅生命913.15導致入院或延長住院時間81128.07導致殘疾582.01先天畸形20.07需要干預以預防永久性損傷140.48其他重要醫學事件65922.81不清楚98133.96

在報告病例的轉歸情況分析中發現，死亡或威脅生命的事件超過10%，另有近30%的患者導致了入院或住院時間延長。這一方面與藥品導致的不良事件或許相關，但更重要的應考慮到IFN-α的治療受眾人群，其中腫瘤患者的預后可能對患者轉歸有較大貢獻。

本研究仍存在一定局限性。首先，限于FAERS數據來源多樣性，部分數據項存在缺失，難以對每項指標都納入所有病例進行分析。其次，由于自發呈報系統的低報漏報特點，可能存在信號低估可能。此外，雖然藥品與不良事件存在統計學關聯，但因果關系仍需進一步評估和驗證。

綜上所述，本研究基于FAERS大數據的信號挖掘方法，對COVID-19疫情中所用的治療藥物IFN-α不良事件進行了評價，全面展示IFN-α在各系統的高頻報告事件及高頻信號事件，以期促進IFN-α的安全使用。