用途：面向药物警戒场景，检测、量化并解释药物不良事件信号。通过 FAERS 不成比例分析、FDA 标签挖掘、机制预测与文献证据，生成 0-100 的安全信号评分。适用提问包括某药的安全信号、是否与某不良事件相关、FAERS 信号、两药安全性对比、严重不良事件、上市后监测报告等。
主要能力与流程：
- 输入解析与药物消歧：解析药名并映射到 ChEMBL、DrugBank 标识，获取作用机制、黑框警告状态、靶点与获批适应证。
- FAERS 不良事件画像：按频率统计不良事件、严重性与结局分布、人口学特征、死亡相关事件等。
- 不成比例分析（核心）：对至少 15-20 个主要不良事件计算 PRR、ROR、IC 及 95% 置信区间；信号判定为 PRR≥2.0 且下限 CI>1.0 且 N≥3，强度分为强（PRR≥5）、中（3-5）、弱（2-3）。
- FDA 标签安全信息：提取黑框警告、禁忌、警告与注意事项、不良反应、药物相互作用及特殊人群信息。
- 机制层面背景：靶点安全谱、OpenTargets 不良事件、ADMET 毒性预测（需 SMILES）、药物警告。
- 同类药物比较：与同类药物做头对头比较，区分类别信号与药物特异信号。
- 相互作用与风险因素：FDA 标签、DrugBank、DailyMed、PharmGKB 及 FDA 药物基因组学生物标志物。
- 文献证据：PubMed、OpenAlex、EuropePMC 检索安全性研究、病例报告与预印本。
- 风险评分与分级：安全信号评分由 FAERS 信号强度（0-35）、严重不良事件（0-30）、FDA 标签警告（0-25）、文献证据（0-10）构成；证据分级 T1-T4。
- 报告综合：输出监测建议、风险缓解策略、患者宣教要点及完整性清单。
使用方式：技能要求先计算后描述，分析时通过 Bash 编写并运行 Python（pandas、scipy、statsmodels、matplotlib）执行统计与数据处理，再用 ToolUniverse 工具取数。工具调用统一使用英文药名，回复使用用户语言。建议先建立报告文件并逐步补充。可参考同目录下 PHASE_DETAILS.md、REPORT_TEMPLATE.md、TOOL_REFERENCE.md、QUICK_START.md。
因果判断参考 Naranjo 算法，评分分级为确定（≥9）、很可能（5-8）、可能（1-4）、可疑（≤0）。
限制：无 FAERS 报告时跳过信号分析阶段，改用标签、机制预测与文献；通用名与商品名需分别尝试；药物联用可用 FAERS_count_additive_adverse_reactions 汇总；存在适应证混杂时需在报告中说明；MedDRA 低级别术语与首选术语计数可能差异较大，应以不成比例分析而非原始计数为主；具体评分细则与完整模板未在本文提供。