在醫學領域當中，藥物不良反應(Adverse Drug Reaction，簡稱 ADR) [16]是
一項眾多學者研究的議題。所謂的藥物不良反應是當病患在服用藥物時產生與治 療效果不同且有害於病患的副作用，例如:沙利度胺（Thalidomide）於1953 年製
造時，其用途是減緩孕婦在妊娠時嘔吐的現象，然而在 1960 年發現使用沙利度 胺會造成孕婦流產與胎兒發生海豹肢症(Phocomelia)的機率提升。因此若能得知
藥物有可能對病患產生不良反應且能盡早預防是相當重要的事，但因為臨床上資 料不足的問題某些不良反應無法及早發現，因此許多國家皆設立通報系統，以收 集由民間或醫護人員等填寫的藥物不良事件，這些表單具有固定的欄位如藥物、
症狀、性別、年齡等。著名的通報系統如:美國食品藥品管理局(Food and Drug Administration 簡稱FDA)的藥物不良反應通報系統(FDA Adverse Event Reporting System 簡稱 FAERS)[34]、英國藥品與保健產品管理系統(Medicines and healthcare products regulatory agency 簡稱 MHRA)[35]、台灣全國藥物不良反應通報系統
(Taiwan National Adverse Drug Reactions Reporting System 簡稱 TADR)[36]等。
一般在進行不良反應研究時，除了使用傳統的簡易分析[6]―即只探討特定藥 物與不良反應的組合，還可以加上病患的特徵，例如:年齡、性別……等，以探 究不良反應是否只好發於特定族群。由於此種探究屬性特徵的分析方式，對於資
13
料的計算相當龐大，因此只能侷限於少量的藥物與不良反應的分析無法將病患特 徵也納入考量[17]。另一方面這些通報資料普遍存在資料品質的問題例如:通報時
對於藥品的通報名稱並無特別規定，因此通報者通報的藥名不一定會以藥品的學 名進行通報，造成同一種藥物可能會有許多種不同的名稱。此外許多通報的性別 或年齡等欄位，也有可能並未填寫其內容，造成空值的現象，以上種種將會造成 學者在進行資料分析上前需耗費許多時間先對資料進行前置的淨化處理。
有鑑於先前提到的分析資料時將會碰到的困難，我們建立了一套藥物不良反 應的交談式分析系統，名為iADRs[19]，用於將此類藥物不良反應的資料進行整 理，其系統架構如圖 1-1 所示。此系統資料來源取用美國 FAERS 的資料，其中 的資料經過先前研究設計提出的藥名統一方法[12]，將各式藥品名稱統合成學名，
再使用網頁的分析介面，配合使用我們提出的列聯方體[26]這項技術，可支持類 似線上分析處理(On-Line Analytical Processing 簡稱為 OLAP)的交談式分析，其
中我們提供年齡、性別、體重、時間四個維度，使用者可任意調整要觀測的維度 進行資料的分析，並且能修改對不良反應信號的測量指標如:PRR、ROR 等。
前述提到的列聯方體是iADRs 系統的核心，透過預先儲存資料的方式，讓前 端使用者用調整維度進行搜尋資料時，較傳統使用關聯規則分析方式效率高上數 十倍[13]。雖然這種分析方式十分迅速，但列聯方體這種架構在於建構時非常耗 時與系統資源，每當原始資料需要進行更新時，我們原本的作法是完全重新計算，
也就是把原始資料經過更新後再重新生成列聯方體，這種做法效率不佳，因在計
14
算列聯方體時，會將所有資料包含原本沒有更新的部分資料都重新掃描計算。本 論文的主要目的就是提出一種漸進式維護的方法，盡量針對來源資料異動的部分 進行計算並更新列聯方體，以改善列聯方體更新效率的問題。
圖1-1 iADRs 系統架構圖 FAERS 資料集
資料清理(Data Clearning)
列聯方體
網頁端
使用者 使用者 使用者 使用者
列聯方體 計算
15