Completeness of serious adverse drug event reports received by the US Food and Drug Administration in 2014
Notice bibliographique
Résumé
PURPOSE: Adverse drug event reports to the US Food and Drug Administration (FDA) remain the primary tool for identifying serious drug adverse effects without adequate existing warnings. We assessed the completeness of reports the FDA received in 2014. METHODS: Serious adverse drug event reports were evaluated for whether they included age, gender, event date, and at least one medical term describing the event in computer excerpts. Report sources were direct reports to the FDA, manufacturer expedited reports about events without adequate warnings, and manufacturer periodic reports about events with existing warnings. RESULTS: In 2014, the FDA received 528,192 new case reports indicating a serious or fatal outcome, 25,038 (4.7%) directly from health professionals and consumers, and 503,154 (95.3%) from drug manufacturers. Overall, 21,595 (86.2%) of serious reports submitted directly to the FDA provided data for all four completeness variables, compared with 271,022 (40.4%) of manufacturer expedited reports and 24,988 (51.3%) of periodic reports. Among manufacturer serious reports, 37.9% lacked age and 46.9% had no event date. Performance by 25 manufacturers submitting 5000 or more reports varied from 24.4% complete on all variables to 67% complete. Patient death cases had the lowest completeness scores in all categories. CONCLUSIONS: By these measures, report completeness from drug manufacturers was poor compared with direct submissions to the agency. The FDA needs to update reporting requirements and compliance policies to help industry capture better adverse event information from new forms of manufacturer interactions with health professionals and consumers. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,005 | 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 | 0,001 |
| 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 ».