MétaCan
Menu
Retour à la cohorte
Enregistrement W2507679269 · doi:10.1002/pds.4090

Can social media data lead to earlier detection of drug‐related adverse events?

2016· article· en· W2507679269 sur OpenAlexaff
Mei Sheng Duh, Pierre Y. Crémieux, Marc Van Audenrode, Francis Vekeman, Paul Karner, Haimin Zhang, Paul E. Greenberg

Notice bibliographique

RevuePharmacoepidemiology and Drug Safety · 2016
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacovigilance and Adverse Drug Reactions
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésMedicineAdverse Event Reporting SystemSocial mediaSibutramineAtorvastatinAdverse effectInternal medicineWorld Wide WebWeight lossComputer scienceObesity

Résumé

récupéré en direct d'OpenAlex

PURPOSE: ) in social media (AskaPatient.com) versus the FDA Adverse Event Reporting System (FAERS). METHODS: We identified clinically important AEs associated with atorvastatin (muscle pain) and sibutramine (cardiovascular AEs), compared their patterns in social media postings versus FAERS and used Granger causality tests to assess whether social media postings were useful in forecasting FAERS reports. RESULTS: We analyzed 998 and 270 social media postings between 2001 and 2014, 69 003 and 7383 FAERS reports between 1997 and 2014 for atorvastatin and sibutramine, respectively. Social media reporters were younger (atorvastatin: 53.9 vs. 64.0 years, p < 0.001; sibutramine: 36.8 vs. 43.8 years, p < 0.001). Social media reviews contained fewer serious AEs (atorvastatin, pain: 2.5% vs. 38.2%; sibutramine, cardiovascular issues: 7.9% vs. 63.0%; p < 0.001 for both) and concentrated on fewer types of AEs (proportion comprising the top 20 AEs: atorvastatin, 88.7% vs. 55.4%; sibutramine, 86.3% vs. 65.4%) compared with FAERS. While social media sibutramine reviews mentioning cardiac issues helped predict those in FAERS 11 months later (p < 0.001), social media atorvastatin reviews did not help predict FAERS reports. CONCLUSIONS: Social media AE reporters were younger and focused on less-serious and fewer types of AEs than FAERS reporters. The potential for social media to provide earlier indications of AEs compared with FAERS is uncertain. Our findings highlight some of the promises and limitations of online social media versus conventional pharmacovigilance sources and the need for careful interpretation of the results. © 2016 The Authors. Pharmacoepidemiology and Drug Safety published by 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,435
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacoepidemiology and Drug SafetyMême sujetPharmacovigilance and Adverse Drug ReactionsTravaux en français237 207