$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
FAERS 数据来源
本研究的真实世界数据来自FAERS数据库（https://fis.fda.gov/extensions/FPD-QDE-FAERS/FPD-QDE-FAERS.html）。该数据库为公开可访问且匿名化的数据库，因此本研究无需伦理审批。所包含的五种药物信息见表1。检索时首先将不良事件限定为髋部骨折，检索时间范围为2014年第一季度至2023年第四季度。为确保数据的可靠性和稳定性，本研究通过MedDRA字典26.1版42对报告的不良事件术语进行了标准化。从2014年第一季度至2023年第四季度的FAERS季度ASCII文件被下载并导入用于分析。提取的FAERS表格包括DEMO、DRUG、REAC、THER、RPSR和OUTC。这些表格在筛选前被合并至所有季度。通过CASEID和PRIMARYID链接报告，以确保人口学、药物、反应、治疗、报告者和结局信息之间的一致性。目标药物包括etanercept、adalimumab、infliximab、certolizumab pegol和golimumab。DRUG表中的药物名称通过转换为大写、去除多余空格以及必要时核对拼写变体进行标准化。使用DRUG表中的标准化通用名称识别目标药物，并通过ROLE_COD = “PS”进行药物角色限制，表示主要可疑药物43。具体的研究筛选技术路线见图2。在完成数据清洗和筛选后，获得了一个唯一且可分析的符合条件的髋部骨折报告数据集，用于后续分析。
在信号检测前已去除FAERS数据库中的重复报告。重复报告根据CASEID和PRIMARYID进行识别。当多份报告具有相同的CASEID时，依据FDA_DT保留最新提交的报告；若多份报告的CASEID和FDA_DT均相同，则保留PRIMARYID值最高的报告。去重后，每个CASEID仅向最终分析数据集贡献一条记录。纳入分析的报告需同时满足以下所有条件：报告时间在2014年第一季度至2023年第四季度之间；不良事件被编码为“髋部骨折”；DRUG表中记录了至少一种以下五种TNF抑制剂；且药物作用被编码为“主要可疑药物”。若报告属于重复记录、缺乏有效的CASEID或PRIMARYID信息、无对应的DRUG或REAC条目、未包含目标不良事件，或仅将目标TNF抑制剂列为合并用药或次要可疑药物，则予以排除。
用于孟德尔随机化的全基因组关联研究数据来源
本研究中孟德尔随机化分析所用的TNF-α暴露数据来自IEU OpenGWAS数据库（https://gwas.mrcieu.ac.uk/），GWAS ID为prot-c-3722_49_2，源自Suhre K等人的研究。研究人群为欧洲血统，SNP数量为501,42844。
本研究中孟德尔随机化分析的sTNFR1暴露数据来自IEU OpenGWAS数据库（https://gwas.mrcieu.ac.uk/），GWAS ID为prot-c-2654_19_1，源自Suhre K等人的研究。研究人群为欧洲血统，SNP数量为501,42844。
本研究中孟德尔随机化分析的sTNFR2暴露数据来自IEU OpenGWAS数据库（https://gwas.mrcieu.ac.uk/），GWAS编号为prot-c-3152_57_1，源自Suhre K等人的研究。研究人群为欧洲血统，SNP数量为501,428个44。
髋部骨折的结果数据（GWAS ID GCST90161240）已存入GWAS目录（https://www.ebi.ac.uk/gwas/studies/GCST90161240），这些数据来自一项大规模全基因组关联研究（GWAS）的荟萃分析，共包括11,516例髋部骨折病例和723,838名对照者45。该疾病分类与国际疾病分类（ICD；ICD-10编码S72.0–S72.2以及ICD-9编码820）一致。
在原始的全基因组关联研究（GWAS）中已获得伦理批准和知情同意。由于本研究使用的是公开可获取的匿名FAERS数据以及公开可用的GWAS汇总统计资料，因此无需额外的伦理审批。
软件环境与工作流程实现
所有分析均使用 R 4.3.2 版本完成。FAERS 数据的导入、清洗、合并和制表均通过基于 R 的数据管理流程实现。数据表使用 data.table::fread() 或 readr::read_delim() 等函数导入，通过 CASEID 和 PRIMARYID 进行合并，并利用 dplyr 函数进行处理。描述性统计和 2 × 2 列联表由自定义的 R 脚本生成。
使用 TwoSampleMR 0.5.6 版本进行孟德尔随机化分析。暴露工具变量通过显著性阈值 P < 1 × 10⁻5 从全基因组关联研究（GWAS）汇总统计量中提取，或使用与 TwoSampleMR 兼容的输入结构进行格式化。使用 clump_data() 函数进行工具变量的连锁不平衡剔除（clumping），参数设置为 clump_r2 = 0.001 和 clump_kb = 10,000。根据数据来源格式，使用 extract_outcome_data() 或 read_outcome_data() 函数提取或格式化结局数据。暴露和结局数据集通过 harmonise_data() 函数进行数据一致性处理。使用 mr() 函数生成因果效应估计值，所采用的孟德尔随机化方法包括：MR-Egger、加权中位数法、逆方差加权法、简单众数法和加权众数法。使用 mr_heterogeneity() 评估异质性，使用 mr_pleiotropy_test() 检测水平多效性。所有数据集均在此软件环境中导入、清理、一致性处理和分析，以确保分析流程的一致性和可重复性。
药物警戒分析
采用描述性分析方法总结与这五种药物相关的髋部骨折不良事件。随后使用四种不成比例性检测算法进行信号检测分析，包括报告比值比（ROR）、成比例报告比（PRR）、多项目伽马泊松收缩器（MGPS）和贝叶斯置信传播神经网络（BCPNN）。四种主要算法的判定标准见表246。
孟德尔随机化分析
提取TNF-α、sTNFR1和sTNFR2的汇总统计数据作为暴露数据集，提取髋部骨折的汇总统计数据作为结局数据集。在可获得的情况下，分析仅限于欧洲血统的数据集，以减少人群分层偏倚。
为尽量减少由连锁不平衡和弱工具变量引起的偏倚，应用了以下标准：全基因组显著性阈值 P < 1 × 10⁻5，连锁不平衡阈值 r2 < 0.001，聚类窗口为 10,000 kb，且 F 统计量 > 20。对每个保留的工具变量，通过 beta2/se2 计算其 F 统计量以评估工具变量的强度。F 统计量 ≤ 20 的 SNP 被排除在后续分析之外。
在选择SNP后，对暴露和结局数据集进行整合，以使效应等位基因保持一致。整合过程中，暴露数据集与结局数据集之间的效应等位基因及其他等位基因被对齐。剔除等位基因不兼容的SNP，并在无法确定链方向时，排除具有模糊等位基因频率的回文SNP。整合完成后，对保留的SNP进行检查，以确认两个数据集中β系数均对应相同的效应等位基因。每种暴露在聚类和整合后保留的SNP数量被记录下来，作为中间可重复性检查点。
应用了五种孟德尔随机化方法，包括MR-Egger、加权中位数法、逆方差加权法、简单模式法和加权模式法。使用Cochran’s Q检验评估工具变量的潜在异质性，当P < 0.05时认为存在显著异质性。利用MR-Egger截距检验评估潜在的水平多效性，当P < 0.05时提示存在多效性，表明因果估计的可靠性降低47。这些分析为每个暴露因素生成了因果效应估计值以及异质性和多效性统计量。
可重复性的中间检查点
在每个主要处理步骤之后均记录了中间检查点，以确保工作流程的可重复性。对于FAERS工作流程，检查点包括导入的DEMO记录数量、去重后的唯一记录数量、包含髋部骨折作为目标不良事件的报告数量、涉及五种TNF抑制剂的报告数量，以及最终将TNF抑制剂记录为主要可疑药物的合格报告数量。对于孟德尔随机化工作流程，检查点包括每种暴露提取的SNP数量、连锁不平衡剔除后保留的SNP数量、在结局数据集中可用的SNP数量、经过数据协调后保留的SNP数量，以及每次孟德尔随机化分析中最终使用的工具变量SNP数量。
统计报告
连续性结果以相应的效应估计值、95% 置信区间（95% CI）和 P 值表示。除非另有说明，统计学显著性定义为双侧 P < 0.05。在药物警戒分析中，针对每种单独的肿瘤坏死因子（TNF）抑制剂以及合并的 TNF 抑制剂组，分别报告了描述性计数和不成比例性估计值。在孟德尔随机化分析中，针对每种暴露因素，报告了因果估计值、标准误、95% 置信区间、P 值、异质性统计量、多效性检验结果以及保留的单核苷酸多态性（SNP）数量。