1.一种基于混合模型的药品不良反应遮蔽效应消除方法，其特征在于，包括以下步骤：步骤1)，获取原始ADR数据库，并进行数据处理：其中原始ADR数据库为国家中心的ADR数据；数据的处理包括对原始ADR数据库进行规整以及对关键数据项进行拆分和组合；

步骤2)，矩阵生成：利用数据库编程软件生成用于lasso logistic回归分析的0-1矩阵，该矩阵包括以药品为特征的自变量矩阵X和对应于不良反应的响应矩阵Y；

步骤3)，初步筛选：使用lasso logistic回归模型对自变量矩阵X和响应矩阵Y进行分析，得到回归系数βj大于0的系数项所对应的药品-不良反应组合作为首轮筛选后的数据集；

步骤4)，二次筛选：使用移除报告法将首轮筛选后的数据集中小于等于4例报告的组合剔除，余下的组合构成二次筛选后的新数据集；

步骤5)，数据的信号检测：通过IC信号检测方法对新数据集重新进行信号检测，即得到最终的信号集，完成混合模型消除遮蔽效应的任务。

2.根据权利要求1所述的基于混合模型的药品不良反应遮蔽效应消除方法，其特征在于，所述步骤1)的详细步骤如下：步骤1.1)，获取原始ADR数据库，原始ADR数据从国家药品不良反应监测中心获得；

步骤1.2)，数据处理；

步骤1.2.1)，原始数据可能存在缺项、重复、药品名称和不良反应名称名称不规范等问题，先将数据中的缺项进行删除，重复项做唯一化处理，将不规范的名称重新规范化；

步骤1.2.2)，原始数据中会存在一份不良反应病例报告中有n个怀疑药物和m种不良事件，因而需将数据拆分成n*m个药品-不良反应组合，以提高对数据的利用率。

3.根据权利要求1所述的基于混合模型的药品不良反应遮蔽效应消除方法，其特征在于，所述步骤2)的详细步骤如下：步骤2.1)，构造自变量矩阵X；

其中，xij为自变量矩阵X中位于第i行第j列的项，i＝1,2，……N；j＝1,2,……p；即X为N*p的矩阵；N为经过步骤1处理后的数据库中报告的总数量；p是经过数据拆分后的数据库中药品的种类；xij表示第i份报告中是否包含第j种药品，如若包含则xij置为1，否则置为0；

步骤2.2)，构造响应矩阵Y；

其中，yru为自变量矩阵Y中位于第r行第u列的项，r＝1,2，……N；u＝1,2,……s；N与步骤2.1)中的N值相同；s是经过数据拆分后的数据库中不良反应的种类；yru表示第r份报告中是否报导第u种不良反应，如若报导则yru置为1，否则置为0；其中自变量矩阵X与响应矩阵Y的同一行对应同一份报告。

4.根据权利要求1所述的基于混合模型的药品不良反应遮蔽效应消除方法，其特征在于，所述步骤3)的详细步骤如下：步骤3.1)，lasso logistic回归模型构造；

对于每种不良反应k，均构建一个lasso logistic回归模型，共构建s个lasso logistic回归模型；其中，在第k个模型中，N为经过步骤1处理后的数据库中报告的总数量，p代表数据库中的药物种数，βj为药物j和不良反应k的关联系数，β0为截距；xij为自变量矩阵X中位于第i行第j列的项，即第j个药物是否存在于第i份报告中；yi为响应矩阵Y中的第k列的第i行，即第k个不良反应在第i份报告中是否出现； 为平方损失函数，λ为预设的收缩正则化参数，λ通过交叉验证可以确定； 用以控制lasso logistic回归模型的复杂度；

步骤3.2)，数据集初步筛选；

使用MATLAB工具对s个lasso logistic回归模型求解得到相应的系数βj，得到βj大于0的系数项所对应的药品不良反应组合集合，并以该集合做为首轮筛选后的数据集，完成数据库的初步筛选任务。

5.根据权利要求1所述的基于混合模型的药品不良反应遮蔽效应消除方法，其特征在于，所述步骤5)的详细步骤如下：在新的数据集的基础上，使用IC算法进行信号检测，IC算法如下：

令ci＝A，cj＝A+B，ck＝A+C，N＝A+B+C+D，λ＝1，α＝β＝1，δ＝η＝2，cj＝A+B，ck＝A+C，N＝A+B+C+D则有γ＝λ(N+δ)(N+η)/[(cj+α)(ck+β)]

E(IC)＝log2[(ci+λ)(N+δ)(N+η)/((N+γ)(cj+α)(ck+β))]＝log2γ(ci+λ)/(N+γ)V(IC)＝{(N-ci+γ-λ)/[(ci+λ)(1+N+γ)]+(N-cj+δ-α)/[(cj+α)(1+N+δ)]+(N-ck+η-β)/[(cj+β)(1+N+η)]}/(log2)2其中IC＝E(IC)，SD＝V(IC)，IC值的下限为IC-2SD，上限为IC+2SD；信号检测评价标准为IC-2SD>0，则产生信号；

其中，A、B、C和D表示如下：A为目标药物引起目标ADR数量，B为目标药物引起其他ADR数量，则A+B表示目标药物引起的ADR总数；C为其他药物引起目标ADR的数量，D为其他药物引起其他ADR的数量，则C+D表示其他药物引起ADR的总数。A+B+C+D表示所有药品引起所有ADR的总量；将A、B、C、D的值代入IC算法中计算出IC值、SD值，得到最终的信号集，完成混合模型消除遮蔽效应的任务。