Trametinib dimethyl sulfoxide

Int J Clin Pharm. 2026 Apr 1. doi: 10.1007/s11096-026-02113-3.  Online ahead of print 院内发热中药物热患病率----系统综述与Meta分析 药物热：叙述性综述 2026年发热待查专家共识 ICU成人新发发热：2024年SCCM/IDSA指南一、文献基本信息 药物热（Drug-induced fever）是一种常见但常被忽视的药物不良反应，可导致临床管理复杂化。本研究的核心目标是通过大规模真实世界药物警戒数据，系统评估药物热的风险，并表征其发病时间模式和临床特征。研究覆盖了2004年第一季度至2024年第四季度，共计20年的时间跨度，从FDA不良事件报告系统（FAERS）中提取数据进行分析。这是迄今为止利用FAERS数据库对药物热进行的最全面、最系统的大规模真实世界药物警戒分析。 该研究的意义不仅在于识别了与药物热相关的具体药物和药物类别，更重要的是揭示了药物热的发作时间模式以及患者特征（如性别）对发作时间的影响。这些发现为临床实践中药物热的早期识别、风险分层和监测策略的制定提供了重要证据。在当前药物治疗日益复杂、新型药物不断涌现的背景下，本研究对提高药物警戒意识和优化临床用药安全具有重要的现实意义。二、背景与意义2.1 药物热的定义与临床特征 药物热是一种被严重漏诊的药物不良反应（ADR），其特征是在药物治疗过程中出现发热反应，并在停用可疑药物后自行消退。药物热的诊断需要进行全面的临床评估，包括详细的病史回顾、全面的体格检查和广泛的实验室检查，以排除其他病因。由于其临床表现缺乏特异性且无局部体征，药物热在临床实践中常被漏诊，这给患者的诊疗带来了显著的挑战。 美国流行病学数据显示，药物不良反应约发生在10%-15%的住院患者中，药物热占所有药物不良反应的3%-5%。然而，由于诊断挑战和严重的漏报情况，真实发生率仍不确定，实际数值可能远高于现有统计数据。药物热的发病机制尚不完全清楚，但被认为涉及多种复杂的病理生理过程，包括超敏反应、特异质性代谢反应、过度药理效应、体温调节紊乱以及与药物给药技术相关的直接效应。这些多样的发病机制使得药物热的临床表现和严重程度在不同药物和不同患者之间存在显著差异。 药物热与其他类型的发热有本质区别：它在停用可疑药物后通常会自行消退。这一特征不仅是诊断药物热的重要依据，也是其治疗的核心原则。对于临床医师而言，及时识别高风险药物和高危患者群体至关重要，因为早期诊断可以缩短住院时间、降低发病率和减少不必要的医疗费用。在当前的医疗环境中，随着药物种类的不断增加和联合用药的普遍化，药物热的识别和管理已成为药物安全领域的重要课题。2.2 药物热的病理机制 药物热的发生涉及多种病理生理机制，这些机制之间可能存在交叉和重叠，使得药物热的临床表现复杂多样。了解这些机制有助于临床医师更好地理解不同药物的药物热特征，从而制定更加精准的监测和管理策略。主要包括以下几个方面： 1．超敏反应（Hypersensitivity reactions）：这是最常见的药物热发病机制之一。超敏反应可进一步分为四种类型：I型（IgE介导的即刻型超敏反应）、II型（抗体介导的细胞毒性反应）、III型（免疫复合物介导的反应）和IV型（T细胞介导的迟发型超敏反应）。在药物热中，I型和IV型超敏反应最为常见。药物或其代谢产物可作为半抗原与体内蛋白质结合形成完全抗原，触发免疫系统的识别和应答，导致细胞因子释放和体温升高。这种机制常解释了抗生素和抗癫痫药物引起的药物热。 2．特异质性代谢反应（Idiosyncratic metabolic responses）：某些药物的代谢产物可能通过非免疫学途径直接引起发热。这种反应与药物的常规药理作用无关，具有不可预测性，通常仅发生在少数易感个体中。特异质性反应的发生可能与遗传因素（如药物代谢酶的基因多态性）有关，这使得某些患者对特定药物的发热反应具有更高的易感性。这种机制可能解释了为何某些药物仅在极少数患者中引起药物热。 3．过度药理效应（Excessive pharmacological effects）：部分药物通过其已知药理作用间接引起体温升高。例如，某些影响体温调节中枢的药物（如抗胆碱能药物通过抑制出汗导致体温升高）、某些细胞因子治疗（如干扰素和白细胞介素通过激活免疫细胞释放内源性致热原）以及某些影响下丘脑体温调节点的药物均可导致药物热。这种机制的特点是药物热的发生通常与药物剂量相关，且在药物达到有效血药浓度时出现。 4．体温调节紊乱（Disruption of thermoregulation）：某些药物可以直接影响下丘脑的体温调节功能，导致体温调定点上移。例如，某些精神类药物（如抗精神病药和抗抑郁药）通过阻断多巴胺受体影响体温调节；某些麻醉药物也可在术后引起体温升高。这种机制引起的药物热通常在药物持续使用期间持续存在，停药后逐渐恢复。 5．药物给药技术相关效应（Administration-related effects）：包括输注反应（如单克隆抗体的细胞因子释放综合征）、溶媒相关反应（如某些静脉注射制剂中的聚乙二醇或聚山梨醇酯引起的过敏样反应）以及制剂中的赋形剂引起的发热反应。这种机制的特点是发热通常发生在给药期间或给药后短时间内，且在首次给药时最为明显。随着治疗次数的增加，患者可能产生耐受，发热反应逐渐减轻。2.3 药物热的诊断挑战 药物热作为一种排他性诊断（diagnosis of exclusion），其诊断过程面临多重挑战。首先，药物热的临床表现缺乏特异性——通常仅表现为不明原因的发热，不伴有局部感染体征或特征性实验室指标异常。其次，药物热可发生在使用任何药物的任何患者中，这要求临床医师对所有正在接受药物治疗的患者保持警惕。第三，药物热的诊断需要排除广泛的鉴别诊断，包括感染（尤其是医院获得性感染和机会性感染）、恶性肿瘤（尤其是淋巴瘤和肾细胞癌等可引起肿瘤热的恶性肿瘤）、自身免疫性疾病（如系统性红斑狼疮和成人Still病）、自身炎症综合征以及深静脉血栓形成等。 在排除其他可能原因后，当发热患者总体临床状况良好或临床改善时，应考虑药物热并纳入鉴别诊断。临床医师应进行详细的用药史回顾、发病特征评估和实验室检查，这些通常为识别药物热提供重要线索。病史采集应记录所有当前用药，包括处方药、非处方药、中草药和膳食补充剂，特别关注已知可引起发热的药物类别——尤其是抗肿瘤和免疫调节剂、全身用抗感染药、作用于消化道和代谢的药物以及治疗肌肉骨骼和神经系统疾病的药物。 停用可疑药物是诊断药物热的关键步骤。如果停药后48-72小时内体温恢复正常，且再次用药后发热复发（再激发试验阳性），则药物热的诊断基本确立。然而，在实际临床工作中，再激发试验可能存在伦理和安全方面的顾虑，因此通常不推荐进行，除非替代治疗方案不可行。实验室检查方面，虽然某些指标（如嗜酸性粒细胞增多、血清转氨酶升高、C反应蛋白和红细胞沉降率升高）可能提示药物热，但这些指标均非特异性，需要结合临床表现综合判断。2.4 当前研究现状与不足 现有证据表明，抗菌药物、中枢神经系统（CNS）药物、抗肿瘤治疗药物和心血管药物是药物热最常见的原因。目前对这一现象的认识主要来自零散的病例报告和小规模病例系列研究，缺乏大规模、真实世界的流行病学研究来更好地表征其临床特征。这种研究现状的限制导致了以下几方面的知识空白： 首先，在药物类别的风险排序方面，既往文献主要强调抗菌药物作为药物热的主要诱因，但随着抗肿瘤药物和免疫调节剂的广泛应用，这一格局可能已经发生变化。然而，缺乏大规模数据来验证和量化这一变化趋势。 其次，在药物热的发作时间方面，现有证据主要来自有限的病例报告，不同药物类别之间的发作时间差异缺乏系统性的比较分析。临床医师对不同药物的药物热监测时间窗口缺乏明确的循证依据。 第三，在患者特征对药物热的影响方面，性别、年龄等因素是否影响药物热的发病风险和发作时间尚不明确，这限制了个体化药物警戒策略的制定。 具体而言，已知引起药物热的药物类别包括： 1．抗菌药物：约占所有药物热病例的三分之一，其中beta-内酰胺类（如青霉素类和头孢菌素类）、磺胺类（如复方磺胺甲噁唑）和米诺环素最为突出。研究表明，13.1%的抗生素治疗患者会出现药物热。beta-内酰胺类药物通过免疫介导机制（形成抗原-抗体复合物）引起发热；磺胺类药物则可通过超敏反应和直接致热效应两种途径引起发热；米诺环素相关的药物热可表现为迟发型发作，甚至在用药数周至数月后出现。 2．抗癫痫药物：药物热的发生率约为1/5000患者，包括卡马西平、苯妥英钠和苯巴比妥等。这些药物引起的药物热常伴发严重的皮肤反应，如DRESS（伴嗜酸性粒细胞增多和系统症状的药物反应）和Stevens-Johnson综合征（SJS）/中毒性表皮坏死松解症（TEN），提示药物热可能是更严重药物超敏反应的前兆或组成部分。 3．抗肿瘤药物：尤其是化疗后发热较为常见。化疗药物引起的发热可通过多种机制发生，包括肿瘤细胞溶解导致的细胞因子释放、药物对造血系统的直接影响引起的感染性发热，以及药物本身的致热效应。随着肿瘤治疗学的发展，新型免疫疗法（特别是抗PD-1和抗PD-L1免疫检查点抑制剂）的发热风险也受到关注。免疫检查点抑制剂通过激活T细胞免疫应答引起发热，这一机制与传统的化疗相关发热有本质区别。 4．靶向治疗药物：达拉非尼-曲美替尼联合用药的发热发生率高达40%-60%，这是目前已知发热发生率最高的药物组合之一。达拉非尼（BRAF抑制剂）引起发热的机制可能与MAPK通路的激活和细胞因子释放有关，而曲美替尼（MEK抑制剂）可能协同增强这一效应。 5．生物制剂：包括单克隆抗体（如利妥昔单抗、英夫利昔单抗）和静脉注射免疫球蛋白（IVIG）。这些药物通过输注反应、细胞因子释放和免疫复合物形成等机制引起发热。随着生物制剂在临床的广泛应用，由这类药物引起的药物热报告数量呈显著增加趋势。三、研究目的 本研究的核心目的包括以下三个方面： 1．系统评估药物热风险：利用真实世界药物警戒数据，基于FDA不良事件报告系统（FAERS）数据库，系统性地评估药物热的风险，识别与药物热最密切相关的药物。通过对20年间报告数据的全面分析，建立药物热的药物风险谱系，为临床用药安全提供参考。 2．表征时间模式：通过时间-发作（time-to-onset）分析，阐明药物热的发病时间模式及其相关因素，包括不同药物类别、性别和年龄组的差异。利用Weibull分布模型定量表征药物热的发作模式，为临床监测时间窗口的制定提供依据。 3．识别临床特征：全面描述药物热患者的临床特征（包括人口学特征、地理分布、报告结局和年度趋势），为临床实践中药物热的早期识别和监测提供证据支持。 此外，本研究还旨在验证现有文献中已知的药物-发热关联，识别先前未被充分认识的药物-发热关联，并推进对这一临床状况的更深入理解。通过READUS-PV指南的规范分析流程和多种不成比例分析方法的联合应用，确保研究结果的可靠性和可重复性。四、研究方法4.1 数据来源 本研究使用FAERS数据库进行不成比例分析。FAERS是FDA维护的药物警戒数据库，系统性地收集来自医疗提供者、消费者和制药厂商的自发报告的不良药物事件和用药错误。该数据库是目前世界上最大、最全面的药物警戒数据库之一，对于药物安全性信号的检测和评估具有重要价值。 该数据库主要由七个数据集组成： 1．DEMO（患者人口统计和管理信息）：包含患者的基本人口统计学数据（年龄、性别、体重）和管理信息（报告日期、报告来源等）。这是本研究中用于患者特征描述和去重处理的主要数据来源。 2．DRUG（药物信息）：包含报告中所涉及的药物信息，包括药物名称、剂量、给药途径、用药适应症以及药物在不良事件中的角色分类（主要可疑药物、次要可疑药物、伴随用药或相互作用药物）。 3．REAC（不良事件）：包含报告的不良事件信息，采用MedDRA编码系统进行标准化编码。每份报告可包含一个或多个不良事件。 4．OUTC（患者结局）：包含患者的转归信息，包括死亡、残疾、住院、危及生命以及其他严重结局。 5．RPSR（报告来源）：包含报告来源信息，区分医疗专业人员报告和非医疗专业人员报告。 6．THER（治疗开始和结束日期）：包含所报告药物的治疗起始日期和结束日期。这是本研究时间-发作分析的核心数据来源。 7．INDI（用药适应症）：包含药物给药的适应症信息，用于敏感性分析中的混杂因素调整。 在FAERS数据库中，所有不良事件均采用国际医学监管词典（MedDRA）的首选术语（PT）进行编码。MedDRA是一个标准化的医学术语词典，被全球监管机构和制药行业广泛使用。由于其高度标准化的术语系统，MedDRA确保了不同来源和不同时间报告的不良事件之间具有可比性。由于该数据库仅包含去标识化的且公开可获取的患者信息，本研究免于伦理审查批准和知情同意的要求。4.2 数据处理 本项回顾性药物警戒分析的时间跨度为2004年第一季度至2024年第四季度，与公开可用的FAERS数据的时间范围一致。具体的数据处理步骤如下： 1．数据提取：从DEMO表中提取PRIMARYID（主键标识）、CASEID（病例标识）和FDA_DT（FDA收到日期）字段，并按CASEID、FDA_DT和PRIMARYID对记录进行排序。这一步骤确保了每个不良事件报告的唯一性和时序性。 2．去重处理：FAERS数据库中同一不良事件可能被多次报告（如初始报告和后续补充报告），因此去重是数据预处理的关键步骤。对于每个CASEID，仅保留具有最大FDA_DT值的记录（即最新版本的报告）。若多个报告具有相同的CASEID和FDA_DT，则保留PRIMARYID最大的记录。整个去重过程基于FDA的推荐方法，旨在确保每个独特的不良事件仅被计入一次。 3．不良事件识别：通过MedDRA PT"Pyrexia"（发热）识别不良事件。根据MedDRA指南，与温度相关的术语如高温（high temperature）和体温飙升（spiking temperature）均编码在PT Pyrexia下。这一编码规则确保了所有与发热相关的不良事件均被纳入分析范围，避免了因术语差异导致的遗漏。 4．药物角色筛选：FAERS数据库中的报告根据药物角色分为四类：主要可疑药物（primary suspect）、次要可疑药物（secondary suspect）、伴随用药（concomitant）和相互作用药物（interacting）。为确保分析结果的准确性和可解释性，本研究仅纳入药物被分类为主要可疑药物（primary suspect）的报告，排除了次要可疑药物和伴随用药，从而最大程度地降低了混杂药物对分析结果的影响。 5．药物名称标准化：通过DrugBank数据库（www.drugbank.com）将不同制剂、不同商品名的药物名称标准化为其通用名（generic name）。这一步骤确保了同一药物的不同制剂和商品名被归并为单一实体，避免了因名称差异导致的信号分裂。 6．数据质量控制：为提高数据质量并尽量减少错误报告的纳入，本研究仅限于医疗专业人员报告的病例，排除了来自非医疗专业人员（如消费者或律师）的报告。这一策略基于既往研究证据，表明医疗专业人员报告的不良事件通常具有更高的准确性和完整性。 为确保不成比例分析的透明性和可重复性，本药物警戒研究遵循《药物安全信号检测个体病例安全报告不成比例分析报告指南》（READUS-PV指南）进行。READUS-PV指南是药物警戒研究领域中用于规范不成比例分析报告的国际指南，其遵循有助于确保研究结果的可比性和可重复性。数据处理流程详见原文图1。4.3 不成比例分析 不成比例分析是药物警戒研究中用于检测药物安全性信号的核心统计方法。其基本原理是比较目标药物-不良事件组合在数据库中的报告频率与该组合在无关联假设下的期望报告频率。当观察到的报告频率显著高于期望频率时，即提示可能存在安全性信号。本研究采用四种不成比例分析方法来识别药物与药物热之间的潜在关联： 方法 缩写 类型 核心指标 特点与优势 报告比值比 ROR 非贝叶斯 比值比（OR）及95% CI 适用于早期信号检测；基于频数数据的比值比估计；计算简便 比例报告比 PRR 非贝叶斯 PRR值及chi-squared检验 适用于早期信号检测；计算报告比例的差异；直观易理解 贝叶斯置信传播神经网络 BCPNN 贝叶斯 信息成分（IC）及IC025 对稀疏数据信号识别更有效；自动收缩效应减少假阳性 多项目伽马泊松压缩器 MGPS 贝叶斯 经验贝叶斯几何均值（EBGM）及EB05 能更有效地识别罕见或稀疏信号；特别适用于报告病例数有限时 非贝叶斯方法（包括ROR和PRR）特别适用于早期信号检测，具有计算简便和直观的优点。ROR基于2x2列联表的比值比计算，能够量化目标药物与不良事件之间的关联强度。PRR通过比较目标药物组和非目标药物组中特定不良事件的报告比例来评估信号。 贝叶斯方法（如BCPNN和MGPS）在处理稀疏数据方面具有显著优势。BCPNN利用贝叶斯统计原理，通过信息成分（IC）量化药物与事件之间的依赖关系，并引入收缩效应以减少稀疏数据中的随机波动导致的假阳性信号。MGPS采用经验贝叶斯方法，通过伽马-泊松分布模型估计药物-事件组合的预期报告频率，并计算经验贝叶斯几何均值（EBGM）作为信号强度指标。贝叶斯方法特别适用于报告病例数较少的药物，因为在这些情况下非贝叶斯方法可能因数据稀疏而产生不稳定的估计。 本研究设定了严格的信号阳性标准：统计学上显著的信号仅在结果同时满足全部四种算法的阳性标准时才被确定。这一保守策略旨在最大程度地减少假阳性发现，提高信号检测的特异度。虽然这可能导致部分真实的信号被遗漏（即假阴性增加），但对于药物热的分析而言，确保所识别信号的可靠性更为重要。 此外，为尽量减少假阳性发现，仅分析与发热相关的且报告病例数至少100例的药物。这一阈值的设定是基于以下考虑：（1）报告病例数过少的药物其信号估计不稳定，容易受到随机波动的影响；（2）报告病例数阈值有助于排除偶发性的药物-事件关联；（3）100例的阈值在信号检测的敏感性和特异性之间取得了较好的平衡。 采用WHO的解剖治疗化学（ATC）分类系统对检测到的信号药物进行分类，以确定其治疗类别并分析与不良事件的关联。ATC分类系统将药物按解剖学、治疗学、药理学和化学特征分为五个层级，为药物的系统性分类提供了标准化框架。此外，还查阅了FDA的处方信息摘要（SPCs），以确定这些药物是否具有任何与发热相关的警告，从而将研究发现与现有药物安全性信息进行交叉验证。4.4 敏感性分析 敏感性分析是评估研究结果稳健性的重要工具。在药物警戒研究中，不成比例分析的结果可能受到多种混杂因素的影响，包括患者的人口学特征（年龄、性别）、合并症、伴随用药等。为减轻这些潜在混杂因素引入的偏倚，本研究进行了以下敏感性分析： 对报告病例数超过100例的可疑药物进行了逻辑回归分析。首先进行单变量逻辑回归分析，筛选出与药物热显著相关的变量。然后将单变量分析中具有统计学意义的变量纳入多变量逻辑回归模型。多变量逻辑回归分析对患者性别、年龄、体重、主要疾病和伴随用药等变量进行了调整，得出调整后报告比值比（aROR）及其95%置信区间（CI）。 这种方法的核心价值在于：它确保了所观察到的药物与发热之间的关联不归因于这些混杂因素，从而能够更严格和可靠地评估信号药物与发热之间的关系。例如，如果某药物在老年患者中使用更为频繁，而老年患者本身可能因免疫功能下降而更容易出现发热，那么不调整年龄的分析可能会高估该药物与发热之间的真实关联。通过多变量调整，可以有效控制这种混杂效应。4.5 时间-发作分析 时间到发作（TTO）定义为不良事件发生日期（EVENT_DT）与治疗开始日期（START_DT）之间的持续时间。TTO分析对于临床实践具有重要的指导意义，它可以帮助临床医师了解药物热最可能在何时出现，从而制定合理的时间针对性的监测策略。 在数据准备阶段，排除了EVENT_DT早于START_DT（即不良事件发生在治疗开始之前，属于明显的数据输入错误）或日期记录不准确（如日期缺失或格式异常）的报告。这些数据质量控制步骤确保了TTO分析的可靠性。 药物热发作时间采用以下统计指标进行表征： 1．中位数（Median）：表示药物热发作时间的中心趋势，不受极端值影响，适合描述偏态分布数据。 2．四分位数间距（IQR）：第25百分位数（Q1）至第75百分位数（Q3）之间的范围，表示药物热发作时间的离散程度。IQR越窄，说明发作时间越集中。 3．Weibull形状参数（WSP）：通过Weibull分布模型对药物热的时间分布进行参数化描述。 Weibull分布是一种广泛用于可靠性分析和生存分析的灵活分布模型。在药物警戒研究中，Weibull分布可用于表征不良事件的时间模式。WSP分析使用尺度参数（alpha）和形状参数（beta）来表征报告事件的时间分布： 失效类型 形状参数条件 临床含义 监测建议 早期失效型 beta < 1，95% CI上限 < 1 不良事件频率最初增加然后下降；药物热主要发生在治疗早期 重点监测治疗初始阶段 随机失效型 beta 约 1，95% CI包含1 不良事件发生率在整个治疗过程中相对恒定；药物热可随时发生 全程持续监测 磨损失效型 beta > 1，95% CI下限 > 1 不良事件频率随时间逐渐增加；药物热更可能在长期治疗后出现 重点监测长期治疗阶段 此外，通过比较不同亚组的累积分布曲线，评估了不同性别、年龄组和药物类别之间发作时间的差异。累积分布曲线的直观比较可以帮助识别不同亚组之间发作时间的系统性差异。统计检验方面，两组之间的比较采用Mann-Whitney U检验，多组之间的比较采用Kruskal-Wallis检验，并应用Benjamini-Hochberg错误发现率（FDR）校正进行多重检验校正。4.6 统计分析 在按性别、年龄组和药物类别进行的分层分析中，中位数事件发作时间的差异采用Mann-Whitney U检验（用于两组比较）和Kruskal-Wallis检验（用于多组比较）进行评估。选择这些非参数检验方法是基于以下考虑：（1）TTO数据通常呈偏态分布，不符合正态分布假设；（2）非参数检验对极端值的敏感性较低，更适合药物警戒数据的特点。 双尾P值 < 0.01被定义为具有统计学显著性。选择较为严格的显著性水平（0.01而非传统的0.05）是为了降低在大规模多重比较中的假阳性率，考虑到本研究涉及多种药物、多个亚组的比较分析。所有统计分析均使用R软件（版本4.5.0）在RStudio中进行。R语言在药物警戒研究领域被广泛使用，拥有丰富的统计分析和可视化功能。4.7 伦理审批 本研究使用FAERS中公开可用的去标识化数据。由于未访问任何可识别患者身份的信息，因此不需要机构伦理审查批准。这一研究设计符合药物警戒研究领域的常见实践，利用公开的药品安全性数据进行分析，不涉及直接的人体受试者研究。FAERS数据库中所有患者信息均经过去标识化处理，无法追溯到具体患者，因此本研究不涉及隐私保护问题。五、研究结果5.1 描述性分析 在2004年第一季度至2024年第四季度期间，FAERS数据库中记录了共183,668例独特的药物热病例。这是一个庞大的数字，反映了药物热作为一种药物不良反应的普遍性和临床重要性。以下是对药物热患者临床特征的详细描述和分析： 特征 病例数（百分比） 患者总数 总病例数 183,668 性别 女性 90,700（49.4%） 男性 76,921（41.9%） 缺失 16,047（8.7%） 年龄（岁） < 18 15,958（8.7%） ≥ 18, < 45 32,360（17.6%） ≥ 45, < 65 50,546（27.5%） ≥ 65 45,093（24.6%） 缺失 39,711（21.6%） 报告国家（前5位） 美国 65,326（35.6%） 加拿大 15,188（8.3%） 日本 14,187（7.7%） 法国 8,220（4.5%） 德国 7,221（3.9%） 结局 死亡 19,513（10.6%） 残疾 1,714（0.9%） 住院 86,897（47.3%） 危及生命 10,648（5.8%） 其他 64,896（35.3%） 在性别分布方面，女性患者占90,700例（49.4%），多于男性患者的76,921例（41.9%），另有16,047例（8.7%）缺失性别信息。女性患者略多于男性的分布特征可能与以下因素有关：（1）女性在总体上使用药物更为频繁；（2）女性对某些药物的超敏反应发生率较高；（3）女性在自身免疫性疾病和肿瘤等药物热高风险疾病中的发病率较高。 在年龄分布方面，受影响最大的年龄组为45~65岁，占所有病例的27.5%，其次是65岁以上患者（24.6%）和18~45岁患者（17.6%）。18岁以下患者仅占8.7%。年龄分布呈现明显的中老年偏倚，这与以下因素一致：（1）中老年人群的用药频率和用药种类通常高于年轻人群；（2）中老年人群的免疫功能变化可能影响药物热的发生；（3）抗肿瘤药物（本研究中最大的信号药物类别）在中老年人群中的使用频率更高。值得注意的是，年龄信息缺失的比例较高（21.6%），这一缺失率是FAERS数据库的常见问题，可能影响年龄相关分析的精确性。 在地理分布方面，美国报告的病例数最高（65,326例，35.6%），这反映了FAERS作为美国FDA维护的数据库，美国国内报告的自然优势。其次是加拿大（15,188例，8.3%）、日本（14,187例，7.7%）、法国（8,220例，4.5%）和德国（7,221例，3.9%）。这些国家的报告数量受多种因素影响，包括国家药品监管体系的完善程度、医疗专业人员对药物警戒的意识和参与度、以及向FAERS报告的便利程度等。 在报告结局方面，最常见的不良结局为住院（86,897例，47.3%），其次是其他结局（64,896例，35.3%）、死亡（19,513例，10.6%）、危及生命（10,648例，5.8%）和残疾（1,714例，0.9%）。住院作为最常见的不良结局，凸显了药物热对患者的临床影响。虽然死亡结局（10.6%）在药物热报告中的存在需要谨慎解读——因为药物热本身极少直接导致死亡，这些死亡结局更可能反映了患者基础疾病的严重性或同时使用的其他药物的毒性，而非药物热本身的致死性。 2004年至2024年各年度的报告数量如下表所示： 年份 病例数（百分比） 2004 3,793（2.1%） 2005 3,717（2.0%） 2006 3,772（2.1%） 2007 3,291（1.8%） 2008 3,972（2.2%） 2009 4,524（2.5%） 2010 5,364（2.9%） 2011 6,540（3.6%） 2012 7,709（4.2%） 2013 8,044（4.4%） 2014 8,206（4.5%） 2015 9,725（5.3%） 2016 9,798（5.3%） 2017 10,269（5.6%） 2018 13,088（7.1%） 2019 13,845（7.5%） 2020 14,519（7.9%） 2021 13,363（7.3%） 2022 12,822（7.0%） 2023 12,846（7.0%） 2024 14,461（7.9%） 从年度报告趋势来看，药物热的报告数量呈现显著且持续的递增趋势。2004年至2007年期间，年度报告数量相对稳定，维持在每年约3,000~4,000例的水平。自2008年起，报告数量开始明显增加，这一时间点与多个因素吻合：（1）FDA在2007~2008年期间加强了对药物警戒报告的推动；（2）2008年FAERS系统进行了重要升级，提高了报告的便利性；（3）生物制剂和靶向治疗药物在这一时期开始大规模进入临床使用。 2010年至2017年期间，报告数量呈现稳步增长，从5,364例增加到10,269例，年均增长率约为8~10%。这一增长趋势与全球药物警戒意识的增强、FAERS报告系统的持续改进以及新型药物（特别是免疫检查点抑制剂和靶向治疗药物）的快速临床应用密切相关。 2018年至2020年达到高峰期，每年超过13,000~14,000例。2020年的高峰（14,519例，7.9%）可能与COVID-19大流行期间大量新型治疗药物和疫苗的使用有关，这些药物的使用可能导致了更多的药物热报告。2021年至2023年略有下降（分别降至13,363、12,822和12,846例），可能与COVID-19大流行后期的药物使用模式变化有关。2024年回升至14,461例（7.9%），达到历史新高。 值得注意的是，年度报告数量的增加可能部分反映了FAERS系统报告意识和报告便利性的提高，而非药物热真实发生率的等比例增加。因此，在解读年度趋势时需要考虑报告率随时间变化的影响。然而，即使控制了报告率的变化，药物热报告的绝对数量仍然显著增加，提示药物热作为药物安全性问题的临床重要性在不断上升。5.2 不成比例分析结果 通过四种不成比例分析方法的联合应用，共识别出80种满足报告病例数超过100例且显示阳性信号的药物（详见原文图2）。这些具有阳性信号的药物按照WHO ATC分类系统进行了分类。80种信号药物的识别意味着在FAERS数据库报告的药物中，有相当数量的药物与药物热之间存在统计学上显著的关联，这一发现为药物热的药物风险谱系提供了全面的定量描述。 在80种信号药物中，按ATC分类系统的分布如下： ATC药物类别 病例数 药物种类数 占80种信号药物的比例 抗肿瘤和免疫调节剂 29,186 49 61.3% 全身用抗感染药 5,587 11 13.8% 神经系统药物 2,836 2 2.5% 肌肉骨骼系统药物 1,674 6 7.5% 血液和造血器官药物 — 2 2.5% 消化道和代谢药物 635 2 2.5% 皮肤科药物 — 1 1.3% 生殖泌尿系统和性激素药物 — 1 1.3% 抗肿瘤和免疫调节剂类别不仅在药物种类数量上遥遥领先（49种，占全部80种信号药物的61.3%），而且在报告病例数上也居首位（29,186例），远超排名第二的全身用抗感染药（5,587例，11种药物）。这一分布格局揭示了当代药物警戒领域中药物热风险结构的重要变化：与传统认知中抗菌药物为主要药物热诱因不同，抗肿瘤和免疫调节剂已成为药物热报告的主要来源。 这一变化的驱动因素包括：（1）肿瘤免疫治疗（如免疫检查点抑制剂、CAR-T细胞疗法）的快速发展，这些新型免疫疗法通过激活免疫系统而引起发热；（2）单克隆抗体在肿瘤和非肿瘤领域的广泛应用，其输注相关的细胞因子释放是药物热的常见机制；（3）靶向治疗药物（如BRAF/MEK抑制剂、JAK抑制剂）的增多，这些药物通过特定信号通路的激活或抑制引起发热。 按病例数排名前五位的药物热信号药物为： 排名 药物名称 病例数 药物类别 主要适应症 药物热机制 1 利妥昔单抗（Rituximab） 3,650 抗肿瘤和免疫调节剂 非霍奇金淋巴瘤、CLL、RA等 输注相关细胞因子释放综合征 2 人正常免疫球蛋白（Immunoglobulin human normal） 2,478 抗肿瘤和免疫调节剂 免疫缺陷病、自身免疫病等 补体激活和/或细胞因子释放介导的急性反应 3 唑来膦酸（Zoledronic acid） 2,304 肌肉骨骼系统药物 骨质疏松、骨转移等 急性期反应，TNF-alpha和IL-6升高 4 拉莫三嗪（Lamotrigine） 1,843 神经系统药物 癫痫、双相情感障碍 严重超敏反应（DRESS） 5 达拉非尼（Dabrafenib） 1,803 抗肿瘤和免疫调节剂 BRAF V600突变阳性黑色素瘤 治疗相关不良反应 利妥昔单抗以3,650例报告居首，这是一种靶向CD20的单克隆抗体，广泛应用于非霍奇金淋巴瘤、慢性淋巴细胞白血病和类风湿关节炎等疾病的治疗。利妥昔单抗给药后发热通常反映输注相关的细胞因子释放综合征（CRS），其特征为输注开始后数分钟至数小时内出现发热、寒战和一过性低血压。这种反应在首次输注时最为明显，后续输注中由于B细胞的耗竭和细胞因子的减少，反应通常减轻。 人正常免疫球蛋白（IVIG）以2,478例位居第二。静脉注射免疫球蛋白后发热通常代表由补体激活和/或细胞因子释放介导的急性反应。IVIG相关的发热通常为自限性，减慢输注速度或预先使用抗组胺药和糖皮质激素可有效预防和减轻。 唑来膦酸是一种含氮双膦酸盐类药物，主要用于骨质疏松症和恶性肿瘤骨转移的治疗，以2,304例位列第三。唑来膦酸通常在首次输注后72小时内触发急性期反应，临床表现类似流感样疾病（发热、肌痛、关节痛和乏力），这一反应与TNF-alpha和IL-6等促炎细胞因子的升高密切相关。研究显示，首次输注后发热的发生率显著高于后续输注，提示免疫耐受机制可能在后续给药中发挥作用。 拉莫三嗪是一种抗癫痫药物，也用于双相情感障碍的维持治疗，以1,843例位列第四。拉莫三嗪相关发热主要与严重超敏反应有关，最显著的是伴嗜酸性粒细胞增多和系统症状的药物反应（DRESS）。DRESS是一种严重的、可能危及生命的药物超敏反应，通常在用药后2~8周内出现，表现为高热、皮疹、淋巴结肿大、面部水肿和内脏器官受累。拉莫三嗪诱发的DRESS与剂量递增过快有关，缓慢的剂量递增方案可有效降低这一风险。 达拉非尼是一种BRAF V600激酶抑制剂，用于BRAF V600突变阳性转移性黑色素瘤的治疗，以1,803例位列第五。达拉非尼治疗期间观察到的发热通常被认为是治疗相关的不良反应。研究显示，达拉非尼单药治疗的发热发生率约为20~30%，而与曲美替尼（MEK抑制剂）联合使用时发热发生率可高达40~60%。达拉非尼相关发热的机制可能与MAPK信号通路的激活和随后的细胞因子级联反应有关。5.3 敏感性分析结果 在涵盖全部80种信号药物的敏感性分析中，除米非司酮（Mifepristone）、塔利莫基因拉赫帕普韦克（Talimogene laherparepvec，T-VEC）和长春瑞滨（Vinorelbine）外，其余77种药物（96.3%）均被确认与发热存在关联（详见原文图3）。这一高比例的信号确认率证实了主要分析结果的稳健性。 敏感性分析通过多变量逻辑回归调整了患者性别、年龄、体重、主要疾病和伴随用药等潜在混杂因素后得出的调整后报告比值比（aROR）进一步支持了主要发现的可靠性。对于绝大多数信号药物，调整后的关联仍然具有统计学意义，表明这些药物与药物热之间的关联不太可能完全由混杂因素解释。 三种未通过敏感性分析的药物需要特别讨论： 1．米非司酮（Mifepristone）：一种孕激素受体拮抗剂，用于终止早期妊娠和某些激素相关疾病的治疗。其在主要分析中显示阳性信号但未通过敏感性分析，可能与其特殊的用药人群特征（主要为育龄期女性）和使用场景有关，这些因素可能引入了未被充分控制的混杂。 2．塔利莫基因拉赫帕普韦克（T-VEC）：一种经基因改造的溶瘤病毒疗法，用于黑色素瘤的治疗。作为一种相对较新的治疗方式，其药物热报告数量相对较少，信号估计的稳定性可能受到样本量的限制。 3．长春瑞滨（Vinorelbine）：一种半合成的长春花生物碱类抗肿瘤药物。其信号在调整混杂因素后消失，可能提示其与药物热的关联受到肿瘤本身（如肿瘤热）或伴随用药的影响。5.4 时间-发作分析结果5.4.1 总体时间-发作特征 时间-发作分析揭示了不同药物的药物热TTO存在显著差异，这种差异反映了不同药物的药物热发病机制的多样性。以下为关键发现的详细描述： 最短中位TTO的药物（0.5天）： 药物名称 中位TTO（天） IQR（天） 药物类别 药物热机制 抗胸腺细胞免疫球蛋白 0.5 0.5~2.5 抗肿瘤和免疫调节剂 强烈的免疫激活和细胞因子释放 人白蛋白 0.5 0.5~1.5 血液和造血器官药物 输注相关急性反应 卡西利单抗-伊德维单抗 0.5 0.5~0.5 抗感染药（抗病毒） 输注相关反应 正常人免疫球蛋白 0.5 0.5~12.5 抗肿瘤和免疫调节剂 补体激活和细胞因子释放 司美匹韦 0.5 0.5~1.5 抗感染药（抗病毒） 免疫介导反应 巴姆兰单抗 0.5 0.5~1.5 抗感染药（抗病毒） 输注相关反应 这些药物的共同特点是：药物热通常在给药后极短时间内（数小时至1天内）发生，提示其发病机制主要为输注相关的急性反应（包括细胞因子释放、补体激活和过敏样反应）。其中，卡西利单抗-伊德维单抗的IQR最窄（0.5~0.5天），说明其药物热发作时间高度集中，几乎均在给药当天发生。正常人免疫球蛋白的IQR较宽（0.5~12.5天），反映了IVIG相关药物热发作时间的较大变异性，部分患者可能在首次输注后数天才出现发热反应。 最长中位TTO的药物：伊达硫酶（Idursulfase），中位TTO 476.5天，IQR 70.5~1371.5天。伊达硫酶是一种重组人艾度糖醛酸-2-硫酸酯酶（IDS），用于治疗亨特综合征（黏多糖贮积症II型）的酶替代疗法。其异常长的中位TTO反映了长期酶替代治疗过程中慢性免疫反应的累积效应。部分患者可能在治疗开始后数月甚至数年才出现药物热，这提示对于长期酶替代治疗的患者，药物热的监测应贯穿整个治疗周期。5.4.2 Weibull形状参数分析 失效类型 形状参数条件 含义 对应药物 临床意义 磨损失效型 beta > 1，95% CI下限 > 1 药物热报告随时间增加而增加 米非司酮（Mifepristone） 长期使用时发热风险逐渐增加，需持续监测 随机失效型 beta 约 1，95% CI包含1 药物热可在治疗期间随时发生，无特定时间依赖性 异烟肼（Isoniazid）、伊维菌素（Ivermectin） 需全程持续监测，不可因用药时间较长而放松警惕 早期失效型 beta < 1，95% CI上限 < 1 随着治疗时间延长，药物热报告减少 其余大部分药物 重点监测治疗初始阶段，随着治疗时间延长可适当降低监测强度 大多数药物（包括利妥昔单抗、人正常免疫球蛋白、唑来膦酸、拉莫三嗪和达拉非尼等主要信号药物）属于早期失效型，其Weibull形状参数beta小于1且95%置信区间上限小于1。这表明药物热主要发生在治疗早期阶段，随着治疗时间的延长，新发药物热病例逐渐减少。这一发现具有重要的临床意义：对于早期失效型药物，应在治疗开始的最初数周内进行最为密切的体温监测，随着耐受性的建立可适当降低监测频率。 异烟肼和伊维菌素属于随机失效型，beta约等于1且95%置信区间包含1。这提示这两种药物的药物热可在整个治疗期间的任何时间点发生，没有特定的时间依赖性。对于这类药物，临床医师需要在整个治疗过程中保持持续监测，不可因用药时间较长而放松警惕。异烟肼相关药物热的随机发作模式已在文献中有报道，部分病例在治疗数月后仍可出现药物热。 米非司酮是唯一属于磨损失效型的药物，beta大于1且95%置信区间下限大于1。这表明米非司酮相关药物热的报告率随治疗时间增加而增加。这一独特的模式可能反映了米非司酮长期使用过程中累积性药理效应或免疫调节效应的逐步显现。然而，需要注意的是，米非司酮在敏感性分析中未能确认与发热的关联，因此这一磨损失效模式的临床意义需要进一步验证。5.4.3 分层分析结果 按性别分层分析（原文图4A）： 女性的药物热发作时间早于男性，这一差异具有统计学意义。女性的中位发作时间为9.5天（IQR: 1.5~41.5天），而男性的中位发作时间为10.5天（IQR: 1.5~45.5天）。虽然绝对差异仅1天，但在近18万例的大样本中这一差异达到了统计学显著性，提示性别可能对药物热的发病时间产生微小但确实的影响。 这一发现可以从多个角度进行解释。首先，女性和男性在药物代谢动力学方面存在差异：女性通常具有较低的细胞色素P450酶活性（如CYP3A4、CYP2C19等），这可能导致某些药物在女性体内的暴露量增加，从而更早触发发热反应。其次，女性和男性在免疫应答方面存在差异：女性通常具有更强的免疫应答（这与女性自身免疫性疾病发病率较高的现象一致），这可能使女性对药物引起的免疫介导性发热更为敏感。第三，性激素的差异可能影响药物热的发生，雌二醇等女性激素对免疫系统的调节作用可能促进了药物热的发生。 按年龄分层分析（原文图4B）： 在65岁以下患者之间未观察到药物热发作时间的显著差异。这意味着年龄因素对药物热发作时间的影响可能相对有限，至少在18~65岁的成年人群中如此。这一发现提示，在制定药物热监测策略时，对于成年患者可以采用相对统一的监测方案，无需根据年龄进行大幅调整。 然而，需要注意的是，65岁以上患者的数据可能受到合并症和多重用药的混杂影响，难以单独评估年龄对TTO的影响。此外，年龄信息缺失率较高（21.6%）也可能影响了年龄分层分析的统计效力。 按药物类别分层分析（原文图4C）： 药物类别 中位TTO（天） IQR（天） 发作时间特点 主要代表药物 皮肤科药物 1.5 1.5~2.5 极早期发作，时间集中 — 肌肉骨骼系统药物 1.5 0.5~6.5 极早期发作，有一定的变异性 唑来膦酸等 全身用抗感染药 2.5 0.5~22.5 早期发作，变异性较大 巴姆兰单抗、司美匹韦等 生殖泌尿系统和性激素药物 7.5 5.5~14.5 早期至中期发作 — 抗肿瘤和免疫调节剂 11.5 2.5~51.5 早期至晚期均可发作，变异性最大 利妥昔单抗、达拉非尼等 神经系统药物 15.5 9.5~29.5 中期发作，时间相对集中 拉莫三嗪等 消化道和代谢药物 59.5 14.5~614.5 晚期发作，变异性极大 — 血液和造血器官药物 69.5 1.5~485.2 最晚发作，变异性极大 人白蛋白、伊达硫酶等 累积分布曲线分析显示，药物热的中位发作时间在大多数药物类别之间存在显著差异（肌肉骨骼系统药物和皮肤科药物除外）。药物类别之间的TTO差异反映了不同类别药物的药物热发病机制的差异。 皮肤科药物和肌肉骨骼系统药物的中位发作时间最早（均为1.5天），但两者的IQR有所不同：皮肤科药物的IQR较窄（1.5~2.5天），说明其药物热发作时间非常集中；肌肉骨骼系统药物的IQR略宽（0.5~6.5天），反映了该类别内不同药物的发作时间存在一定差异。皮肤科药物和肌肉骨骼系统药物的极早期发作模式提示，对于这些药物，给药后24~48小时内即需密切监测体温。 全身用抗感染药的中位发作时间为2.5天（IQR: 0.5~22.5天），发作时间变异性较大。这反映了抗感染药物中不同类别（抗生素、抗病毒药、抗真菌药等）的药物热发病机制存在差异。例如，某些抗病毒药物（如巴姆兰单抗、司美匹韦）的药物热主要为输注相关反应，发作时间极短；而某些抗生素（如异烟肼）的药物热为免疫介导反应，发作时间可能在数天至数周之后。 抗肿瘤和免疫调节剂的中位发作时间为11.5天（IQR: 2.5~51.5天），具有最大的四分位数间距，反映了该类别内不同药物的药物热机制和时间模式的巨大差异。从输注相关的急性反应（如利妥昔单抗、抗胸腺细胞免疫球蛋白，发作时间数小时至数天）到免疫介导的迟发型反应（如某些免疫检查点抑制剂，发作时间数周），该类别涵盖了药物热发作时间的全谱。 神经系统药物的中位发作时间为15.5天（IQR: 9.5~29.5天），时间相对集中在中期范围。这与抗癫痫药物药物热的免疫介导机制一致：免疫致敏需要一定时间，发热通常在用药后1~4周出现。 血液和造血器官药物的中位发作时间最晚（69.5天，IQR: 1.5~485.2天），消化道和代谢药物的中位发作时间次之（59.5天，IQR: 14.5~614.5天）。这两个类别的IQR极大，反映了发作时间的极端变异性。部分患者的药物热可能在用药后数天内出现，而另一些患者可能在用药数月甚至一年后才出现。对于这些药物，临床医师需要在整个治疗过程中保持持续的药物热监测。六、讨论6.1 研究的主要发现及意义 本研究对2004年1月至2024年12月期间FAERS数据库中报告的药物热病例进行了系统而全面的分析，涵盖了183,668例独特的药物热病例。通过四种不成比例分析方法的定量信号检测，共识别出80种满足报告病例数超过100例且显示阳性信号的药物。研究进一步探讨了药物热的时间-发作特征，并按年龄、性别和治疗药物类别进行了分层亚组分析。 据作者所知，这是首个利用FAERS数据库进行大规模真实世界分析以描绘药物热风险景观的研究。既往关于药物热的研究主要依赖于单个病例报告、小规模病例系列或单一医院的回顾性分析，这些研究在样本量和代表性方面存在明显局限。本研究的20年时间跨度和18万余例病例的规模为药物热风险特征的系统性表征提供了前所未有的数据基础。 本研究的发现为增强药物警戒策略、支持潜在药品标签更新以及帮助临床医师识别与药物热相关的高风险药物提供了关键见解。特别是，研究识别了抗肿瘤和免疫调节剂作为当代药物热的主要来源，这一发现对于指导药物警戒资源的分配和临床监测策略的制定具有直接的实际意义。6.2 药物类别分布的变化趋势 本研究发现，抗肿瘤和免疫调节剂构成了最大比例的信号药物（49/80），其次是全身用抗感染药（11/80）。与以往强调全身用抗感染药为主要药物热诱因的报告相比，当前分布显示抗肿瘤和免疫调节剂所占份额大幅增加。这一变化趋势需要从多个维度进行解读。 首先，从绝对数量上看，抗肿瘤和免疫调节剂的报告病例数（29,186例）是全身用抗感染药（5,587例）的5倍以上，这一巨大差距反映了肿瘤治疗药物在药物热报告中的主导地位。 其次，从药物种类数量上看，抗肿瘤和免疫调节剂类别包含49种信号药物，远超其他类别。这一丰富的药物种类反映了抗肿瘤治疗领域的快速发展和药物多样化，包括单克隆抗体、小分子靶向药物、免疫检查点抑制剂、CAR-T细胞疗法、溶瘤病毒疗法等多种治疗模式的并存。 第三，这一分布变化反映了临床用药格局的深刻转变。随着肿瘤发病率的全球上升趋势和抗肿瘤治疗的可及性提高，越来越多的患者接受抗肿瘤药物治疗，这直接导致了抗肿瘤药物相关不良事件报告数量的增加。同时，新型免疫疗法（如抗PD-1和抗PD-L1免疫检查点抑制剂）通过激活患者自身的免疫系统发挥抗肿瘤作用，而免疫激活的副作用之一就是发热。 需要指出的是，这一分布变化并不意味着抗菌药物的药物热风险已经降低，而是反映了抗肿瘤和免疫调节剂相关药物热报告的快速增长使得抗菌药物所占比例相对下降。事实上，全身用抗感染药仍然是第二大药物热信号来源，其中不乏异烟肼、米诺环素等经典药物热诱发药物。6.3 时间-发作模式的临床意义 药物热可在整个药物治疗过程中发生。当前文献表明药物热的中位发作时间约为用药后8天，不同药物类别之间存在显著差异。本研究的结果不仅证实了既往研究的主要结论，而且提供了更为精确的、基于大规模数据的药物类别特异性时间线。 研究发现，抗肿瘤和免疫调节剂的中位发作时间为11.5天（IQR: 2.5~51.5天），略高于文献报告的化疗后3~4天。这一差异可能反映了该类别内药物的巨大异质性：部分药物（如单克隆抗体）的药物热发作时间极短（数小时至数天），而部分药物（如某些靶向治疗药物）的发作时间可能延长至数周。IQR的宽度（从2.5天到51.5天）反映了这一异质性。 全身用抗感染药的中位发作时间为2.5天（IQR: 0.5~22.5天），与文献报告的1~5周时间框架有部分重叠，但本研究观察到更短的下限（0.5天），提示某些抗感染药物（特别是抗病毒单克隆抗体）的发热反应可在给药后极短时间内出现。神经系统药物的中位发作时间为15.5天（IQR: 9.5~29.5天），与文献报告的2天至8周时间框架基本一致。 Weibull形状参数检验将药物热发作特征化为早期失效模式，发生率随时间降低。虽然大多数病例在开始用药数周内出现，但临床医师应对延迟发作的表现保持警惕，即使在长期治疗过程中也是如此。特别是对于随机失效型药物（异烟肼和伊维菌素）和血液/造血器官药物、消化道和代谢药物，需要在整个治疗过程中保持持续监测。6.4 性别差异的临床意义 本研究观察到的不同患者特征（如性别）在时间-发作方面的差异，强调了在临床风险评估中纳入人口学因素的潜在价值。女性患者的药物热发作时间早于男性（中位9.5天 vs. 10.5天），虽然绝对差异不大，但在大样本中的统计学显著性提示这一差异是真实存在的。 性别差异的潜在机制可能涉及以下方面：雌性激素对免疫系统的调节作用，女性较高的免疫敏感性，药物代谢酶活性的性别差异，以及体表面积和药物分布容积的差异等。这些因素可能共同作用，导致女性对药物热更为敏感且发作更早。 这一发现在临床实践中的意义在于：对于正在使用已知药物热高风险药物的女性患者，临床医师应考虑实施更为积极的监测策略，包括更频繁的体温测量和更早期的用药评估。在制定药物热监测方案时，将性别作为一个独立的风险因素纳入考虑。6.5 临床实践建议 基于本研究的发现，以下临床实践建议值得考虑： 1．高风险药物识别：临床医师应特别关注与药物热高度相关的药物类别。在处方这些药物时，应充分告知患者药物热的风险和预期发作时间，并制定相应的监测计划。 早期监测策略：鉴于大多数药物热属于早期失效模式，应在开始用药后的最初数周内进行密切的体温监测。对于皮肤科药物和肌肉骨骼系统药物（中位TTO 1.5天），给药后1~2天即需监测。对于全身用抗感染药（中位TTO 2.5天），给药后第1周需每日监测。对于抗肿瘤和免疫调节剂（中位TTO 11.5天），建议在最初4~6周内进行频繁监测。 2．性别特异性管理：考虑到女性患者药物热发作时间更早，对女性患者可能需要更为积极的监测策略。在临床试验设计和药物警戒方案中应纳入性别作为分层因素。 3．长期治疗中的持续警惕：虽然药物热主要发生在治疗早期，但对于随机失效型（如异烟肼、伊维菌素）和磨损失效型（如米非司酮）药物，需要在整个治疗过程中保持监测。对于血液/造血器官药物和消化道/代谢药物，由于其中位TTO较长（59.5~69.5天），长期治疗中的持续监测尤为重要。 4．排他性诊断原则：当发热患者总体临床状况良好或临床改善时，应将药物热纳入鉴别诊断。详细的用药史回顾和停药试验是诊断的关键。 5．药物标签更新：建议药品监管机构根据本研究发现，评估是否需要更新相关药物的处方信息，增加药物热风险和时间模式的相关信息。6.6 研究局限性 本研究存在以下几方面局限性，需要在使用研究结果时予以充分考虑： 1．自愿报告偏倚（Voluntary reporting bias）：FAERS数据库中的不良事件报告是自愿提交的，可能导致漏报、错报和报告偏倚。药物热的漏报率可能较高，因为其临床表现缺乏特异性，容易被归因于感染或其他原因。此外，新药和媒体关注度高的药物可能存在报告过度现象，而老药和普遍使用的药物可能存在报告不足。 2．残余混杂偏倚（Residual confounding bias）：尽管本研究调整了关键潜在混杂因素（性别、年龄、体重、主要疾病和伴随用药），内在的报告偏倚和数据库特定的不完整数据仍可能引入残余偏倚。例如，某些药物的使用人群本身可能具有不同的发热基线风险（如肿瘤患者因肿瘤热更容易出现发热），这种基线差异可能未完全被疾病变量所控制。 3．因果推断限制（Causal inference limitations）：来自自发报告系统的数据仅适用于信号检测和关联分析，不足以得出因果推断。因此，报告病例与药物热之间的因果关系仍不清楚。本研究识别的信号应被视为药物与发热之间关联的提示，而非因果关系的证明。 4．迟发事件识别不足（Underdetection of late-onset events）：药物警戒研究固有地受限于漏报、异质性的报告做法和迟发事件捕获不良。迟发型药物热（如长期治疗数月后出现的发热）可能更容易被漏报或未被识别为药物相关，这可能使不成比例测量产生偏倚并阻碍延迟不良事件的识别。 5．数据完整性问题（Data completeness）：部分数据的缺失（如年龄信息缺失21.6%、性别信息缺失8.7%）可能影响某些分析的精确性和代表性。缺失数据可能导致亚组分析中的选择偏倚。 6．缺乏剂量信息（Lack of dose information）：FAERS数据库中的剂量信息不完整，无法评估剂量与药物热风险之间的关系。某些药物的药物热可能与剂量相关（如药理效应介导的发热），而另一些可能与剂量无关（如免疫介导的发热）。 7．无法区分药物热亚型（Inability to differentiate fever subtypes）：本研究将所有"Pyrexia"报告归为一类，未区分不同类型的药物相关发热（如细胞因子释放综合征、输注反应、超敏反应等），这些不同亚型可能具有不同的临床意义和管理策略。七、结论 这项大规模药物警戒分析识别了与药物热相关的药物和患者特征，并揭示了早期发作模式，为临床实践中药物热的早期识别和监测提供了证据支持。研究的主要结论包括： 1．共识别出80种与药物热相关的信号药物，其中抗肿瘤和免疫调节剂是最大类别（49种药物，29,186例报告），反映了当代药物治疗格局下药物热风险结构的重要变化。 2．按病例数排名前五的药物为利妥昔单抗（3,650例）、人正常免疫球蛋白（2,478例）、唑来膦酸（2,304例）、拉莫三嗪（1,843例）和达拉非尼（1,803例）。这些药物的药物热机制与其药理特性密切相关。 3．药物热主要表现为早期失效模式（Weibull形状参数beta < 1），大多数病例发生在治疗开始的数周内。但异烟肼和伊维菌素为随机失效型，米非司酮为磨损失效型，需全程监测。 4．女性患者的药物热发作时间早于男性患者（中位9.5天 vs. 10.5天），强调了在临床风险评估中纳入性别因素的潜在价值。 5．不同药物类别之间药物热的发作时间存在显著差异，从皮肤科药物的1.5天到血液和造血器官药物的69.5天不等，提示不同药物类别需要差异化的监测策略。 6．敏感性分析证实了绝大多数信号药物（96.3%）的稳健性，支持主要发现的可靠性。 这些发现强调了监测药物热的重要性，特别是对于高风险药物。来自真实世界药物警戒数据的证据为临床实践中及时识别和监测药物热提供了支持。随着新型治疗药物的不断涌现和临床用药复杂性的增加，对药物热的系统性认识和主动监测将变得越来越重要。八、研究影响声明 声明一：本研究强调了监测药物热的重要性，特别是对于高风险药物。临床医师在使用抗肿瘤和免疫调节剂、全身用抗感染药等高风险药物时，应将药物热纳入常规不良事件监测范围。 声明二：观察到的不同患者特征（如性别）在时间-发作方面的差异，强调了在临床风险评估中纳入人口学因素的潜在价值。这为个体化药物警戒策略的制定提供了新思路。 声明三：来自真实世界药物警戒数据的发现为临床实践中及时识别和监测药物热提供了证据支持。这些证据可用于指导临床监测方案的制定、药品标签的更新以及患者教育材料的完善。九、关键研究方法参数总结 参数 内容 数据来源 FDA不良事件报告系统（FAERS） 研究周期 2004年Q1至2024年Q4（20年） 信号检测方法 ROR、PRR、BCPNN、MGPS（四种方法联合） 阳性信号标准 同时满足四种算法的阳性标准 纳入阈值 报告病例数≥ 100例 药物角色 主要可疑药物（primary suspect） 报告来源 仅限医疗专业人员报告 不良事件编码 MedDRA PT "Pyrexia" 药物分类系统 WHO ATC分类系统 时间-发作指标 中位数、四分位数、Weibull形状参数 敏感性分析 多变量逻辑回归（调整性别、年龄、体重、主要疾病、伴随用药） 统计软件 R 4.5.0 in RStudio 统计学显著性水平 双尾P < 0.01 分析指南 READUS-PV指南 去重策略 按CASEID和FDA_DT去重，保留最新报告 药物名称标准化 DrugBank数据库十、综合评述 本研究的核心价值在于通过长达20年、涵盖183,668例药物热病例的大规模数据分析，系统性地绘制了药物热的风险景观。研究方法严谨，采用四种不成比例分析方法的联合策略，有效降低了假阳性信号的风险，并通过敏感性分析验证了结果的稳健性。时间-发作分析为临床实践提供了药物特异性的监测时间窗口，具有重要的临床指导意义。 研究的创新之处体现在以下几个方面：首先，这是首个利用FAERS数据库进行大规模药物热风险分析的研究，填补了该领域的空白，为药物热的流行病学和风险特征提供了前所未有的全面描述。其次，研究揭示了性别差异在药物热发作时间中的影响，为个体化药物警戒提供了新视角，提示在制定监测策略时应考虑人口学因素。第三，Weibull形状参数分析为药物热的发作模式提供了定量表征，有助于理解不同药物的发热机制并制定差异化的监测方案。第四，研究识别了抗肿瘤和免疫调节剂作为当代药物热主要来源的新格局，这一发现对于药物警戒资源的合理分配和临床监测策略的制定具有直接的指导意义。 从药物警戒实践的角度来看，本研究的结果可应用于以下方面：（1）指导药品说明书和药物标签中药物热相关信息的更新和完善；（2）为医疗机构制定药物热监测规范和临床路径提供循证依据；（3）为药物警戒部门设定信号检测优先级和风险评估策略提供参考；（4）为临床试验方案设计中安全性监测计划的制定提供背景数据。 然而，作为基于自发报告系统的研究，其固有的局限性（如报告偏倚、缺乏因果推断能力、数据完整性问题等）需要在解读结果时予以充分考虑。自发报告系统本质上是一种假设生成工具，其识别的信号需要在后续的研究中通过更严格的研究设计（如队列研究、病例对照研究或随机对照试验的meta分析）进行验证。 未来的研究方向可以包括：结合电子健康记录（EHR）数据进行验证性研究，以补充自发报告系统的不足；开展前瞻性队列研究以更准确地估计药物热的发生率；通过药物基因组学研究识别药物热的遗传易感因素，实现精准预防；开发基于机器学习的药物热风险预测模型；以及开展跨数据库的国际比较研究，以评估不同医疗体系和报告文化对药物热信号检测的影响。