本书依托多源药物大数据，重点对药物不良事件预测以及监测存在的问题进行探索研究。首先，针对药理学网络模型未考虑药物不良事件关联在数据集中的频率和样本量的问题，提出了数据挖掘算法与药理学网络模型相结合的药物不良事件预测方法。其次，针对表型特征以及分类器在药物不良事件预测研究中的重要性，从减小冗余信息和提取高效特征的角度出发，详细研究复杂网络拓扑结构的链路预测方法以及机器学习方法，提出了基于特征融合预测网络模型（FFPNMs）的药物不良事件预测方法。

第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 研究存在的问题
1.4 本书研究的主要内容
1.5 本书组织结构
第2章 药物不良事件预测及监测研究的相关基础
2.1 药物警戒及药物不良事件相关概念
2.2 数据来源
2.3 FAERS数据库规范化
2.4 系统药理学研究方法
2.5 复杂网络拓扑结构相似性度量方法
2.6 性能指标
2.7 本章小结
第3章 基于比例失衡分析方法指导药理学网络模型的药物不良事件预测研究
3.1 引言
3.2 药理学网络模型的构建
3.3 比例失衡分析方法
3.4 基于比例失衡分析方法指导药理学网络模型的构建
3.5 实验与分析
3.6 本章小结
第4章 基于特征融合预测网络模型的药物不良事件预测研究
4.1 引言
4.2 网络拓扑结构相似性度量预测模型的构建
4.3 特征融合预测网络模型的构建
4.4 实验与分析
4.5 本章小结
第5章 基于预测网络模型的贝叶斯信号监测算法研究
5.1 引言
5.2 贝叶斯置信传播神经网络模型
5.3 其他信号监测算法以及阈值选择
5.4 药物不良事件监测研究中混杂因素控制方法
5.5 基于预测网络模型的贝叶斯信号监测算法
5.6 实验与分析
5.7 本章小结
第6章 结论
6.1 研究结论
6.2 创新性研究成果
6.3 研究展望
参考文献
专业术语对照表