Causality Assessment for Suspected DILI During Clinical Phases of Drug Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Causality assessment is a critical step in establishing the diagnosis of drug induced liver injury (DILI) during drug development. DILI may resemble almost any type of liver disease, and often presents a serious challenge to clinical investigators and drug makers. The diagnosis of DILI is largely based upon a combination of a compatible clinical course, exclusion of all other reasonable causes, resemblance of clinical and pathological features to known features of liver injury due to the drug (i.e., "drug's signature"), and incidence of liver injury among patients treated with the drug compared to placebo or comparator. Causality assessment for suspected DILI is currently performed using either evaluation by physicians with expertise in liver disorders (i.e., expert opinion) or standardized scoring instruments such as the Roussel Uclaf Causality Assessment Method (RUCAM). Both approaches are widely used in the post marketing setting. Causality assessment based on expert opinion is considered superior to standardized instruments such as RUCAM, in the setting of drug development, and is currently the preferred approach during clinical trials. There is a need for a systematic revision of RUCAM that will render it more suitable for the setting of clinical trials and drug development. Careful monitoring and meticulous data collection during clinical trials are essential in all cases with established liver injury to allow for a proper causality assessment. A workshop was convened to discuss best practices for the assessment of drug-induced liver injury (DILI) in clinical trials. This publication is based on the conclusions of this workshop.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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