目的1、研究成人患者使用替考拉宁（Teicoplanin）血药谷浓度（Minimum Concentration,Cmin）与疗效和安全性的相关性,摸索替考拉宁治疗的最佳安全有效血药浓度范围,并探讨影响替考拉宁血药谷浓度与临床疗效的因素,为临床合理用药提供参考。2、运用人工神经网络（Artificial neural network,ANN）法构建替考拉宁血药浓度的预测模型,评价模型的应用效果和特点,为实现替考拉宁个体化给药设计提供理论依据。方法1、前瞻性收集2019年3月至2020年10月某三甲医院静脉使用替考拉宁的成人患者信息,采用高效液相色谱（HPLC）法测定替考拉宁血药谷浓度;应用非参数检验分析替考拉宁血药谷浓度与疗效及安全性的相关性;通过受试者工作特征（Receiver Operating Characteristic,ROC）曲线探究发挥有效浓度和发生肝、肾毒性的临界值;通过分组分析进一步确定最佳安全有效浓度范围;并采用多元线性回归与Logistic回归分别探讨影响替考拉宁血药谷浓度和临床疗效的因素。2、将2019年3月至2020年6月替考拉宁血药浓度样本作为建模数据集;将2020年7月至2020年10月替考拉宁测定样本作为验证数据集,采用人工神经网络（ANN）法预测替考拉宁血药浓度,并验证方法可行性。结果1、收集的247例患者信息中,细菌学有效率及临床有效率均为65.18%,替考拉宁血药谷浓度与临床疗效、细菌学疗效、肝毒性及肾毒性相关性显著;通过分组分析得出替考拉宁血药谷浓度在15～25mg/L范围时,患者临床疗效好肝肾毒性发生风险小;前三天平均给药剂量（MID）、估计肾小球滤过率（e GFR）、性别和合并使用袢利尿剂对替考拉宁血药谷浓度有影响（P<0.05）;血药谷浓度、血清白蛋白（ALB）、MID、用药时长、合并感染性休克是影响替考拉宁临床疗效的因素（P<0.05）。2、137例患者替考拉宁血药浓度信息作为训练样本构建的神经网络（ANN）模型中,ANN模型预测浓度与实测浓度Pearson相关系数为0.943,平均方差（MSE）为0.0249;31例验证数据中,误差绝对值小于20%的比率是93.55%,平均预测误差（MPE）为-0.59%,平均绝对预测误差（MAPE）为0.74%,表明ANN模型有良好的预测能力,预测准确度高。结论1、本研究发现替考拉宁血药谷浓度与细菌学疗效、临床疗效、肾毒性和肝毒性均存在相关性,摸索的最佳治疗窗为15～25mg/L;MID、eGFR、性别和合并使用袢利尿剂为影响替考拉宁血药谷浓度的因素;血药谷浓度、ALB、MID、用药时长和合并感染性休克对替考拉宁临床疗效有影响。2、首次探究了ANN法对替考拉宁血药浓度的预测性能,证实ANN法可用于预测替考拉宁血药浓度,方法准确度高,预测能力良好,可为替考拉宁个体化用药方案的定制提供参考。