fda-database

FDA 数据库访问

概述

通过 openFDA 访问全面的 FDA 监管数据，openFDA 是 FDA 为公共数据集提供开放 API 的倡议。使用 Python 和标准化接口，查询有关药品、医疗器械、食品、动物/兽医产品以及物质的信息。

核心能力：

• 查询药品、器械、食品和兽医产品的不良事件
• 访问产品标签、批准信息和监管申报资料
• 监控召回和执法行动
• 查询国家药品代码（NDC）和物质标识符（UNII）
• 分析器械分类和许可（510k、PMA）
• 追踪药品短缺和供应问题
• 研究化学结构和物质关系

何时使用本技能

本技能适用于以下场景：

• 药品研究：安全性概况、不良事件、标签、批准、短缺
• 医疗器械监测：不良事件、召回、510(k) 许可、PMA 批准
• 食品安全：召回、过敏原追踪、不良事件、膳食补充剂
• 兽医医学：按物种和品种划分的动物药品不良事件
• 化学/物质数据：UNII 查询、CAS 号映射、分子结构
• 监管分析：批准路径、执法行动、合规追踪
• 药物警戒：上市后监测、安全信号检测
• 科学研究：药物相互作用、比较安全性、流行病学研究

快速开始

1. 基本设置

from scripts.fda_query import FDAQuery

# Initialize (API key optional but recommended)
fda = FDAQuery(api_key="YOUR_API_KEY")

# Query drug adverse events
events = fda.query_drug_events("aspirin", limit=100)

# Get drug labeling
label = fda.query_drug_label("Lipitor", brand=True)

# Search device recalls
recalls = fda.query("device", "enforcement",
                   search="classification:Class+I",
                   limit=50)

2. API 密钥设置

虽然无需密钥即可使用 API，但注册后可获得更高的速率限制：

• 无密钥：240 次请求/分钟，1,000 次/天
• 有密钥：240 次请求/分钟，120,000 次/天

注册地址：https://open.fda.gov/apis/authentication/

设置为环境变量：

export FDA_API_KEY="your_key_here"

3. 运行示例

# Run comprehensive examples
python scripts/fda_examples.py

# This demonstrates:
# - Drug safety profiles
# - Device surveillance
# - Food recall monitoring
# - Substance lookup
# - Comparative drug analysis
# - Veterinary drug analysis

FDA 数据库类别

药品

访问 6 个与药品相关的端点，覆盖从批准到上市后监测的完整药品生命周期。

端点：

1. 不良事件 - 副作用、错误和治疗失败报告
2. 产品标签 - 处方信息、警告、适应症
3. NDC 目录 - 国家药品代码产品信息
4. 执法报告 - 药品召回和安全行动
5. Drugs@FDA - 自 1939 年以来的历史批准数据
6. 药品短缺 - 当前和已解决的供应问题

常见用例：

# Safety signal detection
fda.count_by_field("drug", "event",
                  search="patient.drug.medicinalproduct:metformin",
                  field="patient.reaction.reactionmeddrapt")

# Get prescribing information
label = fda.query_drug_label("Keytruda", brand=True)

# Check for recalls
recalls = fda.query_drug_recalls(drug_name="metformin")

# Monitor shortages
shortages = fda.query("drug", "drugshortages",
                     search="status:Currently+in+Shortage")

参考： 详细文档见 references/drugs.md

器械

访问 9 个与器械相关的端点，覆盖医疗器械安全性、批准和注册信息。

端点：

1. 不良事件 - 器械故障、伤害、死亡
2. 510(k) 许可 - 上市前通知
3. 分类 - 器械类别和风险等级
4. 执法报告 - 器械召回
5. 召回 - 详细召回信息
6. PMA - III 类器械的上市前批准数据
7. 注册与列名 - 生产设施数据
8. UDI - 唯一器械标识数据库
9. COVID-19 血清学 - 抗体检测性能数据

常见用例：

# Monitor device safety
events = fda.query_device_events("pacemaker", limit=100)

# Look up device classification
classification = fda.query_device_classification("DQY")

# Find 510(k) clearances
clearances = fda.query_device_510k(applicant="Medtronic")

# Search by UDI
device_info = fda.query("device", "udi",
                       search="identifiers.id:00884838003019")

参考： 详细文档见 references/devices.md

食品

访问 2 个与食品相关的端点，用于安全监测和召回。

端点：

1. 不良事件 - 食品、膳食补充剂和化妆品事件
2. 执法报告 - 食品产品召回

常见用例：

# Monitor allergen recalls
recalls = fda.query_food_recalls(reason="undeclared peanut")

# Track dietary supplement events
events = fda.query_food_events(
    industry="Dietary Supplements")

# Find contamination recalls
listeria = fda.query_food_recalls(
    reason="listeria",
    classification="I")

参考： 详细文档见 references/foods.md

动物与兽医

访问兽医药品不良事件数据，包含特定物种信息。

端点：

1. 不良事件 - 按物种、品种和产品划分的动物药品副作用

常见用例：

# Species-specific events
dog_events = fda.query_animal_events(
    species="Dog",
    drug_name="flea collar")

# Breed predisposition analysis
breed_query = fda.query("animalandveterinary", "event",
    search="reaction.veddra_term_name:*seizure*+AND+"
           "animal.breed.breed_component:*Labrador*")

参考： 详细文档见 references/animal_veterinary.md

物质及其他

使用 UNII 代码、化学结构及关系访问分子级别的物质数据。

端点：

1. 物质数据 - UNII、CAS、化学结构、关系
2. NSDE - 历史物质数据（旧版）

常见用例：

# UNII to CAS mapping
substance = fda.query_substance_by_unii("R16CO5Y76E")

# Search by name
results = fda.query_substance_by_name("acetaminophen")

# Get chemical structure
structure = fda.query("other", "substance",
    search="names.name:ibuprofen+AND+substanceClass:chemical")

参考： 详见 references/other.md 获取详细文档

常见查询模式

模式 1：安全性档案分析

创建结合多个数据源的全面安全性档案：

def drug_safety_profile(fda, drug_name):
    """Generate complete safety profile."""

    # 1. Total adverse events
    events = fda.query_drug_events(drug_name, limit=1)
    total = events["meta"]["results"]["total"]

    # 2. Most common reactions
    reactions = fda.count_by_field(
        "drug", "event",
        search=f"patient.drug.medicinalproduct:*{drug_name}*",
        field="patient.reaction.reactionmeddrapt",
        exact=True
    )

    # 3. Serious events
    serious = fda.query("drug", "event",
        search=f"patient.drug.medicinalproduct:*{drug_name}*+AND+serious:1",
        limit=1)

    # 4. Recent recalls
    recalls = fda.query_drug_recalls(drug_name=drug_name)

    return {
        "total_events": total,
        "top_reactions": reactions["results"][:10],
        "serious_events": serious["meta"]["results"]["total"],
        "recalls": recalls["results"]
    }

模式 2：时间趋势分析

使用日期范围分析随时间变化的趋势：

from datetime import datetime, timedelta

def get_monthly_trends(fda, drug_name, months=12):
    """Get monthly adverse event trends."""
    trends = []

    for i in range(months):
        end = datetime.now() - timedelta(days=30*i)
        start = end - timedelta(days=30)

        date_range = f"[{start.strftime('%Y%m%d')}+TO+{end.strftime('%Y%m%d')}]"
        search = f"patient.drug.medicinalproduct:*{drug_name}*+AND+receivedate:{date_range}"

        result = fda.query("drug", "event", search=search, limit=1)
        count = result["meta"]["results"]["total"] if "meta" in result else 0

        trends.append({
            "month": start.strftime("%Y-%m"),
            "events": count
        })

    return trends

模式 3：对比分析

并排比较多个产品：

def compare_drugs(fda, drug_list):
    """Compare safety profiles of multiple drugs."""
    comparison = {}

    for drug in drug_list:
        # Total events
        events = fda.query_drug_events(drug, limit=1)
        total = events["meta"]["results"]["total"] if "meta" in events else 0

        # Serious events
        serious = fda.query("drug", "event",
            search=f"patient.drug.medicinalproduct:*{drug}*+AND+serious:1",
            limit=1)
        serious_count = serious["meta"]["results"]["total"] if "meta" in serious else 0

        comparison[drug] = {
            "total_events": total,
            "serious_events": serious_count,
            "serious_rate": (serious_count/total*100) if total > 0 else 0
        }

    return comparison

模式 4：跨数据库查询

跨多个端点链接数据：

def comprehensive_device_lookup(fda, device_name):
    """Look up device across all relevant databases."""

    return {
        "adverse_events": fda.query_device_events(device_name, limit=10),
        "510k_clearances": fda.query_device_510k(device_name=device_name),
        "recalls": fda.query("device", "enforcement",
                           search=f"product_description:*{device_name}*"),
        "udi_info": fda.query("device", "udi",
                            search=f"brand_name:*{device_name}*")
    }

处理结果

响应结构

所有 API 响应遵循以下结构：

{
    "meta": {
        "disclaimer": "...",
        "results": {
            "skip": 0,
            "limit": 100,
            "total": 15234
        }
    },
    "results": [
        # Array of result objects
    ]
}

错误处理

始终处理潜在错误：

result = fda.query_drug_events("aspirin", limit=10)

if "error" in result:
    print(f"Error: {result['error']}")
elif "results" not in result or len(result["results"]) == 0:
    print("No results found")
else:
    # Process results
    for event in result["results"]:
        # Handle event data
        pass

分页

对于较大的结果集，使用分页：

# Automatic pagination
all_results = fda.query_all(
    "drug", "event",
    search="patient.drug.medicinalproduct:aspirin",
    max_results=5000
)

# Manual pagination
for skip in range(0, 1000, 100):
    batch = fda.query("drug", "event",
                     search="...",
                     limit=100,
                     skip=skip)
    # Process batch

最佳实践

1. 使用精确搜索

推荐：

# Specific field search
search="patient.drug.medicinalproduct:aspirin"

不推荐：

# Overly broad wildcard
search="*aspirin*"

2. 实施速率限制

FDAQuery 类会自动处理速率限制，但请注意以下限制：

• 每分钟 240 次请求
• 每天 120,000 次请求（使用 API 密钥）

3. 缓存频繁访问的数据

FDAQuery 类包含内置缓存（默认启用）：

# Caching is automatic
fda = FDAQuery(api_key=api_key, use_cache=True, cache_ttl=3600)

4. 使用精确匹配进行计数

在进行计数/聚合时，使用 .exact 后缀：

# Count exact phrases
fda.count_by_field("drug", "event",
                  search="...",
                  field="patient.reaction.reactionmeddrapt",
                  exact=True)  # Adds .exact automatically

5. 验证输入数据

清理并验证搜索词：

def clean_drug_name(name):
    """Clean drug name for query."""
    return name.strip().replace('"', '\\"')

drug_name = clean_drug_name(user_input)

API 参考

有关以下内容的详细信息：

• 身份验证和速率限制 → 参见 references/api_basics.md
• 药品数据库 → 参见 references/drugs.md
• 器械数据库 → 参见 references/devices.md
• 食品数据库 → 参见 references/foods.md
• 动物/兽医数据库 → 参见 references/animal_veterinary.md
• 物质数据库 → 参见 references/other.md

脚本

scripts/fda_query.py

主查询模块，包含 FDAQuery 类，提供：

• 所有 FDA 端点的统一接口
• 自动速率限制和缓存
• 错误处理和重试逻辑
• 常见查询模式

scripts/fda_examples.py

综合示例，演示：

• 药品安全性档案分析
• 器械监测监控
• 食品召回跟踪
• 物质查询
• 药品对比分析
• 兽药分析

运行示例：

python scripts/fda_examples.py

其他资源

• openFDA 主页：https://open.fda.gov/
• API 文档：https://open.fda.gov/apis/
• 交互式 API 浏览器：https://open.fda.gov/apis/try-the-api/
• GitHub 仓库：https://github.com/FDA/openfda
• 服务条款：https://open.fda.gov/terms/

支持与故障排除

常见问题

问题：超出速率限制

• 解决方案：使用 API 密钥、实施延迟或降低请求频率

问题：未找到结果

• 解决方案：尝试更宽泛的搜索词、检查拼写、使用通配符

问题：无效的查询语法

• 解决方案：查看 references/api_basics.md 中的查询语法

问题：结果中缺少字段

• 解决方案：并非所有记录都包含所有字段；始终检查字段是否存在

获取帮助

• GitHub Issues：https://github.com/FDA/openfda/issues
• 电子邮件：[email protected]