1. 引言
由于其抗炎和免疫抑制作用，类固醇药物被广泛用于治疗各种疾病。具有类固醇骨架的药物可以分为几种类型，包括糖皮质激素、盐皮质激素、性激素和合成代谢类固醇。然而，类固醇也已知会引起多种不良反应。尽管一些机制已被探明，但不同类型类固醇药物导致特定类型血栓形成的倾向仍不清楚。
2. 结果
2.1 数据表的创建
在分析中，使用了FAERS药物信息（DRUG）表和不良事件（REAC）表。我们结合这些表中的信息创建了一个非正式的数据表，用于分析。在创建数据表的过程中，删除了重复条目。
2.2 引发血栓形成的类固醇药物
在非正式数据表中列出了所有类固醇药物。对于在数据表中有1000个或更多报告不良事件的药物生成了散点图。这些散点图描绘了类固醇药物与血栓形成之间的相关性。每个点代表一种类固醇药物；报告比值比（ROR）的自然对数越大，p值的负对数[-log(p值)]越高，则该药物被认为越显著地引发血栓形成。记录并分析了ROR的自然对数>0且p<0.05的类固醇药物。
2.3 类固醇药物分类及其与血栓形成的关系
根据生理功能、受体特异性和解剖治疗化学（ATC）分类，对有高潜力引发血栓形成的类固醇进行了分类，并计算了每种类固醇的比例。结果显示，雄激素显著增加了血栓形成的风险（ROR=5.305，p<0.05）。
2.4 主成分分析
主成分分析显示，第一主成分考虑与血栓形成风险相关的估计风险；第二主成分代表血栓类型，与静脉血栓呈正相关，与动脉血栓呈负相关。第三主成分似乎对应大血管阻塞和微血管水平血栓形成。
2.5 层次聚类分析
层次聚类分析将药物分为四个主要簇。其中，性激素制剂表现出引发静脉血栓的潜力，而心血管药物和盐皮质激素则倾向于引发大血管闭塞。
3. 讨论
3.1 高血栓形成潜力的类固醇药物分类
在本研究中，51种类固醇药物显示出与血栓形成的统计显著关联。结果表明，性激素制剂特别是雄激素、孕激素和雌激素具有强烈的血栓形成倾向。
3.2 主成分分析
主成分分析是一种用于降低数据集维度的技术。在这项研究中，主成分1表示血栓形成的估计风险；主成分2表示血栓类型，与静脉血栓呈正相关，与动脉血栓呈负相关。
3.3 聚类分析
层次聚类分析是一种用于分组和分类相似数据的方法。分析结果将药物分为四个簇，进一步证实了性激素制剂引发静脉血栓的趋势。
3.4 研究局限性
本研究有几个局限性。首先，FAERS数据库包含自发不良事件的报告，无法提供所有接受药物治疗患者的完整信息，因此无法计算真实的发生率和绝对风险评估。此外，这些报告可能存在报告偏差，包括漏报、多报和误报。
4. 材料和方法
4.1 FAERS数据库
FAERS是一个由病例报告组成的大规模数据库，包含七个数据表。在本分析中，整合了DRUG和REAC表，创建了一个统一的数据集。
4.2 目标药物的选择和不良事件控制
为了获取FAERS中列出的药物名称的SMILES表示，我们使用了Python库PubChemPy搜索PubChem数据库。
4.3 ROR计算
ROR是一种信号检测指标，用于评估药物与不良事件之间的关联。计算过程中，如果2×2表中的任何单元格包含零，则计算不可行。为此，每个单元格加0.5作为连续性校正。
4.4 散点图的创建
从2×2列联表中计算了ROR和Fisher精确检验的p值。垂直轴表示p值的负常用对数，水平轴表示ROR的自然对数。
4.5 高潜力引发血栓的类固醇药物分类
分析的药物根据生理功能、受体特异性和ATC分类分为18个类别，计算了每种类别中可能引发血栓的类固醇比例。
4.6 主成分分析
我们对表6中列出的药物进行了主成分分析，并使用前三个主要成分创建了关联图。
4.7 层次聚类分析
采用Ward方法作为聚类技术，对药物进行层次聚类分析。
4.8 统计分析
使用Python合并数据表，使用JMP Pro 18进行统计分析。P值小于0.05被认为具有统计学显著性。
5. 结论
根据本研究的结果，51种类固醇药物具有高血栓形成潜力。通过主成分分析和聚类分析，估计了每种类固醇药物相关的静脉和动脉血栓特征及其基于分类的发病趋势。因此，我们实现了识别和描述能够引发血栓的类固醇药物的目标。这项研究为类固醇治疗的风险评估提供了新的证据。未来需要通过观察性研究或随机对照试验来确认这些发现，以提供更详细的关于引发血栓的类固醇药物的数据。这些见解可能有助于选择适当的药物并在接受类固醇治疗的患者中监测不良反应。
(全文结束)
