Adverse Event Reporting with Selective Serotonin-Reuptake Inhibitors
Notice bibliographique
Résumé
OBJECTIVE: The Weber effect is a phenomenon which states that the number of reported adverse reactions for a drug increases until the middle to end of the second year of marketing. The purpose of this study was to examine the number of adverse event reports associated with specific selective serotonin-reuptake inhibitor (SSRI) use. METHODS: Data used in this study included voluntary adverse event reports submitted to the US federal government through the Spontaneous Reporting System and Adverse Event Reporting System. Adverse event reports were analyzed for the following SSRIs: citalopram, fluoxetine, fluvoxamine, paroxetine, and sertraline. RESULTS: Adverse event reporting associated with fluvoxamine demonstrates the Weber effect. Adverse events related to fluoxetine, paroxetine, and sertraline do not exhibit the Weber effect. Fluoxetine-related adverse events peaked at year 3, with peaks also occurring during the 10th and 12th years after market entry. Adverse event reports associated with paroxetine and sertraline use increased 5-8 years after market entry. CONCLUSIONS: Within 1 class of medications, it is possible for a few agents to exhibit the Weber effect, while there is no definite pattern with others. A new observation in adverse event reporting is introduced and suggests that a peak in adverse event reporting occurs 1-2 years after a medication receives approval for a new indication. Future research is necessary to validate this effect and examine the generalizability to other 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».