目的:随着谷红注射液临床应量的不断增加,所报道的药品不良反应（adverse drug reaction,ADR）例数也逐渐增多,但影响其不良反应发生的风险因素尚不明确。本研究通过收集真实世界中谷红注射液的ADR病例报告,使用数据挖掘的方法,探索影响其不良反应的潜在风险因素,建立谷红注射液不良反应预测模型。为临床安全合理使用谷红注射液提供参考依据。方法:收集四川省ADR监测中心药品自呈报系统（Spontaneous Reporting System,SRS）从2019年1月1日到2021年8月30日接收到的304份谷红注射液的有效ADR报告,清洗数据后采用关联规则法中的Apriori算法对其进行关联分析;对真实世界收集的ADR病例按照巢式病例1:4匹配,然后使用SPSS Modeler进行数据挖掘,建立不良反应预测模型,并对模型进行评价。结果:使用关联规则法对自呈报系统收集的谷红注射液ADR报告进行分析,谷红注射液发生ADR主要集中在60-79岁的老年人群,其中女性所占比例更高。ADR的临床表现主要为皮肤及其附件损伤、心血管系统损伤以及全身性损伤。最终筛选出随机森林（Random Forest,RF）、支持向量机（Support Vector Machine,SVM）、逻辑回归（Logistic Regression,LR）等三种模型进行数据挖掘。三种模型在训练集中均可达到100%准确率,而RF模型在测试集的预测准确率最高,达到了96.3%。从ROC曲线下面积（receiver operating characteristic curve,AUC）来看,RF模型和SVM模型的AUC值分别为0.986和0.915,而LR模型的AUC值仅0.77。从召回率来看,RF模型表现最好,召回率为81.8%,SVM模型召回率为63.6%,而逻辑回归模型仅有54.5%。结论:患者基本信息和疾病等因素对谷红注射液ADR的发生时间及表现有影响。谷红注射液不良反应影响较高的风险因素有单次给药剂量、患者年龄、合并使用抗心律失常药、抗胆碱药的使用。三种模型中RF模型预测准确度高,泛化能力最好,可以推广使用实现临床应用价值。