药品安全关系着人类的身体健康。各国药物警戒的重要内容是对上市后药品的安全性进行监测和管理。常规信号的挖掘是目前药品不良反应（Adverse Drug Reaction,ADR）领域主要关注的方面。由于传统的信号检测依赖于不平衡分析理论,存在数据遮蔽现象,因此,一些具有重要研究价值的异常信号不能被常规方法所发掘。本文基于我国药品不良反应监测数据,挖掘数据中潜在的离群点,找到有价值的异常信号,以期为我国药物警戒工作提供决策支持,主要的工作包括:1.数据处理:在对江苏省药品不良反应监测数据集进行清洗及规范处理的基础上,以“药品-不良反应”组合为研究对象,采用国际主流的信号检测算法（PRR、IC等）计算每个组合的信号强度,作为每个对象的特征值;依据中国药典,将监测数据按药品类别划分为若干个子集,为本文的研究奠定数据基础。2.评价指标:基于现有药品不良反应损害程度分级（轻度、中度、重度）及评分标准,结合监测数据集中的“报告类型”（一般或严重）以及“不良反应后果”（死亡、后遗症、未好转、好转、痊愈）字段信息对每种不良反应进行打分量化,构建了信号风险评价指标RIADR（Risk Indicator of ADR）,用于评价本文离群点信号检测结果的优劣。3.实验仿真:本文的实验分为三个部分:（1）全局检测:提出了一种基于距离的离群点检测方法ODABD（Outlier Detection Algorithm Based on Distance）,结合K-Means聚类算法对总体数据离群点筛选;（2）基于分层的信号检测:根据中国药典,将整体数据划分为25个类别的子集,并在每个子集中进行离群点检测;（3）基于情境的信号检测:以“性别”为情境,对每个子集中进行离群点检测。利用信号风险评价指标RIADR对上述三个实验的结果进行评价,实验结果表明,情境检测结果的RIADR最大。4.结果验证:利用CFDA（China Food and Drug Administration,CFDA）、中国知网、药品说明书等信息资源对三次离群点检测的结果进行验证。结果显示,离群点检测方法能筛选出被常规方法遮蔽的有价值的信号。