药品安全性事件的发生给患者带来严重负担时甚至影响患者的生命安全。药物的不良反应(Adverse Drug Reaction,ADR)引起了众多药害事件发生。一系列的联合用药不良反应在药品安全问题中占了很大的比例。在药品进入市场之前,通常通过调查药代动力学的传统临床实验研究来调查联合用药时药品交互作用(Drug-Drug Interaction,DDI)可能会出现的不良反应。但是由于联合用药的组合数量过于庞大和各种实际条件的限制,许多DDI信号在药品上市以前未被发现,导致药品临床使用过程中联合用药产生的ADR风险增大。世界各国均创建了各自的ADR自发呈报系统(Spontaneous Reporting System,SRS),为DDI信号挖掘奠定了数据基础。但目前国内外基于SRS的信号检测主要针对单独用药不良反应,而对联合用药交互作用信号检测研究不足。因此DDI信号的检测关键技术研究成为目前亟需解决的重要课题。首先,本文以抗精神失常一类药物为研究对象,以国家食品监督管理局(China Food and Drug Administration,CFDA)2010年至2011年全国药品不良反应检测报告为实验数据,采用WHO-ART标准数据集对数据进行清洗,然后对数据进行提取、拆分、去重等操作进行数据整理,建立抗精神失常药物的药品不良反应数据库作为总样本,其次通过网络(www.Drugs.com)检索相应药物的DDI不良反应资料,建立已知DDI信号库,作为本文研究的各个方法进行性能比较的客观标准。其次,本文提出了数据处理过程中联合用药数据集当中的假性关联问题。由于ADR报告在进行数据拆分的时候采用了完全连接的方式,一些虚假的药品-不良反应组合关联被包含在原始的数据中。为了使数据更符合客观实际,基于计算的联合用药药品-不良反应间的关联度,建立基于不平衡理论的虚假关联筛选模型,以在原始数据集中删除这些虚假关联的药品-不良反应组合的数据。然后,本文采用了传统基线模型:加法模型和乘法模型应用于我国SRS数据,挖掘可疑的“药物A+药物B→不良反应C”的DDI不良反应信号。建立了基于已知DDI信号库的评价指标,对两种基线模型的性能优劣进行比较分析。最后,提出一种基于MHRA方法的联合用药交互作用信号检测方法MHRA+,将联合用药报告中多个药物合并作为一种新药品进行实验,使用合并后数据为实验数据。采用MHRA方法的判断阈值PRR值、卡方值、A值,对其设置信号检测阈值的多个取值,确定MHRA+检测联合用药交互作用信号的筛选的标准,对联合用药交互作用进行信号筛选。本文以我国SRS中的抗精神失常类药物的不良反应报告为研究数据。通过建立药品-不良反应组合中虚假关联筛选模型并对原始数据进行清洗的基础上,利用基线模型中加法模型和乘法模型以及改进的MHRA+方法对DDI信号进行检测并对各方法的性能进行比较。实验结果表明,与基线模型相比,本文提出的MHRA+方法具有更高的F指标,为联合用药不良反应信号检测提供了一种可借鉴的方法。