Analyses of Adverse Drug Reactions–Nationwide Active Surveillance Network: Canadian Pharmacogenomics Network for Drug Safety Database
Notice bibliographique
Résumé
Adverse drug reactions (ADRs) are a major problem in modern medicine, representing up to the fourth-highest cause of mortality. Pharmacogenomic tests are 1 of the most promising methods to tackle the challenge of ADRs. The objective of this study was to analyze the clinical and demographic information of the pan-Canadian active surveillance network, Canadian Pharmacogenomics Network for Drug Safety (CPNDS). Information entered into the database by trained active surveillors between May 15, 2005 and May 9, 2017 was collected and analyzed. Specific data included for analysis were number of ADR reports, reports of drug use without ADRs, date of onset of ADR, suspected drugs, concomitant drugs, and fatal ADR cases. The CPNDS database consisted of 93,974 reports of medication use, including 10,475 reports of ADRs, of which 72.6% occurred in pediatric patients (≤21 years old). Self-reported ancestries were predominantly Europe (38.2%), Canada (9.6%), and East Asia (4.9%). The 5 most frequent ADRs were cutaneous ADRs, peripheral neuropathy, cardiotoxicity, central nervous system toxicity, and ototoxicity. The 5 drugs most commonly suspected to cause ADRs were methotrexate, vincristine, doxorubicin, cisplatin, and L-asparaginase. The CPNDS database is a valuable resource to identify clinical and genomic predictors of ADRs. The database also highlights our candidate ADRs for pharmacogenomic discovery research to identify additional ADR biomarkers. Additionally, the database provides information that can be used for developing strategies to prevent ADRs and raises awareness of ADRs among Canadian healthcare professionals.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».