Safety profile of antiviral medications: A pharmacovigilance study using the Italian spontaneous-reporting database
Notice bibliographique
Résumé
PURPOSE: The results of an analysis of suspected antiviral-associated adverse drug reactions (ADRs) in Italy over a 22-year period are presented. METHODS: A case/non-case analysis was conducted using ADR reports compiled in the nationwide spontaneous-reporting database through September 2010. All reported events included in the analysis were evaluated and coded by drug safety experts; causality assessments were performed according to the algorithm of Naranjo et al. The association between an adverse reaction and antiviral use was assessed by estimating the reporting odds ratio (ROR), with 95% confidence interval (CI), as a measure of disproportionality. RESULTS: Overall, 863 reports of suspected ADRs involving antivirals and 42,430 reports of adverse reactions to other drugs were identified; of those events, 3.3% and 64.3% were determined to be definite or probable ADRs, respectively, and an additional 32.4% were deemed possibly drug related. Several ADRs were disproportionately associated with antivirals relative to other drugs: renal colic (ROR, 25.5; 95% CI, 13.3-49.0), lactic acidosis (ROR, 18.6; 95% CI, 9.2-37.7), depression (ROR, 18.0; 95% CI, 11.6-27.9), anemia (ROR, 15.9; 95% CI, 12.3-20.4), hallucination (ROR, 4.3; 95% CI, 2.7-7.1), neutropenia (ROR, 4.1; 95% CI, 2.9-5.8), acute renal failure (ROR, 3.9; 95% CI, 2.3-6.4), fever (ROR, 3.8; 95% CI, 2.8-5.1), hyperpyrexia (ROR, 2.9; 95% CI, 1.7-4.9), and asthenia (ROR, 1.8; 95% CI, 1.2-2.8). CONCLUSION: Analysis of data from a large Italian database showed that, among antiviral agents, the ribavirin-interferon combination, acyclovir, valacyclovir, indinavir, and zidovudine accounted for the most serious hematologic, neuropsychiatric, and renal ADRs.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».