Causality Assessment for Suspected DILI During Clinical Phases of Drug Development
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,306 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».