ADHD药物不良反应监测方案

ADHD药物不良反应监测方案演讲人01ADHD药物不良反应监测方案02引言：ADHD药物不良反应监测的背景与意义引言：ADHD药物不良反应监测的背景与意义注意力缺陷多动障碍（ADHD）作为一种常见的神经发育障碍，其全球患病率约5%-7%，儿童及青少年群体中尤为突出[1]。中枢神经兴奋剂（如哌甲酯、苯丙胺类）及非兴奋剂（如托莫西汀、胍法辛）是当前ADHD的一线治疗药物，可有效改善患者注意力不集中、多动冲动等症状，显著提升生活质量与社会功能[2]。然而，随着临床应用的普及，药物不良反应（AdverseDrugReactions,ADRs）的报道逐渐增加，从常见的中枢神经系统反应（如失眠、食欲减退）到严重的心血管事件（如高血压、心律失常）、精神行为异常（如自杀意念、攻击行为）等，不仅影响治疗依从性，甚至可能危及患者生命[3]。引言：ADHD药物不良反应监测的背景与意义作为临床一线工作者，我曾在诊疗中遇到一名12岁ADHD患儿，在使用哌甲酯缓释片治疗1个月后出现严重失眠和情绪暴躁，家属一度怀疑诊断并欲放弃治疗。通过及时的不良反应监测与干预，我们调整了给药剂量并联合使用小剂量非典型抗精神病药物，最终患儿症状平稳，治疗得以延续。这一案例让我深刻体会到：ADHD药物不良反应监测不仅是一项专业工作，更是连接药物治疗效果与患者安全的“生命线”。基于此，构建科学、全面、系统的ADHD药物不良反应监测方案，成为保障用药安全、优化治疗策略的核心任务。本文将从理论基础、体系构建、实施方法、质量控制、特殊人群管理及未来挑战等维度，系统阐述ADHD药物不良反应监测的完整框架，为临床实践与政策制定提供参考。03ADHD药物不良反应监测的理论基础与核心目标ADHD常用药物分类及潜在不良反应谱ADHD治疗药物根据作用机制可分为三大类，其不良反应谱具有显著差异，为针对性监测提供依据：ADHD常用药物分类及潜在不良反应谱中枢神经兴奋剂代表药物包括哌甲酯（短效、长效、缓释剂型）、苯丙胺类（混合盐、赖氨酸苯丙胺等）。通过抑制突触前膜多巴胺和去甲肾上腺素的再摄取，增强神经递质浓度，从而改善注意力与行为控制[4]。常见不良反应包括：-轻度至中度：食欲减退（30%-40%）、失眠（15%-25%）、头痛（10%-20%）、腹痛（5%-15%）；-重度：心率增快（5%-10%）、血压升高（3%-8%）、精神病性症状（如幻觉、妄想，1%-3%）、生长迟缓（长期使用，约5%-10%）[5]。ADHD常用药物分类及潜在不良反应谱非兴奋剂类药物（1）托莫西汀：选择性去甲肾上腺素再摄取抑制剂，不具成瘾性，适用于有物质滥用风险或兴奋剂疗效不佳者。常见不良反应包括恶心（20%-30%）、嗜睡（10%-15%）、肝功能异常（约1%，需监测ALT/AST）[6]；（2）α2肾上腺素能受体激动剂（如胍法辛、可乐定）：通过激活突触前膜α2受体，减少去甲肾上腺素释放，适用于共病抽动障碍或睡眠障碍的患儿。不良反应包括低血压（5%-10%）、头晕（8%-12%）、过度镇静（3%-8%）[7]。ADHD常用药物分类及潜在不良反应谱其他off-label药物如抗抑郁药（安非他酮）、抗精神病药（喹硫平）等，用于共病抑郁、焦虑或攻击行为患者。其不良反应谱更为复杂，需关注代谢综合征（体重增加、血糖升高）、锥体外系反应（EPS）等[8]。不良反应监测的法律法规与伦理要求法规依据我国《药品管理法》《药品不良反应报告和监测管理办法》明确规定，医疗机构、药品生产企业和经营企业是ADR监测的责任主体，需实行“逐级报告、定期分析、及时预警”的管理制度[9]。对于ADHD药物，尤其是儿童用药，国家药品监督管理局（NMPA）要求上市后再评价必须包含安全性监测数据，如2021年发布的《儿童用药审评审批中儿童用药安全性与有效性技术指导原则》强调“需重点关注长期用药的生长发育、神经认知等潜在风险”[10]。不良反应监测的法律法规与伦理要求伦理核心ADHD治疗群体以儿童青少年为主，其药物代谢能力、不良反应耐受性均与成人存在差异。监测工作需遵循《赫尔辛基宣言》原则，在保障治疗获益的前提下，将患者安全置于首位，尤其需警惕“治疗扩大化”（如将正常儿童行为误诊为ADHD）导致的药物滥用风险[11]。监测的核心目标ADHD药物不良反应监测并非简单的“问题收集”，而是通过系统性数据整合与分析，实现三大目标：-早期预警：及时发现未知或严重不良反应（如猝死风险、自杀行为），为药品监管部门调整说明书、警示用药风险提供依据；-个体化治疗：通过不良反应与患者特征（年龄、基因型、共病）的关联分析，指导精准用药（如CYP2D6代谢酶基因检测指导托莫西汀剂量调整）；-体系优化：完善监测网络，提升基层医疗机构识别与报告能力，推动ADHD治疗从“经验用药”向“循证用药”转变[12]。04ADHD药物不良反应监测体系的构建多主体协同的监测网络ADHD药物不良反应监测需打破“医疗机构单打独斗”的局限，构建“政府-医疗机构-企业-患者”四位一体的协同网络：多主体协同的监测网络政府与监管机构国家药品监督管理局（NMPA）下设药品评价中心（CDR），负责全国ADR监测的统筹管理；省级药品不良反应监测中心承担辖区内数据收集、分析与反馈任务。针对ADHD药物，可设立“儿童用药监测专项”，要求药企定期提交上市后安全性研究数据[13]。多主体协同的监测网络医疗机构作为监测的前沿阵地，三级医院应设立ADHD多学科诊疗团队（儿童神经科、精神科、心血管内科、临床药师），负责疑难病例的ADR识别与上报；基层医疗机构（社区卫生服务中心、乡镇卫生院）则承担患者用药随访与轻度ADR的初步处理，形成“医院-社区”联动机制[14]。多主体协同的监测网络药品生产企业根据《药品上市后风险管理计划（RMP）》要求，ADHD药物生产企业需主动开展上市后安全性研究（如药物流行病学研究、药物基因组学研究），建立企业内部ADR数据库，并与国家监测系统对接，及时补充临床未发现的风险信号[15]。多主体协同的监测网络患者与家属通过患者教育（如发放《ADHD药物不良反应自我监测手册》），指导家属观察患儿用药后的反应（如睡眠、情绪、食欲变化），利用移动医疗APP（如“ADHD管家”）实现不良反应的实时上报，提升监测的覆盖面与时效性[16]。监测信息的标准化采集ADR信息的准确性直接决定监测质量，需建立标准化数据采集体系，涵盖以下核心要素：监测信息的标准化采集患者基本信息年龄、性别、体重、ADHD诊断依据（如DSM-5标准）、共病情况（如抽动障碍、癫痫、哮喘）、家族史（如心血管疾病、精神疾病史）[17]。监测信息的标准化采集用药相关数据药物名称、剂型、剂量、给药途径、用药开始/结束时间、联合用药（尤其抗抑郁药、抗精神病药等相互作用风险较高的药物）[18]。监测信息的标准化采集不良反应特征-发生时间：首次用药后至出现反应的时间间隔（如“用药后30分钟出现心悸”“用药3个月后出现生长迟缓”）；-临床表现：具体症状（如“入睡困难，每晚睡眠时间＜4小时”）、严重程度（轻度：不影响日常活动；中度：需要调整治疗；重度：危及生命或导致永久性损害）、处理措施（如“减量后症状缓解”“停药后症状消失”）[19]；-关联性评价：采用国家ADR监测中心推荐的“肯定、很可能、可能、可能无关、待评价、无法评价”六级标准，结合患者用药史、反应发生规律、再激发结果等进行综合判断[20]。监测流程的闭环管理ADHD药物不良反应监测需实现“发现-报告-分析-干预-反馈”的闭环管理，确保每个环节无缝衔接：监测流程的闭环管理发现与记录临床医师通过问诊（如“最近孩子吃饭怎么样？”“有没有说不想上学？”）、量表评估（如ADHD不良反应评定量表，ADRS）及实验室检查（如定期监测血压、心率、肝肾功能），主动识别ADR[21]。监测流程的闭环管理上报与审核发现ADR后，医疗机构通过国家药品不良反应监测信息网络（以下简称“国家ADR系统”）在线提交报告，省级监测中心在10个工作日内完成审核，对严重ADR（如过敏性休克、自杀行为）需立即上报[22]。监测流程的闭环管理数据分析与信号挖掘国家CDR利用数据挖掘技术（如比例报告比值PRR、报告比值比ROR）对全国ADR数据进行分析，识别“信号”（即某药物与不良反应的关联性超过预期）[23]。例如，2020年通过信号挖掘发现，托莫西汀在儿童中肝功能异常的报告率高于预期，随后NMPA更新说明书，增加“用药前需检查肝功能，用药后每6个月监测一次”的警示[24]。监测流程的闭环管理风险干预与反馈对确认的严重风险信号，NMPA可采取“修改说明书”“限制使用”“暂停销售”“召回”等措施，并通过“药品不良反应信息通报”向医疗机构发布预警[25]。医疗机构则需将风险信息及时传达至临床医师与患者，形成“监管-临床-患者”的反馈闭环。05ADHD药物不良反应监测的实施方法与技术支撑主动监测与被动监测的有机结合主动监测通过前瞻性研究设计，系统收集特定人群的ADR数据，具有数据完整、漏报率低的优点。常用方法包括：-队列研究：选取接受ADHD药物治疗的患者，定期随访（如每3个月一次），记录ADR发生情况。例如，欧洲“ADHD药物长期安全性研究”（NLADHS）对5000例儿童进行10年随访，发现兴奋剂类药物与生长迟缓风险相关，但停药后可部分恢复[26]；-电子病历（EMR）数据挖掘：利用自然语言处理（NLP）技术提取电子病历中的ADR关键词（如“失眠”“心悸”），结合用药史自动识别潜在信号，适合大规模、长周期的监测[27]。主动监测与被动监测的有机结合被动监测依赖医疗机构、药企和患者的自发报告，覆盖范围广、成本低，但存在漏报率高（估计仅10%-20%的ADR被报告）、信息不完整的缺点[28]。为提升被动监测质量，需：-简化报告流程：开发移动端上报APP，支持语音录入、图片上传（如皮疹照片）；-加强培训：定期组织临床医师、药师ADR识别与报告培训，强调“即使不确定关联性，也应可疑即报”[29]。真实世界数据（RWD）与真实世界证据（RWE）的应用真实世界数据（RWD）来源于临床诊疗、医保支付、患者随访等真实医疗场景，其真实性与外推性优于传统临床试验数据[30]。在ADHD药物ADR监测中，RWD的应用包括：真实世界数据（RWD）与真实世界证据（RWE）的应用医保数据库分析通过分析医保报销数据，可大样本评估ADHD药物的ADR发生率。例如，利用美国Medicare数据库研究发现，长期使用苯丙胺类药物的老年患者（＞65岁）中风风险增加1.8倍，这一结论促使FDA更新了老年ADHD患者的用药警示[31]。真实世界数据（RWD）与真实世界证据（RWE）的应用患者报告结局（PROs）通过标准化量表（如PedsQL™4.0儿童生活质量量表）收集患者主观感受，捕捉传统医疗记录中未关注的不良反应（如“注意力不集中加重”“情绪低落”），为个体化治疗提供依据[32]。真实世界数据（RWD）与真实世界证据（RWE）的应用药物基因组学（PGx）指导的监测基因多态性可影响ADHD药物的代谢与不良反应风险。例如，CYP2D6慢代谢型患者使用托莫西汀时，血药浓度可升高3-5倍，增加癫痫发作风险[33]。通过基因检测筛选高风险人群，实现“精准监测”——对慢代谢者降低初始剂量，增加血药浓度监测频率。人工智能（AI）与大数据技术的赋能AI技术在ADR监测中的应用，可显著提升信号检测效率与准确性：人工智能（AI）与大数据技术的赋能机器学习模型预测ADR风险基于历史数据训练模型（如随机森林、神经网络），输入患者年龄、基因型、共病、用药剂量等特征，预测个体ADR发生概率。例如，一项研究利用XGBoost模型预测哌甲酯相关失眠，准确率达85%，优于传统Logistic回归模型[34]。人工智能（AI）与大数据技术的赋能深度学习识别复杂ADR信号对于非结构化数据（如电子病历文本、社交媒体患者讨论），深度学习模型（如BERT）可自动提取语义信息，识别传统方法难以发现的信号。例如，通过分析Twitter数据，研究人员发现ADHD药物与“梦游”的相关性，随后通过病例对照研究证实了这一关联[35]。人工智能（AI）与大数据技术的赋能智能预警系统在电子病历系统中嵌入AI预警模块，当患者用药后出现异常生命体征（如心率＞120次/分、收缩压＞140mmHg）或实验室指标（如ALT＞2倍正常值）时，系统自动弹出警示，提醒临床医师关注ADR[36]。06特殊人群ADHD药物不良反应的针对性监测儿童与青少年：生长发育与神经认知的长期监测ADHD儿童处于生长发育关键期，药物对身高体重、神经认知功能的影响需重点关注：儿童与青少年：生长发育与神经认知的长期监测生长发育监测兴奋剂类药物可能抑制生长激素分泌，导致生长迟缓。建议：-用药前基线测量身高、体重、BMI，绘制生长曲线；-用药后每6个月测量1次，若身高增长速度＜4cm/年或体重增长＜2kg/年，需评估药物影响，必要时调整治疗或“药物假期”（周末、假期停药）[37]。儿童与青少年：生长发育与神经认知的长期监测神经认知功能监测部分研究提示，长期使用兴奋剂可能影响儿童的执行功能、记忆等。建议采用神经心理学量表（如威斯康星卡片分类测验WCST、Stroop色词测验）每年评估1次，若发现认知功能下降，需与治疗获益权衡，考虑换用非兴奋剂类药物[38]。成人ADHD：共病与多药联合的复杂风险成人ADHD常共病抑郁、焦虑、物质滥用等，且多药联合治疗（如ADHD药物+抗抑郁药）增加了ADR风险：成人ADHD：共病与多药联合的复杂风险心血管系统监测STEP1STEP2STEP3成人ADHD患者心血管疾病风险高于普通人群，兴奋剂类药物可能进一步升高血压、增加心率。建议：-用药前完善心电图、动态血压监测；-用药后每3个月测量血压、心率，若收缩压≥140mmHg或舒张压≥90mmHg，需调整药物或加用降压药[39]。成人ADHD：共病与多药联合的复杂风险药物滥用监测成人ADHD患者物质滥用（如酒精、阿片类药物）风险较高，需采用“药物筛查问卷”（如DrugAbuseScreeningTest,DAST）每6个月评估1次，对高风险患者建议选用非兴奋剂类药物（如托莫西汀）[40]。妊娠期与哺乳期妇女：罕见但严重的安全风险妊娠期ADHD妇女用药需平衡胎儿安全与疾病控制，目前相关研究较少，主要基于病例报告与注册研究：妊娠期与哺乳期妇女：罕见但严重的安全风险妊娠期监测213避免使用苯丙胺类药物（有致畸风险），首选哌甲酯（美国FDA妊娠分级C级）。建议：-妊娠前充分告知药物潜在风险（如早产、低出生体重风险增加15%-20%）；-妊娠中晚期每月监测血压，预防妊娠期高血压[41]。妊娠期与哺乳期妇女：罕见但严重的安全风险哺乳期监测托莫西汀在乳汁中浓度较低（哺乳期婴儿/母体血药浓度比＜0.1），可谨慎使用；兴奋剂类药物可进入乳汁，建议哺乳期暂停使用或改为人工喂养[42]。07ADHD药物不良反应监测的质量控制与持续改进监测数据的标准化与质量控制数据标准化采用国际标准术语编码：不良反应名称采用WHO-ART术语集，药物名称采用ATC编码，患者诊断采用ICD-11编码，确保数据可比性[43]。监测数据的标准化与质量控制数据核查建立“三级核查机制”：-二级：科室质控员核查（重点审核关联性评价是否合理）；-一级：报告人自查（核对患者信息、用药史、反应描述是否完整）；-三级：医院ADR监测中心复核（对严重ADR、复杂病例组织多学科讨论）[44]。人员培训与能力建设分层培训体系-对临床医师：重点培训ADR识别技巧（如兴奋剂相关的精神病性症状与ADHD共病行为的鉴别）、报告流程；01-对药师：培训药物相互作用评估（如ADHD药物与SSRI类抗抑郁药联用导致的5-羟色胺综合征风险）；02-对护士：培训患者用药宣教（如“如何观察患儿用药后的情绪变化”）[45]。03人员培训与能力建设学术交流与合作定期组织ADHD药物监测研讨会，邀请国内外专家分享经验（如欧洲药物管理局（EMA）的ADHD药物监测策略），与国内外研究机构合作开展多中心研究[46]。监测效果的评估与改进关键绩效指标（KPIs）-漏报率：目标＜5%（通过抽样核查历史报告评估）；-严重ADR报告率：目标≥80%（反映临床对严重ADR的重视程度）；-信号检测及时率：从信号发现到风险干预的时间≤3个月[47]。030102监测效果的评估与改进PDCA循环持续改进通过“计划（Plan）-执行（Do）-检查（Check）-处理（Act）”循环，不断优化监测方案。例如，某医院通过PDCA循环发现，基层医疗机构ADR漏报率较高（约30%），原因包括培训不足、报告流程繁琐，随后通过“下派专家指导”“简化移动端上报流程”，6个月内将漏报率降至10%[48]。08当前ADHD药物不良反应监测的挑战与对策主要挑战漏报与误报并存一方面，基层医疗机构对ADR认知不足，导致漏报；另一方面，部分临床医师将疾病本身症状（如ADHD的冲动行为）误判为ADR，造成误报[49]。主要挑战新型药物与剂型的监测空白如缓释微球制剂（如哌甲酯缓释微球）、透皮贴剂（如利他林透皮贴）等新型剂型，其药物释放特性可能导致延迟性或特殊ADR（如注射部位反应），现有监测体系难以覆盖[50]。主要挑战长期安全数据缺乏ADHD是一种慢性疾病，需长期甚至终身用药，但现有药物上市后研究多集中于1-2年，缺乏10年以上的长期安全数据（如对成年后心血管疾病、物质滥用的远期影响）[51]。应对策略完善激励与约束机制将ADR监测纳入医疗机构绩效考核，对报告数量多、质量高的科室给予奖励；对瞒报、漏报严重ADR的行为进行问责，提升监测依从性[52]。应对策略建立新型药物监测专项对新型ADHD药物，要求药企在上市前开展“药物释放动力学研究”，上市后设立专项监测计划，重点关注延迟性、局部性ADR[53]。应对策略推动长期真实世界研究联合全国多家医疗机构建立“ADHD药物长期安全登记数据库”，纳入患者从儿童到成年的全生命周期数据，定期分析长期用药风险，为临床指南更新提供依据[54]。09未来展望：智能化、精准化与全球化监测趋势智能化监测：从“被动报告”到“主动预警”随着AI、物联网（IoT）技术的发展，未来监测将实现“实时化、自动化”：可穿戴设备（如智能手环）持续监测患者心率、血压、睡眠质量，数据实时传输至AI预警系统，一旦出现异常，自动提醒临床医师与家属，实现ADR的“零延迟干预”[55]。精准化监测：基于“多组学”的个体风险评估整合基因组学、蛋白质组学、代谢组学数据，构建ADHD药物ADR风险预测模型，实现“因人施测”。例如，通过检测COMT基因（编码儿茶酚-O-甲基转移酶）多态性，预测兴奋剂类药物相关的焦虑风险，对高风险患者选用低剂量或非兴奋剂类药物[56]。全球化监测：构建国际ADR数据共享网络ADHD药物不良反应是全球性问题，需加强国际合作。参与WHO国际药物监测合作中心（UMC）数据库，建立中美、中欧ADHD药物监测数据共享机制，整合全球信号资源，提升罕见ADR的发现能力[57]。10总结总结ADHD药物不良反应监测是一项系统工程，其核心在于“以患者为中心”，通过多主体协同、全流程闭环、技术赋能，实现“早发现、早报告、早干预”。从理论基础的夯实，到监测体系的构建，再到实施方法的优化与质量控制，每一步都需严谨细致、科学求实。面对儿童青少年生长发育、成人共病复杂、妊娠哺乳期特殊人群等挑战，唯有持续创新监测模式，推动智能化、精准化发展，才能真正守护ADHD患者的用药安全。作为一名临床工作者，我深知：每一次不良反应的精准识别，都是对生命的敬畏；每一份数据的及时上报，都是对责任的践行。未来，让我们以更专业的态度、更先进的技术、更协作的精神，共同织就ADHD药物安全的“防护网”，让每一个ADHD患者都能在安全、有效的治疗中，绽放生命的光彩。11参考文献参考文献[1]FaraoneSV,etal.TheworldwideprevalenceofADHD:asystematicreviewandmeta-analysis.AmericanJournalofPsychiatry,2022,179(6):439-449.[2]CorteseS,etal.ADHDclinicalpracticeguidelineforchildrenandadolescents.EuropeanChildAdolescentPsychiatry,2023,32(1):1-18.参考文献[3]ZetterqvistJ,etal.StimulanttreatmentforADHDandriskofseizures:acohortstudy.JAMAPsychiatry,2021,78(11):1178-1185.[4]VolkowND,etal.NeurobiologyofADHD.NatureReviewsNeuroscience,2020,21(7):383-397.[5]CoghillD,etal.SafetyandtolerabilityofstimulantmedicationsforthetreatmentofchildrenandadolescentswithADHD.DrugSafety,2023,46(1):1-15.参考文献[6]KratochvilCJ,etal.AtomoxetineinchildrenandadolescentswithADHD:apooledanalysisofplacebo-controlledtrials.JournaloftheAmericanAcademyofChildAdolescentPsychiatry,2021,60(3):289-298.[7]FindlingRL,etal.GuanfacineextendedreleaseinchildrenandadolescentswithADHD:a12-weekstudy.JournalofClinicalPsychopharmacology,2022,42(2):145-152.参考文献[8]SikiricaV,etal.AtypicalantipsychoticsasadjunctivetherapyforADHD:asystematicreview.CNSDrugs,2023,37(3):223-235.[9]国家药品监督管理局.药品不良反应报告和监测管理办法（2021年修订）.2021.[10]国家药品监督管理局.儿童用药审评审批中儿童用药安全性与有效性技术指导原则.2021.[11]AAPCommitteeonDrugs.ADHDmedications:policystatement.Pediatrics,2022,150(3):e2022058324.参考文献[12]LawrenceD,etal.PharmacovigilanceforADHDmedications:areviewofcurrentpractices.ExpertOpiniononDrugSafety,2023,22(5):435-445.[13]国家药品监督管理局.药品上市后风险管理计划（RMP）撰写要求.2020.[14]卫生部.儿童ADHD诊疗规范（2023年版）.2023.[15]EMA.Guidelineonpharmacovigilanceplanningformedicinalproductsforhumanuse.2022.参考文献[16]王艺,等.基于移动医疗的ADHD药物不良反应监测系统构建与应用.中国数字医学,2023,18(4):56-59.[17]AmericanAcademyofChildandAdolescentPsychiatry.PracticeparameterfortheassessmentandtreatmentofchildrenandadolescentswithADHD.JournaloftheAmericanAcademyofChildAdolescentPsychiatry,2022,61(9):1453-1485.[18]陈世益,等.ADHD药物相互作用研究进展.中国医院药学杂志,2023,43(5):512-518.参考文献[19]WHO.Adversereactionterminology(WHO-RT).2021.[20]国家药品不良反应监测中心.药品不良反应关联性评价指导原则.2020.[21]张明园,等.ADHD不良反应评定量表（ADRS）的编制与信效度检验.中国心理卫生杂志,2022,36(3):189-194.[22]国家药品不良反应监测中心.国家药品不良反应监测信息网络操作手册.2023.[23]HaubenM,etal.Theroleofdatamininginpharmacovigilance.DrugSafety,2021,44(7):645-656.参考文献[24]国家药品监督管理局.关于修订托莫西汀口服制剂说明书的公告（2020年第XX号）.2020.[25]EMA.Summaryofproductcharacteristicsforatomoxetine.2023.[26]EuropeanMedicinesAgency.ADHDlong-termsafetystudy(NLADHS):finalreport.2022.[27]JohnsonSB,etal.Naturallanguageprocessingforadversedrugreactiondetectionfromelectronichealthrecords.JournaloftheAmericanMedicalInformaticsAssociation,2023,30(3):589-596.参考文献[28]HazellP,etal.Underreportingofadversedrugreactions:asystematicreview.BritishJournalofClinicalPharmacology,2021,87(8):2985-2996.[29]中华医学会临床药学分会.ADR监测与报告培训教材.2022.[30]FDA.Real-worldevidenceprogramguidanceforindustry.2023.[31]SchneeweissS,etal.StimulanttreatmentandriskofstrokeinelderlyadultswithADHD.JAMAInternalMedicine,2022,182(5):479-487.参考文献[32]PatrickDL,etal.Patient-reportedoutcomesinADHDclinicaltrials.ClinicalTherapeutics,2023,45(4):456-467.[33]KleinJ,etal.PharmacogenomicsofatomoxetineresponseinchildrenwithADHD.Pharmacogenomics,2021,22(10):721-730.[34]LiY,etal.Predictingmethylphenidate-associatedinsomniausingmachinelearning.JournalofPsychopharmacology,2023,37(2):234-241.参考文献[35]NguyenP,etal.Socialmediaminingforadversedrugreactiondetection:acasestudyofADHDmedications.DrugSafety,2022,45(6):745-756.[36]WangJ,etal.AI-poweredreal-timeadversedrugreactionalertsysteminelectronichealthrecords.JournalofMedicalInternetResearch,2023,25(3):e41218.参考文献[37]PoultonJ,etal.GrowthmonitoringinchildrentreatedwithstimulantsforADHD:aclinicalguideline.Pediatrics,2021,148(3):e2021056789.[38]CastellanosFX,etal.Long-termeffectsofstimulanttreatmentonneurocognitiveoutcomesinADHD.JAMAPsychiatry,2023,80(4):389-397.参考文献[39]VitielloB,etal.CardiovascularmonitoringinadultswithADHDtreatedwithstimulants.AmericanJournalofPsychiatry,2022,179(6):421-428.[40]WilensTE,etal.SubstanceusedisordersinadultswithADHD:areview.CurrentPsychiatryReports,2023,25(4):45-52.参考文献[41]YonkersKA,etal.ADHDmedicationsinpregnancy:asystematicreview.ObstetricsGynecology,2022,140(3):456-468.[42]HaleTW