زمینه و اهداف : در سال های اخیر عوارض و مشکلات دارویی چهارمین الی ششمین عامل مرگ و میر در ایالات متحده آمریکا تخمین زده شده، مرگ و میر ناشی از عوارض دارویی در طول یک سال بیش از مرگ و میر سالانه ناشی از تصادفات با وسایل نقلیه، سرطان پستان و ایدز گزارش شده است. با توجه به این شواهد، هدف اصلی این پژوهش مقایسه مدل های اپیدمیولوژیک در شناسایی سیگنال های عوارض دارویی در ایران می باشد.روش بررسی : در این پژوهش کلیه عوارض دارویی گزارش شده به مرکز فارماکوویژیلانس ایران از فروردن 1377 الی پایان آذر ماه 1383 مورد بررسی قرار گرفت و سه روش: Bayesian Confidence Propagation Neural Network (BCPNN)، Reporting Odds Ratio (ROR)، Proportional Reporting Ratio (PRR) جهت شناسایی سیگنال ها عوارض دارویی به کار گرفته شد. پس از انجام سه روش مذکور، سیگنال های شناسایی شده توسط هر سه نوع روش با توجه به معیارهای جدید بودن عارضه، جدی و شدید بودن عارضه و فراوانی گزارشات مورد مقایسه قرار گرفت.یافته ها: یافته ها نشان می دهد که از فروردین 1377 الی پایان آذر ماه 1383، تعداد 6353 مورد گزارش حاوی 11130 عارضه دارویی به مرکز فارماکوویژیلانس ایران ارسال شده است. برای ترکیب های دارو– عارضه با فراوانی³3 , ³2 , ³1 به ترتیب معادل 2838، 872، 488 سیگنال توسط روش PRR، 1120، 378، 235 سیگنال تولید روش BCPNN و 2722، 862 و 481 سیگنال توسط روش ROR شناسایی شد.به نظر می رسد که جدی بودن عارضه، تعداد موارد گزار شده از هر ترکیب دارو– عارضه و جدید بودن عارضه در فرآیند شناسایی و ارزیابی سیگنال های عوارض دارویی موثر می باشند. یافته ها نشان می دهد که روش BCPNN نسبت به سایر روش ها درصد بیشتری از عوارض جدی و شدید شناخته شده را در کل سیگنال های ردیابی شده به خود اختصاص می دهد.نتیجه گیری: بر اساس یافته ها پیشنهاد می گردد که روش های به کار رفته در این مطالعه جزو فعالیت های روتین مرکز فارماکوویژیلانس ایران گنجانده شود و روند تغییرات معیارهای مورد بررسی در طول زمان ارزیابی گردد.