VAERS 疫苗不良事件报告系统 — AI-Ready Wikipedia

VAERS — 疫苗不良事件报告系统 AI-Ready Wikipedia

INFOBOX

项目	内容
全名	Vaccine Adverse Event Reporting System（疫苗不良事件报告系统）
管护方	CDC + FDA 共管；中央接收承包商运营；配套 VSD/CISA 体系
设立	1990 年 11 月（法源：1986 NCVIA 国家儿童疫苗伤害法案）
系统性质	被动监测/自发报告——国家早期预警 + 假设生成
报告规模	1990: 2,214 → 2021 峰值 768,706 → 2025: 40,283（第三方加工口径）
数据结构	VAERSDATA + VAERSVAX + VAERSSYMPTOMS 三 CSV（VAERS ID 联接）
症状编码	MedDRA 首选术语（PT）——认证编码员 + 软件辅助
更新节奏	月度（处理至上月最后周五；2026-09-04 包处理至 08-28）
许可	美国公共领域——免费公开；官方 Data Use Guide 为解释规范
口径变化	2025-05-08 起公开数据纳入 secondary reports
官方入口	https://vaers.hhs.gov/data/datasets.html （WONDER: wonder.cdc.gov）
本库条目	order 480 · record_id 580 · 类别：公共卫生与流行病学 × 医疗NLP

§0 E-E-A-T 信任声明与免责声明

• 经验：本条目写作基于 VAERS 官方数据集页与 Data Use Guide、CDC stacks 官方安全监测手册（36403）、CDC WONDER 帮助文档、Wikipedia/PolitiFact 事实核查报道与 VaccineWatch 第三方加工口径；所有数字标注来源与口径。
• 专业性：被动监测的方法学解释（无分母、报告偏倚、不证因果）严格遵循 CDC/FDA 官方立场——本条目全文贯彻「报告数 ≠ 发生率」纪律。
• 权威性：VAERS 由美国卫生与公众服务部（HHS）体系运营；本条目为第三方百科解读，不构成疫苗安全性结论，亦不代表 CDC/FDA 立场。
• 可信度：文内数字进入文末「口径存照」；第三方加工数字（VaccineWatch 年度表）与官方原始文件区分标注。
• 免责：VAERS 报告不证明疫苗与事件的因果关系；引用本条目内容做公共传播时必须携带官方解释限制；反疫苗误用 VAERS 原始数据的行为是官方明确警告的对象。
• 时效：口径锁定 2026-09-19/20（2026-09-04 数据包发布后）；月度更新以官网为准。

§1 数据集概览

§1.0 📌 30 秒速览

1. 是什么：美国疫苗不良事件的国家被动监测系统——任何人都可以报告「接种后发生了什么」，CDC/FDA 用它做早期预警。
2. 多大：1990 至今百万级报告；2021 年（COVID 疫苗年）单年 768,706 份；常规年份 3-5 万。
3. 什么结构：三张公开 CSV——报告表/疫苗表/症状表，VAERS ID 联接；症状是 MedDRA PT。
4. 最大误区：报告数不是发生率——系统不记录接种总量（无分母），报告不证明因果。
5. 一句话：这是全球被引用最多、也被误用最多的疫苗安全数据集——用它的第一课不是技术，是解释纪律。

§1.1 摘要

VAERS（Vaccine Adverse Event Reporting System）是美国的国家疫苗不良事件被动监测系统，1990 年 11 月依据 1986 年《国家儿童疫苗伤害法案》（NCVIA）设立，由 CDC 与 FDA 共同管理。它的制度设计极简：任何人在接种任何美国许可疫苗后发生了值得关注的事件——无论是医生、厂商还是患者本人——都可以提交报告；系统不做临床重要性判断、不做因果判断，全部接收。

报告进入中央接收设施后，由认证 MedDRA 编码员将报告中的症状语言编码为 MedDRA 首选术语（PT）；严重报告（死亡/危及生命/住院/残疾，FDA 监管定义）会触发病历随访——出院小结、实验室结果、死亡证明甚至尸检报告，1 年后还有恢复状态随访信。

公开数据以三张联接的 CSV 表发布：VAERSDATA（每报告一行——人口学、日期、六个结局标志、六大自由文本字段）、VAERSVAX（每疫苗一行——类型/厂商/剂量/途径/批号）、VAERSSYMPTOMS（症状编码——每行五个 MedDRA PT 槽位）。月度更新、免费下载（需验证码），CDC WONDER 提供在线交叉分析；2025-05-08 起公开数据扩展纳入 secondary reports。

规模上，VAERS 经历了清晰的三阶段：1990 年代起步（数千份/年）、常规期基线（3-5 万份/年，2000s-2020）、大流行峰值（2021 年 768,706 份）。历史上最著名的信号是 1999 年的 RotaShield——15 例肠套叠报告触发确认研究、ACIP 撤回建议、厂商撤市，全程数月——这是被动监测「以小博大」的教科书案例。

解释纪律是 VAERS 的第一性知识：无分母（不能算发生率）、不证因果（只记录时间先后）、偏倚多重（低报+刺激性报告+诉讼驱动）、内容未核实、结局标志不互斥。CDC 官方反复警告：原始 VAERS 数据不能单独用于因果推断——但正因为它对所有报告敞开大门，它才能捕捉到「没人预料到」的罕见信号。

§1.2 战略价值

1. 疫苗安全的国家级哨点：VAERS 与 VSD（主动监测）、CISA（临床评估）构成美国疫苗安全三层体系——VAERS 是唯一全人口覆盖、全开放访问的一层。
2. 罕见信号的唯一捕捉网：上市前试验（数千-数万人）无法发现发生率低于万分之几的事件——只有像 VAERS 这样覆盖数亿剂次接种的被动系统才能捕捉；RotaShield 肠套叠、mRNA 过敏反应、强生 CVST 都是这条捕捉链的成果。
3. 最长的疫苗安全时间序列：1990 至今 37 年、百万级报告、统一 MedDRA 编码——疫苗报告行为、政策效应（如 2021 峰值）与真实安全事件的纵向对比基线全球独此一份。
4. 公共卫生传播的透明实验：任何人可提交、数据全公开——这种透明既是信任资产（官方反复强调可查证）也是误用风险（反疫苗社群滥用原始报告数）；VAERS 是「数据透明与社会认知」关系的活教材。
5. AI 任务的天然语料：六大自由文本字段 + MedDRA 编码结果——「报告叙述 → 结构化编码」的监督对是疫苗安全 NLP（autocoding/事件抽取/去重）的独家训练资源。

§1.3 同类数据集横向对比

维度	VAERS	VSD	v-safe	FAERS
性质	被动自发报告	主动监测（8 HMO 队列）	主动短信/APP 随访	药物不良事件自发报告
管护	CDC+FDA	CDC+HMO 联盟	CDC	FDA
人口覆盖	全美国（含部分境外）	约 550 万成员（2000s 口径）	COVID 疫苗接种者自愿注册	全美国
分母可得	无	有（队列内）	有（注册者）	无（处方量另找）
公开度	全公开（月度 CSV）	受控（合作研究）	公开（data.cdc.gov）	公开（季度文件）
数据形态	报告事件+MedDRA	医疗记录+免疫登记	健康签到调查	报告事件+MedDRA

1. VAERS 与 VSD 的互补：VAERS 广而浅（全人口、无分母、假设生成）；VSD 窄而深（队列内有分母、可做 incidence 与自我对照分析）——VAERS 出假设、VSD 做验证是标准接力。
2. v-safe 的历史地位：COVID-19 期间的智能手机主动监测（健康签到调查）——被动系统的「主动补充」实验；其 5 表公开数据是 COVID 疫苗安全研究的独特资源。
3. 与 FAERS 的同构性：同为自发报告体系、同样无分母、同样 MedDRA 编码——VAERS 的全部解释纪律原样适用于 FAERS；两个系统的数据挖掘方法学可以互换。

§1.4 版本时间轴

年份	事件	意义
1986	NCVIA 通过	法源确立：报告义务 + VICP 补偿计划授权
1990-11	VAERS 生效运作	首年 2,214 份报告
1991	VSD 启动（CDC+4 HMO）	主动监测体系补位
1999-07	MMWR 报告 RotaShield 肠套叠 15 例	被动监测经典信号
1999-10	ACIP 撤回建议；厂商撤市	从报告到行动全程约 4 个月
2001	CISA Network 成立	临床评估层就位
2006	Pediatrics 诉讼报告研究	报告偏倚的标志性实证
2021	COVID 疫苗年——768,706 报告	历史峰值；公开关注度最高
2025-05-08	公开数据纳入 secondary reports	CDC/FDA 透明度扩围
2026-09-04	最新月度包（处理至 08-28）	月度滚动持续

§1.5 应用场景矩阵

场景	用哪张表	关键操作	适配度
信号初筛（PRR/ROR）	三表联接	疫苗×PT 列联表 + 离散统计	★★★★☆
结局标志监测	VAERSDATA	DIED/HOSPITAL 标志频次趋势	★★★★☆
报告叙述挖掘	VAERSDATA 文本字段	NLP 抽取/主题聚类/autocoding 训练	★★★★★
批号聚集检测	VAERSVAX	LOT 号×事件频次	★★★☆☆
政策效应评估	全库	时间序列断点（如 2021 峰值分解）	★★★☆☆
去重与合并	全库	case 级重复识别	★★★★☆
风险-获益决策	不适用	需 VSD/确认研究接力	★☆☆☆☆
发生率计算	不适用	无分母——制度性不可行	✗ 禁止

§1.6 组件全景

1. VAERSDATA：报告主表——VAERS ID/年龄/性别/州/接种与发病日期/六个结局标志（DIED、HOSPITAL、ER_VISIT、DISABLE、L_THREAT、RECOVERED）/六大自由文本（不良事件描述、实验室数据、现病史、既往接种后事件、接种时用药、病史与过敏）。
2. VAERSVAX：疫苗表——每报告每疫苗一行：类型（VAX_TYPE）/名称/厂商/剂量序号/途径/批号（LOT）；一报告多疫苗多行。
3. VAERSSYMPTOMS：症状编码表——每报告多行、每行 5 个 MedDRA PT 槽位（SYMPTOM1-5）；编码随随访追加。
4. CDC WONDER：在线分析门户——交叉表/地图/数据提取 + 文本字段全文检索；不下载文件快速探索的首选。
5. VAERS 2.0 提交系统：在线报告门户（医疗专业人员与公众共用）；提交即进中央接收流水。
6. Data Use Guide：官方解释规范（310KB PDF）——字段定义、缩写表、解释警告；使用数据的合规底本。
7. v-safe 公开数据：COVID-19 主动监测的 5 表数据（data.cdc.gov）——注册者/接种/健康签到（≥3 岁与 <3 岁）/种族民族。
8. VICP 数据页（HRSA）：疫苗伤害补偿的月度申领/裁定数据——VAERS 事件的经济与法律后果侧；约 60% 补偿来自和解（不判定因果）。

§1.7 被动监测的制度经济学

VAERS 的制度设计在数据要素里独树一帜，值得单独一节：

1. 零门槛入口的社会选择：任何人可报、不判因果、全部接收——牺牲数据纯度换取捕捉网的最大覆盖；「宁可千次误报不可漏一次真信号」是早期预警系统的理性设计，但也意味着数据使用者必须自带过滤器。
2. 法定义务与自愿报告的双轨：厂商的法定报告义务（全部知悉事件）+ 专业人员的表列事件义务 + 公众的完全自愿——三层入口里公众报告占 COVID 期增量的大头；报告者身份（REPORTER 字段）是分域分析的关键变量。
3. 透明的政治经济学：全公开既是 1990s 疫苗信任危机的制度回应（NCVIA 同时解决「补偿」与「监测」两个信任问题），也是持续的内容治理挑战——反疫苗社群滥用报告数的官方警告与学术纠偏从未停止；用 VAERS 数据发公共传播内容，附带官方限制声明是伦理底线。
4. 诉讼驱动报告的实例：2006 Pediatrics 研究——thimerosal/自闭症相关报告多为诉讼律师提交；「报告=健康事件」的假设在诉讼语境下失效——这提示报告者身份与诉讼周期应作为共变量进入任何严肃分析。
5. 与 VICP 的语义联动：Reportable Events Table 镜像 VICP Vaccine Injury Table——报告体系与补偿体系的法律语义对齐；做 VAERS 研究时报告事件的法律地位（可补偿表列）是背景约束。

§1.8 VAERS 在疫苗安全研究流程中的定位

美国疫苗安全三层体系的数据流
┌──────────────────────────────────────────────────────────────┐
│ 接种（全美国，数亿剂次/年）                                     │
│   ├─→ VAERS（被动）：任何人 → 报告 → MedDRA 编码 → 公开 CSV     │
│   │      角色：假设生成——发现「未知未知」                       │
│   ├─→ VSD（主动）：8 HMO 医疗记录 → 队列/自我对照分析            │
│   │      角色：假设检验——有分母的发生率与关联强度                │
│   └─→ CISA（临床）：疑难个案 → 专科评估 → 机制研究               │
│          角色：临床深描——机制与个体化建议                       │
│   信号接力：VAERS 出信号 → VSD/确认研究验证 → 监管行动           │
└──────────────────────────────────────────────────────────────┘

1. VAERS 的输出是假设不是结论——一切严肃使用都以「接力设计」为前提：VAERS 初筛 → 确认研究 → 监管决策。
2. 三层体系的分工：广度（VAERS）×深度（VSD）×临床精度（CISA）——研究设计时先问自己的问题属于哪一层的能力范围。

§1.9 独特视角：报告行为的社会学层

VAERS 编码的是「疫苗不良事件」，但它同时无意中记录了「美国公众与医疗系统如何谈论疫苗安全」——这个社会学层在 COVID 年份达到数据密度峰值：

1. 2021 峰值的双重构成：768,706 份报告 = 真实不良事件（数亿剂次基数）+ 报告行为激活（媒体关注/动员报告/诉讼准备）；把峰值全部读成「疫苗变危险了」或全部读成「报告文化现象」都是半截解释。
2. 报告者身份的分层价值：医疗专业人员报告的临床信息质量显著高于公众报告（随访响应率与病历完整度）——分报告者身份建模是 VAERS 数据质量工程的第一刀。
3. 诉讼与数据的互动：thimerosal 案例显示「诉讼→批量报告→数据面变化→更多诉讼引用」的反馈环——任何跨期分析都要把法律事件日历放进解释框架。
4. 为什么这个视角重要：做 VAERS 的 NLP/统计模型时，把「报告行为」当作待建模的潜变量（而非噪声）的团队，得到的结果稳健性系统性更高——这是 COVID 年代 VAERS 研究文献最重要的方法学共识之一。

§2 医学与科学背景

§2.1 疫苗药物警戒的特殊性

1. 健康人群的零容忍语境：疫苗接种于健康人（多数是儿童）——安全性阈值远低于治疗性药物；「罕见但严重」的事件（如肠套叠、心肌炎）在疫苗语境下的决策权重极高。
2. 接种的时间锚定性：疫苗事件有精确的接种时间锚——「接种后 X 天内发生」是 VAERS 分析的核心时间结构（Onset Interval 字段）；这是它与一般药物警戒（长期用药）的显著差异。
3. 群体效应与个体归因的张力：疫苗的公共价值在群体层面（疾病消除），不良事件在个体层面——这个张力使疫苗安全的沟通比药物难一个量级；数据呈现方式（率 vs 计数 vs 时间线）直接影响公共认知。
4. 多联苗与同时接种的归因难题：一针多抗原/一天多针是儿科常规——报告中的事件归因到哪个组分是内在难题；VAERSVAX 的多行结构（每疫苗一行）正是这个现实的反映。

§2.2 被动监测的流行病学语义

1. spontaneous report 的本体：一份 VAERS 报告 = 「某人认为某事件发生在接种后值得报告」——它同时编码了临床事件与报告行为；后者是被动监测文献（spontaneous reporting system，SRS）的核心研究对象。
2. 无分母的三层含义：不能算发生率（incidence）、不能跨疫苗比较（暴露基数不同）、不能跨期比较（接种量随年份剧变）——官方警告的完整展开；分母代理（接种剂量分布数据）需从外部源（CDC 接种覆盖率调查等）引入并声明不确定性。
3. 报告概率的乘积结构：P(报告) = P(事件发生) × P(被察觉) × P(被归因于疫苗) × P(完成提交)——四因子中每个都受媒体/诉讼/指南影响；信号检测模型隐含地在校正这些因子，校正假设必须显式。
4. Stimulated reporting 的定量证据：媒体事件后目标事件报告数骤增（notoriety effect）——VAERS 文献的标准识别策略是「事件前后其他事件报告数不变性」做差分对照。

§2.3 MedDRA 编码在 VAERS 的落地

1. 认证编码员制度：中央接收设施的专职编码团队经 MedDRA 认证 + 编码软件辅助——不是自动化词典匹配而是「人工编码 + 工具辅助」；与制药企业 autocoder 的差异是流程而非技术。
2. 编码随随访演化：初报编码基于报告内容；严重报告获得病历后追加 MedDRA 术语（如从「肝酶升高」细化为「药物性肝损伤」）——同一 VAERS ID 的症状集随时间增长是常态；跨期快照分析必须意识到这个动态。
3. PT 层的使用：VAERSSYMPTOMS 的 5 槽位行结构给出 PT 名称（非编码）——与当前版 MedDRA 词典名称对齐是 ETL 第一关（non-current 旧名需迁移表）。
4. 编码 ≠ 诊断：官方手册明确「MedDRA 术语不是确认的医学诊断，而是报告信息的系统编码」——把 PT 当疾病诊断是 VAERS 数据最常见的语义降级错误。

§2.4 结局标志的语义

1. 六个标志的定义：DIED（接种后死亡）/ HOSPITAL（住院或延长住院）/ ER_VISIT（急诊或就诊）/ DISABLE（持续残疾）/ L_THREAT（危及生命）/ RECOVERED（已恢复）。
2. Serious 的推导：FDA 监管定义的严重报告 = 死亡 ∨ 危及生命 ∨ 住院 ∨ 残疾——SERIOUS 字段与四标志的逻辑关系是数据质量核查点。
3. 不互斥的工程含义：DIED 报告通常同时 HOSPITAL=Y——结局标志做频次分析时分别计数、绝不求和；「严重结局率」类自定义指标要写清代数式。
4. RECOVERED 的信息量：恢复状态经 1 年随访信更新——非恢复结局的纵向负担研究（长期后遗症）可用，但注意随访响应的选择偏倚。

§2.5 报告义务的法律语义

1. 厂商义务：报告全部其知悉的接种后不良事件——无论是否因果、无论是否表列；厂商是最大报告来源之一（经其药物警戒体系转发）。
2. 专业人员义务：报告说明书禁忌事件 + Reportable Events Table 内事件（如过敏性休克、臂丛神经炎、脑病等，按疫苗类型列表）——表列事件与 VICP 补偿表对齐。
3. 公众的无义务自由：不设门槛、不要求医学确认——公众报告是 COVID 年份增量的主要来源；三类报告者的数据质量分层是分析前提。
4. 义务与自愿的边界效应：法定义务保证「表列严重事件」的下限覆盖；自愿通道保证「未预期事件」的开放捕捉——两轨缺一不可。

§2.6 信号检测方法在 VAERS 的应用

1. 离散比（PRR/ROR）：疫苗×PT 列联表的经典统计——注意 VAERS 的「其他疫苗」参照组混杂报告行为差异；分疫苗类内做 PRR 更稳健。
2. 经验贝叶斯（MGPS/EBGM）：Wikipedia 官方条目明示 VAERS 使用 empirical Bayes 数据挖掘——多维维度（疫苗×年份×年龄）收缩估计；FDA 的 FAERS 同款方法。
3. 自我对照设计的边界：VAERS 无分母无法做 SCCS——接力到 VSD 的队列/病例交叉才是确认设计；「VAERS 出假设、VSD 出检验」的方法学分工。
4. 聚类检测的本土工具：批号（LOT）聚集、地理聚集、时间聚集的检测目标写在官方七目标里（目标 5）——批号分析是 VAERS 独有的细粒度能力（药物警戒少见批号粒度公开数据）。

§2.7 v-safe 与主动监测的对照

1. v-safe 的设计：COVID-19 疫苗接种者自愿注册、定期短信健康签到——主动抓取（含轻微事件）；其 5 表公开数据（注册者/接种/签到）给出「有分母的轻事件谱」。
2. 互补关系：VAERS 抓严重与意外（被动、无分母）；v-safe 抓常见与轻微（主动、有注册分母）——COVID 疫苗安全的完整图景需要两者拼图。
3. v-safe 的历史独特性：首个大规模 APP 式疫苗监测——其数据模型（签到调查结构）是后继主动监测系统的方法学原型。
4. 研究的工程含义：COVID 疫苗安全研究的数据组合标准姿势 = VAERS（严重事件报告）+ v-safe（轻事件频率）+ VSD（发生率确认）——三源三角互证。

§2.8 疫苗犹豫语境下的数据沟通

1. 误用模式图谱：绝对计数恐吓（「死亡报告 X 例」不除基数）、结局标志求和、把报告当确认、忽略背景发生率——官方与学术界的四大纠偏对象。
2. 背景发生率的必要性：解读任何「接种后 X 病报告」都需要「不接种人群 X 病背景率」对照——缺血性卒中、贝尔氏麻痹等事件在未接种人群也持续发生；背景率表是 VAERS 研究的必备外源数据。
3. 沟通的窗口效应：官方暂停（如强生 CVST 暂停）本身刺激报告——「监管行动 → 报告激增 → 复盘确认」的循环是 2021 年的常态；时间序列分析要含监管事件日历。
4. 透明与误用的平衡：VAERS 维持全公开 + 官方持续纠偏——「透明但有解释护栏」的模式是公共健康数据治理的范本。

§2.9 报告质量的分层实证

1. 严重报告的信息完备度更高：随访制度（病历索取/1 年随访信）使 DIED/HOSPITAL 报告的临床细节显著完善——严重域的分析置信度高于非严重域。
2. 公众报告的验证率：非专业人员报告的信息缺失率与不可验证比例更高——REPORTER 字段分域是质量控制的第一个变量。
3. 编码质量的稳定性：认证编码员 + 统一软件使 MedDRA 编码一致性好于报告输入质量——「输入噪声大、编码噪声可控」是 VAERS 数据质量的结构特征。
4. 重复报告的识别：同一事件多人/多渠道报告（患者+医生+厂商）——case 级去重靠自由文本相似度 + 人口学 + 时间匹配；FDA/CDC 内部有去重流程但公开文件保留全部行——去重是用户侧功课。

§3 数据集规格

§3.1 规格总表

属性	规格
名称	VAERS（Vaccine Adverse Event Reporting System）
管护	CDC + FDA 共管；中央接收承包商运营
设立	1990-11（1986 NCVIA 授权）
性质	被动监测/自发报告——国家早期预警 + 假设生成
公开数据	三 CSV：VAERSDATA / VAERSVAX / VAERSSYMPTOMS（VAERS ID 联接）
症状编码	MedDRA PT（认证编码员 + 软件；编码随随访追加）
更新节奏	月度（处理至上月最后周五）；当年文件约周更新
口径变化	2025-05-08 起含 secondary reports
规模	1990: 2,214 → 2021: 768,706 → 2025: 40,283 报告/年
许可	美国公共领域；Data Use Guide 为解释规范
在线分析	CDC WONDER（wonder.cdc.gov）——交叉表/地图/文本检索
配套体系	VSD（主动队列）/ CISA（临床）/ v-safe（APP 签到）/ VICP（补偿）

§3.2 三表结构的口径地图

1. 年度包 vs 单年 CSV：官网提供「1990-至今全历史 ZIP」与「单年度 ZIP/CSV」两种粒度——全历史包适冷启动分析、单年包适增量维护。
2. 处理时点口径：每个发布包标注「处理至某周五」——同一年份的文件会随月度发布增长（随访追加编码/新报告入池）；引用数据必须写「下载日期 + 处理时点」双戳。
3. secondary reports 扩围（2025-05-08）：此前公开数据只含每「患者×疫苗×剂量」组合的首份报告；扩围后含其他来源的首份报告——2025-05 前后的报告计数不可直接拼接对比（口径台阶）。
4. 验证码机制：下载需输入网页验证码——程序化批量下载要预留交互步骤；官方 API 缺位是工程生态的长期痛点（社区工具普遍做网页解析）。
5. WONDER vs 下载文件的差异：WONDER 是处理后的查询视图（含去重与标准化）；下载 CSV 是原始行——两者计数可不同；论文数据源要二选一并声明。

§3.3 DAIMS 数据AI就绪度评估

#	维度	指标	评分（1-5）	依据
1	A 可获得	免费获取	5	公共领域、全历史免费
2	A 可获得	获取流程	3	验证码交互；无正式 API
3	A 可获得	分发格式	4	CSV/ZIP 标准；编码混杂需清洗
4	A 可获得	历史版本回溯	4	全历史可得；历史文件不存档（月度覆盖）
5	D 文档	官方文档	4	Data Use Guide + WONDER 帮助 + CDC 手册
6	D 文档	口径变更透明度	4	扩围公告明确；历史口径需自行考古
7	D 文档	解释限制声明	5	官方警告体系完备（同类最佳）
8	I 互操作	编码标准化	4	MedDRA PT 全覆盖；名称对齐需迁移
9	I 互操作	外部联接	3	无疫苗产品标准码（VAX_NAME 自由文本）；CVX 需自映射
10	I 互操作	时序一致性	3	随访追加使跨期快照漂移
11	M 元数据	字段元数据	4	Data Use Guide 字段表完整
12	M 元数据	数据质量元数据	3	无逐行质量标志；质量靠字段推断
13	S 可持续	运营持续性	5	37 年国家运营 + 法定地位
14	S 可持续	生态工具	4	WONDER + 社区工具丰富；官方 API 缺位

综合 50/70（3.6/5）——可得性与可持续满分级、互操作与工程细节受「无 API + 自由文本字段」拖累；「解释限制文档」是其文档体系的单项冠军。

§3.4 存储与计算需求

1. 全历史装载：1990-2026 三表全量在 GB 级——PostgreSQL/duckdb 单机全装；VAERSSYMPTOMS 经「ID+槽位」展开后行数最大（每报告多行）。
2. 增量维护：单年包数十 MB/月度更新——增量流水以「下载日期 + 处理时点」版本化；历史月份文件被新版覆盖（官方不存档历史快照）——自建快照归档是长期研究的前提。
3. 文本字段的工程量：六大自由文本（最长数千字符）占存储大头——NLP 用途建议文本列与结构化列分表存储。
4. 分析型内存：PRR/MGPS 全表扫描在内存 8-16GB 足够；文本 NLP 训练（autocoder）视语料规模 16-64GB。

§3.5 获取通道

1. 官方下载：vaers.hhs.gov/data/datasets.html——选时段 → 输入验证码 → ZIP（三 CSV）或单 CSV。
2. CDC WONDER：wonder.cdc.gov VAERS 查询——在线交叉表/地图/提取，无需下载；文本字段检索（叙述全文）仅在 WONDER 可用。
3. v-safe 数据：data.cdc.gov v-safe COVID-19 数据集——5 表 CSV 直下。
4. VICP 数据：HRSA 疫苗补偿页——月度申领/裁定统计。
5. 社区镜像与工具：GitHub 多个 VAERS ETL 仓库（如 SQL 装载脚本集）——镜像时效性各异，正式研究仍以官方文件为准。

§3.6 口径对齐表

数字	口径 A	口径 B	使用建议
年度报告数	VaccineWatch 加工表（2021: 768,706）	官方文件重算（口径随处理时点漂移）	写明加工源与下载日期
累计报告	>120,000（2004 学术口径）	百万级（2026 累计）	标注时点
结局计数	六标志分别计数	不可求和（不互斥）	求和=方法学错误
2025 前后	pre-2025-05-08 首报口径	含 secondary reports	跨界对比要声明台阶
严重定义	FDA 四标志推导	SERIOUS 官方字段	两者核对不一致行
报告者	法定义务（厂商/专业人员）	自愿（公众）	REPORTER 分域分析

§3.7 版本选择纪律

1. 「处理时点」即版本：VAERS 的版本不是年份而是「下载包的处理周五」——同一「2021 数据」在不同月份下载结果不同（随访追加）；长研究锁定一次下载、全流程用同一快照。
2. 快照自归档：官方覆盖历史包——自建流水必须归档每个下载快照（时间戳+ZIP 哈希）；复现性靠自归档不靠官方。
3. 2025-05-08 台阶：跨此日期的时间序列分析要声明 secondary reports 纳入的口径台阶——或以 2025-05 为断点做分段。
4. WONDER 与文件的二选一：同一研究混用两个源会出现「计数对不上」的审计问题；选一个源贯穿全文。
5. MedDRA 版本联动：编码随随访与 MedDRA 版本演化——PT 名称对齐的词典版本也要入档（与 meddra 条目的版本纪律联动）。

§3.8 数据文件与字段详表

文件	粒度	关键字段
VAERSDATA	每报告一行	VAERS_ID, AGE_YRS, SEX, STATE, VAX_DATE, ONSET_DATE, NUMDAYS, DIED, HOSPITAL, ER_VISIT, DISABLE, L_THREAT, RECOVERED, SERIOUS, SYMPTOM_TEXT（叙述）, LAB_DATA, CUR_ILL, HISTORY, ALLERGIES, OTHER_MEDS, PRIOR_VAX
VAERSVAX	每报告×疫苗一行	VAERS_ID, VAX_TYPE, VAX_MANU, VAX_LOT, VAX_DOSE_SERIES, VAX_ROUTE, VAX_SITE, VAX_NAME
VAERSSYMPTOMS	每报告多行×5 槽	VAERS_ID, SYMPTOM1…SYMPTOM5（MedDRA PT 名）
WONDER 提取	查询定义行列表	同上字段的标准化视图 + 全文检索命中
v-safe 5 表	注册者/接种/签到	REGISTRANT_ID, VACCINATION, HEALTH_CHECKIN_SURVEYS（含 UNDER3）, RACE_ETHNICITY
Data Use Guide	—	字段定义/缩写表/解释警告（310KB PDF）

§4 数据结构

§4.1 对象模型

VAERS 公开数据模型（三表星型）
├── Report（VAERSDATA；主键 VAERS_ID）
│   ├── demographics（AGE_YRS/SEX/STATE——自由文本混合）
│   ├── timeline（VAX_DATE → ONSET_DATE → NUMDAYS 派生）
│   ├── outcomes（DIED/HOSPITAL/ER_VISIT/DISABLE/L_THREAT/RECOVERED——不互斥标志）
│   └── narratives（SYMPTOM_TEXT/LAB_DATA/CUR_ILL/HISTORY/ALLERGIES/OTHER_MEDS/PRIOR_VAX）
├── Vaccines（VAERSVAX；VAERS_ID × VAX 序号）
│   └── type/manu/lot/dose_series/route/site/name
├── Symptoms（VAERSSYMPTOMS；VAERS_ID × 行 × 5 槽）
│   └── MedDRA PT 名称（随随访追加演化）
└── 处理维度（下载日期 + 处理周五 + secondary 扩围口径）

1. 星型结构的联接纪律：三表经 VAERS_ID 一对多联接——报告→症状与报告→疫苗都是一对多；联接后行数膨胀是分析最常见的意外。
2. 自由文本是半张数据库：六大叙述字段承载结构化字段没有的临床细节（剂量拆分/合并用药/时间线细节）——严肃研究必须开箱文本层。
3. 处理维度的元数据地位：下载日期/处理周五/扩围台阶是「看不见的第 4 张表」——不进 schema 但决定全部口径。

§4.2 三表装载与联接

#!/usr/bin/env python3
"""VAERS 年度包三表装载与星型联接（教学骨架）。
   官方 CSV 为 ASCII/UTF 混合编码 + 引号内换行——pandas 读取需谨慎。"""
import pandas as pd
from pathlib import Path

def load_year(dirpath: str) -> tuple[pd.DataFrame, pd.DataFrame, pd.DataFrame]:
    """装载某年度三 CSV。字段名以官方 Data Use Guide 为准。"""
    p = Path(dirpath)
    data = pd.read_csv(p / "VAERSDATA.csv", low_memory=False,
                       encoding="cp1252", engine="python")
    vax = pd.read_csv(p / "VAERSVAX.csv", low_memory=False,
                      encoding="cp1252", engine="python")
    sym = pd.read_csv(p / "VAERSSYMPTOMS.csv", low_memory=False,
                      encoding="cp1252", engine="python")
    for df in (data, vax, sym):
        df.columns = [c.strip().upper() for c in df.columns]
    return data, vax, sym

def wide_report(data: pd.DataFrame, vax: pd.DataFrame,
                sym: pd.DataFrame) -> pd.DataFrame:
    """联接为「报告 × 疫苗（聚合串）× 症状（聚合串）」分析宽表。"""
    vax_agg = (vax.groupby("VAERS_ID")
                 .agg(vax_types=("VAX_TYPE", lambda s: "|".join(sorted(set(s)))),
                      n_vax=("VAX_TYPE", "size"),
                      manus=("VAX_MANU", lambda s: "|".join(sorted(set(s.astype(str))))),
                      lots=("VAX_LOT", lambda s: "|".join(sorted(set(s.astype(str)))))))
    sym_agg = (sym.groupby("VAERS_ID")
                 .agg(symptoms=("SYMPTOM1", lambda s: "|".join(s.dropna()))))
    wide = data.merge(vax_agg, on="VAERS_ID", how="left") \
               .merge(sym_agg, on="VAERS_ID", how="left")
    return wide

if __name__ == "__main__":
    d, v, s = load_year("/data/vaers/2021")
    w = wide_report(d, v, s)
    print(len(w), "份报告;", "含疫苗", w.n_vax.value_counts().head(3).to_dict())

装载要点：(1) 官方 CSV 存在编码混型与引号内换行——engine="python" + 显式 encoding 是起点，问题行用日志捕获；(2) 字段名先统一大写去空格再联接——年份间字段微调（新增列）要 diff 校验；(3) 联接策略「先聚合后联接」避免一对多笛卡尔膨胀。

§4.3 信号初筛：PRR 计算全流程

#!/usr/bin/env python3
"""疫苗×PT 列联表 → PRR 信号初筛（含最小计数阈值与报告者分层）。
   教学骨架：生产环境加 case 去重、报告行为共变量与敏感性分析。"""
import numpy as np
import pandas as pd

def build_contingency(wide: pd.DataFrame, vax_pat: str, pt_pat: str,
                      serious_only: bool = True) -> dict:
    d = wide[wide.vax_types.str.contains(vax_pat, case=False, na=False)]
    if serious_only:                      # 严重域分析降低噪声报告权重
        d = d[d.SERIOUS == "Y"]
    a = int(d.symptoms.str.contains(pt_pat, case=False, na=False).sum())
    b = int(len(d) - a)
    rest = wide[~wide.vax_types.str.contains(vax_pat, case=False, na=False)]
    if serious_only:
        rest = rest[rest.SERIOUS == "Y"]
    c = int(rest.symptoms.str.contains(pt_pat, case=False, na=False).sum())
    dd = int(len(rest) - c)
    prr = (a / (a + b)) / (c / (c + dd)) if a and c else float("nan")
    chi2 = a * a * (a + b + c + dd) / max((a + b) * (c + dd) * 1.0, 1)
    return {"a": a, "b": b, "c": c, "d": dd, "prr": round(prr, 2),
            "signal_raw": bool(prr >= 2 and a >= 3 and chi2 >= 4)}

def stratified_stability(wide: pd.DataFrame, vax_pat: str, pt_pat: str,
                         by: str = "reporter_class") -> pd.DataFrame:
    """分层稳定性检查：报告者身份/年份分层的 PRR 方向一致性。"""
    rows = []
    for k, sub in wide.groupby(by):
        r = build_contingency(sub, vax_pat, pt_pat)
        rows.append({by: k, "prr": r["prr"], "a": r["a"]})
    return pd.DataFrame(rows)

协议要点：(1) PRR≥2 + a≥3 + χ²≥4 是 Evans 传统初筛线——只做「值得看」的过滤器；(2) 严重域开关（SERIOUS=Y）是 VAERS 特有的噪声控制阀——非严重域的报告行为噪声过大；(3) 分层稳定性（报告者身份/年份）不翻转方向才算稳健信号——单层翻转即回炉；(4) 全流程措辞用「报告比」。

§4.4 文本字段清洗与 autocoding 语料构建

#!/usr/bin/env python3
"""SYMPTOM_TEXT 叙述 → autocoder 训练对的构建骨架。
   训练对 =（叙述片段, VAERSSYMPTOMS 的 MedDRA PT）——注意：
   编码是报告级不是句子级，需要启发式对齐或人工校准子集。"""
import re
import pandas as pd

def clean_narrative(t: str | float) -> str:
    if not isinstance(t, str):
        return ""
    t = re.sub(r"\s+", " ", t).strip()
    t = re.sub(r"unknown|n/a", "", t, flags=re.I)
    return t

def build_corpus(wide: pd.DataFrame, min_len: int = 30) -> pd.DataFrame:
    d = wide[["VAERS_ID", "SYMPTOM_TEXT", "symptoms"]].copy()
    d["text"] = d.SYMPTOM_TEXT.map(clean_narrative)
    d = d[(d.text.str.len() >= min_len) & d.symptoms.notna()]
    # 报告级训练对（多标签）：text → 多个 PT
    d["pt_list"] = d.symptoms.str.split("|")
    return d[["VAERS_ID", "text", "pt_list"]]

def dedup_pairs(df: pd.DataFrame, hash_col: str = "text") -> pd.DataFrame:
    """case 去重第一步：完全同文报告合并（重复提交识别）。"""
    return df.drop_duplicates(subset=[hash_col], keep="first")

if __name__ == "__main__":
    print("语料纪律：训练/验证划分按 VAERS_ID（防同事件跨集泄漏）；"
          "评测分报告者身份域报告")

语料要点：(1) 报告级多标签 vs 句子级对齐——直接用报告级多标签训练是安全起点；句子级对齐需要启发式（PT 名/同义词在句中定位）+ 人工校准子集；(2) 去重先行——完全同文与近似同文（编辑距离/向量）两层去重；(3) 划分按 VAERS_ID——同一事件的重复报告跨集泄漏是 VAERS NLP 最常见的评测虚高。

§4.5 元数据与可复现指纹

1. 快照四元组：下载日期 + 处理周五（官方标注）+ 包文件 SHA256 + Data Use Guide 版本——VAERS 数据集的最小复现元数据。
2. 年度包 diff：跨下载的同年度文件 diff（新增行/修改行）——随访追加的可观察证据；工程上用 VAERS_ID 主键对账。
3. MedDRA 词典版本：PT 名称对齐所用词典版本入档——与 meddra 条目的版本四元组联动。
4. 去重参数：去重算法与阈值是「研究级的隐性元数据」——不同去重强度的结果差异要进敏感性分析附录。

§4.6 完整性清单

装载年度包后的自查序列：

1. 三表 VAERS_ID 交集/差集对账——SYMPTOMS/VAX 孤儿 ID 检测（已知存在少量，记录率）。
2. 行数与官方页面说明核对（年度包规模随月度增长，写处理时点）。
3. 结局标志值域核查——Y/N/空三分；大写/空格变体清洗。
4. NUMDAYS 与 VAX_DATE→ONSET_DATE 的一致性抽验（日期解析错误高发区）。
5. SYMPTOM1-5 槽位空置率——全空症状行的占比（编码缺失行）。
6. 自由文本字段的编码混型扫描（U+FFFD/乱码行清单）。
7. 年份字段重算与官方年表对照（VaccineWatch 级别的年度计数 sanity check）。

§4.7 数据血缘

VAERS 血缘（报告从哪来）
接种事件（全美国，数亿剂次/年）
  → 感知与归因（患者/照护者/专业人员/厂商——四类报告者）
  → 提交（在线 VAERS 2.0 / 邮寄 / 传真；厂商经药物警戒通道转发）
  → 中央接收（CDC/FDA 指导的承包商）
  → MedDRA 编码（认证编码员 + 软件；严重报告病历随访后追加编码）
  → 严重性判定（FDA 四标志定义）
  → 月度公开发布（三 CSV + WONDER 视图）
  → 下游（信号检测 / NLP 语料 / 监管评估 / 公共传播与误用）

1. 血缘的核心特征是「四类报告者 × 两条提交轨」：报告者身份与提交渠道决定数据质量层——血缘建模从这两列开始。
2. 编码是血缘里唯一的「专业化节点」：报告输入异质、编码输出同质——认证编码员制度是 VAERS 数据可用性的单点依赖与制度保障。
3. 血缘的工程落点：下游产物（信号清单/模型）应可回溯到「报告 ID → 提交渠道 → 编码批次 → 下载快照」全链——信号复现争议的仲裁依据。

§4.8 与 CDC WONDER 的双通道使用

研究任务 → 通道选择
├── 快速探索（频次/交叉表/地图/趋势） → CDC WONDER 在线
│     优点：标准化视图 + 全文检索；缺点：定制逻辑受限、计数口径已处理
├── 全量建模（PRR/MGPS/NLP/去重） → 官网 CSV 下载
│     优点：原始行 + 自由文本；缺点：清洗工程 + 口径自管
└── 混合策略：WONDER 定方向 → CSV 做建模 → 计数对账时选一个源为准

1. WONDER 的全文检索独占：叙述字段的关键词检索（症状描述/病历细节）只在 WONDER 有界面——定性研究的第一站。
2. 计数的「双源对不上」是常态：WONDER（处理后）vs CSV（原始行）——论文数据源声明要精确到「通道 + 下载/查询日期」。

§4.9 v-safe 数据的结构化装载

#!/usr/bin/env python3
"""v-safe 公开数据（data.cdc.gov 5 表）的装载骨架。
   与 VAERS 的互补分析：v-safe 有注册分母 → 轻事件频率；
   VAERS 有严重事件 → 谱系互补。"""
import pandas as pd

def load_vsafe(dirpath: str) -> dict[str, pd.DataFrame]:
    tables = ["REGISTRANTS", "VACCINATION",
              "HEALTH_CHECKIN_SURVEYS", "HEALTH_CHECKIN_SURVEYS_UNDER3",
              "RACE_ETHNICITY"]
    return {t: pd.read_csv(f"{dirpath}/VSAFE_{t}.csv", low_memory=False)
            for t in tables}

def symptom_frequency(checkins: pd.DataFrame) -> pd.Series:
    """签到调查的轻事件频次（有注册基数——可与 VAERS 报告数对照）。"""
    sym_cols = [c for c in checkins.columns if "symptom" in c.lower()]
    counts = pd.Series(dtype=int)
    for c in sym_cols:
        counts = counts.add(checkins[c].value_counts(), fill_value=0)
    return counts.sort_values(ascending=False)

if __name__ == "__main__":
    print("互补纪律：VAERS 计数（无分母）与 v-safe 频率（有分母）"
          "并列呈现时必须分列、禁止混算")

互补要点：(1) 表结构为调查型（注册者→接种→签到）——联接键与 VAERS 的报告型结构完全不同；(2) 频次 vs 计数——v-safe 输出频率（分母=注册者），VAERS 输出计数（无分母）；两源并表时列名与量纲要显式分离；(3) v-safe 覆盖 COVID 疫苗期——历史疫苗研究只能用 VAERS+VSD 组合。

§5 下游分析协议

§5.1 任务×资源速查表

任务	VAERS 资产	配套资源	输出物
信号初筛	疫苗×PT 列联表	MedDRA 词典对齐	PRR/ROR 信号清单
严重结局监测	结局标志	年度背景率外源	趋势报告
批号聚集检测	VAERSVAX LOT	生产批次元数据	聚集调查线索
叙述文本挖掘	SYMPTOM_TEXT 等	NLP 栈	事件抽取/主题/训练对
报告去重	全库	相似度工具	case 级数据集
政策效应分析	时间序列	监管事件日历	断点/差分结果
疫苗安全沟通	官方解释限制	背景发生率表	合规分析报告
发生率计算	不适用	→ VSD 接力	VAERS 内禁止

§5.2 信号初筛协议（VAERS 特化版）

1. 域限定：先锁严重域（SERIOUS=Y）或按结局标志分域——全库混合统计的报告行为噪声最大；非严重域只做描述。
2. 去重先行：case 级重复（患者+厂商+医生三重报告同事件）在列联表前完成——不去重的 PRR 在诉讼活跃域会系统性虚高。
3. 报告者分层敏感性：主分析（全报告者）+ 敏感性分析（仅医疗专业人员报告）——两层方向一致才算稳健；公众报告激增期的信号要额外谨慎。
4. 时间分层：按年份分层检查信号随时间的出现模式——「某年骤现」的信号优先排查刺激性报告（媒体/监管行动日历对照）。
5. 背景率对照：目标 PT 的背景发生率（人群基线）对照——接种后事件数与预期背景数比较（observed vs expected）是比 PRR 更接近流行病学的一步；背景率数据外源引入。
6. 接力声明：初筛输出的措辞是「值得确认研究的信号假设」——不含 VSD/确认研究接力的信号报告不进决策链。

§5.3 报告去重协议

1. 三级匹配：完全同文（哈希）→ 强规则（同一患者出生日期+接种日期+事件类型）→ 模糊（文本相似度+人口学+时间窗）——逐级放宽、逐级加人工抽验。
2. 多报告的语义保留：去重合并时保留「报告来源数」——同一事件被患者与医生分别报告本身是信息（严重度代理）。
3. 厂商转发的识别：厂商报告里嵌原始报告者信息——转发链解开避免「厂商+原始」双计。
4. 去重率的披露：论文报告「去重前/后计数」两行——去重强度是 VAERS 研究最大的自由度之一，必须披露。

§5.4 成本模型

成本项	学术团队	公共卫生机构	企业（疫苗厂商）
数据获取	免费	免费	免费（另有法定报告义务成本）
ETL/清洗	1-2 人周	常设岗位	药物警戒数据团队
词典对齐	MedDRA 订阅（学者免费）	免费（监管）	商业订阅
信号检测	开源统计栈	专职流行病学家	全套 PV 系统
NLP 语料构建	GPU + 人工校准	按项目	autocoder 管线
接力验证	合作 VSD/研究者发起	CDC/FDA 协作	确认试验

1. 数据免费但人力密集：VAERS 的成本结构是「获取零成本、治理高成本」——清洗/去重/对齐占项目工时的大头。
2. 厂商视角的义务成本：法定报告义务使厂商对 VAERS 的关系是「生产者+消费者」双角色——其 PV 系统的 VAERS 提交通道是合规基建。

§5.5 失败模式清单

1. 计数当发生率——无分母铁律；修复：措辞+外源分母声明。
2. 结局标志求和——不互斥；修复：分别计数。
3. 跨 2025-05 台阶拼接——secondary 扩围口径断层；修复：分段或声明。
4. 快照漂移——随访追加使旧结果不可复现；修复：快照自归档 + SHA256。
5. 去重缺失——诉讼活跃域 PRR 虚高；修复：三级去重 + 披露。
6. 联接膨胀——一对多笛卡尔；修复：先聚合后联接。
7. PT 名孤儿——词典版本漂移；修复：迁移表对齐。
8. 文本当结构化——叙述字段未清洗直接统计；修复：清洗管线 + 编码混型处理。

§5.6 校准与验证协议

自建 VAERS 分析管线的分级校准（L1-L6）：

级别	校准内容	方法	通过标准
L1	装载完整性	§4.6 清单七项	全项通过
L2	年度计数对账	官方/第三方年表比对	量级一致（±处理时点差异可解释）
L3	去重质量	人工盲评 200 组疑似重复	配对判定 κ ≥0.8
L4	信号复现	已知历史信号（如 mRNA 过敏反应）盲复现	方向与量级一致
L5	autocoder 精度	人工校准子集	精度按业务阈值 + 分报告者域
L6	跨源一致性	WONDER vs CSV 计数	差异可归因于处理口径

1. L4 的盲复现：选 2-3 个文献确认的信号（过敏反应/CVST）从零复现——管线有效性的端到端证据。
2. L3 的 κ 值：去重是 VAERS 分析最大的主观自由度——κ 不达标先修规则再谈下游。

§6 实证结果与方法学分析

§6.1 37 年报告行为的实证观察

1. 三阶段规模曲线：起步期（1990s，数千/年）→ 常规期（2000s-2020，3-5 万/年）→ 大流行期（2021 峰值 768,706 → 回落 2025 年 40,283）——报告行为与疫苗政策/媒体周期的强耦合清晰可见。
2. 2021 峰值分解：接种基数（数十亿剂次中的一部分）+ 报告文化激活（公众报告通道高曝光）+ 监管事件日历（暂停/复通）——三因子叠加，任何单因子解释都失真。
3. 结局标志的结构稳定：常规年份死亡报告约 150-250/年（占报告 0.4-0.6%）——严重域比例的长期稳定与报告总量的大幅波动并存，提示「报告行为变化主要发生在轻事件域」。
4. 报告者构成的迁移：COVID 期公众报告占比显著上升（历史以专业人员/厂商为主）——数据质量分层的时间变化要进入任何跨期模型。

§6.2 信号检测的实证教训

1. RotaShield 的教训是「小信号大行动」：15 例肠套叠（年龄模式异常）→ 确认研究 → 撤市——被动监测的价值在「模式异常」而非「计数大小」；年龄分布异常（2 月龄 vs 常见 5-9 月龄）是关键线索。
2. mRNA 过敏反应的快速定量：早期报告 → CDC 快速量化（约每百万剂次若干例）→ 指南更新（观察期）——被动报告 + 外源分母的快速组合是 2021 年的方法学亮点。
3. CVST 的暂停-复通循环：6 例/685 万 → 暂停 → 确认与获益-风险重估 → 复通——监管行动对报告流的反馈效应同期可见（暂停后报告激增）。
4. HHE 研究的否定性价值：215 例 HHE 分析确认其自限性——被动数据也能做「排除性」结论（配合临床随访）；信号检测不是只找阳性。

§6.3 方法学三层框架（gsm）

1. G（Governance）：NCVIA 法源 + CDC/FDA 共管 + Data Use Guide 解释规范——数据的法律地位与解释边界；任何使用先过 G 层。
2. S（Semantics）：三表星型 + MedDRA 编码 + 结局标志体系——数据结构的语义能力边界（报告级粒度、无分母、文本富矿）。
3. M（Methodology）：去重 → 分域 → 分层 → 初筛 → 接力——方法学链条的顺序纪律；顺序错误（先统计后去重）是常见硬伤。
4. 框架用法：评估任何 VAERS 研究依次过三层——「口径合法（G）→ 语义选对（S）→ 方法有序（M）」。

§6.4 接力实验设计

VAERS 研究团队的接力验证设计：

1. R1 快照定格：下载 + 归档 + SHA256 + §4.6 清单——产出「可信快照」。
2. R2 去重定基：三级去重 + κ 校准——产出「case 级基线数据集」。
3. R3 信号初筛：分域 PRR + 分层敏感性——产出「信号假设清单」。
4. R4 历史信号盲复现：过敏反应/CVST 复现——产出「管线有效性证据」。
5. R5 交付：方法学段落（§7.7 模板）+ 全部 R1-R4 证据 + 官方限制声明——审稿可回放。

§6.5 八个真实坑点

1. 坑点 1：报告数当发生率——无分母铁律；observed vs expected 需外源背景率。
2. 坑点 2：结局标志求和——不互斥标志；分别计数。
3. 坑点 3：快照漂移——随访追加使同 ID 数据随月度变化；快照自归档。
4. 坑点 4：去重缺失——多渠道同事件重复；三级去重 + 披露。
5. 坑点 5：跨 2025-05 台阶——secondary reports 扩围断层；分段对比。
6. 坑点 6：联接膨胀——一对多笛卡尔；先聚合后联接。
7. 坑点 7：PT 名孤儿——MedDRA 版本漂移；迁移表对齐。
8. 坑点 8：叙述字段直用——编码混型/换行/噪声；清洗管线先行。

§6.6 审稿人自查清单

1. 数据源是否声明到「下载日期 + 处理时点 + SHA256」？
2. 全文措辞是否「报告/报告比」而非「发生率」？
3. 去重方法与去重前后计数是否披露？
4. 结局标志是否分别计数（无求和）？
5. 跨 2025-05-08 的分析是否处理口径台阶？
6. 信号是否做了报告者分层与时间分层敏感性？
7. PT 对齐所用 MedDRA 词典版本是否入档？
8. 是否附官方解释限制声明（不证因果）？
9. 信号结论是否明确「假设待确认」而非「因果成立」？

§6.7 版本治理的方法学含义

1. 「活数据」的研究协议：VAERS 数据随随访更新——长研究的每次中期分析都要记录快照版本；「2021 数据」必须细化为「2021 年报告按 2026-09-04 包」。
2. 随访追加的双刃：编码追加改善严重报告的完整度，但破坏跨期可比——「编码成熟度」（报告后月数）可作协变量；文献常用「锁定 24 月龄以上报告」做成熟度控制。
3. WONDER 视图版本的隐匿更新：WONDER 后端随月度更新且无版本公告——严谨对比研究以 CSV 快照为准。
4. 对国内同类系统的启示：月度覆盖式发布 + 无历史归档——是「节省存储、损失复现」的设计选择；自建监测系统的数据血缘设计可以直接以 VAERS 为反面教材归档快照。

§6.8 与国际疫苗监测体系的对齐张力

1. 与 WHO VigiBase 的粒度差：VigiBase（UMC 管护）全球报告池但公开粒度受限；VAERS 全公开但美国境内为主——「公开性 × 覆盖面」的互补权衡。
2. 与欧盟 EudraVigilance 的口径差：同为自发报告但报告文化/法律义务不同——跨系统报告计数比较是「报告行为比较」不是「安全性比较」。
3. 中文语境的衔接：中国疫苗不良反应监测（NMPA 体系/中国药物警戒期刊口径）与 VAERS 的编码词库联动经 MedDRA——事件编码可通、报告义务与补偿体系完全不同；跨境研究要声明制度语境差异。
4. 工程含义：跨国疫苗安全数据湖的「报告来源国 + 监测系统」双维度元数据不可省——单维度合并必然在解释时露馅。

§6.9 报告统计的解读纪律

1. 年度计数三问：见到「某年 X 份报告」先问——数据源（官方/WONDER/第三方加工）？处理时点？含不含 secondary（2025 前后）？三问齐答才算有效口径。
2. 峰值的双解释纪律：2021 的 768,706 必须同时携带「接种基数历史峰值」与「报告行为激活」两个解释——只写一个都是半截事实。
3. 结局比例的分母选择：「死亡报告占全部报告 X%」的分母是报告不是接种——换成「占严重报告 Y%」或外源接种基数是不同口径；三种写法不可互换。
4. 累计数的时点性：「累计百万级」随月度增长——引用累计数标注处理时点，且累计数含历史报告行为差异、不适合直接年化。

§7 AI 就绪指南与应用场景

§7.1 VAERS 在医疗 AI 中的四种喂法

1. 喂法 1：autocoder 训练对——叙述文本 → MedDRA PT 的监督语料（37 年积累的「报告语言 → 编码语言」对）。
2. 喂法 2：信号检测特征层——报告文本 embedding + 结构化标志进分类/聚类模型；PT 层信号与文本层信号融合。
3. 喂法 3：报告质量预测——按报告者身份/文本特征预测「可验证性」——人工复核队列的优先级排序。
4. 喂法 4：事件时序抽取——叙述中的时间线（接种→症状→处理→结局）抽取——NUMDAYS 之外的时间结构化。
5. 四喂法与坑点对应：喂法 1 踩坑 7（PT 孤儿）；喂法 2 踩坑 4（去重缺失）；喂法 3 踩坑 8（文本未清洗）；喂法 4 踩坑 6（膨胀）——建模前对号。

§7.2 报告叙述 NLP 管线实操配方

端到端配方（报告流水 → 模型流水）
┌────────────────────────────────────────────────────────┐
│ 1. 快照定格：下载+归档+SHA256（§4.5）                     │
│ 2. 清洗：编码统一/乱码行剔除/字段级去重（§4.4）            │
│ 3. 语料构建：报告级多标签对 + 句子级对齐子集               │
│ 4. 划分：按 VAERS_ID 分层划分（防同事件泄漏）              │
│ 5. 建模：词典层 + 向量召回 + LLM 校验（同 meddra §7.3）   │
│ 6. 评测：分报告者身份域 + 分年代域报告                     │
│ 7. 回流：人工校准结果 → 训练集版本化（月度闭环）            │
└────────────────────────────────────────────────────────┘

1. 与制药 autocoder 的差异：VAERS 叙述更口语、更不完整（公众报告）——词典层命中率低于制药流水，模糊层与人工队列占比更高；管线设计按「口语域」调参。
2. 年代域漂移：1990s 报告语言 vs 2020s 报告语言（新疫苗词汇/网络语言）——分年代评测与增量学习是长期管线的必备设计。
3. 评测的金标来源：VAERSSYMPTOMS 的官方编码本身就是金标（编码员产出）——但要注意「官方编码含随访追加」——训练对按编码成熟度过滤（如锁定 12 月龄以上报告）。

§7.3 模型选型与迁移决策

1. 词典精确层仍是底线：MedDRA PT 名/同义词直配 + 拼写纠错——零训练成本的 50-70% 命中；先建词典层再谈深度模型。
2. 向量召回的领域适配：通用句子向量对口语叙述召回不足——用 VAERS 语料对比学习微调；多年代语料防过拟合当代语言。
3. LLM 的位置：候选重排 + 时间线抽取 + 质量预测——生成 PT 是浪费（候选有限）；抽取结构化时间信息是杠杆。
4. 小模型部署的现实：公共卫生机构的算力预算有限——词典+轻量向量（蒸馏）栈是可持续配置；LLM 仅离线批处理。

§7.4 公平性：报告覆盖的边缘地带

1. 报告可达性的分层：英语能力/医疗资源/诉讼文化影响报告概率——不同社群的「真实事件 → 报告」转化率不同；基于 VAERS 的跨群体比较隐含报告可达性偏倚。
2. 儿童报告的过表达：儿童疫苗接种率与家长报告意愿双高——儿童事件在库内过表达（2004 口径：49% 报告 <6 岁）；成人疫苗研究要意识到基线的年龄结构。
3. 语言与叙述质量：非英语母语者的叙述质量与编码粒度差异——autocoder 的分语言评测（英语内分群）是公平性审计点。
4. 疫苗覆盖的时空差：疫苗引入时间表决定各疫苗的报告基数——「新疫苗报告多」主要是覆盖问题不是安全问题；模型特征里加疫苗上市年数。

§7.5 任务×资源速查表

AI 任务	输入	VAERS 资产	评测指标
自动编码（多标签）	SYMPTOM_TEXT	VAERSSYMPTOMS 金标	macro-F1 / 分域 F1
重复报告识别	全库文本+人口学	时间/人口学约束	配对精确率/召回
严重度预测	叙述+结构化	结局标志	AUROC（分结局）
时间线抽取	叙述	NUMDAYS 抽验	事件级 F1
信号排序	列联表+文本特征	历史确认信号	已知信号召回
报告质量分类	文本+元数据	随访响应（代理金标）	校准曲线

§7.6 端到端案例：新疫苗上市后的信号监测

1. 目标：某新疫苗上市后 12 个月内，用 VAERS 数据建立信号监测流水。
2. 数据：上市后各月度包快照（自归档）+ MedDRA 词典 + 背景发生率表（外源）。
3. 步骤：(a) 月度快照装载与对账 → (b) case 去重 → © 分域（严重/非严重）PT 频次监控 → (d) PRR 初筛 + 分层敏感性（报告者/月份）→ (e) 观察比预期（O/E，外源背景率）→ (f) 信号假设清单 → 确认研究接力。
4. 坑点前置：快照归档（坑点 3）；去重先行（坑点 4）；措辞纪律（坑点 1）。
5. 产出：月度信号简报（方法学段落用 §7.7 模板）——全部中间表可回放。

§7.7 报告模板：方法学段落骨架

VAERS 数据分析方法学段落（可复用骨架）：
「本研究使用 VAERS 公开数据（vaers.hhs.gov，下载日期 YYYY-MM-DD，
处理时点 YYYY-MM-DD[官方标注]，文件 SHA256 见附录）。
分析覆盖 [年份区间] 年报告；2025-05-08 口径台阶的处理方式为 [分段/声明]。
重复报告经 [三级去重方法] 处理，去重前/后计数分别为 X/Y。
症状以 MedDRA 首选术语编码（对齐词典版本 Z）。
信号初筛采用 [PRR/ROR]，限定 [严重域/全域]，
分层敏感性分析包括 [报告者身份/年份]。
本文所有结果为报告计数与报告比，不代表发生率或因果关系；
接种分母数据不可得，observed/expected 分析所用背景率来自 [外源]。
本研究的解释遵循 VAERS Data Use Guide 的官方限制。」

1. 骨架的九要素：快照/区间/台阶/去重/词典/统计/分层/分母声明/官方限制——少一项即审稿风险点。
2. 本地化建议：中文研究补「疫苗名称对齐（VAX_NAME 自由文本 → 标准名/CVX）」的方法说明——这是 VAERS 特有的对齐坑。

§7.8 成本与排期模板

阶段	内容	学术团队	机构团队
W1	快照下载+归档+装载	1 人	1-2 人
W2-3	清洗+对齐+完整性（L1-L2）	1 人	数据组
W4-5	去重+κ 校准（L3）	1-2 人	流行病学组
W6-8	信号初筛+历史复现（L4）	1 人	数据科学组
W9-10	NLP 语料+autocoder（L5，可选）	1-2 人	NLP 组
常设	月度快照日历+年度词典对齐	兼职	常设岗位

§7.9 消融案例：去重与分层对信号结论的影响

1. 设定：同一疫苗-PT 对的信号检测，四种流水跑——A 原始计数；B 去重后；C B+严重域限定；D C+报告者分层敏感性。
2. 典型结果模式：A 的信号强度最高（重复+噪声报告推高）；B 去重后回落（诉讼活跃域回落最猛）；C 严重域内信号可能反向变化（噪声主要在轻事件域）；D 分层暴露「公众报告驱动」或「专业人员报告驱动」——四步的结论从「强信号」收敛到「条件化信号假设」。
3. 教训：VAERS 的「流水自由度」（去重/分域/分层）比统计方法选择更影响结论——发表时把流水选型写进方法学是可复现性的必要条件。
4. 与坑点的映射：A 即坑点 4；C 即坑点 1 的域限定缓解；D 是坑点 1 的结构化应对——消融矩阵就是坑点清单的实验化。

§8 伦理、许可与合规

§8.1 许可与义务结构

1. 公共领域地位：美国政府工作报告数据——无版权限制、免费使用；但官方 Data Use Guide 的解释限制是使用规范（合规且专业的引用底线）。
2. 隐私的先天设计：VAERS 公开数据经 HHS 隐私评审（2025-05-08 扩围公告明示「保护患者隐私前提下扩大访问」）——仍含人口学与文本细节，二次发布分析结果时避免「小格子再识别」（稀疏层级的州×年龄×结局组合）。
3. 报告者的贡献伦理：报告人是数据的生产者——对报告内容的研究使用不以「批评报告者」为叙事（报告质量研究的专业措辞）。
4. 疫苗伤害语境的敏感叙事：VICP 补偿数据与 VAERS 联动分析涉及其家庭成员的重大利益——发表与传播遵循最大克制与官方口径。

§8.2 引用与致谢模板

论文/报告引用模板：
「本研究使用 VAERS 公开数据（CDC/FDA 管护，vaers.hhs.gov，
下载日期 YYYY-MM-DD，处理时点 YYYY-MM-DD）。
VAERS 是被动监测系统：报告不证明因果，数据不含接种分母，
不能用于计算发生率或比较疫苗风险。
本研究全部结论为报告层面的统计学描述，遵循 VAERS Data Use Guide
的官方解释限制；不代表 CDC/FDA 立场。」

1. 限制声明的不可裁剪性：官方限制段是引用模板的必要组成——裁剪限制声明的 VAERS 引用即合规风险。
2. 商标与机构名：VAERS/CDC/FDA 名称使用遵循美国政府机构命名规范（不暗示官方背书）。

§8.3 国内合规路径

1. 数据获取：VAERS 全公开——国内团队直接下载合法；分析在境内环境进行即可。
2. 疫苗安全研究的制度语境：中国的不良反应监测（NMPA 体系）与 VAERS 制度不同（报告义务/补偿体系/公开粒度）——比较研究必须声明制度差异，避免「制度 A 的指标套制度 B 的数据」。
3. 公共传播的红线：将 VAERS 原始报告数直接翻译成中文公共传播内容（「美国疫苗 X 死亡报告」类标题）——既违反官方解释限制也触及国内疫苗安全传播规范；学术引用必须携带限制声明。
4. 与本土数据组合：VAERS（美国报告）× 中国监测数据（受限公开）的组合研究——公开度不对等的比较设计要显式建模「报告制度」变量。

§8.4 商业使用边界

1. 公共领域的产品化：VAERS 数据可进入商业分析产品（BI/咨询报告）——但产品输出必须携带官方限制（不能卖「疫苗风险排名」类无分母结论）。
2. AI 产品嵌入：基于 VAERS 训练的 autocoder/监测模型可商业化——训练语料的公共领域属性清晰；模型输出继续遵循「报告层语义」。
3. 咨询与诉讼支持：VAERS 数据在疫苗诉讼中的使用是敏感区——专家证人场景的引用要区分「报告事实」与「因果主张」，后者在 VAERS 数据内无证据地位。
4. 媒体产品的纪律：数据新闻产品使用 VAERS 需内嵌限制声明与官方链接——透明化处理是行业自律基准。

§8.5 合规台账最小模板

台账项	内容示例	更新频率
快照档案	下载日期/处理时点/SHA256/包清单	每次下载
词典对齐	MedDRA 版本/迁移表版本	半年度
去重参数	算法/阈值/κ 评审计录	每次流水变更
数据用例	内部分析/发表/产品输出清单	按项目
限制声明核查	产物限制段完整性抽查	每次发布
口径台阶	2025-05-08 前后分段记录	一次性+持续引用

§8.6 监测系统的治理语义

1. 法源驱动的稳定运营：NCVIA 法案授权 + 37 年连续运营——法定地位使系统穿越政治周期与技术更替；这是「制度型数据基础设施」的范本。
2. 双机构共管的制衡：CDC（公共卫生视角）+ FDA（监管视角）共管——机构制衡减少单一视角偏差；数据发布口径的一致性经共管维持。
3. 透明与纠偏的并行机制：全公开 + 官方持续纠偏（Data Use Guide/WONDER 提示/学术合作纠偏）——「透明但有护栏」是争议性公共数据的治理范式。
4. 对国内监测系统建设的启示：任何人可报的零门槛入口 + 认证编码的中央处理 + 月度公开的滚动发布 + 官方解释限制的随行文档——四件套成本可控而公信力收益极高；自建不良事件监测系统可直接参照。

§9 谱系与生态

§9.1 疫苗安全监测时间线

年份	事件	意义
1950s-70s	疫苗诉讼潮与厂商退出	制度设计的动因
1986	NCVIA 通过	报告义务+VICP 补偿双轨确立
1990-11	VAERS 生效	被动监测启动（首年 2,214 报告）
1991	VSD 启动	主动监测补位
1999	RotaShield 事件	被动监测经典信号→撤市
2001	CISA Network	临床评估层
2006	诉讼报告研究	报告偏倚实证
2020-21	COVID 疫苗+v-safe	峰值 768,706；主动监测实验
2025-05-08	secondary reports 扩围	公开口径扩围
2026-09	月度滚动（处理至 08-28）	37 年连续运营

§9.2 术语表

1. 被动监测（passive surveillance）：等待报告上门的监测模式——广覆盖、无分母、有偏倚。
2. AEFI：免疫接种后不良事件——疫苗警戒的核心对象。
3. NCVIA：1986 国家儿童疫苗伤害法案——VAERS 与 VICP 的共同法源。
4. VICP：疫苗伤害补偿计划——无过错补偿制度；HRSA 管护。
5. Reportable Events Table：法定报告事件表——镜像 VICP 疫苗伤害表。
6. Serious（FDA 定义）：死亡/危及生命/住院/残疾四选一即为严重报告。
7. MedDRA PT：首选术语——VAERS 症状编码的词典层。
8. Onset Interval（NUMDAYS）：接种到发病的天数——时间结构核心字段。
9. VSD：疫苗安全数据链——8 HMO 主动监测队列（有分母）。
10. CISA：临床免疫安全评估网络——疑难个案临床评估。
11. v-safe：COVID 期 APP 主动监测——有分母的轻事件谱。
12. secondary report：同患者×疫苗×剂量组合的其他来源首份报告（2025-05 纳入公开）。
13. 刺激性报告（stimulated reporting）：媒体/监管/诉讼驱动的报告激增。
14. 观察比预期（O/E）：观察报告数与背景预期数之比——外源分母的近似。
15. WONDER：CDC 在线查询系统——VAERS 的标准化视图通道。
16. 批号聚集（lot clustering）：同批号报告异常聚集——VAERS 独有细粒度检测。

§9.3 资源选型决策树

疫苗安全研究需要什么？
├── 全人口假设生成/叙述语料 → VAERS（被动、公开、无分母）
├── 有分母的发生率/确认研究 → VSD（合作）或 O/E（外源背景率）
├── 轻事件频率（COVID 疫苗期） → v-safe（公开 5 表）
├── 疑难个案临床机制 → CISA 文献（案例库）
├── 补偿/法律后果 → VICP（HRSA 月度数据）
└── 药物（非疫苗）不良事件 → FAERS（同构方法学）

1. 第一问是「要不要分母」：要分母 → VAERS 单独不可行（接力 VSD/O/E）；不要分母（计数/叙述/去重/NLP）→ VAERS 直接可用。

§9.4 与本库其他条目的关系

关联条目	关系	典型联合场景
MedDRA 监管活动医学词典	编码词典 × 报告数据	PT 对齐迁移表；SMQ 主题分析
RxNorm 药物术语标准	疫苗产品码联动	CVX/RxNorm 疫苗概念映射
MIMIC-IV-ED 急诊数据集	临床叙述 × 事件报告	接种后急诊的对照分析
All of Us 研究计划	队列接种记录 × 报告数据	有分母的接力验证
SRA 序列档案	病原基因组 × 疫苗监测	疫苗株/野株演化背景

§9.5 组合使用建议

1. 疫苗安全最小组合：VAERS（报告）+ MedDRA（词典）+ 外源背景率——信号初筛的标准三件套。
2. 确认研究组合：VAERS 假设 + All of Us 或 VSD 式队列 + 电子接种记录——有分母的接力验证。
3. NLP 语料组合：VAERS 叙述 + MedDRA 词典 + MIMIC-IV-ED 叙述——口语临床文本的广谱训练池。
4. COVID 疫苗专项组合：VAERS + v-safe + VSD 文献——严重/轻微/发生率三源拼图。

§9.6 监测基础设施的生态角色

1. 疫苗信任的制度装置：VAERS 的存在本身是 1986 妥协的产物（给厂商责任保护、给公众监测透明）——它同时服务监管、研究与公共信任三种功能。
2. 自发报告体系的方法学母版：FAERS/VigiBase 等同构系统的方法学（去重/初筛/接力）在 VAERS 文献里最充分展开——方法学可整体迁移。
3. AI 语料的独特性：37 年口语化临床叙述 + 官方编码——「公众怎么描述症状」的语料库在医学 NLP 里稀缺，VAERS 是最大开源池之一。
4. 公共卫生应急的预设通道：大流行疫苗的快速监测能力（COVID 实战验证）——新疫苗上市的第一道监测网全球范例。

§9.7 监测数据家族的光谱定位

维度	VAERS	FAERS	VigiBase	v-safe
对象	疫苗 AEFI	药物 AE	全球药物+疫苗 AE	COVID 疫苗轻事件
模式	被动	被动	被动（聚合）	主动签到
分母	无	无	无（聚合层）	有（注册者）
公开	全公开 CSV	公开季度文件	受控访问	公开 5 表
编码	MedDRA	MedDRA	MedDRA（ICH 语境）	调查选项

1. 家族共性：被动报告 × MedDRA × 无分母——VAERS 的全部解释纪律跨系统成立；做惯 FAERS 的团队迁移 VAERS 零方法学成本。
2. VAERS 的独特处：全公开粒度（行级）+ 37 年时间深度 + 疫苗批号字段——药物监测系统无对应物。

§9.8 VAERS 生态的圈层地图

圈层	组件	角色	依赖关系
核心	三 CSV 公开数据 + WONDER	数据本体	—（本体）
官方配套圈	Data Use Guide/v-safe/VICP 页	解释与配套	官方发布体系
监测体系圈	VSD/CISA	验证与临床	接力验证通道
词典圈	MedDRA/CVX	语义对齐	编码与产品码
应用圈	信号检测/学术研究/BI 产品/公共传播	语义消费	经核心+词典圈

1. 官方配套圈的独有厚度：Data Use Guide 的解释限制体系在同生态里最厚——「数据 + 反误用文档」的双件套是 VAERS 治理特色。
2. 圈层穿越的代价：应用圈直连核心（跳过词典圈）必然踩 PT 孤儿与产品名自由文本——词典圈不是可选项是必经层；与 meddra/rxnorm 条目的圈层结论同构。

§10 资源导航与 FAQ

§10.1 官方资源导航

资源	入口	用途
数据集页	https://vaers.hhs.gov/data/datasets.html	三 CSV 年度包下载
VAERS 主站	https://vaers.hhs.gov	报告入口/公告/指南
Data Use Guide	数据集页附 PDF（310KB）	字段定义+解释限制
CDC WONDER	https://wonder.cdc.gov/wonder/help/vaers.html	在线交叉分析+全文检索
CDC 手册	stacks.cdc.gov/view/cdc/36403	系统运作官方长文
v-safe 数据	data.cdc.gov（v-safe COVID-19）	主动监测 5 表
VICP 数据	HRSA vaccinecompensation 页	补偿申领月度数据
ICH/MedDRA	meddra.org（经订阅）	症状编码词典

上手路径建议：(1) 读 Data Use Guide（30 分钟）建立解释纪律 → (2) WONDER 交互探索年度趋势 → (3) 下载最近三年 CSV 做装载演练（§4.2）→ (4) 用历史确认信号做复现校准（§5.6 L4）→ (5) 上线月度快照日历。

§10.2 关键文献

1. Safety monitoring in the Vaccine Adverse Event Reporting System（CDC stacks 36403）——系统运作、编码流程与七目标的官方长文。
2. VAERS Data Use Guide（CDC/FDA，随数据发布更新）——字段定义与解释限制的规范文件。
3. MMWR 1999-07-16（RotaShield 肠套叠）——被动监测经典信号的首发报告。
4. Du Vernoy 2000（HHE 分析）——VAERS 队列式专题研究的范式示例。
5. Pediatrics 2006（thimerosal 诉讼报告研究）——报告偏倚的标志性实证。
6. PolitiFact 2021（VAERS 事实核查专题）——系统价值与误用的平衡叙述（含 Offit/Shimabukuro 引述）。
7. VaccineWatch Methodology（第三方，2026）——现代 VAERS 数据工程流程的公开参考实现。

§10.3 站内延伸阅读

1. MedDRA 监管活动医学词典——VAERS 症状编码的词典底座；版本对齐联动。
2. RxNorm 药物术语标准——疫苗产品概念的标准码侧。
3. MIMIC-IV-ED 急诊数据集——接种后急诊事件的临床对照侧。
4. All of Us 研究计划——有分母队列的接力验证侧。
5. SRA 序列档案——病原株监测的基因组背景侧。

§10.4 FAQ

Q1：VAERS 数据免费吗？
A：免费且公共领域——官网下载（需验证码）、WONDER 在线查询、v-safe/VICP 数据全公开。

Q2：VAERS 报告能证明疫苗导致不良事件吗？
A：不能——系统只记录时间先后；因果判定需要确认研究。这是官方 Data Use Guide 的第一条限制。

Q3：为什么不能用 VAERS 算发生率？
A：没有分母——系统不记录接种总剂量；报告数 ÷ 未知基数 = 无意义。分母要从外部接种数据引入并声明不确定性。

Q4：谁可以向 VAERS 报告？
A：任何人——医疗专业人员、厂商（后两者含法定义务场景）、患者、父母/照护者；不要求医学确认。

Q5：报告是怎么编码的？
A：中央接收设施的认证 MedDRA 编码员 + 软件辅助——症状编码为 MedDRA PT；严重报告获病历后编码可追加。

Q6：Serious 是怎么定义的？
A：FDA 监管定义——死亡/危及生命/住院或延长住院/持续残疾四选一；公开数据有 SERIOUS 字段可直用。

Q7：三个 CSV 怎么联接？
A：VAERS_ID——DATA（每报告一行）×VAX（每疫苗一行）×SYMPTOMS（每行 5 个 PT）；一对多联接先聚合再连接防膨胀。

Q8：2025 年 5 月的数据口径变化是什么？
A：2025-05-08 起公开数据纳入 secondary reports（同患者×疫苗×剂量组合的其他来源首份报告）——跨界时间序列要声明台阶。

Q9：同一事件会重复报告吗？
A：会——患者、医生、厂商可分别报告同一事件；去重是用户侧功课（三级匹配协议，§5.3）。

Q10：结局标志可以加总吗？
A：不可以——标志不互斥（死亡报告通常同时住院=Y）；分标志计数、不求和。

Q11：VAERS 里为什么有「死亡报告」这么多？
A：死亡报告经病历/尸检随访核实流程——「报告死亡」不等于「疫苗致死」；背景死亡率与接种基数解释大部分报告。

Q12：怎么下载历史年份？
A：官网提供 1990 至今每年 ZIP 与全历史包；注意官方覆盖历史月度包——自建快照归档保复现。

Q13：WONDER 和 CSV 文件计数对不上？
A：正常——WONDER 是处理后的标准化视图；论文数据源二选一并声明。

Q14：批号（LOT）分析可信吗？
A：批号字段是自由文本（转录噪声存在）——聚集检测用规范化匹配 + 最小报告数阈值；「批号异常」是调查线索不是结论。

Q15：MedDRA 版本怎么对齐？
A：VAERSSYMPTOMS 给 PT 名称——按当前版 MedDRA 建名称迁移表；non-current 旧名入迁移表（与 meddra 条目联动）。

Q16：v-safe 和 VAERS 什么关系？
A：互补——v-safe 是 COVID 期 APP 主动签到（有分母、抓轻事件）；VAERS 是被动报告（无分母、抓严重意外）；两源并表禁混算。

Q17：RotaShield 案例说明了什么？
A：1999 年 15 例肠套叠报告（年龄模式异常）→ 确认研究 → 撤市——被动监测「小信号大价值」的教科书案例。

Q18：报告者身份字段重要吗？
A：重要——专业人员报告的临床信息质量显著更高；分报告者域分析是 VAERS 数据质量工程的第一刀。

Q19：诉讼会影响数据吗？
A：会——2006 Pediatrics 记录 thimerosal/自闭症报告多为诉讼律师提交；跨期分析要把诉讼日历放进解释框架。

Q20：NLP 训练集怎么防泄漏？
A：按 VAERS_ID 划分——同一事件的重复报告跨集泄漏是评测虚高的头号来源；再加分年代域评测。

Q21：autocoder 对 VAERS 叙述的命中率如何？
A：低于制药流水（口语化/不完整）——词典层 50-70% 起步，模糊层与人工队列占比更高；按口语域调参。

Q22：怎么处理文本字段的编码乱码？
A：cp1252/UTF 混型 + U+FFFD 扫描——清洗管线（§4.4）+ 乱码行清单；丢弃前评估信息量。

Q23：NUMDAYS 字段可信吗？
A：日期解析错误高发——用 VAX_DATE/ONSET_DATE 重算核对；不一致行进清洗队列。

Q24：PRR 初筛线怎么定？
A：PRR≥2 + 计数≥3 + χ²≥4 是 Evans 传统线——只是「值得看」的过滤器；分层稳定性与接力确认是必做后续。

Q25：可以拿 VAERS 做跨疫苗风险排名吗？
A：不可以——不同疫苗的接种基数/报告人群/报告文化不同；官方明令禁止以此比较风险。

Q26：境外报告在 VAERS 里吗？
A：含少量境外与未知地区报告（STATE 字段非全美）——美国境内分析先过滤域。

Q27：月度包会改历史数据吗？
A：会——随访追加编码、新报告入池；「2021 年数据」随下载时点变化；快照归档+SHA256 是复现底线。

Q28：论文里怎么写数据源？
A：下载日期+处理时点+SHA256+口径台阶处理+MedDRA 词典版本——五要素缺一即复现风险（§7.7 模板）。

Q29：VICP 数据和 VAERS 什么关系？
A：VICP 是补偿侧（HRSA 管护）——Reportable Events Table 镜像其伤害表；补偿判定不等于因果科学结论（约 60% 为和解）。

Q30：VAERS 有官方 API 吗？
A：没有——下载走验证码网页；社区工具多为网页解析；WONDER 的数据提取是替代通道。

Q31：孩子接种后低张力低反应（HHE）是严重问题吗？
A：VAERS 专题研究（215 例）显示 HHE 多为自限性、中位 3.5 小时缓解——但个案处置遵医嘱；VAERS 数据不构成临床建议。

Q32：系统怎么应对大流行？
A：官方七目标的第 7 条——全人口应急监测；COVID 实战（峰值报告+v-safe 补位）验证了通道，也暴露了报告行为噪声的新量级。

Q33：中国团队能用 VAERS 发论文吗？
A：能——公共领域数据全球可用；注意携带官方限制声明、制度语境差异说明与快照复现元数据。

Q34：VAERS 数据能做时间序列预测吗？
A：可做「报告行为」的预测（含媒体/政策变量）——不可做「不良事件发生率」预测（无分母）；两种预测的混淆是常见的传播错误。

Q35：新疫苗上市监测的标准姿势是什么？
A：月度快照+分域频次监控+PRR 初筛+分层敏感性+O/E 对照+接力确认——§7.6 的六步流水。

Q36：VAERS 未来会怎么演进？
A：官方方向——公开数据扩围（2025-05 secondary）与透明度持续增强；报告渠道在线化；方法学上 AI 辅助编码与去重是可见趋势；「无分母」的被动监测本质不变。

§10.5 要点回顾

1. 被动监测本质：报告≠发生率——无分母是制度性事实。
2. 三表星型：DATA×VAX×SYMPTOMS 经 VAERS_ID——先聚合后联接。
3. MedDRA 编码：认证编码员+随访追加——名称对齐需迁移表。
4. 快照纪律：处理时点即版本——自归档+SHA256 保复现。
5. 去重先行：三级匹配+披露——诉讼活跃域尤其关键。
6. 口径台阶：2025-05-08 secondary 扩围——跨界分段。
7. 分层敏感性：报告者身份×年份——信号稳健性的两把尺。
8. 接力声明：VAERS 出假设、确认研究出结论——决策链分工。
9. 限制声明：官方解释限制随行——引用模板不可裁剪。
10. 历史信号校准：RotaShield/过敏反应/CVST 复现——管线有效性的端到端证据。

---

口径存照（数字均注明口径与来源，写入正文前已核对）

• 系统身份：CDC/FDA 共管被动监测/1990-11 生效/1986 NCVIA 法源/VICP 同法授权 = CDC stacks 36403 官方手册 + Wikipedia + PolitiFact 2021
• 七大目标（含批号聚集检测）= CDC stacks 36403 官方手册
• 法定义务（厂商全部知悉事件/专业人员禁忌与表列事件）+ Reportable Events Table 镜像 VICP Vaccine Injury Table = CDC stacks 36403 + Pediatric Pharmacotherapy 2004
• MedDRA 认证编码员/严重四标志 FDA 定义/严重报告病历与 1 年随访 = CDC stacks 36403
• 三 CSV 结构（VAERSDATA/VAERSVAX/VAERSSYMPTOMS）+ VAERS ID 联接 + 每 5 槽位 + 结局标志清单 = vaers.hhs.gov 数据集页 + VaccineWatch Methodology
• 2025-05-08 secondary reports 扩围 = vaers.hhs.gov 官方公告（数据集页）
• 最新包：2026-09-04 更新/处理至 2026-08-28 = vaers.hhs.gov 数据集页
• WONDER 变量体系（MedDRA 症状/文本字段检索/Onset Interval 等）= wonder.cdc.gov VAERS 帮助页
• 年度报告数（1990: 2,214/2021: 768,706/2022: 251,988/2023: 108,363/2024: 52,928/2025: 40,283/2026 部分: 977；2021 死亡 11,352/住院 50,676）= VaccineWatch 加工表（2026-02-25 处理；官方文件为源——第三方口径已标注）
• Pre-2021 基线 30,000-50,000/年 = VaccineWatch（与官方趋势叙述一致）
• 2004 时点：累计 >120,000 报告/59% <18 岁/49% <6 岁 = Pediatric Pharmacotherapy 2004
• RotaShield：MMWR 1999-07-16（15 例肠套叠）/ACIP 撤回/1999-10 自愿撤市 = HRSA ACCV 记录 + PolitiFact（Offit 引述）
• 强生 CVST 6 例/685 万接种 → 暂停-复通 = PolitiFact 2021（Shimabukuro 引述）
• HHE 研究：1996-1998 报告中 215 例/中位 4 月龄/中位 3.5h/多与百日咳疫苗相关 = Du Vernoy 2000 经 Pediatric Pharmacotherapy 2004 转述
• 诉讼报告偏倚：2006 Pediatrics（thimerosal 报告多为律师提交）= Wikipedia/PolitiFact 转述
• VSD：1991 起/2000 扩至 8 HMO/550 万人 = HRSA ACCV 记录；CISA：2001 起 6 学术中心 = 同源
• v-safe 5 表（data.cdc.gov）/VICP 月度数据（HRSA）/60% 和解 = GitHub BitKind 仓库 + HRSA 数据页（经 BitKind 转述）
• 解译限制（不证因果/无分母/低报+刺激/未核实/重复）= vaers.hhs.gov Data Use Guide 语境 + VaccineWatch Methodology 转述

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• litcovid — 共享标签：公共卫生与流行病学 / 医疗NLP
• cord-19 — 共享标签：公共卫生与流行病学 / 医疗NLP
• clinicaltrials-gov — 共享标签：公共卫生与流行病学 / 医疗NLP
• meddra — 共享标签：公共卫生与流行病学
• hgnc — 共享标签：医疗NLP
• rxnorm — 共享标签：医疗NLP
• impc — 共享标签：公共卫生与流行病学
• alphamissense — 共享标签：公共卫生与流行病学
• mimicel — 共享标签：公共卫生与流行病学
• mimiciii — 共享标签：医疗NLP

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。