A comparison of patterns of spontaneous adverse drug reaction reporting with St. John's Wort and fluoxetine during the period 2000–2013
Notice bibliographique
Résumé
Herbal medicines are perceived to be safe by the general public and medical practitioners, despite abundant evidence from clinical trials and case reports that show herbal preparations can have significant adverse effects. The overall impact of adverse events to herbal medicines in Australia is currently unknown. Post marketing surveillance of medications through spontaneous adverse drug reaction (ADR) reports to the Therapeutic Goods Administration (TGA) is one way to estimate this risk. The patterns of spontaneously reported ADRs provide insight to herbal dangers, especially when compared with patterns of a mechanistically similar conventional drug. The study compared the pattern of spontaneously reported ADRs to St. John's Wort (Hypericum perforatum), a common herbal treatment for depression which contains selective serotonin reuptake inhibitors (SSRI), to fluoxetine, a commonly prescribed synthetic SSRI antidepressant. Spontaneous ADR reports sent to the TGA between 2000-2013 for St. John's Wort (n = 84) and fluoxetine (n = 447) were obtained and analysed. The demographic information, types of interaction, severity of the ADR, and the body systems affected (using the Anatomical Therapeutic Chemical classification system) were recorded for individual ADR cases. The majority of spontaneously reported ADRs for St. John's Wort and fluoxetine were concerning females aged 26-50 years (28.6%, 22.8%). The organ systems affected by ADRs to St John's Wort and fluoxetine have a similar profile, with the majority of cases affecting the central nervous system (45.2%, 61.7%). This result demonstrates that herbal preparations can result in ADRs similar to those of prescription medications.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».