近日，我院临床流行病学与循证医学孙鑫研究员、谭婧研究员团队在流行病学领域顶级期刊European Journal of Epidemiology（IF：13.6）发表题为“A population-based cohort of drug exposures and adverse pregnancy outcomes in China (DEEP): rationale, design, and baseline characteristics”的研究论文。研究构建了我国首个基于人群（population-based）的全孕期药品暴露和不良妊娠结局队列（DEEP）的基本原理、设计和基线特征。

孕期用药安全一直是全球药品监管和妇幼人群重点关注的健康领域话题。孕妇和胎儿是最易受到药品毒性作用影响的脆弱群体，但出于伦理和法律考虑，孕妇通常被排除在传统药物临床试验之外，孕期药品使用的安全性证据极度缺乏。多国药监机构共识：建立基于人群的孕期药品暴露队列，是目前开展孕期药品暴露安全性监测与评价的最佳数据来源。然而，除了少数发达国家通过链接国家医保系统和出生登记系统构建了孕期药品暴露队列外，我国尚未建立基于人群的孕期药品暴露与不良妊娠结局的大型队列。现有研究中，孕期用药信息多基于患者问卷调查，随访记录不全，存在明显的信息偏倚，难以形成高质量孕期用药安全性证据。

研究基于厦门市区域医疗大数据平台（覆盖500多万常驻人口），建立了我国首个基于人群（population-based）、纳入超过50万名孕妇的全孕期药品暴露与不良妊娠结局的大型纵向队列DEEP（a population-based cohort of Drug Exposures and adversE Pregnancy outcomes in China, DEEP，图1）。课题组首先构建了覆盖全生命周期孕妇和子代登记数据库REPRESENT（IJE, 2020），纳入在厦门分娩的全域69万孕产妇，通过数据链接、治理和标准化，实现了“孕前-孕早期-孕中期-孕晚期-分娩-产后-新生儿期-儿童期”的全域孕产妇和子代信息采集，涵盖人口社会学特征、妊娠期合并症、并发症、医疗服务利用、分娩结局、新生儿随访、儿童期随访等，准确获得孕产妇以及子代的近、远期结局。研究进一步建立了覆盖厦门全市初级、二级和三级医疗机构的5.3亿条药品医嘱数据库，全量采集孕产妇及其子代在不同医疗机构、门诊和住院药品处方数据，实现了药品名称、药品类型、处方时间、剂量和疗程的标准化。通过链接以上两个数据库，形成DEEP队列。目前，DEEP队列共纳入564,740人次孕产妇，包含2096种化学药、163种生物制剂、847种中成药和655种中草药。

图1  DEEP队列的基本情况

DEEP队列是课题组继2020年在另一流行病学领域顶级期刊（International Journal of Epidemiology）发表我国样本量最大、随访时间最长的孕产和子代登记数据库（REPRESENT）后的又一重要成果。本研究的关键意义在于：

DEEP队列是我国首个基于人群的全孕期药品暴露与不良妊娠结局大型纵向队列，具有人群代表性好、数据量大、孕产信息和混杂变量全面、以及药品暴露记录准确等优点；

DEEP队列可广泛用于全孕期药品暴露的安全性主动监测，包括化学药和具有我国特色的孕期中药暴露安全性监测；

基于DEEP队列中的海量信息，通过现代因果推断技术，可以探索药品暴露与不良妊娠结局之间的因果关联；

DEEP队列的发表，对提高我国孕产队列的国际知名度，建立用中国人群数据回答中国人群健康问题的研究模式具有示范价值。

我院谭婧研究员和熊益权副研究员为该论文共同第一作者，孙鑫研究员为通讯作者。上述研究得到了国家自然科学基金杰出青年基金、面上项目、国家重点研发计划等多个项目的支持。

原文链接：http://link.springer.com/article/10.1007/s10654-024-01124-6