尽管随机临床试验是评估新干预措施疗效的金标准，但可用的样本量通常不足以完全了解其安全性。新疗法可能会引起人们的风险，直到它已经投放市场很多年，由与根据临床开发计划纳入标准研究的个体不同的个体承担。
监管机构，制药公司和设备制造商会自发报告不良事件，以在产品投放市场后监视其安全性。例如，FDA维护着药品（AERS：不良事件报告系统），疫苗（VAERS：疫苗不良事件报告系统）和医疗设备（MAUDE：制造商和用户设施设备经验）的数据库。这些数据通常从医师，患者或医学文献中获得。 自发报告的不良事件提出了一个独特的挑战，因为无法衡量总暴露量。换句话说，没有明确的分母来定义特定药物的不良事件发生率。为了识别潜在的安全信号，将特定事件与给定药物共同发生的速率与事件数据库中没有该药物的情况下发生的速率进行比较。这称为不成比例分析。
一种案子可以指单个患者或报告，可以有一个或多个与其相关的不良事件。每个事件又可以具有一种或多种与之相关的药物。为了确定分析中不良事件的总数，将不同案例中发生的事件视为不同事件。在一个案例中JMP临床根据提供给分析的变量（例如事件名称和分类）确定事件唯一性，这些变量可以参考MedDRA的首选术语和系统器官类别；事件的开始日期；或用于分层的任何变量，例如事件严重性。确定事件总数后， JMP临床计算四个不成比例的度量-报告比值比（Meyboom等，1997），比例报告比（Evans，Waller和Davis，2001），多项伽马泊松收缩器（DuMouchel，1999）和贝叶斯置信度传播神经网络（Bate等，1998； Gould，2003）。
这失衡分析分析过程（AP）对事件进行分析所需的数据最少-一个事件字段和一个药物字段。尽管数据要求最低，但附加的指定变量可提供更全面的分析。例如，提供开始日期会随着时间的流逝产生不成比例统计数据的分析，以说明健壮的发现如何累积数据。用户还可以指定一个或多个变量进行分层。药物的处方方式，疾病的严重程度以及个体对治疗的反应都可能受到人口统计学和其他背景特征的影响。因此，应在同类人群中计算不成比例的统计数据，以避免得出不适当的结论（Woo等，2008）。
虽然失衡分析AP当前不依赖CDISC标准，它是对CDISC的重要补充JMP临床4.0以便更好地了解市售药品和设备的安全性。有关更多信息，请下载标题为“失调分析及其在药物警戒中自发报告的不良事件中的应用。 ”
