Bayesian hierarchical methods in the detection of potentially teratogenic first‐trimester medications
Notice bibliographique
Résumé
PURPOSE: Bayesian hierarchical models (BHMs) have been used to identify adverse drug reactions, allowing information sharing amongst adverse reactions and drugs expected to have similar properties. This study evaluated the use of BHMs in the routine signal detection analyses of potential first-trimester teratogens, where these models have not previously been applied. METHODS: Data on 15 058 malformed foetuses exposed to first trimester medications (1995-2011) from 13 European congenital anomaly (CA) registries were analysed. The proportion of each CA in women taking a specific medication was compared with the proportion of that CA in all other women in the dataset (55 CAs × 523 medications). BHMs were grouped by either medications or CAs or by both simultaneously, and the results compared with analysing each medication-CA combination separately and adjusting for multiplicity using a double false discovery rate (FDR) procedure. The proportions of "high-risk" medications (medications which have been shown to carry a moderate to high risk of foetal malformations) identified as potential signals were compared, as well as the total number of potential signals requiring follow up (the effective workload). RESULTS: BHMs identified more high-risk medications than the double FDR method, but the effective workload was larger. A BHM grouping both medications and CAs, for example, identified 23% of high-risk medications compared with 14% by the double FDR; however, there was an increase from 16 to 71 potential signals requiring follow up. CONCLUSION: For comparable effective workloads, BHMs did not outperform the double FDR, which is comparatively straightforward to implement and is therefore recommended for continued use in teratogenic signal detection analyses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».