Replication of the Weber Effect Using Postmarketing Adverse Event Reports Voluntarily Submitted to the United States Food and Drug Administration
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
STUDY OBJECTIVE: To validate or refute a widely accepted epidemiologic phenomenon known as the Weber effect by replicating Weber's original observation by using drugs that were marketed in the United States and using reports from a U.S. database. DESIGN: Retrospective analysis of adverse event databases. SETTING: University research center. DRUGS: The original nonsteroidal antiinflammatory drugs studied by Weber that were approved by the U.S. Food and Drug Administration (FDA) and marketed in the United States: diclofenac sodium, diclofenac potassium, diflunisal, sulindac, flurbiprofen, and piroxicam. INTERVENTION: Reports of adverse events submitted to the FDAs Spontaneous Reporting System and the Adverse Event Reporting System from January 1969-December 2000 for these drugs were analyzed according to the number of adverse events reported for each drug per year from the time the drug was approved until December 2000. MEASUREMENTS AND MAIN RESULTS: Reporting patterns were considered to demonstrate the Weber effect if the highest peak in reports during the first 5 years after product approval occurred during year 2. All five drugs analyzed in this study demonstrated the Weber effect. CONCLUSION: The Weber effect was replicable by using drugs marketed in the United States and using reports that were submitted to a U.S. database. Various other factors affected spontaneous reporting of adverse events, as peaks in the number of reports were seen numerous times for each drug after the initial 5-year marketing period.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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