MétaCan
Menu
Retour à la cohorte
Enregistrement W1550900456 · doi:10.1111/bcp.12505

<i>In vitro</i>testing for diagnosis of idiosyncratic adverse drug reactions: Implications for pathophysiology

2014· review· en· W1550900456 sur OpenAlexaff
Abdelbaset A. Elzagallaai, Michael Rieder

Notice bibliographique

RevueBritish Journal of Clinical Pharmacology · 2014
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDrugIntensive care medicineCulpritMedicineGold standard (test)Drug discoveryPharmacologyRisk analysis (engineering)BioinformaticsInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Idiosyncratic drug reactions (IDRs) represent a major health problem, as they are unpredictable, often severe and can be life threatening. The low incidence of IDRs makes their detection during drug development stages very difficult causing many post-marketing drug withdrawals and black box warnings. The fact that IDRs are always not predictable based on the drug's known pharmacology and have no clear dose-effect relationship with the culprit drug renders diagnosis of IDRs very challenging, if not impossible, without the aid of a reliable diagnostic test. The drug provocation test (DPT) is considered the gold standard for diagnosis of IDRs but it is not always safe to perform on patients. In vitro tests have the advantage of bearing no potential harm to patients. However, available in vitro tests are not commonly used clinically because of lack of validation and their complex and expensive procedures. This review discusses the current role of in vitro diagnostic testing for diagnosis of IDRs and gives a brief account of their technical and mechanistic aspects. Advantages, disadvantages and major challenges that prevent these tests from becoming mainstream diagnostic tools are also discussed here.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,232
Tête enseignante GPT0,545
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Clinical PharmacologyMême sujetPharmaceutical studies and practicesTravaux en français237 207